CN107943016A - 用于自主车辆的群体驾驶风格学习框架 - Google Patents

用于自主车辆的群体驾驶风格学习框架 Download PDF

Info

Publication number
CN107943016A
CN107943016A CN201710786665.3A CN201710786665A CN107943016A CN 107943016 A CN107943016 A CN 107943016A CN 201710786665 A CN201710786665 A CN 201710786665A CN 107943016 A CN107943016 A CN 107943016A
Authority
CN
China
Prior art keywords
driving style
autonomous vehicle
key element
driving
vehicle
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
CN201710786665.3A
Other languages
English (en)
Other versions
CN107943016B (zh
Inventor
蒋飞
蒋一飞
李栋
陶佳鸣
胡江滔
李力耘
杨光
王京傲
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.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN107943016A publication Critical patent/CN107943016A/zh
Application granted granted Critical
Publication of CN107943016B publication Critical patent/CN107943016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2420/408—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/20—Static 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians
    • 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
    • B60W2554/80—Spatial relation or speed relative 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • 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
    • B60W2556/65—Data transmitted between vehicles

Abstract

本申请使用自主车辆的社会驾驶风格学习框架或系统，其可以从周边车辆动态地学习社会驾驶风格，并根据需要采用该驾驶风格。特定驾驶区域内的每个自主车辆配备有驾驶风格学习系统，以感知周围车辆的驾驶行为从而导出一组驾驶风格要素。每个自主车辆将驾驶风格要素传送到集中式远程服务器。服务器聚合从自主车辆收集的驾驶风格要素，以确定与该特定驾驶区域对应的驾驶风格。服务器将驾驶风格传送回每个自主车辆。然后，自主车辆可以决定是否采用该驾驶风格，例如与周围的其余车辆一起跟随车流。

Description

用于自主车辆的群体驾驶风格学习框架
技术领域
本发明的实施方式总体上涉及操作自主车辆。更具体地，本发明的实施方式涉及确定自主车辆的驾驶风格。
背景技术
以自主模式运行的(例如，无人驾驶的)车辆可以减轻搭乘者、特别是司机的一些驾驶相关的责任。当以自主模式运行时，车辆可以使用机载传感器导航到各个地点，允许车辆以最低限度的人机交互或在一些情况下不搭载任何乘客行驶。
由于当地的社会规范和文化价值观、周边环境和交通条件以及当地的天气，集体驾驶风格以及集体驾驶行为在策略、战术和执行层面的相对稳定部分在不同的区域有所不同。例如，在郊区，人们的驾驶风格更多为防御性驾驶，而在城市地区，人们更多为积极性驾驶。此外，人们在下雨的日子比平时驾驶更谨慎。
自主车辆(也称为自主驾驶车辆或ADV)需要采用当地驾驶风格(或类似风格)，以保持交通流动协调，并使行程安全且省时。例如，如果在城市地区采用非常防御性的驾驶策略，则自主车辆可能花费较长的时间来完成行驶，因为大多数车辆更多地以积极性驾驶行驶，并且它们可能经常变道。或者，如果在下雨天采用积极的驾驶风格，而所有周围的车辆都在谨慎而缓慢地行驶，则自主车辆可能有较高的事故风险。社会驾驶风格具有很多方面，并且可能动态地变化，因此很难在自主车辆中为其预先配置一套规则。
发明内容
本申请的第一方面提供了一种用于操作自主车辆的计算机实现的方法，该方法包括感知第一自主车辆周围的一个或多个车辆的驾驶行为；通过网络将表示周围车辆的所述驾驶行为的一个或多个驾驶风格要素从所述第一自主车辆传送到远程服务器；从所述远程服务器接收基于所述驾驶风格要素在所述远程服务器处确定的驾驶风格，所述驾驶风格包括描述所述第一自主车辆在某个时间点处考虑到所述周围车辆应如何驾驶的信息；根据所述驾驶风格生成规划和控制数据；以及根据所述规划和控制数据控制和驾驶所述第一自主车辆。
本申请的另一方面提供了一种其中存储有指令的非暂时性的机器可读介质，当由处理器执行所述指令时，所述指令使所述处理器执行操作自主车辆的操作，所述操作包括：感知第一自主车辆周围的一个或多个车辆的驾驶行为；通过网络将表示周围车辆的所述驾驶行为的一个或多个驾驶风格要素从所述第一自主车辆传送到远程服务器；从所述远程服务器接收基于所述驾驶风格要素在所述远程服务器处确定的驾驶风格，所述驾驶风格包括描述所述第一自主车辆在某个时间点上考虑到所述周围车辆应如何驾驶的信息；根据所述驾驶风格生成规划和控制数据；以及根据所述规划和控制数据控制和驾驶所述第一自主车辆。
本申请的又一方面提供了一种感知和规划系统，其包括：处理器；以及联接至所述处理器以存储指令存储器，当由所述处理器执行所述指令时，所述指令使所述处理器执行操作自主车辆的操作，所述操作包括：感知第一自主车辆周围的一个或多个车辆的驾驶行为；通过网络将表示周围车辆的所述驾驶行为的一个或多个驾驶风格要素从所述第一自主车辆传送到远程服务器；从所述远程服务器接收基于所述驾驶风格要素在所述远程服务器处确定的驾驶风格，所述驾驶风格包括描述所述第一自主车辆在某个时间点上考虑到所述周围车辆应如何驾驶的信息；根据所述驾驶风格生成规划和控制数据；以及根据所述规划和控制数据控制和驾驶所述第一自主车辆。
本申请的再一方面提供了一种用于操作自主车辆的计算机实现的方法，所述方法包括由第一自主车辆感知所述第一自主车辆周围的一个或多个车辆的驾驶行为；基于周围车辆的驾驶行为确定所述周围车辆中的每个的多个驾驶风格要素；通过无线网络将表示所述周围车辆的所述驾驶行为的第一组驾驶风格要素从所述第一自主车辆传送到第二自主车辆；从所述第二自主车辆接收第二组驾驶风格要素，其中基于对所述第二自主车辆周围的车辆的驾驶行为的感知由所述第二自主车辆确定所述第二组驾驶风格要素；基于所述第一组驾驶风格要素和所述第二组驾驶风格要素确定驾驶风格，其中所述驾驶风格包括描述所述第一自主车辆在某个时间点上考虑到所述周围车辆应如何驾驶的信息；以及根据基于所述驾驶风格生成的规划和控制数据控制和驾驶所述第一自主车辆
附图说明
本发明的实施方式通过示例的方式示出并且不受附图的图形所限，在附图中相同的附图标记表示相似的元件。
图1是示出根据本发明的一个实施方式的网络化系统的框图；
图2是示出根据本发明的一个实施方式的自主车辆的示例的框图；
图3是示出根据本发明的一个实施方式的、与自主车辆一起使用的感知和规划系统的示例的框图；
图4是示出根据本发明的一个实施方式的自主驾驶配置的框图；
图5是示出根据本发明的另一个实施方式的自主驾驶配置的框图；
图6是示出根据本发明的一个实施方式的操作自主车辆的过程的流程图；
图7是示出根据本发明的一个实施方式的确定用于操作自主车辆的驾驶风格的过程的流程图；
图8是示出根据本发明的另一个实施方式的自主驾驶配置的框图；
图9是示出根据本发明的一个实施方式的操作自主车辆的过程的流程图；以及
图10是示出根据一个实施方式的数据处理系统的框图。
具体实施方式
本发明的各个实施方式和方面将参考以下讨论的细节进行描述，并且附图将示出各个实施方式。以下描述和附图是对本发明的说明，而不应被解释为限制本发明。描述诸多具体细节以提供对本发明的各个实施方式的透彻理解。然而，在某些情况下，不对公知的或常规的细节进行描述，以提供对本发明的实施方式的简明讨论。
说明书中提及“一个实施方式”或“实施方式”意味着结合实施方式描述的具体特征、结构或特性可以包括在本发明的至少一个实施方式中。在说明书中各处出现的短语“在一个实施方式中”并不一定都是指相同的实施方式。
根据本发明的一个方面，利用自主车辆的社会驾驶风格学习框架或系统可以根据周围车辆动态地学习社会驾驶风格，并根据需要采用该驾驶风格。特定驾驶区域内的每个自主车辆均配备有驾驶风格学习或采用系统，以感知和观察周围车辆的驾驶行为，从而推断出一组驾驶风格要素。每个自主车辆通过网络将驾驶风格要素传送或报告到集中式远程服务器(例如，云服务器)。服务器聚合从自主车辆收集的驾驶风格要素，以确定与该特定驾驶区域对应的驾驶风格。服务器然后将驾驶风格传送回位于对应的驾驶区域内的每个自主车辆。然后，自主车辆可以决定是否采用该驾驶风格，例如与周围的其余车辆一起跟随车流。
在一个实施方式中，自主车辆感知自主车辆周围车辆的驾驶行为。每个周围车辆的驾驶风格要素基于驾驶行为确定。自主车辆通过网络将驾驶风格要素传送到集中式远程服务器。远程服务器通信地联接到多个自主车辆，并且从每个自主车辆接收关于其周围车辆的驾驶行为的驾驶风格要素。自主车辆从远程服务器接收驾驶风格，其基于从附近的一个或多个其他自主车辆收集的所接收到的驾驶风格要素确定驾驶风格。基于接收到的驾驶风格，自主车辆规划并生成规划和控制数据，以控制和驱动自主车辆。因此，自主车辆可以采用类似于附近其他车辆的驾驶风格，并顺利地跟随车流。
根据本发明的另一方面，取代将驾驶风格要素发送到集中式服务器，位于预定距离或驾驶区域内的自主车辆可以通过无线网络(例如，无线局域网络或WLAN)交换驾驶风格要素，以允许每个自主车辆基于每个自主车辆本身和附近的其他自主车辆观察到的驾驶风格要素来确定自身的驾驶风格。换而言之，每个自主车辆聚合该地区所有自主车辆观察到的驾驶风格要素，以确定采用的驾驶风格。当连接集中式服务器的网络连接不可用时这一点极为有用。
在一个实施方式中，第一自主车辆观察第一自主车辆周围的一个或多个车辆的驾驶行为。基于周围车辆的驾驶行为来确定每个周围车辆的驾驶风格要素。表示周围车辆的驾驶行为的第一组驾驶风格要素通过无线网络从第一自主车辆传送到第二自主车辆。从第二自主车辆接收第二组驾驶风格要素，其中基于对第二自主车辆周围车辆的驾驶行为的感知，由第二自主车辆确定第二组驾驶风格要素。驾驶风格基于第一组驾驶风格要素和第二组驾驶风格要素来确定。驾驶风格包括描述在某个时间点鉴于周围车辆第一自主车辆如何驾驶的信息。第一自主车辆基于根据驾驶风格产生的规划和控制数据进行控制和驱动。
图1是示出根据本发明的一个实施方式的自主车辆网络配置的框图。参考图1，网络配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自主车辆101。虽然示出了一个自主车辆，但是多个自主车辆可以通过网络102彼此联接和/或联接到服务器103至104。网络102可以是任何类型的网络，例如有线或无线的局域网(LAN)、诸如因特网的广域网(WAN)、蜂窝网络、卫星网络或其组合。服务器103至104可以是任何类型的服务器或服务器集群，诸如Web或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
自主车辆是指可以被配置成处于自主模式的车辆，在自主模式中，车辆在极少或没有来自驾驶员的输入的情况下通过环境导航。这样的自主车辆可以包括具有一个或多个传感器的传感器系统，传感器被配置成检测关于车辆操作环境的信息。车辆及其相关控制器使用检测到的信息通过环境导航。自主车辆101可以以手动模式、完全自动驾驶模式或部分自动驾驶模式运行。
在一个实施方式中，自主车辆101包括但不限于感知和规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、信息娱乐系统114和传感器系统115。自主车辆101还可包括可以由使用各种通信信号和/或命令(例如加速度信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等)的车辆控制系统111和/或感知和规划系统110控制的包括在普通车辆中的某些通用组件，例如发动机、车轮、方向盘、变速器等。
组件110至115可以经由互连件、总线、网络或其组合彼此通信地联接。例如，组件110至115可以经由控制器局域网(CAN)总线彼此通信地连接。CAN总线是车辆总线标准，其设计成允许微控制器和设备在没有主机的应用中相互通信。其是一种基于消息的协议，最初设计成用于汽车中的多路电线，但也用于许多其他环境。
现参考图2，在一个实施方式中，传感器系统115包括但不限于一个或多个照相机211、全球定位系统(GPS)单元212、惯性测量单元(IMU)213、雷达单元214和光检测和量程(LIDAR)单元215。GPS系统212可以包括可操作以提供关于自主车辆的位置的信息的收发器。IMU单元213可以基于惯性加速度来感测自主车辆的位置和方位变化。雷达单元214可以表示使用无线电信号感测自主车辆的局部环境内的物体的系统。在一些实施方式中，除了感测物体之外，雷达单元214还可以感测物体的速度和/或前进方向。LIDAR单元215可以使用激光来感测自主车辆所在的环境中的物体。除了其它系统组件之外，LIDAR单元215可以包括一个或多个激光源、激光扫描器和一个或多个检测器。相机211可以包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静物照相机和/或摄像机。相机可以例如通过将相机安装在旋转和/或倾斜平台上而机械地移动。
传感器系统115还可以包括诸如声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如麦克风)的其它传感器。音频传感器可以被配置为从自主车辆周围的环境捕获声音。转向传感器可以被配置为感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在某些情况下，油门传感器和制动传感器可以集成为一体式油门/制动传感器。
在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速度单元)和制动单元203。转向单元201用于调整车辆的方向或前进方向。油门单元202用于控制马达或发动机的速度，从而控制车辆的速度和加速度。制动单元203通过提供摩擦来放慢车辆的车轮或轮胎以使车辆减速。需要注意的是，如图2所示的组件可以以硬件、软件或其组合的形式来实现。
返回参考图1，无线通信系统112允许自主车辆101和外部系统(例如设备、传感器、其他车辆等)之间的通信。例如，无线通信系统112可以通过网络102直接地或者经由诸如服务器103至104的通信网络与一个或多个设备进行无线通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(WLAN)，例如，使用WiFi以与另一个组件或系统进行通信。无线通信系统112可以直接与设备(例如，乘客的移动设备、显示设备、车辆101内的扬声器)进行通信，例如使用红外线链接、蓝牙等。用户接口系统113可以是在车辆101内实现的部分外围设备，包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
自主车辆101的部分或全部功能可以由感知和规划系统110来控制或管理，特别是当以自动驾驶模式运行时。感知和规划系统110包括必要的硬件(例如处理器、内存、存储器)和软件(例如，操作系统、规划和路线程序)以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息、处理接收到的信息、规划从起始点到目的地点的路线或路径、然后基于规划和控制信息驱动车辆101。替代地，感知和规划系统110可以与车辆控制系统111集成。
例如，作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。感知和规划系统110获取行程相关数据。例如，感知和规划系统110可以从MPOI服务器获取位置和路线信息，MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，MPOI服务器提供地图服务和某些位置的兴趣点(POI)。替代地，这样的位置和MPOI信息可以在本地缓存于感知和规划系统110的永久存储设备中。
在自主车辆101沿路线行进期间，感知和规划系统110还可以从交通信息系统或服务器(TIS)获取实时交通信息。需要注意的是，服务器103至104可以由第三方实体操作。替代地，服务器103至104的功能可以与感知和规划系统110集成。基于实时交通信息、MPOI信息和位置信息，以及由传感器系统115检测或感测的实时本地环境数据(例如，障碍物、物体、附近车辆)，感知和规划系统110可以例如经由控制系统111来规划最佳路线，并且按照规划的路线驾驶车辆101以安全且高效地到达指定的目的地。
根据一个实施方式，返回参考图1，每个自主车辆，例如自主车辆101感知周围车辆的驾驶行为，确定表示驾驶行为的驾驶风格要素，并通过网络102将驾驶风格要素传送到集中式服务器，在该示例中，服务器103作为数据分析服务器运行，如图4所示。现参考图4，其示出了先前已定义的特定驱动区域或驱动范围400。在这个驾驶区域内，有许多车辆在驾驶区域400内行驶，包括自主车辆101A至101D和其他人工驾驶车辆。
在一个实施方式中，每个自主车辆101A至101D通过网络通信地联接到集中式服务器103。例如，每个自主车辆101A至101D可以通信地联接到一个或多个蜂窝站、基站或WiFi热点，这些热点依次联接到集中式服务器103。根据一个实施方式，基于从自主车辆101A至101D接收的驱动元素，服务器103确定驾驶风格，该驾驶风格表示在该时间点处在驾驶区域400内行驶的所有车辆的驾驶风格。如果自主车辆101A至101D仍然位于驾驶区域400内，服务器103然后将驾驶风格传送回自主车辆101A至101D。因此，在规划下一个驾驶或移动循环时，自主车辆101A至101D可以采用驾驶风格。
返回参考图1，在一个实施方式中，服务器103包括数据收集器121和驱动风格分析模块122。数据收集器121从通信地联接到服务器103的所有自主车辆收集所有驾驶风格要素。驾驶风格要素可以作为驾驶风格信息123的一部分存储在诸如硬盘的永久存储设备中。驾驶风格要素可以指车辆的驾驶速度、两车间的距离、车辆的减速率或减速的距离(从减速到完全停止)。驾驶风格要素还可以指改变车道的频率、改变车道的速度或改变车道的转向角度。
除驾驶风格要素之外，数据收集器121还接收发送驾驶风格要素的每个自主车辆的位置以及其周围车辆的位置。服务器103还可以维护指示所涉及车辆的位置的车辆地图124。
在一个实施方式中，分析模块122对驾驶风格信息123进行分析，以确定可以被定义为驾驶区域信息125的一部分的具体驾驶区域的驾驶风格。驾驶区域可以是城市、城市的街区，郊区的街区、一段高速公路或十字路口等。对于每个驾驶区域，分析模块122识别位于驾驶区域内的车辆的驾驶风格要素，对驾驶风格要素进行分析，并根据对驾驶区域的分析确定驾驶风格。分析模块122然后基于车辆地图124识别位于相应驾驶区域内的自主车辆。分析模块122然后将驾驶风格传送到在该时间点仍位于该驾驶区域内的自主车辆。
在一个实施方式中，驾驶风格可以包括上述代表在驾驶区域内行驶的所有车辆的一些或所有驾驶风格要素，例如平均驾驶风格要素。例如，驾驶风格可以指车辆的平均驾驶速度、车辆之中的平均距离、车辆的平均减速率、减速的平均距离(例如，从减速到完全停止)、改变车道的平均频率、改变车道的平均速度、或改变车道的平均转向角度。
需要注意的是，当自主车辆101将驾驶风格要素传送到服务器103时，其可以是在第一驾驶区域中。因此，驾驶风格要素表示当时位于第一驾驶区域内的车辆的驾驶行为。然而，当服务器103确定第一驾驶区域的驾驶风格并且准备传送第一驾驶区域的驾驶风格时，自主车辆101可以处于第二驾驶区域中。因此，自主车辆101可能不会接收第一驾驶区域的驾驶风格。相反，自主车辆101可以接收第二驾驶区域的驾驶风格。可以基于由位于第二驾驶区域内的其他自主车辆提交的驾驶风格要素来确定第二驾驶区域的第二驾驶风格。
图3是示出根据本发明的一个实施方式的与自主车辆一起使用的感知和规划系统的示例的框图。系统300可以被实现为图1的自主车辆101的一部分，包括但不限于感知和规划系统110、控制系统111和传感器系统115。参考图3，感知和规划系统110包括但不限于定位模块301、感知模块302、决策模块303、规划模块304、控制模块305、驾驶行为学习模块306和驾驶风格确定模块307。
模块301至307中的一些或全部可以以软件、硬件或其组合来实现。例如，这些模块可以安装在永久存储设备352中、加载到存储器351中、并由一个或多个处理器(未示出)执行。需要注意的是，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或与其集成。模块301至307中的一些可以集成在一起作为集成模块。
定位模块301(也称为地图和路线模块)管理与用户的行程或路线相关的任何数据。用户可以通过例如用户接口登录并指定行程的起始位置和目的地。定位模块301与自主车辆300的其他组件通信，例如地图和路线信息311，以获取行程相关数据。例如，定位模块301可以从位置服务器和地图以及POI(MPOI)服务器获取位置和路线信息。位置服务器提供位置服务，MPOI服务器提供地图服务和某些位置的POI，其可以缓存为地图和路线信息311的一部分。在自主车辆300沿路线行进期间，定位模块301还可以从交通信息系统或服务器获取实时交通信息。
基于由传感器系统115提供的传感器数据和由定位模块301获取的定位信息，由感知模块302确定周围环境的感知。感知信息可以表示普通驾驶员会感知到的驾驶员正在驾驶的车辆周围。感知可以包括车道配置(例如，直线或曲线车道)、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或其他与交通相关的标志(例如，停车标志、让路标志)等等，例如，以对象的形式。
感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理和分析由一个或多个照相机捕捉的图像，以便识别自主车辆的环境中的物体和/或特征。物体可以包括交通信号灯、道路边界、其他车辆、行人和/或障碍物等。计算机视觉系统可以使用物体识别算法、视频跟踪和其他计算机视觉技术。在一些实施方式中，计算机视觉系统可以映射环境、跟踪对象并估计对象的速度等。感知模块302还可以基于由其他传感器(例如雷达和/或LIDAR)提供的其他传感器数据检测对象。
对于每个对象，决策模块303做出关于如何处理对象的决定。例如，对于特定对象(例如，十字路口的另一车辆)以及其描述对象的元数据(例如，速度、方向、转向角度)，决策模块303决定如何与对象相遇(例如，超车、让路、停止、通过)。决策模块303可以根据可以存储在永久存储设备352(未示出)中的一组规则(例如交通规则)做出这样的决定。
基于对所感知的每个对象的决定，规划模块304规划自主车辆的路径或路线以及驾驶参数(例如，距离、速度和/或转向角度)。即，对于给定对象，决策模块303决定对该对象做什么，而规划模块304确定如何去执行。例如，对于给定对象，决策模块303可以决定超过该对象，而规划模块304可以确定从对象的左侧还是右侧超车。规划和控制数据由规划模块304生成，包括描述车辆300如何在下一个移动周期(例如，下一个路线/路径段)中移动的信息。例如，规划和控制数据可以指示车辆300以每小时30英里(mph)的速度移动10米，然后以25mph的速度改变到右车道。
根据规划和控制数据，控制模块305根据由规划和控制数据定义的路线或路径，通过向车辆控制系统111发送适当的命令或信号来控制和驱动自主车辆。规划和控制数据包括足够的信息，以使用适当的车辆设置或驱动参数(例如，油门、制动和转向指令)，在不同的时间点沿着路径或路线将车辆从路线或路径的第一点驱动到第二点。
需要注意的是，决策模块303和规划模块304可以集成为集成模块。决策模块303/规划模块304可以包括导航系统或导航系统的功能，以确定自主车辆的驾驶路径。例如，导航系统可以确定一系列速度和方向指向，以实现自主车辆沿着基本上避免了感知到的障碍的路径的移动，同时使自主车辆大体上沿着通向最终目的地的基于道路的路径前进。目的地可以根据用户输入经由用户界面系统113设置。导航系统可以在自主车辆运行时动态地更新驾驶路径。导航系统可以包含来自GPS系统和一个或多个地图的数据，以确定自主车辆的驾驶路径。
决策模块303/规划模块304还可以包括防撞系统或防撞系统的功能，以识别、评估和避免或以其他方式绕过自主车辆的环境中的潜在障碍。例如，防撞系统可以通过操作控制系统111中的一个或多个子系统来实现自主车辆的导航的变化，以进行转弯调遣、转向调遣、制动调遣等。防撞系统可以基于周围的交通模式、道路状况等，自动地确定可行的防撞调遣。防撞系统可以被配置为当其他传感器系统检测到在自主车辆将转弯进入的相邻区域内有车辆、施工障碍等时，不进行转弯调遣。防撞系统可以自动选择既可用也可以使自主车辆的搭乘者的安全最大化的调遣。防撞系统可以选择预计在自主车辆的乘客舱内造成最小量加速度的回避调遣。
在一个实施方式中，返回参考图3，在做出决定时，决策模块303调用驾驶行为学习模块306，以学习和观察周围车辆的行驶行为。车辆的驾驶行为是指平均速度、加速率、减速率、车辆跟随前方另一车辆的距离、改变车道的频率、改变车道的速度、改变车道时的转弯角度的急剧程度等。根据驾驶行为学习模块306所学习到的驾驶行为，驾驶风格确定模块307确定可能影响自主车辆300改变车道的每个周围车辆的一个或多个驾驶风格要素的列表。
可能影响车辆300改变车道的车辆可以是在车辆300试图变道的当前车道中移动的车辆(例如，前方车辆、尾车)、移动到车辆300试图变道的目标车道的车辆或相对于车辆300位于预定距离(例如，相应驾驶区域)内的任何其它车辆。驾驶风格要素可以指车辆的行驶速度、两车间的距离、车辆的减速率或减速距离(从减速到完全停止)。驾驶风格要素还可以指改变车道的频率、改变车道的速度或改变车道的转向角度。关于驾驶行为和/或驾驶风格要素的信息可作为驾驶风格信息312的一部分存储在永久存储设备352中。
一旦驾驶风格要素被从感知到的驾驶行为中提取出来，驾驶风格确定模块307通过网络将驾驶风格要素传送到远程服务器。远程服务器可以是图1的服务器103的一部分。远程服务器从相对于车辆300位于相同驾驶区域内的多个车辆收集驾驶风格要素。远程服务器基于从在驾驶区域内移动的各种车辆接收到的驾驶风格要素确定驾驶区域的驾驶风格要素。在一个实施方式中，远程服务器可以根据从各种车辆接收到的每种类型的驾驶风格要素计算平均值。在一个实施方式中，驾驶风格的信息可以指平均速度、改变车道的平均频率、在同一车道中移动的两辆车辆之间的平均距离、平均加速率、平均减速率和/或位于目标驾驶区域内的车辆改变车道的平均角度。
一旦确定了驾驶风格，远程服务器通过网络将关于驾驶风格的信息传送到位于相应驾驶区域内的车辆。需要注意的是，车辆可能位于在向远程服务器传送驾驶风格要素的时间和从远程服务器接收驾驶风格的时间之间的不同驾驶区域中。例如，如图5所示，当自主车辆300将驾驶风格要素传送到远程服务器时，车辆300可能在当前的驾驶区域501中。因此，驾驶风格要素表示当前位于第一驾驶区域内的车辆的驾驶行为。然而，当远程服务器确定第一驾驶区域的驾驶风格并准备传送第一驾驶区域的驾驶风格时，自主车辆300可能随着车辆300的移动位于驾驶区域502或驾驶区域503中。因此，自主车辆300可能不会接收驾驶区域501的驾驶风格。相反，自主车辆300可能接收驾驶区域502或驾驶区域503的第二驾驶风格。第二驾驶区域502或驾驶区域503的第二驾驶风格可以基于其他自主车辆提交的驾驶风格要素来确定。
假设车辆300仍然位于相同的驾驶区域内，驾驶风格确定模块307从远程服务器接收驾驶风格。响应于驾驶风格确定模块307提供的驾驶风格，决策模块303决定采用该驾驶风格，并且规划模块304基于决策模块303的一个或多个决策生成规划和控制数据。基于规划和控制数据，控制模块305相应地控制和驱动自主车辆300。
图6是示出根据本发明的一个实施方式的操作自主车辆的过程的流程图。过程600可以通过可以包括软件、硬件或其组合的处理逻辑执行。例如，过程600可以由图3的感知和规划系统110执行。参考图6，在框601处，处理逻辑监视和感知自主车辆周围的一个或多个车辆的驾驶行为。周围车辆相对于自主车辆位于预定距离或驾驶区域内。在框602处，对于每个周围车辆，处理逻辑基于感知到的驾驶行为确定一个或多个驾驶风格要素的列表。在框603处，通过网络将驾驶风格要素传送到远程服务器，以允许远程服务器确定对应于驾驶区域的驾驶风格。在框604处，从远程服务器接收到响应。响应包括基于从各种车辆收集的驾驶风格要素由远程服务器确定的驾驶风格。在框605处，部分地基于驾驶风格生成用于下一个行驶周期(例如，下一个路线段)的规划和控制数据，以采用驾驶区域的驾驶风格。在框606处，自主车辆基于规划和控制数据被控制和驱动。
图7是示出根据本发明的一个实施方式的确定用于操作自主车辆的驾驶风格的过程的流程图。过程700可以由可以包括软件、硬件或其组合的处理逻辑执行。例如，过程700可以由图3的数据分析系统或服务器103执行。参考图7，在框701处，处理逻辑通过网络从多个自主车辆接收驾驶风格要素。在框702处，处理逻辑基于自主车辆的位置确定一个或多个驾驶区域。在框703处，对于每个驾驶区域，处理逻辑识别位于驾驶区域内的一个或多个车辆。在框704处，处理逻辑分析与驾驶区域内的车辆相关联的驾驶风格要素。在框705处，处理逻辑基于分析确定驾驶区域的驾驶风格。在框706处，处理逻辑将驾驶风格传送到在该时间点位于驾驶区域中的每个自主车辆。处理逻辑可选地将各种驾驶区域的驾驶风格存储在数据库中以供将来使用。驾驶区域的历史驾驶风格可用于确定相同或类似驾驶区域的未来驾驶风格。
上述技术要求自主车辆通过诸如云网络的网络将驾驶风格要素传送到集中式服务器。在一些情况下，这样的网络连接可能不可用。例如，如果车辆在城市中行驶，某些无线信号(例如，蜂窝信号)可能被高层建筑物阻挡。类似地，当车辆在郊区行驶时，也可能没有可用的蜂窝站或基站。因此，集中式服务器可能无法正常地使用。
根据一个实施方式，当自主车辆检测到与远程服务器的网络连接不可用时，自主车辆可以通过无线局域网与附近的其他车辆通信，以交换驾驶风格要素。然后，自主车辆基于所交换的驾驶风格要素确定驾驶风格，并相应地采用驾驶风格。也就是说，代替在远程服务器集中地确定驾驶区域的驾驶风格，每个自主车辆可以基于与其他附近的自主车辆交换的驾驶风格要素来确定驾驶风格。
现参考图8，在该示例中，连接到远程服务器103的网络连接不可用。自主车辆101A至101D中的每个在图8所示的特定行驶区域内与每个其余的自主车辆维持本地网络连接。当决定下一个移动周期时，自主车辆101A至101D中的每个根据驾驶行为感知周围车辆的驾驶行为并确定驾驶风格要素。自主车辆101A至101D中的每个然后与驾驶区域中的其余自主车辆交换驾驶风格要素。基于交换的驾驶风格要素，自主车辆101A至101D中的至少一个确定驾驶风格，并在决定下一个移动周期时采用该驾驶风格。
例如，当自主车辆101A检测到与服务器103的网络连接不可用时，自主车辆101A在驾驶区域中与诸如自主车辆101B至101D等的其他自主车辆通信，以建立WLAN连接。自主车辆101A然后向自主车辆101B至101D传送关于其周围车辆的驾驶行为的第一组驾驶风格要素，以分别交换自主车辆101B至101D周围的车辆的第二组、第三组和第四组驾驶风格要素。自主车辆101A然后聚合第一组、第二组、第三组和第四组驾驶风格要素中的至少一些以确定驾驶风格。自主车辆101A然后在决定下一个移动周期时采用该驾驶风格。
图9是示出根据本发明的一个实施方式的操作自主车辆的过程的流程图。处理900可以由可以包括软件、硬件或其组合的处理逻辑执行。例如，过程900可以由图3的感知和规划系统110执行。参考图9，在框901处，处理逻辑监视和感知自主车辆周围的车辆的驾驶行为。在框902处，对于每个周围车辆，处理逻辑基于感知到的驾驶行为确定驾驶风格要素的列表。在框903处，处理逻辑将驾驶风格要素传送到驾驶区域内的一个或多个其他自主车辆以交换这些自主车辆生成的驾驶风格要素。在框904处，处理逻辑聚合自身生成的以及从驾驶区域内的其他自主车辆接收到的驾驶风格要素。然后基于聚合的驾驶风格要素确定驾驶风格。在框905处，处理逻辑部分地基于驾驶风格生成规划和控制数据。在框906处，自主车辆基于规划和控制数据被控制和驱动。
需要注意的是，如上所示和所述的部分或全部组件可以以软件、硬件或其组合来实现。例如，这样的组件可以被实现为安装并存储在永久存储设备中的软件，其可以由处理器(未示出)在存储器中加载和执行，以执行整个该申请中描述的过程或操作。替代地，这样的组件可以被实现为被编程或嵌入到诸如集成电路(例如，程序专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)的专用硬件中的可执行代码，其可以通过来自应用的相应的驱动器和/或操作系统来访问。此外，这些组件可以被实现为处理器或处理器核心中的特定硬件逻辑，作为可由软件组件经由一个或多个特定指令访问的指令组合的一部分。
图10是示出可用于本发明的一个实施方式的数据处理系统的示例的框图。例如，系统1500可以表示执行上述任何过程或方法的上述任何数据处理系统，例如感知和规划系统110或图1的服务器103至104中的任何一个。系统1500可以包括许多不同的组件。这些组件可以被实现为集成电路(IC)、集成电路的部分、分立电子设备或适用于诸如计算机系统的主板或附加卡的电路板的其他模块，或者以其他方式并入计算机系统的底盘内的组件。
还需要注意的是，系统1500旨在示出计算机系统的许多组件的高级视图。然而应当理解的是，在某些实现中可能存在附加组件，此外，所示组件的不同设置可以在其他实现中发生。系统1500可以表示台式机、笔记本电脑、平板电脑、服务器、移动电话、媒体播放器、个人数字助理(PDA)、智能手表、个人通信器、游戏设备，网络路由器或集线器、无线接入点(AP)或中继器、机顶盒或以上的组合。此外，虽然仅示出了单个机器或系统，但术语“机器”或“系统”也应被视为包括单独或联合执行一组(或多组)指令的机器或系统的任何集合，以执行本文讨论的任何一种或多种方法。
在一个实施方式中，系统1500经由总线或互连件1510包括处理器1501、存储器1503和设备1505至1508。处理器1501可以表示其中包括单个处理器核心或多个处理器核心的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，例如微处理器、中央处理单元(CPU)等。更具体地，处理器1501可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、较长指令字(VLIW)微处理器或实现其他指令集的处理器，或实现指令集集合的处理器。处理器1501还可以是一个或多个专用处理器，例如程序专用集成电路(ASIC)、蜂窝或基带处理器、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、通信处理器，密码处理器、协同处理器、嵌入式处理器或能够处理指令的任何其他类型的逻辑。
可以是诸如超低电压处理器的低功率多核处理器插口的处理器1501可以用作与系统的各种组件通信的主处理单元和中央集线器。这样的处理器可以被实现为片上系统(SoC)。处理器1501被配置为实现用于执行本文讨论的操作和步骤的指令。系统1500还可以包括与可选图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和/或显示设备。
处理器1501可以与存储器1503进行通信，存储器1503在一个实施方式中可以通过多个存储器设备来实现以提供给定量的系统存储。存储器1503可以包括一个或多个易失性存储(或存储器)设备，诸如随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或其他类型的存储设备。存储器1503可以存储包括由处理器1501或任何其他设备执行的指令序列的信息。例如，可以将各种操作系统、设备驱动器、固件(例如，输入输出基本系统或BIOS)和/或应用程序的可执行代码和/或数据加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如机器人操作系统(ROS)、来自的操作系统、来自Apple的Mac 来自的LINUX、UNIX或其他实时或嵌入式操作系统。
系统1500还可以包括诸如设备1505至1508的IO设备，包括网络接口设备1505、可选的输入设备1506和其他可选的IO设备1507。网络接口设备1505可以包括无线收发器和/或网络接口卡(NIC)。无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器(例如，全球定位系统(GPS)收发器)或其他射频(RF)收发器或其组合。NIC可以是以太网卡。
输入设备1506可以包括鼠标、触摸板、触敏屏幕(其可以与显示设备1504集成在一起)、诸如触控笔的指针设备和/或键盘(例如，物理键盘或显示为触敏屏幕的一部分的虚拟键盘)。例如，输入设备1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器可以例如使用触敏技术中的任何一种来检测接触和其中的移动或断开，包括但不限于电容、电阻、红外和表面声波技术以及其它接近传感器阵列或用于确定与触摸屏的一个或多个接触点的其它元件。
IO设备1507可以包括音频设备。音频设备可以包括扬声器和/或麦克风，以有助于诸如语音识别、语音复制、数字记录和/或电话功能的有效语音功能。其他IO设备1507还可以包括通用串行总线(USB)端口、并行端口、串行端口、打印机、网络接口、总线桥(例如，PCI-PCI桥)、传感器(例如，诸如加速度计、陀螺仪、磁力计、光传感器、罗盘、近距离传感器等的运动传感器)或其组合。设备1507还可以包括成像处理子系统(例如，照相机)，其可以包括诸如电荷联接器件(CCD)的光学传感器，或用于便于相机功能(诸如记录照片和视频剪辑)的互补金属氧化物半导体(CMOS)光学传感器。某些传感器可以经由传感器集线器(未示出)联接到互连件1510，而取决于系统1500的具体配置或设计，诸如键盘或热传感器的其它设备可由嵌入式控制器(未示出)来控制。
为了提供诸如数据、应用程序、一个或多个操作系统等的信息的永久存储，大容量存储器(未示出)也可以联接到处理器1501。在各种实施方式中，为了实现更薄和更轻的系统设计以及为了提高系统响应性，可以通过固态设备(SSD)来实现该大容量存储。然而，在其他实施方式中，大容量存储可以主要使用具有较少量SSD存储的硬盘驱动器(HDD)来实现，以用作SSD缓存，从而在断电事件期间实现环境状态和其他此类信息的非易失性存储，以使得在重新启动系统活动时可以实现快速上电。此外，闪存器件可以例如经由串行外设接口(SPI)联接到处理器1501。该闪存设备可以提供系统软件的非易失性存储，包括BIOS以及系统的其他固件。
存储设备1508可以包括计算机可访问的存储介质1509(也称为机器可读存储介质或计算机可读介质)，在其上存储有体现本文所述的任何一种或多种方法或功能的一组或多组指令或软件(例如，模块、单元和/或逻辑1528)。处理模块/单元/逻辑1528可以表示上述任何组件，例如驾驶风格分析模块122、驾驶风格确定模块307或驾驶行为学习模块306。处理模块/单元/逻辑1528也可以在由数据处理系统1500执行期间完全地或至少部分地驻留在存储器1503和/或处理器1501内，存储器1503和处理器1501也构成机器可访问的存储介质。处理模块/单元/逻辑1528还可以经由网络接口设备1505通过网络被传送或接收。
计算机可读存储介质1509也可用于永久地存储上述一些软件功能。尽管计算机可读存储介质1509在示例性实施方式中示出为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储一组或多组指令的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存器和服务器)。术语“计算机可读存储介质”还应被视为包括能够存储或编码一组指令以供机器执行并且使机器执行本发明的任何一种或多种方法的任何介质。因此，术语“计算机可读存储介质”应被认为包括但不限于固态存储器、光学和磁性介质或任何其它非暂时性机器可读介质。
本文描述的处理模块/单元/逻辑1528、组件和其他特征可以实现为分立硬件组件或集成在诸如ASICS、FPGA、DSP或类似设备的硬件组件的功能中。此外，处理模块/单元/逻辑1528可以被实现为硬件设备内的固件或功能电路。此外，处理模块/单元/逻辑1528可以在硬件设备和软件组件的任何组合中实现。
需要注意的是，虽然系统1500被示出为具有数据处理系统的各种组件，但是其并不旨在表示将组件互连的任何具体架构或方式，因为这样的细节与本发明的实施方式并无必要联系。还应理解，具有较少组件或可能更多组件的网络计算机、手持计算机、移动电话、服务器和/或其他数据处理系统也可以与本发明的实施方式一起使用。
前面详细描述的一些部分已经根据对计算机存储器内的数据位的操作的算法和符号表示来呈现。这些算法描述和表示是感知和规划领域的技术人员所使用的将其工作的实质最有效地传达给本领域技术人员的方式。此处并且通常来说，算法被认为是引向期望结果的自洽的操作序列。这些操作是需要物理量的物理操作的操作。
然而应该考虑到，所有这些以及类似的术语都应该与适当的物理量相关联，并且仅是适用于这些量的便利标签。除非另有明确说明，否则从上述讨论中显而易见的是，应理解在整个说明书中，使用诸如下述权利要求中提及的术语的讨论是指计算机系统或类似电子计算设备的动作和过程，其将计算机系统的寄存器和存储器中表示为物理(电子)量的数据操纵和变换为类似地表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备内的物理量的其他数据。
本发明实施方式还涉及用于执行本文的操作的装置。这样的计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括以机器(例如，计算机)可读的形式存储信息的任何机制。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备)。
前面附图中描述的过程或方法可以由包括硬件(例如电路、专用逻辑等)、软件(例如，嵌入在非暂时性计算机可读介质上)或两者的组合的处理逻辑执行。虽然以上根据一些顺序操作描述了过程或方法，但是应当理解，所描述的一些操作可以以不同的顺序执行。此外，一些操作可以并行而不是顺序执行。
本发明实施方式没有参考任何特定的编程语言进行描述。应当理解，可以使用各种编程语言来实现本文所述的本发明的实施方式的教导。
在前述说明书中，已经参照本发明的具体示例性实施方式描述了本发明的实施方式。显而易见的是，在不脱离如所附权利要求中阐述的本发明的更广泛的精神和范围的情况下，可以对本发明进行各种修改。因此，说明书和附图应被看作说明性的而非限制性的。

Claims (24)

1.一种用于操作自主车辆的计算机实现的方法，所述方法包括：
感知第一自主车辆周围的一个或多个车辆的驾驶行为；
通过网络将表示周围车辆的所述驾驶行为的一个或多个驾驶风格要素从所述第一自主车辆传送到远程服务器；
从所述远程服务器接收基于所述驾驶风格要素在所述远程服务器处确定的驾驶风格，所述驾驶风格包括描述所述第一自主车辆在某个时间点处考虑到所述周围车辆应如何驾驶的信息；
根据所述驾驶风格生成规划和控制数据；以及
根据所述规划和控制数据控制和驾驶所述第一自主车辆。
2.根据权利要求1所述的方法，其中所述远程服务器通过所述网络从多个自主车辆接收多个驾驶风格要素，以及其中基于位于所述第一自主车辆的预定距离内的一个或多个自主车辆的驾驶风格要素来确定从所述远程服务器接收的所述驾驶风格。
3.根据权利要求1所述的方法，还包括通过所述网络将所述周围车辆中的每个的位置传送到所述远程服务器，其中基于所述周围车辆的所述位置，所述远程服务器基于位于所述第一自主车辆的预定距离内的一个或多个车辆的所述驾驶风格要素来确定所述驾驶风格。
4.根据权利要求1所述的方法，其中与所述周围车辆相关联的所述驾驶风格要素包括每个周围车辆的行驶速度、所述周围车辆之间的距离、减速率和减速距离中的至少一个。
5.根据权利要求4所述的方法，其中所述驾驶风格要素还包括改变车道的频率、改变车道的速度以及改变车道的转向角度中的至少一个。
6.根据权利要求1所述的方法，还包括：
检测到与所述远程服务器的网络连接不可用；
响应于所述检测，与位于所述第一自主车辆的预定距离内的一个或多个自主车辆交换所述驾驶风格要素；以及
在所述第一自主车辆内，基于所交换的驾驶风格要素确定所述驾驶风格。
7.根据权利要求6所述的方法，其中与一个或多个自主车辆交换所述驾驶风格要素包括：
检测到第二自主车辆位于所述第一自主车辆的所述预定距离内；
通过无线连接将作为第一组驾驶风格要素的所述驾驶风格要素传送到所述第二自主车辆；以及
从所述第二自主车辆接收第二组驾驶风格要素，其中基于所述第一组驾驶风格要素和所述第二组驾驶风格要素确定所述驾驶风格。
8.一种其中存储有指令的非暂时性的机器可读介质，当由处理器执行所述指令时，所述指令使所述处理器执行操作自主车辆的操作，所述操作包括：
感知第一自主车辆周围的一个或多个车辆的驾驶行为；
通过网络将表示周围车辆的所述驾驶行为的一个或多个驾驶风格要素从所述第一自主车辆传送到远程服务器；
从所述远程服务器接收基于所述驾驶风格要素在所述远程服务器处确定的驾驶风格，所述驾驶风格包括描述所述第一自主车辆在某个时间点上考虑到所述周围车辆应如何驾驶的信息；
根据所述驾驶风格生成规划和控制数据；以及
根据所述规划和控制数据控制和驾驶所述第一自主车辆。
9.根据权利要求8所述的机器可读介质，其中所述远程服务器通过所述网络从多个自主车辆接收多个驾驶风格要素，以及其中基于位于所述第一自主车辆的预定距离内的一个或多个自主车辆的驾驶风格要素来确定从所述远程服务器接收的所述驾驶风格。
10.根据权利要求8所述的机器可读介质，其中所述操作还包括通过所述网络将所述周围车辆中的每个的位置传送到所述远程服务器，其中基于所述周围车辆的所述位置，所述远程服务器基于所述第一自主车辆的预定距离内的一个或多个车辆的所述驾驶风格要素来确定所述驾驶风格。
11.根据权利要求8所述的机器可读介质，其中与所述周围车辆相关联的所述驾驶风格要素包括每个周围车辆的行驶速度、所述周围车辆之间的距离、减速率和减速距离中的至少一个。
12.根据权利要求11所述的机器可读介质，其中所述驾驶风格要素还包括改变车道的频率、改变车道的速度以及改变车道的转向角度中的至少一个。
13.根据权利要求8所述的机器可读介质，其中所述操作还包括：
检测到与所述远程服务器的网络连接不可用；
响应于所述检测，与位于所述第一自主车辆的预定距离内的一个或多个自主车辆交换所述驾驶风格要素；以及
在所述第一自主车辆内，基于所交换的驾驶风格要素确定所述驾驶风格。
14.根据权利要求13所述的机器可读介质，其中与一个或多个自主车辆交换所述驾驶风格要素包括：
检测到第二自主车辆位于所述第一自主车辆的所述预定距离内；
通过无线连接将作为第一组驾驶风格要素的所述驾驶风格要素传送到所述第二自主车辆；以及
从所述第二自主车辆接收第二组驾驶风格要素，其中基于所述第一组驾驶风格要素和所述第二组驾驶风格要素确定所述驾驶风格。
15.一种感知和规划系统，包括：
处理器；以及
存储器，联接至所述处理器以存储指令，当由所述处理器执行所述指令时，所述指令使所述处理器执行操作自主车辆的操作，所述操作包括：
感知第一自主车辆周围的一个或多个车辆的驾驶行为；
通过网络将表示周围车辆的所述驾驶行为的一个或多个驾驶风格要素从所述第一自主车辆传送到远程服务器；
从所述远程服务器接收基于所述驾驶风格要素在所述远程服务器处确定的驾驶风格，所述驾驶风格包括描述所述第一自主车辆在某个时间点上考虑到所述周围车辆应如何驾驶的信息；
根据所述驾驶风格生成规划和控制数据；以及
根据所述规划和控制数据控制和驾驶所述第一自主车辆。
16.根据权利要求15所述的系统，其中所述远程服务器通过所述网络从多个自主车辆接收多个驾驶风格要素，以及其中基于位于所述第一自主车辆的预定距离内的一个或多个自主车辆的驾驶风格要素来确定从所述远程服务器接收的所述驾驶风格。
17.根据权利要求15所述的系统，其中所述操作还包括通过所述网络将所述周围车辆中的每个的位置传送到所述远程服务器，其中基于所述周围车辆的位置，所述远程服务器基于位于所述第一自主车辆的预定距离内的一个或多个车辆的所述驾驶风格要素来确定所述驾驶风格。
18.根据权利要求15所述的系统，其中与所述周围车辆相关联的所述驾驶风格要素包括每个周围车辆的行驶速度、所述周围车辆之间的距离、减速率和减速距离中的至少一个。
19.根据权利要求18所述的系统，其中所述驾驶风格要素还包括改变车道的频率、改变车道的速度以及改变车道的转向角度中的至少一个。
20.一种用于操作自主车辆的计算机实现的方法，所述方法包括：
由第一自主车辆感知所述第一自主车辆周围的一个或多个车辆的驾驶行为；
基于周围车辆的驾驶行为确定所述周围车辆中的每个的多个驾驶风格要素；
通过无线网络将表示所述周围车辆的所述驾驶行为的第一组驾驶风格要素从所述第一自主车辆传送到第二自主车辆；
从所述第二自主车辆接收第二组驾驶风格要素，其中基于对所述第二自主车辆周围的车辆的驾驶行为的感知由所述第二自主车辆确定所述第二组驾驶风格要素；
基于所述第一组驾驶风格要素和所述第二组驾驶风格要素确定驾驶风格，其中所述驾驶风格包括描述所述第一自主车辆在某个时间点上考虑到所述周围车辆应如何驾驶的信息；以及
根据基于所述驾驶风格生成的规划和控制数据控制和驾驶所述第一自主车辆。
21.根据权利要求20所述的方法，其中所述第一自主车辆和所述第二自主车辆在所述时间点位于预定距离内。
22.根据权利要求20所述的方法，还包括将所述周围车辆中的每个的位置传送到所述第二自主车辆，其中所述第二组驾驶风格要素还包括所述周围车辆中的每个的位置。
23.根据权利要求20所述的方法，其中与所述周围车辆相关联的所述驾驶风格要素包括每个周围车辆的行驶速度、所述周围车辆之间的距离、减速率和减速距离中的至少一个。
24.根据权利要求23所述的方法，其中所述驾驶风格要素还包括改变车道的频率、改变车道的速度以及改变车道的转向角度中的至少一个。
CN201710786665.3A 2016-10-13 2017-09-04 用于自主车辆的群体驾驶风格学习框架 Active CN107943016B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/292,970 US10049328B2 (en) 2016-10-13 2016-10-13 Group driving style learning framework for autonomous vehicles
US15/292,970 2016-10-13

Publications (2)

Publication Number Publication Date
CN107943016A true CN107943016A (zh) 2018-04-20
CN107943016B CN107943016B (zh) 2020-12-11

Family

ID=59846310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710786665.3A Active CN107943016B (zh) 2016-10-13 2017-09-04 用于自主车辆的群体驾驶风格学习框架

Country Status (4)

Country Link
US (2) US10049328B2 (zh)
EP (1) EP3309640B1 (zh)
JP (1) JP6517891B2 (zh)
CN (1) CN107943016B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109062205A (zh) * 2018-07-26 2018-12-21 武汉水草能源科技研发中心(有限合伙) 人工智能汽车无人驾驶系统
CN109062222A (zh) * 2018-09-04 2018-12-21 盐城骏拔汽车零部件有限公司 无人驾驶车辆管控系统及方法
WO2020012283A1 (en) * 2018-07-12 2020-01-16 International Business Machines Corporation Detecting activity near autonomous vehicles
CN111175055A (zh) * 2018-11-09 2020-05-19 百度在线网络技术（北京）有限公司 自动驾驶分布式协同仿真方法、装置以及终端
CN111688700A (zh) * 2020-06-22 2020-09-22 中国第一汽车股份有限公司 一种驾驶模式切换系统、方法、装置及存储介质
CN111845576A (zh) * 2019-04-26 2020-10-30 伟摩有限责任公司 一种操作在自动驾驶模式下的车辆的方法及车辆
CN112000112A (zh) * 2019-05-10 2020-11-27 现代自动车株式会社 支持自动驾驶车辆的系统和方法
WO2021057583A1 (en) * 2019-09-25 2021-04-01 Ningbo Geely Automobile Research & Development Co., Ltd. A method for driving a vehicle platoon
CN112805198A (zh) * 2018-12-10 2021-05-14 华为技术有限公司 用于自主驾驶的个人驾驶风格学习
CN113129624A (zh) * 2019-12-30 2021-07-16 百度（美国）有限责任公司 交通堵塞情况下的最快车道确定算法
CN113905938A (zh) * 2019-07-08 2022-01-07 华为技术有限公司 用于改进多个自动驾驶车辆与其所在驾驶环境间交互的系统和方法

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10518783B2 (en) * 2015-03-31 2019-12-31 Hitachi Automotive Systems, Ltd. Automatic driving control device
KR102003940B1 (ko) * 2016-11-11 2019-10-01 엘지전자 주식회사 자율 주행 차량 및 그 제어방법
US10438074B2 (en) * 2017-06-14 2019-10-08 Baidu Usa Llc Method and system for controlling door locks of autonomous driving vehicles based on lane information
US10431093B2 (en) * 2017-06-20 2019-10-01 Zf Friedrichshafen Ag System and method for collision avoidance
KR102013590B1 (ko) * 2017-07-18 2019-08-23 엘지전자 주식회사 차량에 구비된 차량 제어 장치 및 차량의 제어방법
US10957201B2 (en) * 2017-09-15 2021-03-23 Qualcomm Incorporated System and method for relative positioning based safe autonomous driving
US10540892B1 (en) 2017-10-26 2020-01-21 State Farm Mutual Automobile Insurance Company Technology for real-time detection and mitigation of remote vehicle anomalous behavior
US11221623B2 (en) * 2017-11-01 2022-01-11 Florida Atlantic University Board Of Trustees Adaptive driving mode in semi or fully autonomous vehicles
US10755111B2 (en) 2018-01-29 2020-08-25 Micron Technology, Inc. Identifying suspicious entities using autonomous vehicles
US11009876B2 (en) 2018-03-14 2021-05-18 Micron Technology, Inc. Systems and methods for evaluating and sharing autonomous vehicle driving style information with proximate vehicles
US11727794B2 (en) * 2018-03-14 2023-08-15 Micron Technology, Inc. Systems and methods for evaluating and sharing human driving style information with proximate vehicles
US10997429B2 (en) 2018-04-11 2021-05-04 Micron Technology, Inc. Determining autonomous vehicle status based on mapping of crowdsourced object data
US10678253B2 (en) * 2018-05-24 2020-06-09 GM Global Technology Operations LLC Control systems, control methods and controllers for an autonomous vehicle
US11161518B2 (en) 2018-06-15 2021-11-02 Micron Technology, Inc. Detecting road conditions based on braking event data received from vehicles
US11066067B2 (en) * 2018-06-29 2021-07-20 Baidu Usa Llc Planning parking trajectory for self-driving vehicles
CN109634185A (zh) * 2018-12-25 2019-04-16 福州大学 一种驾驶员风格识别数据采集系统
US10838418B2 (en) 2019-01-31 2020-11-17 StradVision, Inc. Method for providing autonomous driving service platform to be used for supporting autonomous driving of vehicles by using competitive computing and information fusion, and server using the same
US11709501B2 (en) * 2019-02-14 2023-07-25 Toyota Motor North America, Inc. System and method for controlling an autonomous vehicle
JP7232094B2 (ja) * 2019-03-25 2023-03-02 株式会社Subaru 車両の制御装置、車両の制御方法及びプログラム
JP2021011235A (ja) * 2019-07-09 2021-02-04 トヨタ自動車株式会社 車両制御システム、車両制御装置、車両制御方法、及び車両制御プログラム
US11644835B2 (en) * 2020-07-29 2023-05-09 Toyota Research Institute, Inc. Game-theoretic planning for risk-aware interactive agents
GB2598338A (en) * 2020-08-27 2022-03-02 Daimler Ag An autonomous driving behavior tuning system, and a method for operating an autonomous motor vehicle by an autonomous driving behavior tuning system
CN112455444B (zh) * 2020-11-26 2021-12-07 东风汽车集团有限公司 自主学习驾驶员变道风格的变道装置及方法
KR102587598B1 (ko) * 2021-08-27 2023-10-13 포티투닷 주식회사 운전자의 상황별 운전 스타일에 기초한 차량의 자율 운행 제어 방법 및 장치
US20230102443A1 (en) * 2021-09-28 2023-03-30 GM Global Technology Operations LLC Monitoring uncertainty for human-like behavioral modulation of trajectory planning
US20230256994A1 (en) * 2022-02-16 2023-08-17 Gm Cruise Holdings Llc Assessing relative autonomous vehicle performance via evaluation of other road users
CN116592903B (zh) * 2023-05-06 2024-02-23 四川警察学院 车路协同环境下群体偏好的生态驾驶路径实时规划方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007176355A (ja) * 2005-12-28 2007-07-12 Matsushita Electric Ind Co Ltd 自動運転制御装置、及びそれを搭載した車両
US20150012167A1 (en) * 2013-07-08 2015-01-08 Ford Global Technologies, Llc Control device for an autonomous land vehicle
CN104648284A (zh) * 2013-11-22 2015-05-27 福特全球技术公司 自主车辆模式
US20150309512A1 (en) * 2014-04-24 2015-10-29 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Regional operation modes for autonomous vehicles
CN105683019A (zh) * 2013-08-22 2016-06-15 英特尔公司 车辆的区域自适应计算机辅助或自动驾驶
CN105730450A (zh) * 2016-01-29 2016-07-06 北京荣之联科技股份有限公司 基于车载数据的驾驶行为分析方法及评价系统
CN105739534A (zh) * 2016-04-22 2016-07-06 百度在线网络技术（北京）有限公司 基于车联网的无人驾驶车多车协同驾驶方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3650946B2 (ja) * 1996-09-27 2005-05-25 本田技研工業株式会社 自動走行車
JP4900133B2 (ja) * 2007-08-09 2012-03-21 トヨタ自動車株式会社 走行制御計画評価装置
US8457827B1 (en) * 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
JP5909144B2 (ja) * 2012-04-25 2016-04-26 本田技研工業株式会社 車群解消システム
US10347127B2 (en) * 2013-02-21 2019-07-09 Waymo Llc Driving mode adjustment
CN107430817B (zh) * 2015-03-03 2021-07-13 日本先锋公司 路径搜索装置、控制方法及非暂时性计算机可读介质
SE538920C2 (sv) * 2015-03-24 2017-02-14 Scania Cv Ab Device, method and system for an autonomous vehicle to drive pass a difficult or inappropriate road segment
US9672738B1 (en) * 2016-02-02 2017-06-06 Allstate Insurance Company Designing preferred vehicle routes based on driving scores from other vehicles
US10112611B2 (en) * 2016-07-25 2018-10-30 Toyota Motor Engineering & Manufacturing North America, Inc. Adaptive vehicle control systems and methods of altering a condition of a vehicle using the same

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007176355A (ja) * 2005-12-28 2007-07-12 Matsushita Electric Ind Co Ltd 自動運転制御装置、及びそれを搭載した車両
US20150012167A1 (en) * 2013-07-08 2015-01-08 Ford Global Technologies, Llc Control device for an autonomous land vehicle
CN105683019A (zh) * 2013-08-22 2016-06-15 英特尔公司 车辆的区域自适应计算机辅助或自动驾驶
CN104648284A (zh) * 2013-11-22 2015-05-27 福特全球技术公司 自主车辆模式
US20150309512A1 (en) * 2014-04-24 2015-10-29 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Regional operation modes for autonomous vehicles
CN105730450A (zh) * 2016-01-29 2016-07-06 北京荣之联科技股份有限公司 基于车载数据的驾驶行为分析方法及评价系统
CN105739534A (zh) * 2016-04-22 2016-07-06 百度在线网络技术（北京）有限公司 基于车联网的无人驾驶车多车协同驾驶方法及装置

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020012283A1 (en) * 2018-07-12 2020-01-16 International Business Machines Corporation Detecting activity near autonomous vehicles
CN112368754A (zh) * 2018-07-12 2021-02-12 国际商业机器公司 检测自动驾驶车辆附近的活动
CN109062205A (zh) * 2018-07-26 2018-12-21 武汉水草能源科技研发中心(有限合伙) 人工智能汽车无人驾驶系统
CN109062222A (zh) * 2018-09-04 2018-12-21 盐城骏拔汽车零部件有限公司 无人驾驶车辆管控系统及方法
CN111175055B (zh) * 2018-11-09 2022-08-09 百度在线网络技术（北京）有限公司 自动驾驶分布式协同仿真方法、装置以及终端
CN111175055A (zh) * 2018-11-09 2020-05-19 百度在线网络技术（北京）有限公司 自动驾驶分布式协同仿真方法、装置以及终端
CN112805198A (zh) * 2018-12-10 2021-05-14 华为技术有限公司 用于自主驾驶的个人驾驶风格学习
CN111845576A (zh) * 2019-04-26 2020-10-30 伟摩有限责任公司 一种操作在自动驾驶模式下的车辆的方法及车辆
US11822011B2 (en) 2019-04-26 2023-11-21 Waymo Llc Mirrors to extend sensor field of view in self-driving vehicles
CN112000112A (zh) * 2019-05-10 2020-11-27 现代自动车株式会社 支持自动驾驶车辆的系统和方法
CN113905938B (zh) * 2019-07-08 2023-11-28 华为技术有限公司 用于改进多个自动驾驶车辆与其所在驾驶环境间交互的系统和方法
CN113905938A (zh) * 2019-07-08 2022-01-07 华为技术有限公司 用于改进多个自动驾驶车辆与其所在驾驶环境间交互的系统和方法
WO2021057583A1 (en) * 2019-09-25 2021-04-01 Ningbo Geely Automobile Research & Development Co., Ltd. A method for driving a vehicle platoon
CN113129624A (zh) * 2019-12-30 2021-07-16 百度（美国）有限责任公司 交通堵塞情况下的最快车道确定算法
US11880201B2 (en) 2019-12-30 2024-01-23 Baidu Usa Llc Fastest lane determination algorithm under traffic jam
CN111688700A (zh) * 2020-06-22 2020-09-22 中国第一汽车股份有限公司 一种驾驶模式切换系统、方法、装置及存储介质

Also Published As

Publication number Publication date
EP3309640A2 (en) 2018-04-18
US10049328B2 (en) 2018-08-14
EP3309640B1 (en) 2021-08-11
US20180349802A1 (en) 2018-12-06
US20180107942A1 (en) 2018-04-19
JP2018063703A (ja) 2018-04-19
CN107943016B (zh) 2020-12-11
JP6517891B2 (ja) 2019-05-22
US11238733B2 (en) 2022-02-01
EP3309640A3 (en) 2018-06-20

Similar Documents

Publication Publication Date Title
CN107943016A (zh) 用于自主车辆的群体驾驶风格学习框架
US11868136B2 (en) Geolocalized models for perception, prediction, or planning
JP6602352B2 (ja) 自律走行車用の計画フィードバックに基づく決定改善システム
US10012995B2 (en) Autonomous vehicle routing and navigation using passenger docking locations
US20210070286A1 (en) Systems and methods for determining individualized driving behaviors of vehicles
US9625906B2 (en) Passenger docking location selection
CN108268033A (zh) 使用基于图的车道变换指导来操作无人驾驶车辆的方法和系统
CN110389583A (zh) 生成自动驾驶车辆的轨迹的方法
US20220048535A1 (en) Generating Goal States for Prioritizing Path Planning
US11354913B1 (en) Systems and methods for improving vehicle predictions using point representations of scene
JP2020021471A (ja) 自動運転車（ａｄｖ）のサブシステムによるパトロールカーのパトロール
JP2021501714A (ja) 自動運転車両のための低速シーンにおける歩行者インタラクションシステム
JP2019185783A (ja) シミュレーションプラットフォームに配置された、機械学習モデルを訓練するためのシステム及び方法
CN108089571A (zh) 用于预测无人驾驶车辆的车辆交通行为以做出驾驶决策的方法和系统
KR102279078B1 (ko) 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템
JP2020514145A (ja) シミュレーションに基づく自動運転車の感知要求の評価方法
CN110239562A (zh) 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适
CN110471411A (zh) 自动驾驶方法和自动驾驶装置
JP2020004402A (ja) ニューラルネットワークに基づく自動運転車両用の安全監視システム
US20160209848A1 (en) Associating passenger docking locations with destinations
WO2021217420A1 (zh) 车道线跟踪方法和装置
JP2019500256A (ja) 自律走行車の移動をシミュレートするための物理モデル及び機械学習結合方法
JP2018535871A (ja) 自律走行車のための横滑り補償制御方法
US11634161B2 (en) Path planning using delta cost volume generated from movement restrictions and observed driving behavior
CN108255171A (zh) 用于提高自主驾驶车辆的稳定性的方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant