CN107346137A - 车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据 - Google Patents

车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据 Download PDF

Info

Publication number
CN107346137A
CN107346137A CN201710311658.8A CN201710311658A CN107346137A CN 107346137 A CN107346137 A CN 107346137A CN 201710311658 A CN201710311658 A CN 201710311658A CN 107346137 A CN107346137 A CN 107346137A
Authority
CN
China
Prior art keywords
route
vehicle
data
road
cost
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.)
Granted
Application number
CN201710311658.8A
Other languages
English (en)
Other versions
CN107346137B (zh
Inventor
布莱特·史蒂芬斯
乔恩·托马斯·马伦
谢恩·埃尔沃特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN107346137A publication Critical patent/CN107346137A/zh
Application granted granted Critical
Publication of CN107346137B publication Critical patent/CN107346137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种用于规划车辆路线的方法包括基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线的路线成本。该方法包括基于路线成本来选择一个或多个潜在驾驶路线中的路线。该方法包括向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于路线的信息。

Description

车辆的基于网络的存储器和用于优化车辆路线规划的基础设 施数据
技术领域
本公开总体上涉及用于车辆优化的方法、系统和装置，并且更具体地涉及车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据。
背景技术
在机动车和运输行业中正在进行相当大的工作来开发、部署和启用能够在没有人类输入的情况下自己驾驶或能够向人类驾驶员提供辅助的车辆。驾驶员辅助系统通常包括能够或将能够向人类驾驶员提供辅助(诸如避免与其他对象(例如行人、其他车辆或道路杂物)的撞击、驾驶通知或辅助执行转弯、停车或其他操纵)的包括特征的系统。然而，申请人已经认识到，由于驾驶环境的巨大差异(包括驾驶基础设施的变化、道路材质、车道标线、其他车辆、行人或骑自行车者的存在等)，自动驾驶或辅助驾驶对于开发稳健且安全的交通工具提出了相当大的挑战。
发明内容
根据本发明，提供一种方法，包含：
基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本；
基于路线成本选择一个或多个潜在驾驶路线中的路线；和
向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于路线的信息。
根据本发明的一个实施例，方法进一步包含基于聚合的驾驶数据而针对自动驾驶特征或驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中，其中确定路线成本包含基于针对多个道路路段的可靠的类别或不可靠的类别进行确定。
根据本发明的一个实施例，方法进一步包含：基于聚合的驾驶数据来确定多个潜在驾驶路线中的每一个中道路的至少一个路段的自动驾驶特征或驾驶员辅助特征的可靠性，其中确定路线成本包含基于可靠性进行确定。
根据本发明的一个实施例，确定路线成本包含基于车辆的感测系统、控制系统或车辆类型中的一个或多个进行确定。
根据本发明的一个实施例，方法进一步包含在车辆到达沿路线的一位置之前，将对应于该位置的聚合的数据提供给车辆的驾驶员、自动驾驶系统或驾驶员辅助系统。
根据本发明的一个实施例，方法进一步包含从远离车辆的存储器检索聚合的驾驶数据。
根据本发明的一个实施例，确定路线成本、选择路线以及提供关于路线的信息包含由车辆的控制系统进行确定、选择和提供，其中方法进一步包含提供沿路线的自动驾驶或驾驶员辅助。
根据本发明的一个实施例，确定路线成本、选择路线以及提供关于路线的信息包含由远离车辆的系统进行确定、选择和提供，方法进一步包含从多个数据源接收驾驶数据并且将来自多个数据源的驾驶数据组合以创建聚合的驾驶数据。
根据本发明的一个实施例，聚合的驾驶数据包含关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人存在的指示、道路曲率或道路的路段的事故历史中的一个或多个的信息。
根据本发明，提供一种系统，包含：
成本部件，该成本部件配置为基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本；
选择部件，该选择部件配置为基于路线成本来选择一个或多个潜在驾驶路线中的路线；和
通知部件，该通知部件配置为向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于路线的信息。
根据本发明的一个实施例，系统进一步包含分类部件，该分类部件配置为基于聚合的驾驶数据针对自动驾驶特征或驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中，其中成本部件配置为基于针对多个道路路段的可靠的类别或不可靠的类别来确定路线成本。
根据本发明的一个实施例，系统进一步包含分类部件，该分类部件配置为基于聚合的驾驶数据来确定多个潜在驾驶路线中的每一个中的道路的至少一个路段的自动驾驶特征或驾驶员辅助特征的可靠性，其中成本部件配置为基于可靠性来确定路线成本。
根据本发明的一个实施例，成本部件配置为基于车辆的感测系统、控制系统或车辆类型中的一个或多个来确定路线成本。
根据本发明的一个实施例，系统进一步包含数据部件，该数据部件配置为在车辆到达沿路线的一位置之前，将对应于该位置的聚合数据提供给车辆的驾驶员、自动驾驶系统或驾驶员辅助系统。
根据本发明的一个实施例，系统包含车辆的控制系统，其中控制系统配置为提供沿路线的自动驾驶或驾驶员辅助。
根据本发明，提供一种存储指令的计算机可读存储介质，指令在由一个或多个处理器执行时使处理器：
基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本；
基于路线成本来选择一个或多个潜在驾驶路线中的路线；和
向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于路线的信息。
根据本发明的一个实施例，指令进一步使处理器基于聚合的驾驶数据而针对自动驾驶特征或驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中，其中确定路线成本包含基于针对多个道路路段的可靠的类别或不可靠的类别进行确定。
根据本发明的一个实施例，指令进一步使处理器基于聚合的驾驶数据来确定多个潜在驾驶路线中的每一个中的道路的至少一个路段的自动驾驶特征或驾驶员辅助特征的可靠性，其中确定路线成本包含基于可靠性进行确定。
根据本发明的一个实施例，指令进一步使处理器基于车辆的感测系统、控制系统或车辆类型中的一个或多个来确定路线成本。
根据本发明的一个实施例，指令进一步使处理器在车辆到达沿路线的一位置之前向车辆的驾驶员、自动驾驶系统或驾驶员辅助系统提供对应于该位置的聚合的数据。
附图说明
参照附图描述本公开的非限制性和非穷尽性实施方式，其中除非另有说明，相同的附图标记表示各种视图中的相似部分。关于以下描述和附图将更好地理解本公开的优点，其中：
图1是示出了根据一个实施方式的用于优化车辆路线规划、优化辅助驾驶或优化自动驾驶的系统的示意性框图；
图2是示出了根据一个实施方式的包括自动驾驶/辅助系统的车辆控制系统的实施方式的示意性框图；
图3是示出了根据一个实施方式的用于规划车辆路线的数据流和处理的示意性数据流程图；
图4示出了根据一个实施方式的车辆的当前位置和目标目的地附近的道路的地图；
图5A和5B是根据一个实施方式的示例车道标线的俯视图；
图6是示出了根据一个实施方式的路线优化部件的示例部件的示意性框图；和
图7是示出了根据一个实施方式的用于确定车辆的路线的方法的示意性流程图。
具体实施方式
在机动车和运输行业正在进行相当大的工作来开发、部署和启用能够在没有人类输入的情况下自己驾驶或能够向人类驾驶员提供辅助的车辆。自动驾驶系统通常指的是能够或者将能够在很少或没有人类输入的情况下控制车辆进行驾驶的系统。例如，自动驾驶系统可以在不需要用户转向、控制加速或控制制动的情况下将车辆从当前位置驾驶到目的地位置。驾驶员辅助系统通常包括能够或将能够向人类驾驶员提供辅助(诸如避免与其他对象(例如行人、其他车辆或道路杂物)的撞击、驾驶通知或辅助执行转弯、停车或其他操纵)的包括特征的系统。然而，申请人已经认识到，由于驾驶环境的巨大差异(包括驾驶基础设施的变化、道路材质、车道标线、其他车辆、行人或骑自行车者的存在等)，自动驾驶或辅助驾驶对于开发稳健且安全的交通工具提出了相当大的挑战。
此外，申请人已经认识到，一些自动驾驶特征或辅助驾驶特征在某些环境中比在其它环境中更稳健地执行。例如，一些自动驾驶特征或辅助驾驶特征可以取决于构建在道路中的基础设施、高质量车道标线、平滑的路面、或道路或驾驶环境的任何其他特征，以稳健或安全的方式执行。此外，一些自动驾驶特征可能需要相对较少的人类驾驶员、骑自行车者或行人的环境。
鉴于上述情况，本公开公开了能够优化车辆驾驶(包括车辆路线规划的优化)的系统、方法和装置。根据一个实施例，一种用于规划车辆路线的方法包括基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线的路线成本。该方法包括基于路线成本来选择一个或多个潜在驾驶路线中的路线。该方法还包括向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于路线的信息。
一个示例辅助驾驶特征在满足某些条件时提供横向和纵向控制。这些条件可以包括但不限于道路车道标线/道路车道线质量、车道存在(例如，车辆在哪个车道中)以及道路曲率。向驾驶员提供辅助驾驶特征所需的条件可能是动态的，因为它们可能因驾驶环境而不同。所需条件可能取决于车辆本身(包括任何控制系统或传感器)及车辆周围的环境或基础设施。如果在完成路线之前提供驾驶员或驾驶系统对这些车辆和基础设施条件的预览，则驾驶员辅助特征可能能够以更加稳健的方式执行。例如，驾驶员或驾驶系统可能能够选择可以提供更可靠的自动驾驶特征或驾驶员辅助特征的路线。
根据一个实施例，来自大量车辆或其他数据源的驾驶数据被存储在连接的车辆中并被上传到网络。例如，车辆可以使用车辆传感器获得关于驾驶环境的数据，并将该数据或任何派生数据上传到云存储位置。用户可以使用连接的设备(如车辆、计算系统、智能手机等)通过网络访问云存储位置，并将相关数据下载到车辆。数据可以本地存储在车辆的地图数据库中，并且可以针对数据运行路线规划算法，以便优化沿着相关路线的车辆行为。
此外，通过执行驾驶员辅助或自动驾驶特征，可以存在各种道路，道路的特征的可用性是稀疏的、不一致的或不存在的。例如，一些导航算法基于最短距离、最短时间或一些其他最低的启发式成本来选择路线。申请人已经认识到，基于驾驶员辅助可用性来选择路线可能会有相当大的好处。在一个实施例中，导航系统或导航软件提供在创建路线时考虑驾驶员辅助特征或自动驾驶特征可用性的路线规划。
根据一个示例实施例，车道线或车道标线质量对于辅助驾驶特征或自动驾驶特征可能是重要的。地图数据库或驾驶历史数据库可以存储车道线质量的一些度量。例如，车道线/车道标线质量可以由车辆本地存储，或者可以作为聚合的数据的一部分上传用于存储。地图数据库和/或驾驶历史数据库可以是基于云的、在制造时加载到车辆上、和/或基于探测器或传感器数据由车辆创建和更新。使用地图或驾驶历史数据库，可以执行基于最低成本来评估和优先排序路线的路线规划算法。与车道线质量相关的示例成本术语是：
其中Q∈{0,1}是车道质量的布尔(Boolean)度量(0表示不良车道质量，1表示良好车道质量)。在一个实施例中，地图数据库或驾驶历史数据库可以包括道路车道线质量之外的度量，例如道路曲率、道路车道线几何形状、道路车道线/标记类型(诸如单线、双线、虚线、反光面或其他车道标记类型的指示)和/或道路车道线/标记颜色(例如白色、黄色或其他颜色)。在一个实施例中，路线规划算法(routing algorithm)可以在优先排序路线时考虑这些附加度量或其他度量。例如，路线规划算法可以考虑诸如最短距离、最短行驶时间、交通状况等的其他成本，以便基于各种成本因子找到最佳的全能路线。在一个实施例中，用于路线规划目的的车道线质量成本的确定可以是考虑天气和交通的动态功能。例如，基于一天中的时间或天气条件，某些类型的车道标记通过车辆传感器或多或少可以是可见的/可检测的。
现在参照附图，图1是示出了用于优化车辆路线规划和/或优化辅助驾驶和/或自动驾驶特征的性能的系统100的框图。系统100包括聚合服务器102以及能够通过网络108与聚合服务器102通信的多个车辆104和一个或多个其他数据源106。聚合服务器102包括聚合部件110，并且还可以包括路线优化部件112。
聚合部件110可以聚合从车辆104和一个或多个其他数据源106接收的驾驶数据或其他数据。例如，聚合服务器102可以接收来自车辆104或其他数据源106的基础设施数据、驾驶环境数据和/或交通数据。所接收的数据可以包括关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人的存在的指示、道路曲率或事故历史的信息。聚合部件110可以组合所接收的数据以在数据存储器114内生成聚合数据。
路线优化部件112可以访问数据存储器114中的聚合数据，以优化路线或将聚合的数据提供给一个或多个车辆104。例如，车辆104可以使用聚合的数据来向驾驶员或控制系统116提供关于未来驾驶路径的信息以优化车辆104的驾驶。车辆104还可以累积驾驶数据(包括关于道路或驾驶环境的任何信息)，并且将累积的驾驶数据发送到聚合服务器102以用于存储或聚合。其他数据源106还可以将用于聚合的数据上传到聚合服务器102。其他数据源106可以包括用于基础设施(例如交通摄像机、车辆或交通传感器、气象传感器等)的系统或传感器。在一个实施例中，路线优化部件112可以基于自动驾驶或辅助驾驶是否将可用于车辆来确定对驾驶路线进行优先排序的驾驶路线规划。在一个实施例中，路线优化部件112可以位于车辆104的一个或多个内，诸如车辆的控制系统116内。例如，路线优化部件112可以在车辆104上本地操作，并将存储在数据存储器114中的聚合的数据与本地存储在车辆104上的驾驶历史数据和/或地图数据结合使用。
图2示出了可用于向车辆(例如图1的车辆104)提供自动或辅助驾驶的示例车辆控制系统116，包括一个或多个自动驾驶特征或辅助驾驶特征。车辆控制系统116可以包括自动驾驶/辅助系统202。自动驾驶/辅助系统202可用于车辆的自动操作或控制操作或者向人类驾驶员提供辅助。例如，自动驾驶/辅助系统202可以控制车辆的制动、转向、加速、灯、警报、驾驶员通知、无线电或任何其他辅助系统中的一个或多个。在另一示例中，自动驾驶/辅助系统202可能不能提供对驾驶(例如，转向、加速或制动)的任何控制，但是可以提供通知和警报以辅助人类驾驶者安全地行驶。自动驾驶/辅助系统202可以包括路线优化部件112，该路线优化部件112可用于确定自动驾驶或驾驶辅助特征将可靠地运行的路线。例如，路线优化部件112可以使车辆沿着公路或道路被规划路线，在该公路或道路中，高质量车道标线是可用的，使得它们将被车辆控制系统116的一个或多个传感器容易地检测，从而提高了自动驾驶特征或辅助驾驶特征的可靠性。
车辆控制系统116还可以包括一个或多个传感器系统/装置，以用于检测附近对象、车道标记的存在，和/或以用于确定母车辆(例如，包括车辆控制系统116的车辆)的位置。例如，车辆控制系统116可以包括一个或多个雷达系统206、一个或多个激光雷达系统208、一个或多个摄像机系统210、全球定位系统(GPS)212和/或一个或多个超声系统214。车辆控制系统116可以包括数据存储器216，该数据存储器216用于存储用于导航和安全的相关的或有用的数据，例如地图数据、驾驶历史或其他数据。车辆控制系统116还可以包括用于与移动或无线网络、其他车辆、基础设施或任何其他通信系统(诸如图1的聚合服务器102)无线通信的收发器218。
车辆控制系统116可以包括车辆控制致动器220，以控制诸如电动马达、开关或其他致动器的车辆的驾驶的各个方面，以控制制动、加速、转向等。车辆控制系统116可以包括一个或多个显示器222、扬声器224或其他设备，使得可以向人类驾驶员或乘客提供通知。显示器222可以包括可以由车辆的驾驶员或乘客看到的抬头显示器、仪表板显示器或指示器、显示屏幕或任何其它视觉指示器。扬声器224可以包括车辆的声音系统的一个或多个扬声器，或者可以包括专用于驾驶员通知的扬声器。
应当理解的是，图1和图2的实施例仅作为示例给出。在不脱离本公开的范围的情况下，其他实施例可以包括较少的或附加的部件。另外，所示的部件可以组合或包括在其他部件中而不限于此。
在一个实施例中，自动驾驶/辅助系统202配置为控制母车辆的驾驶或导航。例如，自动驾驶/辅助系统202可以控制车辆控制致动器220以在道路、停车场、私家车道或其他位置的车道内的路径上驾驶。例如，自动驾驶/辅助系统202可以基于由部件206-218中的任一个提供的信息或感知数据来确定路径。传感器系统/设备206-214可用于获得实时传感器数据，使得自动驾驶/辅助系统202可以实时地辅助驾驶员或驾驶车辆。
在一个实施例中，摄像机系统210可以包括多个摄像机。例如，摄像机系统210可以包括面向不同方向以为车辆附近或周围的区域提供不同的视野和不同的视场的摄像机。类似地，雷达系统206、激光雷达系统208和/或超声系统214可以包括从车辆周围的不同方向获得数据以提供关于母车辆周围环境的详细的信息的多个传感器。在一个实施例中，该数据可以诸如通过一个或多个聚合服务器102被上传用于远程存储。
图3是示出了根据一个实施例的数据流和处理的数据流程图300。使用用户界面302，用户可以提供用于导航到目的地的请求。可以将用户请求提供给路线规划算法304。路线规划算法304生成数据库查询以获得关于当前位置和目的地之间的一个或多个路线的数据。数据库查询被发送到地图数据库306。地图数据库向路线规划算法304提供所请求的数据，路线规划算法304生成优化的路线并将优化的路线发送到用户界面302。例如，优化的路线可以包括最小化包括距离成本、时间成本、驾驶员辅助特征或自动驾驶特征的可靠性成本等中的一个或多个的成本的优化的路线。例如，在沿着驾驶员辅助特征或自动驾驶特征将是可靠的这样的道路来规划车辆/用户路线时优化的路线可以提供短的行驶时间。
地图数据库306包括由来自一个或多个车辆的车辆传感器生成的车辆数据以及来自诸如基础设施传感器的传感器或图1的其他数据源106的基础设施/环境数据。地图数据库306可以将数据上传到聚合网络308和/或从聚合网络308下载数据。聚合网络308可以包括一个或多个聚合服务器102。例如，地图数据库306可以位于车辆内并且可以与聚合网络共享所收集到的车辆或基础设施数据，使得其他车辆可以访问和使用该数据。类似地，地图数据库306还可以从聚合网络下载数据以利用基于大量贡献车辆或数据源已经聚合的数据。例如，地图数据库306可以维护由聚合网络308存储的关于车辆附近的区域或者沿着车辆将要行驶的路线的聚合的数据的同步副本。聚合的数据可以与其他地图数据或驾驶历史数据一起存储以供路线规划算法304使用。
在一个实施例中，用户可以使用连接的设备310访问聚合网络308以查看聚合的数据和/或确定哪些驾驶路线可用于自动驾驶或辅助驾驶。例如，用户可以预先计划路线，使得辅助驾驶特征或自动驾驶特征是可用的。
图4示出了车辆的当前位置402附近的道路的地图400。例如，地图400可以示出车辆附近的在车辆可访问的电子地图中找到的道路。车辆的当前位置402可以从全球导航卫星系统(GNSS)接收机——诸如安装在车辆中的全球定位系统(GPS)接收机、纳洛纳斯(GLONASS)接收机、伽利略(Galilleo)或北斗系统——获得。
使用当前位置402、预测的路径和/或来自用户的导航到特定目的地的请求，路线优化部件112可以基于关于地图400上的道路的路段的数据来确定到目标目的地408的路线。例如，第一道路路段404可以是第一潜在路线的一部分，并且第二道路路段406可以是第二潜在路线的一部分。路线优化部件112可以确定第一道路路段404和第二道路路段406的一个或多个属性。例如，第一道路路段404可以包括低质量的车道标线，并且可以包括驾驶环境，该驾驶环境包括大量行人(例如，第一道路路段404可能经过学校)。第二道路路段406可以包括高质量的车道标线和少数行人或骑自行车者。
在一个实施例中，路线优化部件112可以计算路线的成本，包括指示在路线上可能执行的驾驶辅助特征或自动驾驶特征的可靠性或稳健性的成本。例如，第一道路路段404可以具有更高的成本，因为驾驶员辅助特征可能不能够稳健地操作，而第二道路路段406可以具有较低的或零成本，因为驾驶员辅助特征将可能稳健地操作，或者因为自动驾驶可以是可用的。通过确定在当前位置402和目标目的地408之间的潜在路线中的道路的每个路段的成本，路线优化部件112可以选择最低成本路线或允许在自动驾驶特征或辅助驾驶特征不可用时花费最小时间量的路线。例如，路线优化部件112可以选择包括第二道路路段406的路线，即使第二道路路段406是更长的整体路线的一部分。例如，所选择的路线可以更长，但不要太长，以便平衡路线上可用的自动驾驶或驾驶员辅助的降低的成本。
在一个实施例中，路线优化部件112可以从驾驶历史、电子地图或任何其它源获得来自不同道路路段的属性。例如，路线优化部件112可以获得从图3的地图数据库306可用的任何数据或存储在图1的数据存储器114中的聚合的数据。示例数据可以包括关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人的存在的指示、道路曲率或道路的路段的事故历史的信息。路线优化部件112还可以考虑包括当前天气、最短行驶时间、最短距离等的路线成本中的其他因子。
图5A和5B示出了示例车道标线质量。图5A示出了高质量车道标线502的俯视图。例如，车道标线502具有清晰的边界、直线和锐角，从而为自动驾驶系统或驾驶员辅助系统提供高质量。车道标线502还可以具有相对于路面的高对比度、良好限定的几何形状以及允许其被自动驾驶系统或驾驶员辅助系统容易地检测到的厚度。图5B示出了低质量车道标线504的俯视图。例如，车道标线504可能具有丢失或磨损的油漆，可以主要包含薄的宽度，或者对于自动驾驶系统或驾驶员辅助系统来说原本困难的检测。在类似于图5A中的车道标线502的高质量的车道标线所在的道路上行驶的车辆可以存储道路具有高质量车道标线502的指示，并且可以将高车道标线质量的指示上传到网络位置以存储为聚合的数据，这些聚合的数据随后可以被其他车辆访问。在类似于图5B中的车道标线504的低质量的车道标线所在的道路上行驶的车辆可以存储道路具有低质量车道标线502的指示，并且可以将低车道标线质量的指示上传到网络位置以存储为聚合的数据，这些聚合的数据随后可以被其他车辆访问。作为另一示例，车辆还可以检测何时不存在车道标线，或者何时车道标线仅包括反射车道标线。例如，当没有车道标线或仅包括反射车道标线时，一些自动驾驶系统或驾驶员辅助系统可能不能够稳健地操作。
除了存储车道标线质量的指示之外，车辆还可以存储车道标线类型(涂漆线和/或反光面)、车道标线颜色、车道标线几何形状等的指示。车辆还可以存储针对不同天气或一天中的时间条件的车道标线可见/可检测程度的指示。例如，一些车道线在好天气或白天时间可能是可见的，但在恶劣的天气或夜间时间可能难以发现。车辆还可以存储道路曲率、道路的陡度、道路颠簸、当前一天中的时间的交通等级或关于道路或驾驶环境的任何其他信息的指示。该信息可以在本地存储和/或可以被上传以存储在可经由通信网络访问的远程位置。
图6是示出了根据一个实施方式的路线优化部件112的示例部件的框图。在所描绘的实施例中，路线优化部件112可以包含路线部件602、数据部件604、分类部件606、成本部件608、选择部件610和通知部件612。部件602-612仅作为说明提供，并且可以并非所有都包括在所有实施例中。事实上，一些实施例可以仅包括部件602-612中的两个或更多个的一个或任何组合。此外，部件602-612中的一些可以位于路线优化部件112的外部，例如在自动驾驶/辅助系统202或聚合服务器102内。
路线部件602配置为识别车辆的当前位置和目的地之间的一个或多个驾驶路线。例如，路线部件602可以接收用于车辆的目标目的地(诸如由用户或人类驾驶员指示的目标目的地、或者由路线预测或目的地预测算法预测的目标目的地)的指示。路线部件602还可以接收由诸如图2的212的GPS系统或其他定位系统确定的车辆的当前位置的指示。在一个实施例中，路线部件602可以识别在最短距离路线或最短驾驶时间路线的百分比距离或时间内提供驾驶距离或驾驶时间的两个或更多个驾驶路线。
数据部件604配置为获得当前位置和目标目的地之间的道路的一个或多个路段的道路数据或驾驶环境数据。例如，数据部件604可以获得由路线部件602识别的一个或多个驾驶路线内的道路的每个路段的数据。数据部件604可以从本地地图数据库和/或从存储来自多个车辆或数据源的聚合的数据的远程存储器位置获得数据。在一个实施例中，数据部件可以获得关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人的存在的指示、道路曲率、或者在潜在驾驶路线内或者道路的路段附近的道路的每个路段的事故历史的信息。信息还可以包括关于道路类型(例如，州际公路、公路、城市道路等)的信息以及关于速度限制的信息。在一个实施例中，如果道路的一路段没有对应的数据，则数据部件604可以用默认值或者用归因于道路类型的最差可能值来填充属性。
在一个实施例中，数据部件604向控制系统、驾驶员或车辆的其他部分提供关于道路或驾驶环境的数据以优化驾驶。例如，数据部件604可以在车辆到达沿着路线的一位置之前向车辆的驾驶员、自动驾驶系统或驾驶员辅助系统提供对应于该位置的聚合的数据，以为车辆准备在该位置的驾驶条件或开始准备通过该位置的驾驶路线。在一个实施例中，数据部件604将数据提供给路线优化部件112的其他部件，以确定道路上辅助驾驶特征或自动驾驶特征将可用或不可用的路段。
在一个实施例中，由数据部件604获得的数据可以包括关于车道标线的信息。例如，数据部件604可以获得在一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示。车道标线质量的指示可以包括车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个。该信息可以由路线优化部件112用于确定特定的辅助驾驶特征或自动驾驶特征将可用的位置。
分类部件606配置为确定车辆的自动驾驶特征或辅助驾驶特征对于道路的特定路段是否能够稳健地操作。例如，分类部件606可以基于由路线部件602和/或数据部件604获得的数据来确定操作是否可能是可靠的。在一个实施例中，分类部件606配置为针对车辆的一个或多个自动驾驶特征或驾驶员辅助特征将道路的路段分类为可靠的(可靠的类别)或不可靠的(不可靠的类别)。在一个实施例中，分类部件606对于道路的一路段可以确定自动驾驶特征或驾驶员辅助特征的可靠性。例如，特征的可靠性可以在排名系统内评价以提供指示特征是否高度可靠的数字(例如从1到10的值)或其他值。
分类部件606可以使用由聚合服务器聚合的数据或由车辆存储的本地数据。分类部件606还可以使用关于车辆(例如车辆类型)的数据、关于车辆的感测系统的信息或关于车辆的控制系统的信息，以确定分类。例如，一些感测系统可能能够比其他传感系统更可靠地检测环境条件。类似地，一些控制系统或车辆可能能够在不同的环境或驾驶条件下更可靠地操作。作为另一个示例，可靠性还可以基于人类驾驶员以及他们喜欢如何驾驶以及他们希望避免哪些条件。因此，由分类部件606确定的可靠性可以是车辆和/或车辆驾驶员所特有的。
成本部件608配置为确定由路线部件602识别的路线中的每一个和/或由分类部件606确定的可靠性或类别的路线成本。例如，成本部件608可以基于聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的路线的路线成本。成本部件608可以基于车辆的感测系统、控制系统和/或车辆类型来确定路线成本。成本部件608可以基于预测的特征可靠性(基于聚合的或本地数据)结合任何其他路线成本来确定路线成本。其他路线成本的示例包括当前交通条件、当前天气条件、路线总驾驶时间、路线总距离等。在一个实施例中，成本部件608可以确定道路的每个路段的特征可靠性成本，并且求和那些成本以计算整个路线的整体特征可靠性成本。在一个实施例中，道路的路段或路线的特征可靠性成本可以取决于当前天气或当前交通量。
在一个实施例中，成本部件608可以基于车道标线(例如它们的存在或不存在或质量)来确定路线成本。例如，本地存储器或远程存储器可以包括车道标线质量、车道标线几何形状、车道标线类型、车道标线颜色和/或车道标线类型(例如，涂漆线或反光面)的指示。在一个实施例中，成本部件608可以基于通过计算沿着相应路线的道路的每个路段的车道标线质量的函数的和来确定路线成本。成本部件608可以基于由数据部件604获得的数据和/或由分类部件606提供的分类或可靠性来确定道路的路段是否具有良好的车道标线质量。在一个实施例中，成本部件608可以确定沿着路线的道路的路段的车道标线是否可以通过自动驾驶系统或驾驶员辅助系统检测。如果不能检测到车道标线，则由于没有大体上增加其他路线成本，自动驾驶或辅助驾驶特征可能是不可用的，并且可能希望避免这些区域。在一个实施例中，路线成本部件608基于从路线内的道路的路段的本地或远程存储器获得的车道标识质量的指示来确定路线成本。
成本部件608可以确定包括多个不同成本因子的成本的加权总和或加权乘积(使用乘法项)的路线的总路线成本。例如，总路线成本可以通过将特征可靠性成本、距离成本、行驶时间成本或任何其他成本相加或相乘在一起来计算。总路线成本中的每个成本可以包括它所乘以的加权因子，以便应用适当的加权。例如，驾驶员或乘客可能不希望采用具有高特征可靠性以及两小时更长行驶时间的路线。加权因子可以在不同成本如何影响路线的总成本的情况下提供平衡，以便可以选择适当的路线。
选择部件610配置为基于由成本部件608确定的路线成本来选择路线。例如，选择部件610可以基于具有所有潜在路线的最低路线成本的路线从一个或多个潜在路线来选择路线。在一个实施例中，选择部件610可以选择具有高车道标线质量的最高百分比的道路的路线。在一个实施例中，选择部件610可以从用户接收用于哪个路线被选择的指示。例如，通知部件612可以向用户呈现一个或多个潜在路线及其相关联的路线成本。用户可能能够查看潜在路线，并选择其中一个路线来遵循。例如，用户可以决定他们想要一个路线，其中自动驾驶特征或辅助驾驶特征可用于整个路线或路线中的大部分。用户可以提供使自动驾驶特征或辅助驾驶特征的可用性(例如，可靠性)最大化的路线的选择，并且选择部件610可以选择用于在当前位置和目标目的地之间行驶的那个路线。
通知部件612配置为向人类用户或车辆的控制系统提供关于所选的路线或一个或多个潜在驾驶路线的信息。例如，通知部件612可以提供具有突出显示的或以其他方式识别的所选的路线的地图视图。通知部件612还可以为未选择的路线提供突出显示或其他识别信息，然后这些未选择的路线可以由驾驶员或乘客选择和/或查看。例如，驾驶员或乘客可以逐个查看每个路线，以确定用户最喜欢哪个路线。然后，用户可以选择该路线并开始导航到目标目的地。在一个实施例中，通知部件可以向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于所选的路线的信息以遵循该路线。例如，导航系统可以向人类驾驶员提供关于如何遵循该路线的指令，或者可以向控制系统或自动驾驶系统提供关于如何遵循该路线的指令。
路线优化部件112可以基于路线上自动或辅助驾驶特征是否可用来允许路线规划。如图1和图2中的虚线所示，路线优化部件112可以位于车辆本地或远离车辆。例如，如果路线优化部件112位于车辆中或与车辆一起定位，则可以在本地或远程地存储地图数据或聚合的数据，并且路线优化部件112可以获得该数据并且在本地确定路线。作为另一示例，如果路线优化部件112远离车辆(例如，在聚合服务器102处)而设置，则可以在本地或远程地存储数据，并且路线优化部件112可以获得该数据并且远程地确定路线，并且将路线细节发送到车辆以用于导航。
现在参照图7，示出了用于规划车辆路线的方法700的示意性流程图。方法700可以由路线优化部件、控制系统或聚合服务器来执行，例如图1、图2或图6中的任一个所示的路线优化部件112、图1或图2中的任一个所示的控制系统116、或图1中所示的聚合服务器102。
方法700开始，并且在702，成本部件608基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本。在704，选择部件610基于路线成本选择一个或多个潜在驾驶路线中的路线。在706，通知部件612向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于该路线的信息。
示例
以下示例涉及另外的实施例。
示例1是一种方法，该方法包括基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本。该方法包括基于路线成本来选择一个或多个潜在驾驶路线中的路线。该方法包括向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于路线的信息。
在示例2中，示例1的方法还包括基于聚合的驾驶数据而针对自动驾驶特征或驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中。确定路线成本包括基于针对多个道路路段的可靠的类别或不可靠的类别进行确定。
在示例3中，示例1-2中任一示例中的方法还包括基于聚合的驾驶数据确定多个潜在驾驶路线中的每一个中的道路的至少一个路段的自动驾驶特征或驾驶员辅助特征的可靠性。确定路线成本包括基于可靠性进行确定。
在示例4中，确定示例1-4中任一示例中的路线成本包括基于车辆的感测系统、控制系统或车辆类型中的一个或多个进行确定。
在示例5中，示例1-4中任一示例中的方法还包括在车辆到达沿着路线的一位置之前向车辆的驾驶员、自动驾驶系统或驾驶员辅助系统提供对应于该位置的聚合的数据。
在示例6中，示例1-5中任一示例中的方法还包括从远离车辆的存储器中检索聚合的驾驶数据。
在示例7中，确定路线成本、选择路线以及提供关于示例1-6中任一示例中的路线的信息包括由车辆的控制系统进行确定、选择和提供，其中该方法还包括提供沿该路线的自动驾驶或驾驶员辅助。
在示例8中，确定路线成本、选择路线以及提供关于示例1-7中任一示例中的路线的信息包括由远离车辆的系统进行确定、选择和提供。该方法还包括从多个数据源接收驾驶数据并将来自多个数据源的驾驶数据组合以创建聚合的驾驶数据。
在示例9中，示例1-8中任一示例中的聚合的驾驶数据包括关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人存在的指示、道路曲率或道路的路段的事故历史中的一个或多个的信息。
示例10是包括成本部件、选择部件和通知部件的系统。成本部件配置为基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本。选择部件配置为基于路线成本来选择一个或多个潜在驾驶路线中的路线。通知部件配置为向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于路线的信息。
在示例11中，示例10中的系统还包括分类部件，该分类部件配置为基于聚合的驾驶数据而针对自动驾驶特征或驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中。成本部件配置为基于针对多个道路路段的可靠的类别或不可靠的类别来确定路线成本。
在示例12中，示例10-11中任一示例中的系统进一步包括分类部件，该分类部件配置为基于聚合的驾驶数据来确定多个潜在驾驶路线中的每一个中的道路的至少一个路段的自动驾驶特征或驾驶员辅助特征的可靠性。成本部件配置为基于可靠性来确定路线成本。
在示例13中，示例10-12中的任一示例中的成本部件配置为基于车辆的感测系统、控制系统或车辆类型中的一个或多个来确定路线成本。
在示例14中，示例10-13中任一示例中的系统还包括数据部件，该数据部件配置为在车辆到达沿着路线的一位置之前，将对应于该位置的聚合的数据提供给车辆的驾驶员、自动驾驶系统或驾驶员辅助系统。
在示例15中，示例10-14中任一示例中的系统包括车辆的控制系统，其中控制系统配置为沿着路线提供自动驾驶或驾驶员辅助。
示例16是存储指令的计算机可读存储介质，指令在由一个或多个处理器执行时使得处理器基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本。该指令使得处理器基于路线成本来选择一个或多个潜在驾驶路线中的路线。该指令使得处理器向驾驶员、自动驾驶系统或驾驶员辅助系统提供有关路线的信息。
在示例17中，示例16中的指令还使得处理器基于聚合的驾驶数据而针对自动驾驶特征或驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中。确定路线成本包括基于针对多个道路路段的可靠的类别或不可靠的类别进行确定。
在示例18中，示例16-17中任一示例中的指令还使得处理器基于聚合的驾驶数据来确定多个潜在驾驶路线中的每一个中的道路的至少一个路段的自动驾驶特征或驾驶员辅助特征的可靠性。确定路线成本包括基于可靠性进行确定。
在示例19中，示例16-18中任一示例中的指令还使得处理器通过基于车辆的感测系统、控制系统或车辆类型中的一个或多个进行确定来确定路线成本。
在示例20中，示例16-19中任一示例中的指令还使得处理器在车辆到达沿路线的一位置之前向车辆的驾驶员、自动驾驶系统或驾驶员辅助系统提供对应于该位置的聚合的数据。
示例21是包括实施如示例1-20中任一示例中的方法、系统或装置的设备的系统或装置。
在上述公开内容中，已经参照了构成其一部分的附图，并且通过图示的方式示出了可以实践本发明的具体实施方式。应当理解的是，在不脱离本公开的范围的情况下，可以使用其他实施方式并且可以进行结构改变。说明书中对“一个实施例(one embodiment)”、“一实施例(an embodiment)”、“示例实施例(example embodiment)”等的参照指出所描述的实施例可以包括特定特征、结构或特性，但是每个实施例可以不必需包括特定特征、结构或特性。此外，这样的短语不一定指代相同的实施例。此外，当结合实施例描述特定特征、结构或特性时，认为在本领域技术人员的知识范围内，无论是否明确描述，都会影响与其他实施例相关的特征、结构或特性。
如在此所使用的，“自主车辆”可以是完全独立于人类驾驶员的行动或操作的车辆；或者可以是在某些情况下独立于人类驾驶员行动或操作的车辆，然而在其他情况下，人类驾驶员可能能够操作车辆；或者可以是主要由驾驶员操作但是在自动驾驶/辅助系统的辅助下的车辆。
在此公开的系统、设备和方法的实现可以包含或利用包括计算机硬件(例如一个或多个处理器和系统存储器)的特殊目的或通用计算机，如在此所讨论的。在本公开的范围内的实施方式还可以包括用于携带或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这样的计算机可读介质可以是可由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(设备)。携带计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本公开的实施方式可以包含至少两种截然不同的计算机可读介质：计算机存储介质(设备)和传输介质。
计算机存储介质(设备)包括RAM(随机存取存储器)、ROM(只读存储器)、EEPROM(电可擦除可编程只读存储器)、CD-ROM(只读光盘驱动器)、固态驱动器(“SSDs”)(例如，基于RAM)、闪存存储器、相变存储器(“PCM”)、其它类型的存储器、其他光盘存储器、磁盘存储器或其他磁存储设备，或可用于以计算机可执行指令或数据结构的形式存储所需的程序代码装置并且可由通用或专用电脑访问的任何其他介质。
在此公开的设备、系统和方法的实施方式可以通过计算机网络进行通信。“网络”被定义为使得能够在计算机系统和/或模块和/或其他电子设备之间传送电子数据的一个或多个数据链路。当信息通过网络或其他通信连接(硬连线、无线或硬连线或无线的组合)传输或提供给计算机时，计算机将连接正确地视为传输介质。传输介质可以包括网络和/或数据链路，其可用于以计算机可执行指令或数据结构的形式携带所需的程序代码装置，并且可由通用或专用计算机访问。上述的组合也应包括在计算机可读介质的范围内。
计算机可执行指令包含例如在处理器执行时使通用计算机、专用计算机或专用处理装置执行某一功能或一组功能的指令和数据。计算机可执行指令可以是例如二进制文件、诸如汇编语言的中间格式指令、甚至是源代码。虽然主题已经用特定于结构特征和/或方法行为的语言描述，但是应当理解的是，所附权利要求中限定的主题不一定限于上述所描述的特征或行为。相反，所描述的特征和行为被公开为实现权利要求的示例形式。
本领域技术人员将理解的是，本公开可以在具有许多类型的计算机系统结构(包括车载计算机、个人计算机、台式计算机、便携式电脑、消息处理器、掌上设备、多处理器系统、基于微处理器或可编程消费电子产品、网络个人电脑(PC)、小型计算机、大型计算机、移动电话、个人数字助理(PDA)、平板电脑、寻呼机、路由器、交换机、各种存储设备等)的网络计算环境中实施。本公开还可以在分布式系统环境中实施，其中通过网络(通过硬连线数据链路、无线数据链路，或通过硬连线和无线数据链路的组合)连接的本地和远程计算机系统都执行任务。在分布式系统环境中，程序模块可能位于本地和远程存储设备二者中。
此外，在适当的情况下，可以在硬件、软件、固件、数字部件或模拟部件中的一个或多个中执行在此所描述的功能。例如，一个或多个专用集成电路(ASICs)可以被编程为执行在此所述的一个或多个系统和过程。在整个描述和权利要求中使用某些术语来指代特定的系统部件。如本领域技术人员将理解的，部件可以由不同的名称指代。本文档不旨在区分名称而非功能不同的部件。
应当注意的是，上述传感器示例可以包含计算机硬件、软件、固件或其任何组合，以执行它们功能的至少一路段。例如，传感器可以包括配置为在一个或多个处理器中执行的计算机代码，并且可以包括由计算机代码控制的硬件逻辑/电路。这些示例装置在此用于说明的目的而提供，并不旨在限制。本公开的示例可以在相关领域的技术人员已知的更多类型的设备中实现。
本公开的至少一些示例已经针对包含(例如，以软件的形式)存储在任何计算机可用介质上的逻辑的计算机程序产品。当在一个或多个数据处理设备中执行时，这样的软件使得设备如在此所述地操作。
虽然上面已经描述了本公开的各种示例，但是应当理解的是，它们仅仅是作为示例而不是限制来呈现的。对于相关领域的技术人员显而易见的是，在不脱离本公开的精神和范围的情况下，可以在形式和细节上进行各种改变。因此，本公开的宽度和范围不应由上述示例性示例中的任何一个限制，而应当仅根据所附权利要求及其等同物来限定。为了说明和描述的目的，呈现了前述描述。这并不旨在是穷举的，也不是将本公开限制为所公开的精确形式。根据上述教导，许多修改和变化是可能的。此外，应当注意的是，上述替代实施方式中的任何或全部可以被用于期望形成本公开的附加的混合实施方式的任何组合。
此外，虽然已经描述并示出了本公开的具体实施方式，但是本公开不限于如此描述和示出的部件的具体形式或布置。本公开的范围由所附权利要求、在此和不同应用中提出的任何将来的权利要求及其等同物来限定。

Claims (15)

1.一种方法，包含：
基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线的路线成本；
基于所述路线成本选择一个或多个所述潜在驾驶路线中的路线；和
向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于所述路线的信息。
2.根据权利要求1所述的方法，进一步包含以下中的一个或多个：
基于所述聚合的驾驶数据而针对所述自动驾驶特征或所述驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中，其中确定所述路线成本包含基于针对所述多个道路路段的所述可靠的类别或所述不可靠的类别进行确定；或者
基于所述聚合的驾驶数据来确定针对所述多个潜在驾驶路线中的每一个中的道路的至少一个路段的所述自动驾驶特征或所述驾驶员辅助特征的可靠性，其中确定所述路线成本包含基于所述可靠性进行确定。
3.根据权利要求1-2中任一项所述的方法，其中确定所述路线成本包含基于所述车辆的感测系统、控制系统或车辆类型中的一个或多个进行确定。
4.根据权利要求1-3中任一项所述的方法，进一步包含以下中的一个或多个：
在所述车辆到达沿所述路线的一位置之前，将对应于所述位置的所述聚合的数据提供给所述车辆的所述驾驶员、所述自动驾驶系统或所述驾驶员辅助系统；和
从远离所述车辆的存储器检索所述聚合的驾驶数据。
5.根据权利要求1-4中任一项所述的方法，其中确定所述路线成本、选择所述路线以及提供关于所述路线的信息包含由所述车辆的控制系统进行确定、选择和提供，其中所述方法进一步包含提供沿所述路线的自动驾驶或驾驶员辅助。
6.根据权利要求1-5中任一项所述的方法，其中确定所述路线成本、选择所述路线以及提供关于所述路线的信息包含由远离所述车辆的系统进行确定、选择和提供，所述方法进一步包含从多个数据源接收驾驶数据并且将来自所述多个数据源的所述驾驶数据组合以创建所述聚合的驾驶数据。
7.根据权利要求1-6中任一项所述的方法，其中所述聚合的驾驶数据包含关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人存在的指示、道路曲率或道路的路段的事故历史中的一个或多个的信息。
8.一种系统，包含：
成本部件，所述成本部件配置为基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线的路线成本；
选择部件，所述选择部件配置为基于所述路线成本来选择一个或多个所述潜在驾驶路线中的路线；和
通知部件，所述通知部件配置为向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于所述路线的信息。
9.根据权利要求8所述的系统，进一步包含分类部件，所述分类部件配置为进行以下中的一个或多个：
基于所述聚合的驾驶数据而针对所述自动驾驶特征或所述驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中，其中所述成本部件配置为基于针对所述多个道路路段的所述可靠的类别或所述不可靠的类别来确定所述路线成本；或者
基于所述聚合的驾驶数据来确定所述多个潜在驾驶路线中的每一个中的道路的至少一个路段的所述自动驾驶特征或所述驾驶员辅助特征的可靠性，其中所述成本部件配置为基于所述可靠性来确定所述路线成本。
10.根据权利要求8-9中任一项所述的系统，其中所述成本部件配置为基于所述车辆的感测系统、控制系统或车辆类型中的一个或多个来确定所述路线成本。
11.根据权利要求8-10中任一项所述的系统，其中以下中的一个或多个：
所述方法进一步包含数据部件，所述数据部件配置为在所述车辆到达沿所述路线的一位置之前，将对应于所述位置的所述聚合的数据提供给所述车辆的所述驾驶员、所述自动驾驶系统或所述驾驶员辅助系统。
所述系统包含所述车辆的控制系统，其中所述控制系统配置为沿所述路线提供自动驾驶或驾驶员辅助。
12.一种存储指令的计算机可读存储介质，所述指令在由一个或多个处理器执行时使所述处理器：
基于来自多个源的聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的针对车辆的多个潜在驾驶路线中的路线成本；
基于所述路线成本来选择一个或多个所述潜在驾驶路线中的路线；和
向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于所述路线的信息。
13.根据权利要求12所述的计算机可读存储介质，其中所述指令进一步使所述处理器基于所述聚合的驾驶数据而针对所述自动驾驶特征或所述驾驶员辅助特征将多个道路路段分类为在可靠的类别中或在不可靠的类别中，其中确定所述路线成本包含基于针对所述多个道路路段的所述可靠的类别或不可靠的类别进行确定。
14.根据权利要求12-13中任一项所述的计算机可读存储介质，其中，所述指令进一步使所述处理器基于所述聚合的驾驶数据来确定所述多个潜在驾驶路线中的每一个中的道路的至少一个路段的所述自动驾驶特征或所述驾驶员辅助特征的可靠性，其中确定所述路线成本包含基于所述可靠性进行确定。
15.根据权利要求12-14中任一项所述的计算机可读存储介质，其中所述指令进一步使所述处理器进行以下中的一个或多个：
通过基于所述车辆的感测系统、控制系统或车辆类型中的一个或多个来进行确定，从而确定所述路线成本；和
在所述车辆到达沿所述路线的一位置之前向所述车辆的所述驾驶员、所述自动驾驶系统或所述驾驶员辅助系统提供对应于所述位置的所述聚合的数据。
CN201710311658.8A 2016-05-06 2017-05-05 车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据 Active CN107346137B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/148,892 2016-05-06
US15/148,892 US10054454B2 (en) 2016-05-06 2016-05-06 Network based storage of vehicle and infrastructure data for optimizing vehicle routing

Publications (2)

Publication Number Publication Date
CN107346137A true CN107346137A (zh) 2017-11-14
CN107346137B CN107346137B (zh) 2022-07-22

Family

ID=59011044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710311658.8A Active CN107346137B (zh) 2016-05-06 2017-05-05 车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据

Country Status (6)

Country Link
US (2) US10054454B2 (zh)
CN (1) CN107346137B (zh)
DE (1) DE102017109401A1 (zh)
GB (1) GB2550063A (zh)
MX (1) MX2017005853A (zh)
RU (1) RU2017114527A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109955853A (zh) * 2017-12-14 2019-07-02 百度（美国）有限责任公司 用于操作自动驾驶车辆的方法、系统和存储介质
CN110389549A (zh) * 2018-04-17 2019-10-29 通用汽车环球科技运作有限责任公司 智能电动自行车的自适应踏板辅助系统和控制逻辑
CN111443706A (zh) * 2018-12-28 2020-07-24 罗伯特·博世有限公司 用于求取用于机动车的路线的方法和设备及存储介质
CN111480052A (zh) * 2017-12-15 2020-07-31 伟摩有限责任公司 使用预测模型解决车辆路线中的场景困难
CN111637898A (zh) * 2020-06-02 2020-09-08 北京长隆讯飞科技有限公司 一种高精度导航电子地图的处理方法和装置
CN113240910A (zh) * 2021-07-12 2021-08-10 中国人民解放军国防科技大学 基于协同车辆的道路检测方法、系统、设备和存储介质

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105229422B (zh) * 2013-03-15 2018-04-27 大众汽车有限公司 自动驾驶路线规划应用
WO2018123014A1 (ja) * 2016-12-28 2018-07-05 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US10101170B2 (en) * 2017-01-09 2018-10-16 International Business Machines Corporation Predicting an impact of a moving phenomenon on a travelling vehicle
US10518770B2 (en) * 2017-03-14 2019-12-31 Uatc, Llc Hierarchical motion planning for autonomous vehicles
CN110546461B (zh) * 2017-04-12 2022-05-03 日产自动车株式会社 驾驶控制方法以及驾驶控制装置
US11362882B2 (en) * 2017-08-25 2022-06-14 Veniam, Inc. Methods and systems for optimal and adaptive urban scanning using self-organized fleets of autonomous vehicles
US11189163B2 (en) * 2017-10-11 2021-11-30 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for infrastructure improvements
DE102017130628A1 (de) 2017-12-20 2019-07-11 Autoliv Development Ab System, Verfahren und Computerprogrammprodukt zur Erhöhung der Fahrsicherheit im Straßenverkehr
DE102018200815A1 (de) * 2018-01-18 2019-07-18 Bayerische Motoren Werke Aktiengesellschaft Information eines Fahrers eines Kraftfahrzeugs über eine zukünftige Route
US10800412B2 (en) * 2018-10-12 2020-10-13 GM Global Technology Operations LLC System and method for autonomous control of a path of a vehicle
GB2579346B (en) * 2018-11-14 2021-05-12 Jaguar Land Rover Ltd Vehicle control system and method
EP3708961A1 (en) * 2019-03-13 2020-09-16 Visteon Global Technologies, Inc. System and method and map for determining a driving route of a vehicle
CN112896181B (zh) * 2021-01-14 2022-07-08 重庆长安汽车股份有限公司 电子围栏控制方法、系统、车辆及存储介质
DE102022124632A1 (de) 2022-09-26 2024-03-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zur Routenplanung für automatisiert fahrende Fahrzeuge

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040068366A1 (en) * 2002-10-07 2004-04-08 Seiji Nisiyama Car navigation system prioritizing automatic travel road
US20050216181A1 (en) * 2004-03-26 2005-09-29 Estkowski Regina I System and method for adaptive path planning
JP2006119078A (ja) * 2004-10-25 2006-05-11 Kenwood Corp 案内経路探索装置および案内経路探索方法
US20070299599A1 (en) * 2006-06-27 2007-12-27 Microsoft Corporation Collaborative route planning for generating personalized and context-sensitive routing recommendations
CN101275836A (zh) * 2007-03-27 2008-10-01 株式会社日立制作所 交通信息系统
CN101325004A (zh) * 2008-08-01 2008-12-17 北京航空航天大学 一种实时交通信息的数据补偿方法
JP2009025974A (ja) * 2007-07-18 2009-02-05 Toyota Motor Corp 経路計画装置及び方法、コスト評価装置、並びに移動体
CN101685577A (zh) * 2008-09-25 2010-03-31 福特全球技术公司 在道路环境中评估车辆路径的方法和车辆路径评估系统
US20110106416A1 (en) * 2009-04-22 2011-05-05 Christopher Laurence Scofield Predicting expected road traffic conditions based on historical and current data
CN102142023A (zh) * 2010-01-29 2011-08-03 株式会社电装 地图数据、地图数据生成方法、存储介质以及导航设备
US20120136567A1 (en) * 2010-11-30 2012-05-31 Gm Global Technology Operations, Inc. Systems and methods for planning vehicle routes based on safety factors
CN102725780A (zh) * 2010-04-19 2012-10-10 丰田自动车株式会社 车辆的控制装置
US8606512B1 (en) * 2007-05-10 2013-12-10 Allstate Insurance Company Route risk mitigation
CN103448723A (zh) * 2012-06-04 2013-12-18 通用汽车环球科技运作有限责任公司 使用后摄像机的车道保持系统
CN103868520A (zh) * 2012-12-14 2014-06-18 福特全球技术公司 用于基于情境的行程计划的方法和设备
WO2014139821A1 (en) * 2013-03-15 2014-09-18 Volkswagen Aktiengesellschaft Automatic driving route planning application
CN104423385A (zh) * 2013-09-05 2015-03-18 福特全球技术公司 在无人驾驶区的自主驾驶
US20150276422A1 (en) * 2014-03-26 2015-10-01 Trip Routing Technologies, Inc. Selected driver notification of transitory roadtrip events
US20150345967A1 (en) * 2014-06-03 2015-12-03 Nissan North America, Inc. Probabilistic autonomous vehicle routing and navigation
CN105318884A (zh) * 2014-07-28 2016-02-10 现代自动车株式会社 生成用于自动车辆的全局路径的装置和方法
WO2016035199A1 (ja) * 2014-09-05 2016-03-10 三菱電機株式会社 自動走行管理システム、サーバおよび自動走行管理方法
JP2016053494A (ja) * 2014-09-03 2016-04-14 アイシン・エィ・ダブリュ株式会社 経路探索システム、経路探索方法及びコンピュータプログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6680694B1 (en) * 1997-08-19 2004-01-20 Siemens Vdo Automotive Corporation Vehicle information system
US6405128B1 (en) * 1999-12-20 2002-06-11 Navigation Technologies Corp. Method and system for providing an electronic horizon in an advanced driver assistance system architecture
DE602005002960T2 (de) 2004-01-30 2008-08-07 Nec Corp. Fahrzeuginformations-Sammelsstem mit Punktevergabeeinrichtung
US8155826B2 (en) 2007-03-30 2012-04-10 Aisin Aw Co., Ltd. Vehicle behavior learning apparatuses, methods, and programs
US10096038B2 (en) * 2007-05-10 2018-10-09 Allstate Insurance Company Road segment safety rating system
GR1006698B (el) 2008-12-22 2010-02-05 Μεθοδολογια και συστημα για συλλογη, επεξεργασια και διανομη δεδομενων οδικης κινησης για βελτιωμενη δρομολογηση σε συστηματα δορυφορικης πλοηγησης οχηματων
WO2011126215A2 (ko) 2010-04-09 2011-10-13 고려대학교 산학협력단 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법
US8863256B1 (en) * 2011-01-14 2014-10-14 Cisco Technology, Inc. System and method for enabling secure transactions using flexible identity management in a vehicular environment
KR20130005035A (ko) 2011-07-05 2013-01-15 가온미디어 주식회사 클라우드 컴퓨팅 방식의 네비게이션 시스템 및 그 운용방법
CN102555942A (zh) 2012-01-13 2012-07-11 中国重汽集团济南动力有限公司 一种网络智能客车系统
KR101703144B1 (ko) * 2012-02-09 2017-02-06 한국전자통신연구원 차량의 자율주행 장치 및 그 방법
US9188985B1 (en) * 2012-09-28 2015-11-17 Google Inc. Suggesting a route based on desired amount of driver interaction
US9796388B2 (en) * 2015-12-17 2017-10-24 Ford Global Technologies, Llc Vehicle mode determination

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040068366A1 (en) * 2002-10-07 2004-04-08 Seiji Nisiyama Car navigation system prioritizing automatic travel road
US20050216181A1 (en) * 2004-03-26 2005-09-29 Estkowski Regina I System and method for adaptive path planning
JP2006119078A (ja) * 2004-10-25 2006-05-11 Kenwood Corp 案内経路探索装置および案内経路探索方法
US20070299599A1 (en) * 2006-06-27 2007-12-27 Microsoft Corporation Collaborative route planning for generating personalized and context-sensitive routing recommendations
CN101275836A (zh) * 2007-03-27 2008-10-01 株式会社日立制作所 交通信息系统
US8606512B1 (en) * 2007-05-10 2013-12-10 Allstate Insurance Company Route risk mitigation
JP2009025974A (ja) * 2007-07-18 2009-02-05 Toyota Motor Corp 経路計画装置及び方法、コスト評価装置、並びに移動体
CN101325004A (zh) * 2008-08-01 2008-12-17 北京航空航天大学 一种实时交通信息的数据补偿方法
CN101685577A (zh) * 2008-09-25 2010-03-31 福特全球技术公司 在道路环境中评估车辆路径的方法和车辆路径评估系统
US20110106416A1 (en) * 2009-04-22 2011-05-05 Christopher Laurence Scofield Predicting expected road traffic conditions based on historical and current data
CN102142023A (zh) * 2010-01-29 2011-08-03 株式会社电装 地图数据、地图数据生成方法、存储介质以及导航设备
CN102725780A (zh) * 2010-04-19 2012-10-10 丰田自动车株式会社 车辆的控制装置
US20120136567A1 (en) * 2010-11-30 2012-05-31 Gm Global Technology Operations, Inc. Systems and methods for planning vehicle routes based on safety factors
CN103448723A (zh) * 2012-06-04 2013-12-18 通用汽车环球科技运作有限责任公司 使用后摄像机的车道保持系统
CN103868520A (zh) * 2012-12-14 2014-06-18 福特全球技术公司 用于基于情境的行程计划的方法和设备
WO2014139821A1 (en) * 2013-03-15 2014-09-18 Volkswagen Aktiengesellschaft Automatic driving route planning application
CN105229422A (zh) * 2013-03-15 2016-01-06 大众汽车有限公司 自动驾驶路线规划应用
CN104423385A (zh) * 2013-09-05 2015-03-18 福特全球技术公司 在无人驾驶区的自主驾驶
US20150276422A1 (en) * 2014-03-26 2015-10-01 Trip Routing Technologies, Inc. Selected driver notification of transitory roadtrip events
US20150345967A1 (en) * 2014-06-03 2015-12-03 Nissan North America, Inc. Probabilistic autonomous vehicle routing and navigation
CN105318884A (zh) * 2014-07-28 2016-02-10 现代自动车株式会社 生成用于自动车辆的全局路径的装置和方法
JP2016053494A (ja) * 2014-09-03 2016-04-14 アイシン・エィ・ダブリュ株式会社 経路探索システム、経路探索方法及びコンピュータプログラム
WO2016035199A1 (ja) * 2014-09-05 2016-03-10 三菱電機株式会社 自動走行管理システム、サーバおよび自動走行管理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MICHAEL W. OTTE: "Local path planning in image space for autonomous robot navigation in unstructured environments", 《2007 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 *
郁晓慧: "基于智能终端的车载导航路径规划的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109955853A (zh) * 2017-12-14 2019-07-02 百度（美国）有限责任公司 用于操作自动驾驶车辆的方法、系统和存储介质
CN109955853B (zh) * 2017-12-14 2021-08-31 百度（美国）有限责任公司 用于操作自动驾驶车辆的方法、系统和存储介质
CN111480052A (zh) * 2017-12-15 2020-07-31 伟摩有限责任公司 使用预测模型解决车辆路线中的场景困难
CN111480052B (zh) * 2017-12-15 2021-12-21 伟摩有限责任公司 使用预测模型解决车辆路线中的场景困难
CN110389549A (zh) * 2018-04-17 2019-10-29 通用汽车环球科技运作有限责任公司 智能电动自行车的自适应踏板辅助系统和控制逻辑
CN110389549B (zh) * 2018-04-17 2022-10-21 通用汽车环球科技运作有限责任公司 用于调节人工驱动车辆的动力辅助系统的方法
CN111443706A (zh) * 2018-12-28 2020-07-24 罗伯特·博世有限公司 用于求取用于机动车的路线的方法和设备及存储介质
CN111637898A (zh) * 2020-06-02 2020-09-08 北京长隆讯飞科技有限公司 一种高精度导航电子地图的处理方法和装置
CN113240910A (zh) * 2021-07-12 2021-08-10 中国人民解放军国防科技大学 基于协同车辆的道路检测方法、系统、设备和存储介质
CN113240910B (zh) * 2021-07-12 2021-10-26 中国人民解放军国防科技大学 基于协同车辆的道路检测方法、系统、设备和存储介质

Also Published As

Publication number Publication date
GB2550063A (en) 2017-11-08
CN107346137B (zh) 2022-07-22
RU2017114527A (ru) 2018-10-29
DE102017109401A1 (de) 2017-11-09
US10690507B2 (en) 2020-06-23
MX2017005853A (es) 2018-08-20
US10054454B2 (en) 2018-08-21
US20170322041A1 (en) 2017-11-09
GB201706754D0 (en) 2017-06-14
US20180313655A1 (en) 2018-11-01

Similar Documents

Publication Publication Date Title
CN107402017A (zh) 使用道路车道线质量的路线生成
CN107346137A (zh) 车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据
US11067404B2 (en) Vehicle usage-based pricing alerts
US10471955B2 (en) Stop sign and traffic light alert
US10323945B2 (en) Data mining to identify locations of potentially hazardous conditions for vehicle operation and use thereof
JP5415267B2 (ja) 地図の訂正情報を作成する方法およびナビゲーション装置
JP5123297B2 (ja) 速度違反取締りに対する警告を提供するナビゲーション装置及び方法
US8134478B2 (en) Data mining in a digital map database to identify community reported driving hazards along roads and enabling precautionary actions in a vehicle
US11493350B2 (en) Method and apparatus for providing alert notifications of high-risk driving areas in a connected vehicle
US20090037089A1 (en) Method for determining traffic information, and a device arranged to perform the method
CN111351492A (zh) 用于自动驾驶车辆导航的方法和系统
EP2159777A2 (en) Data mining to identify locations of potentially hazardous conditions for vehicle operation and use thereof
US11243085B2 (en) Systems, methods, and a computer program product for updating map data
JP2006350953A (ja) カーナビゲーション装置
US9267810B2 (en) Systems and methods for displaying navigational information
JP2009042186A (ja) ナビゲーション装置、サーバ、及びナビゲーションプログラム
CN113753040A (zh) 预测弱势道路用户乱穿马路行为
JP2007178359A (ja) 経路案内システム及び経路案内方法
US11624629B2 (en) Method, apparatus, and computer program product for generating parking lot geometry
CN114440911A (zh) 基于预测路线偏离的车辆路线引导装置
NZ564322A (en) Method for determining traffic information, and a device arranged to perform the method

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