车辆变道方法、装置、设备和存储介质与流程

本发明涉及无人驾驶技术领域，特别是涉及了一种车辆变道方法、装置、设备和存储介质。

背景技术：

在无人驾驶车辆行驶过程中，通过车辆上安装的传感器，获取无人驾驶车辆周围环境信息(周围车辆的行驶路径，障碍物等)，并根据周围环境信息，提前规划车辆的行驶路径，控制无人驾驶车辆的行驶。

当无人驾驶车辆需要变换车道时，通过获取其他车辆与无人驾驶车辆之间的距离，确定该距离大于预设的安全距离时，控制无人驾驶车辆变换车道。例如，无人驾驶车辆需要向右变道时，获取无人驾驶车辆右侧车道的环境信息，在右侧车道上其他车辆与无人驾驶车辆之间的距离大于预设的安全距离时，控制无人驾驶车辆向右变换车道。

然而，在较拥堵的道路上，其他车辆距离无人驾驶车辆较近，无人驾驶车辆进行变道时，其他车辆与无人驾驶车辆之间的距离小于预设的安全距离，导致无人驾驶车辆无法及时完成变道。

技术实现要素：

基于此，有必要针对无人驾驶车辆无法及时完成变道的问题，提供了一种车辆变道方法、装置、设备和存储介质。

第一方面，一种车辆变道方法，所述方法包括：

根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；所述变道建议行为包括所述无人驾驶车辆侵犯其他车辆路权的规划行为；

根据所述预测行驶路径，更新所述无人驾驶车辆的行驶路径；所述预测行驶路径包括所述其他车辆规划避让所述无人驾驶车辆的路径或所述其他车辆规划不避让所述无人驾驶车辆的路径。

在其中一个实施例中，所述根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径，包括：

根据预设的预测规则，预测所述变道建议行为对应的其他车辆的预测行驶路径；所述预测规则用于根据无人驾驶车辆的侵犯路权行为预测其它车辆的行驶轨迹。

在其中一个实施例中，所述方法还包括：

获取多个车辆变道行为；

获取所述多个车辆变道行为对应的其他车辆行驶轨迹；

根据所述多个车辆变道行为和所述多个车辆变道行为对应的其他车辆的行驶轨迹，训练得到所述预测规则。

在其中一个实施例中，所述根据所述预测行驶路径，更新所述无人驾驶车辆的行驶路径之后，所述方法还包括：

对更新后的所述无人驾驶车辆的行驶路径进行安全检查，得到检查结果；所述检查结果包括无人驾驶车辆的行驶路径安全和无人驾驶车辆的行驶路径危险；

根据所述检查结果，控制无人驾驶车辆行驶。

在其中一个实施例中，所述对更新后的所述无人驾驶车辆的行驶路径进行安全检查，得到检查结果，包括：

获取所述无人驾驶车辆与所述其他车辆之间的距离，所述距离包括横向距离和纵向距离；

根据所述无人驾驶车辆与其他车辆之间的距离，得到所述检查结果。

在其中一个实施例中，若所述横向距离大于预设横向安全距离，和，所述纵向距离大于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径安全；

若所述横向距离小于所述预设横向安全距离，和/或，所述纵向距离小于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径危险。

在其中一个实施例中，所述根据所述检查结果，控制无人驾驶车辆行驶，包括：

当所述检查结果为无人驾驶车辆的行驶路径危险，则控制所述无人驾驶车辆停止执行变道行为。

在其中一个实施例中，所述根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径，还包括：

根据所述无人驾驶车辆的行驶路径，获取所述无人驾驶车辆的变道需求；

根据所述变道需求，获取所述无人驾驶车辆的变道建议行为。

第二方面，一种车辆变道装置，所述装置包括：

获取模块，用于根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；所述变道建议行为包括所述无人驾驶车辆侵犯其他车辆路权的规划行为；

更新模块，用于根据所述预测行驶路径，更新所述无人驾驶车辆的行驶路径；所述预测行驶路径包括所述其他车辆规划避让所述无人驾驶车辆的路径和所述其他车辆规划不避让所述无人驾驶车辆的路径。

第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行上述车辆变道方法所述的方法步骤。

第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述车辆变道方法所述的方法步骤。

上述车辆变道方法、装置、设备和存储介质，根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；其中，变道建议行为包括无人驾驶车辆侵犯其他车辆路权的规划行为；进而根据预测行驶路径，更新无人驾驶车辆的行驶路径；其中，预测行驶路径包括其他车辆规划避让无人驾驶车辆的路径或其他车辆规划不避让无人驾驶车辆的路径。使得无人驾驶车辆在变道前，通过侵犯其他车辆路权，展示无人驾驶车辆的变道意图，同时迫使其他车辆避让无人驾驶车辆，避免了其他车辆不避让无人驾驶车辆的行为，进而避免了无人驾驶车辆无法及时完成变道的问题。

附图说明

图1为一个实施例中车辆变道方法的应用环境的示意图；

图2为一个实施例中车辆变道方法的流程示意图；

图3为另一个实施例中车辆变道方法的流程示意图；

图4为另一个实施例中车辆变道方法的流程示意图；

图5为另一个实施例中车辆变道方法的流程示意图；

图6为另一个实施例中车辆变道方法的流程示意图；

图7为一个实施例中提供的车辆变道装置的结构示意图；

图8为另一个实施例中提供的车辆变道装置的结构示意图；

图9为另一个实施例中提供的车辆变道装置的结构示意图；

图10为另一个实施例中提供的车辆变道装置的结构示意图；

图11为一个实施例中计算机设备的内部结构图。

具体实施方式

本申请提供的车辆变道方法、装置、设备和存储介质，旨在解决无人驾驶车辆无法及时完成变道的问题。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。

本实施例提供的车辆变道方法，可以适用于如图1所示的应用环境中。其中，无人驾驶车辆110与其他车辆120在同一道路的不同车道上行驶，无人驾驶车辆110在执行变道动作时，通过设置在无人驾驶车辆110上的传感器获取与其他车辆120之间的距离，在距离大于预设的安全距离时，控制无人驾驶车辆110执行变道动作。

需要说明的是，本申请实施例提供的车辆变道方法，其执行主体可以是车辆变道装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为车辆变道终端的部分或者全部。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。

图2为一个实施例中车辆变道方法的流程示意图。本实施例涉及的是通过无人驾驶车辆侵犯其他车辆路权的规划行为，更新无人驾驶车辆的行驶路径具体过程。如图2所示，该方法包括以下步骤：

s101、根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；变道建议行为包括无人驾驶车辆侵犯其他车辆路权的规划行为。

其中，无人驾驶车辆可以是一种智能汽车，主要依靠车内的以计算机系统为主的智能驾驶仪来规划无人驾驶车辆的行驶路径，实现无人驾驶的目的。其他车辆可以是道路上行驶的车辆，其可以是人为驾驶的车辆，也可以是其他无人驾驶车辆，本申请实施例对此不做限制。变道建议行为可以是车辆变道终端的规划行为，可以是为其他车辆预留足够的安全时间，规划无人驾驶车辆侵犯其他车辆路权，其他车辆有足够的安全时间，可以进行刹车或避让，保证道路行驶安全的行为。变道规划行为可以包括无人驾驶车辆侵犯路权的具体距离，例如，变道规划行为可以是无人驾驶车辆向右偏移50cm。路权可以是指交通参与者根据交通法规的规定，一定空间和时间内在道路上进行道路交通活动的权利，可分为上路行驶权、通行权、先行权、占用权。其他车辆路权可以是指其他车辆在道路进行交通活动的权利。例如，当无人驾驶车辆与其他车辆同时在两车道的道路上行驶时，如图1所示，无人驾驶车辆110在左侧车道行驶，其他车辆120在右侧车道行驶，根据相关交通法规的规定，直行车辆路权最大，则其他车辆占据右侧车道的路权，此时，其他车辆路权是沿右侧车道继续直行的权利。行驶路径可以是指车辆行驶线路，其可以包括车辆已行驶过的线路和车辆计划行驶的线路。预测行驶路径可以是终端在无人驾驶车辆侵犯其他车辆路权时，对其他车辆计划行驶线路的预测结果。

具体地，当终端获得了无人驾驶车辆的变道建议行为后，根据该变道建议行为，对其他车辆的行驶路径进行预测，获得其他车辆的预测行驶路径。终端可以根据预存的变道行为与其他车辆的行驶轨迹之间的对应关系，获得变道建议行为对应的其他车辆的预测行驶路径；还可以是通过机器学习，获得变道建议模型，将无人驾驶车辆的变道建议行为输入上述变道建议模型中，获得其他车辆的预测行驶路径；本申请实施例对此不做限制。例如，继续如图1所示，当无人驾驶车辆110行驶在左侧车道，其他车辆行驶120在右侧车道时，无人驾驶车辆的变道建议行为向右偏移50cm，则终端可以根据无人驾驶车辆向右偏移50cm与其他车辆向右避让30cm之间的对应关系，确定其他车辆的预测行驶路径。

s102、根据预测行驶路径，更新无人驾驶车辆的行驶路径；预测行驶路径包括其他车辆规划避让无人驾驶车辆的路径或其他车辆规划不避让无人驾驶车辆的路径。

具体地，在上述实施例的基础上，终端获取了其他车辆的预测行驶路径，可以根据该预测行驶路径，更新无人驾驶车辆的行驶路径。预测行驶路径可以包括其他车辆规划避让无人驾驶车辆的路径，或其他车辆规划不避让无人驾驶车辆的路径。当预测行驶路径为其他车辆规划避让无人驾驶车辆的路径时，当无人驾驶车辆与其他车辆之间的距离满足安全距离要求时，更新无人驾驶汽车的行驶路径为执行变道的路径，当无人驾驶车辆与其他车辆之间的距离不满足安全距离要求时，无人驾驶车辆的行驶路径为原行驶路径；当预测行驶路径为其他车辆规划不避让无人驾驶车辆的路径时，无人驾驶汽车的路径为原行驶路径。

上述车辆变道方法，终端根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；其中，变道建议行为包括无人驾驶车辆侵犯其他车辆路权的规划行为；进而根据预测行驶路径，更新无人驾驶车辆的行驶路径；其中，预测行驶路径包括其他车辆规划避让无人驾驶车辆的路径或其他车辆规划不避让无人驾驶车辆的路径，使得无人驾驶车辆在变道前，通过侵犯其他车辆路权，展示无人驾驶车辆的变道意图，同时迫使其他车辆避让无人驾驶车辆，避免了其他车辆不避让无人驾驶车辆的行为，进而避免了无人驾驶车辆无法及时完成变道的问题。

上述实施例重点描述了终端通过无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径，进而根据预测行驶路径更新无人驾驶车辆的行驶路径的具体过程，下面通过下述实施例来详细描述终端如何根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径的具体过程。可选地，根据预设的预测规则，预测变道建议行为对应的其他车辆的预测行驶路径；预测规则用于根据无人驾驶车辆的侵犯路权行为预测其它车辆的行驶轨迹。

具体地，预测规则可以用于根据无人驾驶车辆的侵犯路权行为预测其他车辆的行驶轨迹。预设的预测规则可以是变道建议行为与其他车辆的预测行驶路径之间的对应关系；也可以是神经网络模型，通过对多个变道建议行为，与多个变道建议行为对应的其他车辆的预测行驶路径，进行机器学习，获得的预测规则；本申请实施例对此不做限制。例如，预设的预测规则为变道建议行为与其他车辆的预测行驶路径之间的对应关系时，当终端获取了无人驾驶车辆的变道建议行为时，根据变道建议行为与其他车联的预测行驶路径之间的对应关系，预测无人驾驶车辆的侵犯路权行为对应的其他车辆的行驶路径，即为预测行驶路径。

进一步地，终端可以通过多个车辆变道行为和多个车辆变道行为对应的其他车辆行驶轨迹，训练得到预测规则。

图3为另一个实施例中车辆变道方法的流程示意图。本实施例涉及的是通过多个车辆变道行为和多个车辆变道行为对应的其他车辆行驶轨迹，训练得到预测规则的具体过程。如图3所示，上述“根据预设的预测规则，预测变道建议行为对应的其他车辆的预测行驶路径；预测规则用于根据无人驾驶车辆的侵犯路权行为预测其它车辆的行驶轨迹”一种可能的实现方法包括以下步骤：

s201、获取多个车辆变道行为。

具体地，车辆变道行为可以是车辆向左或向右更换行驶车道的行为。终端可以通过采集多帧交通图像数据，获取多帧交通图像数据中车辆行驶车道的信息，确定车辆变道行为。其中，交通图像数据可以是激光雷达采集的点云数据，也可以是摄像头拍摄的图片数据，本申请实施例对此不做限制。例如，终端可以通过采集多帧摄像头拍摄的图片数据，获取同一车辆在不同帧图片中的行驶车道，根据车辆在不同帧中的行驶车道，确定车辆变道行为。终端可以一次获取一个车辆变道行为，通过多次采集交通图像数据，获取多个车辆变道行为；也可以一次获取多个车辆变道行为；本申请实施例对此不做限制。

s202、获取多个车辆变道行为对应的其他车辆行驶轨迹。

具体地，在上述实施例的基础上，在获取了车辆的变道信息时，可以在获取车辆变道行为的过程中，采集各帧交通图像数据中的其他车辆的数据，来获取车辆变道行为对应的其他车辆行驶轨迹。在具体获取多个车辆变道行为对应的其他车辆行驶轨迹的过程，可以是一次获取一个车辆变道行为对应的其他车辆行驶轨迹，通过多次采集交通图像数据，获取多个车辆变道行为对应的其他车辆行驶轨迹；也可以是一次获取多个车辆变道行为对应的其他车辆行驶轨迹。本申请实施例对此不做限制。

s203、根据多个车辆变道行为和多个车辆变道行为对应的其他车辆的行驶轨迹，训练得到预测规则。

具体地，在上述实施例的基础上，获取了多个车辆变道行为和多个车辆变道行为对应的其他车辆的行驶轨迹，可以将多个车辆变道行为输入预设的神经网络模型中，输出多个车辆变道行为对应的其他车辆的行驶轨迹，来训练得到预测规则。在具体训练预测规则的过程中，可以是预先设置一组训练参数，输入多个车辆变道行为，通过预先设置的一组训练参数的神经网络模型，获得对应的其他车辆的行驶轨迹，将该其他车辆的行驶轨迹与上述车辆变道行为对应的实际的其他车辆的行驶轨迹进行对比，根据该对比结果，调整训练参数，直至通过神经网络模型获得的其他车辆的行驶轨迹与车辆变道行为对应的实际的其他车辆的行驶轨迹，满足预设的要求，获得目标训练参数，根据该目标训练参数，得到预测规则。

上述车辆变道方法，终端通过获取多个车辆变道行为，及获取多个车辆变道行为对应的其他车辆行驶轨迹，进而根据多个车辆变道行为和多个车辆变道行为对应的其他车辆的行驶轨迹，训练得到预测规则，使得终端根据预设的预测规则，预测的变道建议行为对应的其他车辆的预测行驶路径更加准确，进而提高了根据预测行驶路径更新无人驾驶车辆的行驶路径的准确性，提高了车辆变道行为的安全性。

在上述实施例的基础上，在根据预测行驶路径更新无人驾驶车辆的行驶路径之后，终端对更新后的无人驾驶车辆的行驶路径进行安全检查，并根据安全检查的检查结果，控制无人驾驶车辆行驶，下面通过图4-5所示实施例来详细描述。

图4为另一个实施例中车辆变道方法的流程示意图。本实施例涉及的对更新后的无人驾驶车辆的行驶路径进行安全检查，并根据安全检查的检查结果，控制无人驾驶车辆行驶的具体过程。如图4所示，该方法还包括以下步骤：

s301、对更新后的无人驾驶车辆的行驶路径进行安全检查，得到检查结果；检查结果包括无人驾驶车辆的行驶路径安全，或无人驾驶车辆的行驶路径危险。

具体地，在上述实施例的基础上，当终端更新了无人驾驶车辆的行驶路径之后，可以对更新后的无人驾驶车辆的行驶路径进行安全检查，得到检查结果，其中，检查结果可以包括无人驾驶车辆的行驶路径安全，或无人驾驶车辆的行驶路径危险。无人驾驶车辆的行驶路径安全，可以是更新后的无人驾驶车辆的行驶路径与其他车辆的行驶路径不存在重叠区域，或者是是与其他车辆的行驶路径距离远，大于预设的安全范围，使得更新后的无人驾驶车辆的行驶路径，避免了无人驾驶车辆在变道过程中与其他车辆之间的碰撞。无人驾驶车辆的行驶路径危险，可以是更新后的无人驾驶车辆的行驶路径，与其他车辆的行驶路径之间存在重叠，或者是与其他车辆的行驶路径距离近，小于预设的安全范围，在其他车辆或无人驾驶车辆轻微偏离行驶路径时，无人驾驶车辆根据更新后的无人驾驶车辆的行驶路径，进行变道时，与其他车辆碰撞的风险较大。

s302、根据检查结果，控制无人驾驶车辆行驶。

具体地，在上述实施例的基础上，在对更新后的无人驾驶车辆进行安全检查得到检查结果之后，可以根据检查结果，控制无人驾驶车辆行驶。当检查结果为无人驾驶车辆的行驶路径安全时，可以控制无人驾驶车辆执行变道行为。可选地，当检查结果为无人驾驶车辆的行驶路径危险，则控制无人驾驶车辆不执行变道行为。

上述车辆变道方法，终端通过对更新后的无人驾驶车辆的行驶路径进行安全检查，得到检查结果，其中，检查结果包括无人驾驶车辆的行驶路径安全，或无人驾驶车辆的行驶路径危险，进而根据检查结果，控制无人驾驶车辆行驶，使得无人驾驶车辆在执行变道行为之前，对行驶路径的安全性进行了检查，提高了无人驾驶车辆变道的安全性。

图5为另一个实施例中车辆变道方法的流程示意图。本实施例涉及的如何对更新后的无人驾驶车辆的行驶路径进行安全检查的具体过程。如图5所示，上述s301“对更新后的无人驾驶车辆的行驶路径进行安全检查，得到检查结果”一种可能的实现方法包括以下步骤：

s401、获取无人驾驶车辆与其他车辆之间的距离，距离包括横向距离和纵向距离。

具体地，在上述实施例的基础上，在获取了更新后的无人驾驶车辆行驶路径，和其他车辆的预测行驶路径的基础上，可以根据更新后的无人驾驶车辆的行驶路径和其他车辆的预测行驶路径，确定无人驾驶车辆与其他车辆之间的距离。在具体的根据更新后的无人驾驶车辆的行驶路径和其他车辆的预测行驶路径，确定无人驾驶车辆与其他车辆之间的距离的过程中，可以是选取无人驾驶车辆的行驶路径中的各点与其在相同时刻时，其他车辆的预测行驶路径中各点的之间的距离中的最短距离，作为无人驾驶车辆与其他车辆之间的距离。上述距离包括横向距离和纵向距离，上述横向距离可以是在预设的坐标系中，上述距离沿横向轴的长度。上述纵向距离可以是在预设的坐标系中，上述距离沿纵向轴的长度。

s402、根据无人驾驶车辆与其他车辆之间的距离，得到检查结果。

具体地，在上述实施例的基础上，获得了无人驾驶车辆与其他车辆之间的距离，根据该距离，对无人驾驶车辆的行驶路径进行安全检查，得到检查结果。可选地，若横向距离大于预设横向安全距离，和，纵向距离大于预设纵向安全距离，则检查结果为无人驾驶车辆的行驶路径安全。也即是说，当横向距离和纵向距离同时大于各自对应的安全距离的情况下，上述检查结果为无人驾驶车辆的行驶路径安全。可选地，若横向距离小于预设横向安全距离，和/或，纵向距离小于预设纵向安全距离，则检查结果为无人驾驶车辆的行驶路径危险。也即是说，当横向距离、纵向距离中其中一个小于其对应的安全距离时，则检查结果为无人驾驶车辆的行驶路径危险。例如，当横向距离大于预设的横向安全距离，而纵向距离小于预设的纵向安全距离时，该更新后的无人驾驶车辆的行驶路径的检查结果为无人驾驶车辆的行驶路径危险。

上述车辆变道方法，终端通过获取无人驾驶车辆与其他车辆之间的距离，距离包括横向距离和纵向距离，根据无人驾驶车辆与其他车辆之间的距离，得到检查结果。使得对更新后的无人驾驶车辆的行驶路径的安全检查更加准确，进而使得据检查结果，控制无人驾驶车辆行驶更加安全。

在上述实施例的基础上，终端还可以根据无人驾驶车辆的行驶路径，获取无人驾驶车辆的变道建议行为。下面通过图6所示实施例来详细描述。

图6为另一个实施例中车辆变道方法的流程示意图。本实施例涉及的是终端根据无人驾驶车辆的行驶路径，获取无人驾驶车辆的变道建议行为的具体过程。如图6所示，上述s101“根据无人驾驶车辆的变道建议行为，获取其他车辆的行驶路径预测结果”一种可能的实现方法还包括以下步骤：

s501、根据无人驾驶车辆的行驶路径，获取无人驾驶车辆的变道需求。

具体地，如上述实施例所述，行驶路径可以是指车辆行驶线路，其可以包括车辆已行驶过的线路和车辆计划行驶的线路。无人驾驶车辆的行驶路径可以包括终端规划的无人驾驶车辆的计划行驶线路，其中，当上述无人驾驶车辆的行驶路径中包括无人驾驶车辆更换车道的线路，根据该无人驾驶车辆的行驶路径，获取无人驾驶车辆的变道需求。例如，无人驾驶车辆行驶在右侧车道时，根据无人驾驶车辆的行驶路径，确定无人驾驶车辆需要在前方路口向左转弯，则无人驾驶车辆的变道需求为车辆向左变道。需要说明的是，无人驾驶车辆的变道需求可以是根据无人驾驶车辆的行驶轨迹的变化，适应性的改变。

s502、根据变道需求，获取无人驾驶车辆的变道建议行为。

具体地，在上述实施例的基础上，获取了无人驾驶车辆的变道需求后，根据该变道需求，及无人驾驶车辆行驶的道路的情况，确定无人驾驶车辆的变道建议行为。当无人驾驶车辆行驶的道路是繁忙路段时，道路上的车辆较多，车辆之间的距离小，无人驾驶车辆通过传感器获得其他车辆与无人驾驶车辆之间的距离，该距离小于预设的安全距离，使得无人驾驶车辆无法及时完成变道时，通过上述变道需求和行驶路段繁忙的状态，获取无人驾驶车辆的变道建议行为。例如，无人驾驶车辆的变道需求为向右变道时，无人驾驶车辆行驶的路段较为拥堵，则确定无人驾驶车辆的变道建议行为为向右侵犯其他车辆路权的规划行为。

上述车辆变道方法，终端根据无人驾驶车辆的行驶路径，获取无人驾驶车辆的变道需求，根据变道需求，获取无人驾驶车辆的变道建议行为，进而根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径，进而根据预测行驶路径，更新无人驾驶车辆的行驶路径，使得更新无人驾驶车辆的行驶路径是通过无人驾驶车辆的变道需求确定的，避免了无人驾驶车辆频繁更换车道的情况，提高了无人驾驶车辆行驶的安全性及规范性。

应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示，依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

图7为一个实施例中提供的车辆变道装置的结构示意图，如图7所示，该车辆变道装置包括：获取模块10和更新模块20，其中：

获取模块10，用于根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；所述变道建议行为包括所述无人驾驶车辆侵犯其他车辆路权的规划行为；

更新模块20，用于根据所述预测行驶路径，更新所述无人驾驶车辆的行驶路径；所述预测行驶路径包括所述其他车辆规划避让所述无人驾驶车辆的路径和所述其他车辆规划不避让所述无人驾驶车辆的路径。

在一个实施例中，获取模块10具体用于根据预设的预测规则，预测所述变道建议行为对应的其他车辆的预测行驶路径；所述预测规则用于根据无人驾驶车辆的侵犯路权行为预测其它车辆的行驶轨迹。

本发明实施例提供的车辆变道装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

图8为另一个实施例中提供的车辆变道装置的结构示意图，在图7所示实施例的基础上，如图7所示，车辆变道装置还包括：训练模块30，其中：

训练模块30具体用于采集多个车辆变道行为；获取所述多个车辆变道行为对应的其他车辆行驶轨迹；根据所述多个车辆变道行为和所述多个车辆变道行为对应的其他车辆的行驶轨迹，训练得到所述预测规则。

本发明实施例提供的车辆变道装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

图9为另一个实施例中提供的车辆变道装置的结构示意图，在图7或图8所示实施例的基础上，如图9所示，车辆变道装置还包括：检查模块40和控制模块50，其中：

检查模块40，用于对更新后的所述无人驾驶车辆的行驶路径进行安全检查，得到检查结果；所述检查结果包括无人驾驶车辆的行驶路径安全和无人驾驶车辆的行驶路径危险；

控制模块50，用于根据所述检查结果，控制所述无人驾驶车辆行驶。

在一个实施例中，控制模块50具体用于当所述检查结果为无人驾驶车辆的行驶路径危险，则控制所述无人驾驶车辆停止执行变道行为。

需要说明的是，图9是基于图8的基础上进行示出的，当然图9也可以基于图7的结构进行示出，这里仅是一种示例。

本发明实施例提供的车辆变道装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

图10为另一个实施例中提供的车辆变道装置的结构示意图，如图10所示，检查模块40还包括：获取单元401和检查单元402，其中：

获取单元401，用于获取所述无人驾驶车辆与所述其他车辆之间的距离，所述距离包括横向距离和纵向距离；

检查单元402，用于根据所述无人驾驶车辆与其他车辆之间的距离，得到所述检查结果。

在一个实施例中，若所述横向距离大于预设横向安全距离，和，所述纵向距离大于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径安全；若所述横向距离小于所述预设横向安全距离，和/或，所述纵向距离小于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径危险。

在一个实施例中，获取模块10还用于根据所述无人驾驶车辆的行驶路径，获取所述无人驾驶车辆的变道需求；根据所述变道需求，获取所述无人驾驶车辆的变道建议行为。

需要说明的是，图10是基于图9的基础上进行示出的，当然图10也可以基于图7或图8的结构进行示出，这里仅是一种示例。

本发明实施例提供的车辆变道装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

关于一种车辆变道装置的具体限定可以参见上文中对车辆变道方法的限定，在此不再赘述。上述车辆变道装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端设备，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆变道方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；所述变道建议行为包括所述无人驾驶车辆侵犯其他车辆路权的规划行为；

根据所述预测行驶路径，更新所述无人驾驶车辆的行驶路径；所述预测行驶路径包括所述其他车辆规划避让所述无人驾驶车辆的路径或所述其他车辆规划不避让所述无人驾驶车辆的路径。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预设的预测规则，预测所述变道建议行为对应的其他车辆的预测行驶路径；所述预测规则用于根据无人驾驶车辆的侵犯路权行为预测其它车辆的行驶轨迹。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：采集多个车辆变道行为；获取所述多个车辆变道行为对应的其他车辆行驶轨迹；根据所述多个车辆变道行为和所述多个车辆变道行为对应的其他车辆的行驶轨迹，训练得到所述预测规则。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：对更新后的所述无人驾驶车辆的行驶路径进行安全检查，得到检查结果；所述检查结果包括无人驾驶车辆的行驶路径安全和无人驾驶车辆的行驶路径危险；根据所述检查结果，控制所述无人驾驶车辆行驶。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所述无人驾驶车辆与所述其他车辆之间的距离，所述距离包括横向距离和纵向距离；根据所述无人驾驶车辆与其他车辆之间的距离，得到所述检查结果。

在一个实施例中，若所述横向距离大于预设横向安全距离，和，所述纵向距离大于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径安全；若所述横向距离小于所述预设横向安全距离，和/或，所述纵向距离小于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径危险。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：当所述检查结果为无人驾驶车辆的行驶路径危险，则控制所述无人驾驶车辆停止执行变道行为。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述无人驾驶车辆的行驶路径，获取所述无人驾驶车辆的变道需求；根据所述变道需求，获取所述无人驾驶车辆的变道建议行为。

本实施例提供的终端设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据无人驾驶车辆的变道建议行为，获取其他车辆的预测行驶路径；所述变道建议行为包括所述无人驾驶车辆侵犯其他车辆路权的规划行为；

根据所述预测行驶路径，更新所述无人驾驶车辆的行驶路径；所述预测行驶路径包括所述其他车辆规划避让所述无人驾驶车辆的路径或所述其他车辆规划不避让所述无人驾驶车辆的路径。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据预设的预测规则，预测所述变道建议行为对应的其他车辆的预测行驶路径；所述预测规则用于根据无人驾驶车辆的侵犯路权行为预测其它车辆的行驶轨迹。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：采集多个车辆变道行为；获取所述多个车辆变道行为对应的其他车辆行驶轨迹；根据所述多个车辆变道行为和所述多个车辆变道行为对应的其他车辆的行驶轨迹，训练得到所述预测规则。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：对更新后的所述无人驾驶车辆的行驶路径进行安全检查，得到检查结果；所述检查结果包括无人驾驶车辆的行驶路径安全和无人驾驶车辆的行驶路径危险；根据所述检查结果，控制所述无人驾驶车辆行驶。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取所述无人驾驶车辆与所述其他车辆之间的距离，所述距离包括横向距离和纵向距离；根据所述无人驾驶车辆与其他车辆之间的距离，得到所述检查结果。

在一个实施例中，若所述横向距离大于预设横向安全距离，和，所述纵向距离大于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径安全；若所述横向距离小于所述预设横向安全距离，和/或，所述纵向距离小于预设纵向安全距离，则所述检查结果为无人驾驶车辆的行驶路径危险。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：当所述检查结果为无人驾驶车辆的行驶路径危险，则控制所述无人驾驶车辆停止执行变道行为。

在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据所述无人驾驶车辆的行驶路径，获取所述无人驾驶车辆的变道需求；根据所述变道需求，获取所述无人驾驶车辆的变道建议行为。

本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。