CN111688663B - 机动交通工具及控制其自动驾驶操作的方法 - Google Patents
机动交通工具及控制其自动驾驶操作的方法 Download PDFInfo
- Publication number
- CN111688663B CN111688663B CN202010181627.7A CN202010181627A CN111688663B CN 111688663 B CN111688663 B CN 111688663B CN 202010181627 A CN202010181627 A CN 202010181627A CN 111688663 B CN111688663 B CN 111688663B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- section
- cost
- determining
- lane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 13
- 230000001052 transient effect Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 15
- 230000001133 acceleration Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010348 incorporation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 229930091051 Arenine Natural products 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/10—Number of lanes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/30—Road curve radius
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
呈现了在瞬态驾驶状况下用于智能交通工具操作的自动驾驶系统和控制逻辑、用于构造/操作此类系统的方法以及配备有此类系统的交通工具。用于控制自动驾驶操作的方法包括:交通工具控制器接收路径计划数据。从所接收的路径计划数据,控制器预测即将进行的操纵,用于在起始与目标车道区段之间驾驶交通工具。交通工具控制器确定具有连接起始和目标车道区段的车道区段的预测路线以及用于使交通工具在起始、目标和路线车道区段之间移动的区段操纵。计算对于每个区段操纵的成本值;控制器确定成本值是否超过对应临界值。如果超过,则控制器为驻留交通工具子系统传送命令,以执行与采取第一预测路线相关联的控制操作。
Description
技术领域
本公开总体上涉及具有导航能力的机动交通工具。更具体地,本公开的方面涉及具有交通工具路径计划和路线重选特征的自动和自主交通工具驾驶系统。
背景技术
目前生产的机动交通工具(诸如,现代汽车)最初配备有或被改造为包括内置电子装置的网络,所述内置电子装置提供帮助最小化驾驶者工作的自动驾驶能力。在汽车应用中,例如,大多数可识别类型的自动驾驶特征是巡航控制系统。巡航控制允许交通工具操作者设置特定交通工具速度,并且在驾驶者没有操作加速器或制动器踏板的情况下使内置交通工具计算机系统维持该速度。下一代适应性巡航控制(ACC)是计算机自动驾驶特征,所述计算机自动驾驶特征调节交通工具速度,同时伴随性地管理主交通工具与前方/后方交通工具之间的前后间距。另一类型的自动驾驶特征是防撞系统(CAS),所述防撞系统检测即将发生的碰撞状况,并且为驾驶者提供警告,同时也自主地采取预防行动,例如,在没有驾驶者输入的情况下通过转向或制动。智能停泊辅助系统(IPAS)、车道监测和自动转向(“自动转向”)系统以及其它高级驾驶者辅助系统(ADAS)和自主驾驶特征在许多现代汽车上也是可用的。
随着交通工具处理、通信和感测能力连续改进,制造商将坚持提供更多的系统自动驾驶能力,其中,希望最终生产能够在城市和农村两者的场景下在不同交通工具类型之间操作的完全自主交通工具。原始设备制造商(OEM)正发展朝向具有更高水平的驾驶自动化的交通工具对于交通工具(V2V)和交通工具对于基础设施(V2I)的“说话”汽车,所述汽车采用自主系统,以使交通工具路线规划能够具有转向、车道变换、场景计划等。自动路线生成系统利用交通工具状态和动态传感器、地图和道路状况数据以及路径预测算法,以提供具有自动车道中心和车道变换预报的路径推导。计算机辅助的路线重选技术提供可更新的预测可选行进路线,例如,基于实时和虚拟交通工具数据。
现在许多汽车配备有内置交通工具导航系统,所述内置交通工具导航系统利用与导航软件和地理位置地图服务合作的全球定位系统(GPS)收发器,以获得与交通工具当前位置相关联的道路地形、交通和限速信息。自主驾驶和高级驾驶者辅助系统通常能够基于由交通工具中的导航系统获得的道路信息而适应某些自动驾驶操纵。例如,基于自组网络的ADAS可采用与多跳位置辅助多播(multi-hop geocast)V2V和V2I数据交换结合的GPS和地图数据,以有助于自动交通工具操纵和动力系统控制。在辅助和非辅助交通工具操作期间,对于给定行程,驻留导航系统可基于路线起点和路线目的地之间的估测最短行进时间或估测最短行进距离而标识推荐行进路线。此推荐行进路线而后可作为地图轨迹或作为逐向(turn-by-turn)驾驶方向显示在地理编码和注释的地图上。此类传统路线计划方法虽然有效地确定到期望目的地的最短行进距离/时间,但不说明用于管理交通工具操作的最有效路线或最优选路线。
发明内容
本文公开了在瞬态驾驶状况下用于智能交通工具操作的自动驾驶系统和伴随性控制逻辑、用于构造此类系统的方法和用于操作此类系统的方法以及具有增强操纵临界分析用于执行智能交通工具操作的机动交通工具。通过示例的方式,呈现了交通工具控制算法和自动驾驶系统架构,其提供交通工具路径计划和路线重选能力,以规避高成本非临界的操纵,例如,通过采取更低成本的可选路线。通过上述控制算法和系统架构,通过将交通工具驾驶模式自动适应为“激进式”,以允许增加交通工具速度、加速度、车道变换等,也可使交通工具能够进行高成本临界操纵,诸如,操纵以在重要的出口匝道处离开。自动驾驶系统可为驾驶者提供提前警告,所述提前警告描述即将进行的操作的临界,因此允许驾驶者采取补救行动,或选择可选行动方案。
通过预报一系列即将进行的操纵区段,以协商当前路线上的操纵,并且预测对于每个操纵区段的相应临界值,可实现增强操纵临界分析,用于执行智能交通工具操作。使用每个操纵区段的估测临界,自动驾驶系统估测交通工具可经历以执行操纵的最大成本。对于具有低于交通工具校准成本阈值的最大成本估测的高度临界操纵,自动驾驶系统可自动适应当前交通工具模式和其它操作参数,以允许激进式交通工具操作,以完成操纵。相比之下,对于具有超过交通工具校准成本阈值的最大成本估测的即将进行的非临界操纵,自动驾驶系统可自动使交通工具进行路线重选。在采取上述行动中的任何之前,自动驾驶系统可输出可视和/或可听公告,所述公告为驾驶者警告即将进行的操纵的临界和成本估测,并且可选地,提示驾驶者,以采取预先行动,或批准交通工具的自动响应。
对于所公开的概念中的至少一些的伴随性益处包括智能驾驶系统、控制逻辑和控制器自动驾驶技术,其帮助确保的是,自主交通工具或ADAS操作的交通工具在默认“平缓”驾驶模式下操作时不错过临界操纵。同样地,自主/ADAS操作的交通工具能够从当前路径动态地进行路线重选,以便规避高成本、低临界的操纵。实施所公开的操纵临界分析技术的ADAS和自驾驶交通工具框架帮助增强乘客舒适性,同时最小化碰撞风险。增强操纵临界分析也帮助确保顶级自动驾驶性能,产生更一致和可靠的系统操作,而不要求添加专用传感器和硬件。
本公开的方面被导向到控制算法和计算机可读介质,在瞬态驾驶状况下用于执行智能交通工具操作。在示例中,呈现了用于控制机动交通工具的自动驾驶操作的方法。上述代表性方法以任何顺序并且以与上文和下文选项和特征中的任何的任何组合包括:例如,单独地经由驻留或远程交通工具控制器,或通过与交通工具导航系统协作操作,确定路径计划数据,所述路径计划数据包括对于机动交通工具的交通工具位置、目的地和预测路径数据;例如,经由交通工具控制器,基于所接收的路径计划数据,与驻留或远程的存储器存储的地图数据库结合,预测即将进行的操纵,以使机动交通工具从起始车道区段行驶到目标车道区段;例如,实时地经由交通工具控制器,或从地图数据库或云计算资源服务,确定主(第一)预测路线,所述主(第一)预测路线包括将起始车道区段协作地连接到目标车道区段的多个(第一)路线车道区段;确定多个(第一)区段操纵,其每个使交通工具在相应一对的路线车道区段和/或路线车道区段中的一个与起始或目标车道区段之间移动;确定多个(第一)成本值,其每个对应于相应区段操纵;确定对应于区段操纵中的一个的成本值是否大于对应(第一)临界值;以及如果确定为否,则经由交通工具控制器将(第一)命令信号传送到驻留交通工具子系统,以执行与采取主预测路线相关联的(第一)控制操作。
本公开的其它方面导向到具有增强操纵临界分析能力的智能机动交通工具。如本文使用的,术语“机动交通工具”可包括任何相关的交通工具平台,诸如,客运交通工具(内燃机(ICE)、混合动力、全电动、燃料电池等)、商用交通工具、工业交通工具、履带式交通工具、越野和全地形交通工具(ATV)、摩托车等。为了此公开的目的,术语“自动”和“自主”可同义和互换地使用,以表示具有辅助和/或完全自主驾驶能力的交通工具,包括可被归类为汽车工程师协会(SAE)2级、3级、4级或5级交通工具的交通工具平台。例如,SAE 0级总体上被表示为“无辅助”驾驶,其在短暂干预的情况下允许交通工具生成警告,但以其它方式仅依赖于人工控制。通过比较,SAE 3级在对于完全交通工具控制的充分自动化的情况下允许无辅助、部分辅助和完全辅助的驾驶,同时在校准时间框架内强制驾驶者干预。在等级的上端部处的是5级自动化,所述5级自动化完全从交通工具驾驶操作消除了人员干预,例如,消除方向盘、油门和制动器踏板、换挡手柄等。
在示例中,呈现了机动交通工具,所述机动交通工具包括交通工具主体,所述交通工具主体具有交通工具动力系统(例如,引擎和/或发动机、传动装置、主减速器、动力系统控制模块(PCM)等)、交通工具制动系统(例如,盘式/鼓式制动器、液压装置、制动系统控制模块(BSCM)等)、转向系统(例如,线控框架)和感测装置(例如,雷达、LIDAR、红外线、摄像头、GPS、自动系统控制模块(ASCM)等)的网络,其全部被安装到交通工具主体。可被实施为控制器的网络的交通工具控制器通信地连接到交通工具动力系统、制动系统、各种感测装置和驻留交通工具导航系统。交通工具控制器被编程为执行存储器存储的指令,以接收、估测、标识和/或检索(共同地为“确定”)对于机动交通工具的路径计划数据——位置、目的地和预测路径数据,并且基于所接收的此数据,预测即将进行的操纵,用于在起始与目标车道区段之间驾驶交通工具。交通工具控制器标识具有连接起始和目标车道区段的路线车道区段的期望预测路线,并且确定区段操纵,用于使交通工具在相邻车道区段之间移动。计算对于每个区段操纵的成本值;交通工具控制器而后确定这些成本值中的任何是否超过对应临界值。如果确定为否,则交通工具控制器将命令信号传送到驻留交通工具子系统,以执行与采取期望预测路线相关联的控制操作。
对于所公开的交通工具、控制系统和方法中的任何,交通工具控制器可被进一步编程为:确定具有连接起始和目标车道区段的多个车道区段的可选(第二)预测路线;确定区段操纵,用于使机动交通工具在相应一对相邻车道区段之间移动;以及确定对应于这些可选路线区段操纵的(第二)成本值。在此情况下,基于来自第一和第二成本值两者的成本值,可计算第一临界值。响应于主路线成本值中的一个超过对应临界值,交通工具控制器可被编程为将可选(第二)命令信号传送到驻留交通工具子系统,以执行与采取可选预测路线相关联的不同(第二)驾驶操作。在此方面,交通工具控制器也可确定具有协作地连接起始和目标车道区段的车道区段的另一可选(第三)预测路线以及用于连接相邻车道区段的区段操纵。交通工具控制器而后确定对应于这些可选区段操纵的成本值;第一临界值可被计算为具有来自第一、第二和第三成本值的值的最小成本函数。
对于所公开的交通工具、控制系统和方法中的任何,确定预测路线可包括:生成节点图,其中,对应车道区段中的每个被表示为相应节点。在此情况下,确定区段操纵可包括:将每个区段操纵表示为链接相应一对节点的相应连接符(例如,箭头)。作为进一步的选项,确定对于选择区段操纵的成本值可包括:确定对于机动交通工具的多个有限步骤,以完成每个区段操纵;以及确定对于每个有限步骤的相应有限成本值。在此情况下,对于相应区段操纵的成本值可被计算为对于对应于该区段操纵的相应有限步骤的有限成本值的总和。交通工具控制器也可确定发动机的自动驾驶系统的当前驾驶模式;计算对于区段操纵的成本值可包括:基于此驾驶模式,将加权因子应用到与该区段操纵相关联的一个或多个参数。
对于所公开的交通工具、控制系统和方法中的任何,确定成本值可包括:确定多个交通工具操作,每个适用于完成给定区段操纵;模拟每个交通工具操作,以估测其相应操作成本值;以及通过计算相应估测操作成本值的最小成本函数,推导对应于该区段操纵的相应成本值。每个成本值可表示根据道路状况数据、交通状况数据和天气状况数据用于完成对应区段操纵的难度分析。
对于所公开的交通工具、控制系统和方法中的任何,驻留交通工具子系统可被实施为自主驾驶控制模块,所述自主驾驶控制模块是可操作的,以使机动交通工具的驾驶自动化。在此情况下,交通工具控制操作可包括:使机动交通工具的驾驶(例如,转向、油门、制动、前进、操纵等)自动化,以完成所选择的预测路线,以将机动交通工具从起始车道区段行驶到目标车道区段。作为进一步的选项,驻留交通工具子系统可被实施为ADAS控制模块,所述ADAS控制模块是可操作的,以使交通工具的选择驾驶操作自动化。在此情况下,控制操作可包括:执行控制器自动驾驶操纵,以完成所选择的预测路线的至少一部分。作为另一选项,驻留交通工具子系统可被实施为具有电子输入和显示装置的驻留交通工具导航系统。在此情况下,交通工具控制操作可包括:显示装置显示与其对应临界值同时的预测路线,以及输入装置接收用户命令,以确定可选路线,用于将机动交通工具从起始车道区段行驶到目标车道区段。
本发明还提供了以下技术方案。
1.控制机动交通工具的自动驾驶操作的方法,所述方法包括:
经由所述机动交通工具的交通工具控制器,确定路径计划数据,所述路径计划数据包括对于所述机动交通工具的交通工具位置、交通工具目的地和预测路径;
经由所述交通工具控制器,基于所接收的所述路径计划数据,预测即将进行的操纵,以使所述机动交通工具从起始车道区段行驶到目标车道区段;
确定第一预测路线,所述第一预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第一车道区段;
确定多个第一区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第一车道区段之间移动;
确定多个第一成本值,每个对应于所述第一区段操纵中的相应一个;
确定对应于至少一个第一区段操纵的至少一个第一成本值是否大于第一临界值;以及
经由所述交通工具控制器,响应于至少一个第一成本值不大于所述第一临界值,将第一命令信号传送到驻留交通工具子系统,以执行与采取所述第一预测路线相关联的第一控制操作。
2.根据技术方案1所述的方法,还包括:
确定第二预测路线,所述第二预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第二车道区段;
确定多个第二区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第二车道区段之间移动;
确定多个第二成本值,每个对应于所述第二区段操纵中的相应一个;以及
基于来自所述第一成本值和所述第二成本值的成本值,确定所述第一临界值。
3.根据技术方案2所述的方法,其中,所述第一临界值被计算为:
criticality(x)=cost(y)+D–C
其中,criticality(x)是对应于至少一个成本值cost(x)的至少一个第一区段操纵x;cost(y)是对应于第二区段操纵y的所述第二成本值中的相应一个;C是所述第一区段操纵x之后的所述第一区段操纵的所有所述第一成本值的第一总和;并且D是所述区段操纵y之后的所述第二区段操纵的所有所述第二成本值的第二总和。
4.根据技术方案2所述的方法,还包括:经由所述交通工具控制器,响应于至少一个第一成本值大于所述第一临界值,将第二命令信号传送到所述驻留交通工具子系统,以执行与采取所述第二预测路线相关联的第二驾驶操作。
5.根据技术方案2所述的方法,还包括:
确定第三预测路线,所述第三预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第三车道区段;
确定多个第三区段操纵,每个使所述交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第三车道区段之间移动;以及
确定多个第三成本值,每个对应于所述第三区段操纵中的相应一个,
其中,确定所述第一临界值包括:利用来自所述第一成本值、所述第二成本值和所述第三成本值的值,计算最小成本函数。
6.根据技术方案5所述的方法,还包括:
响应于至少一个第一成本值大于所述第一临界值,确定对应于至少一个第二区段操纵的至少一个第二成本值是否大于第二临界值;以及
经由所述交通工具控制器,响应于至少一个第二成本值大于所述第二临界值,将第三命令信号传送到所述驻留交通工具子系统,以执行与采取所述第三预测路线相关联的第三驾驶操作。
7.根据技术方案1所述的方法,其中:
确定所述第一预测路线包括:生成节点图,其中,所述第一车道区段中的每个被表示为相应节点;以及
确定所述第一区段操纵包括:将所述第一区段操纵中的每个表示为链接相应一对节点的相应连接符。
8.根据技术方案1所述的方法,其中,确定所述多个第一成本值包括:
确定用于所述机动交通工具的相应多个有限步骤,以完成所述第一区段操纵中的每个;以及确定对于所述有限步骤中的每个的相应有限成本值,其中,对于所述第一区段操纵中的相应一个的所述第一成本值是对于对应于所述第一区段操纵的所述相应多个有限步骤的所述有限成本值的总和。
9.根据技术方案1所述的方法,还包括:确定所述机动交通工具的自动驾驶系统的驾驶模式,其中,确定对于所述第一区段操纵中的一个的所述相应第一成本值包括:将基于所述驾驶模式的加权因子应用到与所述第一区段操纵相关联的一个或多个参数。
10.根据技术方案1所述的方法,其中,确定所述多个第一成本值包括:
确定相应多个交通工具操作,用于完成所述第一区段操纵中的每个;
模拟所述交通工具操作中的每个,以估测其相应操作成本值;以及
通过计算所述相应估测操作成本值的最小成本函数,推导对应于所述第一区段操纵中的一个的所述相应第一成本值。
11.根据技术方案1所述的方法,其中,所述第一成本值中的每个表示根据道路状况数据、交通状况数据和天气状况数据而完成所述对应第一区段操纵的难度分析。
12.根据技术方案1所述的方法,其中,所述驻留交通工具子系统包括自主驾驶控制模块,所述自主驾驶控制模块是可操作的,以所述机动交通工具的驾驶自动化,所述第一控制操作包括使所述机动交通工具的驾驶自动化,以完成所述第一预测路线,以使所述机动交通工具从所述起始车道区段行驶到所述目标车道区段。
13.根据技术方案1所述的方法,其中,所述驻留交通工具子系统包括高级驾驶者辅助系统控制模块,所述高级驾驶者辅助系统控制模块是可操作的,以使所述机动交通工具的驾驶自动化,所述第一控制操作包括执行操纵驾驶,以完成所述第一预测路线的至少一部分。
14.根据技术方案1所述的方法,其中,所述驻留交通工具子系统包括交通工具导航系统,所述交通工具导航系统具有输入装置和显示装置,所述第一控制操作包括:
经由所述显示装置,显示与所述第一临界值的指示同时的所述第一预测路线的指示;以及经由所述输入装置,接收用户命令,以确定第二预测路线,用于使所述机动交通工具从所述起始车道区段行驶到所述目标车道区段。
15.机动交通工具,包括:
交通工具主体;
多个车轮,附接到所述交通工具主体;
原动机,附接到所述交通工具主体,并且被配置为驱动至少一个车轮,并且由此推进所述机动交通工具;
交通工具导航系统,附接到所述交通工具主体,并且包括输入装置和电子显示装置;以及交通工具控制器,通信地连接到所述交通工具导航系统,所述交通工具控制器被编程为:确定路径计划数据,所述路径计划数据包括用于所述机动交通工具的交通工具位置、交通工具目的地和预测路径;
基于所接收的路径计划数据,预测即将进行的操纵,以使所述机动交通工具从起始车道区段行驶到目标车道区段;
确定第一预测路线,所述第一预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第一车道区段;
确定多个第一区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第一车道区段之间移动;
确定多个第一成本值,每个对应于所述第一区段操纵中的相应一个;
确定对应于至少一个第一区段操纵的至少一个第一成本值是否大于第一临界值;以及
响应于至少一个第一成本值不大于所述第一临界值,将第一命令信号传送到驻留交通工具子系统,以执行与采取所述第一预测路线相关联的第一控制操作。
16.根据技术方案15所述的机动交通工具,其中,所述交通工具控制器被进一步编程为:
确定第二预测路线,所述第二预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第二车道区段;
确定多个第二区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第二车道区段之间移动;
确定多个第二成本值,每个对应于所述第二区段操纵中的相应一个;以及
基于来自所述第一成本值和所述第二成本值的成本值,确定所述第一临界值。
17.根据技术方案16所述的机动交通工具,其中,所述交通工具控制器被进一步编程为:响应于至少一个第一成本值大于所述第一临界值,将所述第二命令信号传送到所述驻留交通工具子系统,以执行与采取所述第二预测路线相关联的第二驾驶操作。
18.根据技术方案15所述的机动交通工具,其中:
确定所述第一预测路线包括:生成节点图,其中,所述第一车道区段中的每个被表示为相应节点;以及
确定所述第一区段操纵包括:将所述第一区段操纵中的每个表示为链接相应一对车道区段的相应连接符。
19.根据技术方案15所述的机动交通工具,其中,所述驻留交通工具子系统包括自主驾驶控制模块,所述自主驾驶控制模块是可操作的,以使所述机动交通工具的驾驶自动化,所述第一控制操作包括使所述机动交通工具的驾驶自动化,以完成所述第一预测路线,以使所述机动交通工具从所述起始车道区段行驶到所述目标车道区段。
20.根据技术方案15所述的机动交通工具,其中,所述驻留交通工具子系统包括高级驾驶者辅助系统控制模块,所述高级驾驶者辅助系统控制模块是可操作的,以使所述机动交通工具的驾驶自动化,所述第一控制操作包括执行操纵驾驶,以完成所述第一预测路线的至少一部分。
上文的发明内容不旨在表示本公开的每个实施例或每个方面。相反地,上述的发明内容仅提供了本文阐述的新颖概念和特征中的一些的示例。当与附图和所附权利要求结合时,本公开的上文的特征和优点以及其它特征和伴随性优点将从用于执行本公开的所示出示例和代表性模式的以下详细描述容易地显而易见。此外,本公开明确包括上文和下文呈现的元素和特征的任何和所有组合和子组合。
附图说明
图1是代表性机动交通工具的示意图,根据本公开的方面,所述代表性机动交通工具具有交通工具中的控制器、感测装置和通信装置的网络,用于执行自动驾驶操作。
图2A是代表性道路交叉口的平面图,根据本公开的方面,描绘了主交通工具执行增强操纵临界分析,用于沿着计划路线的驾驶操纵。
图2B是代表性节点图,用于执行图像搜索,以获得从起始车道区段到目标车道区段的最优路线,用于图2A的驾驶操纵。
图3A是代表性公路交叉口的平面图,根据本公开的方面,描绘了主交通工具执行增强操纵临界分析,用于沿着计划路线在入口匝道/出口匝道交叉道处的驾驶操纵。
图3B是另一代表性节点图,用于执行图像搜索,以获得从起始车道区段到目标车道区段的最优路线,用于图3A的驾驶操纵。
图4是示出了用于执行智能交通工具操作的增强操纵临界协议的代表性成本计算算法的流程图,根据所公开的概念的方面,所述智能交通工具操作可对应于由内置和/或远程控制逻辑电路系统、可编程电子控制单元或其它基于计算机的装置或装置的网络执行的存储器存储的指令。
图5是示出了用于执行智能交通工具操作的增强操纵临界协议的代表性路线重选计划算法的流程图,根据所公开的概念的方面,所述智能交通工具操作可对应于由内置和/或远程控制逻辑电路系统、可编程电子控制单元或其它基于计算机的装置或装置的网络执行的存储器存储的指令。
本公开可接受各种修改和可选形式,并且一些代表性实施例在附图中通过示例的方式显示,并且将在本文详细描述。然而,应理解的是,本公开的新颖方面不限于上文枚举的附图中示出的特定形式。相反地,本公开应覆盖落入本公开的范围内的所有修改、等同物、组合、子组合、排列、分组和可选例,如由所附权利要求涵盖的。
具体实施方式
本公开容许了呈许多不同形式的实施例。本公开的代表性实施例在附图中显示,并且将在本文详细描述,其中,所理解的是,这些实施例被提供作为所公开的原理的示例,而不是本公开的广泛方面的限制。在该方面,例如,在摘要、技术领域、背景技术、发明内容和具体实施方式部分中描述但没有在权利要求中明确阐述的元件和限制不应通过暗示、推论或以其它方式被单独地或共同地并入到权利要求中。
为了本具体实施方式的目的,除非具体声明,否则:单数形式包括复数形式,并且反之亦然;词语“和”与“或”应为连接词和反意连接词两者;词语“任何”和“全部”应意味着“任何和全部”两者;以及词语“包括”、“包含”、“组成”、“具有”和类似词语每个应意味着“包括但不限于”。此外,例如,近似词语诸如“约”、“几乎”、“实质上”、“近似地”、“总体上”和类似词语在本文可用于意味着“处于、接近或几乎处于”或“0-5%内”、或“在可接受的制造公差内”或其任何逻辑组合。最后,方向性形容词和副词诸如前方、后方、内置、外置、右舷、左舷、竖直、水平、向上、向下、前、后、左、右等可相对于机动交通工具,诸如,当交通工具操作性地定向在正常驾驶表面上时的机动交通工具的向前驾驶方向。
现在参考附图,其中,贯穿于若干视图,相似的附图标记是指相似的特征,在图1中显示了代表性汽车,所述代表性汽车总体上被指定在10处,并且在本文为了讨论的目的而被描绘为轿车风格的客运交通工具。包封在汽车10的交通工具主体12上(例如,分布贯穿于不同的交通工具舱室)的是电子装置的内置网络,用于执行一个或多个辅助或自动驾驶操作。所示出的汽车10——在本文也被简略地称为“机动交通工具”或“交通工具”——仅是示例性应用,利用所述示例性应用,可实践本公开的方面和特征。同样地,对于下文讨论的具体自主驾驶系统和操作的本概念的实施方式也应被理解为本文公开的新颖特征的示例性应用。如此,将理解的是,本公开的方面和特征可被应用到其它自动驾驶系统架构,被利用用于其它自动驾驶操作,并且被实施用于任何逻辑相关类型的机动交通工具。此外,本文仅显示了并且将附加地详细描述自动驾驶系统和交通工具的选择部件。然而,本文讨论的交通工具和系统架构可包括数个附加和可选特征以及其它可用的外围部件,例如,用于执行本公开的各种方法和功能。
图1的代表性交通工具10最初配备有交通工具电信和信息(“远程信息处理”)单元14,所述交通工具电信和信息单元14与位于远程的或“外置”云计算系统24无线通信(例如,经由信号塔、基站、移动交换中心等)。作为非限制性示例,图1中总体上显示的其它交通工具硬件部件16中的一些包括电子视频显示装置18、麦克风28、一个或多个扬声器30和各种输入控制件32(例如,按钮、旋钮、开关、触摸板、键盘、触摸屏等)。总体上,这些硬件部件16部分地作用为人/机接口(HMI),以使用户能够与交通工具10内的远程信息处理单元14以及其它系统和系统部件通信。麦克风28为交通工具乘员提供措施,以输入语言或其它听觉命令;交通工具10可配备有嵌入式语音处理单元,所述嵌入式语音处理单元利用音频过滤、编辑和分析软件。相反地,扬声器30为交通工具乘员提供可听见的输出,并且可为专用于远程信息处理单元14的独立扬声器,或可为音频系统22的部分。音频系统22操作性地连接到网络连接接口34和音频总线20,以接收模拟信息,经由一个或多个扬声器部件而使其为声音。
通信地联接到远程信息处理单元14的是网络连接接口34,其合适的示例包括双绞线/光纤以太网交换机、内部/外部并行/串行通信总线、局域网络(LAN)接口、控制器区域网络(CAN)、媒体定向系统传输(MOST)、局部互连网络(LIN)接口和类似物。其它适当的通信接口可包括符合ISO、SAE和IEEE标准和规格的接口。网络连接接口34使交通工具硬件16能够与彼此以及与交通工具主体12内或“驻留”到交通工具主体12以及在交通工具主体12外部或从交通工具主体12“远离”的各种系统和子系统发送和接收信号。这允许交通工具10执行各种交通工具功能,诸如,控制交通工具转向、管理交通工具的传动的操作、控制引擎油门、启用/禁用制动系统以及其它自动驾驶功能。例如,远程信息处理单元14接收和/或传送数据,所述数据被传送到/来自电子控制单元(ECU)52、引擎控制模块(ECM)54、动力系统控制模块(PCM)56、(多个)传感器接口模块58、制动系统控制模块(BSCM)60和各种其它交通工具ECU,诸如,传动控制模块(TCM)、气候控制模块(CCM)等。
继续参考图1,远程信息处理单元14是内置计算装置,单独地并且通过其与其它联网装置通信而提供混合服务。此远程信息处理单元14总体上由一个或多个处理器40构成,所述处理器40中的每个可被实施为离散微处理器、专用集成电路(ASIC)或专用控制模块。交通工具10可经由中央处理单元(CPU)36而提供集中交通工具控制,所述中央处理单元16操作性地联接到一个或多个电子存储装置38(其每个可采取CD-ROM、磁盘、IC装置、半导体存储器(例如,各种类型的RAM或ROM)等的形式)以及实时时钟(RTC)42。具有远程外置联网装置的远距离交通工具通信能力可经由蜂窝芯片集合/部件、导航和位置芯片集合/部件(例如,全球定位系统(GPS)收发器)或无线调制解调器中的一个或多个或全部(其全部被共同地表示在44处)而被提供。近距离无线连接可经由近距离无线通信装置46(例如,单元或近场通信(NFC)收发器)、专用近距离通信(DSRC)部件48和/或双天线50而被提供。应理解的是,交通工具10可在没有上文列举的部件中的一个或多个的情况下被实施,或可包括附加部件和功能,如对于特定终端使用所期望的。上文描述的各种通信装置可被配置为交换数据,作为V2V通信系统或交通工具对于每个事物(V2X)的通信系统(例如,交通工具对于基础设施(V2I)、交通工具对于行人(V2P)和/或交通工具对于装置(V2D))中的周期播报的部分。
CPU 36接收来自一个或多个感测装置的传感器数据,例如,所述感测装置使用光电检测、雷达、激光、超声波、光学、红外线或其它合适的技术,用于执行自动驾驶操作,包括近距离通信技术,诸如,DSRC或超宽带(UWB)。根据所示出的示例,汽车10可配备有一个或多个数字摄像头62、一个或多个距离传感器64、一个或多个交通工具速度传感器66、一个或多个交通工具动态传感器68以及用于处理原始传感器数据的任何必要的过滤、分类、融合和分析硬件和软件。交通工具中的传感器的分布式阵列的类型、放置、数量和相互操作能力可单独或共同地适应给定交通工具平台,用于实现期望水平的自主交通工具操作。
数字摄像头62可使用电荷耦合装置(CCD)传感器或其它合适的光学传感器,以生成指示交通工具10的视场的图像,并且可被配置用于连续的图像生成,例如,至少每秒生成约35幅图像。通过比较的方式,距离传感器64可发射和检测反射无线电、电磁或基于光的波(例如,雷达、EM感应、光检测和测距(LIDAR)等),例如,以检测物体的存在、几何尺寸和/或邻近度。交通工具速度传感器66可采取各种形式,包括测量轮速的轮速传感器,所述轮速而后用于确定实时交通工具速度。此外,交通工具动态传感器68性质上可为单轴线或三轴线加速度计、角速率传感器、倾斜计等,用于检测纵向和横向加速度、偏航、滚转和/或俯仰率或其它动力学相关参数。使用来自感测装置62、64、66、68的数据,CPU 36标识环绕的驾驶状况,确定路面状况的特征,标识交通工具10的可检测范围内的物体,确定目标物体的属性(诸如,大小、相对位置、渐近角、相对速度等),并且基于这些已执行的操作而执行自动控制操纵。
这些传感器分布贯穿于机动交通工具10在相对于交通工具的前方和后方或左舷和右舷侧视野的操作性无障碍的位置中。每个传感器生成电信号,所述电信号指示目标物体的特征或状况,总体上作为对应标准偏差的估测。虽然这些传感器的操作特征总体上是互补的,但一些传感器在估测某些参数时比其它传感器更可靠。大多数传感器具有不同的操作范围和覆盖区域,并且能够检测其操作范围内的不同参数。例如,基于雷达的传感器可估测物体的距离、距离变化率和方位位置,但在估测被检测物体的程度时可不够可靠。另一方面,具有光学处理的摄像头在估测物体的形状和方位位置时可更可靠,但在估测物体的距离和距离变化率时更不有效。扫描类型的基于LIDAR的传感器相对于估测距离和方位位置的方面可有效和准确地执行,但可不能够准确地估测距离变化率,并且因此,相对于新物体获取/识别的方面可不准确。通过比较,超声波传感器能够估测距离,但总体上不能够准确地估测距离变化率和方位位置。进一步地,许多传感器技术的性能可由不同环境状况影响。因此,传感器总体上呈现参数差异,所述参数差异的操作重叠为传感融合提供了机会。
呈现了自动驾驶系统,所述自动驾驶系统评估沿着给定路径的驾驶操纵的临界和成本,用于路线重选、交通工具模式适应和驾驶者警报。在示例中,自主交通工具采用增强操作临界分析,以进行路线重选,并且因此规避高成本非临界操纵,例如,通过采取成本更低的街道路线,以跳过困难的公路汇合。上述增强操纵临界分析也使自主交通工具能够采取额外的步骤,以确保临界操纵不被错过,例如,通过将当前交通工具驾驶模式改变为“激进式”,并且因此实现更高的加速度、更高的速度、更激进的车道变换等。可生成自动警报,以为驾驶者通知即将进行的操纵的临界和/或成本。可采用成本函数,以评估驾驶操纵和低水平交通工具轨迹,以选择成本更低的解决方案。
所公开的操纵临界分析技术标识当前路线中的每个操纵的临界,并且使用每个操纵的临界而确定自主交通工具在执行该操纵时可经历的最大成本。基于成本和临界分析,在即将进行的操纵的预期中,交通工具模式和其它交通工具操作参数可被适应,例如,从默认“舒适”模式到运动“激进式”模式,或反之亦然。例如,在轨迹生成期间,可增加最大允许横向加速度值,以执行临界操纵。在此情况下,使交通工具能够产生高加速度,而不是无法获得合适的轨迹,并且放弃临界操作。相反地,当前交通工具驾驶模式可被调整为默认“舒适”模式,并且如果对于执行即将进行的操纵所要求的估测成本比所允许的更高,则交通工具重选路线。每个操纵模式可将自主交通工具操作限制到相应集合的硬限制,包括最大向前、横向和转向速度、加速度、车头距离等以及速度、加速度、车头距离等的不同成本函数。
接下来转向图2A,显示了代表性主交通工具110,所述代表性主交通工具110执行增强操纵临界分析,用于沿着计划路线在道路交叉口100处完成期望驾驶操纵(左转向)。根据所示出的示例,经由主交通工具110而执行存储器存储的路径计划算法,以执行图像搜索,以获得从起始车道区段(1)到目标车道区段(5)的最优路线。作为路径计划算法的部分,在道路交叉口100处的计划路线的每个车道被划分成不同车道区段;在图2A中存在有九个车道区段,分别被标记为(1)-(9)。车道区段推导可包括从远程地理位置地图服务(例如,图1的云计算系统24)检索用于道路交叉口100的车道水平区段数据;可选地,车道区段划分可由主交通工具110或与主交通工具110通信的远程地图服务实时地执行。应理解的是,车道区段的总数和单独大小、位置和定向可根据场景而改变。
图2B示出了代表性节点图101,用于执行图像搜索,以获得从起始车道区段(1)到目标车道区段(5)的最优路线,用于图2A的驾驶操纵。图2B的图101中的每个节点表示来自图2A的车道区段(1)-(9)中的一个;相应地,节点被标记。图2B的连接单独成对的相邻车道区段节点的箭头每个对应于由主交通工具110执行的驾驶操纵,以在这些相邻区段之间移动。注意,图2B中连接车道区段(7)和(9)的虚线箭头指示交通工具110横越车道区段,并且在图2A中呈现的视图外部执行对应的区段操纵。虽然外观不同,但图2A的主交通工具110可采用上文和下文相对于图1和图3A的其它所公开的交通工具10和210描述的选项和可选例中的任何,并且反之亦然。
在执行操纵临界分析时,对于每个区段到区段的操纵确定成本值。对于至少一些实施方式,成本值可根据由主交通工具110执行以完成该操纵的单独低水平步骤(或“有限步骤”)而推导。每个低水平步骤可由交通工具110在道路交叉口100处执行的有限行动序列表示,诸如,车道保持、车道变换、对于红灯/停车标志的停车、减速/加速等。例如,第一成本值cost(x1)可表示在给定道路状况、交通状况、天气状况等的当前估测的情况下主交通工具110执行车道变换操纵x1的复杂性,以从车道区段(1)转变到车道区段(2)。通过比较,第二成本值cost(y1)可表示在给定道路状况、交通状况、天气状况、当前信号灯状态等的当前估测的情况下主交通工具110执行向前操纵y1的复杂性,以从车道区段(1)转变到车道区段(3)。
基于对于每个区段操纵的每个成本值的当前估测,其中,一个或多个值可从线下信息确定,自动驾驶系统试图标识从起始车道区段(1)到目标车道区段(5)的最优路线。通过示例而非限制的方式,对于主(第一)预测路线(连接起始和目标区段(1)和(5)的车道区段(2)和(4)),被指定为cost(xtot)的总(第一)成本值可被计算为:
cost(xtot)=cost(x1)+C
其中,C是在第一区段操纵x1之后用于达到目标车道区段(5)的所有区段操纵的所有成本值的数学总和。在图2A中,C=cost(x2)+cost(x3)。同样地,对于可选(第二)预测路线(连接起始和目标区段(1)和(5)的车道区段(3)、(7)……(N)和(9)),被指定为cost(ytot)的总(第二)成本值可被计算为:
cost(ytot)=cost(y1)+D
其中,D是在第一区段操纵y1之后用于达到目标车道区段(5)的所有区段操纵的所有成本值的数学总和。在图2A中,D=cost(y2)+…cost(yN)+cost(y9)。对于第一区段操纵x1,被指定为criticality(x)的临界值可被计算为:
criticality(x1)=cost(y1)+D–C
在此示例中,如果第一区段操纵x1的成本值cost(x1)大于该操纵x1的临界值criticality(x),则主交通工具100可执行对应的交通工具操作,以遵循可选预测路线。对于用于主预测路线的每个区段到区段的操纵,可执行上文的临界分析和伴随性成本比较。
如果对应于区段操纵中的一个的成本值大于其相关联的临界值,则可期望可选路线。获得可选“第二优”路线可包括:从节点图101移除该高成本操纵以及其对应的箭头连接符;一旦被移除,则选择可选区段操纵,诸如,向前操纵y1,以从车道区段(1)转变到车道区段(3);以及对于最新选择的操纵执行操纵临界分析。如果向前操纵y1的成本值cost(y1)不超过该操纵y1的criticality(y1),则可分析可选路线中的下个区段操纵。总体上,自动驾驶系统将“最优”路线的成本与“第二优”路线的成本比较;两个路线之间的成本差异决定了完成给定操纵需要多少操纵成本。
在许多情况下,可存在有多于一个可选路线,所述可选路线可用于达到期望目标车道区段,并且因此完成期望驾驶操纵。作为图2A的左转向驾驶操纵示例的扩展,主交通工具110可在中心车道区段(2)(兼作为起始车道区段)中行进,所述中心车道区段(2)在其右舷和左舷侧上分别由专用的仅右转向和仅左转向车道区段(1)和(3)侧面相接。主交通工具110可保持在中心车道区段(2)中,直接穿过交叉口,并且与车道区段(6)连接。可选地,主交通工具110可进入仅右转向车道区段(1),在交叉口处进行右转向,并且与车道区段(4)连接。更直接以及因此期望的路线将使主交通工具110进入仅左转向车道区段(3),在交叉口处进行左转向,并且与目标车道区段(7)连接。在此示例中,操纵临界分析可被表示为:
cost(最优路线2→3→7)=cost(x1)+C
cost(第二优路线2→6…→7)=cost(y1)+D
cost(第三优路线2→1→4…→7)=cost(z1)+E
在此情况下,沿着主“最优”路线对于区段操纵的临界值可被计算为最小成本函数,具有来自“第二优”和“第三优”路线的成本值,其中:
criticality(x)=min(cost(y)+D–C,cost(z)+E–C)
再一次,如果cost(x)>criticality(x),则自动驾驶系统可决定跳过区段操纵x。
对于许多操纵临界评估,自动驾驶系统的驻留交通工具控制器或专用控制模块可根据主交通工具的当前驾驶模式而应用加权因子,以增加或减少区段操纵的某些有限步骤的相关联成本。换句话说,在确定交通工具的驾驶模式之后,通过将基于驾驶模式的加权因子应用到与该区段操纵相关联的一个或多个参数,可计算对于区段操纵的相应成本值。实际上,区段操纵的单独成本值不仅取决于操纵的细节,而且取决于由用户选择的驾驶模式。例如,如果当前驾驶模式被设置为默认“平缓”驾驶模式,则对于具有幅度大于标定阈值重力的加速或减速操纵的伴随性成本可增加五倍加权因子(例如,cost(减速)=5xF减速 3)。通过比较,如果当前驾驶模式被设置为运动“激进式”驾驶模式,则不应用附加加权因子(例如,cost(减速)=减速3)。
所公开的操纵临界评估中的至少一些可根据主交通工具的乘员选择的驾驶模式而将预限定处罚应用到区段操纵的某些有限步骤的成本。例如,当乘员已选择了舒适的驾驶模式时,与自动驾驶系统将驾驶模式自动适应为运动驾驶模式相关联的成本可被设置为预限定处罚(例如,100)。如果乘员已选择了激进式运动驾驶模式,则将不应用此类惩罚。另一方面,如果乘员已选择了“特别舒适”驾驶模式,则用于将驾驶模式适应为运动驾驶模式的处罚值可被设置为非常大的值(例如,一百万),由此,自动驾驶系统被限制免于在没有乘员输入的情况下进行此类改变。
所公开的概念的方面可评估单独成本值,用于涉及执行给定操纵的主交通工具的辅助参数。作为示例,自主的主交通工具可尝试通过执行到专用出口匝道车道中的车道变换操纵而在即将到来的出口匝道处离开高速公路。在执行车道变换操纵之前,主交通工具行驶在大卡车前方,同时两个目标交通工具在高速度下在右侧通过,同时还尝试使用出口匝道车道离开。在当前的驾驶和交通状况下,此操纵可以各种方式执行:方法1——使主交通工具减速,以在主交通工具进行车道变换到专用出口匝道车道中之前允许两个目标交通工具通过;方法2——尝试使主交通工具在两个紧密对准的目标交通工具之间并入到专用出口匝道车道中;以及方法3——使主交通工具加速,以在两个目标交通工具前方进行车道变换到专用出口匝道车道中。在此示例中,每个方法的成本可被确定如下:
cost(方法1)=cost(减速)+cost(后方卡车的减速)+cost(平缓车道跨越)
cost(方法2)=infinity(不允许)
cost(方法3)=cost(在2秒下使模式改变为激进式)*+cost(激进式加速)+cost(减速)+cost(急促车道跨越)
车道变换操纵的最终成本可被计算为:cost(车道变换)=min(cost(方法1),cost(方法2),cost(方法3))。
参考图3A,显示了代表性主交通工具210,所述代表性主交通工具210执行增强操纵临界分析,用于沿着计划路线在公路交叉口200处完成期望驾驶操纵(到公路上的车道并入)。根据所示出的示例,经由自主交通工具210而执行存储器存储的路径计划算法,以执行图像搜索,以获得从起始车道区段(1)到目标车道区段(6)的最优路线。作为路径计划算法的部分,在公路入口匝道交叉口200处的每个车道被划分成不同的车道区段;在图3A中显示有六个车道区段,分别被标记为(1)-(6)。图3B示出了代表性节点图201,用于执行图像搜索,以获得从起始车道区段(1)到目标车道区段(6)的最优路线,用于图3A的驾驶操纵。图3B的图201中的每个节点表示来自图3A的车道区段(1)-(6)中的一个。图2B的使相邻车道区段节点相互连接的箭头每个对应于由交通工具210执行的驾驶操纵,以在这些相邻区段之间移动。类似于图2A,图3B中连接车道区段(4)和(6)的虚线箭头以及连接车道区段(4)和(6)的虚线箭头指示交通工具210横越车道区段并且在图3A中呈现的视图外部执行区段操纵。
根据图3A中呈现的代表性实施方式,如果与可选“第二优”路线相关联的总成本比与主要“最优”路线相关联的总成本显著更高,则将容忍由于激进式有限步骤而导致的成本更高的单独操纵和附近交通中对于第三方交通工具的妨害。示例可包括可选路线,其中,自主交通工具210决定放弃到公路上的期望车道并入,采用出口匝道(车道区段(5)),并且而后被迫忍受明显更多的操纵,以横越显著更多的车道区段,以达到目标车道区段(6)。在此情况下,可选预测路线比主预测路线成本更高;如此,交通工具210可自动转换到激进式运动驾驶模式中,以实现将有助于期望并入的高的向前和横向加速度。在执行高成本复杂操纵之前,可通知并且可选地提示驾驶者/乘员,以同意、干预或覆写自动驾驶系统的决定。
另一方面,例如,由于交通、天气、道路状况等中的波动,因此图3A中执行从车道区段(2)到车道区段(3)的车道变换操纵可大幅增加主预测路线的总成本值。一对牵引卡车211和213被显示为妨碍主交通工具210从车道区段(2)到车道区段(3)的并入。同时,后方目标交通工具215防止自主交通工具210减速以允许卡车211、213通过并且执行期望的区段到区段的操纵。如果保持过高的成本,以便维持主预测路线,则可相应地通知驾驶者/乘员(例如,经由图1的远程信息处理单元14的显示装置18或扬声器30),并且可选择可选路线,以相反地在车道区段(5)处离开。如果选择了可选路线,则可为乘客(在SAE 4级或5级自主交通工具中)或驾驶者(在SAE 2级或3级自动交通工具中)通知路线已改变的原因。
瞬态驾驶状况可意外地增加与一个或多个区段操纵相关联的成本值,这转而增加评估中预测路线的相关联成本。例如,如果主交通工具接近行驶过慢并且因此阻塞车道的向前目标交通工具,而没有机会通过,则与维持主预测路线相关联的区段操纵成本可变高。在更新操纵临界分析之后,如果增加的总成本在允许的成本范围内,则自主交通工具将继续主路线。相反地,自主交通工具可重新导向到可选第二路线,所述可选第二路线最终将通过不同道路集合而达到期望交通工具目的地。如果可选预测路线的成本比主预测路线的显著更多,则可为驾驶者/乘员给出视觉、听觉和/或物理提示(例如,经由嵌入在交通工具座椅中的触觉传感器),提示驾驶者/乘员立即采取行动,以完成主路线。同样地,如果主路线的成本比可选路线的显著更多,则可为驾驶者/乘员给出提示,提示驾驶者/乘员,以立即采取行动,以完成可选路线。
现在参考图4的流程图,根据本公开的方面,总体上在300处描述了改进方法或控制策略,用于执行区段操纵成本计算,作为操纵临界协议的部分,用于执行机动交通工具(诸如,图1、图2A和图3A的交通工具10、110和210)的智能交通工具操作。图4中示出并且在下文进一步详细描述的操作中的一些或全部可表示对应于处理器可执行的指令的算法,所述处理器可执行的指令可例如被存储在主存储器或辅助存储器或远程存储器中,并且例如由驻留或远程控制器、处理单元、控制逻辑电路或其它模块、装置和/或装置的网络执行,以执行与所公开的概念相关联的上文或下文描述的功能中的任何或全部。应理解的是,所示出的操作框的执行顺序可改变,附加框可被添加,并且所描述的框中的一些可被修改、组合或消除。
方法300在过程框301处开始,具有存储器存储的处理器可执行的指令,以标识交通工具操作的相应列表,用于执行预测路线中的每个区段操纵。根据特定驾驶操纵,交通工具操作的伴随性列表可实时地被创建,例如,基于由图1的联网传感器生成的数据,或可从数据库或存储装置检索,所述数据库或存储装置包括预定方法的目录,用于先前分析的操纵。例如,为了执行区段到区段的车道变换操纵,交通工具操作的对应列表中的一个或多个操作可基于所感测的道路状况、交通密度、目标车道中交通中的间隙等。作为比较,对于“继续向前通过(黄色)交通灯”操纵,交通工具操作的对应列表可包括“停车并且等待绿灯”以及“在当前速度下继续通过灯”以及“加速以提高速度通过灯”。
在列举了其中可执行给定区段操纵的可用操作之后,过程框303通知交通工具控制器,以采用一种或多种模拟技术,所述模拟技术对于有限的时间窗口进行未来交通工具操作的建模,以对于列表上的每个交通工具操作计算操作成本值。通过澄清而非限制的方式,在给定附近目标交通工具的相应位置、定向和速度的当前测量和/或估测的情况下,与对于相关变量的可用历史数据结合,主交通工具能够模拟每个目标交通工具的移动,并且由此预测其未来的位置、定向和速度。类似地,对于被采用以执行操纵的给定交通工具操作,主交通工具采用可比较的模拟技术,以预测轨迹和相关操作参数,用于完成行动。使用所选择的“方法”而执行区段操纵的成本可进一步基于相关因子,诸如,到附近目标交通工具的车头和车尾距离、所估测的向前和横向加速度等。这些模拟技术可用于预测在通过目标车道中的两个目标交通工具之间的间隙的间隙长度和中心位置的基于时间的演变。
图4的方法300继续到过程框305,并且对于每个交通工具操作确定相关联的时间参数,用于完成该交通工具操作。继续上文的示例,主交通工具尝试从当前(右)车道到目标(左)车道中的车道变换操纵,同时多个目标交通工具即将在目标车道中超车并且超过主交通工具。在执行期望操纵之前,主交通工具可对于目标车道中的每对前方后方目标交通工具之间的每个间隙计算(次优或最优)时间点,在所述时间点下,主交通工具可移动到相应的间隙中,并且由此执行车道变换操纵。在过程框307处,对于间隙的车道变换操纵的成本可被计算为以下的数学总和:保持车道直到决定执行车道变换的距离的成本;到激进式的模式改变(如果需要);接近间隙的加速度/减速度;基于可用完成车道变换的时间的(平缓式或激进式)车道变换成本;以及接近稳定速度所需要的加速度/减速度的成本。在过程框309处,给定区段操纵的总成本可被计算为所列举的交通工具操作的最小成本函数。
现在参考图4的流程图,根据本公开的方面,总体上在400处描述了改进方法或控制策略,用于执行成本计算,作为操纵临界协议的部分,用于执行机动交通工具(诸如,图1、图2A和图3A的交通工具10、110和210)的智能交通工具操作。图5中示出并且在下文进一步详细描述的操作中的一些或全部可表示对应于处理器可执行的指令的算法,所述处理器可执行的指令可例如被存储在主存储器或辅助存储器或远程存储器中,并且例如由驻留或远程控制器、处理单元、控制逻辑电路或其它模块、装置和/或装置网络执行,以执行与所公开的概念相关联的上文或下文描述的功能中的任何或全部。应理解的是,所示出的操作框的执行顺序可改变,附加框可被添加,并且所描述的框中的一些可被修改、组合或消除。
在过程框401处,机动交通工具的交通工具控制器(诸如,图1中的交通工具10的远程信息处理CPU 36)接收、估测、标识和/或检索(共同地为“确定”)对于主交通工具的当前行程的路径计划数据。路径计划数据可包括适用于完成当前行程的任何实时、众包和/或历史数据,诸如,交通工具起点或实时位置(共同地为“位置”)、间歇或最后交通工具停车位置(共同地为“目的地”)以及从交通工具位置横越到目的地的预测路径。对于至少一些实施例,期望起点和/或目的地可由交通工具乘员输入,例如,经由上文相对于图1讨论的电子输入装置中的任何。在建立对于当前行程的预测路径同时或之后,方法400预报完成当前行程将要求的一个或多个即将进行的操纵。这可包括标记任何潜在的高成本操纵,包括对于每个所述操纵的相应的起始和目标车道区段。在过程框403处,主交通工具的自动驾驶系统预测主(第一)路线,用于完成即将进行的操纵,例如,使用上文描述的图像搜索方法。使用类似过程,在过程框405处,预测用于达到目标车道区段的一个或多个(第一、第二、第三……)可选路线。
继续参考图4,方法继续到过程框407,并且确定对于各种区段操纵的成本值,所述区段操纵共同限定过程框403和405处标识的预测路线。相应的成本值可以本文阐述的任何方式计算。此外,基于最新场景和交通信息,可实时更新对于这些预测路线的单独成本值中的一个或多个。继续到过程框409,方法400提供指令,以确定相应临界值,用于在分析下的任何区段到区段的驾驶操纵。类似于区段操纵成本值,临界值可实时更新,以反映驾驶场景、交通、天气和/或路面状况中的变化。
如果对于该操纵的成本值超过对应的临界值,则决定框411评估用于给定路线中的区段操纵中的一个或多个。对于至少一些实施方式,固定校准参数ε可被引入到框411的分析中,以在决定当前/或主路线成本过高时帮助确保主交通工具不立即切换到可选路线。通过非限制性示例的方式,成本估测可取决于评估参数的“具有噪声的”估测;因此,成本值本身可具有噪声。一旦在该路线上的操纵的成本可测量地大于临界,并且因此不仅是由于估测中的瞬时噪声,则参数ε帮助确保主交通工具仅从给定路线偏离。如果对于给定预测路线的特定区段操纵的成本值不大于其临界值(或临界值加固定校准参数ε)(框411=否),则方法400可临时终止,或可返回到过程框403,并且在连续循环中运行。
在确定区段操纵(诸如,图2A或图3A的区段操纵x)的成本值大于其临界值加固定校准参数ε(框411=是)的情况下,方法400进行到过程框413,并且提供存储器存储的处理器可执行的指令,以将主预测路线设置为来自对于操纵获得的可用路线列表的成本最低的路线。从该处,方法400在过程框415处将即将进行的操纵的临界通信到驾驶者,例如,使用视觉/听觉/触觉提示。可期望的是,在至少非自主驾驶模式期间,执行过程框415。过程框415可由指令伴随,以将一个或多个命令信号传送到驻留交通工具子系统,诸如,驻留交通工具导航或制动和转向,以执行与采取成本最低的路线相关联的一个或多个控制操作。
在一些实施例中,本公开的方面可通过指令的计算机可执行的程序而被实施,诸如,程序模块,总体上被称为由本文描述的控制器或控制器变型中的任何执行的软件应用或应用程序。在非限制性示例中,软件可包括执行特定任务或实施特定数据类型的例行程序、程序、物体、部件和数据结构。软件可形成界面,以允许计算机根据输入源而反应。软件也可与其它代码区段协作,以响应于与所接收数据的源结合接收的数据而发起各种任务。软件可被存储在各种存储媒体中的任何上,诸如,CD-ROM、磁盘、磁泡存储器和半导体存储器(例如,各种类型的RAM或ROM)。
此外,本公开的方面可利用各种计算机系统和计算机网络配置而实践,包括多处理器系统、基于微处理器或可编程消费电子产品、小型计算机、大型计算机和类似物。此外,本公开的方面可在分布式计算环境中实践,其中,任务由通过通信网络链接的驻留和远程处理装置执行。在分布式计算环境中,程序模块可位于本地和远程计算机存储媒体(包括内存存储装置)两者中。因此,本公开的方面可与各种硬件、软件或其组合结合而在计算机系统或其它处理系统中实施。
本文描述的方法中的任何可包括机器可读指令,用于由以下执行:(a)处理器、(b)控制器和/或(c)任何其它合适的处理装置。本文公开的任何算法、软件、控制逻辑、协议或方法可被实施为被存储在有形介质(诸如,例如,闪存、CD-ROM、软盘、硬盘驱动器、数字通用光盘(DVD)或其它存储装置)上的软件。整个算法、控制逻辑、协议或方法和/或其部件可选地可由除了控制器之外的装置执行,和/或以可用方式被实施在固件或专用硬件中(例如,由专用集成电路(ASIC)、可编程逻辑装置(PLD)、现场可编程逻辑装置(FPLD)、离散逻辑等实施)。进一步地,虽然参考本文描绘的流程图而描述了具体算法,但可选地可使用许多其它方法,用于实施示例机器可读指令。
已参考所示出的实施例而详细描述了本公开的方面;然而,本领域技术人员将理解的是,可对于其进行许多修改,而不从本公开的范围脱离。本公开不限于本文公开的精确构造和组成;从上述描述显而易见的任何和所有修改、改变和变化在本公开的范围内,如由所附权利要求限定的。此外,本概念明确地包括先前的元素和特征的任何和所有组合和子组合。
Claims (17)
1.控制机动交通工具的自动驾驶操作的方法,所述方法包括:
经由所述机动交通工具的交通工具控制器,确定路径计划数据,所述路径计划数据包括对于所述机动交通工具的交通工具位置、交通工具目的地和预测路径;
经由所述交通工具控制器,基于所接收的所述路径计划数据,预测即将进行的操纵,以使所述机动交通工具从起始车道区段行驶到目标车道区段;
确定第一预测路线,所述第一预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第一车道区段;
确定多个第一区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第一车道区段之间移动;
确定多个第一成本值,每个对应于所述第一区段操纵中的相应一个;
确定对应于至少一个第一区段操纵的至少一个第一成本值是否大于第一临界值;以及
经由所述交通工具控制器,响应于至少一个第一成本值不大于所述第一临界值,将第一命令信号传送到驻留交通工具子系统,以执行与采取所述第一预测路线相关联的第一控制操作,其中,所述方法还包括:
确定第二预测路线,所述第二预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第二车道区段;
确定多个第二区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第二车道区段之间移动;
确定多个第二成本值,每个对应于所述第二区段操纵中的相应一个;以及
基于来自所述第一成本值和所述第二成本值的成本值,确定所述第一临界值,
其中,所述第一临界值被计算为:
criticality(x)=cost(y)+D–C
其中,criticality(x)是对应于至少一个成本值cost(x)的至少一个第一区段操纵x;cost(y)是对应于第二区段操纵y的所述第二成本值中的相应一个;C是所述第一区段操纵x之后的所述第一区段操纵的所有所述第一成本值的第一总和;并且D是所述区段操纵y之后的所述第二区段操纵的所有所述第二成本值的第二总和。
2.根据权利要求1所述的方法,还包括:经由所述交通工具控制器,响应于至少一个第一成本值大于所述第一临界值,将第二命令信号传送到所述驻留交通工具子系统,以执行与采取所述第二预测路线相关联的第二驾驶操作。
3.根据权利要求1所述的方法,还包括:
确定第三预测路线,所述第三预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第三车道区段;
确定多个第三区段操纵,每个使所述交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第三车道区段之间移动;以及
确定多个第三成本值,每个对应于所述第三区段操纵中的相应一个,
其中,确定所述第一临界值包括:利用来自所述第一成本值、所述第二成本值和所述第三成本值的值,计算最小成本函数。
4.根据权利要求3所述的方法,还包括:
响应于至少一个第一成本值大于所述第一临界值,确定对应于至少一个第二区段操纵的至少一个第二成本值是否大于第二临界值;以及
经由所述交通工具控制器,响应于至少一个第二成本值大于所述第二临界值,将第三命令信号传送到所述驻留交通工具子系统,以执行与采取所述第三预测路线相关联的第三驾驶操作。
5.根据权利要求1所述的方法,其中:
确定所述第一预测路线包括:生成节点图,其中,所述第一车道区段中的每个被表示为相应节点;以及
确定所述第一区段操纵包括:将所述第一区段操纵中的每个表示为链接相应一对节点的相应连接符。
6.根据权利要求1所述的方法,其中,确定所述多个第一成本值包括:
确定用于所述机动交通工具的相应多个有限步骤,以完成所述第一区段操纵中的每个;以及
确定对于所述有限步骤中的每个的相应有限成本值,其中,对于所述第一区段操纵中的相应一个的所述第一成本值是对于对应于所述第一区段操纵的所述相应多个有限步骤的所述有限成本值的总和。
7.根据权利要求1所述的方法,还包括:确定所述机动交通工具的自动驾驶系统的驾驶模式,其中,确定对于所述第一区段操纵中的一个的相应的第一成本值包括:将基于所述驾驶模式的加权因子应用到与所述第一区段操纵相关联的一个或多个参数。
8.根据权利要求1所述的方法,其中,确定所述多个第一成本值包括:
确定相应多个交通工具操作,用于完成所述第一区段操纵中的每个;
模拟所述交通工具操作中的每个,以估测其相应操作成本值;以及
通过计算相应估测的操作成本值的最小成本函数,推导对应于所述第一区段操纵中的一个的相应的第一成本值。
9.根据权利要求1所述的方法,其中,所述第一成本值中的每个表示根据道路状况数据、交通状况数据和天气状况数据而完成对应的第一区段操纵的难度分析。
10.根据权利要求1所述的方法,其中,所述驻留交通工具子系统包括自主驾驶控制模块,所述自主驾驶控制模块是可操作的,以所述机动交通工具的驾驶自动化,所述第一控制操作包括使所述机动交通工具的驾驶自动化,以完成所述第一预测路线,以使所述机动交通工具从所述起始车道区段行驶到所述目标车道区段。
11.根据权利要求1所述的方法,其中,所述驻留交通工具子系统包括高级驾驶者辅助系统控制模块,所述高级驾驶者辅助系统控制模块是可操作的,以使所述机动交通工具的驾驶自动化,所述第一控制操作包括执行操纵驾驶,以完成所述第一预测路线的至少一部分。
12.根据权利要求1所述的方法,其中,所述驻留交通工具子系统包括交通工具导航系统,所述交通工具导航系统具有输入装置和显示装置,所述第一控制操作包括:
经由所述显示装置,显示与所述第一临界值的指示同时的所述第一预测路线的指示;以及
经由所述输入装置,接收用户命令,以确定第二预测路线,用于使所述机动交通工具从所述起始车道区段行驶到所述目标车道区段。
13.机动交通工具,包括:
交通工具主体;
多个车轮,附接到所述交通工具主体;
原动机,附接到所述交通工具主体,并且被配置为驱动至少一个车轮,并且由此推进所述机动交通工具;
交通工具导航系统,附接到所述交通工具主体,并且包括输入装置和电子显示装置;以及
交通工具控制器,通信地连接到所述交通工具导航系统,所述交通工具控制器被编程为:
确定路径计划数据,所述路径计划数据包括用于所述机动交通工具的交通工具位置、交通工具目的地和预测路径;
基于所接收的路径计划数据,预测即将进行的操纵,以使所述机动交通工具从起始车道区段行驶到目标车道区段;
确定第一预测路线,所述第一预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第一车道区段;
确定多个第一区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第一车道区段之间移动;
确定多个第一成本值,每个对应于所述第一区段操纵中的相应一个;
确定对应于至少一个第一区段操纵的至少一个第一成本值是否大于第一临界值;以及
响应于至少一个第一成本值不大于所述第一临界值,将第一命令信号传送到驻留交通工具子系统,以执行与采取所述第一预测路线相关联的第一控制操作,
其中,所述交通工具控制器被进一步编程为:
确定第二预测路线,所述第二预测路线包括将所述起始车道区段连接到所述目标车道区段的多个第二车道区段;
确定多个第二区段操纵,每个使所述机动交通工具在相应一对的所述起始车道区段、所述目标车道区段和/或所述第二车道区段之间移动;
确定多个第二成本值,每个对应于所述第二区段操纵中的相应一个;以及
基于来自所述第一成本值和所述第二成本值的成本值,确定所述第一临界值,
其中,所述第一临界值被计算为:
criticality(x)=cost(y)+D–C
其中,criticality(x)是对应于至少一个成本值cost(x)的至少一个第一区段操纵x;cost(y)是对应于第二区段操纵y的所述第二成本值中的相应一个;C是所述第一区段操纵x之后的所述第一区段操纵的所有所述第一成本值的第一总和;并且D是所述区段操纵y之后的所述第二区段操纵的所有所述第二成本值的第二总和。
14.根据权利要求13所述的机动交通工具,其中,所述交通工具控制器被进一步编程为:响应于至少一个第一成本值大于所述第一临界值,将第二命令信号传送到所述驻留交通工具子系统,以执行与采取所述第二预测路线相关联的第二驾驶操作。
15.根据权利要求13所述的机动交通工具,其中:
确定所述第一预测路线包括:生成节点图,其中,所述第一车道区段中的每个被表示为相应节点;以及
确定所述第一区段操纵包括:将所述第一区段操纵中的每个表示为链接相应一对车道区段的相应连接符。
16.根据权利要求13所述的机动交通工具,其中,所述驻留交通工具子系统包括自主驾驶控制模块,所述自主驾驶控制模块是可操作的,以使所述机动交通工具的驾驶自动化,所述第一控制操作包括使所述机动交通工具的驾驶自动化,以完成所述第一预测路线,以使所述机动交通工具从所述起始车道区段行驶到所述目标车道区段。
17.根据权利要求13所述的机动交通工具,其中,所述驻留交通工具子系统包括高级驾驶者辅助系统控制模块,所述高级驾驶者辅助系统控制模块是可操作的,以使所述机动交通工具的驾驶自动化,所述第一控制操作包括执行操纵驾驶,以完成所述第一预测路线的至少一部分。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/352,918 US11052914B2 (en) | 2019-03-14 | 2019-03-14 | Automated driving systems and control logic using maneuver criticality for vehicle routing and mode adaptation |
US16/352918 | 2019-03-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111688663A CN111688663A (zh) | 2020-09-22 |
CN111688663B true CN111688663B (zh) | 2023-12-01 |
Family
ID=72289521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010181627.7A Active CN111688663B (zh) | 2019-03-14 | 2020-03-16 | 机动交通工具及控制其自动驾驶操作的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11052914B2 (zh) |
CN (1) | CN111688663B (zh) |
DE (1) | DE102020103051A1 (zh) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020018688A1 (en) | 2018-07-20 | 2020-01-23 | May Mobility, Inc. | A multi-perspective system and method for behavioral policy selection by an autonomous agent |
DE102018216082A1 (de) * | 2018-09-20 | 2018-12-13 | Robert Bosch Gmbh | Verfahren zur kooperativen Manöverabstimmung |
US11604073B1 (en) * | 2018-09-24 | 2023-03-14 | Apple Inc. | Route guidance system |
DE102018216364B4 (de) * | 2018-09-25 | 2020-07-09 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Unterstützen eines Spurwechselvorgangs für ein Fahrzeug |
KR102637599B1 (ko) * | 2018-10-08 | 2024-02-19 | 주식회사 에이치엘클레무브 | 차량간 통신 정보를 이용한 차선변경 제어장치 및 방법과, 그를 위한 성향 정보 산출 장치 |
JP6856679B2 (ja) * | 2019-02-15 | 2021-04-07 | 本田技研工業株式会社 | 車両制御装置、車両及び車両制御方法 |
US10969470B2 (en) | 2019-02-15 | 2021-04-06 | May Mobility, Inc. | Systems and methods for intelligently calibrating infrastructure devices using onboard sensors of an autonomous agent |
FR3093690B1 (fr) * | 2019-03-14 | 2021-02-19 | Renault Sas | Procédé de sélection pour un véhicule automobile d’une voie de circulation d’un rond-point |
JP7278832B2 (ja) * | 2019-03-27 | 2023-05-22 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、車両およびプログラム |
KR20200130773A (ko) * | 2019-05-03 | 2020-11-20 | 현대자동차주식회사 | 차량 자율 주행 제어 장치, 그를 포함한 시스템 및 그 방법 |
JP7303667B2 (ja) * | 2019-05-31 | 2023-07-05 | 株式会社Subaru | 自動運転支援装置 |
CN112055327B (zh) * | 2019-06-05 | 2022-09-16 | 华为技术有限公司 | 自动驾驶信息指示方法、自动驾驶信息获取方法、自动驾驶信息发送方法及装置 |
JP7123867B2 (ja) * | 2019-06-28 | 2022-08-23 | 本田技研工業株式会社 | 車両制御装置、車両制御装方法、およびプログラム |
DE102019129879A1 (de) * | 2019-11-06 | 2021-05-06 | Zf Friedrichshafen Ag | Verfahren sowie Steuergerät zum Steuern eines Kraftfahrzeugs |
EP3855121A3 (en) * | 2019-12-30 | 2021-10-27 | Waymo LLC | Kinematic model for autonomous truck routing |
JP2023533225A (ja) | 2020-07-01 | 2023-08-02 | メイ モビリティー,インコーポレイテッド | 自律走行車ポリシーを動的にキュレーションする方法及びシステム |
JP7347375B2 (ja) * | 2020-08-31 | 2023-09-20 | トヨタ自動車株式会社 | 走行車線計画装置及び走行車線計画用コンピュータプログラム |
CN116490858A (zh) * | 2020-12-17 | 2023-07-25 | 英特尔公司 | 自主交通工具关键场景的自适应生成和评估 |
JP7256168B2 (ja) * | 2020-12-28 | 2023-04-11 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、及びプログラム |
US20220252414A1 (en) * | 2021-02-09 | 2022-08-11 | Ford Global Technologies, Llc | Systems and methods for navigation and logistics management |
US11654913B2 (en) * | 2021-03-04 | 2023-05-23 | Southwest Research Institute | Vehicle control based on infrastructure and other vehicles |
JP7510904B2 (ja) * | 2021-04-02 | 2024-07-04 | 株式会社デンソー | 地図情報出力装置および地図情報出力方法 |
EP4314708A1 (en) | 2021-04-02 | 2024-02-07 | May Mobility, Inc. | Method and system for operating an autonomous agent with incomplete environmental information |
CN115257798A (zh) * | 2021-04-29 | 2022-11-01 | 沃尔沃汽车公司 | 自动驾驶控制方法及用于自动驾驶车辆的控制单元和系统 |
US11565717B2 (en) * | 2021-06-02 | 2023-01-31 | May Mobility, Inc. | Method and system for remote assistance of an autonomous agent |
CN113183943B (zh) * | 2021-06-03 | 2023-02-21 | 南昌智能新能源汽车研究院 | 一种农用装备的智能驾驶系统及其作业方法 |
CN113483775B (zh) * | 2021-06-30 | 2024-06-14 | 上海商汤临港智能科技有限公司 | 路径预测方法及装置、电子设备及计算机可读存储介质 |
CN113460086B (zh) * | 2021-06-30 | 2022-08-09 | 重庆长安汽车股份有限公司 | 自动驾驶进入匝道的控制系统、方法、车辆及存储介质 |
US12012123B2 (en) | 2021-12-01 | 2024-06-18 | May Mobility, Inc. | Method and system for impact-based operation of an autonomous agent |
US11987237B2 (en) * | 2021-12-20 | 2024-05-21 | Waymo Llc | Systems and methods to determine a lane change strategy at a merge region |
US11814072B2 (en) | 2022-02-14 | 2023-11-14 | May Mobility, Inc. | Method and system for conditional operation of an autonomous agent |
CN114689071A (zh) * | 2022-03-22 | 2022-07-01 | 智道网联科技(北京)有限公司 | 车辆的路径规划方法、装置及电子设备、存储介质 |
US20230415741A1 (en) * | 2022-06-22 | 2023-12-28 | Aptiv Technologies Limited | Target of Interest Selection on Roadway Ramps |
FR3137642A1 (fr) * | 2022-07-05 | 2024-01-12 | Psa Automobiles Sa | Procédé et dispositif de contrôle d’un système de changement semi-automatique de voie de circulation d’un véhicule en fonction d’une valeur maximale d’un paramètre dynamique |
US12027053B1 (en) | 2022-12-13 | 2024-07-02 | May Mobility, Inc. | Method and system for assessing and mitigating risks encounterable by an autonomous vehicle |
DE102023100858A1 (de) | 2023-01-16 | 2024-07-18 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren und System zur objektiven Bewertung eines ADAS/ADS-Systems |
CN118254830A (zh) * | 2024-05-07 | 2024-06-28 | 北京易航远智科技有限公司 | 车辆的速度控制系统、电子设备、车辆、方法及程序产品 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107851392A (zh) * | 2015-07-22 | 2018-03-27 | 本田技研工业株式会社 | 路径生成装置、路径生成方法及路径生成程序 |
Family Cites Families (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697730B2 (en) | 2000-04-04 | 2004-02-24 | Georgia Tech Research Corp. | Communications and computing based urban transit system |
US6356838B1 (en) | 2000-07-25 | 2002-03-12 | Sunil Paul | System and method for determining an efficient transportation route |
US6304808B1 (en) | 2000-09-09 | 2001-10-16 | Kelsey-Hayes Company | Enhanced active brake control system functionality through system integration with adaptive cruise control |
US6427119B1 (en) | 2001-04-16 | 2002-07-30 | General Motors Corporation | Method and system for providing multiple entry points to a vehicle navigation route |
US6587785B2 (en) | 2001-09-21 | 2003-07-01 | General Motors Corporation | Method and system for mobile vehicle re-routing |
DE10146744A1 (de) * | 2001-09-22 | 2003-04-17 | Bosch Gmbh Robert | Verfahren und System zum Bereitstellen von Fahrspurempfehlungen |
DE502005008328D1 (de) * | 2005-07-06 | 2009-11-26 | Ford Global Tech Llc | Verfahren zur Vorhersage von Fahrtsituationen in einem Kraftfahrzeug |
US8606506B2 (en) | 2006-07-26 | 2013-12-10 | General Motors Llc | Route-matching method for use with vehicle navigation systems |
CN101652789A (zh) | 2007-02-12 | 2010-02-17 | 肖恩·奥沙利文 | 共享运输系统和服务网络 |
US20090030885A1 (en) | 2007-07-26 | 2009-01-29 | Ridecharge | Method and system for on-demand and scheduled services relating to travel and transportation |
US8428843B2 (en) | 2008-06-20 | 2013-04-23 | GM Global Technology Operations LLC | Method to adaptively control vehicle operation using an autonomic vehicle control system |
US8170739B2 (en) | 2008-06-20 | 2012-05-01 | GM Global Technology Operations LLC | Path generation algorithm for automated lane centering and lane changing control system |
US8364334B2 (en) | 2008-10-30 | 2013-01-29 | Honeywell International Inc. | System and method for navigating an autonomous vehicle using laser detection and ranging |
US20100228415A1 (en) | 2009-03-05 | 2010-09-09 | Sunil Paul | System and method for reducing the cost of efficient vehicles |
US20110184642A1 (en) * | 2009-12-18 | 2011-07-28 | Daimler Trucks North America Llc | Fuel efficient routing system and method |
US20110313880A1 (en) | 2010-05-24 | 2011-12-22 | Sunil Paul | System and method for selecting transportation resources |
US9514647B2 (en) | 2010-10-20 | 2016-12-06 | GM Global Technology Operations LLC | Optimal acceleration profile for enhanced collision avoidance |
US8612139B2 (en) | 2010-11-30 | 2013-12-17 | GM Global Technology Operations LLC | Systems and methods for planning vehicle routes based on safety factors |
US20120239452A1 (en) | 2011-03-17 | 2012-09-20 | Aarjav Trivedi | Fleet Management Systems and Processes |
US9014915B2 (en) | 2011-07-25 | 2015-04-21 | GM Global Technology Operations LLC | Active safety control for vehicles |
DE102011109491A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
DE102011109492A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
US9318023B2 (en) | 2011-08-31 | 2016-04-19 | GM Global Technology Operations LLC | System and method for collision avoidance maneuver path determination with jerk limit |
US20130204676A1 (en) | 2012-01-26 | 2013-08-08 | Flywheel Software, Inc. | Method and system for dynamically categorizing service providers |
US9632666B2 (en) | 2012-02-16 | 2017-04-25 | GM Global Technology Operations LLC | Team-oriented HVAC system |
US9066206B2 (en) | 2012-07-03 | 2015-06-23 | Uber Technologies, Inc. | System and method for providing dynamic supply positioning for on-demand services |
US8849515B2 (en) | 2012-07-24 | 2014-09-30 | GM Global Technology Operations LLC | Steering assist in driver initiated collision avoidance maneuver |
US9099006B2 (en) | 2013-08-22 | 2015-08-04 | GM Global Technology Operations LLC | Context-aware threat response arbitration |
US9517771B2 (en) | 2013-11-22 | 2016-12-13 | Ford Global Technologies, Llc | Autonomous vehicle modes |
US9079587B1 (en) | 2014-02-14 | 2015-07-14 | Ford Global Technologies, Llc | Autonomous control in a dense vehicle environment |
US9404761B2 (en) * | 2014-05-30 | 2016-08-02 | Nissan North America, Inc. | Autonomous vehicle lane routing and navigation |
US9457807B2 (en) | 2014-06-05 | 2016-10-04 | GM Global Technology Operations LLC | Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver |
US9428187B2 (en) | 2014-06-05 | 2016-08-30 | GM Global Technology Operations LLC | Lane change path planning algorithm for autonomous driving vehicle |
US9139204B1 (en) | 2014-06-12 | 2015-09-22 | GM Global Technology Operations LLC | Road surface condition detection with recursive adaptive learning and validation |
US9283967B2 (en) | 2014-07-16 | 2016-03-15 | GM Global Technology Operations LLC | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle |
US9229453B1 (en) | 2014-08-29 | 2016-01-05 | GM Global Technology Operations LLC | Unified motion planner for autonomous driving vehicle in avoiding the moving obstacle |
DE102014016567A1 (de) | 2014-11-08 | 2016-05-12 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Verfahren zum Bestimmen einer Ausweichtrajektorie und Fahrerassistenzsystem dafür |
US20160231124A1 (en) | 2015-01-15 | 2016-08-11 | GM Global Technology Operations LLC | Horizon-based driver assistance systems and methods |
US9868443B2 (en) | 2015-04-27 | 2018-01-16 | GM Global Technology Operations LLC | Reactive path planning for autonomous driving |
US20160320194A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing user path disturbances and user re-routing |
US10796248B2 (en) | 2015-04-29 | 2020-10-06 | Ford Global Technologies, Llc | Ride-sharing joint rental groups |
US20160320195A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing long-term ride-share groups |
US20160320198A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing routing using contextual constraints |
US20160321771A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing range contours |
US20170021830A1 (en) | 2015-07-22 | 2017-01-26 | GM Global Technology Operations LLC | Adaptive cruise control profiles |
US9587952B1 (en) | 2015-09-09 | 2017-03-07 | Allstate Insurance Company | Altering autonomous or semi-autonomous vehicle operation based on route traversal values |
US9815481B2 (en) | 2015-09-28 | 2017-11-14 | GM Global Technology Operations LLC | Vehicle-user-interaction system |
US9487212B1 (en) | 2015-10-09 | 2016-11-08 | GM Global Technology Operations LLC | Method and system for controlling vehicle with automated driving system |
US9971945B2 (en) | 2015-12-03 | 2018-05-15 | GM Global Technology Operations LLC | Vision-based wet road surface condition detection using tire side splash |
US9972206B2 (en) | 2015-12-03 | 2018-05-15 | GM Global Technology Operations LLC | Wet road surface condition detection |
JP6338159B2 (ja) * | 2016-05-19 | 2018-06-06 | 本田技研工業株式会社 | 交通状況推定装置、車両制御システム、経路誘導装置、交通状況推定方法、および交通状況推定プログラム |
US20200249674A1 (en) * | 2019-02-05 | 2020-08-06 | Nvidia Corporation | Combined prediction and path planning for autonomous objects using neural networks |
-
2019
- 2019-03-14 US US16/352,918 patent/US11052914B2/en active Active
-
2020
- 2020-02-06 DE DE102020103051.7A patent/DE102020103051A1/de active Pending
- 2020-03-16 CN CN202010181627.7A patent/CN111688663B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107851392A (zh) * | 2015-07-22 | 2018-03-27 | 本田技研工业株式会社 | 路径生成装置、路径生成方法及路径生成程序 |
Also Published As
Publication number | Publication date |
---|---|
US11052914B2 (en) | 2021-07-06 |
US20200290619A1 (en) | 2020-09-17 |
CN111688663A (zh) | 2020-09-22 |
DE102020103051A1 (de) | 2020-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111688663B (zh) | 机动交通工具及控制其自动驾驶操作的方法 | |
US11370435B2 (en) | Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving | |
US10864910B2 (en) | Automated driving systems and control logic using sensor fusion for intelligent vehicle control | |
CN107848531B (zh) | 车辆控制装置、车辆控制方法及存储车辆控制程序的介质 | |
US11226620B2 (en) | Automated driving systems and control logic with enhanced longitudinal control for transitional surface friction conditions | |
CN106004860B (zh) | 车辆行驶控制装置 | |
CN109195845B (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
JP2020050086A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US12065170B2 (en) | Automated driving systems and control logic for lane localization of target objects in mapped environments | |
JP7313298B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN113525373A (zh) | 一种车辆的变道控制系统、控制方法 | |
CN114550474B (zh) | 一种横向规划约束确定方法及装置 | |
JP2018088060A (ja) | 自動運転装置 | |
JP2021024423A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN112783149B (zh) | 具有分布式传感器架构以及嵌入式处理的智能车辆 | |
JP2023030147A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP7194224B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP7308880B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US20230053243A1 (en) | Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles | |
JP7141421B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP2022126341A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP2022142264A (ja) | 移動体制御システム、移動体制御方法、およびプログラム | |
JP7228549B2 (ja) | 制御装置、制御方法、およびプログラム | |
JP7433205B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US11495029B2 (en) | Estimation device, estimation method, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |