CN108322512B - 用于处理车辆中的本地数据和云数据的方法、系统以及云服务器 - Google Patents

用于处理车辆中的本地数据和云数据的方法、系统以及云服务器 Download PDF

Info

Publication number
CN108322512B
CN108322512B CN201810001048.2A CN201810001048A CN108322512B CN 108322512 B CN108322512 B CN 108322512B CN 201810001048 A CN201810001048 A CN 201810001048A CN 108322512 B CN108322512 B CN 108322512B
Authority
CN
China
Prior art keywords
data
vehicle
processing
remote data
remote
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.)
Active
Application number
CN201810001048.2A
Other languages
English (en)
Other versions
CN108322512A (zh
Inventor
F·白
D·K·格林姆
A·梅塔
D·D·玛尔坎
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations 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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN108322512A publication Critical patent/CN108322512A/zh
Application granted granted Critical
Publication of CN108322512B publication Critical patent/CN108322512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Optics & Photonics (AREA)

Abstract

提供了用于经由车辆控制系统的车辆感测模块接收本地数据、经由车辆控制系统的云接口单元从云服务器接收远程数据以及经由车辆控制系统的处理单元处理本地数据和远程数据的方法和系统。基于本地数据和远程数据的处理，控制至少一个车辆特征，本地数据和远程数据与处理优先等级相关联。处理单元基于处理优先等级来改变处理频率。还提供了一种用于将远程数据传输到车辆群的云服务器。云服务器包括配置为至少基于从车辆接收到的位置数据将车辆分配给多个组的第一模块。云服务器的第二模块配置为为每个组确定不同的远程数据。第三模块配置为将所确定的远程数据传输到每个组内的车辆。

Description

用于处理车辆中的本地数据和云数据的方法、系统以及云服 务器
技术领域
本技术领域总体上涉及处理从不同来源获得的数据以便对车辆进行控制。另外，本技术领域还涉及车辆与云服务器之间的数据传输。
背景技术
为了自动地控制车辆的各个特征，车辆控制系统正在越来越多地采用从不同来源获得的数据。来自车辆感测模块的本地数据用于控制各种车辆特征，诸如自动化动力转向和自动制动启动。本地数据可以包括从包括相机和雷达的物体检测单元获得的数据以及从车辆到车辆通信单元获得的数据，而这些数据可以进行处理以确定自动车辆控制特征，避免与诸如行人、道路基础设施和其他车辆等物体的碰撞。这些不同来源的本地数据是分别进行处理，因而需要某种形式的控制仲裁来确定出(例如)如何区分并实施从不同的处理方案产生的控制命令。
车辆控制系统将从云服务器接收到的远程数据考虑在内这一设想带来了额外的复杂性。基于从许多车辆上传到云服务器的本地数据群的整理，可以得出远程数据。目前的设想是提供另外的单独控制系统，该系统将基于本地数据独立于车辆控制系统运行，或者需要额外的仲裁层。
虽然车辆控制系统具有不错的数据处理能力，但是，能够以必要的速度进行处理的数据量却是有限的。现有技术中对本地数据和远程数据进行处理和仲裁的接缝层加剧了处理效率的低下，并且对车辆控制系统管理其他数据源的能力造成了限制。
因此，需要对来自本地及远程数据源的数据进行集成管理。此外，在云服务器侧和车辆侧需要设置平台，该平台能够提供可行的数据管理和高效的处理，进而将本地数据和远程数据考虑在内，以对车辆进行控制。此外，结合附图以及前述技术领域和背景技术，通过随后的详细描述和所附权利要求，本发明的其他期望特征和特点将变得明显。
发明内容
提供了用于经由车辆控制系统的车辆感测模块接收本地数据、经由车辆控制系统的云接口单元从云服务器接收远程数据以及经由车辆控制系统的处理单元处理本地数据和远程数据的方法和系统。基于本地数据和远程数据的处理，控制至少一个车辆特征。本地数据和远程数据与处理优先等级相关联。处理单元基于处理优先等级来改变处理频率。
还提供了一种用于将远程数据传输到车辆群的云服务器。云服务器包括第一模块，该第一模块配置为至少基于从车辆接收到的位置数据将车辆分配给多个组。云服务器的第二模块配置为为每个组确定不同的远程数据。第三模块配置为将所确定的远程数据传输到每个组内的车辆。
附图说明
在下文中将结合以下附图来描述示例性实施例，其中相同的附图标记表示相同的元件，并且其中：
图1是根据各种实施例的具有用于接收远程数据、感测本地数据和处理数据以控制车辆特征的各单元的车辆的功能框图；
图2是根据各种实施例的包括用于基于远程和本地数据确定控制命令的示例性单元的数据流程图；
图3是示出了根据各种实施例的基于风险分类将远程和本地数据转换成控制命令的不同处理速率的数据流程图；
图4是图示了根据各种实施例的对可用远程数据进行基于距离的过滤以减少传输到车辆控制系统的数据量的数据流程图；
图5和图6是图示了根据替代示例性实施例的基于预定地理区域和自适应车辆组的本地数据源的虚拟划分的示意图；
图7是图示了根据各种实施例的分组定义和车辆分配成组以将公共远程数据传输到每个组中的车辆的数据流程图；以及
图8是图示了根据各种实施例的控制方法的概览的流程图。
具体实施方式
下面的详细描述在本质上仅仅是示例性的，并不意图限制应用和用途。另外，并不存在被前述技术领域、背景技术、发明内容或者下面的详细描述中提出的任何明示或暗示的理论约束的意图。如本文所用，术语模块和单元是指专用集成电路(ASIC)、电子电路、处理器(共享的、专用的或成组的)和执行一个或多个软件或固件程序的存储器、组合逻辑电路、和/或提供所述功能的其他合适组件。具体而言，这里描述的单元和模块包括至少一个处理器、存储器以及存储在存储器上的用于实现结合模块和单元描述的各种功能和过程的计算机程序指令。尽管在此描述了分开的模块和单元，但是这并没有排除集成拓扑结构。
在此可以根据功能和/或逻辑块组件以及各种处理步骤来描述本发明的实施例。应该认识到，可以通过配置为执行特定功能的任意数量的硬件、软件和/或固件组件来实现这些块组件。例如，本发明的实施例可以采用各种集成电路组件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，它们可以在一个或多个微处理器或其他控制装置的控制下执行各种各样的功能。另外，本领域的技术人员将会理解，本发明的实施例可以结合任何数量的转向控制系统来实践，并且在此描述的车辆系统仅仅是本发明的一个示例性实施例。
为了简洁起见，与信号处理、数据传输、信令、控制以及系统的其他功能方面(以及系统的各个操作组件)有关的常规技术在此可能没有进行详细描述。此外，在本文包含的各个附图中示出的连接线旨在表示各个元件之间的示例性功能关系和/或物理联接。应该注意，在本发明的实施例中可以存在有许多替代的或额外的功能关系或物理连接。
参考图1，示出了根据各种实施例的包括车辆202和云服务器10的系统。车辆202包括控制系统204，该控制系统将本地源数据205和远程数据207组合起来，以便控制车辆特征。控制系统204包括配置为将本地数据205提供给处理单元12的车辆感测模块206以及配置为从云服务器10 接收远程数据207并且将远程数据207提供给处理单元12的云接口单元8。处理单元12配置为处理本地数据205和远程数据207并且生成至少一个车辆控制命令13。控制系统204还包括配置为基于至少一个车辆控制命令来控制至少一个车辆特征的车辆控制单元14。尽管这里示出的附图描绘了具有某些元件布置的示例，但是在实际的实施例中可以存在有额外的中间元件、装置、特征或部件。还应该理解的是，图1仅仅是说明性的，并且可以不是按比例绘制的。
在各种实施例中，可以基于各种车载传感器来提供本地数据205。例如，在图1中，示出了物体检测单元16、惯性测量单元18和其他车辆传感器20。物体检测单元16配置为基于来自下面进一步描述的至少一个物体传感器22、24、26、28的感测信息，提供关于车辆202外部的本地物体的本地数据205。惯性测量单元18配置为基于来自至少一个车辆运动传感器的感测信息来提供关于车辆运动变量的本地数据。惯性测量单元18 可以包括垂直、横向、纵向、俯仰、偏航和侧倾加速度计中的至少一个。其他车辆传感器20可以包括例如车轮速度、悬架、湿度、挡风玻璃雨刷、气囊和巡航控制传感器。
物体检测单元16可以包括至少一个物体检测传感器22、24、26、28。物体检测传感器22、24、26、28可以包括以下中的至少一个：一个或多个相机28、包括短程雷达装置和远程雷达装置的一个或多个雷达装置22、一个或多个超声波传感器24以及一个或多个光探测和测距(LiDAR)传感器26。一个或多个相机28可以包括提供增强型物体范围检测的单目相机和/或立体相机。这种感测外部条件的传感器可以在不脱离本公开的范围的情况下以各种方向中的任何方向取向。例如，相机28和雷达装置22可以在以下中的每一个位置或选定的位置处取向，例如：(i)从车辆202的前部中心点面向前方、(ii)从车辆202的后部中心点面向后方以及(iii) 从车辆202的侧方位置面向车辆202的侧方。
图1的车辆感测模块206进一步包括车辆到外部装置通信单元32，其配置为检测并且与各种各样的外部无线装置34中的任一个进行无线通信，诸如其他车辆的无线装置、行人无线装置(如智能手机)以及能够无线通信的基础设施(如智能交通灯)。因此，车辆到外部装置通信单元32可以包括短程通信，所述短程通信包括车辆到车辆(V2V)通信、车辆到行人通信(V2P)以及车辆与交通系统基础设施通信(V2I)中的至少一个。示例性的V2V通信协议包括专用短程通信(DSRC)协议或其他类型的WiFi 协议。通过车辆到外部装置通信单元32接收的数据可以包括其他车辆的运动参数(诸如速度、制动、转向等)、行人的位置以及道路基础设施的状态和位置。
车辆控制系统204包括传感器融合单元30，该传感器融合单元配置为将来自物体检测单元16、惯性测量单元18和车辆到外部无线通信单元32 的传感器中的至少一些传感器的本地数据205融合。传感器融合是对来自不同传感器(如雷达装置22和相机28)的传感器数据进行组合，从而使得所得信息的不确定性比当单独使用这些来源时可能的不确定性更小。在这种情况下，术语不确定性减小可能意味着更准确、更完整或更可靠。传感器融合单元产生融合传感器数据31(参见图2)，由于传感器融合单元 31是可选的(如果需要的话)特征，因此，融合传感器数据在本文中经常被称为本地数据。
在各种实施例中，云接口单元208配置为从云服务器10接收远程数据207。因此，车辆感测模块206能够提供关于本地范围的本地数据205，特别是包括跟踪邻近车辆、基础设施和行人(在本文中有时被称为物体) 的数据以及关于车辆202的运动的数据。远程数据可以与来自更远地方的道路和其他车辆信息有关。在各种实施例中，远程数据由云服务器10提供，并且是基于云服务器10从其他车辆群或部署在周围环境中的其他传感器装置(例如，在城市中，与建筑物、道路基础设施等相关联)接收的信息。云服务器10包括服务器处理单元130，该服务器处理单元包括用于执行本文所述功能和过程的必要处理能力、计算机程序指令和存储器。
云接口单元208配置为从云服务器10接收包括以下中的至少一项的远程数据207：道路打滑信息(例如，估计的路面摩擦系数)、坑洼信息、拥堵信息、道路封闭信息、天气信息、事故信息、车道封闭信息等。这样的信息可以由云服务器10基于已经从多个车辆的车辆感测模块获得的并从车辆群上传的数据来确定。例如，控制系统204配置为经由云接口单元208上传从车辆感测模块206获得的数据，可选地是在传感器融合单元30 进行的传感器融合以及其他处理操作之后。假设其他车辆配置为上传类似的这种数据，那么，来自车辆群的本地传感器数据可供云服务器10进行整理和处理，进而确定出路况。
在一个实施例中，包括车辆202在内的车辆群中的每一个车辆可以上传从车辆感测模块206获得的关于以下内容的本地数据205：例如，车速(来自车速传感器)、天气(例如来自湿度传感器、雨刮传感器、轮胎压力、轮胎温度、环境温度传感器等)、拥堵(例如来自车速传感器、物体检测单元16(如雷达装置22和/或相机28)或者车辆到外部无线通信单元32)、坑洼(例如来自惯性测量单元18(如指示车轮加速度的一个或多个加速度传感器)或者其他车辆传感器20(如悬架传感器))、道路打滑信息 (例如来自惯性测量单元18的一个或多个加速度计)、道路封闭信息(例如来自车辆到外部无线通信单元32的车辆到基础设施部分)、事故信息(例如来自物体检测单元16)以及车道封闭信息(例如来自其他车辆传感器20的转向柱传感器、来自相机28、或者来自车辆到外部无线通信单元32 的车辆到基础设施部分)。这样的本地数据205可以上传到云服务器10，无需控制系统执行将数据分类为特定道路或车辆状况所必需的处理。这种处理可以替代地在云服务器10处执行。由于云服务器10具有可用于车辆群的对应信息，因此，可以针对路况进行更可靠和更精确的评估。
根据各种实施例，控制系统204配置为将本地数据205上传到云服务器10，所述本地数据包括车辆202的全球定位数据(例如GPS)以及从物体检测单元16、惯性测量单元18、车辆到外部无线通信单元32以及其他车辆传感器20获得的本地数据205、31。
在各种实施例中并且继续参考图1和图2，处理单元12配置为从云接口单元208接收远程数据207以及从传感器融合单元30和车辆感测模块 206中的至少一个接收本地数据205,31。处理单元12配置为处理远程数据 207和本地数据205(如下面结合图2和图3进一步描述的)，从而生成基于远程数据207和本地数据205命令响应性动作的至少一个控制命令13。车辆控制单元14配置为响应于控制命令，通过借助于至少一个控制指令 15控制至少一个车辆特征来采取适当动作。例如，车辆控制单元14可以向转向控制单元36、制动控制单元38、发动机动力控制单元190(用于控制车速)和驾驶员接口单元40中的至少一个输出控制指令15。
提供了与由车辆控制单元14和处理单元12执行的对远程数据207和本地数据205的任意数量的可能响应有关的一些示例。响应于来自物体检测单元16和/或车辆到外部无线通信单元32的本地数据205，针对制动控制单元38的指令15可以通过车辆制动器(未示出)执行车辆202的自动减速或停止，从而避免与诸如固定障碍物之类的障碍物发生碰撞，例如邻近道路、行人或另一辆车辆的基础设施。响应于关于拥堵、车道封闭、湿滑路面、坑洼和天气中的至少一个的远程数据，针对制动控制单元38和/ 或发动机动力控制单元190的指令15可以执行车辆202的自动减速。可以将控制指令15发送到转向控制单元36，以响应于来自物体检测单元的本地数据，通过自动转向致动器(未示出)执行车道变更或其他转向操作，从而可能避免发生碰撞。例如，可以将控制指令15发送到转向控制单元 36，从而响应于关于例如拥堵、车道封闭、坑洼和天气的远程数据来执行车道变更或其他转向操作。
另外地或替代地，对于针对远程数据207和本地数据205的转向和制动响应，驾驶员接口单元40可以向驾驶员发出与远程数据207和/或本地数据205有关的警报。例如，可以发出警报向驾驶员告知由物体检测单元 16检测到的至少一个近侧物体，可以基于远程数据207发出天气警报，可以基于远程数据207发出坑洼警报，可以基于远程数据207发出湿滑道路警报，可以基于远程数据207发出车道或道路封闭警报，可以发出拥堵警报，可以发出事故警报，等等。
在实施例中，远程数据207和本地数据205由处理单元12协同地处理，使得作为远程数据207的结果而采取的任何动作受到来自本地数据205 的输入的影响，反之亦然。例如，制动距离和转向反作用力受到恶劣天气条件和路面易滑性的影响。因此，在制定控制命令13或控制指令15时，将来自云接口单元208的关于天气和/或道路打滑的远程数据207考虑在内，以便为转向控制单元36设置适当的转向控制指令和/或为制动控制单元38设置适当的制动控制指令。此外，可以确定出转向控制单元36的任何转向指令和/或制动控制单元38的制动指令(这些指令是作为关于坑洼、车道封闭、拥堵等的远程数据207的结果而确定的)，以进一步将来自例如物体检测单元16和/或车辆到外部通信单元32的本地数据205考虑在内，确保指令避免车辆202与障碍物发生碰撞。
现在主要参考图2，但是也参考图2的系统，示出了数据流程图。车辆感测模块206产生由云接口单元208传输到云服务器10并且发送到处理单元12的本地数据205。云接口单元208通过蜂窝网络与云服务器10 进行通信。来自车辆感测模块206的本地数据205可以首先由传感器融合单元30进行融合，在这种情况下，融合本地数据31被传输到云服务器10，并且融合本地数据31被发送到处理单元12。
云服务器10从车辆群和其他外部数据源接收本地数据，并且确定远程数据207将经由其云接口单元208发送到车辆202。基于从车辆202上传的全球定位数据，已经传输的远程数据207将处于车辆202的相关地理范围内，如下面参照图4至图7进一步描述的。因此，远程数据207由云服务器10进行过滤，以确保相关信息提供给了控制系统204，由此降低带宽需求和车载处理需求。
处理单元12接收远程数据207和本地数据205,31，并且协同地处理这些数据以产生用于车辆控制单元14的控制命令13。此外，处理单元12 以取决于处理优先等级的速率来处理本地数据205和远程数据207。在一个实施例中，处理优先等级是基于风险评估和/或威胁紧迫性来确定的，如下面关于图3所描述的。基于控制指令13，车辆控制单元14向多个车辆控制致动器中的任何一个或多个发出控制指令15，所述车辆控制致动器诸如制动控制单元38、发动机动力控制单元190、转向控制单元36以及驾驶员接口单元40。
可以理解的是，由于进入的本地和远程数据是来自多个来源，因此车载控制系统204可能需要进行相当数量的数据处理。本公开提出了一种平台，该平台将接收到的远程数据207限制为相关的远程数据，并对处理频率进行控制以确保可行的控制系统204，同时还防止或保持功能上的任何最小损失。这些效果可以通过如下所述的多种方式来实现，包括远程数据 207的距离过滤、取决于与数据相关联的处理优先(风险)等级的更新频率控制、以及将来自云服务器10的远程数据207传输到与位置或移动性有关的车辆组。
在各种实施例中并且还参考图3，根据处理优先(确定的风险)等级对远程数据207和本地数据205进行分类。在实施例中，处理单元12配置为根据处理优先(风险)等级分类来改变来自车辆感测模块206和云接口单元208的本地数据205和远程数据207的处理频率。具体地，随着处理优先(风险)等级分类的增加，处理频率也会增大。可能至少存在有三个处理优先(风险)等级、至少四个处理优先(风险)等级、至少五个处理优先(风险)等级等。
在各种实施例中，本地数据205被分类为至少两个处理优先(风险) 等级，并且远程数据207被分类为至少两个另外的处理优先(风险)等级。为了生成至少一个控制命令13，每一个处理优先(风险)等级与处理单元对远程数据207和本地数据205进行处理的不同频率相关联。
在示例性实施例中，来自物体检测单元16的本地数据被分类在第一处理优先(风险)等级下。在一个示例中，物体检测单元16通常检测与车辆202相距大约50米或更近的距离处的物体。此外，来自车辆到外部无线通信单元32的本地数据205被分类在第二处理优先(风险)等级下。例如，车辆到外部无线通信单元32可以检测与车辆202相距250米或更近的距离处的物体。关于道路打滑的远程数据207可以被分类在第三处理优先(风险)等级下。对于至少当前使用的道路并且在车辆202的2km或更小的半径内，这种数据可以由云接口单元208接收。关于道路封闭、车道封闭和/或坑洼的远程数据207可以被分类在第四处理优先(风险)等级下。对于车辆202当前位置2km或更小的半径内的道路，这种远程数据可以由云接口单元208接收。关于交通拥堵的远程数据207可以被分类在第五处理优先(风险)等级下。对于车辆202当前位置5km的半径内的至少当前使用的道路，拥堵数据可以由云接口单元208接收。根据这种示例性实施例，远程数据207和本地数据205的处理频率从较高的处理优先(风险)第一等级降低到较低的处理优先(风险)第五等级，由此降低了处理需求，并使得功能损失(如果存在的话)降至最低。对于本领域的技术人员来说，将会理解的是，本文提出的功能和距离参数是作为一个示例而具有说明性的本质，并且其他变型也是适用的。
图3图示了根据数据项的风险分类以不同的更新频率来处理远程数据 207和本地数据205的示例性数据流程图。图3中所示的过程可以由处理单元12和/或云服务器10的各模块来实现。各模块可以通过存储器、计算机处理器和软件的组合来实现。
远程数据207和本地数据205经历优先等级(风险)分类过程40，此过程可以由处理单元12和云服务器10中的至少一个执行。例如，从物体检测单元16获得的本地数据205可以由处理单元12分类为处理优先(风险)一级数据。从车辆到外部无线通信单元32获得的本地数据205可以分类为处理优先(风险)二级数据44。可以为每个数据主题执行相应的处理优先(风险)分类过程。示例性的数据主题是以上描述的那些数据主题，包括选自以下的主题：检测到的物体(例如行人、交通管理标志、道路基础设施和其他车辆)、道路打滑、天气、交通拥堵、坑洼、车道封闭等。在另一个示例中，可以是从云服务器10获得的远程数据207的第n个数据主题可以被分类为处理优先(风险)n级数据46。
继续参照图3，处理优先(风险)一级数据42经受一级处理48，处理优先(风险)二级数据经历二级处理50，而处理优先(风险)n级数据经历n级处理52，从而产生相应的控制命令13。一级处理48比二级处理 50执行得更频繁，而二级处理比n级处理执行得更频繁。在较低处理优先 (风险)等级数字与较高处理优先(风险)相关联的关系中，处理频率与 1/n成比例。
回头参考图1，云服务器10可以配置为将远程数据207推送到云接口单元208，或者云接口单元208可以配置为从云服务器10拉取远程数据 207。除了根据处理优先(风险)分类以频率自适应方式来处理远程数据之外，从服务器10传输的远程数据207还在地理覆盖范围上受到限制，具体的限制方式根据数据主题发生变化。因此，远程数据207包括根据主题而覆盖不同距离的数据。这样，根据远程数据207的主题，由车载处理单元12来管理适当且可行量的远程数据207，这将在下面进一步详细解释。
在各种实施例中，远程数据207由云接口单元208接收，并且每一个数据项与数据主题相关联。示例性数据主题是道路打滑信息、坑洼信息、天气信息、道路事故信息、车道封闭信息、交通拥堵信息、道路封闭信息或其他固定的交通管理标志(如停车标志、限速等)。
在各种实施例中，由云接口单元208从云服务器接收到的远程数据207 至少部分地基于距车辆202的距离而进行过滤，其中基于距车辆202的不同距离，对不同的数据主题加以过滤。例如，云服务器10向云接口单元 208提供道路打滑数据，该数据被限制或过滤为覆盖距车辆202的500米 (例如)或更小的距离。经过过滤的道路打滑数据可以对应于在行进500 米(例如)的方向上沿着道路的选定点处的道路打滑数据、沿着当前在两个方向上的500米距离处使用的道路的选定点处的道路打滑数据、或者包括沿着车辆202的500米(例如)半径内的一些或所有道路的选定点。不同的数据主题可以与不同的距离过滤器相关联。例如，云服务器10将道路或车道封闭数据提供给云接口单元208，该数据被限制或过滤为包括距车辆202两公里或更近(例如)的不同距离的半径。可以提供距离车辆202 高达5公里的半径的拥堵信息，即另一数据主题。
图4示出了用于将远程数据207提供给云接口单元208的数据流程图的示例性实施例，该远程数据根据数据主题而基于不同的距离进行过滤。图4的过程可以由服务器处理单元130实现。如上所述，云服务器10配置为基于从车辆群接收到的数据来构建群数据库58。服务器10配置为整理从车辆群接收到的数据，并且对这样的数据进行处理以便确定出关于不同道路位置处的不同主题的可用远程数据。主题可以包括交通管理标志、道路打滑、道路封闭、车道封闭、坑洼、拥堵、平均速度、天气、事故等。
继续参考图4，云服务器10经由云接口单元208从车辆12接收全球位置数据(例如GPS)66，并且可以针对主题一(例如道路打滑)、主题二(例如坑洼)以及主题n(例如车道封闭)访问群数据库58中可用的远程数据。云服务器10利用基于距离的过滤过程一68、过程二70到过程n 72。基于距离的过滤过程68、70、72为每个主题(主题一、主题二到主题n)提供经过过滤的远程数据74、76、78，这些远程数据已经经过过滤，从而包括在距车辆202不同距离内的数据，这些数据根据主题通过车辆 GPS数据66是已知的。例如，基于距离的过滤器一68在距车辆202的第一半径内的选定位置处提供道路打滑数据。基于距离的过滤器二70在距车辆202的第二半径内的选定位置处提供坑洼数据。基于距离的过滤器n 在距车辆202的第三半径内提供车道封闭数据。云接口单元208接收作为上述远程数据207的一部分的针对每一个主题一、主题二和主题n的距离过滤远程数据74、76、78。
图5和图6图示了分区的示例性组织，使得可以向多个车辆发送相同的远程数据207，以有助于减少云服务器10的计算负荷。在图5的示例性组织中，服务器10具有静态分区架构，其中道路被划分为地理区域80、 82、84。每一个参与车辆将全球定位数据上传到服务器10，并且响应地接收为与每一个车辆的上传全球位置相对应的每一个区域80、82、84计算的远程数据包207。远程数据包可以包括如上关于图4所述的距离过滤数据。
在图6的示例性组织中，组86、88、90由云服务器10自适应地定义。具体地，除了全球位置数据之外，云服务器10还接收来自车辆的移动性数据，并且制定出具有类似地理位置和移动性数据的车辆组86、88、90。每个组中的车辆接收相同的远程数据包207，但是不同的组接收不同的远程数据包207。例如，车辆可以将速度作为移动性数据上传。云服务器10可以运行相关性算法，从而基于车辆群的相关位置和移动性数据来确定组 86、88、90以及这些组的标准。组86、88、90不必在彼此相同的地理范围上延伸，可以随时间流逝改变参与车辆的大小或数量，可以在参与车辆的数量方面彼此之间有所不同，甚至还可以在地理覆盖范围方面彼此重叠 (例如在多车道公路的情况下)。云服务器10可以运行组参与算法，而这种组参与算法基于相关移动性和全球定位数据不断地更新组的成员资格。
图7示出了根据将移动性数据考虑在内的自适应方案来定义组86、88、 90及其参与的数据流程图。图7的过程可以由云服务器10的服务器处理单元130实现。云服务器10从车辆群接收全球定位数据100和移动性数据102。云服务器执行组定义处理104，这种处理将车辆群的全球位置数据和移动性数据相关联，从而确定出组一的参与标准108、组二的参与标准110以及组n的参与标准112。执行组参与处理106，通过这种组参与处理，对全球定位数据100和位置数据102进行处理，从而基于参与标准108、 110、112将车辆群的每一个车辆作为其中一组的成员进行分配。组参与处理106实现了组一成员114、组二成员116和组n成员118的划分。云服务器10在过程126中为组1至组n中的每一个组确定不同的远程数据包，并且将远程数据207(以每个组的不同包的形式)以传输输出120、122、 124的方式传输到每一个组的成员。反复地执行组参与处理106和组定义处理104，以允许组参与和组定义适应群体道路行为，并且还允许组成员的持续更新。
图8示出了提供本文描述的方法150以及由本文描述的系统执行的过程的概览的流程图。将会理解的是，图8的方法能够由各模块执行，这些模块可以是计算机程序指令、存储器和位于云服务器10处、位于车辆202 处或在其间分布的处理器的组合。
在步骤130中，车辆202的控制系统204将本地数据205或融合本地数据31上传到云服务器10。另外，将与车辆202的地理位置有关的全球定位数据100上传到云服务器10。数据通过云接口单元208上传。
在步骤132中，服务器10将车辆202分配到组86、88、90中的一个组。具体地，服务器10将车辆202的全球定位数据100和本地数据205,31 的一部分(例如其移动性数据102)中的至少一个与各个组的标准108、110、 112进行比较，以便将车辆分配给组86、88、90中的一个组。步骤132可以根据结合图5、图6和图7所述的内容将车辆分配到各组。
在步骤134中，服务器10为组86、88、90中的每一个组确定远程数据207。远程数据207基于本地数据205确定，而本地数据是在与其他标准中的组的地理覆盖范围相对应的位置处从车辆群获得。远程数据207可以与每个类别的远程数据207的主题相关联。例如，远程数据可以与指示远程数据207中每一个数据项的主题的标签相关联。远程数据207的主题可以包括交通管理标志、道路打滑、天气、坑洼、施工作业、车道封闭、拥堵、道路封闭等中的至少一个。远程数据207中的每一个数据项可以与对应的标签相关联。根据数据主题，服务器10基于分别对应于不同距离覆盖范围的不同距离滤波器68、70、72确定出群数据库58中有限量的可用远程数据，这已经结合图4进行了描述。
在步骤136中，服务器10将远程数据207传输到每一个组中的车辆，包括传输到如步骤132确定的其组86、88、90中的车辆202。经由控制系统204的云接口单元208接收远程数据207。
在步骤138中，车辆处理单元12根据处理优先(风险)等级对从车辆感测模块206接收到的本地数据205和从云接口单元208接收到的远程数据207进行排序，这已经结合图3进行了描述。处理单元12可以根据处理优先(风险)等级对本地数据205和远程数据207进行分类，其可以利用结合步骤134描述的相关联的数据主题。替代地，远程数据207可能已经通过云服务器10处的处理优先(风险)等级来进行分类。例如，云服务器10可以基于物体与车辆202之间的距离来对远程数据207加以分类。
在步骤140中，根据在步骤138中确定的处理优先(风险)等级，车辆处理单元12以更新频率来处理远程数据207和本地数据205。例如，本地数据205以比远程数据207更高的频率进行处理(即，相关联的处理算法以更高的速率重复)，这是因为远程数据207通常涉及较少的即时风险并且将相应地被分类。此外，可以将本地数据205分类为多个处理优先(风险)等级。在一个示例中，从物体检测单元16获得的本地数据205以比从车辆到外部无线通信单元32获得的本地数据205更高的更新速率进行处理。类似地，在示例性实施例中，远程数据207将被分类为多个处理优先(风险)等级，诸如，道路打滑数据被分类为比道路封闭数据更高的处理优先(风险)并且相应地将进行处理。
在步骤142中，步骤140的处理返回至少一个用于输出的控制命令13，此控制命令可以被发送到车辆控制单元14以进行动作。这样的控制命令 13可以包括自动制动控制、自动速度控制、自动转向控制、用户界面控制等中的至少一个。
在步骤144中，通过控制车辆12的至少一个特征(可选地借助于制动控制单元38、发动机动力控制单元190、转向控制单元36和/或驾驶员接口单元40)，执行来自步骤142的控制命令13。
虽然在前面的详细描述中已经呈现出了至少一个示例性实施例，但是应该认识到的是，仍存在有大量的变型。还应当认识到，该示例性实施例或多个示例性实施例仅作为示例，而不期望以任何方式限制本公开的范围、适用性或配置。相反，前面的详细描述将为本领域技术人员提供用于实现该示例性实施例或多个示例性实施例的便利指引。应该理解的是，在不脱离如所附权利要求及其合法等同物所阐述的本公开的范围的情况下，可以对元件的功能和布置做出各种改变。

Claims (10)

1.一种用于车辆的控制系统，包括：
车辆感测模块，其配置为提供本地数据；
云接口单元，其配置为提供从云服务器接收的远程数据，所述云服务器远离所述车辆并且处理来自除了所述车辆之外的源的数据；
处理单元，其配置为处理所述本地数据和所述远程数据并且基于其生成至少一个车辆控制命令；以及
车辆控制单元，其配置为基于所述至少一个车辆控制命令来控制至少一个车辆特征，
其中所述远程数据和所述本地数据与处理优先等级相关联，其中，第一优先等级与所述本地数据相关联，并且第二优先等级与所述远程数据相关联，并且所述处理单元配置为通过从所述第一优先等级至所述第二优先等级减小处理频率来改变所述远程数据和所述本地数据的处理频率。
2.根据权利要求1所述的控制系统，其中所述车辆感测模块包括物体检测单元，所述物体检测单元配置为检测位于所述车辆外部的至少一个物体并且基于其提供物体数据，其中所述本地数据包括所述物体数据。
3.根据权利要求1所述的控制系统，其中所述车辆感测模块包括配置为提供本地数据的车辆到外部装置无线通信单元。
4.根据权利要求1所述的控制系统，其中所述远程数据基于由所述云服务器获得的信息，所述信息来自其他车辆的群。
5.根据权利要求1所述的控制系统，其中所述云接口单元配置为将从所述车辆感测模块获得的本地数据上传到所述云服务器。
6.根据权利要求1所述的控制系统，其中所述车辆控制单元配置为基于所述至少一个车辆控制命令来控制转向控制单元、发动机动力控制单元、制动控制单元和驾驶员接口单元中的至少一个。
7.根据权利要求1所述的控制系统，其中所述本地数据包括多个数据主题，每个数据主题与相应的处理优先等级相关联，和/或所述远程数据包括多个数据主题，每个数据主题与相应的处理优先等级相关联。
8.根据权利要求1所述的控制系统，其中由所述云接口单元接收的所述远程数据与数据主题相关联，并且其中由所述云接口单元从所述云服务器接收的所述远程数据至少部分地基于距所述车辆的距离进行过滤，并且其中不同的数据主题基于距车辆的不同距离进行过滤。
9.一种车辆控制方法，包括：
经由车辆控制系统的至少一个车辆传感器接收本地数据；
经由所述车辆控制系统的云接口单元从云服务器接收远程数据，所述云服务器远离所述车辆并且处理来自除了所述车辆之外的源的数据；
经由所述车辆控制系统的处理单元处理所述本地数据和所述远程数据；
基于所述本地数据和所述远程数据的所述处理，控制至少一个响应性车辆特征，
其中所述远程数据和所述本地数据与处理优先等级相关联，其中，第一优先等级与所述本地数据相关联，并且第二优先等级与所述远程数据相关联，并且所述处理包括通过从所述第一优先等级至所述第二优先等级减小处理频率来改变所述远程数据和所述本地数据的处理频率。
10.一种用于在根据权利要求1所述的控制系统中将远程数据传输到车辆群的云服务器，包括：
第一模块，所述第一模块配置为至少基于从车辆接收到的位置数据将所述车辆分配给多个组；
第二模块，所述第二模块配置为为每个组确定不同的远程数据；以及
第三模块，所述第三模块配置为将所确定的远程数据传输到每个组内的车辆。
CN201810001048.2A 2017-01-12 2018-01-02 用于处理车辆中的本地数据和云数据的方法、系统以及云服务器 Active CN108322512B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/405,068 US10139834B2 (en) 2017-01-12 2017-01-12 Methods and systems for processing local and cloud data in a vehicle and a cloud server for transmitting cloud data to vehicles
US15/405068 2017-01-12

Publications (2)

Publication Number Publication Date
CN108322512A CN108322512A (zh) 2018-07-24
CN108322512B true CN108322512B (zh) 2021-03-02

Family

ID=62636646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810001048.2A Active CN108322512B (zh) 2017-01-12 2018-01-02 用于处理车辆中的本地数据和云数据的方法、系统以及云服务器

Country Status (3)

Country Link
US (1) US10139834B2 (zh)
CN (1) CN108322512B (zh)
DE (1) DE102018100112B4 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102494255B1 (ko) * 2016-01-04 2023-02-03 에이치엘만도 주식회사 조향 중재 장치 및 방법과, 그를 포함하는 조향 중재 시스템
US9953535B1 (en) * 2016-06-27 2018-04-24 Amazon Technologies, Inc. Annotated virtual track to inform autonomous vehicle control
US10567923B2 (en) * 2017-07-07 2020-02-18 Toyota Jidosha Kabushiki Kaisha Computation service for mobile nodes in a roadway environment
US10635099B2 (en) * 2017-08-21 2020-04-28 Verizon Patent And Licensing Inc. Multicast transmission of service area information associated with a vehicle network
US10576986B2 (en) * 2017-12-19 2020-03-03 Intel Corporation Road surface friction based predictive driving for computer assisted or autonomous driving vehicles
US20190248364A1 (en) * 2018-02-12 2019-08-15 GM Global Technology Operations LLC Methods and systems for road hazard detection and localization
US10893448B2 (en) * 2018-06-01 2021-01-12 Verizon Patent And Licensing Inc. Method and system for anchor cell reselection with multi-rat dual-connectivity
CN109143215A (zh) * 2018-08-28 2019-01-04 重庆邮电大学 一种基于双目视觉与v2x通信的协同预警设备与方法
US10940851B2 (en) * 2018-12-12 2021-03-09 Waymo Llc Determining wheel slippage on self driving vehicle
JP2020095565A (ja) * 2018-12-14 2020-06-18 トヨタ自動車株式会社 情報処理システム、プログラム、及び情報処理方法
WO2020133208A1 (zh) * 2018-12-28 2020-07-02 驭势科技（北京）有限公司 一种自动驾驶车辆的控制方法和自动驾驶系统
CN111385340B (zh) 2018-12-29 2021-09-24 北京航迹科技有限公司 数据处理方法和系统
JP6892474B2 (ja) * 2019-03-26 2021-06-23 本田技研工業株式会社 通信システム
EP3720098B1 (en) * 2019-04-02 2023-10-11 The Raymond Corporation Systems and methods for an arbitration controller to arbitrate multiple automation requests on a warehouse material handling vehicle
DE102019003585A1 (de) 2019-05-21 2020-01-02 Daimler Ag Bremssystem und Verfahren zur Steuerung eines Bremssystems
DE102019214433A1 (de) * 2019-09-23 2021-03-25 Robert Bosch Gmbh Verfahren zum Fernsteuern eines Kraftfahrzeugs
US11171811B2 (en) * 2019-10-03 2021-11-09 Ford Global Technologies, Llc Vehicle data transfer queueing
TWI743589B (zh) * 2019-11-11 2021-10-21 啓碁科技股份有限公司 用於車聯網通訊的方法、行動裝置及系統
CN113022540B (zh) * 2020-04-17 2022-11-15 青岛慧拓智能机器有限公司 一种用于多车状态监控的实时远程驾驶系统及方法
US11958422B2 (en) * 2021-02-01 2024-04-16 T-Mobile Usa, Inc. Road condition reporter
DE102021205283A1 (de) 2021-05-25 2022-12-01 Zf Friedrichshafen Ag Steuerung eines Kraftfahrzeugs
US20230024419A1 (en) * 2021-07-23 2023-01-26 GM Global Technology Operations LLC System and method for dynamically configurable remote data collection from a vehicle
DE102021209204A1 (de) 2021-08-23 2023-02-23 Zf Friedrichshafen Ag Fahrzeugsystem zur Generierung von Betriebsparametern zur Steuerung eines Fahrzeugs und Verfahren
US12039862B2 (en) 2022-01-13 2024-07-16 GM Global Technology Operations LLC System and process for mitigating road network congestion
US11893882B2 (en) 2022-01-13 2024-02-06 GM Global Technology Operations LLC System and process for determining recurring and non-recurring road congestion to mitigate the same
US20240046783A1 (en) * 2022-08-03 2024-02-08 Qualcomm Incorporated Filtering v2x sensor data messages

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102547612A (zh) * 2010-12-21 2012-07-04 通用汽车环球科技运作有限责任公司 使用多无线电远程信息处理装置的信息收集系统
CN105468354A (zh) * 2014-08-08 2016-04-06 通用汽车环球科技运作有限责任公司 移动设备与车辆间的传感器合成和仲裁的方法及装置
CN106027590A (zh) * 2015-03-26 2016-10-12 通用汽车环球科技运作有限责任公司 用于车辆的遥感传感器数据

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6400996B1 (en) * 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
US20110130905A1 (en) * 2009-12-01 2011-06-02 Ise Corporation Remote Vehicle Monitoring and Diagnostic System and Method
US20130201316A1 (en) * 2012-01-09 2013-08-08 May Patents Ltd. System and method for server based control
US20130278441A1 (en) * 2012-04-24 2013-10-24 Zetta Research and Development, LLC - ForC Series Vehicle proxying
DE102013205392A1 (de) 2013-03-27 2014-10-02 Bayerische Motoren Werke Aktiengesellschaft Backend für Fahrerassistenzsysteme
US20140303806A1 (en) 2013-04-04 2014-10-09 GM Global Technology Operations LLC Apparatus and methods for providing tailored information to vehicle users based on vehicle community input
US9187099B2 (en) 2013-10-17 2015-11-17 Richard M. Powers Systems and methods for predicting weather performance for a vehicle
US9231998B2 (en) 2014-01-22 2016-01-05 Ford Global Technologies, Llc Vehicle-specific computation management system for cloud computing
US9830396B2 (en) 2014-11-03 2017-11-28 GM Global Technology Operations LLC Method and apparatus of adaptive sampling for vehicular crowd sensing applications
US9475500B2 (en) 2014-11-12 2016-10-25 GM Global Technology Operations LLC Use of participative sensing systems to enable enhanced road friction estimation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102547612A (zh) * 2010-12-21 2012-07-04 通用汽车环球科技运作有限责任公司 使用多无线电远程信息处理装置的信息收集系统
CN105468354A (zh) * 2014-08-08 2016-04-06 通用汽车环球科技运作有限责任公司 移动设备与车辆间的传感器合成和仲裁的方法及装置
CN106027590A (zh) * 2015-03-26 2016-10-12 通用汽车环球科技运作有限责任公司 用于车辆的遥感传感器数据

Also Published As

Publication number Publication date
DE102018100112B4 (de) 2021-10-14
DE102018100112A1 (de) 2018-07-12
US10139834B2 (en) 2018-11-27
US20180196443A1 (en) 2018-07-12
CN108322512A (zh) 2018-07-24

Similar Documents

Publication Publication Date Title
CN108322512B (zh) 用于处理车辆中的本地数据和云数据的方法、系统以及云服务器
US20230056023A1 (en) Vehicle-road driving intelligence allocation
US20200216064A1 (en) Classifying perceived objects based on activity
US11814046B2 (en) Estimating speed profiles
CN110738870B (zh) 用于避免碰撞路线的系统和方法
US20220198842A1 (en) Predictive analytics for vehicle health
US11529955B2 (en) Traffic light estimation
JP2022041923A (ja) 接続されたデータ分析プラットフォームを用いた車両経路指定
CN110895877A (zh) 一种车路驾驶任务智能化分配系统和方法
EP3732541B1 (en) Method for controlling a vehicle and corresponding system and non-transitory computer-readable medium
CN111464972A (zh) 经优先级排序的车辆消息传递
GB2601060A (en) Estimating speed profiles
US20220289198A1 (en) Automated emergency braking system
CN117083575A (zh) 轨迹检查器
US20220063667A1 (en) Conditional motion predictions
US11024175B2 (en) Adaptive vehicle-infrastructure communications
CN116034359A (zh) 用于以至少两个互不依赖的成像环境检测传感器来进行环境检测的方法、用于执行该方法的设备、车辆以及对应设计的计算机程序
CN117320935A (zh) 制动仲裁
KR102562381B1 (ko) 차량 호라이즌에서 오브젝트를 컨텍스트화 하기 위한 시스템 및 방법
CN114283593A (zh) 作为交通信号灯相位定时有效性的感测平台的交通工具
CN116255973A (zh) 车辆定位
US20230079116A1 (en) Adaptive communication for a vehicle in a communication network
WO2021229671A1 (ja) 走行支援装置および走行支援方法
US12067872B2 (en) Vehicular ad-hoc network manager
US12123729B2 (en) Precautionary observation zone for vehicle routing

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