CN102387941A - 用于提升车辆的行车安全和效率的方法和系统 - Google Patents

用于提升车辆的行车安全和效率的方法和系统 Download PDF

Info

Publication number
CN102387941A
CN102387941A CN2009801585999A CN200980158599A CN102387941A CN 102387941 A CN102387941 A CN 102387941A CN 2009801585999 A CN2009801585999 A CN 2009801585999A CN 200980158599 A CN200980158599 A CN 200980158599A CN 102387941 A CN102387941 A CN 102387941A
Authority
CN
China
Prior art keywords
vehicle
chaufeur
signal
behavior
expection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2009801585999A
Other languages
English (en)
Other versions
CN102387941B (zh
Inventor
马可·多扎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volvo Technology AB
Original Assignee
Volvo Technology AB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Volvo Technology AB filed Critical Volvo Technology AB
Publication of CN102387941A publication Critical patent/CN102387941A/zh
Application granted granted Critical
Publication of CN102387941B publication Critical patent/CN102387941B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/50—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking
    • B60Q1/525—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking automatically indicating risk of collision between vehicles in traffic or with pedestrians, e.g. after risk assessment using the vehicle sensor data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/44—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating braking action or preparation for braking, e.g. by detection of the foot approaching the brake pedal
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q5/00—Arrangement or adaptation of acoustic signal devices
    • B60Q5/005—Arrangement or adaptation of acoustic signal devices automatically actuated
    • B60Q5/006—Arrangement or adaptation of acoustic signal devices automatically actuated indicating risk of collision between vehicles or with pedestrians
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
    • 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
    • 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)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种用于响应于激励传送与自主车辆(100)的驾驶员的预期行为相关的信息而提升车辆(100)的安全和行车效率的方法，包括步骤(i)感应激励的参数以便生成所感应参数的激励信号函数，(ii)监视所感应参数的激励信号函数，(iii)使用所述激励信号计算响应于激励的预期的未来驾驶员行为，(iv)将预期的未来驾驶员行为与标准驾驶员行为相比较，并且(v)在预期的未来驾驶员行为不是标准行为的情况下向自主车辆(100)的周边发出警示信号。此外，公开了根据所述方法操作的系统(10)。

Description

用于提升车辆的行车安全和效率的方法和系统
技术领域
本发明涉及一种通过向周边车辆、设施或其它道路用户传送关于车辆预期行为的信息，具体地是与车辆的预期危险操控相关的信息，来提升车辆的行车安全和效率的方法和系统。
背景技术
许多用于提高所有道路用户的安全和保障的不同车载安全系统是已知的。
这些系统的一个示例是前部碰撞警示系统(FCW)，这是一种监视归属车辆前方道路并且在存在潜在碰撞危险时警示驾驶员的电子系统。这些系统通常基于例如雷达的传感器来确定例如配备有FCW的归属车辆与其前方车辆之间的距离和相对速度。电子控制单元(ECU)对来自传感器的信号进行分析处理(elaborate)并输出状态指示，并且在必要时对驾驶员进行警示。
其它已知的安全系统可以包括车道偏离警示系统(LDW)，这是一种被设计为在车辆开始离开其在高速公路或主干道上的车道时对驾驶员进行警示的机制。提高与相邻车道过于接近行驶的车辆的驾驶员注意的车道变换警示系统(LCW)以及在驾驶员针对前方弯道行驶过快时对其进行警示的弯道速度警示系统(CSW)是车辆中可能单独或者共同存在的其它系统。
那些系统中的任意一种为了就威胁对驾驶员进行警示所发出的警示信号可能导致驾驶员非预期的反应，这从车辆周边的其它道路用户的角度来看是无法预期的，例如突然制动或突然转向的操控。由于这些操控对于与执行这种动作的一方相临近的其它车辆是危险的事实，所以需要在可能出现这样的反应时尽快对其它道路用户进行警示。
EP0918661A1公开了一种适于在车辆中使用的信号发送装置，该信号发送装置响应于来自感应装置的信号而被激活，所述感应装置适于感应驾驶员在可能导致与该车辆相关联的制动的方向所进行的制动操作部分的运动，例如驾驶员的脚从加速踏板向制动踏板的运动。所述信号发送装置可以包括安装在车辆上方并且可以被后方车辆的驾驶员可看到的停车灯或其它发光源。这种已知的解决方案使得后方车辆的驾驶员能够获得前方车辆即将进行的减速而可能导致的潜在危险情况的提前警示。
因此，所描述的信号发送装置仅在驾驶员开始制动操控之后(即，驾驶员的脚已经向制动踏板移动)才被激活。
US7018004描述了一种用于制动预装载(pre-charging)的系统和方法，其包括基于来自前视传感器的接近信息预先制动，以减小与制动相关联的初始延迟。通过减小将驾驶员的制动压力请求转换为对车轮的实际制动扭矩的初始延迟，减小了制动所需的停车距离。
US6850156公开了一种车辆的防碰撞安全系统，其包括接收一个或多个输入并且响应于所述输入控制至少一个指示器或信号发送设备的输出的微处理器。所述微处理器可以在车辆使用时被持续供电或加电，以使得所述指示器可以在车辆的制动踏板不被使用时进行调整。优选地，可以提供接近感应设备以检测车辆外部的目标。优选地，也可以包括加速计来向所述微处理器提供减速信号。所述微处理器可以独立于车辆驾驶员所进行的制动踏板驱动来调整所述指示器。
本发明的目标是进一步提升采用安全系统的车辆以及所提到的归属车辆周边的车辆的安全性和效率。此外，本发明的另一个目标是降低本领域已知的安全系统的信号发送所导致的事故风险。
发明内容
这些和其它目标将从以下描述而变得显而易见，它们由本发明的如权利要求1所述的用于提升车辆的行车安全和效率的方法以及如权利要求13所述的用于提升车辆的安全和行车效率的系统所实现。有益的实施例在以下的从属权利要求中给出。
本发明涉及一种用于提升行车安全和效率的方法和系统。具体地，本发明的系统适于被安装在任意一般类型的车辆中，并且其在以下更加详细描述的某些条件下生成警示信号，以便就包括所述系统的车辆的非标准操控对周边进行警示，优选地，所述非标准操控可能即将发生的，所述操控已经被激励所触发。
术语“周边”是指其它车辆、设施或道路用户，以及甚至是车辆自身的驾驶员。此外，安装了本发明的系统的车辆在下文中被称作“自主(ego)车辆”。
实际上，车辆的任何非标准操控可能会触发一连串反应并且导致周边车辆的额外危险操控。因此，本发明的目标是在存在即将发生这种非标准操控的特定概率(例如，所计算的这种动作高于特定阈值的概率)的事实时尽快以以下更为详细描述的特定条件对周边进行警示，即对其它车辆或设施或其它道路用户和/或自主车辆自身的驾驶员自身进行警示。增加警示和实际发生操控的时刻之间流逝的时间允许降低事故的风险并且这也可以从整体上提高行车效率。
根据第一方面，本发明涉及一种用于通过响应于激励传送与自主车辆的驾驶员的预期行为相关的信息来提升车辆的行车安全和效率的方法，其包括步骤：
-分析处理所感应到的所述激励的参数的激励信号函数，其特征在于进一步包括步骤：
-使用所述激励信号计算响应于所述激励的预期的未来驾驶员行为，
-将所述预期的未来驾驶员行为与标准驾驶员行为相比较，
-在所述预期的未来驾驶员行为不是标准行为的情况下生成要向所述自主车辆的周边发出的警示信号。
在上述方面，本发明可以具有以下所指出的优选特征中的至少一个。
优选地，所述方法包括例如经由传感器感应激励的参数的额外步骤，以便生成所述所感应参数的激励信号函数。
在自主车辆中存在诸如FCW系统、LDW系统、CSW系统等的安全系统的情况下，已经提到过，当这样的已知安全系统发出警告信号以便对所述自主车辆的驾驶员进行警告时，在一些情况下，可以被看作驾驶员对其进行反应的激励的这种警告信号自身可以导致驾驶员非预期的反应。因此，针对这样的情况，也希望向周边警示可能发生驾驶员的这种非标准反应。
在下文中，术语“警示信号”表示本发明的系统或本发明的方法为了就自主驾驶员未来所预期的非标准行为向周边进行警示所发出的信号。另一方面，术语“警告信号”表示所发出的用于警告自主车辆的驾驶员的信号。根据本发明的优选实施例，这样的警告信号可以由自主车辆中诸如FCW系统、LDW系统、CSW系统等的安全系统所发出。安全系统所发出的该警告信号可以触发本发明的系统发出警示信号。
在本发明的另一个优选实施例中，所述激励来自于置于另一台车辆中的用于增强行车安全和效率的另一个系统：假设行驶中的至少两台车辆具有车载的根据本发明的用于提升行车安全和效率的系统，优选地在两台自主车辆之间建立通信，并且优选地经由无线通信进行信息的交换和相互更新。
在根据本发明的系统的替选优选实施例中，所述激励来自于“设施”，其被称作“智能设施”，能够与自主车辆的系统进行通信以提升行车安全和效率。
为了响应于激励对驾驶员的预期行为进行评估，使用包括算法的软件。因此，优选地对从现场操作数据所得出的信息进行分析处理而计算所述预期行为。
根据进一步的优选实施例，计算预期的未来驾驶员行为包括基于驾驶员的实际响应的自适应步骤和/或学习步骤。
优选地，为了计算预期的未来驾驶员行为，根据本发明的方法包括感应与自主车辆和/或其周边相关的多个不同参数的步骤。更为优选地，所述方法还包括感应与驾驶员的身体状况相关的多个参数的步骤。用来计算预期的未来驾驶员行为的软件在计算中使用来自这些传感器的所有该信息以便输出相应的计算结果。
根据第二方面，本发明涉及一种用于通过响应于激励传送与自主车辆的驾驶员的预期行为相关的信息来提升车辆的安全和行车效率的系统，所述系统包括：
-第一类型的传感器，适于感应与所述激励相关的参数并且生成所述所感应参数的激励信号函数；
-控制器，其与所述第一类型的传感器进行通信并且适于对来自所述第一类型的传感器的所述激励信号进行处理，
其特征在于：
-所述控制器适于基于来自所述第一类型的传感器的激励信号计算预期的驾驶员行为，并且将所述预期的驾驶员行为与标准行为相比较，
-包括传输设备，其适于在所述预期的驾驶员行为不是标准行为的情况下向所述自主车辆的周边传送警示信号。
根据本发明的优选实施例，位于存储介质上的软件与控制器进行信号通信，并且所述软件适于基于来自所述第一类型的传感器的激励信号计算预期的驾驶员行为，并且将所述预期的驾驶员行为与标准行为进行比较。
根据本发明的另一个优选实施例，所述传输设备是无线传送器。
优选地，用于提升车辆的行车安全和效率的系统还包括安全系统，所述安全系统包括用于发出警告信号的发射器。更为优选地，所述安全系统是前部碰撞警示系统或车道偏离警示系统或车道变换警示系统或弯道速度警示系统，并且所述警告信号分别是前部碰撞警示或车道偏离警示或车道变换警示或弯道速度警示。
根据额外的优选实施例，根据本发明的系统包括第二类型的传感器，其感应与所述车辆的外部或内部条件相关的额外参数。
替选地或除此之外，所述系统还包括第三类型的传感器，其感应与所述驾驶员的身体状况相关的额外参数。
来自这些额外传感器的信息由软件分析处理以便计算预期的未来驾驶员行为。
根据第三方面，本发明涉及一种车辆网络，至少一台所述车辆包括如以上所描述的用于提升行车安全和效率的系统，所述网络中不包括这样的系统的其余车辆包括适于从所述系统接收信号的至少一个接收器，存在于该车辆网络中的每个这样的系统包括无线传输设备，其适于与系统和/或存在于该网络中的其它车辆的接收器进行通信。
附图说明
根据本发明的用于提升车辆的行车安全和效率的方法和系统的进一步特征和优势将通过其以下参考附图所给出的详细描述而变得显而易见，其中：
图1是包括根据本发明的用于提升行车安全和效率的系统的自主车辆的示意性截面图；
图2表示描绘在发出前方碰撞警示信号和图1的车辆的驾驶员开始制动动作之间的平均流逝时间的两条曲线；
图3是使用根据本发明的方法和系统的第一种情形的示意性表示；
图4与图2类似并且其表示在发出车道偏离警示信号和图1的车辆的驾驶员开始转向动作之间的平均流逝时间；
图5a是使用根据本发明的方法和系统的第二种情形的示意性表示；
图5b是图5a的情形的变化的示意性表示；
图6是描绘根据本发明的方法的步骤的流程图；
图7是使用根据本发明的方法和系统的第三种情形的示意性表示；
图8是使用根据本发明的方法和系统的第四种情形的示意性表示；
图9是使用根据本发明的方法和系统的第五种情形的示意性表示。
具体实施方式
参见图1，100总体上表示包括根据本发明所实现的用于提升行车安全和效率的系统10的自主车辆，其在附图中仅非常示意性地进行了描绘。
下文中，术语“车辆”非常一般性地表示机动车、助动车、诸如卡车的商业车辆，或者汽车、运动多功能车等。
系统10包括一个(或多个)第一类型的传感器1以检测给定激励的与自主车辆100(因此，其检测自主车辆的内部条件)和/或其周边(自主车辆的外部条件)相关的参数或参数集合。第一类型的传感器1可以检测参数，如在自主车辆100的某个距离内存在目标和/或其位置(例如，在这种情况下，目标的存在是激励)，或者自主车辆的速度或道路条件。这样的第一类型的传感器1包括例如雷达或声纳传感器、超声或红外光束检测器设备、相机、麦克风、接近传感器、激光传感器或者其组合。
根据不同的优选实施例，第一类型的传感器1可以是适于检测安装在与自主车辆100不同的车辆上的用于提升行车安全和效率的其它系统10所发出的信号的接收器。第一类型的传感器1甚至能够检测来自沿道路构建的特定设施、被实现为检测和/或分析行车条件(包括道路、交通和天气条件)的设施的信号。
优选地，第一类型的传感器1位于车辆100上的预定位置。除其它之外，所述位置取决于传感器1的类型以及所要感应的参数。
此外，在本发明的优选实施例中，系统10还包括一个或多个第二类型的传感器(图中未示出)，其感应与自主车辆可能对驾驶员的行为造成次级影响的外部或内部条件相关的额外激励(参数)。使用术语“次级”是为了将参考额外激励所收集的这些额外参数与第一类型的传感器1所收集的参数区分开来。如所述，由第二类型的传感器所感应到的这些参数可能与自主车辆100外部的激励相关，诸如光线水平、每天的时间、交通强度、雷达目标、操作系统的驾驶员活动、GPS活动、道路类型和摩擦力等；或者与自主车辆100内部的激励相关，例如电话和其它设备的激活等。
第一类型的传感器1和第二类型的传感器接着生成这些所感应参数的激励信号函数。
替选地，不同于被所提到的第二类型的传感器所感应和生成，当可使用时，以上所列出的激励信号可以在车辆的控制器局域网(CAN或CAN总线)上进行访问。
优选地，系统10还包括同样没有在图中示出的第三类型的传感器，即相机、查看机器、用于肌电图(EMG)、脑电图扫描器(EEG)、皮肤电导的传感器等，用于收集关于驾驶员的信息，并且这些信息可以被用来评估他/她的整体身体状况，包括年龄、他/她是否处于药物和/或酒精等的影响下，以及影响他/她注意力的工作量(驾驶员的状况和活动)。
通过传感器收集与自主车辆100的外部条件和/或自主车辆的内部条件和/或驾驶员的状况和活动相关的所有可能参数表示如图6所示的根据本发明的方法的第一步骤A。
第一类型的传感器1-以及如果存在，第二和第三类型的传感器-与诸如电子控制单元(ECU)的控制器2进行电子通信。第一类型的传感器1-以及如果存在，第二和第三类型的传感器-向控制器2发送所检测参数的激励信号函数。控制器2接收所述激励信号并对其进行分析处理。
根据本发明的优选实施例，控制器2适于在满足系统10中所设置的条件/阈值时，即传感器1所感应的参数以及因此生成的激励信号满足某些预定规则时，生成警告信号，以向自主车辆100的驾驶员进行广播。要被传感器1所感应的参数所满足以便使得控制器2生成警告信号的规则取决于所考虑的系统10的类型、模型和设置。
替选地，控制器2可以一直发出向驾驶员进行广播的警告信号，所述信号是第一类型的传感器1所感应的参数的函数。换句话说，控制器2所输出的信号一直都被提供给驾驶员，该信号根据车辆内部和/或外部条件的变化而变化。
优选地，第一类型的传感器1是自主车辆100中所安装的安全系统20(在附图1中部分示出)的一部分。更为优选地，所述安全系统是本领域已知的类型，其示例为FCW系统、LDW系统、LCW系统、CSW系统等。在该优选实施例中，控制器2可以是已经集成在安全系统20中的控制器。此外，以上所描述的警告信号是安全系统20根据安全系统自身的设置所发出的用于吸引驾驶员注意的信号。
作为示例，第一类型的传感器1可以是前部碰撞警示系统(即雷达或无线电波雷达以及图像处理系统)的传感器。自主车辆100与潜在的“障碍”车辆之间的潜在碰撞时间通过自主车辆100的速度、与潜在障碍车辆的距离、以及自主车辆100和障碍车辆之间的相对速度的评估结果进行判断。当碰撞时间低于某个设置阈值时，发出碰撞警示(＝警告信号)以通知驾驶员需要采取动作以便避免碰撞。因此，在这种情况下，所述警告信号具有适当定义的开始时间和结束时间。
根据本发明的不同实施例，警告信号可以是控制器2所发出的连续信号，例如位于驾驶员视场内的屏幕上的包括全球定位系统(GPS)接收器的自主车辆100位置的视觉化显示。自主车辆和周边的位置在监视器上持续视觉化显示并进行更新。根据更新时间，存在警告信号的连续序列，每个警告信号持续更新时间，形成车辆在监视器中的视觉化路径。
优选地，系统10包括发射器3，其例如可以包括能够发射控制器2所发出的信号的扬声器、监视器、触觉震动致动器，以就所检测到的潜在威胁对自主车辆100的驾驶员进行警告或者向其给出需要他/她注意的持续变化的整体状况，所述信号诸如作为由传感器1所检测的特定参数的视觉、听觉或触觉信号函数的警告信号。
此外，控制器2适于在如以下更为详细描述的某些条件下发出警示信号。
优选地，控制器2还包括其中具有软件的存储介质4(在本发明的其它实施例中，其也可以处于控制器2之外并且与其进行电子通信)，所述软件具有以下所描述的功能。
所述软件在自主车辆100的引擎点火时，即自主车辆100开始工作时，开始处理来自第一类型的传感器1的信息，并且如果存在，还处理来自第二和第三类型的其它传感器的信息。在每次点火时，开始新的驾驶会话。优选地，所述软件在自主车辆100开始工作以前的先前状态被保存在存储器中(存储介质4或其它存储器中)，以便在新点火时能够恢复先前的驾驶会话的结束数值作为新的驾驶会话的开始值。有利地，还加载驾驶员简档，以使得与正要开始驾驶会话的特定驾驶员相连接的特定设置被存储和实施。
详细来讲，在第一阶段，所述软件对来自驾驶员简档和先前的驾驶会话的信息进行分析处理。接着，在第二阶段，由包括电子软件的控制器2对所收集的与系统10的第一类型的传感器1所检测的特定激励相关的所有参数-以及如果存在-由第二类型的传感器所检测的次级参数和第三类型的传感器所感应的关于驾驶员状况和活动的参数进行处理，所述电子软件综合所有信息来计算驾驶员在未来对于这些所感应的参数最可能作出的反应。换句话说，所述软件使用如以下详细描述的适当算法以便计算驾驶员要作为对于第一类型的传感器1所检测到的激励(刺激)的反应而表现出的最为可能的行为(根据软件中所使用的模型、驾驶员简档和来自先前的驾驶会话的信息)。该驾驶员最为可能的行为在下文中被称作驾驶员的“预期行为”。
根据本发明的优选实施例，所述激励可以是控制器2所生成的警告信号，因此所述软件计算预期的驾驶员对于所述警告信号的反应。
对于所感应的参数的每个变化，由于内部/外部激励(刺激)的变化，所述软件响应于这种(这些)改变的条件而更新所计算的预期驾驶员行为。此外，根据本发明，如以下所描述的，所述软件检查所计算的该预期行为是否被认为是标准行为。
根据本发明的优选实施例，由所述软件仅参考控制器2所发出的警告信号来执行预期的驾驶员行为是否为标准行为的计算，所述警告信号即例如已经由车载安全系统20中所设置的阈值被超出的事实所导致发出的警告信号，或者由于外部系统10或道路设施已经向车辆100发送了这样的警告信号而发出的警告信号。换句话说，预期行为类型的计算(即其是标准行为还是非标准行为)优选地仅结合驾驶员响应于所述警告信号(＝激励)的预期行为来执行。
如所述，在本发明的不同实施例中，来自控制器2的信号可以一直被提供给驾驶员并且持续进行更新，诸如来自GPS的信息。因此，不存在驾驶员受到单个时间划界的警告信号影响的单个瞬间，而是存在驾驶员可以对其具有不同响应的逐个警告信号的连续流。若干种这样的连续警告信号中的一个可能是触发非标准的驾驶员行为的激励。
在某些条件下，系统10可能支配安全系统20。例如，安全系统20仅在某些条件下才会发出警告信号，但是可以在系统10中设置不同条件以使得系统10在实际上事先没有发出任何第一警告信号(＝安全系统20所发出的信号)的情况下都向周边发出警示。
为了计算最可能的驾驶员对于第一类型的传感器1所感应到的激励的反应，所述激励在优选实施例中为警告信号(其实际上是作为传感器1所感应的额外刺激的结果而发出的激励)，所述软件包括第一算法，在下文中被称作“预期的驾驶员行为算法”，其计算驾驶员可能在未来表现出的预期行为，即在注意到第一类型的传感器1所感应的激励之后所做出的预期行为，所述激励例如所感应到的警告信号。上述算法的可能实施方式是利用模拟器或现场运算测试数据进行训练的神经网络，或者从现场运算数据所得出并且被应用于所感应信息的规则和等式的集合。这些规则和等式例如可以通过对现场运算数据所进行的数据挖掘处理所生成并且可以是自适应的。有利地，可以使用Kalman过滤或其它处理方法以在所述算法中集成由第二类型的传感器所获得的周边信息。有利地，可以使用驾驶员建模算法作为基础来计算“预期的驾驶员行为”，并且如以上所提到的，优选地还有驾驶员简档和来自先前的驾驶会话的信息。
根据本发明的优选实施例，所述算法也可以是自适应的并且从实际的驾驶员响应进行学习；在这种情况下，随着时间流逝，所述神经网络被重复训练，或者所述规则集合得以被更新，或者算法中的一些参数被改变，或者实施新的额外规则。
控制器2还可以包括读写存储器、微处理器、CAN总线访问和传输和/或其它传输装置。所述算法可以被编码为控制器存储器内的脚本或者经由专用硬件来实施。
第一算法可以考虑驾驶员的工作量、机敏性(注意力、分心、困倦…)以及他/她的健康状况。驾驶员的工作量可以从以上所描述并且由第三类型的传感器利用自组织程序所感应的信息进行评估，或者如果这样的评估器是车辆配备的一部分(例如，配备有智能驾驶员信息系统的车辆)则已经可在CAN总线上获得。额外的第三类型的传感器的实施例如下：例如可以通过眼睛追踪系统使用相机等对驾驶员的意识进行评估，或者可以在CAN总线上获取(例如，驾驶员损伤监视系统)；驾驶员的健康状况可以通过相机、EEG、ECG、EMG等进行评估。
驾驶员行为的计算，即通过第一算法响应于第一类型的传感器1所感应的激励对驾驶员最为可能的行为所进行的计算，表示根据本发明的方法的第二步骤B(见图6的流程图)。
已知驾驶员对于诸如警告信号的激励的反应可以为不同类型并且也还会包括危险操控，诸如紧急制动或突然改变车道，这会导致周边车辆为了避免与自主车辆100的碰撞或事故而作出后续的突然反应。如已经所述的，在下文中，“预期行为”表示未来的驾驶员行为，即未来的驾驶员对于诸如第一算法(即“预期的驾驶员行为算法”)所计算的所发出警告信号之类的激励的反应。“标准行为”则表示非危险的行为，或者换句话说，表示驾驶员在驾驶自主车辆时没有检测到威胁、请求立即动作、惊吓到驾驶员的激励、与驾驶员状况相关的激励的情况下所保持的行为。对于所感应到的每个不同参数而言，也可以相应对标准行为参数化。
从以上由第一类型的传感器1所收集的信息，以及通过可能(如果存在)来自第二和第三类型的其它传感器的其它信号，预期的驾驶员行为算法计算驾驶员对于诸如警告信号的激励的预测反应是否是例如其它车辆驾驶员或其它道路用户的周边所预期的。为此，电子软件包括第二算法，随后被称作“比较算法”，其将预期的驾驶员行为算法所计算的预测驾驶员反应与周边交通对自主车辆100的驾驶员的正常预期相比较，即与标准驾驶员行为相比较。
替选地，该比较可以由其它专用硬件(未示出)而不是第二算法来实施。
在第一实施例中，设置阈值(例如，纵向和横向加速度或转向轮速率等)并且如果超出该阈值(或者如果使用多于一个的阈值，则为多个阈值)，则所预测的驾驶员反应被周边认为是非标准的。所述阈值也可以被设置为将要发生非标准操控的概率。
在第二实施例中，该比较也可以通过将两个模型的结果进行比较来实施：一个模型考虑第一类型的传感器1所检测到的激励来计算驾驶员的预期行为，而第二个模型则计算驾驶员的预期行为，除了在计算中忽略预计会触发非标准驾驶员反应的特定激励外，第二个模型与第一个模型是相同的。两个模型所进行的评估的差异可以被用来评估预期反应被认为是标准的还是非标准的，即，如果利用两个模型所计算的驾驶员预期行为彼此不同，或者该差异或这些差异超出了(在某个公差裕量内)预设的一个或多个阈值，则预计为非标准反应。使用两个模型所获得的结果的比较可以通过第二算法来实施，所述第二算法优选地是自适应的(即，其考虑了预测驾驶员行为过去的历史)。
此外，根据本发明的优选实施例，可以针对自主车辆100的每个单独驾驶员定制第一和第二算法，即对于可能驾驶自主车辆100的不同驾驶员具有不同的算法。在每次驾驶会话开始时，可以由系统10记录驾驶员简档/将其加载到系统10中。
该比较步骤，即为了确定预期驾驶员行为是标准行为还是危险(非标准)行为而进行的所计算的驾驶员预期行为和周边预期行为之间的比较，是本发明的方法的步骤C(再次参见图6的流程图)。
如果第一算法所预测的驾驶员反应根据第二算法所执行的计算而被认为是非标准的，则本发明的方法包括对周边交通进行警示的步骤(图6的流程图中的步骤D)；从而这些车辆的驾驶员或道路用户等自身能够准备对来自自主车辆100的未来可能的危险驾驶行为进行准备以便提高行车安全和效率。
为此，系统10进一步包括传输设备5以向周边交通传送警示信号，所述警示信号包括所预测的驾驶员可能的非标准/危险反应的信息。优选地，传输设备5由适于在第二算法发现非标准的预测行为的情况下生成警示信号的控制器2所激活。
对于相同的非标准行为，可以根据预计未来的操控有多“危险”来设想不同的警示信号或者这种警示信号的不同强度/调整。例如，在由于计算出预期减速会高于某个阈值而预见到紧急制动的情况下，所触发的自主车辆100的停车/倒车灯的点亮可以为不同强度，和/或其可以以根据超出阈值的数值的强度和/或频率进行调整。如果预期减速非常接近于阈值，则快速点亮车辆的倒车灯可能是适当的警示信号，如果预计超出所述阈值相对大的量，则倒车灯的快速闪烁和/或更强照明可能是合适的。
在预期的驾驶员行为被计算为标准行为的情况下，控制器2保持监视来自第一类型的传感器1的输入激励信号而并不向周边交通发出任何警示信号。
根据未来的驾驶员反应而从控制器2传输警示信号可以通过使用车辆中的CAN总线和/或任何标准传输装置来实施。例如，传输设备5可以是停车灯、闪烁灯、喇叭等，或者是额外的特定传输灯光或发声器。
在不同实施例中，警示信号的传输也可以通过无线通信来进行，因此传输设备5是无线传送器。例如，第二警示信号的传输可以通过无线局域网(WLAN)来进行，其根据例如中长距离连续空中接口(CALM)体系和指南传输在传输控制协议/网际协议(TCP/IP)上打包的用户数据报协议(UDP)。传输可以使用协作系统传输可用的频率或者为传输所开放的其它频率，或者使用GSM网络。该第二种传输实施方式(无线通信)暗示在周边存在能够理解传输设备5所发出的广播或窄播的警示信号的车辆、道路用户和/或设施。
智能车辆/设施可以以不同方式来使用与未来的驾驶员行为相关的该信息：将其通信给驾驶员或附近易于受到影响的道路用户，或者干涉周边车辆/设施以使得这些车辆更为迅速地进行反应(例如通过对车辆刹车进行预装载)。
所要理解的是，来自第一类型的传感器1的信号以及警示信号的广播所触发的由包括第一和第二算法的软件所执行的计算全部在第一类型的传感器1所进行的激励检测和控制器2对其进行的分析处理与驾驶员对其实际响应之间的时间间隔内进行。例如，实际上，在警告信号和驾驶员实际反应之间所流逝的时间通常足够长以允许所述软件命令控制器2在驾驶员开始任何动作之前发出警示。
根据本发明进一步的实施例，包含本发明的方法的其它步骤。在传输警示信号之后(或者与该传输一起)，执行除了系统10的自主车辆100的一个或多个车中系统的状态的主动修改，或者也包括系统10的周边车辆的系统状态的主动修改。进行该修改是为了进一步提升行车安全和效率。作为可能的修改，自主车辆100和/或周边车辆的预先制动可以作为适当的示例。预先制动通过控制器2例如经由无线通信向制动系统发送的命令来执行。
替选地，该进一步的步骤，即其它车辆系统(诸如制动系统)的修改，可以替代警示信号的传输，或者换句话说，控制器为了修改除了系统10的系统的状态所发出的用于提升行车安全和效率的信号本身可以被认为是警示信号。
在下文中，对配备有系统10的车辆100的网络进行描述。不需要所有车辆都配备有系统10；在车辆网络的这种实施方式的简单实施例中，单台自主车辆100包括系统10，而多台其它车辆则包括接收器以从系统10接收与未来的驾驶员行为相关的信息(这种网络的示例可以是车队，其中引导车配备有这样的系统10而每台跟随车辆则配备有接收器)。在这样的车辆网络实施方式的更为复杂的实施例中，属于该网络的每台自主车辆100都包括系统10。在中间实现中，属于该网络的一些车辆可以包括系统10，而其它则可以包括接收器以从其它自主车辆中所安装的系统10接收信号。每个系统10根据该自主车辆的第一类型的传感器1所接收的信号预测驾驶其自己的自主车辆的驾驶员的未来行为。利用协作方法，自主车辆100上的特定系统10中所安装的电子软件也可以考虑其周边车辆中所安装的所有系统10的软件所进行的所有计算的结果，以便对算法和相应的计算结果进行优化。例如，在自主车辆100上的系统10的算法由于其接收到这样的信息而了解自己的自主车辆前方的另一台车辆的预期驾驶员行为是要改变车道的情况下，由于其它车辆上的系统10已经从转弯指示器所接收的信号和转向轮运动计算出这是该其它车辆的可能操控，则安装在自主车辆100上的系统10的算法将修改发出诸如激活转弯指示符的警示信号的阈值(在这种情况下为降低)。
在车辆网络的该实施例中，为了对来自各车辆的不同车载系统10的不同信号进行仲裁，优选地存在主控制器(图中未示出)。所述主控制器对来自不同系统10的不同信号进行仲裁以便提高行车安全和效率，并且决定哪些信号优先或哪些被忽略。换句话说，网络必须决定“全局”最佳解决方案，以增加行车安全和效率，全局在某种意义上是对于属于网络的大部分车辆。可以在网络层级而不仅仅在车辆层级进行(优选地进行)优化。
与周边车辆的预期驾驶员行为相关的信息可以通过用于向周边传送警示信号的相同无线传输设备传送给自主车辆100。除了预期驾驶员行为之外，可以在系统10之间共享所有类型的信息，诸如部分计算、不同车辆中的传感器1所感应的信号、警告信号和警示信号。
本发明的考虑系统10的网络的该实施例(由于在不同系统10之间进行分布)使得能够进行更快的计算并且(因为预处理)减少了所要传送的数据量。该网络可以被认为是可合作系统。
示例1-纵向控制
在第一示例中，本发明的系统和方法以防止车辆之间的尾部碰撞为主要目标。
系统10包括安装在自主车辆100中的前部碰撞警示(FCW)系统20，其第一类型的传感器1的输入由第一算法用来预测驾驶员的行为。具体地，使用第一算法基于对前方碰撞警示(＝警告信号)的平均响应来预测驾驶员行为。有利地，系统10可以包括额外的第二类型的传感器，例如速度传感器，其测量自主车辆100的速度变化。
在第一算法预测驾驶员对前方碰撞警示信号的预期行为是紧急制动的情况下(例如，计算车辆的预期减速；图6中的步骤B)，这被第二算法认为是非标准行为(减速高于指示紧急制动的某个阈值；图6中的步骤C)，自主车辆100的后停车灯被用作传输设备5以在驾驶员开始“真正的”制动之前将该信息定向到跟随车辆(图6中的步骤D)。
更为详细地，可以从来自现场数据的知识预测制动操控。现场数据显示，在发出FCW信号之后，驾驶员在特定的周围条件中非常可能进行制动。驾驶员如何制动以及该操控对于周边交通有多危险取决于例如车辆速度之类的许多因素。因此，自主车辆100的速度对于预测或估计在其超出某个预定阈值的情况下驾驶员进行潜在的危险操控的概率而言是很好的指示。
已经示出了，平均而言，当速度高于某个阈值时(并且至少在交通、天气、驾驶员年龄和机敏度等的某些条件下)，驾驶员在安全系统20发出前部碰撞警示信号(＝警告信号)之后以大约1500ms的延迟进行非常强烈的制动作为反应，原因在于自主车辆100和前方车辆之间的距离和速度(单独或以其适当组合作为参数)低于相应的预定阈值。
图2示出了在接收到前部碰撞警示时的平均驾驶员行为。上方曲线表示控制器2所发送的警告信号相对于时间的视觉表示，而下方曲线则描绘了驾驶员相对于时间所执行的制动动作(即，与水平直线的偏差表示制动动作的强度，而水平直线表示“无制动动作”)。
可以在预期减速方面对所预测的制动操控进行量化，即，第一算法计算通过制动动作所表达的预期减速。在比较算法中，设置有关减速的阈值(例如对于小汽车为3m/s2，而对于卡车为2m/s2)，并且根据所计算的预期减速是否高于该阈值来决定该操控是否危险。所述阈值基于现场数据事先进行设置。
代替使用与预期减速相关的单个阈值，可以使用(预测和实际)信号的组合；其它的阈值可以是自适应的并且不是事先决定的。第一算法所进行的预期减速的计算可以取平均少于5ms。
原则上，通过引发不是驾驶员标准或正常行为的紧急制动，前部碰撞警示(FCW)系统20潜在地提高了与跟随自主车辆100的车辆发生尾部碰撞的概率。然而，根据本发明的方法，系统10经由预期行为算法和比较算法预测驾驶员在对警告信号进行反应时将是非标准行为，并且因此在危险行为实际发生之前的大约1500ms的典型延迟内的事实，通过在制动动作之前预先激活自主车辆停车灯(或者车内的其它声音或视觉通信装置)对跟随车辆进行警告。
控制器2经由CAN总线或专用线路激活停车灯(该激活的不同实施例都是可能的：以不同速度、不同强度进行闪烁等)。
图3示意性示出了示例1的系统10和方法在环形路15中的可能应用(使用情形)。
在图3中，车辆100、V1、V2和V3正在接近环形路15。车辆100(配备有FCW系统20)正在向环形路15移动，这是因为前方车辆V1也在移动。在图3所描绘的情形中，车辆100的驾驶员看到来自左侧的车辆V2且并没有意识到前方的车辆V1突然决定停车。在车辆100中，发出FCW信号，并且车辆100的驾驶员在其外围视野中看到FCW系统的警告信号并且非常紧急的制动。直接跟在车辆100之后的车辆V3的驾驶员对前方车辆100这样非标准的反应没有准备，并且将没有及时作出反应，结果车辆V3可能将会撞上车辆100。
在自主车辆100中安装了系统10的情况下，自主车辆100会通过发出对车辆V3的驾驶员进行警示的警示信号(例如通过闪烁后停车灯)向车辆V3警示所预期的自主车辆100的驾驶员的非标准行为，即危险的紧急制动，因此使得车辆V3的驾驶员也启动对其车辆V3进行制动，即车辆V3的驾驶员具有更多的时间使其车辆V3停车，由此减小了与自主车辆100碰撞的风险。
示例2-纵向控制
系统10与示例1中安装有FCW系统的系统相似，但是采用自适应模型响应作为第一算法，其感应驾驶员在警告信号之后的实际响应并且在每次发生之后更新模型以便对驾驶员的行为提供更为精确且定制的预测。
作为后停车灯的替选，使用无线通信作为传输设备。在预测到危险的驾驶员行为的情况下，预想到使用无线通信对跟随车辆进行预先制动。
许多因素影响驾驶员的行为。此外，不同的驾驶员对于相同的激励具有不同的反应和响应。通过考虑特定于驾驶员的响应，可以针对不同驾驶员优化和定制预测的驾驶员操控。控制器2内的算法感应CAN信息，并且基于来自驾驶员先前反应的自适应规则集合预测驾驶员的行为(通常为制动操控)。此外，第一算法接着检查实际的驾驶员反应并更新模型。该算法例如可以依赖于神经网络。信息的集成可以使用Kalman过滤和其它的高级信号处理方法。与非标准制动操控相关的信息经由无线通信而被传送至周边车辆。
系统10具有无线能力并且能够与包括系统10的其它车辆和/或周边的设施进行通信。智能车辆(即具有系统10的车辆)可以使用该信息来预先装载其制动。智能设施(即，能够接收系统10所发送的信号并对其进行解码的设施)能够使用该信息来优化控制接近路口的交通灯(例如，阻止其它车辆接近自主车辆100)。
示例3-横向控制
在该示例中，本发明的系统10和方法被用来防止变换车道时的侧面碰撞。
系统10包括自主车辆100中的标准车道偏离警示(LDW)系统20，并且基于对车道偏离警示的平均响应预测驾驶员的行为。通过使用适当的指示灯向跟随车辆广播警示信号(即，如果预计自主车辆100的驾驶员要向自主车辆100当前所使用的车道左侧的车道移动，则通过激活自主车辆左侧的指示灯，如果预计变向右侧车道，则为自主车辆100右侧的指示灯)。
车道偏离警示信号(＝警告信号)可能引起意外且突然的转向，因此提高了侧面碰撞的概率。然而，系统10预测在其实际发生之前该突然操控大约1500ms即将发生，并且在此期间，通过激活所预测转向的指示灯对周边车辆进行预先警示(对于LDW系统向驾驶员所发出的警告信号的发出细节以及自主车辆100的驾驶员的实际转向动作见图4，其与之前示例1的图2相似，在这种情况下，下方的曲线表示自主车辆100的驾驶员的转向动作)。
更为详细地，本发明的方法的步骤如下：
-步骤A：信息获取：感应LDW信号的出现。系统10实现在ECU(＝图1中的控制器2)中并且连接到感应LDW信息和车辆信息(例如速度)并对其进行分布的CAN总线。可以由额外传感器或无线通信收集其它信息并且可以在所述系统中集成。
-步骤B：预测驾驶员行为：所感应到的LDW信号可能引起转向操控。根据驾驶员的机敏水平和其它因素，该转向操控对于周边交通可能是夸张且危险的。ECU 2内的算法感应经由CAN总线所提供的信息，并且基于来自现场数据的规则集合(驾驶员在实际行车中如何对LDW信号进行响应)预测驾驶员行为(通常为转向操控)。
步骤C：比较：将模型所预测的转向操控与周边所预期的标准操控进行比较。所预测的转向操控可以关于预期的横向移动进行量化。比较算法具有关于横向移动的阈值(对于车辆的舒适度限制通常设置为车辆横向加速度1.5m/s2)，并且如果所预期的横向移动高于该阈值就决定该操控是危险的。该阈值基于现场数据事先设置。代替使用与预期横向移动相关的单个阈值，可以使用(预测和实际)信号的组合；其它的阈值可以是自适应的并且不是事先决定。
步骤D：警示信号：在预期要发生危险的转向操控的情况下，与危险的转向操控相关的相应信息经由激活紧急灯而被传送到跟随车辆。系统10经由CAN总线或专用线路激活紧急灯。可以使用其它车内灯或专用灯来警示周边。
图5a和5b示出了示例3的系统10(使用情形)和方法的可能应用。在图5a中，车辆100由于车辆100的驾驶员疏忽而移向左侧。车辆100右侧的车辆V1假设车辆100正在变换车道并且开始相同的操控，即也向左侧移动。车辆100接收来自其LDW系统的车道偏离警示信号并且驾驶员突然且大幅将车辆100向右转向以便留在原车道中从而撞到车辆V1。由于多于一台的车辆会假设车辆100正在变换车道并且开始同样的操控，所以能够预见到一种多米诺效应，并且如图5b所示，其中其它车辆V2也被示为在向左移动。
在自主车辆100配备有根据本发明的系统10的情况下，通过在危险操控发生之前向周边发出警示信号，从系统10所预测的驾驶员响应可以被用来减小这种由于突发的驾驶员响应而使得多于一台的车辆涉及其中的侧面碰撞的风险和多米诺效应，所述危险操控即自主车辆100的驾驶员的转向矫正。系统10可以使用例如无线通信来考虑这种多米诺效应。
示例4-横向控制
与示例3一样，但是使用无线通信来就危险操控对其它车辆进行警示。在无线通信的情况下，警示可以延伸至将在一种多米诺效应中被突然转向操控所影响的所有车辆。本发明的方法的步骤A-C与结合示例3所描述的相同，而步骤D则由以下内容所替代：
-步骤D：经由无线通信将关于预期的危险转向操控相关的信息传送到周边车辆。系统10具有无线能力，并且能够与周边的智能车辆和设施进行通信。无线通信可以通过使用经由TCP/IP在UDP分组中传输信息的WLAN来进行，或者通过广播信息来进行。智能车辆能够使用该信息来预先装载制动。智能设施能够使用该信息来优化控制接近于路口的交通灯(例如，阻止其它车辆接近配备有系统10的车辆)。由于协同车辆理解所有的周边交通，所以能够控制进一步的多米诺效应。
示例5-动物横穿
在这种情况下，系统10被用来预测车辆驾驶员在动物突然横穿道路时的反应。例如，第一类型的传感器1是具有能够识别动物何时突然横穿道路的算法的相机。此外，第一类型的传感器1和/或控制器2包括算法来在诸如狗的小型动物和大型动物(特别为驼鹿)之间进行区分。根据动物的大小，驾驶员被训练为在道路上快速驾车并且动物横穿道路时以非常不同的操控作出反应。特别地，如果动物小(例如，狗)，则驾驶员大概不会采取任何突然操控并且将只是向动物开过去，这是因为车辆(这种情况下为小汽车)被设计为吸收碰撞；然而，如果动物为大型动物(例如，驼鹿)，则小汽车通常不会完全吸收冲击，并且存在动物将会撞到汽车挡风玻璃的巨大风险。因此，在后者的情况下，汽车驾驶员大概将向一边进行快速操控以避免与动物相撞。系统10可以考虑该信息并且将其集成到意在预测驾驶员操控的模型中。特别地，可以在检测到大型动物的情况下向驾驶员发出警告信号。由于该警告信号很可能为了躲避动物而触发非标准的快速操控的事实，所以向周边发出警示信号。而且，该信号可以以许多方式传送至周边车辆并且通过在其驾驶员能够作出反应之前对周边车辆进行警告而提高安全性。
示例6-驾驶指导
在该示例中，系统10被用来通过发送与自主车辆100的预测行为相关的信息来提高周边车辆的燃油效率。
系统10能够预测自主车辆100的驾驶员何时要以减速高于某个阈值的方式进行制动，并且因此将该信息发送给跟随车辆以降低需要利用更为强烈的制动进行补偿的制动反应的多米诺延迟。该实施方式的作用是为跟随自主车辆100的车辆创造更为平滑的速度控制，这意味着更为优化的燃油使用。
-步骤A：信息获取：记录GPS和驾驶指导信息，以及周边信息和驾驶员相关信息。
-步骤B：预测驾驶员行为：系统10能够通过考虑来自GPS的路线和驾驶指导信息以及周边信息和驾驶员相关信息来估计驾驶员所要进行制动的程度。例如，如果驾驶员非常快的接近根据GPS路线预计其要遇到的转弯，则系统中的算法将计算出驾驶员为了这样做需要进行多强的制动。
-步骤C：比较。当这种制动的评估将高于某个水平时，能够以足够的公差范围来假设跟随车辆也将需要进行制动。该操控于是被认为是非标准的。
-步骤D：警示信号：例如，自主车辆100的后停车灯开始闪烁。通过预期车辆100未来制动的信息，跟随的车辆能够更加早地、较不粗放且更为安全地进行减速，并且这将使得更好地使用燃料和制动。根据有多少车辆跟随包括系统10的自主车辆，该系统10还能够通过为驾驶员给予更多时间来准备制动操控而避免连环追尾碰撞。在该后者的情况下，也可以使用无线通信来确保该信息被广播给所有跟随车辆(而不是仅在其发生时使用预先激活的后停车灯提供给第一辆跟随车辆)。如果自主车辆100配备有驾驶指导系统，则能够通过考虑所述驾驶指导系统指令如何对驾驶员未来的操控进行影响而使用该信息“指导”跟随车辆。
应当注意的是，在这种情况下，优选地不向对来自GPS监视器的激励(如所提到的，其可以被认为是警告信号的连续)或者发出诸如“右转”的警告信号的扬声器简单作出反应的驾驶员发出警告信号。
示例7-设施激励
在这种情况下，系统10得到将要触发从设施向周边的警示信号通信的“激励”。
-步骤A：信息获取：假设交通灯是协作的并且它们能够将其状态发送给系统10。系统10因此收集与交通灯状态(红、绿、黄)相关的信息以及从一种状态到其它状态的切换时间(例如，在切换为黄色或直接切换为绿色之前红色状态还将保持5秒)。此外，系统10包括传感器来检测车辆速度以及自主车辆100和交通灯之间的距离。
-步骤B：预测驾驶员行为：系统10能够估计到达协作交通灯之前的剩余时间。计算所需要的制动时间，这是基于在交通灯状态为“红”的情况下的预期驾驶员行为。
-步骤C：比较：如果自主车辆100行驶过快并且过于接近即将在接下来数秒钟之内变红的交通灯，则算法计算出驾驶员将会紧急制动，这不是标准行为，并且将促使制动灯(后停车灯)提前点亮。
-步骤D：警示信号：后停车灯例如开始闪烁。通过预期自主车辆未来制动的信息，跟随的车辆能够更加早地、较不粗放且更为安全的进行减速，并且这将使得更好地使用燃料和制动。根据有多少车辆跟随包括系统10的自主车辆，该系统10还能够通过为驾驶员给予更多时间来准备制动操控而避免连环追尾碰撞。
在这种情况下，系统10基于来自从绿变红的交通灯的激励提供警示信号。
示例8-降低多米诺效应风险
返回图3所描绘的示例1，引入如图7现在所示的修改(即，增加了其它车辆V4)。在这种新的使用情况下，车辆100和V3均包括系统10。如所能够看到的，车辆V4处于车辆V3之后。
自主车辆100因为前方车辆V1也在移动而进行移动。自主车辆100的驾驶员看到来自左侧的车辆V2并且没有意识到其自己的自主车辆100前方的车辆V1的驾驶员突然决定停下其车辆V1。在自主车辆100中，发出FCW信号，自主车辆100的驾驶员在自主车辆100中所安装的监视器上的其外围视野中看到该警告信号并且非常紧急的制动。自主车辆100的系统10已经计算出驾驶员最为可能响应于来自FCW系统的警告信号而进行紧急制动并且已经就所预测的自主车辆100的非预期的非标准操控对车辆V3进行了警示。结果，车辆V3中的系统10使用该信息(即，自主车辆100的系统10所发出的警示信号变为了安装在车辆V3上的第二系统10的激励)来预测车辆V3的非预期的非标准操控(也是紧急制动)并且同样通过警示信号将该信息传送给车辆V4。换句话说，每台车辆一个的多个系统10的存在将会降低相同车道中以多米诺效应的形式发生车辆之间的一系列单独碰撞的风险。
示例9-用于提升行车安全和效率的系统网络
在图8所描绘的该示例中，第一车辆的系统10从另一车辆的另一系统10得到激励。
在图8中，所描绘的车辆V1-V4每一个包括系统10，形成自主车辆的网络。接着，在任何时刻每个系统10都了解其它车辆的驾驶员的预期未来行为(这是因为系统10以协作的方式就车辆驾驶员的未来预期行为进行通信)。有利地，交通灯也被认为是协作的(即，向协作网络的系统10发送与其实际状态相关的信息)。
各车辆V1-V4中所进行的过程如下：
车辆V1-该车辆的系统10计算该车辆自身的速度。由于车辆V1在道路R1上过快，并且交通灯TL1变红，所以其预测到非标准操控：车辆V1的驾驶员将无法在与道路R2的十字路口之前在红色交通灯TL1处停下车辆V1，即车辆V1将在红灯TL1时通过与道路R2的十字路口。系统10因此无线地向其它车辆V1-V3发送有关所预测的该非标准操控的信息。
车辆V2-道路R2上的车辆V2所安装的系统10从车辆V1的系统10接收到要出现某个非标准操控的信息(甚至可能接收到该操控是什么的信息)，从而车辆V2中的系统10预测到车辆V2的驾驶员的某个非标准制动操控。与所预测的该非标准操控相关的信息由车辆V2无线发送给其它车辆V1、V3、V4。
车辆V3-车辆V3所安装的系统10进行与车辆V2相同的处理，并且与所预测的车辆V3的非标准操控相关的信息由车辆V3无线发送给其它车辆V1、V2、V4。
车辆V4-除了车辆V1的所预期的非标准操控的信息之外，车辆V4所安装的系统10还从车辆V2和V3接收与它们所预期的非标准制动操控相关的信息。
在这种情形中将要发生以下情况：
车辆V1-该车辆将会在红灯TL1时通过道路R1和道路R2之间的路口，并且致使车辆V2和车辆V3中发出FCW信号。根据系统10的网络的实际设置，该信号可以来自于车辆V2、V3中的任一方的系统10或者来自于车辆V1自身的系统10。
车辆V2-车辆V2的系统10所发送的信息在车辆V2的驾驶员紧急制动以避免与通过十字路口的车辆V1相撞之前打开车辆V2的制动灯。V2的驾驶员采用该非标准行为作为对车辆V2的FCW信号的反应。此外，车辆V2的系统10使得车辆V4的系统10对车辆V4预先制动。
车辆V3-该车辆V3的系统10在车辆V3的驾驶员紧急制动以避免与通过十字路口的车辆V1相撞之前强制车辆V3的制动灯点亮。
车辆V4-车辆V4的系统10预见到非预期的驾驶员制动操控并且打开制动灯以警告潜在的跟随车辆(其可以不是该网络的一部分)。
示例10-具有设施的网络
现在参见图9，考虑以下情况。
车辆V1正在以过高的速度沿道路R1接近交通灯TL1。车辆V1的系统10计算出车辆10过快并且与道路R2的十字路口处的交通灯TL1正在变红的事实。车辆V1的系统10中软件的算法将会预测到车辆V1的驾驶员的非标准操控，也就是车辆V1将在红灯时通过交通灯TL1。
道路R1上的车辆V2上所安装的系统10从系统10接收到关于将要出现某发非标准操控的事实的警示信号(甚至可能接收到该操控是什么的警示信号)，以使得车辆V2上所安装的系统10预测到车辆V2的驾驶员的某个非标准制动操控。
车辆V1和V2的系统10将与所预测的车辆V1和V2的非标准操控相关的警示信号发送给接收该信息的“智能”交通灯TL1和TL2。
“智能”交通灯TL1和TL2利用适当的传感器感应到在路口附近不存在其它车辆或者易于受到影响的道路用户，并且将交通灯TL1的状态从红变为绿。车辆V1和V2中的系统10再次执行计算-感应到相关参数(交通灯TL1的灯光)已经改变并且现在又为绿灯-并且不再预测到任何非标准操控。车辆V1和V2将以预期方向继续其行驶并且将通过与道路R2的十字路口而并没有其它车辆必须要执行任何危险操控或接收到警示信号。
示例11-具有主控制器的网络
在该示例中，系统10的网络额外地包括主控制器，其可以被用来从系统的网络收集信息并且使用该信息对整个网络的行车安全/效率进行优化，替代(如以上示例中)以单独车辆的水平对系统响应进行优化。
在该示例中，假设大部分车辆配备有系统10的交通情形。如果来自系统10的信息以整体的水平进行共享和组合，则即使不只在发送出单台车辆的系统10的信息并且该信息被具有系统10的车辆的紧邻周边中的其它车辆所使用(例如以上的示例1)或者导致网络的一连串效应(例如以上的示例8和9)时也能够提高行车安全和效率。
在示例8中已经示出了系统10的各决策的链在车辆V1将要通过红灯的十字路口时可以怎样提高十字路口的安全。在该特定实施例中，示例9的网络包括主控制器，即能够接收(a)来自车辆网络的系统10的信息，并且如果存在，还接收(b)环境信息、(c)周边交通信息、(d)驾驶员信息，以及(e)智能设施信息；并且其还能够对该信息进行处理并且与周边进行通信的单元。在图8的示例中，如果车辆V1的行为不仅是因为车辆V1的速度而且还因为车辆V1的驾驶员分神的事实，则在这样的情况下，主控制器所“理解”的是，将交通灯TL1的状态从红变为绿，并且车辆V1的驾驶员将无需执行任何非预期的操控。此外，车辆V2和V3将无需产生FCW信号，这可能潜在触发其相应驾驶员的危险行为。
主控制器使得能够进行安全网络优化，在该特定实施例中，这使得发生非预期的非标准操控的概率降低，来代替在发生这样的非预期的操控的情况下提供警示以使得周边交通准备进行反应。因此，在这种情况下，警示信号是主控制器为了改变交通灯(图8中的TL1)的状态(在图9所描述的示例中为从红变回绿)而对所述交通灯所发出的信号，并且该信号已经被来自车辆V1的系统10的信息所触发。
主控制器可以嵌入在交通灯或智能设施中，但是也可以处于具有扩展的计算/传输能力的车辆所安装的某个(优选地，额外安全)系统10中。

Claims (23)

1.一种用于通过响应于激励传送与自主车辆(100)的驾驶员的预期行为相关的信息来提升车辆(100)的行车安全和效率的方法，包括步骤：
-分析处理所感应到的所述激励的参数的激励信号函数，其特征在于进一步包括步骤：
-使用所述激励信号计算响应于所述激励的预期的未来驾驶员行为，
-将所述预期的未来驾驶员行为与标准驾驶员行为相比较，
-在所述预期的未来驾驶员行为不是标准行为的情况下生成要向所述自主车辆(100)的周边发出的警示信号。
2.如权利要求1所述的方法，包括向周边发出所述警示信号的步骤。
3.如权利要求1或2所述的方法，包括在所述分析处理激励信号函数的步骤之前感应所述激励的参数以便生成所述所感应到的参数的所述激励信号函数的步骤。
4.如之前任一项权利要求所述的方法，其中所述计算预期的未来驾驶员行为的步骤包括对从现场操作数据所得出的信息进行分析处理的步骤。
5.如之前任一项权利要求所述的方法，其中所述计算预期的未来驾驶员行为的步骤包括基于驾驶员的实际响应的自适应步骤和/或学习步骤。
6.如之前任一项权利要求所述的方法，其中所述感应至少一个参数的步骤包括感应与自主车辆(100)和/或其周边和/或驾驶员的身体状态相关的多个不同参数的步骤。
7.如之前任一项权利要求所述的方法，其中所述感应至少一个参数的步骤包括发出警告信号的步骤。
8.如之前任一项权利要求所述的方法，其中所述向周边发出警示信号的步骤和/或发出警告信号的步骤包括无线通信传输的步骤。
9.如权利要求3至8中任一项所述的方法，其中所述感应至少一个参数的步骤包括接收除了所述自主车辆(100)外的车辆和/或道路设施所发出的至少一个警示信号的步骤。
10.如权利要求2至9中任一项所述的方法，其中所述向所述自主车辆(100)的周边发出警示信号的步骤包括向周边车辆和/或设施传送所述警示信号的步骤。
11.如权利要求2至10中任一项所述的方法，包括在所述发出警示信号的步骤之后主动修改车内系统的状态的步骤。
12.如权利要求3至11中任一项所述的方法，包括在所述感应参数的步骤之前获取特定于驾驶员的数据和/或先前驾驶会话数据的步骤。
13.一种用于通过响应于激励传送与自主车辆(100)的驾驶员的预期行为相关的信息来提升车辆(100)的安全和行车效率的系统(10)，所述系统(10)包括：
-第一类型的传感器(1)，适于感应与所述激励相关的参数并且生成所述所感应到的参数的激励信号函数；
-控制器(2)，其与所述第一类型的传感器(1)进行通信并且适于对来自所述传感器(1)的所述激励信号进行处理，
其特征在于：
-所述控制器(2)适于基于来自所述第一类型的传感器(1)的激励信号计算预期的驾驶员行为，并且将所述预期的驾驶员行为与标准行为相比较，
-传输设备(5)，其被包括且适于在所述预期的驾驶员行为不是标准行为的情况下向所述自主车辆的周边传送警示信号。
14.如权利要求13所述的系统(10)，其中存在于存储介质(4)上的软件与控制器(2)进行信号通信，并且其中所述软件适于基于来自所述第一类型的传感器(1)的激励信号计算预期的驾驶员行为，并且将所述预期的驾驶员行为与标准行为进行比较。
15.如权利要求13或14中任一项所述的系统(10)，其中所述传输设备(5)是无线传送器。
16.如权利要求13至15中任一项所述的系统(10)，包括安全系统(20)，所述安全系统(20)包括用于发出警告信号的发射器(3)。
17.如权利要求16所述的系统(10)，其中所述安全系统(20)是前部碰撞警示系统或车道偏离警示系统或车道变换警示系统或弯道速度警示系统，并且其中所述警告信号分别是前部碰撞警示信号或车道偏离警示信号或车道变换警示信号或弯道速度警示信号。
18.如权利要求13至17中任一项所述的系统(10)，包括感应与所述车辆的外部或内部条件相关的额外参数的至少一个第二类型的传感器，和/或感应与所述驾驶员的身体状况相关的额外参数的至少一个第三类型的传感器。
19.一种车辆(100)的网络，至少一台所述车辆(100)包括如权利要求13至18中任一项所述的系统(10)，并且所述网络中的其余车辆不包括这样的系统(10)却包括适于从所述系统(10)接收信号的至少一个接收器，存在于所述车辆(100)的网络中的每个这样的系统(10)包括无线传输设备(5)，其适于与系统(10)和/或存在于所述网络中的其它车辆(100)的接收器进行通信。
20.如权利要求19所述的车辆(100)的网络，包括主控制器，其与系统(10)和/或所述网络的车辆(100)的接收器进行通信以便在所述通信的框架内优先和/或忽略来自所述车辆(100)的网络的系统(10)的信号。
21.一种适于作为根据权利要求19或20中任一项所述的车辆(100)的网络的一部分的车辆(100)。
22.一种计算机程序，包括在加载到计算机存储器中时适于执行如权利要求1至12中任一项所述的方法的所有步骤的计算机程序指令。
23.一种计算机程序产品，包括记录有可由至少一个处理器执行以执行如权利要求1至12中任一项所述的方法的所有步骤的程序指令的计算机可读介质。
CN200980158599.9A 2009-04-07 2009-04-07 用于提升车辆的行车安全和效率的方法和系统 Expired - Fee Related CN102387941B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SE2009/000182 WO2010117308A1 (en) 2009-04-07 2009-04-07 Method and system to enhance traffic safety and efficiency for vehicles

Publications (2)

Publication Number Publication Date
CN102387941A true CN102387941A (zh) 2012-03-21
CN102387941B CN102387941B (zh) 2015-04-22

Family

ID=42936420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980158599.9A Expired - Fee Related CN102387941B (zh) 2009-04-07 2009-04-07 用于提升车辆的行车安全和效率的方法和系统

Country Status (6)

Country Link
US (1) US8786421B2 (zh)
EP (1) EP2416987A1 (zh)
JP (1) JP5670426B2 (zh)
CN (1) CN102387941B (zh)
BR (1) BRPI0925336A2 (zh)
WO (1) WO2010117308A1 (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103853155A (zh) * 2014-03-31 2014-06-11 李德毅 智能车路口通行方法及系统
CN104299289A (zh) * 2013-07-17 2015-01-21 焦焱 电动车使用行为评估和激励系统及方法
CN104321226A (zh) * 2012-04-24 2015-01-28 奥托立夫开发公司 一种用于激活车辆安全系统的方法
CN104828064A (zh) * 2014-02-07 2015-08-12 通用汽车环球科技运作有限责任公司 用于车辆的驱动模式调节器
CN104908639A (zh) * 2015-05-30 2015-09-16 湖北汽车工业学院 一种基于踏板位置的制动强度分析及预警系统
CN105321376A (zh) * 2014-08-04 2016-02-10 富士重工业株式会社 行驶环境危险度判定装置及行驶环境危险度告知装置
CN105939153A (zh) * 2015-03-02 2016-09-14 福特全球技术公司 具有错误触摸自适应学习的接近开关和方法
CN106183692A (zh) * 2015-05-28 2016-12-07 福特全球技术公司 车辆主动悬架系统及其控制方法
US9855890B2 (en) 2014-12-11 2018-01-02 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle interaction with external environment
CN108352125A (zh) * 2015-09-21 2018-07-31 Cw与Sr投资有限公司 用于紧急制动表现测试、评估和/或驾驶员培训的方法和设备
CN109086914A (zh) * 2018-07-12 2018-12-25 杭州电子科技大学 基于动态多米诺风险的危化品车辆路径规划建模方法
CN109215390A (zh) * 2017-06-29 2019-01-15 罗伯特·博世有限公司 用于警告运输工具中的乘客的方法
CN109690606A (zh) * 2016-09-10 2019-04-26 瑞士再保险有限公司 对相关联的自动化系统的自动指导操作进行评分驱动测量、触发和发信号的智能、自适应、基于远程信息处理的系统及其相应的方法
CN109844838A (zh) * 2016-10-25 2019-06-04 三菱电机株式会社 周边信息判定装置及周边信息判定方法
CN111016926A (zh) * 2014-12-12 2020-04-17 索尼公司 自动驾驶控制设备以及自动驾驶控制方法和程序
US10657819B2 (en) 2016-09-21 2020-05-19 Apple Inc. External communication for vehicles
CN113815526A (zh) * 2020-06-18 2021-12-21 百度（美国）有限责任公司 用于自动驾驶车辆的早期制动灯警告系统

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010018331A1 (de) * 2010-04-27 2011-10-27 Gm Global Technology Operations Llc (N.D.Ges.D. Staates Delaware) Vorrichtung und Verfahren zum Erkennen einer Gefahrensituation für ein Fahrzeug
US9649972B2 (en) 2011-04-07 2017-05-16 Pioneer Corporation System for detecting surrounding conditions of moving body
US9771070B2 (en) * 2011-12-09 2017-09-26 GM Global Technology Operations LLC Method and system for controlling a host vehicle
DE102012002695A1 (de) * 2012-02-14 2013-08-14 Wabco Gmbh Verfahren zur Ermittlung einer Notbremssituation eines Fahrzeuges
SE537647C2 (sv) * 2012-03-29 2015-09-08 Scania Cv Ab Förfarande och system för bedömning av förarbeteende vid bromsning av fordon
US8577552B1 (en) * 2012-08-13 2013-11-05 Ford Global Technologies, Llc Forward collision warning system with road-side target filtering
US20150248615A1 (en) * 2012-10-11 2015-09-03 The Research Foundation Of The City University Of New York Predicting Response to Stimulus
US9920697B2 (en) 2014-03-26 2018-03-20 GM Global Technology Operations LLC Engine control systems and methods for future torque request increases
KR101428280B1 (ko) * 2012-12-12 2014-08-07 현대자동차주식회사 차선 이탈 경보 방법, 장치 및 시스템
US11625745B1 (en) 2012-12-31 2023-04-11 Allstate Insurance Company Vehicle telematics system to promote good driving behavior using positive feedback and award points
US10762523B2 (en) * 2013-03-11 2020-09-01 Mastercard International Incorporated Methods and systems for applying promotions to payment transactions
BR112015008318A2 (pt) 2013-09-23 2017-07-04 Farmobile Llc dispositivo de retransmissão, e, sistemas de troca de dados de agricultura e de servidor
US9174575B2 (en) * 2013-09-24 2015-11-03 Ford Global Technologies, Llc Driver prompting braking system and method
SE539157C2 (sv) * 2014-02-19 2017-04-18 Scania Cv Ab Identifikation av säkerhetsrisker i ett fordon för att meddela medtrafikanter
US9734685B2 (en) 2014-03-07 2017-08-15 State Farm Mutual Automobile Insurance Company Vehicle operator emotion management system and method
US9135803B1 (en) 2014-04-17 2015-09-15 State Farm Mutual Automobile Insurance Company Advanced vehicle operator intelligence system
US9972054B1 (en) 2014-05-20 2018-05-15 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US11669090B2 (en) 2014-05-20 2023-06-06 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US10599155B1 (en) 2014-05-20 2020-03-24 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US20210133871A1 (en) 2014-05-20 2021-05-06 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature usage recommendations
US10373259B1 (en) 2014-05-20 2019-08-06 State Farm Mutual Automobile Insurance Company Fully autonomous vehicle insurance pricing
US10319039B1 (en) 2014-05-20 2019-06-11 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US10185999B1 (en) 2014-05-20 2019-01-22 State Farm Mutual Automobile Insurance Company Autonomous feature use monitoring and telematics
US10540723B1 (en) 2014-07-21 2020-01-21 State Farm Mutual Automobile Insurance Company Methods of providing insurance savings based upon telematics and usage-based insurance
US10166994B1 (en) 2014-11-13 2019-01-01 State Farm Mutual Automobile Insurance Company Autonomous vehicle operating status assessment
EP3053777A1 (en) * 2015-02-09 2016-08-10 Honda Research Institute Europe GmbH Method and system for predictive driver assistance using communication and vehicle equipped with such system
KR101648017B1 (ko) * 2015-03-23 2016-08-12 현대자동차주식회사 디스플레이 장치, 차량 및 디스플레이 방법
US9862315B2 (en) 2015-08-12 2018-01-09 Lytx, Inc. Driver coaching from vehicle to vehicle and vehicle to infrastructure communications
US9805601B1 (en) 2015-08-28 2017-10-31 State Farm Mutual Automobile Insurance Company Vehicular traffic alerts for avoidance of abnormal traffic conditions
US20170072850A1 (en) * 2015-09-14 2017-03-16 Pearl Automation Inc. Dynamic vehicle notification system and method
EP3151216A1 (en) * 2015-10-01 2017-04-05 Volvo Car Corporation Method for providing an alert to a driver and an alert system
CN105974453A (zh) * 2015-11-05 2016-09-28 乐卡汽车智能科技（北京）有限公司 基于智能车路协同系统的差分定位方法及智能车路协同系统
US9940834B1 (en) 2016-01-22 2018-04-10 State Farm Mutual Automobile Insurance Company Autonomous vehicle application
US10295363B1 (en) 2016-01-22 2019-05-21 State Farm Mutual Automobile Insurance Company Autonomous operation suitability assessment and mapping
US11719545B2 (en) 2016-01-22 2023-08-08 Hyundai Motor Company Autonomous vehicle component damage and salvage assessment
US11441916B1 (en) 2016-01-22 2022-09-13 State Farm Mutual Automobile Insurance Company Autonomous vehicle trip routing
US10324463B1 (en) 2016-01-22 2019-06-18 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation adjustment based upon route
US10134278B1 (en) 2016-01-22 2018-11-20 State Farm Mutual Automobile Insurance Company Autonomous vehicle application
US10395332B1 (en) 2016-01-22 2019-08-27 State Farm Mutual Automobile Insurance Company Coordinated autonomous vehicle automatic area scanning
US11242051B1 (en) 2016-01-22 2022-02-08 State Farm Mutual Automobile Insurance Company Autonomous vehicle action communications
US10011285B2 (en) * 2016-05-23 2018-07-03 Toyota Motor Engineering & Manufacturing North America, Inc. Device, system, and method for pictorial language for autonomous vehicle
KR101786352B1 (ko) * 2016-05-27 2017-11-15 현대자동차주식회사 우선순위 고려 차선 변경 제어 장치 및 방법
US9938908B2 (en) * 2016-06-14 2018-04-10 GM Global Technology Operations LLC System and method for predicting a pedal position based on driver behavior and controlling one or more engine actuators based on the predicted pedal position
JP6656098B2 (ja) * 2016-06-29 2020-03-04 三菱電機株式会社 車載装置、車両制御方法および生体情報処理方法
JP2018018379A (ja) * 2016-07-29 2018-02-01 住友電気工業株式会社 移動通信機、通信方法および通信制御プログラム
DE102017103132A1 (de) * 2017-02-16 2018-08-16 Valeo Schalter Und Sensoren Gmbh Verfahren zum Reduzieren von Latenzzeiten beim Beschleunigen eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug
DE102017103724B4 (de) * 2017-02-23 2019-11-28 Infineon Technologies Ag Vorrichtung und Verfahren zum Steuern eines Sensorbauelements eines Sicherheitssystems eines Objekts, Steuerungssystem für ein Automobilfahrzeug und Sensorbauelement für ein Sicherheitssystem eines Automobilfahrzeugs
CN110582802A (zh) * 2017-03-24 2019-12-17 深圳市大疆创新科技有限公司 载运工具行为监测系统和方法
WO2018177507A1 (en) * 2017-03-28 2018-10-04 Volvo Truck Corporation A method for a string comprising a plurality of platooning vehicles
JP6722132B2 (ja) * 2017-04-27 2020-07-15 クラリオン株式会社 推奨運転出力装置、推奨運転出力方法、及び推奨運転出力システム
US10501074B2 (en) 2017-06-09 2019-12-10 Robert Bosch Gmbh Methods and systems for reducing vehicle and animal collisions
JP6952778B2 (ja) * 2017-07-12 2021-10-20 三菱電機株式会社 運転支援装置および運転支援方法
JP6834860B2 (ja) * 2017-09-05 2021-02-24 トヨタ自動車株式会社 衝突防止装置、衝突防止方法、衝突防止プログラム、記録媒体
US10668922B2 (en) * 2017-10-04 2020-06-02 Toyota Motor Engineering & Manufacturing North America, Inc. Travel lane identification without road curvature data
US10657811B2 (en) * 2017-10-04 2020-05-19 Toyota Motor Engineering & Manufacturing North America, Inc. Travel lane identification without road curvature data
CN113460051A (zh) * 2017-12-28 2021-10-01 北京百度网讯科技有限公司 合作式变道控制方法、装置及设备
DE102018200878B3 (de) * 2018-01-19 2019-02-21 Zf Friedrichshafen Ag Detektion von Gefahrengeräuschen
US10654488B2 (en) 2018-03-07 2020-05-19 Toyota Motor Engineering & Manufacturing North America, Inc. Acceleration booster
JP2019199143A (ja) * 2018-05-15 2019-11-21 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ Ｅｃｕ及び車線逸脱警告システム
US11001273B2 (en) * 2018-05-22 2021-05-11 International Business Machines Corporation Providing a notification based on a deviation from a determined driving behavior
EP3575171A1 (en) * 2018-05-28 2019-12-04 Veoneer Sweden AB Vehicle collision avoidance method and system
SG10201806878VA (en) * 2018-08-14 2020-03-30 Kaha Pte Ltd A Method, System and Apparatus for Connecting Drivers of Non-Autonomous Vehicles
FR3094319B1 (fr) * 2019-03-25 2021-10-22 Renault Sas Procédé de sécurisation de franchissement d’un feu de circulation par un véhicule
US11100801B2 (en) * 2019-08-12 2021-08-24 Toyota Motor North America, Inc. Utilizing sensors to detect hazard from other vehicle while driving
US11255685B2 (en) 2019-08-15 2022-02-22 International Business Machines Corporation Real-time route determination based on localized information
US11180023B2 (en) 2019-08-30 2021-11-23 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle for detection of impaired drivers of other vehicles
CN113393108A (zh) * 2021-06-07 2021-09-14 中国石油大学(北京) 危化品运输车辆聚集区域的风险评价方法
SE2151291A1 (en) * 2021-10-22 2023-04-23 Arriver Software Ab A vehicle control system adapted for increased mimicking of human behavior

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU3353097A (en) 1996-07-29 1998-02-20 Liberty Gardens Limited Signalling means for a vehicle
US6411204B1 (en) 1999-11-15 2002-06-25 Donnelly Corporation Deceleration based anti-collision safety light control for vehicle
JP2002260199A (ja) * 2001-03-06 2002-09-13 Natl Inst For Land & Infrastructure Management Mlit 車両走行時の追突防止方法
US6525656B1 (en) 2001-04-12 2003-02-25 Daimlerchrysler Ag System for providing advanced warning and road user information
DE10163751A1 (de) 2001-12-27 2003-07-17 Bosch Gmbh Robert Verfahren zum Betreiben einer Brennkraftmaschine
EP1502246B1 (de) * 2002-04-30 2006-08-02 Robert Bosch Gmbh Verfahren und vorrichtung zur fahrerinformation bzw. zur reaktion bei verlassen der fahrspur
KR100559868B1 (ko) 2003-10-30 2006-03-13 현대자동차주식회사 차량간 무선통신을 이용한 추돌방지 브레이크시스템 및그의 방법
US7018004B2 (en) 2003-12-18 2006-03-28 Ford Global Technologies, Llc System and method for brake pre-charging
DE102004048010A1 (de) 2004-10-01 2006-04-06 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerunterstützung
JP4691993B2 (ja) * 2005-01-20 2011-06-01 株式会社豊田中央研究所 衝突危険性判断装置及び方法、衝突危険性判断プログラム、衝突危険性報知装置及び方法、及び衝突危険性報知プログラム
JP4849222B2 (ja) 2006-05-31 2012-01-11 日立オートモティブシステムズ株式会社 サスペンション制御装置
US7554435B2 (en) 2006-09-07 2009-06-30 Nissan Technical Center North America, Inc. Vehicle on-board unit
JP2008210058A (ja) 2007-02-23 2008-09-11 Toyota Central R&D Labs Inc 車両事故防止装置
CN201143908Y (zh) * 2007-05-10 2008-11-05 黄建融 车辆显示装置
JP2009037415A (ja) 2007-08-01 2009-02-19 Toyota Motor Corp ドライバ状態判別装置、および運転支援装置

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104321226A (zh) * 2012-04-24 2015-01-28 奥托立夫开发公司 一种用于激活车辆安全系统的方法
CN104299289A (zh) * 2013-07-17 2015-01-21 焦焱 电动车使用行为评估和激励系统及方法
CN104299289B (zh) * 2013-07-17 2016-12-28 焦焱 电动车使用行为评估和激励系统及方法
CN104828064A (zh) * 2014-02-07 2015-08-12 通用汽车环球科技运作有限责任公司 用于车辆的驱动模式调节器
CN103853155B (zh) * 2014-03-31 2015-04-22 李德毅 智能车路口通行方法及系统
CN103853155A (zh) * 2014-03-31 2014-06-11 李德毅 智能车路口通行方法及系统
CN105321376A (zh) * 2014-08-04 2016-02-10 富士重工业株式会社 行驶环境危险度判定装置及行驶环境危险度告知装置
US9855890B2 (en) 2014-12-11 2018-01-02 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle interaction with external environment
CN111016926A (zh) * 2014-12-12 2020-04-17 索尼公司 自动驾驶控制设备以及自动驾驶控制方法和程序
US11718329B2 (en) 2014-12-12 2023-08-08 Sony Group Corporation Automatic driving control device and automatic driving control method, and program
CN105939153B (zh) * 2015-03-02 2022-04-22 福特全球技术公司 具有错误触摸自适应学习的接近开关和方法
CN105939153A (zh) * 2015-03-02 2016-09-14 福特全球技术公司 具有错误触摸自适应学习的接近开关和方法
CN106183692A (zh) * 2015-05-28 2016-12-07 福特全球技术公司 车辆主动悬架系统及其控制方法
CN104908639A (zh) * 2015-05-30 2015-09-16 湖北汽车工业学院 一种基于踏板位置的制动强度分析及预警系统
CN108352125A (zh) * 2015-09-21 2018-07-31 Cw与Sr投资有限公司 用于紧急制动表现测试、评估和/或驾驶员培训的方法和设备
CN109690606A (zh) * 2016-09-10 2019-04-26 瑞士再保险有限公司 对相关联的自动化系统的自动指导操作进行评分驱动测量、触发和发信号的智能、自适应、基于远程信息处理的系统及其相应的方法
CN109690606B (zh) * 2016-09-10 2024-01-16 瑞士再保险有限公司 基于远程信息处理的系统及其相应的方法
US10657819B2 (en) 2016-09-21 2020-05-19 Apple Inc. External communication for vehicles
CN109844838A (zh) * 2016-10-25 2019-06-04 三菱电机株式会社 周边信息判定装置及周边信息判定方法
CN109215390A (zh) * 2017-06-29 2019-01-15 罗伯特·博世有限公司 用于警告运输工具中的乘客的方法
CN109215390B (zh) * 2017-06-29 2022-11-22 罗伯特·博世有限公司 用于警告运输工具中的乘客的方法
CN109086914A (zh) * 2018-07-12 2018-12-25 杭州电子科技大学 基于动态多米诺风险的危化品车辆路径规划建模方法
CN109086914B (zh) * 2018-07-12 2022-03-25 杭州电子科技大学 基于动态多米诺风险的危化品车辆路径规划建模方法
CN113815526A (zh) * 2020-06-18 2021-12-21 百度（美国）有限责任公司 用于自动驾驶车辆的早期制动灯警告系统

Also Published As

Publication number Publication date
BRPI0925336A2 (pt) 2016-04-26
JP5670426B2 (ja) 2015-02-18
WO2010117308A1 (en) 2010-10-14
EP2416987A1 (en) 2012-02-15
CN102387941B (zh) 2015-04-22
US20120025969A1 (en) 2012-02-02
JP2012523057A (ja) 2012-09-27
US8786421B2 (en) 2014-07-22

Similar Documents

Publication Publication Date Title
CN102387941B (zh) 用于提升车辆的行车安全和效率的方法和系统
US11693408B2 (en) Systems and methods for evaluating and sharing autonomous vehicle driving style information with proximate vehicles
CN106956678B (zh) 用于协调v2x和标准车辆的系统和方法
US10503165B2 (en) Input from a plurality of teleoperators for decision making regarding a predetermined driving situation
US20190391582A1 (en) Apparatus and method for controlling the driving of a vehicle
US11292494B2 (en) Apparatus and method for determining levels of driving automation
CN112154492A (zh) 预警和碰撞避免
US20230394961A1 (en) Systems and methods for evaluating and sharing human driving style information with proximate vehicles
EP3564074B1 (en) Driver assistance system for autonomously indicating vehicle user intent in response to a predefined driving situation
CN113272192A (zh) 车辆控制系统和方法
WO2019055571A1 (en) SYSTEM AND METHOD FOR RELATIVE POSITIONING BASED ON SECURE AUTONOMOUS DRIVING
CN104108395A (zh) 用于修改机动车辆的驾驶辅助系统的配置的方法和装置
CN114586082A (zh) 增强的车载装备
KR102540436B1 (ko) 차량 사고 예측 시스템 및 그 방법
US20210078598A1 (en) Autonomous vehicle and pedestrian guidance system and method using the same
CN111547043A (zh) 通过自主车辆自动响应紧急服务车辆
GB2524393A (en) Fault Handling in an autonomous vehicle
CN112540592A (zh) 用于确保安全的具有双自主驾驶系统的自主驾驶车辆
JP5716700B2 (ja) 運転支援装置
CN112955361A (zh) 对预期行驶行为的预测
GB2579023A (en) Vehicle control system and method
WO2021070768A1 (ja) 情報処理装置、および情報処理システム、並びに情報処理方法
KR20230016163A (ko) 자율주행 차량에서 사용자 경고를 개선하기 위한 방법 및 시스템
US20170274815A1 (en) Autoactive braking lights
US11932271B2 (en) Drive assist optimization systems and methods using artificial intelligence

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150422

Termination date: 20170407