CN109835347A - 活动的交通参与者 - Google Patents

Abstract

提供了用于评估主车辆附近的目标车辆的系统和方法。在某个实施例中，该方法包括标识主车辆附近的目标车辆；从主车辆上的一个或多个传感器获得与目标车辆的一个或多个特性有关的传感器数据；以及通过使用传感器数据作为用于动态贝叶斯网络的输入，经由动态贝叶斯网络来评估目标车辆的状态。

Description

活动的交通参与者

技术领域

本公开总体涉及车辆，并且更具体地涉及用于车辆评估其附近的其他车辆的系统和方法。

背景技术

自主车辆是能够感测其环境并且在很少或没有用户输入的情况下导航的车辆。这通过使用比如雷达、激光雷达、图像传感器等的传感装置来实现。自主车辆还使用来自全球定位系统(GPS)技术、导航系统、车对车通信、车对基础设施技术和/或线控驾驶系统的信息来导航车辆。

虽然自主车辆提供了超越传统车辆的许多潜在优点，但在某些情况下，可能需要例如响应于另一车辆来改进自主车辆的移动。

因此，期望提供用于比如自主车辆的车辆的操作的系统和方法，包括与其附近的一个或多个其他车辆有关的评估。从随后结合附图的详细说明和所附权利要求以及前面技术领域和背景技术，本公开的其他期望的特征和特性将变得明显。

发明内容

根据示例性实施例，提供了一种用于评估主车辆附近的目标车辆的方法。在某些实施例中，该方法包括(i)标识主车辆附近的目标车辆；(ii)从主车辆上的一个或多个传感器获得与目标车辆的一个或多个特性有关的传感器数据；以及(iii)通过使用传感器数据作为用于动态贝叶斯网络的输入，经由处理器、经由动态贝叶斯网络来评估目标车辆的状态。

同样在某些实施例中，评估目标车辆的状态的步骤包括通过使用动态贝叶斯网络中的传感器数据，基于动态贝叶斯网络来评估目标车辆的状态为活动或不活动，其中状态目标车辆的特征在于：(i)如果目标车辆试图行驶到某个位置，则是活动的；以及(ii)如果目标车辆没有试图行驶到某个位置，则是不活动的。

同样在某些实施例中，每个步骤作为自主车辆的操作的一部分来执行。

同样在某些实施例中，评估目标车辆的状态的步骤包括通过使用传感器数据作为用于动态贝叶斯网络的输入，经由处理器、经由动态贝叶斯网络来评估目标车辆的状态，该动态贝叶斯网络包括多个感知节点、多个动态节点、多个中间节点和表示目标车辆的状态的活动节点。

同样在某些实施例中，评估目标车辆的状态的步骤包括：(i)生成与用于传感器数据的观察值有关的感知节点的感知值；(ii)确定每个节点的分布，每个相应节点的分布包括用于相应节点的一个或多个条件概率，该相应节点与同传感器数据有关的动态贝叶斯网络的一个或多个其他节点相关；以及(iii)使用感知值和分布来评估目标车辆的状态。

同样在某些实施例中，基于经由主车辆的一个或多个传感器提供的一个或多个概率测量来生成感知值。

同样在某些实施例中，评估目标车辆的步骤还包括：(i)至少部分地基于相应的先前动态值和相应的感知值来分配当前动态值；(ii)其中确定分布的步骤包括，针对至少一些节点，还至少部分地基于当前动态值来确定分布。

在其他示例性实施例中，提供了一种用于评估主车辆附近的目标车辆的系统。在某些实施例中，该系统包括检测模块和处理器。检测模块被配置为至少有助于：(i)检测主车辆附近的目标车辆；以及(ii)从主车辆上的一个或多个传感器获得与目标车辆的一个或多个特性有关的传感器数据；处理模块联接到检测模块并且被配置为通过使用作为用于动态贝叶斯网络的输入的传感器数据由处理器经由动态贝叶斯网络至少有助于评估目标车辆的状态。

同样在某些实施例中，处理模块被配置为通过使用传感器数据和动态贝叶斯网络来至少有助于表征目标车辆的状态，如下：(i)如果目标车辆试图行驶到某个位置，则是活动的；以及(ii)如果目标车辆没有试图行驶到某个位置，则是不活动的。

同样在某些实施例中，该系统被实现为自主车辆的一部分。

同样在某些实施例中，动态贝叶斯网络包括多个感知节点、多个动态节点、多个中间节点，以及表示目标车辆的状态的活动节点。

同样在某些实施例中，处理模块被配置为至少有助于：(i)生成与用于传感器数据的观察值有关的感知节点的感知值；(ii)确定每个节点的分布，每个相应节点的分布包括用于相应节点的一个或多个条件概率，该相应节点与同传感器数据有关的动态贝叶斯网络的一个或多个其他节点相关；以及(iii)使用感知值和分布来评估目标车辆的状态。

同样在某些实施例中，处理模块被配置为基于经由主车辆的一个或多个传感器提供的一个或多个概率测量来至少有助于生成感知值。

同样在某些实施例中，处理模块被配置为至少有助于：(i)至少部分地基于相应的先前动态值和相应的感知值来分配当前动态值；以及(ii)至少部分地基于当前动态值来确定至少一个节点的分布。

在其他示例性实施例中，提供了一种自主车辆。在某些实施例中，自主车辆包括自主驾驶系统；多个传感器；和处理器。自主驾驶系统被配置为基于至少部分地基于自主车辆附近的目标车辆的状态的指令来操作自主车辆。多个传感器被配置为获得与自主车辆附近的目标车辆的一个或多个特性有关的传感器数据。处理器联接到多个传感器和自主驾驶系统，并且被配置为至少有助于：(i)通过使用传感器数据作为用于动态贝叶斯网络的输入，经由动态贝叶斯网络来评估目标车辆的状态；以及(ii)至少部分地基于目标车辆的评估状态向自主驾驶系统提供指令。

同样在某个实施例中，处理器被配置为通过使用传感器数据和动态贝叶斯网络来至少有助于表征目标车辆的状态，如下：(i)

如果目标车辆试图行驶到某个位置，则是活动的；以及(ii)如果目标车辆没有试图行驶到某个位置，则是不活动的。

同样在某个实施例中，动态贝叶斯网络包括多个感知节点、多个动态节点、多个中间节点，以及表示目标车辆的状态的活动节点。

同样在某个实施例中，处理器被配置为至少有助于：(i)生成用于与传感器数据的观察值有关的感知节点的感知值；(ii)确定每个节点的分布，每个相应节点的分布包括用于相应节点的一个或多个条件概率，该相应节点与同传感器数据有关的动态贝叶斯网络的一个或多个其他节点相关；以及(iii)使用感知值和分布来评估目标车辆的状态。

同样在某个实施例中，其中处理器被配置为基于经由主车辆的一个或多个传感器提供的一个或多个概率测量来至少有助于生成感知值。

同样在某个实施例中，处理器被配置为至少有助于：至少部分地基于相应的先前动态值和相应的感知值来分配当前动态值；并且至少部分地基于当前动态值确定至少一个节点的分布。

附图说明

以下将结合以下附图来描述示例性实施例，其中相同的数字表示相同的元件，并且其中：

图1是示出根据各种实施例的具有目标评估系统的车辆的功能框图；

图2是示出根据各种实施例的具有如图1所示的一个或多个车辆的运输系统的功能框图；

图3是示出根据各种实施例的具有与图1的车辆相关联的目标评估系统的自主驾驶系统(ADS)的功能框图；

图4是示出根据各种实施例的目标评估系统的功能框图；

图5是根据示例性实施例的车辆10在靠近目标车辆的道路上的示意图；

图6是根据各种实施例的用于评估目标车辆的车辆的控制过程的流程图。

图7是根据各种实施例的可以结合图6的控制过程和图1-5的车辆和系统实现的贝叶斯流程图。

具体实施方式

以下详细描述本质上仅是示例性的，并不旨在限制应用和用途。此外，无意受前述技术领域、背景技术、发明内容或以下具体实施方式中提出的任何明示或暗示的理论的约束。如本文所使用的，术语“模块”是指任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置，单独地或以任何组合，包括但不限于：专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、处理器(共享、专用或组)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/或提供所描述的功能的其他合适部件。

可以在功能和/或逻辑块部件和各种处理步骤方面描述本公开的实施例。应该意识到，可通过被配置来执行特定功能的任意数量的硬件、软件和/或固件来实现这些块部件。例如，本公开的实施例可以采用各种集成电路部件，例如，存储器元件、数字信号处理元件、逻辑元件、查找表等，其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功能。另外，本领域技术人员将理解，本公开的实施例可以结合任何数量的系统来实践，并且本文描述的系统仅仅是本公开的示例性实施例。

为简洁起见，可能未在本文详细描述与信号处理、数据传输、信令、控制、机器学习、图像分析和系统的其他功能方面(以及系统的各个操作部件)有关的传统技术。此外，本文包含的各种图中所示的连接线旨在表示各种元件之间的示例性功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。

参考图1，根据各种实施例，总体上示为100的目标评估系统与车辆10(在本文中也称为“主车辆”)相关联。通常，目标评估系统(或简称“系统”)100提供在车辆10附近检测到的目标车辆的评估(例如，关于目标车辆是否是活动的)，用于基于评估协调来自车辆10的适当响应。例如，在各种实施例中，车辆10可以基于目标车辆是否是活动的(例如，如果目标车辆当前正在被驾驶、正在交通灯处等待、在交通中等)或者是不活动的(例如，当目标车辆停在路边或停车场、在公共汽车站等候、停下来进行运送、双停等时)而不同地改变其路径。

在各种实施例中，如在整个申请中所使用的，除非另有说明，否则如果目标车辆被认为是“活动的交通参与者”(ATP)，则目标车辆是“活动的”。在各种实施例中，目标车辆(例如，图5的车辆510和/或512，下面进一步讨论)可以是活动的，而不管目标车辆是否是完全自主车辆、部分自主车辆和/或传统(例如，非自主)车辆。同样在各种实施例中，如果确定目标车辆参与交通，则认为目标车辆是活动的，并且如果确定目标车辆不参与交通，则认为目标车辆是不活动的。

在某些实施例中，如果目标车辆正在移动，则认为目标车辆参与交通。同样在某些实施例中，如果目标车辆停止，则目标车辆也被认为参与交通，但是如果目标车辆具有移动自由，则确定目标车辆将移动，比如如果目标车辆不具有用于防止或禁止目标车辆在目标车辆的预定行驶路径上的即时移动的目标(例如，其他车辆、行人等)和/或其他条件(例如，红灯、停车标志等)。相反，在某些实施例中，如果目标车辆停止，则认为目标车辆不参与交通，并且已经确定即使目标车辆具有这种移动自由，目标车辆仍然不会移动，然后确定目标车辆是不活动的。换句话说，在各种实施例中，如果目标车辆停止并且当前不会移动，则目标车辆被认为不参与交通，而无论目标车辆是否具有移动自由，例如无论是否存在防止或禁止目标车辆在预定行驶路径中移动的目标或条件。

在某些实施例中，如果确定目标车辆当前正在移动或者可能在预定时间量内(例如，在某些实施例中，在几秒内或者在几分钟内)移动，则认为目标车辆参与交通。相反，在某些实施例中，如果确定目标车辆当前没有移动并且不可能在预定时间量内(例如，在某些实施例中，在几秒内或者在几分钟内)移动，则认为目标车辆不参与交通。

例如，在某些实施例中，如果目标车辆当前正在移动，或者如果目标车辆在其移动之前仅等待道路相关状况(例如，等待停车灯变成绿色、等待在停车标志处停下来、等待警车、救护车、消防车等开走、等待一辆或多辆其他车辆和/或目标移开目标车辆的预定路径等)，则确定目标车辆参与交通。相反，在某些实施例中，如果目标车辆没有移动，则目标车辆被确定为不参与交通，并且目标车辆在其移动之前正在等待一个或多个非道路相关状况(例如，等待运送、等待乘客上下公共汽车、等待驾驶员或乘客返回目标车辆等)。

在某些实施例中，一旦道路状况允许(例如，一旦另一车辆或其他目标移动到目标车辆的预定行驶路径之外、一旦红灯交通信号变为绿色，和/或一旦目标车辆在停车标志处完成停车等)，如果确定目标车辆(和/或其驾驶员或其他操作者)意图要移动并且参与交通，则认为目标车辆参与交通。相反，在某些实施例中，无论这种道路情况是否允许，如果确定目标车辆(和/或其驾驶员或其他操作者)意图要保持停止并且不参与交通持续至少预定的时间量(例如，在某些实施例中，超过几分钟或更长)，则认为目标车辆不参与交通。

在某些实施例中，可以基于与目标车辆有关的多个观察到的特性来确定目标车辆(和/或其操作员)的意图。例如，在某些实施例中，可以基于目标车辆前方的先导车辆的观察到的特性(例如，移动或不移动)来确定目标车辆(和/或其操作者)的意图；用于目标车辆的闪光灯和/或其他转向信号指示器的操作；由目标车辆表示的一种车辆(例如，目标车辆是否是公共汽车、运载工具等)，目标车辆当前是否正在移动；关于目标车辆行驶的交叉路口或道路的信息(例如，是否存在停车标志或交通灯、紧急车辆是否在附近行驶、或者是否存在观察到的交通堵塞，如果是，交通堵塞是否可以通行等)；以及除了目标车辆、其他附近车辆和/或目标车辆正在行驶的道路的其他可能的特性之外，还有目标车辆的车道位置(并且包括例如目标车辆是否被牵拉、或者目标车辆是否处于转弯车道等待转弯、或者目标车辆是否处于装载区域或标记的停车场等)。同样在各种实施例中，可以通过使用来自传感器系统28的一个或多个传感器40a-40n的传感器数据来确定这样的特性，作为示例，该传感器包括一个或多个雷达、激光雷达、全球定位系统、光学相机、热像仪、超声波传感器、惯性测量单元和/或其他传感器。

如图1所示，车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上并且基本上包围车辆10的部件。车身14和底盘12可共同形成框架。车轮16-18各自在车身14的相应拐角附近可旋转地联接到底盘12。在各种实施例中，车轮16、18包括车轮组件，该车轮组件还包括相应的相关联的轮胎。

在各种实施例中，车辆10是自主车辆，并且目标评估系统100和/或其部件结合到车辆10中。车辆10例如是自主控制以将乘客从一个位置运送到另一个位置的车辆。在所示实施例中，车辆10被描绘为乘用车，但是应当理解的是，任何其他车辆，包括摩托车、卡车、运动型多用途车(SUV)、休闲车(RV)、船舶、飞机等也可以使用。

在示例性实施例中，车辆10对应于汽车工程师协会(SAE)“J3016”自主驾驶级别标准分类法下的四级或五级自主化系统。使用该术语，四级系统表示“高度自主化”，指的是其中自主驾驶系统执行动态驾驶任务的所有方面的驾驶模式，即使人类驾驶员没有对干预请求做出适当响应。另一方面，五级系统表示“完全自主化”，指的是其中自主驾驶系统在可由人类驾驶员管理的所有道路和环境条件下执行动态驾驶任务的所有方面的驾驶模式。然而，应当理解，根据本主题的实施例不限于任何特定的分类法或自主化类别的标题。此外，根据本实施例的系统可以与包括传感器和悬架系统的任何自主、非自主或其他车辆结合使用。

如图所示，车辆10通常包括推进系统20、传动系统22、转向系统24、制动系统26、一个或多个用户输入装置27、传感器系统28、致动器系统30、至少一个数据存储装置32、至少一个控制器34和通信系统36。在各种实施例中，推进系统20可包括内燃发动机，比如牵引电动机的电机，和/或燃料电池推进系统。传动系统22配置为根据可选择的速比将动力从推进系统20传递到车轮16和18。根据各种实施例，传动系统22可包括步进比自主变速器、无级变速器或其他合适的变速器。

制动系统26配置为向车轮16和18提供制动扭矩。在各种实施例中，制动系统26可包括摩擦制动器、线控制动器、再生制动系统，比如电机，和/或其他合适的制动系统。

转向系统24影响车轮16和/或18的位置。尽管被描绘为包括用于说明目的的方向盘，但是在本公开的范围内预期的一些实施例中，转向系统24可以不包括方向盘。

在各种实施例中，一个或多个用户输入装置27接收来自车辆10的一个或多个乘客的输入。在各种实施例中，输入包括车辆10的期望行驶目的地。另外，在某些实施例中，输入还可以包括来自乘客的关于在车辆和/或其周围环境(例如，除其他可能的信息外，车辆的类型、目标车辆是否正在移动、目标车辆的制动器的使用、闪光灯的使用、危险警告灯、转向指示器或其他信号、目标车辆的车道位置、靠近目标车辆的交通路口和/或目标车辆前面的一个或多个其他车辆)附近的另一车辆(在此称为目标车辆)的一个或多个特性的标识的信息。在某些实施例中，一个或多个输入装置27包括车辆10中的交互式触摸屏。在某些实施例中，一个或多个输入装置27包括用于从乘客接收音频信息的扬声器。在某些其他实施例中，一个或多个输入装置27可以包括一个或多个其他类型的装置和/或可以联接到乘客的用户装置(例如，智能电话和/或其他电子装置)，比如图2中描述的和下面结合图2进一步描述的用户装置54。

传感器系统28包括感测车辆10的外部环境和/或内部环境的可观察状况的一个或多个传感器40a-40n。传感器40a-40n包括但不限于雷达、激光雷达、全球定位系统、光学相机、热相机、超声波传感器、惯性测量单元和/或其他传感器。

致动器系统30包括一个或多个致动器42a-42n，其控制一个或多个车辆特征，比如但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各种实施例中，车辆10还可包括图1中未示出的内部和/或外部车辆特征，比如各种门、行李箱和比如空气、音乐、照明、触摸屏显示部件(比如与导航系统结合使用的那些)之类的舱室特征部等。

数据存储装置32存储用于自主控制车辆10的数据。在各种实施例中，数据存储装置32存储可导航环境的定义的地图。在各种实施例中，所定义的地图可以由远程系统预定义并从远程系统获得(关于图2进一步详细描述)。例如，所定义的地图可以由远程系统组装并且以无线方式和/或以有线方式传送到车辆10并存储在数据存储装置32中。路线信息也可以存储在数据存储装置32中-即，一起定义用户可以从起始位置(例如，用户的当前位置)行驶到目标位置的路线一组路段(在地理上与一个或多个所定义的地图相关联)。可以理解，数据存储装置32可以是控制器34的一部分、与控制器34分开，或者是控制器34的一部分和独立系统的一部分。

控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可以是任何定制的或商业上可用的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、其任何组合或通常用于执行指令的任何装置。计算机可读存储装置或介质46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是可用于在处理器44断电时存储各种操作变量的持久性或非易失性存储器。计算机可读存储装置或介质46可以通过使用许多已知存储器装置中的任何一种来实现，比如PROM(可编程只读存储器)、EPROM(电子PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的其他电、磁、光或组合存储器件的任何存储器装置，其中一些代表可执行指令，由控制器34用于控制车辆10。

指令可以包括一个或多个独立的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器44执行时，指令接收并处理来自传感器系统28的信号、执行用于自主控制车辆10的部件的逻辑、计算、方法和/或算法，并产生传输到致动器系统30以基于逻辑、计算、方法和/或算法来自主控制车辆10的部件的控制信号。尽管图1中仅示出了一个控制器34，车辆10的实施例可包括任何数量的控制器34，该控制器34通过任何合适的通信介质或通信介质的组合进行通信，并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法，并生成控制信号以自主控制车辆10的特征部。

通信系统36被配置为向其他实体48无线地传送信息或从其接收信息，该实体48比如但不限于其他车辆(“V2V”通信)、基础设施(“V2I”通信)、远程运输系统和/或用户装置(关于图2更详细地描述)。在示例性实施例中，通信系统36是被配置为使用IEEE802.11标准或通过使用蜂窝数据通信经由无线局域网(WLAN)进行通信的无线通信系统。然而，比如专用短程通信(DSRC)信道的附加或替代通信方法也被认为在本公开的范围内。DSRC信道是指专为汽车应用以及相应的协议和标准集而设计的单向或双向短程到中程无线通信信道。

在某些实施例中，通信系统36还被配置用于传感器系统28、输入装置27、致动器系统30、一个或多个控制器(例如，控制器34)和/或更多其他系统和/或装置(比如，作为示例，图2中描绘的并且在下面结合其进一步描述的用户装置54)之间的通信。例如，通信系统36可以包括控制器区域网络(CAN)总线和/或传感器系统28、致动器系统30、一个或多个控制器34和/或一个或多个其他系统和/或装置之间的直接布线的任何组合。在各种实施例中，通信系统36可包括一个或多个用于与车辆10的一个或多个装置和/或系统、乘客的装置(例如，图2的用户装置54)和/或一个或多个远程信息源(例如，GPS数据、交通信息、天气信息等)通信的收发器。

现在参考图2，在各种实施例中，关于图1描述的车辆10可以适用于特定地理区域(例如，城市、学校或商业园区、购物中心、游乐园、活动中心等)中的出租车或穿梭系统的环境，或者可以只需由远程系统管理。例如，车辆10可以与基于自主车辆的远程运输系统相关联。图2示出了总体上以50示出的操作环境的示例性实施例，其包括与如关于图1所描述的一个或多个车辆10a-10n相关联的基于自主车辆的远程运输系统(或简称为“远程运输系统”)52。在各种实施例中，操作环境50(其全部或一部分可对应于图1中所示的实体48)还包括经由通信网络56与车辆10和/或远程运输系统52通信的一个或多个用户装置54。

通信网络56根据需要支持由操作环境50支持的装置、系统和部件之间的通信(例如，经由有形通信链路和/或无线通信链路)。例如，通信网络56可以包括无线载波系统60，比如蜂窝电话系统，其包括多个蜂窝塔(未示出)、一个或多个移动交换中心(MSC)(未示出)以及将无线载波系统60与陆地通信系统连接所需的任何其他网络部件。每个小区塔包括发送和接收天线以及基站，来自不同小区塔的基站直接或通过比如基站控制器的中间设备连接到MSC。无线载波系统60可以实现任何合适的通信技术，包括例如数字技术，比如CDMA(例如，CDMA2000)、LTE(例如，4G LTE或5G LTE)、GSM/GPRS或其他当前或新兴的无线技术。其他蜂窝塔/基站/MSC布置是可能的，并且可以与无线载波系统60一起使用。例如，基站和蜂窝塔可以共同位于同一站点，或者它们可以彼此远程定位，每个基站可以负责单个蜂窝塔，或者单个基站可以服务于各个蜂窝塔，或者各种基站可以联接到单个MSC，这里仅举几个可能的布置。

除了包括无线载波系统60之外，可以包括卫星通信系统64形式的第二无线载波系统，以提供与车辆10a-10n的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路发送站(未示出)来完成。单向通信可以包括例如卫星无线电服务，其中发送站接收节目内容(新闻、音乐等)、打包以便上载，然后发送到卫星，卫星再将节目广播给订户。双向通信可以包括例如使用卫星在车辆10和站之间中继电话通信的卫星电话服务。除了无线载波系统60之外或代替无线载波系统60，可以使用卫星电话。

还可以包括陆地通信系统62，其是连接到一个或多个陆线电话并将无线载波系统60连接到远程传输系统52的传统陆基电信网络。例如，陆地通信系统62可以包括比如用于提供硬连线电话、分组交换数据通信和因特网基础设施的公共交换电话网(PSTN)。陆地通信系统62的一个或多个段可以通过使用标准有线网络、光纤或其他光网络、有线网络、电力线、比如无线局域网(WLAN)的其他无线网络或者提供宽带无线接入(BWA)的网络或其任何组合来实现。此外，远程传输系统52不需要经由陆地通信系统62连接，而是可以包括无线电话设备，使得其可以直接与无线网络(比如无线载波系统60)通信。

尽管图2中仅示出了一个用户装置54，操作环境50的实施例可以支持任何数量的用户装置54，包括由一个人拥有、操作或以其他方式使用的多个用户装置54。可以使用任何合适的硬件平台来实现由操作环境50支持的每个用户装置54。在这方面，用户装置54可以以任何常见的形状因素实现，包括但不限于：台式计算机；移动计算机(例如平板电脑、笔记本电脑或上网本电脑)；智能电话；视频游戏装置；数字媒体播放器；家庭娱乐设备的一个部件；数码相机或摄像机；可穿戴计算装置(例如，智能手表、智能眼镜、智能服装)；等。由操作环境50支持的每个用户装置54被实现为计算机实现的或基于计算机的装置，其具有执行本文描述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑。例如，用户装置54包括可编程装置形式的微处理器，其包括存储在内部存储器结构中并应用于接收二进制输入以创建二进制输出的一个或多个指令。在一些实施例中，用户装置54包括能够接收GPS卫星信号并基于那些信号生成GPS坐标的GPS模块。在其他实施例中，用户装置54包括蜂窝通信功能，使得装置通过使用一个或多个蜂窝通信协议在通信网络56上执行语音和/或数据通信，如本文所讨论的。在各种实施例中，用户装置54包括视觉显示器，比如触摸屏图形显示器或其他显示器。

远程传输系统52包括一个或多个后端服务器系统(未示出)，其可以是基于云的、基于网络的或驻留在由远程传输系统52服务的特定园区或地理位置处。远程运输系统52可以由现场顾问、自主化顾问、人工智能系统或其组合来管理。远程运输系统52可以与用户装置54和车辆10a-10n通信以安排乘坐、调度车辆10a-10n等。在各种实施例中，远程运输系统52存储商店账户信息，比如订户认证信息、车辆标识符、简档记录、生物特征数据、行为模式和其他相关订户信息。

根据典型的用例工作流程，远程运输系统52的注册用户可以经由用户装置54创建乘坐请求。乘坐请求通常将指示乘客的期望的接客地点(或当前GPS位置)、期望的目的地位置(其可以标识预定义的车辆停靠点和/或用户指定的乘客目的地)以及接客时间。远程运输系统52接收乘坐请求、处理该请求，并且派遣所选择的一个车辆10a-10n(当且如果一个可用时)以在指定的接客地点和合适的时间接载乘客。运输系统52还可以生成并发送适当配置的确认消息或通知给用户装置54，以使乘客知道车辆在路上。

如可以理解的，本文公开的主题为可以被视为标准或基线车辆10和/或基于车辆的远程运输系统52提供某些增强的特征和功能。为此，可以修改、增强或补充基于车辆和车辆的远程运输系统，以提供下面更详细描述的附加特征。

根据各种实施例，控制器34实现如图3所示的自主驾驶系统(ADS)。也就是说，控制器34的合适的软件和/或硬件部件(例如，处理器44和计算机可读存储装置46)用于提供与车辆10结合使用的ADS。

在各种实施例中，自主驾驶系统70的指令可以通过功能或系统来组织。例如，如图3所示，自主驾驶系统70可包括计算机视觉系统74、定位系统76、引导系统78和车辆控制系统80。如可以理解的，在各种实施例中，指令可以被组织成任何数量的系统(例如，组合、进一步划分等)，因为本公开不限于本示例。

在各种实施例中，计算机视觉系统74合成并处理传感器数据并预测车辆10的环境的对象和特征的存在、位置、分类和/或路径。在各种实施例中，计算机视觉系统74可以合并来自多个传感器的信息，包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型的传感器。

定位系统76处理传感器数据以及其他数据以确定相对于环境的车辆的位置(例如，相对于地图的本地位置、相对于道路的车道的精确位置、车辆航向、速度等)。引导系统78处理传感器数据以及其他数据以确定车辆10跟随的路径。车辆控制系统80根据确定的路径产生用于控制车辆10的控制信号。

在各种实施例中，控制器34实现机器学习技术以辅助控制器34的功能，比如特征检测/分类、障碍物减少、路线遍历、绘图、传感器集成、地面实况确定等。

在各种实施例中，如上面关于图1所讨论的那样，控制器34的一个或多个指令体现在目标评估系统100中，例如用于评估车辆10附近的目标车辆(例如，关于目标车辆是否是活动的)，并采取合适动作作为响应(例如，通过基于评估相应地改变车辆10的路径)。目标评估系统100的全部或部分可以体现在计算机视觉系统74和/或车辆控制系统80中，或者可以实现为独立的系统(称为目标评估系统400)，如图所示。

参考图4并继续参考图1，目标评估系统400通常包括检测模块410和处理模块420。在各种实施例中，检测模块410和处理模块420设置在车辆10上。如可以理解的，在各种实施例中，目标评估系统400的部分可以设置在远离车辆10的系统上，而目标评估系统400的其他部分可以设置在车辆10上。

在各种实施例中，检测模块410从车辆10的各种传感器40a-40n(例如，激光雷达传感器、雷达传感器、照相机等)接收传感器数据412。检测模块410收集传感器数据412，以便获得与车辆10附近的一个或多个目标车辆有关的信息，以及与目标车辆周围的环境有关的信息。在各种实施例中，传感器数据412经由图1的传感器40a-40n获得。在各种实施例中，除其它数据外，传感器数据412可以包括除了其他可能的信息外的用于目标车辆的一种类型的车辆以及关于目标车辆是否正在移动的信息、用于目标车辆的制动器的使用、用于目标车辆的信号(例如，闪光灯)的使用、目标车辆的车道位置、靠近目标车辆的交通路口，以及目标车辆前方的一个或多个其他车辆。在某些实施例中，检测模块410类似地获得作为数据412的一部分的其他数据，比如乘客输入(例如，关于期望目的地)和/或来自车辆10外部的源的远程数据(例如，来自GPS系统、交通提供者等)。在各种实施例中，检测模块410收集该信息并生成观察数据415作为检测模块410的输出，其被提供给下面描述的处理模块420。

处理模块420从检测模块410接收观察数据415、使用所接收的观察数据415进行关于目标车辆是活动还是不活动的分析，并生成涉及分析的适合于车辆10的操作的指令425。例如，在各种实施例中，处理模块420利用动态贝叶斯网络，该动态贝叶斯网络使用观察数据415作为用于确定目标车辆是否是活动的输入或感知。同样在各种实施例中，处理模块420基于目标车辆是否是活动的，以不同的方式来生成用于操作车辆10的指令425(例如，用于经由自主驾驶系统(比如，图3的ADS70和/或其部件)和/或车辆致动器(比如，致动器42a...42n)来实现)。例如，在某些实施例中，如果目标车辆是活动的(例如，如果目标车辆当前正在被驾驶，正在交通灯处等待)，则指令425可以用于车辆10保持当前行驶路径。并且如果目标车辆是不活动的(例如，当目标车辆停在路边或停车场、在公共汽车站等候、停下来进行运送、双停等时)，则改变当前路径以在目标车辆周围行驶。

现在转到图5，根据各种实施例，提供了在目标车辆510附近的特定环境中的自主车辆10的示意图。如图5中所示，在各种实施例中，车辆10在沿着道路500的当前车辆行驶期间操作。在所描绘的示例中，道路500包括两个车道502、504，其中车辆10当前在当前车道504中操作。还如图5中所示，在某些实施例中，目标车辆510至少部分地设置在与车辆10相同的车道504中，使得目标车辆510可能潜在地阻碍车辆10的路径。还如图5中所示，在各种实施例中，一个或多个另外的车辆(例如，在目标车辆510前面的先导车辆512)也可以沿着道路存在。还如图5中所示，在各种实施例中，目标车辆510还可以在交叉点514附近(例如，在某些示例中，包括交通灯516)，例如附加车道518、520的方向不同于(例如，在一个示例中垂直于)车道502、504。

如下面将关于图6的控制过程600更详细地阐述的，在各种实施例中，车辆10可以基于关于目标车辆510是否是活动的确定来不同地响应。例如，在各种实施例中，车辆10通过使用动态贝叶斯网络、使用与目标车辆510及其周围环境(例如，还涉及先导车辆512、交叉路口514等)有关的观察数据值来确定目标车辆510是否是活动的。同样在各种实施例中，除了其他可能的响应外，如果目标车辆510是不活动的，则车辆10可以改变其在目标车辆510周围的操纵路径，但是如果目标车辆510是活动的，则车辆10不可以改变其在目标车辆510周围的操纵路径。

参考图6，提供了用于控制过程600的流程图，该控制过程600用于评估车辆附近的目标车辆，并且用于基于评估作出合适的响应。根据各种实施例，控制过程600可以结合图1的目标评估系统100和车辆10、图2的运输系统52、图3的自动驾驶系统、图4的目标评估系统400、图5的实施方式根据各种实施例来实现。同样在各种实施例中，下面还结合图7中描述的动态贝叶斯动态网络700来描述控制过程600，并结合其进行进一步的描述。

在各种实施例中，控制过程600以及本申请中讨论的并且结合其实现的各种方法和系统使用贝叶斯动态网络。下面根据各种实施例详细讨论贝叶斯动态网络。应当理解，在某些其他实施例中，本申请中讨论的各种方法(包括控制过程600)和系统可以在任何数量的不同类型的分类系统中实现。例如，在某些实施例中，分类系统可包括任何数量的不同类型的数学分类系统和/或其组合，包括机器学习、森林树、模糊逻辑和/或一些其他不同类型的算法、网络、系统和/或技术，代替贝叶斯动态网络或作为对贝叶斯动态网络的补充。

如根据本公开可以理解的，控制过程600内的操作顺序不限于如图6所示的顺序执行，但可以根据可适用性并根据本公开以一个或多个变化的顺序执行。在各种实施例中，控制过程600可以被安排为基于一个或多个预定事件进行，和/或可以在车辆10的操作期间连续进行。

在各种实施例中，控制过程600可以在602处开始。在各种实施例中，当乘员在车辆10内并且车辆10以自主或非自主方式开始操作时，过程步骤602发生。

在604处获得乘客输入。在各种实施例中，乘客输入涉及经由车辆10行驶的期望目的地。在各种实施例中，用户输入可以经由车辆的输入装置(例如，对应于图1的输入装置27)和/或乘客装置(例如，图2的用户装置54)获得。同样在某些实施例中，乘客输入是经由图4的检测模块410获得的。

在606处获得传感器数据。在各种实施例中，从图1的各种传感器40a...40n获得传感器数据。例如，在各种实施例中，传感器数据从相机和/或其他视觉系统、激光雷达传感器、雷达传感器和/或图1的一个或多个其他传感器40a...40n获得。同样在各种实施例中，传感器数据可以涉及当车辆10沿着道路(例如，图5的道路500)行驶时与车辆10的周围环境有关的数据观察，包括关于可能接近该车辆10的其他车辆的信息以及关于周围道路、任何周围的交叉路口等的信息。同样在某些实施例中，经由图4的检测模块410获得606的传感器数据作为图4的传感器数据412，并且相应的输出作为观察数据415提供给处理模块420进行处理。

在608处获得地图数据。在各种实施例中，从存储器(比如图1的车辆10上的数据存储装置32和/或46)检索地图数据。在某些实施例中，可以从图2的基于自主车辆的远程运输系统52的路线数据库53中检索地图数据。同样在各种实施例中，地图数据包括关于车辆10附近和/或在从车辆10的当前到其目的地的路上(例如，根据乘客输入)的道路的地图和相关数据。同样在某些实施例中，经由图4的检测模块410获得地图数据。

在各种实施例中，在610处获得其他数据。在各种实施例中，从或利用一个或多个远程数据源经由图1的通信系统36(例如，从其收发器)在610处获得其他数据。作为示例，在某些实施例中，610的其他数据可以包括使用一个或多个GPS卫星的GPS数据，包括车辆10的当前位置；关于适用的交通流量和道路模式的数据、交通灯历史、附近静止车辆的移动历史、和/或天气、构造和/或来自一个或多个可能对目标车辆的分析有影响的数据远程源的其他数据。在各种实施例中，车辆10的乘客还可以例如经由图1的输入装置27和/或图2的用户装置54来提供关于附近车辆和/或其周围环境的信息。同样在某些实施例中，经由图4的检测模块410获得其他数据。

在612处规划并实现用于自主车辆的路径。在各种实施例中，经由图3的ADS70生成并实现用于图1的车辆10的路径以例如经由图1的处理器44提供的自主指令通过使用604的乘客输入和608的地图数据来到达所请求的目的地。在各种实施例中，612的路径包括预期有助于车辆10移动到预期目的地，同时最大化相关联的得分和/或期望标准(例如，最小化驾驶时间、最大化安全和舒适等)的车辆10的移动路径。应当理解，在各种实施例中，路径还可以包含其他数据，例如606的传感器数据和/或610的其他数据。同样在某些实施例中，经由图4的处理模块420(例如，经由图1的处理器44)来规划路径，并且通过使用由处理模块420(例如，经由处理器44)提供的指令来实现。

在614处确定车辆的当前位置。在各种实施例中，当前位置由图4的处理模块420(例如，通过使用图1的处理器44)通过使用从604、608、606和/或610获得的信息来确定。例如，在某些实施例中，使用GPS和/或其他定位系统来确定当前位置，和/或从这样的系统接收当前位置。在某些其他实施例中，可以使用来自车辆的其他传感器数据和/或经由车辆10的用户或乘客提供的输入来确定位置。

在616处对设置在车辆10附近的另一车辆进行标识。在各种实施例中，图1的处理器44标识了可能潜在地干扰车辆10沿其当前路径612的车辆(以下也称为“目标车辆”)的行驶。在各种实施例中，目标车辆包括停在车辆10内或与车辆10相同的路径(例如，图5的车道504)附近，和/或停在车辆10的当前路径内或附近(例如，在车辆10的当前路径的预定阈值距离和/或时间内，以便如果目标车辆保持停止并且车辆10将在不停止的情况下保持其当前路径，则可能接触到车辆10)的车辆(比如图5的目标车辆510)。在各种实施例中，通过使用来自606的来自检测模块410的观察数据415由图4的处理模块420(例如，经由图1的处理器44)标识616。

在各种实施例中，在618处获得用于动态贝叶斯网络的感知信息。在各种实施例中，感知信息涉及关于在车辆10(例如，在各种实施例中，图5的目标车辆510)附近检测到的目标车辆的数据观察，以及关于用于目标车辆的周围环境的观察到的信息。例如，在各种实施例中，感知信息包括关于目标车辆的类型、目标车辆的操作特性以及目标车辆附近的其他周围车辆、道路、交叉路口等的信息。同样在各种实施例中，从经由图1的检测模块410(例如，经由图1的传感器40a...40n)获得的606的传感器数据获得感知信息。

618的感知信息用于动态贝叶斯网络，比如图7中描绘的动态贝叶斯网络700。将在下面描述图7的动态贝叶斯网络700，以及继续参考图6的控制过程600的618和其他步骤。

参考图7，提供动态贝叶斯网络700以结合图6的控制过程600使用。如图7所示，动态贝叶斯网络700包括各种节点702-736。在各种实施例中，节点702-734用于确定目标车辆的活动状态736。另外，在各种实施例中，使用简单的概率规则，特别是总概率定律来即：p(A)＝p(A|B)p(B)+p(A|～B)p(～B)来更新节点702-736。

在各种实施例中，活动状态736指的是目标车辆(例如，图5的目标车辆510)是否是活动的。在各种实施例中，如果目标车辆主动地试图在某个地方行驶，则目标车辆被认为是“活动的”，例如，如果目标车辆当前正在被驾驶、正在交通灯处等待、在交通中等。同样在各种实施例中，如果目标车辆正在主动地试图在某个地方行驶(例如，如果目标车辆停在路边或停车场中、在公共汽车站等候、停下来进行运送、双停等)，则目标车辆被认为是“不活动的”。

在各种实施例中，基于观察到的数据和节点702-734之间的关系来确定活动状态736。例如，在各种实施例中，使用包括节点之间的条件概率的节点的相应分布来确定活动状态736。在各种实施例中，节点702-734包括感知节点702-714、动态节点716-724和中间节点726-734。

在各种实施例中，感知节点702-714(其也可以称为父节点或根节点)表示经由传感器直接观察的第一数据层。在各种实施例中，感知节点702-714包括(i)在目标车辆前方的观察到的先导车辆702(例如，在某些实施例中，图5的先导车辆512)；(ii)关于使用或不使用闪光灯、危险警告灯、转向指示器和/或目标车辆的其他信号的观察信号状态704；(iii)针对目标车辆的观察到的车辆类型706(例如，在某些实施例中，关于目标车辆是否是汽车、公共汽车、卡车、摩托车和/或其他车辆，和/或关于目标车辆的特定品牌和/或型号)；(iv)关于目标车辆当前是否正在移动的观察到的移动状态708；(v)靠近目标车辆的交叉路口710(例如，其可以包括交通灯、停车标志、人行横道和/或目标车辆停止的其他原因，并且例如在某些实施例中对应于图5的交叉路口514)；(vi)目标车辆的车道位置712(例如，在某些实施例中对应于图5的车道502)；(vii)目标车辆的观察到的制动状态714(例如，在某些实施例中，当前是否使用目标车辆的制动系统)。在某些实施例中，还可以使用附加的和/或不同的感知节点。

同样在各种实施例中，动态节点716-724表示取决于所表示的参数的较早状态的节点。在各种实施例中，动态节点716-724包括：(i)动态先导汽车状态716；(ii)动态信号状态718；(iii)动态车辆类型720；(iv)动态移动状态722，以及(v)动态制动状态724。在各种实施例中，(i)动态先导汽车状态716取决于动态先导汽车状态716的先前值以及观察到的先导汽车702(例如，标识目标车辆前方的第三车辆的位置和/或移动)；(ii)动态信号状态718取决于动态信号状态718的先前值和观察信号状态704；(iii)动态车辆类型720取决于动态车辆类型720的先前值和观察到的车辆类型706，(iv)动态移动状态722取决于动态移动状态722的先前值和观察到的移动状态708；(v)动态制动状态724取决于动态制动状态724的先前值和观察到的制动状态714。在某些实施例中，还可以使用附加的和/或不同的动态节点。

同样在各种实施例中，中间节点726-734表示取决于由一个或多个感知节点702-714和/或动态节点716-724表示的一个或多个不同参数的节点。在各种实施例中，中间节点726-734包括：(i)表示目标车辆是否被阻止移动的阻挡状态726；(ii)表示目标车辆是否被牵拉的牵拉状态728(例如，在某些实施例中，沿着道路)；(iii)与目标车辆的移动有关的移动状态730(例如，在某些实施例中，关于目标车辆的移动的大小和方向)；(iv)可通行状态732(例如，在某些实施例中，关于车辆10是否能够成功地在目标车辆周围操纵)；以及(vi)表观活动状态734(例如，关于目标车辆是活动还是不活动的指示)。在某些实施例中，还可以使用附加的和/或不同的中间节点。

返回参考图6，在各种实施例中，在618处，所生成的感知节点对应于图7的感知节点702-714。在各种实施例中，图4的检测模块410利用传感器数据(例如，来自图1的传感器40a...40n)来填充图7的各种感知节点702-714的初始观察值。具体地，在各种实施例中，在618处，传感器数据用于生成用于图7的动态贝叶斯网络700、用于目标车辆的观察到的先导汽车702、观察到的信号状态704、观察到的车辆类型706、观察到的移动状态708、交叉路口710、车道位置712和观察到的制动状态714的观察值。

继续参考图6，在各种实施例中，在620处为各种感知节点分配分布。具体地，在各种实施例中，相对于图7的各个感知节点702-714(例如，相对于节点716-734)下面的每个节点为图7的感知节点702-714分配条件概率分布。在某些实施例中，例如直接从视觉系统(例如图1的传感器40a...40n)和/或提供概率输出的其他传感器和/或系统传播分布。在某些其他实施例中，通过从一个或多个系统明确地设置值来分配分布，例如包括GPS和/或地图信息。在各种实施例中，经由图4的处理模块420(例如，经由图1的处理器44)分配分布。

同样在各种实施例中，在622处生成动态父值。在各种实施例中，相对于先前时间点(例如，在各种实施例中，606、618和/或622的先前迭代)，基于经由图4的检测模块410(例如，经由图1的传感器40a...40n)获得的先前传感器数据，在622处生成用于动态节点716-724(即，动态先导汽车状态716、动态信号状态718、动态车辆类型720、动态移动状态722和动态制动状态724)的初始值。在各种实施例中，动态父值在622处被设置为等于它们先前的相应值。在各种实施例中，经由图4的处理模块420生成动态父值(例如，经由图1的处理器44)。

同样在各种实施例中，在624处生成子分布。在各种实施例中，基于各个父节点的分布和观察值，在624处生成用于图7的动态节点716-724和中间节点726-734的分布。在各种实施例中，经由图4的处理模块420(例如，经由图1的处理器44)分配子分布。

例如，在各种实施例中，基于各个父节点702-714的观察值以及动态节点716-724自身的先前值来生成每个动态节点716-724的分布。具体地，在各种实施例中：(i)基于先前动态先导汽车状态716值和当前观察到的先导汽车702值及其父分布来生成用于动态先导汽车状态716的分布；(ii)基于先前的动态信号状态718值和当前观察到的信号状态704值及其父分布生成用于动态信号状态718的分布；(iii)基于先前动态车辆类型状态720和当前观察到的车辆类型706值及其父分布生成用于动态车辆类型状态720的分布；(iv)基于先前动态移动状态722和当前观察到的移动状态708值及其父分布生成用于动态移动状态722的分布；以及(v)基于先前动态制动状态724和当前观察到的制动状态714值及其母分布生成用于动态制动状态724的分布。

作为另外的示例，在各种实施例中，基于观察值生成的每个中间节点726-734的分布和/或各个父节点702-714、动态节点716-724和/或其他中间节点的分布，其中该中间节点是以上(即，父节点)正在计算子分布的每个特定中间节点。具体地，在各种实施例中：(i)基于当前动态先导车辆状态716和当前观察到的交叉路口状态710及其各自的分布来确定阻塞状态726的分布；(ii)基于当前观察到的交叉路口状态710、当前观察到的车道位置状态712和当前动态信号状态718及其各自的分布来确定牵拉状态728的分布；(iii)基于当前动态车辆类型状态720和当前动态移动状态722及其各自的分布来确定移动状态730的分布；(iv)基于阻塞状态726和牵拉状态728及其各自的分布确定可通过状态732的分布；(v)基于当前动态信号状态718、当前动态制动状态724和移动状态730及其各自的分布来确定表观活动状态734的分布；(vi)活动状态736的分布基于可通过状态732和表观活动状态734及其各自的分布。

在各种实施例中，动态分布在626处被保存以用于一个或多个后续迭代。具体地，在各种实施例中，动态节点716-724的动态分布存储在存储器，比如图1的存储装置32和/或46中用于在随后的迭代中确定用于716-724的相应当前动态值。

在628处确定目标车辆状态。在各种实施例中，目标车辆的状态(例如，活动或不活动的)被确定为图7的活动状态节点736的当前值。同样在各种实施例中，活动状态节点736的当前值是基于图1的动态贝叶斯网络700的各种节点702-734的观察值和分布来确定的，从感知节点702-714向下从动态贝叶斯网络顶部到底部工作，向下通过动态节点716-724，向下通过中间节点726-734，并最终向下到活动状态节点736。在各种实施例中，经由图4的处理模块420(例如，经由图1的处理器44)作出这些确定。

在各种实施例中，在630处报告目标车辆状态。在各种实施例中，目标车辆(作为活动或不活动的)的状态经由通信系统36(例如，经由其一个或多个收发器)被报告给车辆10的一个或多个乘客(例如，在显示屏上和/或经由音频输出，和/或经由图2的用户装置54)和/或报告给一个或多个其他人和/或实体(例如，给一个或多个其他车辆和/或远程操作员、中央服务器等)。同样在各种实施例中，经由图4的指令425，经由处理模块420(例如，经由图4的处理器44)提供的指令来报告目标车辆状态，

在各种实施例中，基于目标车辆状态在632处适当地提供响应。例如，在某些实施例中，如果目标车辆不活动(例如，因为当目标车辆不活动时，可能不期望目标车辆在不久的将来移出车辆10的路径)，则车辆10可以改变其移动路径(例如，以上的612的)，以便在目标车辆周围操纵。同样作为示例，同样在某些实施例中，车辆10可以保持其当前的移动路径(例如，以上的612的，因为当目标车辆活动时，可以预期目标车辆在不久的将来会移出车辆10的路径)。同样在各种实施例中，响应(如果有的话)是经由图4的处理模块420(例如，经由图1的处理器44)确定的，并且经由图4的指令425实现。同样在各种实施例中，指令经由执行由图4的处理模块42(例如，经由图1的处理器44)提供的指令的自动驾驶系统(比如图3的ADS70，和/或其组件，和/或车辆致动器，比如图1的致动器42a...42n)来实现。

在各种实施例中，车辆10继续在634处行驶。例如，在某些实施例中，如果目标车辆是活动的，则车辆10继续(i)沿其原始路径612行驶；或如果目标车辆是不活动的，则车辆10继续(ii)沿其修订的632路径行驶。同样在各种实施例中，由图4的处理模块420(例如，经由图1的处理器44)指导继续行驶，并且经由图4的指令425实现，该指令425经由自动驾驶系统(比如，图3的ADS70和/或其部件，和/或车辆致动器，比如图1的致动器42a...42n)执行。

在各种实施例中，当车辆10继续行驶时，在636的各种迭代处确定车辆10是否已到达其目的地。例如，在各种实施例中，图4的处理模块420(例如，使用图4的处理器44，并且基于由车辆10的导航系统提供的数据)确定车辆10是否已经到达先前由车辆10的乘员输入或请求的目的地。

在各种实施例中，如果车辆10尚未到达其目的地，则随着车辆10继续行驶，该过程返回到606。在各种实施例中，然后从606处开始重复该过程，同时收集附加的传感器数据以及进行控制过程600的连续步骤，直到车辆10到达其目的地。同样在各种实施例中，一旦车辆10到达其目的地，该过程在638处终止。

在各种实施例中，所公开的方法和系统提供对可能在车辆(比如自主车辆)附近的目标车辆的评估。例如，在各种实施例中，传感器数据与动态贝叶斯网络结合使用以确定目标车辆是否是活动的。同样在各种实施例中，基于目标车辆是否是活动的来提供响应(比如围绕目标车辆的操纵)。

如上简要提到的，上述各种模块和系统可以实现为经受监督、无监督、半监督或强化学习的一个或多个机器学习模型。可训练此类模型以执行分类(例如，二元或多类分类)、回归、聚类、降维和/或此类任务。此类模型的示例包括但不限于人工神经网络(ANN)(比如递归神经网络(RNN)和卷积神经网络(CNN))、决策树模型(比如分类和回归树(CART))、集合学习模型(比如增强、自举聚合、梯度增强机器和随机森林)、贝叶斯网络模型(例如朴素贝叶斯)、主成分分析(PCA)、支持向量机(SVM)、聚类模型(比如K-最近邻接、K均值、期望最大化、分层聚类等)和线性判别分析模型。

尽管在前面的详细描述中已经呈现了至少一个示例性实施例，但是应当理解，存在大量的变型。还应当理解，示例性实施例或示例性实施例仅是示例，并不旨在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一个或多个示例性实施例的便利路线图。应当理解，在不脱离所附权利要求及其合法等效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进行各种改变。

Claims (10)

1.一种用于评估主车辆附近的目标车辆的方法，所述方法包括：

检测靠近所述主车辆的所述目标车辆；

从所述主车辆上的一个或多个传感器获得与所述目标车辆的一个或多个特性有关的传感器数据；以及

通过使用所述传感器数据作为用于动态贝叶斯网络的输入，经由处理器、经由动态贝叶斯网络来评估所述目标车辆的状态。

2.如权利要求1所述的方法，其中评估所述目标车辆状态的步骤包括通过使用所述动态贝叶斯网络中的所述传感器数据，基于动态贝叶斯网络来评估所述目标车辆的所述状态为活动或不活动的，其中所述目标车辆的所述状态的特征在于：

如果所述目标车辆试图行驶到某个位置，则是活动的；以及

如果所述目标车辆没有试图行驶到某个位置，则是不活动的。

3.如权利要求1所述的方法，其中每个步骤作为自主车辆的操作的一部分来执行。

4.如权利要求1所述的方法，其中评估所述目标车辆的所述状态的步骤包括通过使用所述传感器数据作为用于所述动态贝叶斯网络的输入，经由处理器、经由所述动态贝叶斯网络来评估所述目标车辆的状态，所述动态贝叶斯网络包括多个感知节点、多个动态节点、多个中间节点和表示所述目标车辆的所述状态的活动节点。

5.如权利要求4所述的方法，其中评估所述目标车辆的所述状态的步骤包括：

生成与所述传感器数据的观察值有关的所述感知节点的感知值；

确定每个所述节点的分布，每个相应节点的分布包括用于所述相应节点的一个或多个条件概率，所述相应节点与同所述传感器数据有关的所述动态贝叶斯网络的一个或多个其他节点相关；以及

通过使用所述感知值和所述分布来评估所述目标车辆的所述状态。

6.如权利要求5所述的方法，其中基于经由所述主车辆的一个或多个传感器提供的一个或多个概率测量来生成所述感知值。

7.如权利要求5所述的方法，其中评估所述目标车辆的步骤进一步包括：

至少部分地基于相应的先前动态值和相应的感知值来分配当前动态值；

其中确定分布的步骤还包括针对至少一些所述节点，至少部分地基于所述当前动态值来确定所述分布。

8.一种用于评估主车辆附近的目标车辆的系统，所述系统包括：

检测模块，其配置为至少有助于：

检测靠近所述主车辆的所述目标车辆；以及

从所述主车辆上的一个或多个传感器获得与所述目标车辆的一个或多个特性有关的传感器数据；以及

处理模块，其联接到所述检测模块并且被配置为由处理器通过使用所述传感器数据作为所述动态贝叶斯网络的输入，至少有助于经由动态贝叶斯网络来评估所述目标车辆的状态。

9.如权利要求8所述的系统，其中所述处理模块被配置为通过使用所述传感器数据和所述动态贝叶斯网络至少有助于表征所述目标车辆的所述状态，如下：

如果所述目标车辆试图行驶到某个位置，则是活动的；以及

如果所述目标车辆没有试图行驶到某个位置，则是不活动的。

10.一种自主车辆，包括：

自主驾驶系统，其被配置为基于至少部分地基于所述自主车辆附近的目标车辆的状态的指令来操作所述自主车辆；

多个传感器，其被配置为获得与所述自主车辆附近的目标车辆的一个或多个特性有关的传感器数据；以及

处理器，其联接到所述多个传感器和所述自主驾驶系统，所述处理器被配置为至少有助于：

通过使用所述传感器数据作为用于所述动态贝叶斯网络的输入，经由动态贝叶斯网络来评估所述目标车辆的状态；以及

至少部分地基于所述目标车辆的所述评估状态向所述自主驾驶系统提供所述指令。