CN105575210A - 用于预测性的驾驶模式学习和启用的方法和设备 - Google Patents
用于预测性的驾驶模式学习和启用的方法和设备 Download PDFInfo
- Publication number
- CN105575210A CN105575210A CN201510708049.7A CN201510708049A CN105575210A CN 105575210 A CN105575210 A CN 105575210A CN 201510708049 A CN201510708049 A CN 201510708049A CN 105575210 A CN105575210 A CN 105575210A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving model
- situation
- pattern
- driver
- 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
Links
- 238000000034 method Methods 0.000 title abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 23
- 230000002265 prevention Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 description 48
- 230000006399 behavior Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000721701 Lynx Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种用于预测性的驾驶模式学习和启用的方法和设备。一种系统包括处理器,所述处理器被配置为:接收车辆位置,访问针对所述车辆位置的特定驾驶员的驾驶模式改变数据。所述处理器还被配置为基于访问的所述数据,确定先前在所述车辆位置和情境下发生车辆驾驶模式改变的次数是否足以超出预定义阈值,如果超出所述预定义阈值,则将车辆驾驶模式自动改变为与先前的驾驶模式改变关联的驾驶模式。
Description
技术领域
示意性实施例总体上涉及一种用于预测性的驾驶模式学习和启用的方法和设备。
背景技术
适应性驾驶控制系统提供在各种驾驶状况下的改进的驾驶体验。近期的改进允许自动选择诸如运动、正常以及舒适的模式,以满足变化的道路状况、弯道通过(curvenegotiation)以及弯道起伏(undulatingcurve)。由于附加模式(诸如,雪天模式、碎石模式、沙地模式、节能模式等)变得可用,所以自动选择操作者针对当前车辆操作状况所期望的模式变得越来越具挑战性。
发明内容
在第一示意性实施例中,一种系统包括处理器,所述处理器被配置为:接收车辆位置。所述处理器还被配置为访问针对所述车辆位置的特定驾驶员的驾驶模式改变数据。所述处理器还被配置为:基于访问的所述数据,确定先前在所述车辆位置发生车辆驾驶模式改变的次数是否足以超出预定义阈值;将车辆驾驶模式自动改变为由于先前发生的次数足以超出预定义阈值的驾驶模式改变所导致的驾驶模式。
一种系统包括处理器,所述处理器被配置为:接收车辆位置;访问针对所述车辆位置的特定驾驶员的驾驶模式改变数据;基于访问的所述数据,确定先前在所述车辆位置发生车辆驾驶模式改变的次数是否足以超出预定义阈值;将车辆驾驶模式自动改变为与先前发生的次数足以超出预定义阈值的车辆驾驶模式改变关联的驾驶模式。
在第二示意性实施例中,一种计算机实现的方法包括:接收车辆位置。所述方法还包括访问针对所述车辆位置的特定驾驶员的驾驶模式改变数据。所述方法还包括:基于访问的所述数据,确定先前在所述车辆位置发生车辆驾驶模式改变的次数是否足以超出预定义阈值;将车辆驾驶模式自动改变为由于先前以足够超出所述阈值的频率发生的车辆驾驶模式改变所导致的驾驶模式。
一种计算机实现的方法包括:接收车辆位置;访问针对所述车辆位置的特定驾驶员的驾驶模式改变数据;基于访问的所述数据,确定先前在所述车辆位置发生车辆驾驶模式改变的次数是否足以超出预定义阈值;将车辆驾驶模式自动改变为由于先前发生的次数足以超出预定义阈值的车辆驾驶模式改变所导致的驾驶模式。
根据本发明的一个实施例,所述方法还包括接收车辆情境,其中,所述确定步骤包括:在接收到的所述情境的至少一个方面下,确定先前在所述车辆位置发生车辆驾驶模式改变的次数是否足以超出预定义阈值。
根据本发明的一个实施例,接收到的所述情境的至少一个方面包括当前天气状况。
根据本发明的一个实施例,接收到的所述情境的至少一个方面包括当前的乘客装束。
根据本发明的一个实施例,所述阈值基于总的发生次数。
根据本发明的一个实施例,所述阈值基于与车辆位于所述车辆位置的次数有关的发生次数百分比。
根据本发明的一个实施例,所述方法还包括:接收车辆情境,阻止会由于驾驶模式改变先前发生的次数足以超出所述阈值而被自动启用的所述驾驶模式改变,其中,所述阻止基于接收到的情境的至少一个方面。
根据本发明的一个实施例,所述至少一个方面包括天气状况。
在第三示意性实施例中,一种系统包括处理器,所述处理器被配置为接收指示车辆驾驶模式改变的驾驶员输入。所述处理器还被配置为:接收车辆位置;存储车辆驾驶模式改变与车辆位置之间的对应性的实例。
附图说明
图1示出示意性车辆计算系统;
图2示出示意性驾驶员行为学习和预测系统;
图3示出示意性学习处理;
图4示出示意性预测性的驾驶模式启用处理。
具体实施方式
根据需要,在此公开本发明的详细实施例;然而,将理解的是,所公开的实施例仅仅是本发明的示例,其中,本发明可以以各种替代形式来实现。附图无需按比例绘制;一些特征可被夸大或最小化以示出特定组件的细节。因此,在此公开的具体结构和功能细节不应被解释为具有限制性,而仅仅是用于教导本领域技术人员以多种方式利用本发明的代表性基础。
图1示出用于车辆31的基于车辆的计算系统(VCS)1的示例方框拓扑图。这种基于车辆的计算系统1的示例为由福特汽车公司制造的SYNC系统。设置有基于车辆的计算系统的车辆可包含位于车辆中的可视前端界面4。如果所述界面设置有例如触摸敏感屏幕,则用户可还能够与所述界面进行交互。在另一示意性实施例中,通过按钮按压、具有自动语音识别和语音合成的口语对话系统来进行交互。
在图1中所示的示意性实施例1中,处理器3控制基于车辆的计算系统的至少一部分操作。设置在车辆内的处理器允许对命令和例程进行车载处理。另外,处理器被连接到非持久性存储器5和持久性存储器7两者。在此示意性实施例中,非持久性存储器是随机存取存储器(RAM),持久性存储器是硬盘驱动器(HDD)或闪存。一般说来,持久性(非暂时性)存储器可包括当计算机或其它装置掉电时保持数据的所有形式的存储器。这些存储器包括但不限于:HDD、CD、DVD、磁带、固态驱动器、便携式USB驱动器和任何其它适当形式的持久性存储器。
处理器还设置有允许用户与处理器进行交互的若干不同的输入。在此示意性实施例中,麦克风29、辅助输入25(用于输入33)、USB输入23、GPS输入24、屏幕4(可为触摸屏显示器)和蓝牙输入15全部被提供。还设置有输入选择器51,以允许用户在各种输入之间进行切换。对麦克风和辅助连接器两者的输入在被传送到处理器之前,由转换器27对所述输入进行模数转换。尽管未示出,但是与VCS进行通信的众多车辆组件和辅助组件可使用车辆网络(诸如但不限于CAN总线)向VCS(或其组件)传送数据并传送来自VCS(或其组件)的数据。
系统的输出可包括但不限于可视显示器4以及扬声器13或立体声系统输出。扬声器被连接到放大器11并通过数模转换器9从处理器3接收其信号。还可分别沿19和21所示的双向数据流进行到远程蓝牙装置(诸如PND54)或USB装置(诸如车辆导航装置60)的输出。
在一示意性实施例中,系统1使用蓝牙收发器15与用户的移动装置53(例如,蜂窝电话、智能电话、PDA或具有无线远程网络连接能力的任何其它装置)进行通信(17)。移动装置随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中,蜂窝塔57可以是WiFi接入点。
移动装置与蓝牙收发器之间的示例性通信由信号14表示。
可通过按钮52或类似的输入来指示移动装置53与蓝牙收发器15进行配对。相应地,指示CPU使得车载蓝牙收发器将与移动装置中的蓝牙收发器进行配对。
可利用例如与移动装置53关联的数据计划、话上数据或DTMF音在CPU3与网络61之间传送数据。可选地,可期望包括具有天线18的车载调制解调器63以便在CPU3与网络61之间通过语音频带传送数据(16)。移动装置53随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中,调制解调器63可与蜂窝塔57建立通信(20),以与网络61进行通信。作为非限制性示例,调制解调器63可以是USB蜂窝调制解调器,并且通信20可以是蜂窝通信。
在一示意性实施例中,处理器设置有包括用于与调制解调器应用软件进行通信的API的操作系统。调制解调器应用软件可访问蓝牙收发器上的嵌入式模块或固件,以完成与(诸如设置在移动装置中的)远程蓝牙收发器的无线通信。蓝牙是IEEE802PAN(个域网)协议的子集。IEEE802LAN(局域网)协议包括WiFi并与IEEE802PAN具有相当多的交叉功能。两者都适合于车辆内的无线通信。可在这一范围使用的另一通信方式是自由空间光通信(诸如IrDA)和非标准化消费者红外协议。
在另一实施例中,移动装置53包括用于语音频带或宽带数据通信的调制解调器。在话上数据的实施例中,当移动装置的所有者可在数据被传送的同时通过装置说话时,可实施已知为频分复用的技术。在其它时间,当所有者没有在使用装置时,数据传送可使用整个带宽(在一示例中是300Hz至3.4kHz)。尽管频分复用对于车辆与互联网之间的模拟蜂窝通信而言会是常见的并仍在被使用,但其已经很大程度上被用于数字蜂窝通信的码域多址(CDMA)、时域多址(TDMA)、空域多址(SDMA)的混合体所替代。这些都是ITUIMT-2000(3G)兼容的标准,为静止或行走的用户提供高达2mbs的数据速率,并为在移动的车辆中的用户提供高达385kbs的数据速率。3G标准现在正被IMT-Advanced(4G)所替代,其中,所述IMT-Advanced(4G)为在车辆中的用户提供100mbs的数据速率并为静止的用户提供1gbs的数据速率。如果用户具有与移动装置关联的数据计划,则所述数据计划可允许宽带传输且系统可使用宽得多的带宽(加速数据传送)。在另一实施例中,移动装置53被安装至车辆31的蜂窝通信装置(未示出)所替代。在又一实施例中,移动装置(ND)53可以是能够通过例如(而非限制)802.11g网络(即WiFi)或WiMax网络进行通信的无线局域网(LAN)装置。
在一实施例中,传入数据可经由话上数据或数据计划穿过移动装置,穿过车载蓝牙收发器,并进入车辆的内部处理器3。例如,在某些临时数据的情况下,数据可被存储在HDD或其它存储介质7上,直至不再需要所述数据时为止。
可与车辆进行接口连接的另外的源包括:具有例如USB连接56和/或天线58的个人导航装置54、具有USB62或其它连接的车辆导航装置60、车载GPS装置24、或具有与网络61连接的能力的远程导航系统(未示出)。USB是一类串行联网协议中的一种。IEEE1394(火线TM(苹果)、i.LINKTM(索尼)和LynxTM(德州仪器))、EIA(电子工业协会)串行协议、IEEE1284(Centronics端口)、S/PDIF(索尼/飞利浦数字互连格式)和USB-IF(USB开发者论坛)形成了装置-装置串行标准的骨干。多数协议可针对电通信或光通信来实施。
此外,CPU可与各种其它的辅助装置65进行通信。这些装置可通过无线连接67或有线连接69来连接。辅助装置65可包括但不限于个人媒体播放器、无线保健装置、便携式计算机等。
此外或可选地,可使用例如WiFi(IEEE803.11)收发器71将CPU连接到基于车辆的无线路由器73。这可允许CPU在局域路由器73的范围中连接到远程网络。
除了由位于车辆中的车辆计算系统执行示例性处理之外,在某些实施例中,还可由与车辆计算系统通信的计算系统来执行示例性处理。这样的系统可包括但不限于:无线装置(例如但不限于移动电话)或通过无线装置连接的远程计算系统(例如但不限于服务器)。总体上,这样的系统可被称为与车辆关联的计算系统(VACS)。在某些实施例中,VACS的特定组件可根据系统的特定实施而执行处理的特定部分。通过示例而并非限制的方式,如果处理具有与配对的无线装置进行发送或者接收信息的步骤,则很可能无线装置不执行处理的该部分,这是因为无线装置不会与自身进行信息的“发送和接收”。本领域的普通技术人员将理解何时不适合对给定解决方案应用特定的计算系统。
在这里讨论的每个示意性实施例中,示出了可由计算系统执行的处理的示例性非限制示例。针对每个处理,为了执行处理的限制性目的,执行处理的计算系统被配置为用于执行处理的专用处理器是可行的。所有处理无需被全部执行,而应被理解为可被执行以实现本发明的要素的处理类型的示例。可如期望的添加附加步骤或将附加步骤从示例性处理中去除。
示意性实施例提供针对车辆模式选择的驾驶员选择学习的示例性系统和方法。这提供了基于先前观测的驾驶员行为的驾驶模式(例如,非限制性地,运动模式、舒适模式、雪天模式、碎石模式、沙地模式、节约燃料模式等)预测和选择。
在一实施例中,先前在特定位置对特定模式的足够次数的选择可被认为是指示驾驶员每次到达该位置都意图启用特定模式。在其他实施例中,情境(例如,非限制性地,乘客、天气等)可被用于进一步改善决策/预测处理。
基于预测的基于驾驶员的模式选择,车辆可在给定位置自动地启用很可能被驾驶员手动选择的驾驶模式。这可提高模式选择的便捷性和驾驶员体验两者。此外,如果驾驶员非常忙(驾驶员的注意力被高度占用),则预测系统可自动地启用该模式,缓解驾驶员需要增加对已经很混乱的智能画面(tableau)的额外考虑。
示意性实施例利用对频繁的驾驶员模式选择的识别、选择和记录,来帮助预测即将到来的模式选择以及预测的模式的自动启用。通过将坐标信息、情境信息以及实时驾驶员模式选择进行融合,针对特定模式选择的区域和情境状况可随时间被学习。该学习的数据可被用于在未来时候的相似状况下的相似坐标处自动启用该模式。
图2示出示意性驾驶员行为学习和预测系统。在图2中示出的示意性系统中,存在对该系统的多个输入。这些输入包括驾驶员201、来自远程信息处理单元的GPS坐标203以及针对情境的任何相关的车辆数据205。
在该示例中,驾驶员具有在任何期望的时间改变驾驶模式(207)的能力。这可以是切换至在路滑状况下的牵引增强模式、针对激进(aggressive)处理的运动驾驶模式、针对越野或碎石/泥土道路的粗糙地形模式等。驾驶员可选择被期望或适合用于改变道路和天气状况的任何处理/驾驶模式。不同的模式选择可基于不同的驾驶员和他们的个人偏好而针对相同的位置/状况被做出。因此,使用通用的模型来预测特定驾驶员在特定情况下可能期望何种模式不总是可行的。当在有限的基于驾驶员的数据对于特定驾驶员可用的情况下,众包数据或“最佳猜想”分析可被用于通知模式选择决策时,通过随着时间识别各个驾驶员的特定偏好可针对模式启用进行更准确的预测。
GPS位置输入允许记录针对特定道路/地图坐标的驾驶模式选择。特定道路状况或驾驶状况倾向于在特定位置随时间保持。如果驾驶员采用特定车辆模式来处理这些状况,则假设状况保持的话,很有可能该模式随后将再次被期望。如果该状况不变或改变,与预测性学习关联的衰减因子可允许在模式上的改变逐渐衰减到当该道路部分被遇到时不再被自动启用的点。
例如,如果驾驶员采用越野模式来处理被洼穴覆盖的路段,则驾驶员可能想要在洼穴持续的时间段均采用该模式。在相同GPS坐标处重复的手动采用该模式可被用作预测针对相应的GPS坐标需要该模式的基础。如果洼穴是不变的,则驾驶员可停止手动模式选择,或者如果自动模式选择阈值被满足则拒绝采用自动模式改变。随着时间推进,在这些坐标处的该模式的采用将针对所述阈值进行衰减,直到针对自动采用的阈值不再被满足为止。如果洼穴重新出现,则对自动采用和/或手动采用的接受将增加对模式启用的观测的实例,直到再次达到该阈值为止,或者使得超过该阈值的观测的水平被保持。
车辆数据还可被用于扩充(augment)自动采用驾驶模式的决策。该数据(通常被称作“情境”)可提供环境驾驶状况、乘客装束(makeup)等的快照。例如,当儿童出现在车辆中时,驾驶员可能较频繁地采用“保守”驾驶模式,这可降低对较保守的驾驶感兴趣的性能。类似地,当特定天气状况出现时,自动采用适合的模式或阻止采用特定性能增强模式可被执行。
使用可用输入,系统可聚集车辆驾驶模式情境分类209的数据库。例如,这可包括在特定位置采用的驾驶模式和/或在特定情境下采用的驾驶模式。该数据还可表示位置+情境的组合,使得在位置X,驾驶模式N仅在情境Y出现时被采用。典型地,该数据将表示由一个或更多个驾驶员做出的手动模式启用决策。驾驶员识别还可被用于在针对相同车辆的在特定位置的各种驾驶员偏好之间进行区分。按照这种方式,当在相同的位置驾驶相同的车辆时,较谨慎的驾驶员不服从于基于更激进的驾驶员的偏好的自动改变。
基于随时间记录的观测的驾驶员行为(209),该系统可进行驾驶员行为学习211。这将利用预测算法来“猜测”驾驶员通常何时会采用特定的驾驶模式。由于道路状况和路形而产生的驾驶模式的驾驶员选择通常具有较高的再次发生的可能性(当这些因素通常保持时)。例如,基于路形做出的模式选择很可能在驾驶员每次在相同的车辆处于相同的位置的情况下进行重复。基于手动的模式选择的频率,车辆的给定驾驶员或所有驾驶员所做出的模式改变/选择的位置可被标识(如果需要,已知的驾驶员识别技术可被用于在不同的车辆驾驶员之间进行区分)。
一旦在给定位置的至少部分地基于观测的行为所确定的模式选择的可能性超出可调节阈值,则该位置可被表征为针对驾驶员个性化模式改变的位置。环境信息可被用于进一步通知该预测,或者,在一些情况下,可被用作用于自动模式使用或模式阻止(例如,非限制性地,在给定位置的下雪状况下的雪天模式、在潮湿或结冰状况下的阻止运动模式等)的基础。下面的表格示出可被用作用于理解示意性实施例的基础的一些示例性模式选择数据。
驾驶员选择学习算法可在车辆行程期间实时地被运行,且可更新驾驶员模式选择状态。如果驾驶员模式选择在特定位置(i)被做出,则该位置的GPS坐标可被存储且初始可能性被赋予为:
Li(GPSlat,GPSlong)=p0,i=1,…,n
其中,n是标识的位置的标号,p0是选择的驾驶模式的初始可能性。
在未来行程中,当车辆驾驶经过与Li的GPS坐标相似的范围且驾驶员选择相同的驾驶模式时,可能性增大,诸如在下式中:
Li+1(GPSlat,GPSlong)=α·Li+(1-α)·p0,i=1,…,n
如果该驾驶模式未被选择(或者,在至少一种情况下,如果该驾驶模式的自动选择被恢复或拒绝),则可能性变为:
Li+1(GPSlat,GPSlong)=α·Li,i=1,…,n
其中,α是衰减因子。
在另一示意性实施例中,针对p0的可能性常数可以以如下形式被选择:
其中,γ是初始化期间的值,α是相应的更新值。
每当可能性Li达到指定的可调节灵敏度值时,例如,基于驾驶员选择频率,相应的位置被视为针对模式改变的高可能性位置。另一方面,如果Li下降到低于阈值水平,则该位置可不再被认为是应该发生模式改变的点。来自驾驶员选择学习系统模块的信息可被发送到预测的个性化模式选择模块(213)。
预测的个性化模式选择模块可提供关于即将到来的高需求情况的预先信息。每当可能性Li达到指定的可调节敏感度阈值时,针对所选择的驾驶模式的相应位置可被记录。然后,在未来驾驶情况中,当车辆接近被驾驶员选择学习模块标识的GPS位置,预测的个性化模式模块可自动地选择适当的模式,从而扩充与该模式一致的车辆设置。实际上,特定模式的启用可基于模式发生的合计次数来定义,或者,例如,基于模式发生的百分比来定义。例如,如果低数据样本量针对给定位置可用,则可能需要至少特定数量的合计发生次数来自动启用模式。当然,启用准则的选择是由实施者进行判断的,且这些示例仅为了示意性目的被提供。
图3示出示意性学习处理。针对在该图中描述的示意性实施例,注意到的是,通用处理器可暂时被用作专用处理器,以用于执行在此示出的示例性方法的一部分或全部。当执行提供用于执行所述方法中的部分或全部步骤的代码时,处理器可被暂时改变意图作为专用处理器,直到所述方法被完成的时候为止。在另一示例中,在适当程度上,按照预配置处理器执行的固件可使得处理器充当被提供用于执行所述方法或一些其合理变型的专用处理器。
在图3示出的示意性示例中,在301,该处理等待驾驶员模式选择被做出。车辆通常将以基础模式启动或者以车辆上次被设置的模式启动。当在301发生手动模式改变,则该处理将接收车辆的GPS坐标303和任何相关的情境数据305。在307,该处理随后可根据该模式是否先前在该位置被观测到和/或是否处在从车辆接收的情境(如果存在的话)下,来记录该模式设置的新实例,或者更新针对该坐标集的模式设置的现有实例。
只要在309新模式保持,则车辆坐标数据和情境数据可被接收和记录,使得在GPS坐标的范围内的该模式的使用被记录。一旦在309该模式改变回原模式,则该处理可停止对数据的记录(或针对新模式记录数据),直到另一模式改变被检测到。在至少一个示例中,车辆具有车辆通常被设置的驾驶的“基础”模式。每当当前模式与基础模式对应时,系统可跳过对数据的记录,这是因为在缺少数据的情况下,该模式的使用可被假设。每当非基础模式被检测到时,系统可在非基础模式的使用期间记录相关的数据。因此,如果模式A是基础模式,模式B和C是可选模式,则在模式A、模式B、模式C、模式A、模式B、模式A序列的情况下,GPS数据和情境数据可针对模式B、模式C然后再次针对模式B被分别记录,针对模式A的实例的数据会被省略。
针对模式改变的观测的实例而记录的数据可被保存为关于模式:位置对中的位置,或者,例如,可被保存为关于模式:位置:情境集。在模式:位置对的模型中,模式使用被观测为二进制变量,它在给定位置为开启(on)或关闭(off)。为了获得针对模式预测和启用的更高程度的特异性,情境可被包括。这可帮助改善特定模式被启用的情境。
假设模式A与“基础”驾驶模式相对应,模式B与运动驾驶模式相对应,模式C与增加牵引力驾驶模式相对应,则可观测到的是,模式B仅在未出现恶劣天气时在特定位置被启用。此外,可观测到的是,当在车辆中有儿童(通过车辆传感器可识别出)时模式B从来不会被启用。模式C仅可在下雪或下大雨时在特定位置被启用,且在晴好天气下从来不会被启用。
通过利用情境,针对条件式行为的预测可被提高。例如,如果驾驶员驾驶经过位置i五十次,且在七次出现路滑状况时百分之百启用模式C,则驾驶员可能总是想要在路滑状况出现时在该位置启用模式C。但是,因为存在四十三个模式C未被启用的实例,所以模式:位置值可能因为衰减会倾向于使整体使用率降低到某点而不超过针对模式启用的阈值,在所述点处模式C将不太可能针对位置i在任意随机时刻被启用。然而,如果情境(例如,在这种情况下,路滑状况)被利用,则可观测到的是,在路滑状况的情境下,模式C百分之百的时间会被使用。相应地,如果车辆下次到达位置i时当下是路滑状况,则模式C可被启用。
各种类型的情境在适合于给定模型的情况下可被包括在模式评估中。增加可用的情境变量将利用足够的样本量来提高精度,但是也将倾向于提供更广范围的结果,其中,可从所述结果中得出结论。在样本量不足的情况下,宽范围的结果可能使得任何有意义的预测决策变得困难。因此,在一示例中,存储模式:位置:情境数据是可行的,但是仅检查所存储的数据中的模式:位置数据部分,直到已至少观测到有意义的量(由实施者确定)的样本为止。
一旦观测到情境与模式的显著关联性,或者,观测到情境与模式之间无关联性(即,情境似乎对模式启用无导向性(bearing)),则系统可利用情境做出信息更全面的决策。例如,如果情境S(路滑状况)总是在模式启用期间出现而在模式非选择期间从不出现,则可假设情境S可用于通知模式预测。另一方面,如果情境K(儿童存在/乘客装束)在模式选择期间和模式非选择期间(在容差之内)同等地出现,则可假设情境K对模式预测无导向性。如果期望的话,来自模式启用(针对所有模式或者针对特定模式,关于多个、不同的GPS坐标位置)的各种实例的情境有关数据可被用于确定特定情境与模式之间的相关性。因此,尽管针对任何给定坐标位置仅可获得有限的样本,但是许多位置具有与其关联的数据,系统可基于在多个位置的观测行为结合一般情境(例如,路滑状况)来更快速地得出关于特定情境的相关性的结论。
图4示出示意性预测的驾驶模式启用处理。针对在该图中描述的示意性实施例,注意到的是,通用处理器可暂时被用作专用处理器,以用于执行在此示出的示例性方法的一部分或全部。当执行提供用于执行所述方法中的部分或全部步骤的代码时,处理器可被暂时改变意图作为专用处理器,直到所述方法被完成的时候为止。在另一示例中,在适当程度上,按照预配置处理器执行的固件可使得处理器充当被提供用于执行所述方法或一些其合理变型的专用处理器。
在图4中示出的示意性示例中,该处理将试图(在适当的时候)预测性地启用驾驶模式。相应地,在该示例中,该处理在401接收GPS位置数据和在403接收当前情境数据。该处理随后在405访问预测模块,以在407确定当前位置数据与新驾驶模式的可能启用是否相对应。如果数据未指示应选择新模式(例如,非限制性地,存在的数据不足、没有超过阈值的数据或者数据指示期望保持当前模式),则该处理将对后来的GPS和情境数据重复操作,直到模式改变被预测时为止。
如果数据指示在类似情况下或至少在类似位置的过去行为倾向于指示期望的模式改变(例如,观测的行为超过阈值),则在409,该处理随后确定当前情境数据是否与可能的新模式相关。例如,在给定位置i1,在不考虑情境的情况下,单一模式百分之九十的时间会被选择。因此,在该示例中,情境数据似乎不改变模式选择。但是,在另一位置i2,两个新模式可被观测到被多次选择,每个新模式都具有与其高度相关的不同情境。因此,在该示例中,情境数据可能与模式选择相关。
在情境相关性的另一示例中,特定驾驶模式可基于特定情境被通常启用或通常阻止(至少关于自动启用)。因此,如果数据指示模式B(运动)或模式C(增加牵引力)已在位置i3被观测到,且模式B在路滑状况下从不被自动启用,和/或模式C在路滑状况下总是被自动启用,则无论过去针对在该特定位置i3模式B或模式C的启用是否实际观测到指示路滑状况的情境,该情境都可被认为与最终决策相关。
如果在409该情境被确定为对模式预测没有有意义的导向性,则在411,该处理将确定先前观测的模式启用的实例是否升高到超过针对自动启用的阈值。如果未超过阈值,则该处理将针对下一GPS位置重复操作。
如果在411观测的行为指示有可能模式将被手动启用,则在413,该处理可针对当前GPS位置自动启用预测的模式。由于可能存在与手动启用模式失败关联的衰减因子,或者,由于自动启用可能计入(counttowards)模式保持,但是驾驶员可能实际上不再需要该模式,所以在415,该示例性处理将通知驾驶员该模式已被启用。在另一示例中,该处理可向驾驶员提供简易可选择(例如,可选择的语音或单触式(one-touch))的选项以启用该模式。
在该示例中,驾驶员具有在新模式已被启用之后恢复到先前的驾驶模式的选择权。如果在417驾驶员恢复到先前模式,则该处理将把所述恢复视为模式非选择的实例,且在421利用所述恢复来更新数据。在一模型中,这种更新与在不启用该新模式的情况下传递数据点是相同的,这是任何衰减的应用情况。在另一示例中,因为驾驶员肯定地取消选择该新模式,所以加速衰减可被应用,这是由于事实是由于无论何种原因,所述预测显然被驾驶员行为确定为不正确。
除了任何适当的衰减之外,在423,该处理还可暂时禁用自动模式切换选项。这阻止了系统试图在下一坐标实例中再次切换到非期望模式。也就是说,如果驾驶员在一英里的道路延伸上不再需要模式B,且该模式预测每0.1英里发生一次,则该处理会避免试图每0.1英里就切换到模式B,所述切换可能烦扰驾驶员。一旦经过了持续的模式B保持的指定延伸(基于先前观测的行为),则该处理会重新开始自动模式改变预测。如果在417驾驶员接受模式改变,则该处理将在419利用所述接受来更新数据。
返回到步骤409,在该示例中,如果因为某种原因情境是相关的,则在425,该处理可试图确定哪些情境数据对于当前分析是有用的。也就是说,因为不同情境可关系到不同场景,所以各种情境数据可在任何时间被采集并提供到预测处理(即使实际上仅一些情境数据与给定状况相关)。
一旦相关的情境数据已被提取,则在427该处理确定该情境数据是否指示总是启用的场景。在一个示例中,当驾驶员首次购买车辆时,该车辆可被配置为使得特定情境总是引起特定驾驶模式的启用。因此,例如,针对特定位置或者针对总体上的所有位置,路滑状况情境的发生可能总是最初引起增加牵引力控制的启用,或者,例如,可总是引起在具有已知特征(例如,急转弯、高速限制、挑战性路形)的道路位置启用增加牵引力控制。因此,在该示例中,当与已知特征相应的当前位置首次被遇到(或已被遇到过有限次而使得观测的行为数据不足以做出确定的驾驶员个性化决策)时,可能存在针对该位置的预设模式改变。换言之,即使不存在足够的个人驾驶员数据以指示在该位置的模式改变,在该示例中结合路滑状况情境,已知的特征最初也能指示模式改变。
虽然模式最初可被自动改变,但是可能的情况是,在不考虑情境的情况下,驾驶员实际上不想在该位置改变模式。相应地,在该示例中,当模式基于特定情境(以及在该示例中的特定位置)被自动改变时,该处理可进行先前讨论的驾驶员通知/恢复/更新处理。也就是说,如果驾驶员同意模式改变(即,不恢复到先前模式),则该处理肯定地将模式改变更新为特定驾驶员观测的行为。如果驾驶员恢复到先前模式,则该处理可衰退或不将模式改变更新为特定驾驶员观测的行为。按照这种方式,由原始设备制造商(OEM)设置的基于特定情境的自动模式改变仍可被定制以适合特定驾驶员的需求。
类似地,可能存在被预设置为自动地阻止模式改变的特定情境,诸如当运动模式被预测到时的路滑状况。可能的情况是,先前观测的情境没有指示模式基于当前观测的情境是否被启用。例如,在所有先前观测的到达当前坐标的实例中,天气均是晴好的。因此,虽然运动模式可能总是被选择,但是没有事物能指示在天气造成路滑状况的情况下这种模式是否会被选择。因此,在429,OEM可指定针对特定模式启用的初始阻止情境。
如同自动启用情境,自动阻止情境可基于驾驶员偏好根据时间来定制。在上面的示例中,如果在431运动模式的自动启用基于情境“路滑状况”的发生而被阻止,则在433,驾驶员可被通知预测的情境切换未发生。如果在435驾驶员无论如何都要手动地将驾驶模式改变为运动模式,则在437,该处理可更新针对该位置的路滑状况的位置:模式:情境数据,使得在足够的观测的情况下,运动模式将不再在该位置被阻止,甚至在路滑状况的实例中也不再被阻止。
另一方面,如果驾驶员未手动地将模式改变为运动模式,则将假设为默认阻止,这种情况被作为指示:该阻止是可接受的且驾驶员更愿意采用基础模式或者采用另一适合情境的模式(如果驾驶员手动设置了不同的模式)。在该实例中,位置:模式:情境数据可由于在该位置的路滑状况以及运动模式而衰减,使得在未来实例中,情境、模式和位置的对应性低于阈值或保持低于阈值。附加地或可选地,在439,对在给定情境下的自动阻止的接受可被积极地更新,以基于情境“路滑状况”来确认/加强(在该位置或在任意数量的位置的)运动模式的阻止。
当然,在不考虑驾驶员偏好的情况下,在特定状况下总是阻止或总是启用特定模式也是可行的。在这些实例中,根据需求,驾驶员仅需要手动地启用不同的模式。一般地,然而,一旦获取到足够的数据,则通过使用情境、位置信息以及在该情境下在该位置的观测的驾驶员行为,高准确度地预测驾驶员模式改变是可行的。符合“足够的数据”的条件的水平可基于实施者的特定需求而被设置,且可低至单个或几个实例,通过所述单个或几个实例可开展进一步的预测。
虽然以上描述了示例性实施例,但这些实施例并不意在描述本发明的所有可能形式。更确切地,说明书中所使用的词语是描述性词语而非限制,并且应理解的是,可在不脱离本发明的精神和范围的情况下做出各种改变。此外,可将各种实现的实施例的特征进行组合以形成本发明的进一步的实施例。
Claims (12)
1.一种系统,包括:
处理器,被配置为:
接收车辆位置;
访问针对所述车辆位置的特定驾驶员的驾驶模式改变数据;
基于访问的所述数据,确定先前在所述车辆位置发生车辆驾驶模式改变的次数是否足以超出预定义阈值;
将车辆驾驶模式自动改变为与先前发生的次数足以超出预定义阈值的车辆驾驶模式改变关联的驾驶模式。
2.如权利要求1所述的系统,其中,所述处理器还被配置为接收车辆情境,其中,所述处理器被配置为:确定在接收到的车辆情境的至少一个方面下,先前在所述车辆位置发生车辆驾驶模式改变的次数是否足以超出预定义阈值。
3.如权利要求2所述的系统,其中,接收到的车辆情境的至少一个方面包括当前天气状况。
4.如权利要求2所述的系统,其中,接收到的车辆情境的至少一个方面包括当前的乘客装束。
5.如权利要求1所述的系统,其中,所述阈值基于总的发生次数。
6.如权利要求1所述的系统,其中,所述阈值基于与车辆位于所述车辆位置的次数有关的发生次数百分比。
7.如权利要求1所述的系统,其中,所述处理器还被配置为接收车辆情境,其中,所述处理器还被配置为:阻止会由于驾驶模式改变先前发生的次数足以超出所述阈值而被自动启用的所述驾驶模式改变,其中,所述阻止基于接收到的情境的至少一个方面。
8.如权利要求7所述的系统,其中,所述至少一个方面包括天气状况。
9.一种系统,包括:
处理器,被配置为:
接收指示车辆驾驶模式改变的驾驶员输入;
接收车辆位置;
存储车辆驾驶模式改变与车辆位置之间的对应性的实例。
10.如权利要求9所述的系统,其中,所述处理器还被配置为:接收车辆情境,存储关于所述对应性的实例的所述车辆情境的至少一个方面,使得所述对应性的实例在所述车辆情境的至少一个方面、车辆驾驶模式改变与车辆位置之间。
11.如权利要求9所述的系统,其中,所述处理器还被配置为更新发生的可能性变量值来作为所述对应性的实例的存储的一部分,所述变量值表示在接收到的车辆位置当前和过去对指示车辆驾驶模式改变的驾驶员输入的接受度。
12.如权利要求11所述的系统,其中,所述处理器还被配置为:当所述处理器接收到车辆位置时,使所述变量值衰减,从而指示车辆驾驶模式改变与所述车辆位置之间无对应性的实例,其中,针对所述车辆位置,在未接收到指示车辆驾驶模式改变的驾驶员输入的情况下,发生的可能性变量值先前被更新。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/529,704 US9969403B2 (en) | 2014-10-31 | 2014-10-31 | Method and apparatus for predictive driving-mode learning and enablement |
US14/529,704 | 2014-10-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105575210A true CN105575210A (zh) | 2016-05-11 |
CN105575210B CN105575210B (zh) | 2020-01-07 |
Family
ID=55753878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510708049.7A Active CN105575210B (zh) | 2014-10-31 | 2015-10-27 | 用于预测性的驾驶模式学习和启用的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9969403B2 (zh) |
CN (1) | CN105575210B (zh) |
DE (1) | DE102015118565A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334084A (zh) * | 2018-01-24 | 2018-07-27 | 北京墨丘科技有限公司 | 自动驾驶模式确定方法、装置、电子设备及存储介质 |
CN111183073A (zh) * | 2017-09-07 | 2020-05-19 | 图森有限公司 | 使用人类驾驶模式来管理自主车辆的速度控制的系统和方法 |
CN111656423A (zh) * | 2018-02-05 | 2020-09-11 | 索尼公司 | 信息处理装置、移动装置、方法以及程序 |
CN112406902A (zh) * | 2019-08-21 | 2021-02-26 | 通用汽车环球科技运作有限责任公司 | 改善自动驾驶利用率的系统和方法 |
CN112622929A (zh) * | 2020-12-12 | 2021-04-09 | 王伟伟 | 一种带有速度调控旋钮的急停式自动驾驶系统 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5776775B2 (ja) * | 2011-08-04 | 2015-09-09 | トヨタ自動車株式会社 | 車両用情報処理装置及び車両用情報処理方法 |
KR101659034B1 (ko) * | 2015-01-20 | 2016-09-23 | 엘지전자 주식회사 | 차량의 주행 모드 전환 장치 및 그 방법 |
JP6498542B2 (ja) * | 2015-06-17 | 2019-04-10 | 日立建機株式会社 | 管制制御システム及び車載端末装置 |
SE540094C2 (en) * | 2016-06-27 | 2018-03-20 | Scania Cv Ab | Method and system for evaluating the operational performance of advanced driver assistant systems associated with a vehicle |
WO2018056231A1 (ja) * | 2016-09-23 | 2018-03-29 | 日立建機株式会社 | 管制制御装置及び車載通信端末装置 |
US10907980B2 (en) * | 2017-08-11 | 2021-02-02 | Here Global B.V. | Method and apparatus for detecting false positive slippery road reports using mapping data |
DE102018200381B4 (de) * | 2018-01-11 | 2022-01-13 | Vitesco Technologies GmbH | Verfahren zum situationsabhängigen Anpassen eines Kraftfahrzeugs und Kraftfahrzeug |
US11208107B2 (en) * | 2018-11-26 | 2021-12-28 | Toyota Research Institute, Inc. | Systems and methods for selecting among different driving modes for autonomous driving of a vehicle |
US11752865B1 (en) | 2022-11-16 | 2023-09-12 | Ford Global Technologies, Llc | Off-road clutch control |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006035604A1 (de) * | 2005-08-04 | 2007-03-15 | GM Global Technology Operations, Inc., Detroit | Verfahren und System zum dynamischen Verändern einer Kraftfahrzeugbetriebsart |
CN101676689A (zh) * | 2008-08-21 | 2010-03-24 | 爱信艾达株式会社 | 驾驶评价系统以及驾驶评价方法 |
CN101756706A (zh) * | 2008-12-25 | 2010-06-30 | 中国科学院心理研究所 | 一种驾驶情境意识测量系统 |
CN101872559A (zh) * | 2010-06-08 | 2010-10-27 | 广东工业大学 | 一种面向汽车驾驶模拟器的虚拟驾驶主动安全预警系统及预警方法 |
CN101923793A (zh) * | 2010-07-27 | 2010-12-22 | 中兴通讯股份有限公司 | 一种实现模拟驾驶的方法及系统 |
CN102930756A (zh) * | 2011-09-05 | 2013-02-13 | 赵诩侬 | 一种错误驾驶检测与纠正系统(驾驶测纠仪)的实现方法 |
DE102012221563A1 (de) * | 2011-11-30 | 2013-06-06 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Funktionsdiagnose und validierung eines fahrzeugbasierten bildgebungssystems |
CN103221665A (zh) * | 2010-11-26 | 2013-07-24 | 丰田自动车株式会社 | 驾驶支持系统和驾驶支持管理设备 |
JP2014035295A (ja) * | 2012-08-09 | 2014-02-24 | Honda Motor Co Ltd | 経路探索装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003034163A (ja) * | 2001-07-24 | 2003-02-04 | Honda Motor Co Ltd | 車両用メータ装置 |
US8145402B2 (en) | 2007-12-05 | 2012-03-27 | Lockheed Martin Corporation | GPS-based traction control system and method using data transmitted between vehicles |
US9485455B2 (en) * | 2008-04-16 | 2016-11-01 | Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America | System and method for formatting and displaying video data |
DE102010007644A1 (de) * | 2010-02-05 | 2011-08-11 | Dr. Ing. h.c. F. Porsche Aktiengesellschaft, 70435 | Steuerungssystem für ein Fahrzeug mit zwei Achsantriebsvorrichtungen und Verfahren zum Betreiben eines Steuerungssystems |
US9744873B2 (en) * | 2011-10-12 | 2017-08-29 | Volkswagen Ag | Method and control device for charging a battery of a vehicle |
US8655586B2 (en) * | 2011-12-28 | 2014-02-18 | Toyota Motor Engineering & Manufacturing North America, Inc. | Intelligent range map for an electric vehicle |
US20130274955A1 (en) * | 2012-04-13 | 2013-10-17 | Walter Steven Rosenbaum | Method for analyzing operation characteristics of a vehicle driver |
US20150276420A1 (en) * | 2014-03-31 | 2015-10-01 | Ford Global Technologies, Llc | Crowd sourced energy estimation |
-
2014
- 2014-10-31 US US14/529,704 patent/US9969403B2/en active Active
-
2015
- 2015-10-27 CN CN201510708049.7A patent/CN105575210B/zh active Active
- 2015-10-30 DE DE102015118565.2A patent/DE102015118565A1/de active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006035604A1 (de) * | 2005-08-04 | 2007-03-15 | GM Global Technology Operations, Inc., Detroit | Verfahren und System zum dynamischen Verändern einer Kraftfahrzeugbetriebsart |
CN101676689A (zh) * | 2008-08-21 | 2010-03-24 | 爱信艾达株式会社 | 驾驶评价系统以及驾驶评价方法 |
CN101756706A (zh) * | 2008-12-25 | 2010-06-30 | 中国科学院心理研究所 | 一种驾驶情境意识测量系统 |
CN101872559A (zh) * | 2010-06-08 | 2010-10-27 | 广东工业大学 | 一种面向汽车驾驶模拟器的虚拟驾驶主动安全预警系统及预警方法 |
CN101923793A (zh) * | 2010-07-27 | 2010-12-22 | 中兴通讯股份有限公司 | 一种实现模拟驾驶的方法及系统 |
CN103221665A (zh) * | 2010-11-26 | 2013-07-24 | 丰田自动车株式会社 | 驾驶支持系统和驾驶支持管理设备 |
CN102930756A (zh) * | 2011-09-05 | 2013-02-13 | 赵诩侬 | 一种错误驾驶检测与纠正系统(驾驶测纠仪)的实现方法 |
DE102012221563A1 (de) * | 2011-11-30 | 2013-06-06 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Funktionsdiagnose und validierung eines fahrzeugbasierten bildgebungssystems |
JP2014035295A (ja) * | 2012-08-09 | 2014-02-24 | Honda Motor Co Ltd | 経路探索装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111183073A (zh) * | 2017-09-07 | 2020-05-19 | 图森有限公司 | 使用人类驾驶模式来管理自主车辆的速度控制的系统和方法 |
US11294375B2 (en) | 2017-09-07 | 2022-04-05 | Tusimple, Inc. | System and method for using human driving patterns to manage speed control for autonomous vehicles |
CN111183073B (zh) * | 2017-09-07 | 2023-06-30 | 图森有限公司 | 使用人类驾驶模式来管理自主车辆的速度控制的系统和方法 |
US11983008B2 (en) | 2017-09-07 | 2024-05-14 | Tusimple, Inc. | System and method for using human driving patterns to manage speed control for autonomous vehicles |
CN108334084A (zh) * | 2018-01-24 | 2018-07-27 | 北京墨丘科技有限公司 | 自动驾驶模式确定方法、装置、电子设备及存储介质 |
CN111656423A (zh) * | 2018-02-05 | 2020-09-11 | 索尼公司 | 信息处理装置、移动装置、方法以及程序 |
CN112406902A (zh) * | 2019-08-21 | 2021-02-26 | 通用汽车环球科技运作有限责任公司 | 改善自动驾驶利用率的系统和方法 |
CN112406902B (zh) * | 2019-08-21 | 2024-06-07 | 通用汽车环球科技运作有限责任公司 | 改善自动驾驶利用率的系统和方法 |
CN112622929A (zh) * | 2020-12-12 | 2021-04-09 | 王伟伟 | 一种带有速度调控旋钮的急停式自动驾驶系统 |
Also Published As
Publication number | Publication date |
---|---|
US20160121904A1 (en) | 2016-05-05 |
DE102015118565A1 (de) | 2016-05-04 |
CN105575210B (zh) | 2020-01-07 |
US9969403B2 (en) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105575210A (zh) | 用于预测性的驾驶模式学习和启用的方法和设备 | |
CN102546936B (zh) | 用于调整一项或多项移动应用程序操作的计算机执行方法 | |
CN105023451A (zh) | 驾驶场景预测和自动车辆设置调整 | |
CN104050831B (zh) | 用于无线车辆内容确定的系统和方法 | |
CN105528903A (zh) | 使用基于相关性的驾驶信息的建议导图 | |
CN105022777A (zh) | 基于驾驶员行为的车辆应用推荐 | |
CN105313806A (zh) | 车辆保养提醒 | |
CN105882415A (zh) | 用于应用管理和控制的方法和设备 | |
CN105430037A (zh) | 车辆内部的远程信息处理数据访问 | |
CN105523038A (zh) | 基于活动跟踪的车辆操作 | |
CN103825630A (zh) | 利用装置运动和近场通信控制车辆接口的方法 | |
CN104954420A (zh) | 可变报告速率远程信息处理 | |
CN105094882A (zh) | 无线车辆问题解决 | |
CN104053127A (zh) | 用于包括动态poi识别的增强驾驶体验的方法和设备 | |
CN105450847A (zh) | 用于选择性移动应用锁定的方法和设备 | |
CN104049994A (zh) | 用于多个车辆软件模块重新刷新的方法和设备 | |
CN105100189A (zh) | 用于车辆计算系统与社交媒体网站进行通信的方法和系统 | |
CN103685447A (zh) | 用于移动装置的情境自适应内容交互平台 | |
KR101923702B1 (ko) | 서버, 차량 제어 시스템 및 그 차량 제어 방법 | |
CN104050991A (zh) | 使用连接的装置来确定乘员位置的系统和方法 | |
CN105245743A (zh) | 驾驶员装置检测 | |
CN105046996A (zh) | 用于预测的驾驶需求建模的方法和设备 | |
CN105321226A (zh) | 用于车辆数据采集和分析的方法和系统 | |
CN105588574A (zh) | 用于避开目的地拥堵的方法和系统 | |
CN105574321A (zh) | 用于动态目的地到达时间的更新的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |