CN102139696A - 疏堵 - Google Patents
疏堵 Download PDFInfo
- Publication number
- CN102139696A CN102139696A CN2011100349790A CN201110034979A CN102139696A CN 102139696 A CN102139696 A CN 102139696A CN 2011100349790 A CN2011100349790 A CN 2011100349790A CN 201110034979 A CN201110034979 A CN 201110034979A CN 102139696 A CN102139696 A CN 102139696A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- control
- target
- distance
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及疏堵。一种在堵塞交通状况期间操作车辆的方法,包括:监测车辆速度;跟踪车辆附近的目标车辆,包括监测距目标车辆的距离;在车辆速度小于阈值堵塞速度时,监测疏堵模式的启用;基于来自于GPS装置的数据而监测车辆位置;监测关于车辆的距离包络线;以及在车辆速度保持小于阈值堵塞速度时,基于车辆速度、距目标车辆的距离、车辆位置和距离包络线来控制车辆操作。控制车辆操作包括控制车辆加速、控制车辆制动以及控制车辆转向。
Description
技术领域
本发明总体上涉及用于检测行驶车辆附近静止和非静止目标的存在且响应于这种目标的存在而控制车辆操作参数的系统。
背景技术
该部分的内容仅提供与本发明有关的背景信息,且可能不构成现有技术。
包括汽车、货车等的机动车辆需要操作者控制其方向和行驶速率。这通常通过方向盘、制动踏板和加速踏板来完成。在高峰行驶时间(又称高峰时间)期间,在城市区域中的高速公路上发生堵塞交通,在此期间,高速公路上的车辆密度高且车辆行驶速率低。在堵塞交通中,典型车辆操作者需要响应于其前面车辆的运动来重复地施用制动和加速,从而需要不断注意以避免碰撞情况。
发明内容
一种在堵塞交通状况期间操作车辆的方法,包括:监测车辆速度;跟踪车辆附近的目标车辆,包括监测距目标车辆的距离;在车辆速度小于阈值堵塞速度时,监测疏堵(或堵塞缓解,grid unlock)模式的启用;基于来自于GPS装置的数据而监测车辆位置;监测关于车辆的距离包络线;以及在车辆速度保持小于阈值堵塞速度时,基于车辆速度、距目标车辆的距离、车辆位置和距离包络线来控制车辆操作。控制车辆操作包括控制车辆加速、控制车辆制动以及控制车辆转向。
方案1.一种在堵塞交通状况期间操作车辆的方法,所述方法包括:
监测车辆速度;
跟踪目标车辆,包括监测距目标车辆的距离;
在车辆速度小于阈值堵塞速度时,监测疏堵模式的启用;
基于来自于GPS装置的数据而监测车辆位置;
监测关于车辆的距离包络线;以及
在车辆速度保持小于阈值堵塞速度时,基于车辆速度、距目标车辆的距离、车辆位置和距离包络线来控制车辆操作,车辆操作包括车辆加速、制动以及转向。
方案2.根据方案1所述的方法,还包括监测交通信号的操作;且
其中,控制车辆操作还基于所监测的交通信号的操作。
方案3.根据方案1所述的方法,其中,监测疏堵模式的启用包括:
基于车辆速度以及距目标车辆的距离确定疏堵模式的启用要满足的条件;
通过人机接口装置来呈现疏堵模式选项;以及
通过人机接口装置来监测对疏堵模式选项的选择。
方案4.根据方案1所述的方法,还包括基于在车辆附近保持没有目标车辆来终止控制车辆操作。
方案5.根据方案1所述的方法,还包括在没有目标车辆阻挡车辆加速时终止控制车辆操作。
方案6.根据方案1所述的方法,还包括:
将距目标车辆的距离与距离包络线进行比较;以及
在目标车辆处于距离包络线内时产生报警。
方案7.根据方案1所述的方法,其中,监测关于车辆的距离包络线包括:
计算目标车辆的碰撞时间估计值;
将碰撞时间估计值与阈值碰撞时间进行比较;以及
基于所述比较来显示违背距离包络线。
方案8.根据方案1所述的方法,其中,监测关于车辆的距离包络线包括:
监测车辆前面的距离。
方案9.根据方案8所述的方法,其中,监测关于车辆的距离包络线还包括:
监测距车辆侧面的距离。
方案10.根据方案9所述的方法,其中,监测关于车辆的距离包络线还包括:
监测距车辆后面的距离。
方案11.根据方案1所述的方法,还包括:
监测车辆的驾驶员控制的输入;以及
基于所监测的表示驾驶员超控的输入而终止控制车辆操作。
方案12.根据方案1所述的方法,还包括:
将所控制的车辆操作与安全条件阈值进行比较;以及
基于所述比较来产生报警。
方案13.根据方案12所述的方法,还包括:
基于所述比较将车辆导航至路肩。
方案14.根据方案1所述的方法,还包括监测车辆的计划路线;且
其中,控制车辆操作还基于车辆的计划路线。
方案15.根据方案1所述的方法,其中,控制转向包括保持当前行驶车道。
方案16.根据方案1所述的方法,还包括:基于车辆速度、距目标车辆的距离以及车辆位置来确定碰撞概率;以及
其中,控制车辆操作还基于碰撞概率。
方案17.根据方案1所述的方法,还包括监测语音指令;且
其中,控制车辆操作还基于所监测的语音指令。
方案18.根据方案1所述的方法,还包括监测车对车通信;且
其中,控制车辆操作还基于所监测的车对车通信。
方案19.根据方案1所述的方法,还包括监测车辆对基础设施通信;且
其中,控制车辆操作还基于所监测的车辆对基础设施通信。
方案20.一种以低速在繁忙交通中在道路上控制车辆的系统,所述系统包括:
传感装置,所述传感装置跟踪车辆附近的目标车辆;
全球定位装置,所述全球定位装置确定车辆相对于数字地图的位置;以及
控制模块,所述控制模块:
监测表示堵塞状况的状况;
通过人机接口装置监测对疏堵模式选择器的选择;
监测车辆速度;
监测来自于跟踪目标车辆的传感装置的数据;
监测来自于全球定位装置的数据;
基于车辆速度、来自于传感装置的数据以及来自于全球定位装置的数据来确定车辆的距离包络线;以及
基于距离包络线和来自于全球定位装置的数据来控制车辆加速、制动以及转向。
附图说明
现在将参考附图通过示例的方式来描述一个或多个实施例,在附图中:
图1示意性地示出了根据本发明的使用传感器来生成融合的目标航迹的示例性车辆;
图2示意性地示出了根据本发明的监测传感器输入且生成航迹列表的示例性过程;
图3示意性地示出了根据本发明的示例性系统,传感器输入藉此融合成用于碰撞预备系统中的目标航迹;
图4示意性地示出了根据本发明的示例性融合模块;
图5示意性地示出了根据本发明的操作用来估计群目标的位置和速度的示例性卡尔曼滤波器组;
图6示出了根据本发明的被叠加到相应图像平面上的示例性距离数据;
图7和8是根据本发明的车辆系统的示意图;
图9和10是根据本发明的示例性车辆的操作的示意图;
图11、12和13是根据本发明的算法流程图;
图14和15是根据本发明的示意图;
图16示出了根据本发明的示例性目标车辆跟随控制系统;
图17以图形形式示出了根据本发明的示例性速度曲线;
图18以图形形式示出了根据本发明的示例性速度曲线和示例性平稳操作速度曲线;
图19示出了根据本发明的示例性过程,藉此可以确定车辆在其中操作的控制区域;
图20示出了根据本发明的示例性信息流,其中,可以确定参考加速度和参考速度;
图21示意性地示出了根据本发明的组合成执行多个方法的配置的上述方法的操作;
图22以图形形式示出了根据本发明的主车辆的速度-距离航迹相对于目标车辆的速度-距离航迹;
图23以图形形式示出了根据本发明的相对于参考值的根据时间而变的主车辆和目标车辆跟踪速度;
图24以图形形式示出了根据本发明的相对于参考值的根据时间而变的目标车辆跟随距离;
图25以图形形式示出了根据本发明的根据时间而变的目标跟随加速度;
图26示出了根据本发明的一个车辆插到另一个车辆前面的情形的俯视立体图;
图27以图形形式示出了根据本发明的速度对比时间,用于进行的模拟结果;
图28以图形形式示出了根据本发明的距离对比时间,用于进行的模拟结果;
图29以图形形式示出了根据本发明的加速度对比时间,用于进行的模拟结果;
图30以图形形式示出了根据本发明的主车辆速度对比距离,用于进行的模拟结果;
图31以图形形式示出了根据本发明的速度对比时间,用于进行的模拟结果;
图32以图形形式示出了根据本发明的距离对比时间,用于进行的模拟结果;
图33以图形形式示出了根据本发明的加速度对比时间,用于进行的模拟结果;
图34以图形形式示出了根据本发明的主车辆速度对比距离,用于进行的模拟结果;
图35以图形形式示出了根据本发明的距离对比时间,用于进行的模拟结果;
图36以图形形式示出了根据本发明的加速度对比时间,用于进行的模拟结果;
图37以图形形式示出了根据本发明的主车辆速度对比距离,用于进行的模拟结果;
图38以图形形式示出了根据本发明的距离对比时间,用于进行的模拟结果;
图39以图形形式示出了根据本发明的距离对比时间,用于进行的模拟结果;
图40以图形形式示出了根据本发明的加速度对比时间,用于进行的模拟结果;
图41以图形形式示出了根据本发明的主车辆速度对比距离,用于进行的模拟结果;
图42以图形形式示出了根据本发明的距离对比时间,用于进行的模拟结果;
图43示意性地示出了根据本发明的配备有多特征适应性巡航控制的示例性车辆;
图44示意性地示出了根据本发明的示例性常规巡航控制系统的操作;
图45示意性地示出了根据本发明的示例性常规巡航控制系统的操作;
图46示意性地示出了根据本发明的示例性速度限制遵循控制系统的操作;
图47示意性地示出了根据本发明的示例性速度限制遵循控制系统的操作;
图48示意性地示出了根据本发明的示例性控制系统,包括指令裁定功能、监测各个输入且生成单个速度输出和单个加速度输出,以便由单个车辆速度控制器使用;
图49示出了根据本发明的示例性数据流,预测各种速度控制方法所需的未来速度且使用指令裁定功能以基于裁定来选择方法;
图50以图形形式示出了根据本发明的车辆对各个ACC特征的期望速度变化的示例性反应时间,包括期望未来速度的示例性预测;
图51示出了根据本发明的由GPS装置监测的示例性GPS坐标;
图52示出了根据本发明实施例的来自于GPS装置的信息,包括标称位置、GPS误差容限和限定GPS偏差的确定实际位置;
图53示出了根据本发明实施例的主车辆和两个目标,均监测GPS标称位置以及得到的GPS偏差;
图54示出了根据本发明的使用示例性方法来控制车辆操作的车辆;以及
图55是根据本发明一个实施例设置的系统的示意图。
具体实施方式
现在参考附图,提供附图仅仅是为了图示示例性实施例而不是为了限制于此,图1示意性地示出了根据本发明的使用传感器来生成融合的目标航迹的示例性车辆。示例性车辆包括旨在用于高速公路上的乘用车辆,但是应当理解的是,本文所述的发明可应用于任何车辆或其它系统,以试图监测远程车辆和其它目标的位置和航迹。车辆包括控制系统,所述控制系统包含在各种时刻执行的各种算法和标定值。控制系统优选为总体车辆控制结构的子组且提供协调的车辆系统控制。控制系统监测来自于各个传感器的输入,综合相关信息和输入,并执行算法来控制各种致动器以实现控制目标,包括诸如避免碰撞和适应性巡航控制(ACC)的参数。车辆控制结构包括多个分布式控制器和装置,包括提供诸如防抱死制动、牵引控制和车辆稳定性的功能的系统控制器。
每个控制器优选为通用型数字计算机,通常包括:微处理器或中央处理单元;只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM);高速时钟;模拟-数字转换(A/D)和数字-模拟转换(D/A)电路;输入/输出电路和装置(I/O);以及合适信号调节和缓冲电路。每个处理器具有一组控制算法,包括存储在ROM中并被执行以提供相应功能的常驻程序指令和标定值。
本文所述的算法通常在预定的周期中执行,使得每个算法在每个周期中至少执行一次。存储在非易失存储器装置中的算法利用预定的标定值执行,且可操作监测来自传感装置的输入并执行控制和诊断程序,从而控制相应装置的操作。在正在进行的发动机和车辆操作期间,以规则间隔执行周期,例如,每3,6.25,15,25和100毫秒的间隔。可替换地,可以响应事件的发生来执行算法。这些相同的原理可以用于提供车辆周围接近度感测。
图2示意性地示出了根据本发明的监测传感器输入且生成航迹列表的示例性过程。示例性车辆10通常包括控制系统,控制系统具有观测模块22、数据关联和聚类(DAC)模块24和跟踪寿命管理(TLM)模块26,DAC模块24还包括卡尔曼滤波器24A,TLM模块26跟踪航迹列表26A,包括多个目标航迹。更具体地,观测模块包括传感器14和16、其相应传感器处理器以及在传感器、传感器处理器和DAC模块之间的互连件。
示例性传感系统优选包括目标定位传感器,包括至少两个前视测距传感装置14和16以及附随的子系统或处理器。目标定位传感器可包括短程雷达子系统、长程雷达子系统和前视子系统。目标定位传感装置可包括任何测距传感器,例如FM-CW雷达(频率调制连续波)、脉冲和FSK(频率键移)雷达、LIDAR(光检测和测距)装置、以及依赖于诸如Doppler效应测量的效应来定位前面目标的超声装置。可能的目标定位装置包括电荷耦合装置(CCD)或互补型金属氧化物半导体(CMOS)视频图像传感器、以及使用数字图形方法来“观察”前面目标的其它已知照相机/视频图像处理器。这种传感系统用于检测和定位汽车应用中的目标,可与包括例如适应性巡航控制、碰撞避免、预碰撞安全和侧面目标检测的系统使用。示例性车辆系统也可包括全球位置传感(GPS)系统。
这些传感器优选定位在车辆10内相对于车辆前面的视场相对不受阻碍的位置。也应当理解的是,这些传感器中的每个提供跟踪目标的实际位置或状况的估计值,其中,所述估计值包括估计位置和标准偏差。因而,目标位置和状况的传感器检测值和测量值通常称为“估计值”。还应当理解的是,这些传感器的特征是互补的,因为一些传感器比其它传感器在估计某些参数方面更可靠。常规传感器具有不同的操作量程和角视界,且能够在其操作量程内估计不同的参数。例如,雷达传感器通常可以估计目标的距离、距离变化率和方位位置,但是在估计检测目标的范围方面通常不稳固。具有视觉处理器的照相机在估计目标的形状和方位位置方面更稳固,但是在估计目标的距离和距离变化率方面效率较低。扫描式LIDAR关于估计距离和方位位置方面有效且准确地执行,但是通常不能估计距离变化率,因而关于新目标获取/识别方面不准确。超声传感器能够估计距离,但是通常不能估计或计算距离变化率和方位位置。此外,应当理解的是,每种传感器技术的性能受到不同环境状况的影响。因而,常规传感器存在参数差异,这些传感器的可操作叠加为传感器融合提供了机会。
每个目标定位传感器和子系统提供输出,包括距离R、基于时间的距离变化R_dot、和角度Θ(优选相对于车辆的纵轴线),所述输出可写成测量矢量(O),即传感器数据。示例性短程雷达子系统具有160度的视场(FOV)和三十米的最大量程。示例性长程雷达子系统具有17度的视场和220米的最大量程。示例性前视子系统具有45度的视场和50米的最大量程。对于每个子系统,视场优选围绕车辆10的纵轴线定向。车辆优选相对于坐标系(称为XY坐标系20)定向,其中,车辆10的纵轴线建立X轴,中心位于便于车辆和信号处理的点处,Y轴通过垂直于车辆10的纵轴线且在水平面中的轴线建立,因而平行于地表面。
上述示例性目标跟踪系统示出了一种方法,目标或多个目标可以通过所述方法跟踪。然而,本领域技术人员将理解,收集关于车辆周围环境的信息的多种不同传感器可以类似地使用,且本发明并不旨在限于本文所述的特定实施例。此外,上文所述的数据融合方法是各种输入传感器的细节可以融合到目标的单个有用航迹的一种示例性方法。然而,许多数据融合方法是本领域已知的,且本发明并不旨在限于本文所述的特定示例性实施例。
目标航迹可以用于多种目的,包括适应性巡航控制,其中,车辆调节速度以在当前路径中保持距车辆的最小距离。可以使用目标航迹的另一个类似系统是碰撞预备系统(CPS),其中,所识别目标航迹被分析以基于相对于车辆的航迹运动来识别可能迫近的或即将来临的碰撞。CPS向驾驶员警报迫近的碰撞,如果碰撞被认为是不可避免的,可通过自动制动以降低碰撞严重性。公开了使用多目标融合模块与CPS的方法,从而在碰撞被确定为迫近时提供应对措施,例如,安全带收紧、节气门怠速、自动制动、气囊预备、调节头部后抑枕、喇叭和前灯激活、调节踏板或转向柱、基于撞击的估计相对速度进行调节、对悬架控制进行调节和对稳定性控制系统进行调节。
图3示意性地示出了根据本发明的示例性系统,所示各种传感器输入的全部或仅一些藉此融合成用于碰撞预备系统中的目标航迹。与车辆周围环境中的目标相关的输入由数据融合模块监测。数据融合模块将所述输入分析、滤波或关于各个输入的可靠性按优先顺序进行排序,且被排序或加权的输入被求和以生成车辆前面的目标的航迹估计。这些目标航迹然后输入给碰撞威胁评估模块,其中,每个航迹针对碰撞概率进行评估。该碰撞概率可以例如相对于碰撞的阈值概率进行评估,且如果碰撞被确定为可能的,那么可以启动碰撞应对措施。
如图3所示,CPS使用其测距传感器(例如,雷达和LIDAR)和照相机连续地监测周围环境,且采取合适的应对措施以避免事故或产生碰撞的不希望情形。碰撞威胁评估产生输出,用于系统致动器做出响应。
如图3所述,融合模块用于整合来自于各个传感装置的输入,且生成车辆前面的融合目标航迹。图3生成的融合航迹包括目标相对于车辆的相对位置和轨迹的数据估计值。基于雷达和其它测距传感器输入的该数据估计值是有用的,但是包括用于生成航迹的传感器装置的不准确性和不精确性。如上所述,不同传感器输入可以一起使用以改进生成航迹中涉及的估计值的准确性。具体地,具有侵入式结果的应用(如,自动制动和潜在气囊展开)在预测迫近的碰撞方面需要高准确性,因为纳伪可能对车辆驾驶性能具有影响,且遗漏指示会导致无效安全系统。
视觉系统提供传感器输入的替代源,用于车辆控制系统。分析视觉信息的方法是本领域已知的,包括模式识别、角点检测、竖直边缘检测、竖直目标识别和其它方法。然而,应当理解的是,车辆前面的视场的高分辨率视觉表示包括要分析的非常大量的信息,该高分辨率视觉表示以察觉运动所需的高速率实时更新。视觉信息的实时分析是可能是抑制性的。公开了一种方法,以将由诸如上文所述的示例性航迹融合方法的方法生成的融合航迹与来自于视觉系统的输入融合,以将视觉分析集中在最可能造成碰撞威胁的视觉信息的一部分上并使用集中的分析来警报可能即将来临的碰撞事件。
图4示意性地示出了根据本发明的示例性图像融合模块。图4的融合模块监测作为输入的测距传感器数据,包括目标航迹和照相机数据。目标航迹信息用于提取图像小块或视觉数据中的对应于目标航迹信息的感兴趣限定区域。接下来,图像小块中的区域被分析,且数据中表示小块中的目标的特征或图案被提取。所提取特征然后根据任何数量的分类器分类。示例性分类可以包括分类为快速移动目标(如,运动中的车辆)、缓慢移动目标(如,行人)和静止目标(如,街道标志)。包括分类的数据然后根据数据相关性进行分析以形成基于视觉融合的航迹。这些航迹和关于小块的相关数据然后被存储,以用于与新数据重复比较且用于预测表示可能或即将来临的碰撞事件的相对于车辆的运动。此外,反映先前选择图像小块的感兴趣区域或多个区域可以传送给执行图像小块提取的模块,以便提供重复视觉数据分析的连续性。由此,测距数据或测距航迹信息叠加到图像平面上以改进碰撞事件预测或概率分析。
图5示意性地示出了根据本发明的操作用来估计群目标的位置和速度的示例性卡尔曼滤波器组。不同的滤波器用于不同的恒定速度巡航的目标、具有高纵向操控的目标、和静止目标。使用马尔柯夫决策过程(MDP)模型以基于观测值和目标先前速度曲线来选择具有最大概率测量值的滤波器。该多模型滤波方案减少了跟踪等待时间,这对于CPS功能来说是重要的。
图6示出了根据本发明的被叠加到相应图像平面上的示例性距离数据。阴影条是叠加在前视照相机图像中的雷达航迹。位置和图像提取模块提取包含测距传感器航迹的图像小块。特征提取模块使用以下变换计算图像小块的特征:边缘、方向梯度直方图(HOG)、尺度不变特征变换(SIFT)、Harris角点检测器、或投影到线性子空间上的小块。分类模块获取所提取特征作为输入且提供给分类器,以确定图像小块是否包含目标。类别确定每个图像小块的标记。例如,在图6中,框A和B识别为车辆,而未标记的框识别为路边目标。预测过程模块使用目标的历史信息(即,先前循环的位置、图像小块和标记)并预测当前值。数据关联将当前测量值与预测目标关联,或者确定测量源(即,位置、图像小块和标记)来自于具体目标。最后,目标跟踪器被致动以生成更新位置,且往回保存在目标航迹文件中。
对可能碰撞事件的反应可以基于增加的概率来标度。例如,在确定低阈值概率的情况下可以使用柔和的自动制动,且响应于确定高阈值概率可以采取更剧烈的措施。
此外,应当注意到,判断概率的准确性改进可以通过重复训练警报模型来实现。例如,如果发出警报,那么可以通过语音提示、屏幕查询或任何其它输入方法来给予驾驶员回顾选项,从而请求驾驶员确认即将来临的碰撞警报是否合适。本领域中已知多种方法适合于正确警报、错误警报或遗漏警报。例如,机器学习算法是本领域中已知的且可以用于适应性地使用编程、取决于反馈的性质来分配权重和重要性给替代计算。此外,模糊逻辑可以用于基于反馈根据可标度因子来调节系统的输入。以这种方式,系统的准确性可以随着时间且基于操作者的具体驾驶习惯改进。
图7示意性地示出了车辆3100作为四轮乘用车辆,具有可转向前轮60和固定后轮70,但是本文的说明适用于能使用前轮和/或后轮转向的车辆。主车辆3100包括空间监测系统316和车辆监测系统15。主车辆3100使用动力系控制模块(PCM)326、车辆控制模块(VCM)28和自主控制系统(包括车道变更适应性巡航控制(LXACC)系统330)来控制。空间监测系统316、车辆监测系统15、动力系控制模块326、车辆控制模块28和LXACC系统330之间优选使用高速局域网通信总线324进行通信。为了便于描述,主车辆3100的空间监测系统316、车辆监测系统15、动力系控制模块326、车辆控制模块28和LXACC系统330显示为分立元件。控制模块、模块、控制器、处理器和类似术语指的是一个或多个专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的中央处理单元(优选为微处理器)以及相关存储器和储存器(只读、可编程只读、随机存取、硬盘驱动器等)、组合逻辑电路、输入/输出电路和装置、合适的信号调节和缓冲电路、以及提供所述功能的其它合适部件中的任何合适的一个或各种组合。控制模块具有一组控制算法,所述控制算法包括存储在存储器中且被执行以提供期望功能的常驻软件程序指令和标定值。所述算法优选在预定周期期间被执行。所述算法例如由中央处理单元执行,并且可操作以监测来自感测装置和其它网络控制模块的输入以及执行控制和诊断程序从而控制致动器的操作。在持续进行的发动机和车辆操作期间,周期以规则间隔例如每3.125、6.25、12.5、25和100毫秒被执行。替代性地,算法可响应于事件发生而被执行。虽然图7所示的车辆操作者描绘为操作方向盘,但是本发明的实施例包括在驾驶员的手在延长时间段内离开方向盘的情况下驾驶员可以由车辆运输的情形。
空间监测系统316包括信号地连接到传感装置的控制模块,所述传感装置可操作检测和生成表示邻近主车辆3100的远程目标(remote object)的数字图像。在远程目标可以由一个或多个传感装置检测时,远程目标可以称为邻近主车辆3100。空间监测系统316优选地确定每个邻近的远程目标的线性距离、相对速度和轨迹,且将这些信息传送给LXACC系统330。传感装置位于主车辆3100上,且在一个实施例中,包括前角传感器21、后角传感器320、后部侧面传感器320’、侧面传感器25和前部雷达传感器322、以及照相机23,但是本发明并不如此限制。优选地,照相机23包括用于检测前面车道标记的单色视觉照相机。前部雷达传感器322优选地包括用于主车辆3100前面的目标检测的长程雷达装置。在一个实施例中,前部雷达传感器322优选地用大约15°的窄视场角来检测高达200m距离处的目标。由于窄视场角,长程雷达可能不能检测主车辆3100前面的所有目标。前角传感器21优选包括短程雷达装置以辅助监测主车辆3100前面的区域,在一个实施例中,每个具有60°的视场角和40m的检测量程。侧面传感器25、后角传感器320和后部侧面传感器320’优选地包括短程雷达装置以辅助监测主车辆3100侧面和后面的迫近交通,在一个实施例中,每个具有60°的视场角和40m的检测量程。前述传感器的设置允许空间监测系统316监测交通流,包括邻近的目标车辆和主车辆3100周围的其它目标。
替代地,传感装置可以包括目标定位传感装置,包括测距传感器,例如频率调制连续波(FM-CW)雷达、脉冲和频率键移(FSK)雷达、LIDAR装置、以及依赖于诸如Doppler效应测量的效应来定位前面目标的超声装置。可能的目标定位装置包括电荷耦合装置(CCD)或互补型金属氧化物半导体(CMOS)视频图像传感器、以及使用数字图形方法来“观察”前面目标(包括目标车辆)的其它已知照相机/视频图像处理器。这种传感系统用于检测和定位汽车应用中的目标,可与包括适应性巡航控制、碰撞避免、预碰撞安全和侧面目标检测的系统使用。
传感装置优选定位在主车辆3100内相对不受阻碍的位置。也应当理解的是,这些传感器中的每个提供目标的实际位置或状况的估计值,其中,所述估计值包括估计位置和标准偏差。因而,目标位置和状况的传感器检测值和测量值通常称为“估计值”。还应当理解的是,这些传感器的特征是互补的,因为一些传感器比其它传感器在估计某些参数方面更可靠。传感器可以具有不同的操作量程和角视界,且能够在其操作量程内估计不同的参数。例如,雷达传感器通常可以估计目标的距离、距离变化率和方位位置,但是在估计检测目标的范围方面通常不稳固。具有视觉处理器的照相机在估计目标的形状和方位位置方面更稳固,但是在估计目标的距离和距离变化率方面效率较低。扫描式LIDAR传感器关于估计距离和方位位置方面有效且准确地执行,但是通常不能估计距离变化率,因而关于新目标获取/识别方面不准确。超声传感器能够估计距离,但是通常不能估计或计算距离变化率和方位位置。此外,应当理解的是,每种传感器技术的性能受到不同环境状况的影响。因而,一些传感器在操作期间存在参数差异,但是传感器的叠加覆盖区域为传感器数据融合产生了机会。
车辆监测系统15监测车辆操作且将所监测的车辆信息传送给通信总线324。所监测的信息优选包括车辆参数,例如包括车辆速度、转向轮60的转向角以及来自于速率陀螺仪装置(未示出)的偏航速率。车辆操作可以由单个控制模块(如图所示)或由多个控制模块监测。车辆监测系统15优选包括可操作监测车辆速度、转向角和偏航速率的多个底盘监测传感系统或装置(均未示出)。车辆监测系统15生成可以由LXACC系统330和其它车辆控制系统监测的信号,以用于车辆控制和操作。所测量的偏航速率与转向角测量值组合以估计车辆状态,尤其是横向速度。示例性车辆系统也可以包括全球位置传感(GPS)系统。
动力系控制模块(PCM)326信号地且操作性地连接到车辆动力系(未示出),且执行控制方案以响应于车辆操作状况和操作者输入控制发动机、变速器和其它扭矩机(均未示出)的操作,以将牵引扭矩传输给车辆车轮。动力系控制模块326显示为单个控制模块,但是可以包括可操作控制各个动力系致动器(包括发动机、变速器、扭矩机、车轮马达和混合动力系统的其它元件(均未示出))的多个控制模块装置。
车辆控制模块(VCM)28信号地且操作性地连接到多个车辆操作系统且执行控制方案以控制其操作。车辆操作系统优选包括制动、稳定性控制和转向系统。车辆操作系统还可以包括其它系统,例如HVAC、娱乐系统、通信系统和防盗系统。车辆控制模块28显示为单个控制模块,但是可以包括可操作监测系统和控制各个车辆致动器的多个控制模块装置。
车辆转向系统优选包括与主动前轮转向系统(未示出)联接的电动转向系统(EPS),以在执行自主操作(包括车道变更操作)期间通过控制转向轮60的转向角来增强或补充通过方向盘8的操作者输入。示例性主动前轮转向系统允许由车辆操作者进行主转向操作,包括在实现优选转向角和/或车辆偏航角所需时增强方向盘角度控制。应当理解的是,本文所述的控制方法在修改的情况下可应用于车辆转向控制系统,例如电动转向、四轮/后轮转向系统和直接偏航控制系统(其控制每个车轮的牵引以产生偏航运动)。
车辆3100的客舱包括操作者位置,包括安装在转向柱9上的方向盘8。输入装置10优选机械地安装在转向柱9上且信号地连接到人机接口(HMI)控制模块14。替代地,输入装置10可以机械地安装在转向柱9附近便于车辆操作者的位置。输入装置10(在此显示为从转向柱9凸起的柄)包括车辆操作者通过其能够以自主控制模式命令车辆操作的接口装置,例如LXACC系统330。输入装置10优选具有控制特征和由当前转向信号致动系统使用的位置。替代地,其它输入装置,例如杆、开关、按钮、以及语音识别输入装置,可以取代输入装置10或者在输入装置10之外使用。
HMI控制模块14监测操作者请求且将信息提供给操作者,所述信息包括车辆系统的状态、维护和维修信息、以及命令操作者动作的警报。HMI控制模块14信号地连接到通信总线324,从而允许与车辆3100中的其它控制模块通信。关于LXACC系统330,HMI控制模块14配置成监测来自于输入装置10的信号输出,基于来自于输入装置10的信号输出辨别致动信号,且将致动信号传送给通信总线324。HMI控制模块14配置成监测方向盘8以及加速踏板和制动踏板(均未示出)的操作者输入。应当理解的是,其它HMI装置和系统可包括车辆LCD显示器、音频反馈、触觉座椅以及相关人响应机构(以旋钮、按钮和音频响应机构的形式)。
图8示出了用于可以结合到参考图7所述的主车辆3100的自主控制系统的示例性控制结构,包括LXACC系统330。LXACC系统330以自主控制模式在没有主车辆控制的直接操作者输入(例如,方向盘以及加速踏板和制动踏板)的情况下控制车辆3100的操作,以响应于操作者指令执行车辆操作。通过监测来自于空间监测系统316的输入且生成控制信号,LXACC系统330以自主控制模式执行,所述控制信号传输给动力系控制模块326和车辆控制模块28以控制车辆3100的速度和轨迹,以便执行期望车辆操作。
LXACC系统330的控制结构包括用于在持续进行的操作期间监测和控制主车辆3100的核心元件。LXACC系统330在其从输入装置10经由HMI控制模块14接收致动信号时以自主车道变更模式执行。
总的来说,LXACC系统330监测信号地连接到空间监测系统316的远程传感和检测装置的信号输出。融合模块(传感器融合)17作为空间监测系统316的元件执行,包括处理使用传感装置320、320’、21、322和23生成的信号输出以生成融合目标的算法代码,融合目标包括表示远程目标(包括邻近主车辆3100的目标车辆3200)的数字图像。LXACC系统330使用融合目标来预计远程目标的路径或轨迹(目标路径预测),远程目标例如,邻近主车辆3100的一个或多个目标车辆3200中的每个。LXACC系统330对每个监测目标执行碰撞风险评估方案500(风险评估)。LXACC系统330基于碰撞风险评估来判定是否执行和/或完成指令车道变更操作,碰撞风险评估传送给自主控制模块,在该实施例中包括车道变更控制模块(LC/LX控制)。LXACC系统330的车道变更控制模块将控制信号发送到转向控制模块(车辆转向)以控制车辆转向,且发送到自主巡航控制(智能ACC)以控制车辆向前运动,包括制动和加速。在碰撞风险评估之后,LXACC系统330还可以经由人机接口控制模块14警报车辆操作者。
空间监测系统316使用前述远程传感和检测装置来监测车道标记且检测相邻交通。LXACC系统330的碰撞风险评估方案500执行碰撞风险评估,包括横向运动控制。远程传感和检测装置将数据传输给融合模块,用于滤波和后处理。在后处理之后,融合模块参考目标车辆的横向偏移和车辆3100关于当前车道的航向角来估计道路轮廓(道路估计)。被联接到车辆监测系统15的车载传感器(包括,例如速率陀螺仪的惯性传感器、车辆速度计、和转向角传感器)可以与来自于融合模块的信息结合以增强道路轮廓预测和车辆运动状态估计,包括例如横向速度、偏航速率、横向偏移和航向角。
融合模块17使用来自于空间监测系统316的前视照相机、以及长程和短程雷达的信息产生融合目标,包括表示邻近主车辆3100的远程目标的数字图像。信息可以是估计距离、距离变化率和方位位置的形式。传感器融合系统将每个目标(包括目标车辆3200)的数据分组,跟踪所述数据,且报告线性距离、相对速度和轨迹作为相对于XY坐标系的当前纵向距离x、纵向相对速度u和纵向相对加速度ax,所述XY坐标系相对于主车辆3100的中心轴线定向和参考,其中,X轴平行于其纵向轨迹。融合模块17整合来自于各个传感装置的输入且产生用于目标车辆3200和其它远程目标中的每个的融合目标列表。融合目标列表包括远程目标相对于主车辆3100的相对位置和轨迹的数据估计(以融合目标列表的形式,包括位置(x,y)、速度(Vx,Vy)、目标宽度、目标类型和车道)以及数据估计的置信度。
在操作中,空间监测系统316确定其它车辆和目标的位置、速度和轨迹以识别足以允许车辆3100操作到相邻行驶车道中的空地。当存在车辆3100进入相邻行驶车道中的足够空地时,LXACC系统330经由通信总线324发送表示LXACC系统330车道变更可用性的信号。此外,空间监测系统316可以发送表示在车辆3100直接前面的相同行驶车道中的其它车辆(例如,目标车辆3200)的速度和位置的信号,可以用于控制车辆3100的速度,作为适应性巡航控制系统的一部分。
图9示出了空间监测系统316的前述传感器320、320’、21和25以及照相机23的一个实施例的覆盖区域,包括传感器的相对距离传感标度。一个实施例(覆盖主车辆3100周围的静态区域的大于90%)包括至少三个传感器,以监测主车辆3100前面和后面的车道。硬件覆盖的这种冗余使得遗漏邻近的趋近目标的风险最小化。可靠覆盖的任何间隙使用目标跟踪中的滞后且在传感器融合期间解决。
图10示意性地示出了主车辆3100(SV)的示例性搜索区域。空间监测系统316能够产生主车辆3100周围的区域的数字图像表示。数据被转换到XY坐标系,所述XY坐标系参考主车辆3100的中心轴线,其中,X轴平行于主车辆3100的纵向轨迹。阴影数据示出了与进入左车道的车道变更操作有关的视觉子系统的示例性视场。道路上的行驶车道被示出且描述目标车辆3200的行驶车道,其具有共同特征,例如,可以视觉检测且用于描述相对于主车辆3100的车道几何形状的车道标记(未示出)。
操作中,人机接口控制模块14检测执行车道变更操作的操作者输入且将其传送给LXACC控制模块330。LXACC控制模块330将操作状态、诊断消息和指令消息发送到人机接口控制模块14,人机接口控制模块14处理请求,包括碰撞风险评估。
图11示出了流程图,描述了在持续进行的操作期间在车辆操作者请求主车辆3100执行从当前或主车道到目标车道的车道变更操作时的碰撞风险评估方案500。碰撞风险评估过程使用模型预测控制(MPC)来预测建模动态系统(即,目标车辆3200)相对于可用测量值变化的性能。线性MPC方法与MPC的反馈机制一起使用,从而补偿由于模型和过程之间的结构不匹配而引起的预测误差。碰撞风险评估方案500使用在短时间段(在一个实施例中为6秒)内预计的近期信息,以50ms的间隔更新。
碰撞风险评估方案500包括多层方法以评估在车道变更操作期间的碰撞风险。空间监测系统316监测邻近目标(包括邻近主车辆3100的每个目标车辆3200)(510)且监测道路轮廓(512),其输出提供给测量预备方案(516),例如融合模块17以执行单目标评估和分类(520)。主车辆3100的当前状态也被监测(514)。主车辆3100的当前状态可以用于确定和设定冲突阈值(532),产生动态车道变更操作的路径(534),以及设定风险容忍规则(536)。
单目标评估和分类(520)针对每个邻近目标(包括目标车辆3200)相对于主车辆3100执行。这包括在二维平面中使用时基坐标来单独地评估每个目标车辆3200,以预计主车辆3100和每个目标车辆3200的轨迹。评估优选包括主车辆3100和每个目标车辆3200之间的纵向相对距离x、纵向相对速度u和纵向相对加速度ax。在未来时间步长,目标车辆3200的位置相对于主车辆3100的预计轨迹预测。
针对与目标车辆3200的单目标评估和分类(520)相关的每个目标车辆3200考虑动态车道变更操作的冲突阈值和路径执行碰撞风险评估(540)。与每个目标车辆3200相关的碰撞风险评估在每个未来时间步长确定。执行碰撞风险评估优选包括产生碰撞风险信息,所述碰撞风险信息可以被制表,例如参考下表1在本文所示。
碰撞风险评估方案500基于由三个主要因素确定的预计相对轨迹:目标车辆3200的预计性能、道路变化和主车辆3100的自我性能。在未来时间步长,目标车辆3200的位置相对于主车辆3100的预计轨迹预测。预计相对轨迹针对目标车辆3200确定,包括例如在执行车道变更的时段期间每个目标车辆3200的预计速度曲线,表示加速、减速和紧急制动。碰撞风险评估方案500包括在车道变更期间监测和适应道路的即将到来的变化,包括车道分立/合并、曲率和有坡道路以及主车辆3100的非线性期望轨迹。
针对与目标车辆3200的单目标评估和分类(520)相关的每个目标车辆3200、主车辆3100的位置概要(530)、冲突阈值和动态车道变更操作的路径执行碰撞风险评估(540)。优选使用两个标准来评估碰撞风险。第一标准包括纵向预计,其中,纵向轴(即,x轴)定义为平行于主车辆3100的轨迹。如果目标车辆3200被确定为在接下来的6秒内纵向靠近(即,在许可裕量内)主车辆3100,则目标车辆3200称为有潜在风险。二阶运动学方程用于确定车前(前面)和车后的许可裕量,如下:
项x是主车辆3100和目标车辆3200之间的纵向相对距离,项u是主车辆3100和目标车辆3200之间的纵向相对速度,单位米/秒,项ax是纵向相对加速度,单位米/秒2。相对距离、相对速度和相对加速度在主车辆3100和每个目标车辆3200之间限定。
包括前裕量和后裕量的许可纵向裕量定义如下以确定主车辆3100和每个目标车辆3200是否彼此太靠近,即是否存在碰撞风险。前裕量计算如下:
前裕量=max(SVLonSpd*1/2,L m) [2]
其中,SVLonSpd是主车辆3100的纵向速度。具体地,前裕量是主车辆3100在0.5秒内行驶的距离(SVLonSpd*0.5)和固定距离L米中的最大值。固定距离L米在一个实施例中是10米。
后裕量计算如下:
后裕量=max(SVLonSpd*1/3,8) [3]
具体地,后裕量是主车辆3100在0.33秒内行驶的距离(SVLonSpd*0.33)和固定距离L2米中的最大值。固定距离L2米在一个实施例中是8米。
第二标准包括目标车辆3200的横向预计,其中,在二维平面中,横轴定义为垂直于主车辆3100的轨迹。目标的横向偏移假定为相对于行驶车道路径保持不变。在此,从主车辆3100沿其期望车道变更路径的预计未来横向位移减去目标车辆3200的预测相对横向位置,期望车道变更路径根据当前车辆状态和转向输入位置动态产生。
与第二标准有关的碰撞风险可以在目标车辆3200在预期车道变更方向横向靠近主车辆3100时(例如,在目标车辆3200占据主车辆3100的目标车道时)针对目标车辆3200识别。这称为发生横向叠加。在弯曲道路上的目标映射到直道路上时可以使用道路信息。主车辆3100从车道中心的横向偏移、主车辆相对于车道方向的定向以及主车道曲率每50ms更新一次。
周围环境的正确实际参考对于正确地确定目标车辆3200在哪个车道上行驶是有用的。因而,每个步骤优选包括由主车辆3100限定且相对于道路表面(直线或弯曲)的XY坐标的连续变换。在车道变更操作中,主车辆3100移动经过车道标记,但是主车辆3100可能不在车道中心,因而参考坐标系的变化对于适当决策来说是必要的。主车辆3100的原点和定向随时间变化。优选地,参考坐标设置在主车辆3100的行驶车道的中心处,其中,纵向轴Y与行驶车道对齐。当使用空间监测系统进行测量时,每个目标车辆3200的相对坐标可以根据几何旋转和移动被跟踪。
关于道路测量的准确性,
曲率≤定向(在x=0时)≤横向偏移(在x=0时) [4]
车载测量值(x,y)是来自于传感器和目标融合的相对位置。定向定义为从x轴开始到主车辆3100的当前位置的路径的切线的角度。坐标(x′,y′)通过旋转主车辆3100的重心且将纵向方向与道路对齐而获得。原点移动回到当前主车道的中心,以便将坐标(X,Y)定向在实际车辆框架中,其中,实际主车辆3100沿当前车道中心线以当前速度巡航。预备的最后步骤包括将目标车辆移动预计到平行于主车道的直车道上。如此,道路复杂性和目标运动之间的相互作用可以解耦。由于道路轮廓变化引起的所有移动车辆的转向从其相对运动中去除。
图12示出了示例性碰撞风险评估过程(540)。优选地,LXACC 330每50ms收集和分析一次每个目标车辆3200的数据,且每100ms计算一次每个目标车辆3200的前裕量和后裕量。选择每个目标车辆3200的潜在操作性能的范围,在一个实施例中包括潜在纵向加速度变化率。选择纵向加速度变化率包括当前加速度变化率、温和制动、和紧急制动。在一个实施例中,温和制动定义为0.02g,紧急制动定义为0.2g(541)。取决于车辆动态性能,可以使用其它选择加速度变化率。在加速度的三组状况下在预计到从100ms至6.0秒未来中的时段内以100ms间隔基于预定车辆模型,每个目标车辆3200的位置被预计,且在主车辆3100和每个目标车辆3200之间的纵向相对距离LOV(t)基于当前相对距离x、纵向相对速度u和纵向相对加速度ax预计(543)。一个示例性运动车辆模型表示如下:
LOV(t)=x+u*(t)+0.5ax*(t)2 [5]
对于每组加速状况在每个时段内预计纵向相对距离LOV(t)与前裕量和后裕量进行比较以检测在即将到来的6秒内与前裕量或后裕量的任何纵向重叠(545)。当识别纵向重叠的风险时,评估是否存在横向重叠(546)。在预计纵向相对距离LOV(t)在即将到来的6秒内处于前裕量和后裕量中的一个内且存在横向重叠时,识别与每个目标车辆3200的碰撞风险(547)。分类标准对于前面目标和后面目标对称,因为相同的制动努力对于前面目标车辆和后面目标车辆在相对距离方面具有不同的影响。风险评估包括将碰撞风险分类为没有风险、低风险、中等风险和高风险中的一种。
当没有前裕量和后裕量中的一个与预计纵向相对距离LOV(t)之间的纵向重叠的组合以及没有横向重叠(在每个时段内针对每组加速状况(包括固定加速度、温和制动和紧急制动)评估)时,称为没有碰撞风险。仅当包括紧急制动的加速状况时在任何时段内,当存在横向重叠和前裕量和后裕量中的一个与预计纵向相对距离LOV(t)之间的纵向重叠的组合时,称为低碰撞风险。
当包括温和制动和紧急制动的加速状况时在任何时段内,当存在横向重叠和前裕量和后裕量中的一个与预计纵向相对距离LOV(t)之间的纵向重叠的组合时,称为中等碰撞风险。
在任何加速状况下在任何时段内,当存在横向重叠和前裕量和后裕量中的一个与预计纵向相对距离LOV(t)之间的纵向重叠的组合时,称为高碰撞风险。
示例性碰撞风险评估表(549)在表1中示出:
表1
其中,-是-表示在接下来的6秒内存在碰撞风险,-否-表示在接下来的6秒内没有碰撞风险。
然后确定主车辆3100的位置概要(530)。优选地,主车辆3100的周围位置分成6个区域,包括前主车道、中主车道、后主车道、前目标车道、侧目标车道和后目标车道。对6个区域使用碰撞风险水平的单个度量,以便概括所有单目标分类。得到的六个度量相对于目标检测变得相对较稳固。例如,在一个目标车辆3200从合并斜坡插入前目标车道,而同时另一个目标车辆3200离开以离开该高速公路时,位置度量将不会变得断断续续。这将有助于防止不希望地发送临时道路可用性。与有效目标车辆3200和邻近的其它邻近目标的数量无关,持续地确定每个区域中的风险评估。
设定风险容忍规则包括针对主车辆3100确定是否请求车道变更操作,是否开始车道变更操作,以及在请求和开始车道变更操作之后是否经过车道边界。相应地选择保守风险容忍、适度风险容忍和激进风险容忍中的一种(536)。
车道变更控制决策包括响应于碰撞风险评估考虑风险容忍规则而准许或拒绝执行和/或完成所请求车道变更操作的许可(550)。基于碰撞风险评估和风险容忍规则来准许或拒绝主车辆3100开始和/或完成所请求车道变更操作的许可。在车辆操作期间,碰撞风险评估方案优选持续地执行(包括在执行自主车道变更操作之前和期间,直到完成),考虑主车辆3100的轨迹。
因而,在命令车道变更操作之后,确定是否开始车道变更以及是否经过车道边界。基于此选择保守风险容忍、适度风险容忍和激进风险容忍中的一种(536)。保守风险容忍仅在最近0.3秒内没有碰撞风险时才允许执行所请求车道变更操作。适度风险容忍仅在碰撞风险低或没有风险时才允许执行所请求车道变更操作。激进风险容忍仅在碰撞风险中等或更低时才允许执行所请求车道变更操作。在一个实施例中,碰撞风险评估在每100ms时段内执行(540),针对在主车辆3100视场内的每个目标车辆3200将6秒预计到未来,且合适的风险容忍应用于与是否开始车道变更以及是否经过车道边界相对应的每次评估。碰撞风险评估方案(500)的潜在结果包括允许车道变更操作、禁止车道变更操作或者在开始车道变更操作之前警告操作者、中止已开始的车道变更操作且返回原始车道、以及中止已开始的车道变更操作且通知并需要操作者动作。
图13示出了使用表1所示的碰撞风险分类由LXACC系统330执行的示例性控制方案500’的实施例,以在车道变更操作之前和期间执行和应用碰撞风险评估。车道变更决策包括允许执行和/或完成车道变更操作,且与碰撞风险评估和主车辆3100的位置概要相关。
操作中,碰撞风险评估方案500’分析车道和交通信息,且将它们与基于主车辆3100的状态和位置不断预测的期望车道变更路径进行比较。如果在请求车道变更时预测碰撞,操作将临时中断,直到相关车道是空的或者具有执行该动作的足够空间安全裕量。如果预测在车道变更期间碰撞,那么操作将具有两种中止动作选择,这取决于当时的情况。LXACC系统330促使车辆回到其初始车道,只要这可以安全地完成即可;否则,中止车道变更且控制让给车辆操作者。
图14和15示意性地示出了在根据本文所述的碰撞风险评估方案500执行车道变更操作期间在一定时间内的包括主车辆3100和目标车辆3200的道路。整数1、2、3、4、5和6表示经过的时间(单位,秒),车辆表示在相应时间点主车辆3100和目标车辆3200的位置。图14示出了主车辆3100在4秒后占据一个位置,且目标车辆3200在6秒后占据相同位置。碰撞风险评估方案指示许可车道变更操作。图15示出了主车辆3100在4秒后占据一个位置,且目标车辆3200在5秒后占据相同位置。碰撞风险评估方案未指示许可车道变更操作,且使得LXACC系统330停止或中止车道变更操作。
图16示出了根据本发明的示例性目标车辆跟随控制系统。目标车辆跟随控制系统100包括主车辆110、传感装置115、目标车辆跟随控制模块120、制动控制模块130和动力系输出扭矩控制模块140。此外,示出了目标车辆150。为了描述各个模块对v的影响,各个模块从主车辆110独立地示出;然而,应当理解的是,这些模块物理地位于主车辆110内或者例如经过通信网络可用于主车辆110。主车辆110以速度v行驶,且主车辆110内部的传感器产生描述v的信号。目标车辆150以速度vT行驶。主车辆110内部的传感器115收集关于r和r_dot的数据。目标车辆跟随控制模块120监测v、r和r_dot的输入。应用本文所述的方法,模块120输出加速度指令(acmd),描述v的期望变化。取决于acmd的大小和符号(与v的期望增加或减小相对应),制动控制模块130和动力系输出扭矩控制模块140发送来自于模块130的制动指令,致动制动器以在车辆车轮上施加减速力;发送来自于模块140的输出扭矩指令,改变通过传动系施加到车轮的扭力;或者两者兼而有之。来自于模块130和140的指令的效应影响主车辆110的操作和得到的v。由此,目标车辆跟随控制系统100基于v、r和r_dot以闭环反馈回路控制v。
动力系输出扭矩控制模块140控制动力系的各个部件以影响施加到车辆车轮上的输出扭矩。由此,取决于所采用的动力系的具体细节,v可以被控制在某些范围内。在包括内燃机的动力系中,输出扭矩的变化可以通过节气门设置的简单变化影响。v的期望增加可以通过要求更大输出扭矩实现。本领域技术人员将理解,节气门设置的这种变化需要比来自于发动机的输出扭矩的其他变化相对更长的时间来实现。例如,点火定时或燃料喷射定时可以被改变,以通过减少发动机内的燃烧效率而更快地临时减少输出扭矩。在包括电动马达或多个马达的动力系中,例如在混合动力驱动的动力系中,输出扭矩可以通过减少电机的扭矩分配而削减。在这种动力系中,应当理解的是,电动马达能以发电机模式操作,以相反或制动方向施加输出扭矩,从而允许能量回收到能量存储装置。所述实施例示出了可以命令输出扭矩变化的多个示例。用于改变输出扭矩的许多方法是本领域已知的,且本发明并不旨在限于本文所述的具体实施例。
传感装置115提供数据信息流,至少包括r和r_dot。传感装置115可以表示单个传感器、单个传感器与处理器结合、多个传感器、或能够产生所需数据流的任何其他已知配置。一个优选实施例包括已知雷达装置。附连到主车辆的雷达装置检测r(两个车辆之间的距离)和r_dot(目标车辆相对于主车辆的相对速度),以供目标车辆跟随控制系统使用。
如上所述,目标车辆跟随控制模块120输入关于主车辆前面的车道中的状况的数据,监测至少r、r_dot和v。模块120输出acmd用于控制车辆进入关于目标车辆的期望操作范围。模块120可以包括程序或多个程序以使用所述输入,应用标定关系和期望值以实现车辆与静态车道状况或动态车道状况的所需平衡。本文描述了编程的示例性实施例,然而应当理解的是,本文所述的总体方法可以通过试图实现安全性、驾驶性能和移动车辆中ACC所需的其他关注问题之间的允许平衡的多个不同编程实施例来实现。用于数据管理的编程技术和方法是本领域熟知的,且本发明并不旨在限于本文所述的具体示例性编程实施例。
如上所述,ACC是这样一种方法,通过所述方法,主车辆速度根据期望速度控制(如普通巡航控制中那样),此外,速度控制基于保持距主车辆前面的目标车辆的具体距离来执行。基于目标车辆位置和相对于主车辆的相对速度来选择参考速度基于期望距离。选择车辆被控制的期望距离通过标定过程实现,其中,车辆之间的距离基于平衡多个偏好(包括但不限于,平衡合理距离与操作者安全考虑)的值来设定。根据期望距离值进行控制可以采用许多形式。一个实施例包括使用滑动模式控制,即将系统状态带入期望轨迹的控制技术,从而将距离过渡至期望值(称为滑动表面)。在ACC应用中,状态是车辆的距离和速度,我们想要使得距离-速度状态跟随期望轨迹。滑动模式控制使ACC系统能够将其距离-速度状态保持在期望速度曲线(与滑动表面等同)上。
公开了用于操作目标车辆跟随控制系统的示例性方法。控制编程首先根据传感器信号计算目标车辆的速度,如下:
控制算法然后确定参考主车辆速度vr(r,vT),其是距离r和目标车辆速度vT的函数。
目标车辆跟随控制系统的控制目标是保持主车辆速度v与参考速度vr(r,vT)相同。在参考速度和主车辆速度之间可以通过以下方程定义速度误差:
ε:e=vr(r,vT)-v [7]
控制目标可以通过使用滑动模式控制借助于选择e的滑动表面来实现。
为了获得滑动模式控制,首先可以考虑主车辆的纵向动态性质。当应用加速度指令acmd时,车辆运动的纵向方程可以通过以下方程表示。
d的值假定为未知的,但是表示道路等级和空气阻力的常量扰动。Lyapunov函数可以通过以下方程表示。
方程7的时间导数可以通过以下方程表示。
通过将方程8代入方程11中,可以表示以下方程。
因而,方程10可以通过以下方程表示:
其中,
如果我们选择以下控制律,
acmd=ar+γpe+q [14]
于是,方程13可以通过以下方程表示。
因而,随着时间变得无穷大,方程14(控制律)确保滑动表面的误差e收敛至零。一旦状态处于表面上,因而,轨迹变为稳定不变集合,且状态保持在表面上。
关于vr的选择,满足以下两个条件的速度曲线vr(r,vT)胜任参考主车辆速度曲线。
vT=vr(rT,vT) [16]
方程16表明,曲线应当通过平衡点(rT,vT),方程17是曲线的系统稳定性的充分条件,如下文所述。假定距离-速度状态已经在曲线上且控制程序将状态保持在曲线上,以下方程可以表示如下。
v=vr(r,vT) [18]
为了研究曲线的系统稳定性,可以通过以下方程定义距离误差。
由于曲线上的速度是距离的依赖变量,因而曲线上的系统仅具有一个状态。如果定义关于距离误差正无穷大的Lyapunov函数:
那么,方程14的时间导数可以通过以下方程表示。
如果速度曲线满足方程16和17,那么Lyapunov函数的方程21中表示的时间导数是关于距离误差负无穷大,因而,系统是渐近稳定的。
可以对vr定义安全临界速度曲线,描述对于给定vr必须保持的最小r。图17以图形形式示出了根据本发明的示例性安全临界速度曲线。定义安全距离的一种优选方法是使用车头时距τ。车头时距是定义为在目标车辆立即停止且主车辆保持其当前速度时主车辆与目标车辆相遇的时间的结构。一个简单的滑动表面(参考速度曲线)是图17本身所示的常量车头时距线。该常量车头时距线可以通过以下方程表示。
vr=vT+(r-rT)/τ [22]
如果速度-距离状态处于滑动表面上,那么状态停留在滑动表面上,同时保持车头时距。然而,在速度变得更高时,滑动表面上的加速度/减速度会非常高,如以下方程表示。
该高加速度/减速度在安全临界情况下(如在短距离的情况下突然插入)是可接受的。然而,如果距离足够长,那么具有有限加速度/减速度的更平稳操作是优选的。
图17还可以用于描述车辆如何对没有在安全临界速度曲线上做出反应。例如,对于测量vT值,控制系统确定当前r值是处于安全临界速度曲线上方的区域还是处于安全临界速度曲线下方的区域。如果当前r值处于曲线上方的区域,那么产生负acmd,以减少动力系的指令输出扭矩、致动制动力或者两者兼而有之,以便将r增加至期望值rT。如果当前r值处于曲线下方的区域,那么产生正acmd,以增加动力系的指令输出扭矩,以便将r减少至期望值rT。
如上所述,由ACC操作的主车辆的驾驶性能在选择目标车辆跟随控制模块内的参数时是重要的特性。驾驶性能受到加速度的快速或经常变化、高顿挫或损害车辆平稳操作的其他动态因素的不利影响。为了平稳操作,加速度/减速度需要限制为某一水平。通过以下方程可以表示在为了平稳操作限制加速度/减速度的情况下描述参考速度曲线的方程。
图18以图形形式示出了根据本发明的示例性安全临界速度曲线和示例性平稳操作速度曲线。结合图17所述的安全临界速度曲线对与控制车辆来说仍然是重要的。在目标车辆停止的情况下,车辆必须能够在不碰撞的情况下停止。然而,所示平稳操作速度曲线在较高速度时增加了安全缓冲量或裕量,速度越高,用越来越大的值增加相应距离。该缓冲量和得到的更大距离提供了速度和加速度的更缓慢变化,以避免在动态状况期间在较高速度时违背安全临界速度曲线。
关于图17,根据相对于安全临界速度曲线的两个区域描述车辆的操作:一个在曲线上方,一个在曲线下方。关于图18,可以根据相对于安全临界速度曲线和平稳操作速度曲线的三个区域描述车辆的操作:区域1存在于安全临界速度曲线上方;区域2存在于安全临界速度曲线和平稳操作速度曲线下方;区域3存在于安全临界速度曲线和平稳操作速度曲线之间。
图18示出了根据距离-速度状态和得到的车辆操作区域使用安全临界和平稳操作曲线两者。基于图18中的两个速度曲线,距离-速度平面可以用于将车辆操作分类为三个命名的控制区域。由此,针对具体区域的要求、影响安全、驾驶性能和其他操作问题的特性进行的编程可以用于在车辆操作中实现所需结果。
图19示出了根据本发明的示例性过程,藉此可以确定车辆在其中操作的控制区域。区域确定过程200在步骤202开始。在步骤204,确定rT。在步骤206和210,r和v(主车辆的测量当前速度)与区域1建立的边界进行比较,如果任一变量建立区域1中的操作,那么在步骤208区域标识符设定为1。在步骤212,v与区域2建立的边界进行比较,如果v建立区域2中的操作,那么在步骤214区域标识符设定为2。在步骤216,在既不建立区域1也不建立区域2的情况下,那么区域标识符设定为3。在步骤218,过程结束。
一旦确定控制区域,根据该区域应用控制算法的不同速度曲线。例如,如果由于较慢目标车辆在短距离内突然插入,车辆状态处于区域1,那么需要立即和足够大的制动,以避免碰撞。在该情况下,选择用于滑动模式控制的安全临界速度曲线,例如通过以下方程表示。
如果车辆处于区域2(例如,如果较慢目标车辆在充分长的距离的情况下插入),那么不需要紧急制动,选择用于滑动模式控制的平稳操作速度曲线。这种过渡可以通过以下方程表示。
如果车辆处于区域3,即在安全临界和平稳操作曲线之间限定的区域,那么可以使用常量减速控制。这种示例性操作可以通过以下方程表示。
然后根据识别的控制区域选择参考加速度ar和参考速度vr。
图20示出了根据本发明的示例性信息流,其中,可以确定参考加速度和参考速度。监测包括r、r_dot和v的输入。这些输入根据本文所述的方法调节和处理。操作根据上述三个区域分类,且基于分类区域选择用于计算ar和vr的各个方程。得到的ar和vr值是信息流的输出。
一旦基于控制区域确定参考加速度和速度,就可以应用速度控制方程,如方程14所示。该关系式可以采用以下方程的形式。
图21示意性地示出了根据本发明的组合成执行多个方法的配置的上述方法的操作。根据上述方法,应当理解的是,所示系统可以监测相对于目标车辆的距离;监测相对于目标车辆的距离变化率;监测目标车辆的速度;基于所监测距离、所监测距离变化率和所监测速度来确定加速度指令;以及使用加速度指令来控制制动系统和动力系统的输出扭矩。确定加速度指令的过程包括将当前操作(包括当前车辆速度和距离)根据由安全临界速度曲线和平稳操作速度曲线限定的三个区域分类。在某些实施例中,应当理解的是,平稳操作曲线通过限制最大减速度来确定。在一些实施例中,应当理解的是,安全临界曲线通过车头时距确定。在一些实施例中,应当理解的是,车辆速度通过滑动模式控制跟随选定曲线。在一些实施例中,应当理解的是,得到的速度控制器包括比例、积分和前馈控制。
上述方法示出了在使用传感装置(如雷达子系统)的主车辆内的方法的各个控制模块以建立用于操作本文所述的ACC的输入。然而,应当理解的是,类似方法可以在两个协作车辆之间使用,其中,车对车通信(V2V)和在两个汽车内产生的数据可以用于增强本文所述的方法。例如,在相同车道上行驶的如此配备的两个车辆可以通信,使得在第一汽车中施用制动器可以通过跟随汽车中的减速来匹配或快速服从。例如,由于斜坡开始、车辆速度限制跟踪系统或响应于碰撞避免或预备系统而停止所经历的第一汽车中的速度变化可以在第二车辆中类似地响应。类似地,如果在一个行驶车道中的第一车辆经历转向信号或者方向盘的转动,表示车道变化到与第一车辆通信的类似配备的第二车辆前面的区域,第二车辆可以基于传送的第一车辆的预测移动而抢先改变速度以补偿。类似地,车辆链可以关联,且建立由所述系统链接的协调车辆组,其中,在链前面的车辆的相对运动可以用于预测地控制链后面的车辆。在一些实施例中,例如在商业货车应用中,这种链可以包括收紧否则长的期望距离,尤其是在这种链的后面,其中,来自于链中的前面车辆的通信可以用于增加与后面车辆的这种距离相关的安全因素,从而实现与通过空气动力学影响获得的车辆之间的较短距离有关的增加燃料效率。可以设想使用车辆之间通信的许多这种实施例,本发明并不旨在限于本文所述的具体实施例。
模拟研究验证了上述方法可以用于在稳态和动态车道状况下控制车辆。
模拟第一情形以追随在100kph和50kph之间改变速度的目标车辆。最初,主车辆以100kph跟随目标车辆,目标车辆以大约0.3g的减速度将其速度减少至50kph,然后,主车辆对目标车辆作出响应以保持速度和距离。在已经达到稳态之后,目标车辆以大约0.3g加速至100kph,且主车辆也加速以跟随目标车辆。
图22-25示出了上述目标车辆追随情形的模拟结果。如图22所示,主车辆的速度-距离轨迹保持在停止参考轨迹(滑动表面)上,而与目标车辆速度无关。因而,图23和24示出了速度和距离的几乎完美的跟踪。同样,图25中的加速度指令示出了合理的制动和节气门控制(throttling)。
模拟第二情形以在温和插入情况下调节速度和距离。最初,主车辆速度设定为100kph。在大约16秒,目标车辆以60kph的速度和120m的距离进入主车辆车道。
图26是插入情形的图形图示。
图27-30示出了将简单滑动模式控制和修正滑动模式控制进行比较的模拟结果。如图27所示,主车辆保持其100kph的设定速度,直到距离足够近以启动制动。然后,主车辆将其速度十分平稳地减少至60kph。在简单滑动模式控制时,初始制动非常晚,因为状态仍然偏离静态滑动表面。然而,在修正滑动模式控制时,系统施加早期制动,因为状态接近参考速度曲线。图28示出了相应距离。两种控制算法均在不同瞬变的情况下实现最终距离。
图29示出了两种不同方法的减速度指令。简单滑动模式控制情形用较高的最大制动施加晚期制动,而修正滑动模式控制用大约0.1g的最大制动施加早期制动。在两种控制的制动曲线下的面积相同。因而,对于驾驶员舒适性和平稳感觉来说,修正滑动模式控制可能是优选的。
图30示出了速度-距离轨迹。如曲线图所示,简单滑动模式控制的实际轨迹直到状态接近静态滑动表面才变化。然而,修正滑动模式控制的轨迹沿参考速度的动态曲线朝平衡点(38.3m,60kph)较早地改变其行程。
模拟附加情形以在中等插入情况下调节速度和距离。最初,主车辆速度设定为100kph。在大约20秒,目标车辆以60kph的速度和80m的距离进入主车辆车道。
图31-34示出了中等插入模拟的模拟结果。如图31所示,主车辆在目标车辆插入时开始减速。在该情况下,简单滑动模式控制和修正滑动模式控制两者均示出了类似的瞬变性能。图33示出了在速度过渡期间施加的制动。由于两个车辆之间的速度差对于初始距离来说很大,因此主车辆施加显著大量的初始制动,且在主车辆减速时施加较少的制动。在该情况下,简单滑动模式控制和修正滑动模式控制两者均具有类似的制动曲线。图34示出了速度-距离轨迹。如曲线图所示,速度和距离的初始状态偏离参考轨迹(滑动表面)。控制算法首先试图将实际状态轨迹带到参考轨迹。一旦实际轨迹趋近参考轨迹,实际轨迹沿参考轨迹趋近平衡状态(16.11m,20kph)。
模拟另一情形以在侵略性插入情况下调节速度和距离。最初,主车辆速度设定为100kph。在大约22秒,目标车辆以60kph的速度和40m的距离进入主车辆车道。
图35-38示出了模拟结果。在该情况下,参考速度的动态曲线并不起作用。因而,简单滑动模式控制和修正滑动模式控制并没有任何差别。参照图38所示的状态轨迹更便于阐述瞬变响应。一旦目标车辆插入,初始状态远离参考轨迹,控制器首先通过减少主车辆速度而将状态变为接近参考轨迹。甚至在初始制动期间,主车辆仍然比目标车辆更快,且距离减少至20m。一旦主车辆速度小于目标速度,距离开始增加。当需要安全距离时,主车辆沿参考轨迹加速以咬住速度和距离。图35、36和37分别示出了相应速度、距离和加速度。
模拟最后情形以示出在目标车辆突然停止时主车辆的响应。最初,主车辆速度以100kph跟随目标车辆,然后,目标车辆以0.3g突然减速至完全停止,主车辆施加制动且停止在目标车辆后5m,其中,5m是零速度距离。
在该情形下,参考速度的动态曲线并不起作用。因而,简单滑动模式控制和修正滑动模式控制表现相同。该情形示出了速度-距离轨迹一旦处于静态滑动表面上就保持在静态滑动表面上。最初,主车辆速度以100kph跟随目标车辆。目标车辆以0.3g突然减速至完全停止。主车辆施加制动且停止在目标车辆后5m,其中,5m是零速度距离。图39-42以图形形式示出了突然停止模拟的结果。
图43示意性地示出了根据本发明的配备有多特征ACC控制的示例性车辆。如上所述,多特征ACC控制可以用于监测来自于各个源(包括设置在车辆的任何和所有部分上的传感器)的输入,基于各个输入将车辆速度的控制排序,且将速度和加速度控制指令输出到车辆速度控制系统。
多特征ACC是通过整合多个特征(包括常规巡航控制、ACC、速度限制遵循和弯道速度控制)扩展常规ACC的自主和方便特征。
如果没有在前车辆或弯道或者速度限制变化,常规巡航控制将车辆速度保持在驾驶员选定参考或设定速度vSET。常规巡航控制的监测输入是车辆速度。速度控制器计算所需加速度指令acmd。如果加速度指令为正,那么应用节气门,如果加速度指令为负,那么应用制动器。
图44示意性地示出了根据本发明的示例性常规巡航控制系统的操作。监测设定速度或vSET,表示巡航控制之外的加速度输入的aFF保持在零,得到的车辆速度或v作为反馈项监测。指令acmd输出给节气门控制模块和制动器控制模块形式的车辆速度控制系统。由此,系统可以跟踪设定速度和控制车辆速度与设定速度匹配。
如果由前视传感器(如,雷达)检测到在前车辆,那么配备有ACC的系统保持驾驶员选定的车头时距。ACC在低速度范围中时也扩展ACC功能。
图45示意性地示出了根据本发明的示例性常规巡航控制系统的操作。所监测输入是车辆速度、距离和距离变化率。ACC指令生成块产生期望速度vACC和期望加速度aACC。速度控制器计算所需加速度指令acmd作为输出,且将该指令输出到车辆速度控制系统。如果加速度指令为正,那么应用节气门,如果加速度指令为负,那么应用制动器。
速度限制遵循(SLF)响应于法定速度限制的检测变化而自动地改变设定速度。在一个示例性实施例中,配备有SLF的系统在进入较低速度限制区域之前减少车辆速度且在进入较高速度限制区域之后加速。在一个示例性系统中,GPS系统检测车辆的当前位置。地图数据库提供当前位置的速度限制、下一速度限制变化点的位置及其距当前位置的距离以及下一速度限制。通过协调位置和速度限制数据,动态设定速度可以用于将车辆速度自动地控制为规定限制。
图46示意性地示出了根据本发明的示例性速度限制遵循控制系统的操作。速度限制遵循指令生成块输入车辆速度、距下一速度限制变化的距离、下一速度限制和当前速度限制。速度限制遵循指令生成块的输出是期望速度vSLF和期望加速度aSLF。速度控制器计算所需加速度指令acmd作为输出,且将该指令输出到车辆速度控制系统。如果加速度指令为正,那么应用节气门,如果加速度指令为负,那么应用制动器。
弯道速度控制在弯道处或者在车辆速度快于安全转向速度时在进入弯道之前相应地减少车辆速度。图47示意性地示出了根据本发明的示例性速度限制遵循控制系统的操作。GPS系统检测当前位置和当前位置的速度限制。MAP数据库提供当前位置的曲率ρC、下一曲率变化的位置及其距当前位置的距离rNC、以及下一曲率ρN。曲率通过查询表转换为弯道速度vNCS(ρN)和vCCS(ρC)。速度弯道速度控制指令生成块输入车辆速度、距下一曲率变化的距离、下一弯道速度和当前弯道速度。弯道速度控制指令生成块的输出是期望速度vCSC和期望加速度aCSC。速度控制器计算所需加速度指令acmd,且将该指令输出到车辆速度控制系统。如果加速度指令为正,那么应用节气门,如果加速度指令为负,那么应用制动器。
多特征ACC的各个特征用共同控制器控制,使用指令裁定功能来在每个特征的各个输出之间做出选择以控制车辆。多个特征可以通过共用相同速度控制器而不同的指令生成块来结合。每个指令生成块输出期望加速度和期望速度。指令裁定块将来自于多个指令生成块的期望加速度和速度进行比较且确定裁定加速度和速度。
图48示意性地示出了根据本发明的示例性控制系统,包括指令裁定功能、监测各个输入且生成单个速度输出和单个加速度输出,以便由单个车辆速度控制器使用。每个特征如上所述操作,且来自于这些特征的输出在指令裁定块中监测和排序。各个特征能以不同速度和不同加速度为目标,但是必须服从每个特征的限制。例如,ACC特征可以由于距主车辆前面的目标车辆的距离增加而请求加速,但是由于车辆趋近过渡至较低速度限制,因而速度限制遵循特征可以限制这种加速。甚至在没有当前限制抑制完成来自于一个特征的速度或加速度请求时,即将到来的状况变化可以作出不利于保持驾驶性能的未决请求。在多特征ACC系统的各个输出之间实现指令裁定的方法可以包括预测在一些未来时间时每个特征期望的速度,且将这些预测速度进行比较。该比较允许该系统在未来时间选择最低预测期望速度,从而避免违背该最低预测期望速度或者基于acmd突然变化而产生不利驾驶状况。
图49示出了根据本发明的示例性数据流,预测各种速度控制方法所需的未来速度且使用指令裁定功能以基于裁定来选择方法。示出了各个ACC特征,包括速度和加速度输出。这些输出中的每个被输入到计算块,所述计算块预测每个特征的预测vfuture。这些预测项然后被选择以寻找最小期望未来速度,且该项用于控制车辆。
图50以图形形式示出了根据本发明的车辆对各个ACC特征的期望速度变化的示例性反应时间,包括期望未来速度的示例性预测。在曲线图的左侧,系统以特征1的速度请求(支配控制速度)开始。在没有执行未来状况预测或者各个特征的期望速度的预测的系统中,系统根据特征1限制控制速度,直到来自于特征2的速度请求变得小于来自于特征1的速度请求。在该点处,系统经历对变化输入的反应时间,根据传感器反应时间、计算反应时间以及动力系和制动器反应时间。速度然后变化以便快速地匹配由特征2设置的新限制。然而,本领域技术人员应当理解,车辆对输入的突然变化的反应时间需要包括可察觉的过渡时间。如果相反,车辆速度通过预测未来状况或预测各个特征的期望速度来控制,那么车辆速度可以更平稳地控制,从而避免由于系统反应时间引起的期望速度违背各个特征的当前输出。
指令裁定还可以通过获得不同特征的最小速度和/或加速度来阐述。特征x产生两个指令vx和ax,其中,vx和ax分别是当前期望速度和当前期望加速度。因而,我们可以从vx和ax外插未来期望速度vfuture/x。通过分配时间范围T,期望未来速度计算如下。
vfuture/X=vX+aX·T [32]
因而,指令裁定通过获得来自于多个请求的最小未来期望速度实现。
示例性指令裁定过程可以阐述如下。
参数:T;
输入:vCCC,vSLF,vCSC,vACC,aCCC,aSLF,aCSC,aACC;
计算未来参考速度:
vfuture/CCC=vCCC+aCCC·T [33]
(CCC=常规巡航控制)
vfuture/SLF=vSLF+aSLF·T [34]
(SLF=速度限制遵循)
vfuture/CSC=vCSC+aCSC·T [35]
(CSC=弯道速度控制)
vfuture/ACC=vACC+aACC·T [36]
(ACC=适应性巡航控制)
寻找最小未来参考速度:
vfuture=min(vfuture/CCC,vfuture/SLF,vfuture/CSC,vfuture/ACC) [37]
寻找最小当前参考速度:
vcurrent=min(vCCC,vSLF,vCSC,vACC) [38]
选择参考速度和参考加速度:
vref=vcurrent [39]
输出vref,aref
示例性ACC系统在上文借助于常规巡航控制特征、适应性巡航控制特征、速度限制遵循特征和弯道速度控制特征来描述。然而,应当理解的是,本文所述的方法可以与这些特征的任何子组合一起使用,例如,仅具有常规巡航控制特征和弯道速度控制特征的系统。此外,根据上述方法,可以使用根据其他因素控制速度的其他模块,其他因素包括天气、交通、识别道路危险、识别污染控制区域、混合动力驾驶控制策略(例如,通过速度调节优化能量回收)或任何其他这种特征,且本发明并不旨在限于此。
根据足以预测对输入的控制、制动、和动力系反应时间的任何方法,可以选择预测间隔或时间范围T。如上所述,T应当足够长以防止车辆速度超过最小期望速度的变化。此外,应当理解的是,可以实现期望速度变化的更长分析,从而通过延长T而防止车辆速度的多次重复变化或者使车辆速度的多次变化平稳,以便预测车辆在更未来时的操作。在替代方案中,T可以限制为相对短的时间值(主要基于车辆反应时间),可以根据本领域已知的方法执行第二操作,以通过使得重复可预见变化之间平稳而保留随后车辆速度变化之间的驾驶性能,如上所述。
传感器数据和其他信息可以在各个应用中使用以实施对车辆的自主或半自主控制。例如,ACC是已知的,其中,车辆监测距目标车辆的距离,且控制车辆速度以保持距目标车辆的最小距离。车道保持方法使用可用信息来预测和响应意外地经过车道边界的车辆。目标跟踪方法监测车辆操作环境中的目标,且利于对目标航迹的反应。横向车辆控制是已知的,其中,与预计畅通路径、车道保持边界或碰撞可能相关的信息用于使车辆转向。可以使用横向车辆控制来实施车道变更,且可以使用传感器数据来检查车道变更可用性。碰撞避免系统或碰撞预备系统是已知的,其中,信息被监测且用于预测碰撞概率。在预测碰撞概率超过阈值的情况下采取动作。许多形式的自主和半自主控制是已知的,本发明并不旨在限于本文所述的具体示例性实施例。
图51示出了由GPS装置监测的示例性GPS坐标。GPS装置从远程卫星系统返回信息,所述信息根据全球坐标系(纬度、经度、海拔)描述GPS装置的位置。所返回信息可以描述为标称位置。然而,如上所述,GPS数据不精确且包括GPS误差。GPS装置的实际位置可以是由标称位置和GPS误差限定的区域内任何地方。当使用GPS位置差分来计算车辆之间的距离时,对于相邻(例如,在500m内)的车辆来说将消除大多数GPS误差,且通常可以获得准确的相对距离。
图52示出了根据本发明的来自于GPS装置的信息,包括标称位置、GPS误差容限和限定GPS偏差的确定实际位置。如上所述,标称位置通过GPS装置监测。基于GPS技术内在的误差,GPS确定中的一些不准确对于标称位置来说是内在的,从而产生与标称位置有关的可能位置范围。通过诸如上述示例性方法的方法,可以确定GPS装置的实际或固定位置。通过将GPS装置的实际或固定位置与标称位置进行比较,可以计算GPS偏差作为距标称位置的矢量偏差。
传感装置中的误差在变化方向和距离方面可能是随机偏移的,离散结果表示差的精度;或者误差在具体方向和距离可能一致地偏移,紧密聚集的结果表示好的精度。GPS装置领域的技术人员将理解,GPS装置中的误差往往展现好的精度,在类似GPS偏差的情况下,在区域中和近时间间隔内的迭代结果展现紧密聚集的结果。类似地,彼此紧邻操作且大致同时监测标称位置信息的多个装置往往经历类似GPS偏差。
本领域技术人员将理解,已知多个方法来固定或三角测定车辆的位置。例如,来自于两个已知目标的雷达返回波或无线电返回波可以用于三角测定地图上的车辆位置。一旦位置在某一时间瞬时固定,另一方法可以确定车辆位置的估计变化,通过估计车辆运动来实现,例如通过假定基于监测车辆速度沿当前道路行驶,通过使用陀螺仪或加速计装置,或者基于确定GPS误差裕量(通过将最近固定位置与该瞬时的GPS标称位置进行比较)且假定GPS误差裕量在一定时段内相同。本领域技术人员将理解,已知许多这种示例性方法,本发明并不旨在限于本文所述的示例性方法。此外,公开了示例性基础设施装置(GPS差分装置),其可以沿道路定位,与经过的车辆通信,且将GPS偏差值提供给定位区域的车辆。在这种已知装置中,装置的GPS标称位置与装置的固定已知位置进行比较,差得到可以由在该区域中操作的车辆使用的GPS偏差值。通过使用这种装置,用于三角测定主车辆位置的传感器读数和计算是不必要的。
图53示出了根据本发明实施例的主车辆和两个目标,均监测GPS标称位置以及得到的GPS偏差。
已知方法来使用关于车辆周围的驾驶环境的信息以自主地或半自主地控制车辆相对于车道和相对于其他车辆的相对位置。图54示出了根据本发明的使用示例性方法来控制车辆操作的车辆。车辆3105、车辆3205和车辆3305在由车道标记305A和305B限定的车道300中行驶。车辆3205使用雷达信号来确定距车辆3105的距离,例如用于ACC应用,车辆3205还使用已知方法来建立车道内的估计位置且确定车道保持边界325A和325B。车辆3305类似地监测距车辆3205的距离,在该示例性情况中通过使用超声信号。车辆3305可以手动地操作,例如其中操作者转向车辆且使用距离信息来保持车辆3205之后的期望跟随距离。
如上所述,在同一时间在多个目标监测标称位置中的GPS偏差往往展现相同或类似的GPS偏差。例如描述了主车辆以及目标O1和O2的标称位置,描述每个标称位置,就像存在三个GPS装置一样,一个在主车辆中,一个在每个目标中。确定主车辆的实际位置,且可以确定主车辆的GPS偏差。基于GPS用良好精度提供信息的趋势且基于主车辆的实际位置的准确估计,三个标称位置的关系能够用高正确性确定O1和O2的指示实际位置。
图55示出了由本发明一个实施例提供的系统1001的示意图。存在控制器75,其包括具有操作性地连接到其上的存储器的微处理器且配置成接收输入数据并响应于其提供输出指令,用于控制机动车辆的行驶特性。
在优选实施例中,控制器75的输入数据由至少一个位置信息装置提供。在一些实施例中,采用所示和所述的一种位置信息装置,而在其他实施例中,设置选自以下组的两种或更多种位置信息装置的任何组合以给控制器75提供输入:超声传感器707、光感测和测距(LIDAR)传感器709、光学传感器711、基于雷达的传感器713、全球定位系统(GPS)传感器715、和任选V2V通信接口717。在一些实施例中,使用三角测定、遥感勘测或其他已知手段的交通信息和位置上传到车辆,以便可由车辆处理器访问,以用于车辆位置控制。在一些实施例中,采用多个单一类型的位置信息装置,而在其他实施例中,采用多个具有多于单一类型的位置信息装置。这种位置信息装置和与其用于提供位置信息相关的硬件通常是本领域熟知的。
因而,采用本文提供的系统的机动车辆通常具有沿其周边设置的目标检测传感器,使用超声波、基于LIDAR、基于视觉(光学)和基于雷达的技术中的一种或多种。在这些技术中,短程雷达是优选的,由于其易于围绕车辆周边配置和高质量目标检测特性,比其他传感方式更难受操作环境变化的影响。这些雷达具有宽的水平视场,可以用合理的最大量程检测低至非常短距离的目标距离,可以直接测量闭合或断开速度、求解其视场内目标的位置。通常设置在车辆前部和后部的超声传感器用于在其量程内指示这些区域中的目标的存在。包括具有图像处理能力的照相机的光学传感器分类车辆周围的目标,且提供信息,例如关于其他车辆、行人、道路标志、隔离带、天桥等的基本辨别。图像处理还用于提供距离和距离变化率信息。LIDAR还用于提供各个目标的距离和角位置信息。
机动车辆(包括但不限于机动车和货车)的行驶特性受到车辆操作参数的影响,包括车辆速度、车辆加速度和车辆行驶方向中的一个或多个。车辆速度和加速度的变化或保持通过控制或改变发动机速度、变速器档位选择和制动而容易实现,车辆行驶方向通过控制车辆车轮转向而容易地保持或改变。电子地实现前述操作参数变化的控制是本领域已知的且包括各种伺服操作机电装置,如巡航控制以及相关硬件和软件,用相关位置传感设备标定的伺服马达。因而,在优选实施例中,电子致动转向控制装置725操作性地连接到控制器75的输出,其配置成响应于来自于控制器75的输出指令实现车辆转向的变化或保持。在优选实施例中,电子致动制动控制装置727操作性地连接到控制器75的输出,其配置成响应于来自于控制器75的输出指令实现车辆制动的施加。在优选实施例中,电子致动节气门控制装置729操作性地连接到控制器75的输出,其配置成响应于来自于控制器75的输出指令实现车辆发动机速度的变化或保持。如本文使用的,“节气门”指的是发动机速度的控制器,包括用于控制马达或发动机(是机动车辆的主要推进手段)的速度的可变电阻器和其他装置。
总体而言,使用本文提供的系统使得机动车辆在其行驶时段期间自动地保持在道路上,而没有来自于车辆上的人的任何相互作用,包括驾驶员命令的转向、制动和加速。用于实现这种功能的一个方面是通过生成可更新地图数据库,例如通过使用差分GPS(包括由General Motors Corporation在其商标ONSTAR下提供的),该地图数据库可以容易地存储在机动车辆上的计算机存储器中。地图数据库上控制的车辆位置被一直监测,且其行驶特性响应于地图数据库上存在的特征和从车载传感器实时获得的特征的变化而选择性地改变。这些特征包括但不限于,固定道路基础设施(包括桥梁、堤坝和其他工程结构),以及道路本身上或附近的目标(包括道路垃圾、结构导航辅助(如橙色桶orange barrel)、路标和道路上的其他机动车辆)。
根据本发明的系统包括用于致动系统的驾驶员可致动控制、以及用于停用系统的驾驶员可致动和自动控制。在一个实施例中,机动车辆的驾驶员舱包括用于该系统的开/关式开关,其可手动致动。一旦致动,根据本发明的系统可以通过开/关式开关停用,其可包括在人触摸车辆方向盘时停用系统的触摸致动开关。在优选实施例中,系统自动停用,例如在车辆和GPS系统之间的通信通过停用中继器723断开时,其中,听觉和/或视觉报警提供给车辆操作者。为此,可以合适地使用本领域已知的能够响应于丧失RF信号而断开或闭合电路的信号传感手段。在采用V2V通信接口作为控制器75的输入的替代实施例中,系统在丧失与机动车辆附近的其他车辆的通信时停用,所述其他车辆类似地配备有V2V通信接口。
配备有V2V通信接口的机动车辆允许车辆彼此通信,且这种通信可以包括传输关于每个这种车辆附近存在的目标的信息(包括道路上其他车辆的位置和这种车辆本身是否制动、加速或改变其行驶方向)。将这种信息与前文所述车载传感器提供的信息结合给控制器75提供生成道路平面图、道路上的机动车辆及其周围目标的位置、以及每个的速度(足以允许自动实现车辆操作参数的变化以避免与这种目标碰撞)的充分信息。
控制器75控制转向以将车辆保持在道路上的车道内,而不与闯入其路径中的目标碰撞,转向通过精确和响应线控转向技术实现。控制器75控制节气门和制动器以使用电子节气门控制和线控制动来在其车道内平稳地推进车辆。车辆平稳地加速、减速或巡航,而不与任何车辆或目标碰撞,模仿理想驾驶员行为。使用制造车辆动态传感器,控制器75将预测车辆路径且将经由闭环控制校正该路径以匹配由处理单元产生的预期路径。控制器75计算车辆周围的每个和每一个目标的碰撞时间,且调节车辆操作参数以在没有任何碰撞的情况下安全地导航。在一个实施例中,本文提供的系统的优选操作范围限于车辆仅以相对低的速度以向前方向行驶,例如在高速公路上堵塞状况期间当车辆速度通常不超过大约40英里/小时时,本领域已知的目标检测传感器、计算平台和致动器的性能足以完成。
在一些实施例中,本文提供的系统尤其用于在称为堵塞的驾驶状况期间,这在高速公路挤满车辆时发生,例如在“高峰时间”交通时间期间。在堵塞状况中,车辆通常以不超过大约40英里/小时行驶。在堵塞期间,配备有本文提供的系统的车辆驾驶员压下按钮以致动系统。作为输入提供给控制器75的信息被收集且车辆在没有任何驾驶员干预的情况下自主地自动导航。
存在与本文提供的系统的操作相关的多个阈值,包括要进行车辆制动、加速和转向的改变或保持指令的阈值。这些阈值能经由控制器75中使用的软件中的编程来调节。在一个实施例中,当行驶车辆以超过3米/秒的速率趋近距车辆10米的另一目标时,促发制动指令。在另一个实施例中,当行驶车辆以超过4米/秒的速率趋近距车辆10米的另一目标时,促发制动指令。在另一个实施例中,当行驶车辆以超过3米/秒的速率趋近距车辆10米的另一目标且存在为避免目标的躲避转向动作的充分空间时,促发转向指令。在另一个实施例中,当行驶车辆以超过3米/秒的速率落后距车辆10米的另一目标时,促发加速指令。对于给定车辆配置,在认为必要或者期望时,这些前述速率和距离、应用制动、加速和转向的速率量能通过车辆工程师容易地调节。在一些实施例中,优选在发出制动或转向指令时,这些伴随发动机节气门的同时关闭。
在一个实施例中,本文提供的系统包括报警器731,该报警器选自以下组:可听报警器和可视报警器,控制器75配置成在微处理器和存在的至少一个位置信息装置之间丧失通信时致动至少一个这种报警器以警告车辆乘员。
在另一个实施例中,所提供的系统配置成在影响在不需要操作者提供转向、制动或车辆加速的手动输入的情况下执行操作机动车辆的功能的系统整体性的任何状况或事件存在或发生时触发报警器。取决于机动车辆的预期服务,这些状况或事件可以在软件中由车辆工程师指定,且包括诸如以下的事件:电气系统故障、发动机故障、制动系统故障、转向系统故障、环境天气状况、前灯故障、路面状况(包括交通密度)、车外目标接近度、道路状况、促使车辆离开车道的车外交通接近度、丧失车道识别以及速度超过预定最小值。在一些实施例中,所提供的系统配置成响应于存在一个或多个前述状况而给车辆乘员发送车辆乘员必须接管车辆控制的声明。在一些实施例中,在车外目标在预定阈值接近度内的频率对于连续安全自主驾驶来说过高时,在存在使得车道识别或交通接近度检测难以解决或者不可能解决的状况时,且在本文提供的车辆系统确定为了保持交通中的相对位置车辆必须偏离其指定车道时,系统保持接合以避免碰撞且如果车辆速度趋近预定最大值则驾驶员/车辆乘员被警告。
在一些实施例中,根据本发明的机动车辆的操作明确依赖于感测车辆附近的其他车辆交通的接近度,用于其自主驾驶,包括对于包括“堵塞”交通状况的具体情形在车辆工程师预先确定的相对低的车辆速度下驾驶员完全脱离转向机构以提供“手离方向盘”操作,其中,周围交通和其他目标的接近度感测容易。在一些实施例中,本文提供的操作不同于已知的或本文所述的其他自主驾驶,因为车道识别用于错误感测,而不是指导车辆行驶。在这种实施例中,这与在相对较高车辆速度时采用的驾驶模型通常相反,所述驾驶模型采用车道感测/识别用于驾驶指导且采用接近度感测用于错误检测。
在又一个实施例中,所提供系统配置成使得车辆自我导航到路肩,且任选通过通信系统自动地拨打紧急呼叫,通信系统例如由General Motors Corporation在其商标ONSTAR下提供的或大致等价通信。
本文描述了采用疏堵模式的方法,其中,在拥堵交通状况时,车辆自主地操作,而没有来自于驾驶员的直接输入。一旦满足启动疏堵模式所需的状况,例如包括低速操作,例如小于阈值堵塞速度,跟踪的目标车辆抑制车辆自由加速,可以将进入疏堵模式的选项呈现给驾驶员以便选择。
一旦致动疏堵模式,车辆被控制在路面上操作。路面上的该操作可以简单地沿当前车道行驶,直到驾驶员干预或超控该控制。在替代方案中,取决于路面上感测的交通和其他障碍,车辆可以通过上述方法启动,以改变行驶车道。行驶可以限于高速公路行驶,其中,与交通信号的相互作用受限制或者不存在。在其他实施例中,与模式识别软件联接的照相机装置可以用于适当地评估交通信号和控制车辆操作。交通信号可以包括但不限于停车灯、停止标志、速度限制标志、学校区域标志、紧急车辆指示、横穿铁轨指示、需要车道变更指示、施工交通指示或隔离带、和让路标志。与交通信号的这种相互作用可以用V2V或车辆对基础设施(V2I)通信替代地或补充地完成。V2V和V2I信息可以用于描述当前状况,例如在路口中。这种通信还可以用于预测路口中的可能状况,例如提前15秒,从而允许在致动疏堵的车辆动作中预备停止或前进通过路口。
疏堵模式的操作可以通过出现多个动作或状况而结束或终止。驾驶员可以在任何时间致动驾驶员控制以及疏堵模式的总体部分或全部。停用级别可以在车辆内预先设定或选择。例如,驾驶员可以简单地致动制动器,以使车辆减速,但是基于驾驶员输入的短暂性,疏堵模式可以保持有效,保持转向控制且在驾驶员干预中止之后缓慢地恢复速度控制。类似地,驾驶员可以接近方向盘和加速器以执行手动车道变更。在完成车道变更之后,驾驶员可以释放方向盘和加速器,且车辆可以在新的行驶车道恢复疏堵模式。在这种情形下,恢复疏堵模式可以假定为合适的,或者选项可以呈现给操作者,例如提示压下按钮或者语音响应以恢复疏堵模式。
终止疏堵模式的状况的另一示例包括路面上或者在当前行驶车道中的交通拥堵结束。例如,如果车辆经过阈值速度,例如30英里/小时,指示表示不堵塞的正常速度,疏堵可以将车辆控制返回给驾驶员。终止疏堵模式的阈值速度可以但不需要与启动疏堵模式所需的阈值堵塞速度相同。控制的这种返回可以通过警报或警告驾驶员指示即将到来的控制返回来启动。这种警告可以是可听到的、指示在视觉或平视显示器上,可以由座椅或控制器中的震动或者本领域已知警告驾驶员的其他类似方法指示。在驾驶员不能恢复车辆手动控制的情况下,车辆可以采取多个反应,例如,重复且更急迫的警告、在一定时段内在当前行驶车道中以上限或最大速度继续控制车辆,以及控制车辆停止到路肩。类似地,如果没有目标车辆保持在车辆附近内或者如果使车辆加速的畅通路径开放,那么疏堵模式可以终止且车辆可以返回手动控制。
在取决于GPS位置的实施例中,终止疏堵模式的状况的另一示例包括GPS装置的信号持续中断。如本领域已知的,GPS装置需要来自于卫星的信号操作。在取决于来自于GPS装置的数据的实施例中,丧失所需信号可以引发疏堵模式的终止且将车辆控制返回手动控制,或者紧急停止,包括控制车辆停止到路肩。
以疏堵模式操作车辆需要存在某些安全行驶状况。例如,如果车辆传感器(如,防抱死制动传感器)确定当前道路结冰,那么可以终止疏堵模式的操作。在另一个示例中,如果车辆系统经历维修故障,例如雷达装置、前灯、或发生轮胎故障,那么可以终止疏堵模式。取决于终止的性质,车辆控制可以返回到驾驶员或者车辆可以执行紧急停止,包括控制车辆停止到路肩。这种安全因素可以减少为安全状况指数且与安全状况阈值进行比较以确定车辆的合适动作。
与交通中的其他车辆进行比较,车辆控制可以根据多种方法完成。这种方法可以包括可以基于车辆速度固定或调节的距离或测距。在相关示例中,距离范围可以基于方向的安全范围在某些方向或者整个车辆周围限定。在另一个示例中,这种距离范围相反可以基于“碰撞时间”估计,计算车辆和车辆周围目标之间的关系且基于碰撞时间估计调节距离范围。在一个示例中,所计算碰撞时间与阈值碰撞时间进行比较,且如果所计算碰撞时间小于阈值碰撞时间,可以指示违背车辆的距离范围。已知且可以设想评估车辆与车辆附近的目标车辆或其他目标的关系的多种方法,本发明并不旨在限于本文所述的具体示例性实施例。
碰撞时间可以用作保持车辆和路面上的其他车辆或目标之间的距离或测距的度量。然而,应当理解的是,碰撞时间能够监测碰撞概率。在出现高碰撞概率时,可以由疏堵模式采取措施以避免或减轻碰撞影响。在一个示例中,可以发出紧急警告给驾驶员,提示返回手动控制。在另一个示例中,车辆的转向和速度控制可以用于避免即将到来的碰撞,或者悬架属性可以改变以改进车辆的反应。在碰撞被认为不可避免的情况下,可以采取动作以使得碰撞影响最小化,例如,操作车辆与碰撞车辆的纵轴线对齐或者加速以减轻后端碰撞的影响。
如上所述,疏堵模式旨在为驾驶员的手离开模式。在发生可选择事件的情况下,可以提示驾驶员通过诸如按钮输入、在触摸屏显示器上选择或通过语音指令的方法来做出选择。
如上所述,V2V通信可以用作疏堵模式的输入。例如,如果疏堵状况中的车辆组或者车辆组的子组被类似地配备且处于通信,那么通信车辆能够以协调方式移动,从而减少组移动的不确定性,共用未通信目标车辆或组附近的道路几何形状的传感器读数,且形成协调车辆队形。可以设想V2V通信的多个有益效果,且本发明并不旨在限于本文所述的具体示例性实施例。
如上所述,V2I通信可以用作疏堵模式的输入。例如,施工、交通延迟或其他细节可以通过V2I通信传送,从而改进以疏堵模式的车辆控制。这种信息可以激励或控制车辆通过路面的约束部分进入车道优化流。在另一个实施例中,V2I通信可以根据预设绕行路线建议或指导车辆,用于自主控制或者用于通知驾驶员预期将手动控制返回到驾驶员。在另一个实施例中,基础设施装置可以监测通过路面一部分的交通且将关于堵塞状况的信息提前传送给车辆。可以设想V2I通信的多个有益效果,且本发明并不旨在限于本文所述的具体示例性实施例。
疏堵模式的操作可以假定车辆预期在当前道路上无限地行驶,基于期望行驶路线等待驾驶员干预。在替代方案中,疏堵模式可以与GPS和数字地图装置结合以在具体时间提示驾驶员干预。在另一个实施例中,疏堵模式可以配置成在计划路线所需的道路变换之前变更车道,从而允许驾驶员在最后时刻干预,以从正确车道简单地变换至新道路。在另一个实施例中,车辆可以采用计划路线、数字地图和车辆可用的其他输入来完成所需道路变换,同时保持疏堵模式。
本发明已经描述了某些优选实施例及其变型。在阅读和理解说明书之后可以想到进一步的变型和变化。因而,本发明不打算限于作为设想用于实施本发明的最佳模式所公开的具体实施例,本发明将包括落入所附权利要求范围内的所有实施例。
Claims (10)
1.一种在堵塞交通状况期间操作车辆的方法,所述方法包括:
监测车辆速度;
跟踪目标车辆,包括监测距目标车辆的距离;
在车辆速度小于阈值堵塞速度时,监测疏堵模式的启用;
基于来自于GPS装置的数据而监测车辆位置;
监测关于车辆的距离包络线;以及
在车辆速度保持小于阈值堵塞速度时,基于车辆速度、距目标车辆的距离、车辆位置和距离包络线来控制车辆操作,车辆操作包括车辆加速、制动以及转向。
2.根据权利要求1所述的方法,还包括监测交通信号的操作;且
其中,控制车辆操作还基于所监测的交通信号的操作。
3.根据权利要求1所述的方法,其中,监测疏堵模式的启用包括:
基于车辆速度以及距目标车辆的距离确定疏堵模式的启用要满足的条件;
通过人机接口装置来呈现疏堵模式选项;以及
通过人机接口装置来监测对疏堵模式选项的选择。
4.根据权利要求1所述的方法,还包括基于在车辆附近保持没有目标车辆来终止控制车辆操作。
5.根据权利要求1所述的方法,还包括在没有目标车辆阻挡车辆加速时终止控制车辆操作。
6.根据权利要求1所述的方法,还包括:
将距目标车辆的距离与距离包络线进行比较;以及
在目标车辆处于距离包络线内时产生报警。
7.根据权利要求1所述的方法,其中,监测关于车辆的距离包络线包括:
计算目标车辆的碰撞时间估计值;
将碰撞时间估计值与阈值碰撞时间进行比较;以及
基于所述比较来显示违背距离包络线。
8.根据权利要求1所述的方法,其中,监测关于车辆的距离包络线包括:
监测车辆前面的距离。
9.根据权利要求8所述的方法,其中,监测关于车辆的距离包络线还包括:
监测距车辆侧面的距离。
10.一种以低速在繁忙交通中在道路上控制车辆的系统,所述系统包括:
传感装置,所述传感装置跟踪车辆附近的目标车辆;
全球定位装置,所述全球定位装置确定车辆相对于数字地图的位置;以及
控制模块,所述控制模块:
监测表示堵塞状况的状况;
通过人机接口装置监测对疏堵模式选择器的选择;
监测车辆速度;
监测来自于跟踪目标车辆的传感装置的数据;
监测来自于全球定位装置的数据;
基于车辆速度、来自于传感装置的数据以及来自于全球定位装置的数据来确定车辆的距离包络线;以及
基于距离包络线和来自于全球定位装置的数据来控制车辆加速、制动以及转向。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/698321 | 2010-02-02 | ||
US12/698,321 US20110190972A1 (en) | 2010-02-02 | 2010-02-02 | Grid unlock |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102139696A true CN102139696A (zh) | 2011-08-03 |
Family
ID=44342348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100349790A Pending CN102139696A (zh) | 2010-02-02 | 2011-01-28 | 疏堵 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20110190972A1 (zh) |
CN (1) | CN102139696A (zh) |
DE (1) | DE102011009665A1 (zh) |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103057376A (zh) * | 2011-10-20 | 2013-04-24 | 通用汽车环球科技运作有限责任公司 | 车辆悬架系统及其使用方法 |
CN103101539A (zh) * | 2011-11-11 | 2013-05-15 | 奥迪股份公司 | 用于运行机动车起停系统的方法和机动车 |
CN104908741A (zh) * | 2014-02-24 | 2015-09-16 | 福特全球技术公司 | 自主驾驶传感系统及方法 |
CN104964692A (zh) * | 2014-03-22 | 2015-10-07 | 福特全球技术公司 | 来自车辆的跟踪 |
CN105346389A (zh) * | 2014-08-18 | 2016-02-24 | 比亚迪股份有限公司 | 车辆的控制系统、方法及车辆 |
CN105723435A (zh) * | 2013-05-13 | 2016-06-29 | 罗伯特·博世有限公司 | 用于运行车辆的方法和设备 |
CN105809126A (zh) * | 2016-03-04 | 2016-07-27 | 重庆邮电大学 | Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 |
CN106067247A (zh) * | 2015-04-23 | 2016-11-02 | 福特全球技术公司 | 交通复杂度估算 |
CN106233355A (zh) * | 2014-04-15 | 2016-12-14 | 三菱电机株式会社 | 驾驶辅助装置及驾驶辅助方法 |
CN106558216A (zh) * | 2015-09-29 | 2017-04-05 | 扬智科技股份有限公司 | 用于车辆的控制系统及车辆交通控制方法 |
CN106585623A (zh) * | 2016-12-21 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
CN107200012A (zh) * | 2016-03-17 | 2017-09-26 | 株式会社斯巴鲁 | 车辆的行驶控制装置 |
CN107219846A (zh) * | 2016-03-21 | 2017-09-29 | 中国移动通信集团广东有限公司 | 控制车道方向的方法、道路指挥及分段设备、车辆终端 |
CN107507417A (zh) * | 2017-08-03 | 2017-12-22 | 北京信息科技大学 | 一种基于微波雷达回波信号的智能车道划分方法及装置 |
CN107878711A (zh) * | 2017-07-17 | 2018-04-06 | 青岛海狮网络科技有限公司 | 一种可以有效防误操作的个人救生示位装置 |
CN107925853A (zh) * | 2015-08-19 | 2018-04-17 | 高通股份有限公司 | 专用短程通信(dsrc)中的安全事件消息传输定时 |
CN107953828A (zh) * | 2016-10-14 | 2018-04-24 | 株式会社万都 | 车辆的行人识别方法及车辆的行人识别系统 |
CN108205731A (zh) * | 2016-12-20 | 2018-06-26 | 通用汽车环球科技运作有限责任公司 | 情境评估车辆系统 |
CN108216235A (zh) * | 2016-12-14 | 2018-06-29 | 福特全球技术公司 | 自主车辆对象检测 |
CN108365986A (zh) * | 2018-02-07 | 2018-08-03 | 重庆大学 | 基于模型预测控制的混合动力车队协同能量管理方法 |
CN108732923A (zh) * | 2018-05-29 | 2018-11-02 | 北理慧动(常熟)车辆科技有限公司 | 一种智能驾驶车辆加速度跟踪控制方法 |
CN109229018A (zh) * | 2018-09-30 | 2019-01-18 | 张家港天筑基业仪器设备有限公司 | 一种基于人机结合的汽车安全预警方法 |
CN109326118A (zh) * | 2018-09-17 | 2019-02-12 | 青岛海信网络科技股份有限公司 | 一种车队位置预测方法及装置 |
CN109540158A (zh) * | 2018-09-14 | 2019-03-29 | 上海擎感智能科技有限公司 | 导航方法、系统、存储介质及设备 |
CN109582832A (zh) * | 2018-12-03 | 2019-04-05 | 北京唐冠天朗科技开发有限公司 | 一种城市公共安全智能分析方法及系统 |
CN109689450A (zh) * | 2016-09-12 | 2019-04-26 | 克诺尔商用车制动系统有限公司 | 转向控制系统和用于控制转向的方法 |
CN109844839A (zh) * | 2016-06-10 | 2019-06-04 | 大陆汽车系统公司 | 用于自主车道变换操纵的状况分析的系统和方法 |
CN109859463A (zh) * | 2017-11-30 | 2019-06-07 | 福特全球技术公司 | 增强的交通堵塞协助 |
CN110235071A (zh) * | 2016-11-10 | 2019-09-13 | 俄亥俄州立大学 | 自动汽车引导与轨迹跟踪 |
CN110281936A (zh) * | 2018-03-15 | 2019-09-27 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及存储介质 |
CN110352330A (zh) * | 2017-03-07 | 2019-10-18 | 罗伯特·博世有限公司 | 用于自主交通工具的动作规划系统和方法 |
CN110383348A (zh) * | 2017-03-07 | 2019-10-25 | 高通股份有限公司 | 经由传感器来扩展车辆到车辆通信 |
CN111055844A (zh) * | 2019-12-25 | 2020-04-24 | 浙江吉利汽车研究院有限公司 | 一种行驶行为的确定方法、装置、车辆及存储介质 |
CN111316059A (zh) * | 2017-11-07 | 2020-06-19 | 讯宝科技有限责任公司 | 使用邻近设备确定对象尺寸的方法和装置 |
CN111439250A (zh) * | 2015-03-27 | 2020-07-24 | 英特尔公司 | 用于在路况变化的情况下辅助车辆的技术 |
CN111610782A (zh) * | 2019-02-07 | 2020-09-01 | 通用汽车环球科技运作有限责任公司 | 用于车辆的纵向运动控制的方法和装置 |
CN111824646A (zh) * | 2020-06-16 | 2020-10-27 | 浙江天尚元科技有限公司 | 一种医疗废物智能运输车及运输方法 |
CN112204418A (zh) * | 2018-06-14 | 2021-01-08 | 罗伯特·博世有限公司 | 用于自动地确定道路状态的方法 |
CN112258745A (zh) * | 2020-12-21 | 2021-01-22 | 上海富欣智能交通控制有限公司 | 移动授权终点确定方法、装置、车辆和可读存储介质 |
CN112486176A (zh) * | 2020-12-02 | 2021-03-12 | 吉林大学 | 一种考虑扰动的无人驾驶框架车轨迹跟踪控制方法 |
CN112839853A (zh) * | 2018-10-15 | 2021-05-25 | 祖克斯有限公司 | 响应式车辆控制 |
CN113173162A (zh) * | 2021-04-26 | 2021-07-27 | 安徽域驰智能科技有限公司 | 基于纵向横向同步探测的车辆前方碰撞警示方法 |
CN113511205A (zh) * | 2020-03-25 | 2021-10-19 | Aptiv技术有限公司 | 规划车辆的移动的方法和系统 |
CN113879211A (zh) * | 2021-11-01 | 2022-01-04 | 深圳智慧车联科技有限公司 | 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统 |
CN114023107A (zh) * | 2021-11-01 | 2022-02-08 | 深圳智慧车联科技有限公司 | 预防城市渣土车右转过程与非机动车发生冲突的方法、系统及其存储介质 |
US11328518B2 (en) * | 2019-09-24 | 2022-05-10 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and apparatus for outputting information |
CN116434603A (zh) * | 2022-12-05 | 2023-07-14 | 东南大学 | 一种基于ssm的自动驾驶车队横纵向同步安全控制方法 |
Families Citing this family (307)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5585177B2 (ja) * | 2010-04-12 | 2014-09-10 | トヨタ自動車株式会社 | 先行車位置判定装置 |
US10703299B2 (en) * | 2010-04-19 | 2020-07-07 | SMR Patents S.à.r.l. | Rear view mirror simulation |
JP6180928B2 (ja) * | 2010-05-11 | 2017-08-16 | コンティ テミック マイクロエレクトロニック ゲゼルシャフト ミット ベシュレンクテル ハフツングConti Temic microelectronic GmbH | 走行細長通路を求める方法 |
EP3150828B1 (en) | 2010-06-03 | 2018-08-15 | Polaris Industries Inc. | Electronic throttle control |
JP5460869B2 (ja) * | 2010-06-29 | 2014-04-02 | 本田技研工業株式会社 | 渋滞予測装置 |
US8639426B2 (en) * | 2010-07-15 | 2014-01-28 | George C Dedes | GPS/IMU/video/radar absolute/relative positioning communication/computation sensor platform for automotive safety applications |
US9090263B2 (en) * | 2010-07-20 | 2015-07-28 | GM Global Technology Operations LLC | Lane fusion system using forward-view and rear-view cameras |
US9230419B2 (en) | 2010-07-27 | 2016-01-05 | Rite-Hite Holding Corporation | Methods and apparatus to detect and warn proximate entities of interest |
JP5077402B2 (ja) * | 2010-08-17 | 2012-11-21 | トヨタ自動車株式会社 | 交通制御システム |
US10719813B1 (en) | 2010-09-29 | 2020-07-21 | Bluelink Diagnostic Solutions, Inc. | Remote diagnostic system for vehicles |
DE102010049351A1 (de) * | 2010-10-23 | 2012-04-26 | Daimler Ag | Verfahren zum Betreiben einer Bremsassistenzvorrichtung und Bremsassistenzvorrichtung für ein Fahrzeug |
US9731735B1 (en) * | 2010-12-10 | 2017-08-15 | Cybertran International Inc. | System and method of estimating values for commands to cause vehicles to follow a trajectory in a complex track network |
DE102011001248A1 (de) * | 2011-03-14 | 2012-09-20 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren zur Unterstützung eines Fahrers |
JP5403158B2 (ja) | 2011-04-11 | 2014-01-29 | トヨタ自動車株式会社 | 車両制御装置及び車両制御方法 |
US9581997B1 (en) * | 2011-04-22 | 2017-02-28 | Angel A. Penilla | Method and system for cloud-based communication for automatic driverless movement |
JP2012236244A (ja) * | 2011-05-10 | 2012-12-06 | Sony Corp | ロボット装置、ロボット装置の制御方法、並びにロボット装置制御用プログラム |
DE102011101359A1 (de) * | 2011-05-12 | 2012-11-15 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Verfahren und Vorrichtung zur Klassifikation von Daten |
US8466807B2 (en) * | 2011-06-01 | 2013-06-18 | GM Global Technology Operations LLC | Fast collision detection technique for connected autonomous and manual vehicles |
DE102011107111A1 (de) * | 2011-07-12 | 2013-01-17 | Continental Automotive Gmbh | Verfahren und Kommunikationssystem zum Empfang von Daten bei der drahtlosen Fahrzeug-zu-Umgebung-Kommunikation |
US10469790B2 (en) * | 2011-08-31 | 2019-11-05 | Cablecam, Llc | Control system and method for an aerially moved payload system |
WO2013034561A1 (en) * | 2011-09-06 | 2013-03-14 | Land Rover | Suspension control device |
US9085237B2 (en) * | 2011-10-03 | 2015-07-21 | Fuji Jukogyo Kabushiki Kaisha | Speed limiter |
EP2771713A1 (de) * | 2011-10-24 | 2014-09-03 | Continental Teves AG&Co. Ohg | Sensorsystem zur eigenständigen bewertung der genauigkeit seiner daten |
EP2780197A1 (en) * | 2011-11-15 | 2014-09-24 | Continental Automotive Systems, Inc. | Rear view camera display during braking |
US20130145692A1 (en) * | 2011-12-07 | 2013-06-13 | The Chamberlain Group, Inc. | Hands-Free Barrier Operator |
US9187117B2 (en) | 2012-01-17 | 2015-11-17 | Ford Global Technologies, Llc | Autonomous lane control system |
DE102012201513A1 (de) * | 2012-02-02 | 2013-08-08 | Bayerische Motoren Werke Aktiengesellschaft | Warneinrichtung in einem Kraftfahrzeug zum Warnen eines Fahrzeugführers |
DE102012002695A1 (de) | 2012-02-14 | 2013-08-14 | Wabco Gmbh | Verfahren zur Ermittlung einer Notbremssituation eines Fahrzeuges |
US20130222175A1 (en) * | 2012-02-24 | 2013-08-29 | Collyer Allen Smith | Speed limitation system |
JP5563025B2 (ja) * | 2012-03-28 | 2014-07-30 | 本田技研工業株式会社 | 踏切遮断機推定装置及び車両 |
US20130278441A1 (en) | 2012-04-24 | 2013-10-24 | Zetta Research and Development, LLC - ForC Series | Vehicle proxying |
DE102012103669A1 (de) | 2012-04-26 | 2013-10-31 | Continental Teves Ag & Co. Ohg | Verfahren zur Darstellung einer Fahrzeugumgebung |
US8504233B1 (en) | 2012-04-27 | 2013-08-06 | Google Inc. | Safely navigating on roads through maintaining safe distance from other vehicles |
US8521352B1 (en) * | 2012-05-07 | 2013-08-27 | Google Inc. | Controlling a vehicle having inadequate map data |
KR101972089B1 (ko) * | 2012-05-15 | 2019-04-24 | 엘지전자 주식회사 | 정보 제공 방법 및 그 장치 |
US8688311B2 (en) * | 2012-05-17 | 2014-04-01 | Ford Global Technologies, Llc | Apparatus for simulating a vehicle environment |
US8742909B2 (en) | 2012-07-09 | 2014-06-03 | International Business Machines Corporation | Vehicle-induced roadway debris monitoring |
KR101380888B1 (ko) * | 2012-07-24 | 2014-04-02 | 현대모비스 주식회사 | 차간 거리 산출 장치 및 방법 |
DE102012106932A1 (de) | 2012-07-30 | 2014-05-15 | Continental Teves Ag & Co. Ohg | Verfahren zur Darstellung einer Fahrzeugumgebung mit Positionspunkten |
US9690334B2 (en) | 2012-08-22 | 2017-06-27 | Intel Corporation | Adaptive visual output based on change in distance of a mobile device to a user |
DE102012107885A1 (de) | 2012-08-27 | 2014-02-27 | Continental Teves Ag & Co. Ohg | Verfahren zur Bestimmung eines Fahrspurverlaufs für ein Fahrzeug |
US9052721B1 (en) * | 2012-08-28 | 2015-06-09 | Google Inc. | Method for correcting alignment of vehicle mounted laser scans with an elevation map for obstacle detection |
US9205717B2 (en) | 2012-11-07 | 2015-12-08 | Polaris Industries Inc. | Vehicle having suspension with continuous damping control |
US20140129274A1 (en) * | 2012-11-07 | 2014-05-08 | Position Logic Llc | Security escort assignment and monitoring system and method |
US8903580B2 (en) * | 2012-11-14 | 2014-12-02 | GM Global Technology Operations LLC | Hybrid vehicle with dynamically-allocated high-voltage electrical power |
JP5761162B2 (ja) * | 2012-11-30 | 2015-08-12 | トヨタ自動車株式会社 | 車両位置推定装置 |
US9008961B2 (en) | 2012-11-30 | 2015-04-14 | Google Inc. | Determining and displaying auto drive lanes in an autonomous vehicle |
US11041725B2 (en) | 2012-12-03 | 2021-06-22 | Navisens, Inc. | Systems and methods for estimating the motion of an object |
JP5711721B2 (ja) * | 2012-12-03 | 2015-05-07 | 富士重工業株式会社 | 車両の運転支援制御装置 |
CN103019217B (zh) * | 2012-12-26 | 2016-04-06 | 北京智行鸿远汽车技术有限公司 | 一种基于地理位置信息的混合动力车辆模式控制方法 |
KR101470104B1 (ko) * | 2012-12-27 | 2014-12-05 | 현대자동차주식회사 | 차량의 충돌방지 제어 장치 및 방법 |
DE102013204118B4 (de) * | 2013-03-11 | 2018-05-03 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zur Alarmierung bei Spurabweichungen eines Fahrzeugs |
US12008653B1 (en) | 2013-03-13 | 2024-06-11 | Arity International Limited | Telematics based on handset movement within a moving vehicle |
US9846912B1 (en) | 2013-03-13 | 2017-12-19 | Allstate Insurance Company | Risk behavior detection methods based on tracking handset movement within a moving vehicle |
US9342074B2 (en) * | 2013-04-05 | 2016-05-17 | Google Inc. | Systems and methods for transitioning control of an autonomous vehicle to a driver |
US9141107B2 (en) * | 2013-04-10 | 2015-09-22 | Google Inc. | Mapping active and inactive construction zones for autonomous driving |
US9327693B2 (en) | 2013-04-10 | 2016-05-03 | Magna Electronics Inc. | Rear collision avoidance system for vehicle |
DE102013105103A1 (de) * | 2013-05-17 | 2014-11-20 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren zum Betreiben eines Eigen-Fahrzeugs |
DE112013007129B4 (de) | 2013-05-31 | 2021-08-12 | Toyota Jidosha Kabushiki Kaisha | Bewegungstrajektorienvorhersagevorrichtung und Bewegungstrajektorienvorhersageverfahren |
US9557179B2 (en) * | 2013-08-20 | 2017-01-31 | Qualcomm Incorporated | Navigation using dynamic speed limits |
DE102013220430A1 (de) * | 2013-10-10 | 2015-04-16 | Continental Teves Ag & Co. Ohg | Verfahren und System zur Identifizierung einer Gefahrensituation sowie Verwendung des Systems |
DE102013220905A1 (de) * | 2013-10-15 | 2015-04-16 | Continental Automotive Gmbh | Verfahren zum Führen eines Kraftfahrzeugs und Kraftfahrzeug zum Ausführen des Verfahrens |
EP3742339A1 (en) * | 2013-12-04 | 2020-11-25 | Mobileye Vision Technologies Ltd. | System and method for implementing a multi-segment braking profile for a vehicle |
CN103634402A (zh) * | 2013-12-09 | 2014-03-12 | 赵生捷 | 智能车载安全防护系统 |
US9352650B2 (en) | 2013-12-12 | 2016-05-31 | Ford Global Technologies, Llc | Rule-based cruise control system and method |
US9616898B2 (en) * | 2013-12-12 | 2017-04-11 | Ford Global Technologies, Llc | System and method for determining effective road grade characteristic |
GB201402387D0 (en) * | 2014-02-12 | 2014-03-26 | Jaguar Land Rover Ltd | Apparatus and method for use in a vehicle |
GB2523095B (en) * | 2014-02-12 | 2018-01-31 | Jaguar Land Rover Ltd | Apparatus and method for use in a vehicle |
DE102015103279B4 (de) | 2014-03-20 | 2024-02-29 | Ford Global Technologies, Llc | Autonomes Fahrzeug mit rekonfigurierbarem Innenraum |
DE102014209198A1 (de) * | 2014-05-15 | 2015-11-19 | Volkswagen Aktiengesellschaft | Straßenfahrzeug und Verfahren zum Bewahren eines Reiseverbundes |
US10373259B1 (en) | 2014-05-20 | 2019-08-06 | State Farm Mutual Automobile Insurance Company | Fully autonomous vehicle insurance pricing |
US9715711B1 (en) | 2014-05-20 | 2017-07-25 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle insurance pricing and offering based upon accident risk |
US11669090B2 (en) | 2014-05-20 | 2023-06-06 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
US9972054B1 (en) | 2014-05-20 | 2018-05-15 | State Farm Mutual Automobile Insurance Company | Accident fault determination for autonomous vehicles |
US10599155B1 (en) | 2014-05-20 | 2020-03-24 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature monitoring and evaluation of effectiveness |
DE102014211607A1 (de) * | 2014-06-17 | 2015-12-17 | Volkswagen Aktiengesellschaft | Bestimmen eines Zustands eines Fahrzeugs und Unterstützung eines Fahrers beim Führen des Fahrzeugs |
DE102014212700B4 (de) * | 2014-07-01 | 2022-02-10 | Honda Motor Co., Ltd. | Adaptives Geschwindigkeits-Regelungs-/Steuerungssystem |
DE102014212704B4 (de) * | 2014-07-01 | 2021-05-06 | Honda Motor Co., Ltd. | Adaptives Geschwindigkeits-Regelungs-/Steuerungssystem |
US10475127B1 (en) | 2014-07-21 | 2019-11-12 | State Farm Mutual Automobile Insurance Company | Methods of providing insurance savings based upon telematics and insurance incentives |
DE102014111126A1 (de) * | 2014-08-05 | 2016-02-11 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erzeugen einer Umgebungskarte eines Umgebungsbereichs eines Kraftfahrzeugs, Fahrerassistenzsystem sowie Kraftfahrzeug |
JP6442921B2 (ja) * | 2014-08-21 | 2018-12-26 | 株式会社デンソー | 車両用通知装置 |
US10648554B2 (en) | 2014-09-02 | 2020-05-12 | Polaris Industries Inc. | Continuously variable transmission |
WO2016051460A1 (ja) * | 2014-09-29 | 2016-04-07 | 日産自動車株式会社 | 走行制御装置および走行制御方法 |
DE102014220685A1 (de) * | 2014-10-13 | 2016-04-14 | Bayerische Motoren Werke Aktiengesellschaft | Bereitstellen einer Mindestabstandsangabe in einem Kraftfahrzeug |
US10585435B2 (en) * | 2014-10-22 | 2020-03-10 | Nissan Motor Co., Ltd. | Travel route calculation device |
JP6399100B2 (ja) * | 2014-10-22 | 2018-10-03 | 日産自動車株式会社 | 走行経路演算装置 |
DE102014221888A1 (de) * | 2014-10-28 | 2016-04-28 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Lokalisierung eines Fahrzeugs in seinem Umfeld |
ITRM20140615A1 (it) * | 2014-10-30 | 2016-04-30 | Moronesi Mario | Sistema automatico per impedire gli incidenti stradali o per ridurne la gravita' |
CN107406094B (zh) | 2014-10-31 | 2020-04-14 | 北极星工业有限公司 | 用于控制车辆的系统和方法 |
US10831204B1 (en) | 2014-11-13 | 2020-11-10 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle automatic parking |
US9616888B2 (en) | 2014-12-08 | 2017-04-11 | Ford Global Technologies, Llc | Vehicle speed adjustment |
US9272711B1 (en) * | 2014-12-31 | 2016-03-01 | Volkswagen Ag | Congestion-friendly adaptive cruise control |
EP3048024B1 (en) | 2015-01-26 | 2018-07-11 | Volvo Car Corporation | Method and apparatus for adaptive cruise control in a road vehicle |
JP2018510373A (ja) * | 2015-02-10 | 2018-04-12 | モービルアイ ビジョン テクノロジーズ リミテッド | 自律車両ナビゲーションのための疎な地図 |
US20160321924A1 (en) * | 2015-05-01 | 2016-11-03 | Hyundai America Technical Center, Inc. | Predictive road hazard identification system |
CN105136101A (zh) * | 2015-05-04 | 2015-12-09 | 合肥徽拓电子技术有限公司 | 一种桥梁状态参数实时监测及报警系统 |
EP3296762A4 (en) * | 2015-05-11 | 2018-05-16 | Panasonic Intellectual Property Management Co., Ltd. | Monitored area setting device and monitored area setting method |
CN106314431A (zh) * | 2015-06-29 | 2017-01-11 | 比亚迪股份有限公司 | 车辆的巡航控制系统和方法 |
JP6421391B2 (ja) * | 2015-07-15 | 2018-11-14 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
US10332392B2 (en) * | 2015-07-16 | 2019-06-25 | Streamax Technology Co., Ltd. | Method and system for segmentally limiting speed of vehicle |
US9922565B2 (en) * | 2015-07-20 | 2018-03-20 | Dura Operating Llc | Sensor fusion of camera and V2V data for vehicles |
US20170021830A1 (en) * | 2015-07-22 | 2017-01-26 | GM Global Technology Operations LLC | Adaptive cruise control profiles |
JP6365780B2 (ja) * | 2015-07-24 | 2018-08-01 | 日産自動車株式会社 | 自己位置推定装置及び自己位置推定方法 |
JP6565431B2 (ja) * | 2015-07-28 | 2019-08-28 | 日産自動車株式会社 | 走行制御装置の制御方法および走行制御装置 |
DE102015010292B3 (de) * | 2015-08-07 | 2017-01-26 | Audi Ag | Verfahren zur Unterstützung eines Fahrers beim zeiteffizienten Durchführen einer Fahrt mit einem Kraftfahrzeug und Kraftfahrzeug |
DE102015215445A1 (de) * | 2015-08-13 | 2017-02-16 | Bayerische Motoren Werke Aktiengesellschaft | Steuerverfahren und Steuervorrichtung in einem Kraftfahrzeug zum Schalten eines automatischen Getriebes |
DE102015011048A1 (de) | 2015-08-22 | 2016-03-24 | Daimler Ag | Verfahren zum Betrieb eines Fahrzeug |
US20210258486A1 (en) | 2015-08-28 | 2021-08-19 | State Farm Mutual Automobile Insurance Company | Electric vehicle battery conservation |
EP3138731B1 (de) * | 2015-09-03 | 2021-12-15 | Continental Automotive GmbH | Autonom fahrendes fahrzeug sowie verfahren zur überprüfung eines ordnungsgemässen scheinwerferzustands eines autonom fahrenden fahrzeugs |
KR102374735B1 (ko) * | 2015-09-14 | 2022-03-15 | 주식회사 만도모빌리티솔루션즈 | 운전지원장치 및 운전지원방법 |
JP6567376B2 (ja) * | 2015-09-25 | 2019-08-28 | パナソニック株式会社 | 装置 |
US9688273B2 (en) * | 2015-10-27 | 2017-06-27 | GM Global Technology Operations LLC | Methods of improving performance of automotive intersection turn assist features |
US9620019B1 (en) * | 2015-11-03 | 2017-04-11 | Denso International America, Inc. | Methods and systems for facilitating vehicle lane change |
US9517767B1 (en) * | 2015-11-04 | 2016-12-13 | Zoox, Inc. | Internal safety systems for robotic vehicles |
WO2017079341A2 (en) | 2015-11-04 | 2017-05-11 | Zoox, Inc. | Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles |
CN108369775B (zh) * | 2015-11-04 | 2021-09-24 | 祖克斯有限公司 | 响应于物理环境的改变自适应制图以对自主车辆进行导航 |
US9612123B1 (en) | 2015-11-04 | 2017-04-04 | Zoox, Inc. | Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes |
US9632502B1 (en) * | 2015-11-04 | 2017-04-25 | Zoox, Inc. | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions |
US11283877B2 (en) | 2015-11-04 | 2022-03-22 | Zoox, Inc. | Software application and logic to modify configuration of an autonomous vehicle |
EP4180893A1 (en) * | 2015-11-04 | 2023-05-17 | Zoox, Inc. | Teleoperation system and method for trajectory modification of autonomous vehicles |
US10401852B2 (en) | 2015-11-04 | 2019-09-03 | Zoox, Inc. | Teleoperation system and method for trajectory modification of autonomous vehicles |
US9606539B1 (en) | 2015-11-04 | 2017-03-28 | Zoox, Inc. | Autonomous vehicle fleet service and system |
KR102547441B1 (ko) * | 2015-11-09 | 2023-06-26 | 삼성전자주식회사 | 차량 간 메시지 전송 장치 및 방법 |
US10144419B2 (en) * | 2015-11-23 | 2018-12-04 | Magna Electronics Inc. | Vehicle dynamic control system for emergency handling |
KR101834349B1 (ko) * | 2016-01-08 | 2018-03-05 | 엘지전자 주식회사 | 조향 장치 및 차량 |
DE102016200513A1 (de) * | 2016-01-18 | 2017-07-20 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeuges |
US10565468B2 (en) * | 2016-01-19 | 2020-02-18 | Aptiv Technologies Limited | Object tracking system with radar/vision fusion for automated vehicles |
US11719545B2 (en) | 2016-01-22 | 2023-08-08 | Hyundai Motor Company | Autonomous vehicle component damage and salvage assessment |
US10324463B1 (en) | 2016-01-22 | 2019-06-18 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation adjustment based upon route |
US11242051B1 (en) | 2016-01-22 | 2022-02-08 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle action communications |
US10134278B1 (en) | 2016-01-22 | 2018-11-20 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle application |
US11441916B1 (en) | 2016-01-22 | 2022-09-13 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle trip routing |
US10395332B1 (en) | 2016-01-22 | 2019-08-27 | State Farm Mutual Automobile Insurance Company | Coordinated autonomous vehicle automatic area scanning |
US10503168B1 (en) | 2016-01-22 | 2019-12-10 | State Farm Mutual Automotive Insurance Company | Autonomous vehicle retrieval |
JP6330825B2 (ja) * | 2016-01-26 | 2018-05-30 | トヨタ自動車株式会社 | 車両用衝突回避支援システム |
US11138884B2 (en) * | 2016-02-15 | 2021-10-05 | Allstate Insurance Company | Accident prediction and consequence mitigation calculus |
JP6270227B2 (ja) * | 2016-03-14 | 2018-01-31 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、および車両制御プログラム |
JP6524943B2 (ja) * | 2016-03-17 | 2019-06-05 | 株式会社デンソー | 走行支援装置 |
US11251893B2 (en) * | 2016-03-21 | 2022-02-15 | Qualcomm Incorporated | Supporting high speeds in vehicle-to-vehicle communication |
JP6689365B2 (ja) * | 2016-03-28 | 2020-04-28 | 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 |
EP3228486B1 (en) * | 2016-04-06 | 2020-05-06 | Lg Electronics Inc. | Safety device for vehicle |
US9910440B2 (en) * | 2016-05-13 | 2018-03-06 | Delphi Technologies, Inc. | Escape-path-planning system for an automated vehicle |
US10309792B2 (en) | 2016-06-14 | 2019-06-04 | nuTonomy Inc. | Route planning for an autonomous vehicle |
US10126136B2 (en) | 2016-06-14 | 2018-11-13 | nuTonomy Inc. | Route planning for an autonomous vehicle |
US11092446B2 (en) | 2016-06-14 | 2021-08-17 | Motional Ad Llc | Route planning for an autonomous vehicle |
US10055675B2 (en) * | 2016-06-15 | 2018-08-21 | Ford Global Technologies, Llc | Training algorithm for collision avoidance using auditory data |
US11210436B2 (en) * | 2016-07-07 | 2021-12-28 | Ford Global Technologies, Llc | Virtual sensor-data-generation system and method supporting development of algorithms facilitating navigation of railway crossings in varying weather conditions |
US9827811B1 (en) * | 2016-07-14 | 2017-11-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicular haptic feedback system and method |
US10762358B2 (en) * | 2016-07-20 | 2020-09-01 | Ford Global Technologies, Llc | Rear camera lane detection |
MX2019000759A (es) * | 2016-07-26 | 2019-06-20 | Nissan Motor | Metodo de estimacion de la posicion propia y dispositivo de estimacion de la posicion propia. |
CN107666647B (zh) * | 2016-07-29 | 2020-10-13 | 普天信息技术有限公司 | 一种车辆直通系统中的数据传输方法 |
JP6412070B2 (ja) * | 2016-08-12 | 2018-10-24 | トヨタ自動車株式会社 | 運転支援装置及び運転支援方法 |
US20180052470A1 (en) * | 2016-08-18 | 2018-02-22 | GM Global Technology Operations LLC | Obstacle Avoidance Co-Pilot For Autonomous Vehicles |
US10543852B2 (en) * | 2016-08-20 | 2020-01-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | Environmental driver comfort feedback for autonomous vehicle |
US11423783B2 (en) | 2016-08-30 | 2022-08-23 | Hyundai Motor Company | Apparatus and method for implementing LCDAS |
US10816658B2 (en) * | 2016-09-07 | 2020-10-27 | OmniPreSense Corporation | Radar enabled weapon detection system |
EP3293064B1 (en) * | 2016-09-12 | 2021-03-10 | KNORR-BREMSE Systeme für Nutzfahrzeuge GmbH | Steering control system and a method for controlling steering |
US10093322B2 (en) | 2016-09-15 | 2018-10-09 | International Business Machines Corporation | Automatically providing explanations for actions taken by a self-driving vehicle |
US10657819B2 (en) * | 2016-09-21 | 2020-05-19 | Apple Inc. | External communication for vehicles |
US10599150B2 (en) | 2016-09-29 | 2020-03-24 | The Charles Stark Kraper Laboratory, Inc. | Autonomous vehicle: object-level fusion |
KR101866068B1 (ko) * | 2016-10-14 | 2018-07-04 | 현대자동차주식회사 | 자율주행차량의 주행 제어 장치 및 방법 |
KR101939383B1 (ko) * | 2016-10-18 | 2019-04-10 | 현대오트론 주식회사 | 초음파 센서 장치 및 초음파 센서 장치의 센싱 방법 |
US10331129B2 (en) | 2016-10-20 | 2019-06-25 | nuTonomy Inc. | Identifying a stopping place for an autonomous vehicle |
US10681513B2 (en) | 2016-10-20 | 2020-06-09 | nuTonomy Inc. | Identifying a stopping place for an autonomous vehicle |
US10473470B2 (en) | 2016-10-20 | 2019-11-12 | nuTonomy Inc. | Identifying a stopping place for an autonomous vehicle |
US10857994B2 (en) | 2016-10-20 | 2020-12-08 | Motional Ad Llc | Identifying a stopping place for an autonomous vehicle |
WO2018094212A2 (en) | 2016-11-18 | 2018-05-24 | Polaris Industries Inc. | Vehicle having adjustable suspension |
US10515390B2 (en) | 2016-11-21 | 2019-12-24 | Nio Usa, Inc. | Method and system for data optimization |
JP6532170B2 (ja) * | 2016-11-22 | 2019-06-19 | 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 |
CN110291477B (zh) * | 2016-12-02 | 2022-08-16 | 嘉蒂克人工智能公司 | 车辆控制系统及使用方法 |
WO2018106262A1 (en) * | 2016-12-09 | 2018-06-14 | Google Llc | Feature recognition assisted super-resolution method |
DE102016225774A1 (de) * | 2016-12-21 | 2018-06-21 | Audi Ag | Verfahren zum Betrieb eines Fahrerassistenzsystems eines Kraftfahrzeugs und Kraftfahrzeug |
CN106681148B (zh) * | 2017-01-10 | 2019-05-14 | 南京航空航天大学 | 一种航空发动机积分正切模糊自适应滑模控制器设计方法 |
US10471829B2 (en) * | 2017-01-16 | 2019-11-12 | Nio Usa, Inc. | Self-destruct zone and autonomous vehicle navigation |
US10286915B2 (en) * | 2017-01-17 | 2019-05-14 | Nio Usa, Inc. | Machine learning for personalized driving |
WO2018134941A1 (ja) * | 2017-01-19 | 2018-07-26 | 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 |
KR102295577B1 (ko) * | 2017-02-08 | 2021-08-30 | 현대자동차주식회사 | Ecu, 상기 ecu를 포함하는 무인 자율 주행 차량, 및 이의 주행 차로 판단 방법 |
WO2018170074A1 (en) | 2017-03-14 | 2018-09-20 | Starsky Robotics, Inc. | Vehicle sensor system and method of use |
US10482787B2 (en) * | 2017-03-21 | 2019-11-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Selective presentation of coasting coach indicator for consecutive learned deceleration areas in close proximity |
US10838422B2 (en) * | 2017-04-13 | 2020-11-17 | Panasonic Intellectual Property Corporation Of America | Information processing method and information processing apparatus |
US10101745B1 (en) | 2017-04-26 | 2018-10-16 | The Charles Stark Draper Laboratory, Inc. | Enhancing autonomous vehicle perception with off-vehicle collected data |
US11154442B1 (en) | 2017-04-28 | 2021-10-26 | Patroness, LLC | Federated sensor array for use with a motorized mobile system and method of use |
US11537134B1 (en) * | 2017-05-25 | 2022-12-27 | Apple Inc. | Generating environmental input encoding for training neural networks |
JP6580087B2 (ja) * | 2017-06-02 | 2019-09-25 | 本田技研工業株式会社 | 走行軌道決定装置及び自動運転装置 |
US10683034B2 (en) | 2017-06-06 | 2020-06-16 | Ford Global Technologies, Llc | Vehicle remote parking systems and methods |
JP6490747B2 (ja) * | 2017-06-08 | 2019-03-27 | 三菱電機株式会社 | 物体認識装置、物体認識方法および車両制御システム |
US10406884B2 (en) | 2017-06-09 | 2019-09-10 | Polaris Industries Inc. | Adjustable vehicle suspension system |
JP6816658B2 (ja) * | 2017-06-09 | 2021-01-20 | トヨタ自動車株式会社 | 物標情報取得装置 |
US10775781B2 (en) | 2017-06-16 | 2020-09-15 | Ford Global Technologies, Llc | Interface verification for vehicle remote park-assist |
US10585430B2 (en) | 2017-06-16 | 2020-03-10 | Ford Global Technologies, Llc | Remote park-assist authentication for vehicles |
US10234302B2 (en) | 2017-06-27 | 2019-03-19 | Nio Usa, Inc. | Adaptive route and motion planning based on learned external and internal vehicle environment |
DE102017212034A1 (de) * | 2017-07-13 | 2019-01-17 | Bayerische Motoren Werke Aktiengesellschaft | System und Verfahren zur automatisierten Längsführung eines Kraftfahrzeugs bis in den Stillstand |
US10837790B2 (en) | 2017-08-01 | 2020-11-17 | Nio Usa, Inc. | Productive and accident-free driving modes for a vehicle |
US10656652B2 (en) * | 2017-08-10 | 2020-05-19 | Patroness, LLC | System and methods for sensor integration in support of situational awareness for a motorized mobile system |
WO2019033025A1 (en) | 2017-08-10 | 2019-02-14 | Patroness, LLC | SYSTEMS AND METHODS FOR IMPROVED AUTONOMOUS OPERATIONS OF A MOTORIZED MOBILE SYSTEM |
KR102387614B1 (ko) * | 2017-08-17 | 2022-04-15 | 엘지전자 주식회사 | 차량 운전 보조 장치 및 차량 |
US10059161B1 (en) * | 2017-08-21 | 2018-08-28 | Ford Global Technologies, Llc | Capacitive monitoring of vehicle hitches |
US10953880B2 (en) * | 2017-09-07 | 2021-03-23 | Tusimple, Inc. | System and method for automated lane change control for autonomous vehicles |
US10649458B2 (en) | 2017-09-07 | 2020-05-12 | Tusimple, Inc. | Data-driven prediction-based system and method for trajectory planning of autonomous vehicles |
US10953881B2 (en) * | 2017-09-07 | 2021-03-23 | Tusimple, Inc. | System and method for automated lane change control for autonomous vehicles |
US11874126B1 (en) | 2017-09-15 | 2024-01-16 | Apple Inc. | Map with location-based observations, actions, and rules |
US11243532B1 (en) | 2017-09-27 | 2022-02-08 | Apple Inc. | Evaluating varying-sized action spaces using reinforcement learning |
US11555706B1 (en) | 2017-09-27 | 2023-01-17 | Apple Inc. | Processing graph representations of tactical maps using neural networks |
US10996673B1 (en) | 2017-09-28 | 2021-05-04 | Apple Inc. | Manual override |
US10580304B2 (en) | 2017-10-02 | 2020-03-03 | Ford Global Technologies, Llc | Accelerometer-based external sound monitoring for voice controlled autonomous parking |
KR101956689B1 (ko) * | 2017-10-16 | 2019-07-04 | 주식회사 만도 | 긴급차량 운행경로 생성기능을 갖는 자동 순항 제어장치 및 제어방법 |
US10635109B2 (en) | 2017-10-17 | 2020-04-28 | Nio Usa, Inc. | Vehicle path-planner monitor and controller |
US10935978B2 (en) | 2017-10-30 | 2021-03-02 | Nio Usa, Inc. | Vehicle self-localization using particle filters and visual odometry |
US10606274B2 (en) | 2017-10-30 | 2020-03-31 | Nio Usa, Inc. | Visual place recognition based self-localization for autonomous vehicles |
US10618519B2 (en) * | 2017-11-06 | 2020-04-14 | Uatc Llc | Systems and methods for autonomous vehicle lane change control |
US10627811B2 (en) | 2017-11-07 | 2020-04-21 | Ford Global Technologies, Llc | Audio alerts for remote park-assist tethering |
US10578676B2 (en) | 2017-11-28 | 2020-03-03 | Ford Global Technologies, Llc | Vehicle monitoring of mobile device state-of-charge |
KR20190070001A (ko) | 2017-12-12 | 2019-06-20 | 현대자동차주식회사 | 능동형 충돌 회피 제어 기반 군집 주행 제어 장치, 그를 포함한 시스템 및 그 방법 |
RU2683618C1 (ru) * | 2017-12-21 | 2019-03-29 | Общество с ограниченной ответственностью "Фирма "ТЕСА" | Система определения фактических параметров проезжей части |
JP7007183B2 (ja) * | 2017-12-27 | 2022-01-24 | 日立Astemo株式会社 | 交通流制御装置、走行シナリオのデータ構造 |
CN113129622B (zh) * | 2017-12-28 | 2022-10-11 | 北京百度网讯科技有限公司 | 合作式交叉路口通行控制方法、装置及设备 |
US11328210B2 (en) | 2017-12-29 | 2022-05-10 | Micron Technology, Inc. | Self-learning in distributed architecture for enhancing artificial neural network |
US10814864B2 (en) | 2018-01-02 | 2020-10-27 | Ford Global Technologies, Llc | Mobile device tethering for a remote parking assist system of a vehicle |
US11148661B2 (en) | 2018-01-02 | 2021-10-19 | Ford Global Technologies, Llc | Mobile device tethering for a remote parking assist system of a vehicle |
US10583830B2 (en) | 2018-01-02 | 2020-03-10 | Ford Global Technologies, Llc | Mobile device tethering for a remote parking assist system of a vehicle |
US10737690B2 (en) | 2018-01-02 | 2020-08-11 | Ford Global Technologies, Llc | Mobile device tethering for a remote parking assist system of a vehicle |
US10974717B2 (en) | 2018-01-02 | 2021-04-13 | Ford Global Technologies, I.LC | Mobile device tethering for a remote parking assist system of a vehicle |
US10585431B2 (en) | 2018-01-02 | 2020-03-10 | Ford Global Technologies, Llc | Mobile device tethering for a remote parking assist system of a vehicle |
US10688918B2 (en) | 2018-01-02 | 2020-06-23 | Ford Global Technologies, Llc | Mobile device tethering for a remote parking assist system of a vehicle |
US10684773B2 (en) | 2018-01-03 | 2020-06-16 | Ford Global Technologies, Llc | Mobile device interface for trailer backup-assist |
US10747218B2 (en) | 2018-01-12 | 2020-08-18 | Ford Global Technologies, Llc | Mobile device tethering for remote parking assist |
JP6923458B2 (ja) * | 2018-01-22 | 2021-08-18 | 日立Astemo株式会社 | 電子制御装置 |
US10917748B2 (en) | 2018-01-25 | 2021-02-09 | Ford Global Technologies, Llc | Mobile device tethering for vehicle systems based on variable time-of-flight and dead reckoning |
US10745006B2 (en) * | 2018-02-01 | 2020-08-18 | GM Global Technology Operations LLC | Managing automated driving complexity of the forward path using perception system measures |
US10684627B2 (en) | 2018-02-06 | 2020-06-16 | Ford Global Technologies, Llc | Accelerometer-based external sound monitoring for position aware autonomous parking |
US11188070B2 (en) | 2018-02-19 | 2021-11-30 | Ford Global Technologies, Llc | Mitigating key fob unavailability for remote parking assist systems |
US10507868B2 (en) | 2018-02-22 | 2019-12-17 | Ford Global Technologies, Llc | Tire pressure monitoring for vehicle park-assist |
FR3078045B1 (fr) * | 2018-02-22 | 2021-03-05 | Renault Sas | Dispositif et procede d'aide a la conduite d'un vehicule automobile |
CN110276985B (zh) * | 2018-03-16 | 2020-12-15 | 华为技术有限公司 | 自动驾驶安全评估方法、装置和系统 |
CN111836980A (zh) | 2018-03-19 | 2020-10-27 | 北极星工业有限公司 | 无级变速器 |
CN111278704B (zh) | 2018-03-20 | 2023-07-28 | 御眼视觉技术有限公司 | 用于导航车辆的系统和方法 |
US20190300017A1 (en) * | 2018-04-02 | 2019-10-03 | GM Global Technology Operations LLC | Method of controlling a vehicle |
US10732622B2 (en) | 2018-04-05 | 2020-08-04 | Ford Global Technologies, Llc | Advanced user interaction features for remote park assist |
US10793144B2 (en) | 2018-04-09 | 2020-10-06 | Ford Global Technologies, Llc | Vehicle remote park-assist communication counters |
US11625036B2 (en) | 2018-04-09 | 2023-04-11 | SafeAl, Inc. | User interface for presenting decisions |
US10493981B2 (en) | 2018-04-09 | 2019-12-03 | Ford Global Technologies, Llc | Input signal management for vehicle park-assist |
US11561541B2 (en) * | 2018-04-09 | 2023-01-24 | SafeAI, Inc. | Dynamically controlling sensor behavior |
US11467590B2 (en) | 2018-04-09 | 2022-10-11 | SafeAI, Inc. | Techniques for considering uncertainty in use of artificial intelligence models |
US10683004B2 (en) | 2018-04-09 | 2020-06-16 | Ford Global Technologies, Llc | Input signal management for vehicle park-assist |
US11169536B2 (en) | 2018-04-09 | 2021-11-09 | SafeAI, Inc. | Analysis of scenarios for controlling vehicle operations |
US10759417B2 (en) | 2018-04-09 | 2020-09-01 | Ford Global Technologies, Llc | Input signal management for vehicle park-assist |
US10522038B2 (en) * | 2018-04-19 | 2019-12-31 | Micron Technology, Inc. | Systems and methods for automatically warning nearby vehicles of potential hazards |
US11099579B2 (en) * | 2018-05-31 | 2021-08-24 | Nissan North America, Inc. | System for determining the number of remote vehicles following a host vehicle |
US11113971B2 (en) * | 2018-06-12 | 2021-09-07 | Baidu Usa Llc | V2X communication-based vehicle lane system for autonomous vehicles |
WO2020016621A1 (ja) * | 2018-07-16 | 2020-01-23 | 日産自動車株式会社 | 走行支援方法及び走行支援装置 |
WO2020035728A2 (en) | 2018-08-14 | 2020-02-20 | Mobileye Vision Technologies Ltd. | Systems and methods for navigating with safe distances |
US10384605B1 (en) * | 2018-09-04 | 2019-08-20 | Ford Global Technologies, Llc | Methods and apparatus to facilitate pedestrian detection during remote-controlled maneuvers |
DE102018215509A1 (de) * | 2018-09-12 | 2020-03-12 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betrieb eines zumindest teilweise automatisiert betriebenen ersten Fahrzeugs |
US10717432B2 (en) | 2018-09-13 | 2020-07-21 | Ford Global Technologies, Llc | Park-assist based on vehicle door open positions |
US10821972B2 (en) | 2018-09-13 | 2020-11-03 | Ford Global Technologies, Llc | Vehicle remote parking assist systems and methods |
US10967851B2 (en) | 2018-09-24 | 2021-04-06 | Ford Global Technologies, Llc | Vehicle system and method for setting variable virtual boundary |
US10529233B1 (en) | 2018-09-24 | 2020-01-07 | Ford Global Technologies Llc | Vehicle and method for detecting a parking space via a drone |
US11620494B2 (en) | 2018-09-26 | 2023-04-04 | Allstate Insurance Company | Adaptable on-deployment learning platform for driver analysis output generation |
US10908603B2 (en) | 2018-10-08 | 2021-02-02 | Ford Global Technologies, Llc | Methods and apparatus to facilitate remote-controlled maneuvers |
US10628687B1 (en) | 2018-10-12 | 2020-04-21 | Ford Global Technologies, Llc | Parking spot identification for vehicle park-assist |
US11097723B2 (en) | 2018-10-17 | 2021-08-24 | Ford Global Technologies, Llc | User interfaces for vehicle remote park assist |
US11137754B2 (en) | 2018-10-24 | 2021-10-05 | Ford Global Technologies, Llc | Intermittent delay mitigation for remote vehicle operation |
US11244176B2 (en) * | 2018-10-26 | 2022-02-08 | Cartica Ai Ltd | Obstacle detection and mapping |
US11904863B2 (en) | 2018-10-26 | 2024-02-20 | AutoBrains Technologies Ltd. | Passing a curve |
US10987987B2 (en) | 2018-11-21 | 2021-04-27 | Polaris Industries Inc. | Vehicle having adjustable compression and rebound damping |
TWI686747B (zh) * | 2018-11-29 | 2020-03-01 | 財團法人金屬工業研究發展中心 | 移動載具全周障礙迴避之方法 |
US10803741B2 (en) * | 2018-12-14 | 2020-10-13 | Bendix Commercial Vehicle Systems Llc | System and method for recording an image sequence |
US11340623B2 (en) * | 2019-01-04 | 2022-05-24 | Toyota Research Institute, Inc. | Driver-centric model predictive controller |
US11789442B2 (en) | 2019-02-07 | 2023-10-17 | Ford Global Technologies, Llc | Anomalous input detection |
US11195344B2 (en) | 2019-03-15 | 2021-12-07 | Ford Global Technologies, Llc | High phone BLE or CPU burden detection and notification |
CN110175344B (zh) * | 2019-03-21 | 2020-11-03 | 中山大学 | 一种针对自动驾驶场景的激光雷达线束分布调整优化方法 |
US11169517B2 (en) | 2019-04-01 | 2021-11-09 | Ford Global Technologies, Llc | Initiation of vehicle remote park-assist with key fob |
US11275368B2 (en) | 2019-04-01 | 2022-03-15 | Ford Global Technologies, Llc | Key fobs for vehicle remote park-assist |
US10953895B2 (en) * | 2019-04-25 | 2021-03-23 | GM Global Technology Operations LLC | Dynamic forward collision alert system |
US11235761B2 (en) * | 2019-04-30 | 2022-02-01 | Retrospect Technology, LLC | Operational risk assessment for autonomous vehicle control |
US11198431B2 (en) | 2019-04-30 | 2021-12-14 | Retrospect Technology, LLC | Operational risk assessment for autonomous vehicle control |
US11249184B2 (en) | 2019-05-07 | 2022-02-15 | The Charles Stark Draper Laboratory, Inc. | Autonomous collision avoidance through physical layer tracking |
JP7316542B2 (ja) | 2019-05-21 | 2023-07-28 | スズキ株式会社 | 車両の走行制御装置 |
US11661055B2 (en) | 2019-05-24 | 2023-05-30 | Preact Technologies, Inc. | Close-in collision detection combining high sample rate near-field sensors with advanced real-time parallel processing to accurately determine imminent threats and likelihood of a collision |
JP7363118B2 (ja) * | 2019-06-14 | 2023-10-18 | マツダ株式会社 | 外部環境認識装置 |
JP7200853B2 (ja) * | 2019-06-28 | 2023-01-10 | トヨタ自動車株式会社 | 自動運転車両の車速制御装置 |
US11300677B2 (en) * | 2019-07-08 | 2022-04-12 | GM Global Technology Operations LLC | Automated driving systems and control logic for host vehicle velocity estimation using wide aperture radar |
JP7268740B2 (ja) * | 2019-07-26 | 2023-05-08 | 株式会社Soken | 車両制御装置、及び車両制御方法 |
JP7393730B2 (ja) | 2019-09-26 | 2023-12-07 | スズキ株式会社 | 車両の走行制御装置 |
JP7347099B2 (ja) * | 2019-10-11 | 2023-09-20 | トヨタ自動車株式会社 | 車両警報装置 |
CN112712717B (zh) * | 2019-10-26 | 2022-09-23 | 华为技术有限公司 | 一种信息融合的方法、装置和设备 |
DE102019128948A1 (de) * | 2019-10-28 | 2021-04-29 | Valeo Schalter Und Sensoren Gmbh | Bestimmung eines Verkehrsampelleuchtzustands |
DE102019218455A1 (de) * | 2019-11-28 | 2021-06-02 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben einer Fahrassistenzvorrichtung eines Fahrzeugs, Fahrassistenzvorrichtung und Fahrzeug, aufweisend zumindest eine Fahrassistenzvorrichtung |
US11352004B2 (en) * | 2019-12-04 | 2022-06-07 | Hyundai Motor Company | Vehicle travel control system and control method therefor |
US11592827B1 (en) * | 2019-12-18 | 2023-02-28 | Waymo Llc | Predicting yielding likelihood for an agent |
US11802959B2 (en) * | 2020-01-22 | 2023-10-31 | Preact Technologies, Inc. | Vehicle driver behavior data collection and reporting |
US11453290B2 (en) | 2020-01-30 | 2022-09-27 | Nio Technology (Anhui) Co., Ltd. | Faulty power source ejection in a safe zone |
US11318920B2 (en) * | 2020-02-28 | 2022-05-03 | Bendix Commercial Vehicle Systems Llc | Brake controller storing deceleration profiles and method using deceleration profiles stored in a brake controller |
US11364883B2 (en) * | 2020-03-27 | 2022-06-21 | Nvidia Corporation | Leveraging rear-view sensors for automatic emergency braking in autonomous machine applications |
MX2022015902A (es) | 2020-07-17 | 2023-01-24 | Polaris Inc | Suspensiones ajustables y operacion de vehiculo para vehiculos recreativos todoterreno. |
HU231455B1 (hu) * | 2020-09-03 | 2023-12-28 | Vie Technology (Europe) Kft. | Eljárás és elrendezés jármű automatikus vészfékezési folyamatának megfelelő időben történő elindítására és a hosszirányú mozgás szabályozására |
JP7351283B2 (ja) * | 2020-10-19 | 2023-09-27 | トヨタ自動車株式会社 | ドライバへの通知装置 |
KR20220056922A (ko) * | 2020-10-28 | 2022-05-09 | 현대자동차주식회사 | 자율주행 제어 장치 및 방법 |
DE102020213726A1 (de) * | 2020-11-02 | 2022-05-05 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben eines Spurwechselassistenzsystems eines Kraftfahrzeugs, sowie Spurwechselassistenzsystem |
JP2022100521A (ja) * | 2020-12-24 | 2022-07-06 | 株式会社Subaru | 車両制御装置 |
CN112606843A (zh) * | 2020-12-24 | 2021-04-06 | 江苏大学 | 一种基于Lyapunov-MPC技术的智能车辆路径跟踪控制方法 |
CN112432652B (zh) * | 2021-01-26 | 2021-04-06 | 德鲁动力科技(成都)有限公司 | 路径规划系统及路径规划方法 |
KR20220131426A (ko) * | 2021-03-18 | 2022-09-28 | 현대모비스 주식회사 | 차량 제어 시스템 및 방법 |
EP4105818A1 (en) * | 2021-06-18 | 2022-12-21 | Continental Autonomous Mobility Germany GmbH | Method and system for estimating road lane geometry |
US20220028270A1 (en) * | 2021-07-14 | 2022-01-27 | Subaru Corporation | Vehicle detection information sharing system |
US11875611B2 (en) * | 2021-08-03 | 2024-01-16 | GM Global Technology Operations LLC | Remote observation and reporting of vehicle operating condition via V2X communication |
US11975712B2 (en) * | 2021-11-23 | 2024-05-07 | Ford Global Technologies, Llc | Adaptive cruise control activation |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5091726A (en) * | 1990-08-23 | 1992-02-25 | Industrial Technology Resarch Institute | Vehicle anti-collision system |
US6466864B1 (en) * | 2001-11-02 | 2002-10-15 | General Motors Corporation | Method and system for detecting anomalous road geometry for a navigation system |
CN1880920A (zh) * | 2005-06-16 | 2006-12-20 | 三菱扶桑卡客车株式会社 | 相对速度计算装置及车距控制装置 |
US20070012499A1 (en) * | 2005-07-14 | 2007-01-18 | Nissan Motor Co., Ltd. | Vehicle driving assist system |
US20070050133A1 (en) * | 2005-07-11 | 2007-03-01 | Aisin Aw Co., Ltd. | Navigation systems, methods, and programs |
CN101497336A (zh) * | 2008-01-31 | 2009-08-05 | 爱信艾达株式会社 | 车辆的运动控制装置 |
US20090309757A1 (en) * | 2008-06-16 | 2009-12-17 | Gm Global Technology Operations, Inc. | Real time traffic aide |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2671626B2 (ja) * | 1991-04-08 | 1997-10-29 | 日産自動車株式会社 | 走行情報提供装置 |
JPH06150199A (ja) * | 1992-11-13 | 1994-05-31 | Mitsubishi Electric Corp | 車両予防安全装置 |
US6317058B1 (en) * | 1999-09-15 | 2001-11-13 | Jerome H. Lemelson | Intelligent traffic control and warning system and method |
JP2001256598A (ja) * | 2000-03-08 | 2001-09-21 | Honda Motor Co Ltd | 危険箇所報知システム |
DE10153527A1 (de) * | 2001-10-30 | 2003-05-15 | Bosch Gmbh Robert | Vorrichtung zur Längsführung eines Kraftfahrzeugs |
DE10319337A1 (de) * | 2003-04-30 | 2004-11-18 | Robert Bosch Gmbh | Vorrichtung zur Geschwindigkeits- und Abstandsregelung bei Kraftfahrzeugen |
US7885758B2 (en) * | 2005-06-30 | 2011-02-08 | Marvell World Trade Ltd. | GPS-based traffic monitoring system |
JP4613906B2 (ja) * | 2006-12-14 | 2011-01-19 | トヨタ自動車株式会社 | 車両用周辺監視装置 |
JP5309633B2 (ja) * | 2007-11-16 | 2013-10-09 | アイシン・エィ・ダブリュ株式会社 | 車両制御装置、車両制御方法及びコンピュータプログラム |
-
2010
- 2010-02-02 US US12/698,321 patent/US20110190972A1/en not_active Abandoned
-
2011
- 2011-01-28 CN CN2011100349790A patent/CN102139696A/zh active Pending
- 2011-01-28 DE DE102011009665A patent/DE102011009665A1/de not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5091726A (en) * | 1990-08-23 | 1992-02-25 | Industrial Technology Resarch Institute | Vehicle anti-collision system |
US6466864B1 (en) * | 2001-11-02 | 2002-10-15 | General Motors Corporation | Method and system for detecting anomalous road geometry for a navigation system |
CN1880920A (zh) * | 2005-06-16 | 2006-12-20 | 三菱扶桑卡客车株式会社 | 相对速度计算装置及车距控制装置 |
US20070050133A1 (en) * | 2005-07-11 | 2007-03-01 | Aisin Aw Co., Ltd. | Navigation systems, methods, and programs |
US20070012499A1 (en) * | 2005-07-14 | 2007-01-18 | Nissan Motor Co., Ltd. | Vehicle driving assist system |
CN101497336A (zh) * | 2008-01-31 | 2009-08-05 | 爱信艾达株式会社 | 车辆的运动控制装置 |
US20090309757A1 (en) * | 2008-06-16 | 2009-12-17 | Gm Global Technology Operations, Inc. | Real time traffic aide |
Cited By (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103057376B (zh) * | 2011-10-20 | 2016-06-15 | 通用汽车环球科技运作有限责任公司 | 车辆悬架系统及其使用方法 |
CN103057376A (zh) * | 2011-10-20 | 2013-04-24 | 通用汽车环球科技运作有限责任公司 | 车辆悬架系统及其使用方法 |
CN103101539A (zh) * | 2011-11-11 | 2013-05-15 | 奥迪股份公司 | 用于运行机动车起停系统的方法和机动车 |
CN103101539B (zh) * | 2011-11-11 | 2016-03-02 | 奥迪股份公司 | 用于运行机动车起停系统的方法和机动车 |
CN105723435A (zh) * | 2013-05-13 | 2016-06-29 | 罗伯特·博世有限公司 | 用于运行车辆的方法和设备 |
CN104908741A (zh) * | 2014-02-24 | 2015-09-16 | 福特全球技术公司 | 自主驾驶传感系统及方法 |
CN104964692A (zh) * | 2014-03-22 | 2015-10-07 | 福特全球技术公司 | 来自车辆的跟踪 |
CN106233355A (zh) * | 2014-04-15 | 2016-12-14 | 三菱电机株式会社 | 驾驶辅助装置及驾驶辅助方法 |
CN106233355B (zh) * | 2014-04-15 | 2017-07-11 | 三菱电机株式会社 | 驾驶辅助装置及驾驶辅助方法 |
CN105346389A (zh) * | 2014-08-18 | 2016-02-24 | 比亚迪股份有限公司 | 车辆的控制系统、方法及车辆 |
CN111439250A (zh) * | 2015-03-27 | 2020-07-24 | 英特尔公司 | 用于在路况变化的情况下辅助车辆的技术 |
CN111439250B (zh) * | 2015-03-27 | 2023-07-14 | 太浩研究有限公司 | 用于在路况变化的情况下辅助车辆的技术 |
CN106067247A (zh) * | 2015-04-23 | 2016-11-02 | 福特全球技术公司 | 交通复杂度估算 |
CN107925853A (zh) * | 2015-08-19 | 2018-04-17 | 高通股份有限公司 | 专用短程通信(dsrc)中的安全事件消息传输定时 |
US10971008B2 (en) | 2015-08-19 | 2021-04-06 | Qualcomm Incorporated | Safety event message transmission timing in dedicated short-range communication (DSRC) |
CN107925853B (zh) * | 2015-08-19 | 2020-06-26 | 高通股份有限公司 | 用于安全事件消息传输定时的方法和装置 |
CN106558216A (zh) * | 2015-09-29 | 2017-04-05 | 扬智科技股份有限公司 | 用于车辆的控制系统及车辆交通控制方法 |
CN105809126B (zh) * | 2016-03-04 | 2019-04-09 | 重庆邮电大学 | Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 |
CN105809126A (zh) * | 2016-03-04 | 2016-07-27 | 重庆邮电大学 | Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 |
CN107200012A (zh) * | 2016-03-17 | 2017-09-26 | 株式会社斯巴鲁 | 车辆的行驶控制装置 |
CN107219846A (zh) * | 2016-03-21 | 2017-09-29 | 中国移动通信集团广东有限公司 | 控制车道方向的方法、道路指挥及分段设备、车辆终端 |
CN109844839A (zh) * | 2016-06-10 | 2019-06-04 | 大陆汽车系统公司 | 用于自主车道变换操纵的状况分析的系统和方法 |
US11951966B2 (en) | 2016-09-12 | 2024-04-09 | Knorr-Bremse Systeme Fuer Nutzfahrzeuge Gmbh | Steering control system and a method for controlling steering |
CN109689450A (zh) * | 2016-09-12 | 2019-04-26 | 克诺尔商用车制动系统有限公司 | 转向控制系统和用于控制转向的方法 |
CN107953828A (zh) * | 2016-10-14 | 2018-04-24 | 株式会社万都 | 车辆的行人识别方法及车辆的行人识别系统 |
CN110235071A (zh) * | 2016-11-10 | 2019-09-13 | 俄亥俄州立大学 | 自动汽车引导与轨迹跟踪 |
US11366478B2 (en) | 2016-11-10 | 2022-06-21 | Ohio University | Autonomous automobile guidance and trajectory-tracking |
CN110235071B (zh) * | 2016-11-10 | 2023-02-17 | 俄亥俄大学 | 自动汽车引导与轨迹跟踪 |
CN108216235A (zh) * | 2016-12-14 | 2018-06-29 | 福特全球技术公司 | 自主车辆对象检测 |
CN108205731A (zh) * | 2016-12-20 | 2018-06-26 | 通用汽车环球科技运作有限责任公司 | 情境评估车辆系统 |
CN106585623B (zh) * | 2016-12-21 | 2023-12-01 | 驭势科技(北京)有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
CN106585623A (zh) * | 2016-12-21 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种用于探测车辆周围目标的探测系统以及其应用 |
CN110383348B (zh) * | 2017-03-07 | 2021-09-24 | 高通股份有限公司 | 经由传感器来扩展车辆到车辆通信 |
CN110352330A (zh) * | 2017-03-07 | 2019-10-18 | 罗伯特·博世有限公司 | 用于自主交通工具的动作规划系统和方法 |
TWI772362B (zh) * | 2017-03-07 | 2022-08-01 | 美商高通公司 | 經由感測器擴展車輛到車輛通訊 |
CN110383348A (zh) * | 2017-03-07 | 2019-10-25 | 高通股份有限公司 | 经由传感器来扩展车辆到车辆通信 |
CN110352330B (zh) * | 2017-03-07 | 2024-04-19 | 罗伯特·博世有限公司 | 用于自主交通工具的动作规划系统和方法 |
CN107878711B (zh) * | 2017-07-17 | 2023-07-18 | 青岛海狮网络科技有限公司 | 一种可以有效防误操作的个人救生示位装置 |
CN107878711A (zh) * | 2017-07-17 | 2018-04-06 | 青岛海狮网络科技有限公司 | 一种可以有效防误操作的个人救生示位装置 |
CN107507417B (zh) * | 2017-08-03 | 2019-10-18 | 北京信息科技大学 | 一种基于微波雷达回波信号的智能车道划分方法及装置 |
CN107507417A (zh) * | 2017-08-03 | 2017-12-22 | 北京信息科技大学 | 一种基于微波雷达回波信号的智能车道划分方法及装置 |
CN111316059B (zh) * | 2017-11-07 | 2021-12-07 | 讯宝科技有限责任公司 | 使用邻近设备确定对象尺寸的方法和装置 |
CN111316059A (zh) * | 2017-11-07 | 2020-06-19 | 讯宝科技有限责任公司 | 使用邻近设备确定对象尺寸的方法和装置 |
CN109859463A (zh) * | 2017-11-30 | 2019-06-07 | 福特全球技术公司 | 增强的交通堵塞协助 |
CN108365986A (zh) * | 2018-02-07 | 2018-08-03 | 重庆大学 | 基于模型预测控制的混合动力车队协同能量管理方法 |
CN110281936B (zh) * | 2018-03-15 | 2022-06-10 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及存储介质 |
CN110281936A (zh) * | 2018-03-15 | 2019-09-27 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及存储介质 |
CN108732923A (zh) * | 2018-05-29 | 2018-11-02 | 北理慧动(常熟)车辆科技有限公司 | 一种智能驾驶车辆加速度跟踪控制方法 |
CN112204418A (zh) * | 2018-06-14 | 2021-01-08 | 罗伯特·博世有限公司 | 用于自动地确定道路状态的方法 |
CN109540158A (zh) * | 2018-09-14 | 2019-03-29 | 上海擎感智能科技有限公司 | 导航方法、系统、存储介质及设备 |
CN109326118A (zh) * | 2018-09-17 | 2019-02-12 | 青岛海信网络科技股份有限公司 | 一种车队位置预测方法及装置 |
CN109229018A (zh) * | 2018-09-30 | 2019-01-18 | 张家港天筑基业仪器设备有限公司 | 一种基于人机结合的汽车安全预警方法 |
CN112839853B (zh) * | 2018-10-15 | 2023-08-22 | 祖克斯有限公司 | 响应式车辆控制 |
CN112839853A (zh) * | 2018-10-15 | 2021-05-25 | 祖克斯有限公司 | 响应式车辆控制 |
CN109582832A (zh) * | 2018-12-03 | 2019-04-05 | 北京唐冠天朗科技开发有限公司 | 一种城市公共安全智能分析方法及系统 |
CN111610782B (zh) * | 2019-02-07 | 2023-12-12 | 通用汽车环球科技运作有限责任公司 | 用于车辆的纵向运动控制的方法和装置 |
CN111610782A (zh) * | 2019-02-07 | 2020-09-01 | 通用汽车环球科技运作有限责任公司 | 用于车辆的纵向运动控制的方法和装置 |
US11328518B2 (en) * | 2019-09-24 | 2022-05-10 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and apparatus for outputting information |
CN111055844A (zh) * | 2019-12-25 | 2020-04-24 | 浙江吉利汽车研究院有限公司 | 一种行驶行为的确定方法、装置、车辆及存储介质 |
CN113511205A (zh) * | 2020-03-25 | 2021-10-19 | Aptiv技术有限公司 | 规划车辆的移动的方法和系统 |
CN113511205B (zh) * | 2020-03-25 | 2024-06-07 | Aptiv技术股份公司 | 规划车辆的移动的方法和系统 |
CN111824646B (zh) * | 2020-06-16 | 2022-06-21 | 浙江天尚元科技有限公司 | 一种医疗废物智能运输车及运输方法 |
CN111824646A (zh) * | 2020-06-16 | 2020-10-27 | 浙江天尚元科技有限公司 | 一种医疗废物智能运输车及运输方法 |
CN112486176A (zh) * | 2020-12-02 | 2021-03-12 | 吉林大学 | 一种考虑扰动的无人驾驶框架车轨迹跟踪控制方法 |
CN112258745A (zh) * | 2020-12-21 | 2021-01-22 | 上海富欣智能交通控制有限公司 | 移动授权终点确定方法、装置、车辆和可读存储介质 |
CN113173162A (zh) * | 2021-04-26 | 2021-07-27 | 安徽域驰智能科技有限公司 | 基于纵向横向同步探测的车辆前方碰撞警示方法 |
CN114023107A (zh) * | 2021-11-01 | 2022-02-08 | 深圳智慧车联科技有限公司 | 预防城市渣土车右转过程与非机动车发生冲突的方法、系统及其存储介质 |
CN113879211A (zh) * | 2021-11-01 | 2022-01-04 | 深圳智慧车联科技有限公司 | 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统 |
CN113879211B (zh) * | 2021-11-01 | 2024-05-10 | 深圳智慧车联科技有限公司 | 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统 |
CN116434603A (zh) * | 2022-12-05 | 2023-07-14 | 东南大学 | 一种基于ssm的自动驾驶车队横纵向同步安全控制方法 |
Also Published As
Publication number | Publication date |
---|---|
US20110190972A1 (en) | 2011-08-04 |
DE102011009665A1 (de) | 2011-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102139696A (zh) | 疏堵 | |
EP3678911B1 (en) | Pedestrian behavior predictions for autonomous vehicles | |
CN103158705B (zh) | 用于控制本车的方法和系统 | |
US10026317B2 (en) | Autonomous probability control | |
US9989963B2 (en) | Autonomous confidence control | |
CN102076541B (zh) | 用于自动车道居中和车道变换控制系统的路径生成算法 | |
Khodayari et al. | A historical review on lateral and longitudinal control of autonomous vehicle motions | |
Bertolazzi et al. | Supporting drivers in keeping safe speed and safe distance: the SASPENCE subproject within the European framework programme 6 integrating project PReVENT | |
CN111433094A (zh) | 车辆控制装置 | |
CN111247045A (zh) | 车辆控制装置 | |
CN109715453A (zh) | 用于控制车辆的运动的方法和设备以及车辆运动控制系统 | |
CN111278706A (zh) | 车辆控制装置 | |
CN111976741A (zh) | 用于控制自动驾驶车辆的装置和方法 | |
US20200353918A1 (en) | Vehicle control device | |
WO2019084009A1 (en) | LATERAL CLEARANCE REQUIRED FOR SPEED FOR AUTHORIZED VEHICLE TRACK PLANNING | |
CN103347757A (zh) | 通过使用预测环境和驾驶员行为信息来优化燃油经济性的系统和方法 | |
US20220234615A1 (en) | In-vehicle device and driving assist method | |
WO2019044645A1 (ja) | 車両制御装置 | |
EP3666612A1 (en) | Vehicle control device | |
JP2019043190A (ja) | 車両制御装置 | |
CN109656242A (zh) | 一种自动驾驶行车路径规划系统 | |
Tomar et al. | Neural network based lane change trajectory predictions for collision prevention | |
JP6796679B2 (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
CN117315970A (zh) | 涉及交叉路口处交通拥堵的自主车辆的车道改变 | |
JP2019043191A (ja) | 車両制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110803 |