CN109969172B - 车辆控制方法、设备及计算机存储介质 - Google Patents
车辆控制方法、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN109969172B CN109969172B CN201711438697.0A CN201711438697A CN109969172B CN 109969172 B CN109969172 B CN 109969172B CN 201711438697 A CN201711438697 A CN 201711438697A CN 109969172 B CN109969172 B CN 109969172B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- behavior
- target vehicle
- road
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- 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
-
- 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
Abstract
本发明实施例公开了车辆控制方法、设备及计算机存储介质,可应用在自动驾驶/无人驾驶领域,该方法包括:获取行人注视危险区域时的第一行为数据,其中,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;将所述第一行为数据输入行为预测模型,从而预测获得所述行人的行为结果,其中,所述行为预测模型是根据历史行为数据和历史行为结果训练得到的;根据预测的所述行为结果,控制所述目标车辆进行安全行驶。采用本发明实施例,能够解决智能汽车在预测/识别行人的行为结果和行人运动轨迹的不准确等问题,从而提高了智能汽车在控制方面的安全性、准确性和实用性。
Description
技术领域
本发明涉及车辆技术领域,尤其涉及车辆控制方法、设备及计算机存储介质。
背景技术
随着经济的发展和人民生活水平的提高,汽车保有量逐年增长,导致了交通拥堵和交通事故的发生。为提高车辆驾驶的安全性,目前已将自动驾驶技术应用于车辆中,以实现车辆的自动驾驶。
然而在实践中发现,目前研发的自动驾驶技术不够成熟,不能完全适应于无人驾驶中。特别是在行人较多的场景下,采用自动驾驶技术的车辆表现欠佳,其通常采用以下控制策略控制车辆驾驶:1)保守控制策略:过早提前减速,防止发生交通事故,这将影响用户体验;2)激进控制策略:即将发生交通事故时采用紧急措施避险,如紧急刹车、紧急转弯等,这将影响用户乘车的舒适性和安全性。
为解决上述问题,现有技术提出以下两种方案:
第一种方案中,车辆根据采集的行人手势来识别行人的意图,同时预测行人的运动速度和方向;基于上述信息调整车辆自身的行驶速度和方向,避免发生碰撞。然而在实际应用中,行人并不习惯通过某种手势告知对方来车,其当前的意图是横穿马路,还是靠边等待等。此外,如果行人使用手势来传达其当前的意图,但针对不同的行人而言,其各自习惯使用的手势也不同。即不同行人想要传达同一意图(如横穿马路)所采用的手势也可能不同,相应地车辆也无法通过行人手势准确获知行人想要传达的意图。因此,该方案可实用性不高。
第二种方案中,车辆根据障碍物(如行人)的历史轨迹和周围环境信息预测障碍物可能的运动轨迹以及每条运动轨迹各自的发生概率;选择发生概率最大的一条运动轨迹作为障碍物的目标运动轨迹;根据该目标运动轨迹调整车辆自身的行驶速度和方向,避免发生碰撞。然而实际应用中,由于障碍物(如有生命的活体障碍物)的随机性很大,其运动状态与时间的紧密度不高。因此,该方案并不能准确地预测障碍物的运动轨迹,即采用该方案实现车辆安全驾驶的可靠性和准确性不高。
发明内容
本发明实施例公开了车辆控制方法、设备及计算机存储介质,能够准确预测行人的行为意图,从而提高车辆控制的准确性、安全性和实用性。
第一方面,本发明实施例公开提供了一种车辆控制方法,所述方法包括:
获取行人注视危险区域时的第一行为数据,其中,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;
将所述第一行为数据输入行为预测模型,从而预测获得所述行人的行为结果,其中,所述行为预测模型是根据历史行为数据和历史行为结果训练得到的;
根据预测的所述行为结果,控制所述目标车辆进行安全行驶。
在一些可能的实施例中,在所述获取行人注视危险区域时的第一行为数据之前,还包括:
确定所述行人注视所述危险区域,其中,确定条件包括以下条件中的至少一项:1)所述行人的注视方向用于指示朝向所述危险区域;2)所述行人的注视焦点落入所述危险区域;3)所述行人的注视角度处于预设角度区间。
在一些可能的实施例中,所述获取行人注视危险区域时的第一行为数据之前,还包括:
根据区域影响参数,确定所述危险区域,其中,所述区域影响参数包括以下中的至少一项:所述行人所处道路的形状、所述行人所处道路的宽度、所述行人的运动速度以及所述目标车辆的行驶速度。
在一些可能的实施例中,所述根据区域影响参数,确定所述危险区域包括:
根据所述行人所处道路的宽度以及所述行人的运动速度,预测所述行人横穿道路时所需的第一时间;
根据所述第一时间以及所述目标车辆的行驶速度,确定所述危险区域的长度;
根据所述行人所处道路的宽度,确定所述危险区域的宽度。
在一些可能的实施例中,所述预测获得所述行人的行为结果之后,所述方法还包括:
根据所述行为结果对应的提示策略,对所述行人进行提示。
在一些可能的实施例中,所述方法还包括:
获取所述行人的第二行为数据,所述第二行为数据为提示所述行人后所采集的所述行人的行为数据;
将所述第二行为数据输入预存的可信度预测模型,从而预测获得交互可信度,其中,所述交互可信度用于指示所述行为预测模型预测所述行为结果的可信度。
在一些可能的实施例中,所述方法还包括:
根据所述交互可信度,对所述行为预测模型进行修正。
在一些可能的实施例中,所述控制所述目标车辆进行安全行驶包括:
在所述交互可信度大于第三阈值的情况下,采用激进控制策略控制所述目标车辆进行安全行驶;或者,
在所述交互可信度小于或等于第三阈值的情况下,采用保守控制策略控制所述目标车辆进行安全行驶;
其中,所述激进控制策略和所述保守控制策略为预先设置的相反策略,均用于控制所述目标车辆安全行驶。
在一些可能的实施例中,在所述行为结果为所述行人将横穿道路的情况下,
所述激进控制策略包括以下中的至少一项:保持所述目标车辆的行驶速度、在目标距离小于或等于第二距离阈值时允许所述目标车辆紧急刹车、在目标距离小于或等于第二距离阈值时允许所述目标车辆的方向盘转角大于预设角度阈值,其中,所述目标距离为所述目标车辆与所述行人之间的距离;
所述保守控制策略包括以下中的至少一项:在目标距离小于或等于第三距离阈值时控制所述目标车辆减速行驶、保持目标距离大于第四距离阈值、控制所述目标车辆的方向盘转角小于或等于预设角度阈值,其中,所述目标距离为所述目标车辆与所述行人之间的距离。
在一些可能的实施例中,在所述行为结果为所述行人将停止行走或者将沿道路直行的情况下,
所述激进控制策略包括提高或保持所述目标车辆的行驶速度;
所述保守控制策略包括以下中的至少一项:控制所述目标车辆减速行驶、允许所述目标车辆紧急刹车以及允许所述目标车辆的方向盘转角大于预设角度阈值。
在一些可能的实施例中,所述控制所述目标车辆进行安全行驶包括:
根据通行优先权控制所述目标车辆进行安全行驶,所述通行优先权用于指示所述行人或所述目标车辆在道路上通行时所具备的优先级。
第二方面,本发明实施例提供了又一种车辆控制方法,所述方法包括:
获取预设数量的行为样本数据,其中,所述行为样本数据包括行人注视危险区域时的历史行为数据以及所述历史行为数据对应的历史行为结果,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;
将所述预设数量的行为样本数据作为输入,训练预设模型,从而获得训练后的行为预测模型,其中,所述行为预测模型用于根据行人的行为数据预测所述行人的行为结果,以根据所述行为结果控制所述目标车辆进行安全行驶。
结合第一方面或第二方面,在一些可能的实施例中,行为数据(具体可为第一行为数据、第二行为数据或者历史行为数据)包括以下中的至少一项:所述行人的注视方向、所述行人的注视时长、所述行人的注视角度、所述行人的注视焦点、所述行人注视危险区域的注视频率以及所述行人注视危险区域的累计时长。
结合第一方面或第二方面,在一些可能的实施例中,所述累计时长是对第一预设时段内所述行人每次注视危险区域时的所述注视时长进行累加所得的,或者,是在目标距离小于或等于第一距离阈值时对所述行人每次注视危险区域时的所述注视时长进行累加所得的,所述目标距离为所述行人与所述目标车辆之间的距离。
结合第一方面或第二方面,在一些可能的实施例中,所述行为数据为所述行人注视危险区域时出现警惕注视行为的行为数据,所述警惕注视行为满足以下条件中的至少一项:1)所述行人的注视时长超过第一阈值;2)所述行人注视危险区域的累计时长超过第二阈值;3)所述行人注视危险区域的注视频率超过预设频率阈值。
结合第一方面或第二方面,在一些可能的实施例中,所述行为数据还包括以下中的至少一项:所述行人的地理位置、所述行人的运动速度、所述行人的运动方向、所述行人的运动加速度、所述行人的历史运动轨迹;其中,所述历史运动轨迹是指在距离所述行人注视危险区域之前的第二预设时段内所述行人的运动轨迹。
结合第一方面或第二方面,在一些可能的实施例中,所述行为结果包括以下中的至少一项:所述行人将停止行走、所述行人将沿道路直行以及所述行人将横穿道路。
第三方面,本发明实施例公开提供了一种终端设备,包括通信单元和处理单元,其中,
所述通信单元用于获取行人注视危险区域时的第一行为数据,其中,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;
所述处理单元用于将所述第一行为数据输入行为预测模型,从而预测获得所述行人的行为结果,其中,所述行为预测模型是根据历史行为数据和历史行为结果训练得到的;
所述处理单元还用于根据预测的所述行为结果,控制所述目标车辆进行安全行驶。
在一些可能的实施例中,所述处理单元还用于确定所述行人注视所述危险区域,其中,确定条件包括以下条件中的至少一项:1)所述行人的注视方向用于指示朝向所述危险区域;2)所述行人的注视焦点落入所述危险区域;3)所述行人的注视角度处于预设角度区间。
在一些可能的实施例中,所述处理单元还用于根据区域影响参数,确定所述危险区域,其中,所述区域影响参数包括以下中的至少一项:所述行人所处道路的形状、所述行人所处道路的宽度、所述行人的运动速度以及所述目标车辆的行驶速度。
在一些可能的实施例中,
所述处理单元用于根据所述行人所处道路的宽度以及所述行人的运动速度,预测所述行人横穿道路时所需的第一时间;
所述处理单元还用于根据所述第一时间以及所述目标车辆的行驶速度,确定所述危险区域的长度;
所述处理单元还用于根据所述行人所处道路的宽度,确定所述危险区域的宽度。
在一些可能的实施例中,所述处理单元还用于根据所述行为结果对应的提示策略,对所述行人进行提示。
在一些可能的实施例中,
所述通信单元还用于获取所述行人的第二行为数据,所述第二行为数据为提示所述行人后所采集的所述行人的行为数据;
所述处理单元还用于将所述第二行为数据输入预存的可信度预测模型,从而预测获得交互可信度,其中,所述交互可信度用于指示所述行为预测模型预测所述行为结果的可信度。
在一些可能的实施例中,所述处理单元还用于根据所述交互可信度,对所述行为预测模型进行修正。
在一些可能的实施例中,
所述处理单元用于在所述交互可信度大于第三阈值的情况下,采用激进控制策略控制所述目标车辆进行安全行驶;或者,
所述处理单元还用于在所述交互可信度小于或等于第三阈值的情况下,采用保守控制策略控制所述目标车辆进行安全行驶;
其中,所述激进控制策略和所述保守控制策略为预先设置的相反策略,均用于控制所述目标车辆安全行驶。
在一些可能的实施例中,所述处理单元还用于根据通行优先权控制所述目标车辆进行安全行驶,所述通行优先权用于指示所述行人或所述目标车辆在道路上通行时所具备的优先级。
第四方面,本发明实施例公开提供了又一种终端设备,包括通信单元和处理单元,其中,
所述通信单元用于获取预设数量的行为样本数据,其中,所述行为样本数据包括行人注视危险区域时的行为数据以及所述行为数据对应的行为结果,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;
所述处理单元用于将所述预设数量的行为样本数据作为输入,训练预设模型,从而获得训练后的行为预测模型,其中,所述行为预测模型用于根据行人的行为数据预测所述行人的行为结果,以根据所述行为结果控制所述目标车辆进行安全行驶。
在一些可能的实施例中,所述行为样本数据还包括交互可信度,其中,所述交互可信度用于指示利用所述行为预测模型预测所述行为结果的可信度,所述交互可信度为终端设备侧预先设置的,或者历次利用所述行为预测模型预测行人的行为结果后所获得的可信度。
关于本申请第三方面或第四方面中未示出或未描述的内容,可具体参见前述第一方面、第一方面可能的实施例、第二方面以及第二方面可能的实施例中的相关阐述,这里不再赘述。
第五方面,本发明实施例提供了一种终端设备,包括存储器、通信接口及与所述存储器和通信接口耦合的处理器;所述存储器用于存储指令,所述处理器用于执行所述指令,所述通信接口用于在所述处理器的控制下与其他设备(如目标车辆)进行通信;其中,所述处理器执行所述指令时执行上述第一方面或第一方面可能的实施例中所描述的方法。
第六方面,本发明实施例提供了一种终端设备,包括存储器、通信接口及与所述存储器和通信接口耦合的处理器;所述存储器用于存储指令,所述处理器用于执行所述指令,所述通信接口用于在所述处理器的控制下与其他设备(如目标车辆)进行通信;其中,所述处理器执行所述指令时执行上述第二方面或第二方面可能的实施例中所描述的方法。
第七方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储了用于车辆控制的程序代码。所述程序代码包括用于执行上述第一方面或第一方面可能的实施例中所描述的方法的指令。
第八方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储了用于车辆控制的程序代码。所述程序代码包括用于执行上述第二方面或第二方面可能的实施例中所描述的方法的指令。
第九方面,提供了一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面或第一方面可能的实施例中所描述的方法。
第十方面,提供了一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第二方面或第二方面可能的实施例中所描述的方法。
通过实施本发明实施例,能够解决现有技术中针对行人的行为结果(即行为意图)和行人运动轨迹预测不准确等问题,从而提高了车辆控制的安全性和实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1A和1B是本发明实施例提供的两种终端设备的结构示意图。
图1C是本发明实施例提供的一种场景示意图。
图2是本发明实施例提供的一种车辆控制方法的流程示意图。
图3A是本发明实施例提供的行人注视危险区域的场景示意图。
图3B和图3C是本发明实施例提供的两种危险区域的示意图。
图4是本发明实施例提供的一种行人运动的分布示意图。
图5是本发明实施例提供的一种累计时长的统计示意图。
图6是本发明实施例提供的又一种车辆控制方法的流程示意图。
图7A是本发明实施例提供的一种提示策略之间的转移示意图。
图7B是本发明实施例提供的一种基于交互提示策略的行为转移示意图。
图8A是本发明实施例提供的一种终端设备的结构示意图。
图8B是本发明实施例提供的又一种终端设备的结构示意图。
具体实施方式
下面将结合本发明的附图,对本发明实施例中的技术方案进行详细描述。
首先,介绍本申请适用的终端设备的结构示意图。如图1A示出本申请的一种可能的终端设备的结构示意图。如图1A,该终端设备包括环境感知模块102、规划决策模块104以及控制处理模块106。其中,所述环境感知模块102主要通过外围系统(如传感器、摄像头等)采集障碍物信息、终端设备所处的周围环境信息以及终端设备所在车辆的行驶信息。所述障碍物信息包括但不限于障碍物的地理位置、障碍物的运动速度、障碍物的运动方向、障碍物的运动加速度、障碍物的运动方向的方差、障碍物的运动速度的方差等信息。所述障碍物包括但不限于车辆、行人、有生命的活体障碍物以及无生命的障碍物等等。本申请将以所述障碍物为行人为例,具体阐述本申请所涉及的一些实施例。
所述周围环境信息包括但不限于地图信息、天气信息、路口类型、车道线、车道数量、道路是否拥塞、车流速度、车流加速度以及终端设备与障碍物之间的距离等等信息。
所述行驶信息包括但不限于车辆的地理位置、行驶速度、行驶方向、行驶加速度、车辆与障碍物之间的距离等等。所述终端设备包括但不限于汽车、火车、货车、小轿车等车辆以及安装在车辆上的通讯设备,如车载设备等。
所述规划决策模块104包括行为预测模块和规划模块。其中,所述行为预测模块主要用于根据环境感知模块所采集的上述信息预测障碍物的行为意图(如,本申请后文所述的行人的行为结果)以及该行为意图对应的运动轨迹(即障碍物轨迹)。所述规划模块用于在保证安全的前提下,根据所述行为意图获得对应的控制策略,以便后续利用该控制策略控制车辆进行安全行驶。所述控制策略为用户侧或终端设备侧预先自定义设置的,或者根据所述行为意图生成的,具体在下文中进行详述。所述控制策略用于指示对所述车辆进行相应车辆参数的调整,以实现车辆安全驾驶。
所述控制处理模块用于根据所述规划决策模块所获得的控制策略,对所述车辆进行相应地控制和调整,以避免车辆与障碍物发生碰撞。例如对车辆的方向盘转角、行驶速度、是否制动刹车、是否按压加速踏板等车辆参数进行控制。关于如何根据所述行人的行为结果(即行为意图)控制所述车辆的安全行驶,具体将在下文进行详细阐述。
如图1B示出本申请的又一种可能的终端设备的结构示意图。如图1B所示,终端设备100可包括:基带芯片110、存储器115,包括一个或多个计算机可读存储介质、射频(RF)模块116、外围系统117。这些部件可在一个或多个通信总线114上通信。
外围系统117主要用于实现终端设备110和用户(如行人)/外部环境之间的交互功能,主要包括终端100的输入输出装置。具体实现中,外围系统117可包括:触摸屏控制器118、摄像头控制器119、音频控制器120以及传感器管理模块121。其中,各个控制器可与各自对应的外围设备,例如触摸屏123、摄像头124、音频电路125以及传感器126,耦合。在一些实施例中,传感器126中的手势传感器可用于接收用户输入的手势控制操作。传感器126中的速度传感器可用于采集终端设备自身的行驶速度或用于采集环境中障碍物的运动速度等。触摸屏123可作为提示装置,主要用于通过屏幕显示、投影等方式来提示障碍物,例如在行人横穿马路时通过显示屏显示文字的方式来提示行人加速行走等。可选的,外围系统117还可包括灯光、显示器等其他提示装置,以用于车辆与行人之间的交互提示,避免车辆与行人发生碰撞。需要说明的,外围系统117还可以包括其他I/O外设。
基带芯片110可集成包括:一个或多个处理器111、时钟模块112以及电源管理模块113。集成于基带芯片110中的时钟模块112主要用于为处理器111产生数据传输和时序控制所需要的时钟。集成于基带芯片110中的电源管理模块113主要用于为处理器111、射频模块116以及外围系统提供稳定的、高精确度的电压。
射频(RF)模块116用于接收和发送射频信号,主要集成了终端100的接收器和发射器。射频(RF)模块116通过射频信号与通信网络和其他通信设备通信。具体实现中,射频(RF)模块116可包括但不限于:天线系统、RF收发器、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC芯片、SIM卡和存储介质等。在一些实施例中,可在单独的芯片上实现射频(RF)模块116。
存储器115与处理器111耦合,用于存储各种软件程序和/或多组指令。具体实现中,存储器115可包括高速随机存取的存储器,并且也可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器115可以存储操作系统,例如ANDROID,IOS,WINDOWS,或者LINUX等嵌入式操作系统。存储器115还可以存储网络通信程序,该网络通信程序可用于与一个或多个附加设备,一个或多个终端设备,一个或多个终端设备进行通信等。
其次,介绍本申请适用的一种可能的场景示意图。如图1C,在车辆往来的道路上,行人开始从P0点沿着道路边的人行道向前行走,在P1点时发现行人的行走轨迹逐渐偏移。为防止车辆与行人发生碰撞,此时车辆需预测行人可能发生的行为意图(本申请也称为行为结果)。可选地,还可预测获得该行为结果对应的运动轨迹。如图1C的场景下,P1点后行人可能发生以下行为结果中的任一种:横穿道路、沿道路直行、停止行走(即停在P1点)。相应地,图1C示出每一种行为结果对应的行人的运动轨迹,分别为:横穿道路的轨迹a、沿道路直行的轨迹b、停止在P1点。
相应地,车辆可根据预测获得的行为结果以及所述行为结果对应的运动轨迹来控制自身的安全行驶,以避免与行人发生碰撞。例如,若预测行人P1点后的行为结果是将按照轨迹b横穿道路,则可控制所述车辆减速行驶、甚至刹车等待等,以避让行人。又如,若预测行人P1点后的行为结果是将按照轨迹a沿道路直行或在P1点停止,则可不需对车辆进行任何控制操作,也不会发生车辆和行人的碰撞。
在本申请人提出本申请的过程中发现:现有技术中预测行人的行为结果(即行为意图)以及行人的运动轨迹都不准确,进而导致车辆控制的可靠性和安全性不高。为解决上述问题,本申请提出相应地的车辆控制方案。下面进行详细阐述。
参见图2,是本发明实施例提供的一种车辆控制方法的流程示意图。如图2所述的方法包括如下实施步骤:
步骤S202、终端设备获取行人的第一行为数据,所述第一行为数据用于预测行人的行为意图(本申请也称为行为结果)。所述第一行为数据是基于行人的观察行为所产生的行为数据,例如行人注视危险区域时的行为数据,其中,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域。
步骤S204、所述终端设备将所述第一行为数据输入至行为预测模型,从而预测获得所述行人的行为结果。其中,所述行为预测模型用于预测行人可能发生的行为结果(即前文的行为意图),所述行为预测模型为预先训练好的,如具体可为根据行为样本数据训练得到的,关于所述行为预测模型的训练和使用将在下文进行详述。
步骤S206、所述终端设备根据预测的所述行为结果,控制所述目标车辆进行安全驾驶。
下面介绍本申请涉及的一些具体实施例。
步骤S202中,终端设备通过外围系统(例如传感器、摄像头等)获取行人运动过程中所产生的第一行为数据。所述第一行为数据可用于预测行人即将出现的行为结果。
应理解的,在行人运动过程中通常会观察即将通行的道路区域,同时也会观察周围环境信息。即所述第一行为数据可以是基于行人的观察行为所产生的行为数据。该行为数据包括但不限于以下信息中的任一项或多项的组合:行人的面部朝向、行人的注视方向、行人的注视角度、行人的注视焦点、行人的注视时长、行人的注视频率以及行人观察行为的累计时长。
在可选实施例中,所述第一行为数据可为行人注视危险区域时所产生的行为数据。相应地,该行为数据(即第一行为数据)包括但不限于行人每次注视危险区域时所述行人的注视方向、面部朝向、注视时长、注视角度、注视焦点,可选的还可包括所述行人注视危险区域的注视频率以及所述行人注视危险区域的累计时长等等。
在可选实施例中,所述终端设备确定所述行人注视危险区域的确定/判断条件具体可为以下条件中的任一项或多项的组合:1)行人的面部朝向或注视方向用于指示朝向/落入所述危险区域;2)行人的注视焦点(即视线焦点)落入所述危险区域;3)行人的注视角度α处于预设角度区域,即αl≤α≤αu,其中αl和αu分别为预设角度区间的上下门限值。
如图3A示出一种行人注视危险区域的场景示意图。如图3A,区域ABCD为危险区域,Pgaze为行人视线落入危险区域中的注视焦点(即视线焦点),αl和αu分别为行人视线与危险区域所形成的最大视线夹角和最小视线夹角,当行人视线角度(即本申请中的注视角度)α位于视线角度区间[αl,αu],即al≤α≤au;或者,行人的注视焦点Pgaze落入危险区域ABCD,即Pgaze∈ABCD时,则表示此时行人的观察行为为警惕观察行为,否则为随意观察行为。具体如下公式(1)所示,当gazeaction=A1时,表示警惕观察行为;当gazeaction=A2时,表示随意观察行为。
其中,A1和A2为行人侧或终端设备侧自定义设置的常数,且A1和A2不相等,例如A1=+1,A2=-1等等,本申请不做限定。
本申请中,所述行人的观察行为可被分为以下两类:警惕观察行为(本申请也称为警惕注视行为)和随意观察行为。所述警惕观察行为被定义成:行人出现横穿道路时相密切关联的观察行为,具体可为行人注视危险区域时出现的观察行为。其中,所述警惕观察行为还是指满足以下条件中的任一项或多项的组合的观察行为:1)所述行人的注视时长超过第一阈值;2)所述行人注视危险区域的累计时长超过第二阈值;3)所述行人注视危险区域的注视频率超过预设频率阈值。其中,所述第一阈值、第二阈值以及所述预设频率阈值为用户侧或终端设备侧自定义设置的参数阈值,它们可以相同,也可不同,本申请不做限定。
相应地,所述随机观察行为是指除所述警惕观察行为之外的观察行为,即不满足上述条件的观察行为。
下面介绍本申请涉及的危险区域和所述累计时长。
第一、所述危险区域可为行人侧或终端设备侧自定义设置的区域,在该区域中行驶的车辆可能与所述行人发生碰撞。在可选实施例中,所述危险区域可以是根据以下信息中的任一项或多项确定获得的:所述行人所处的道路信息、所述行人的运动速度以及所述目标车辆的行驶速度,所述道路信息包括以下中的至少一项:道路的形状、道路的宽度、道路中车道的数量、道路路口的类型等等。
可选地,所述危险区域是根据行人当前所在道路的形状、所述行人的运动速度以及目标车辆的运动速度确定的。关于所述危险区域的形状和大小,本申请并不做限定,其可以为矩形、规则或不规则的多边形等等。
如图3B和图3C示例性给出两种危险区域的示意图。如图所示,所述危险区域的宽度W为行人所处道路的宽度,该道路可为单车道或多车道,不做限定。所述危险区域的长度L可为行人侧自定义设置的。可选的,L还可为所述终端设备根据目标车辆的行驶速度以及行人横穿道路时的预测时间所确定的。其中所述行人横穿道路的预测时间是根据所述行人横穿道路时的运动速度以及所述道路的宽度W确定的。例如,所述危险区域的长度L可按照如下公式(2)计算获得。
L=Tc*Max(Vcar,i)
Tc=k*Tw+Tm,Tw=W/Vman 公式(2)
其中,Tc为行人横穿道路时的预测时间、Vcar,i为目标车辆的行驶速度、k为安全系数,具体为自定义设置的常数。Tw为行人横穿道路时所消耗的时间,Tm为自定义设置的安全时间阈值。W为行人横穿道路时道路的宽度,Vman为行人横穿道路时的运动速度(如行走速度)。
应理解的,所述目标车辆为所述终端设备所在的车辆,图示中具体为车辆A。行人横穿道路时的运动速度Vman和行人数量(即出现频率)通常服从正太分布,具体如图4所示。相应地,为方便预测时间的计算,在上述公式(1)中可用行人横穿道路的平均速度来代替实时速度进行计算,本申请不做限定。
第二、所述累计时长是指对行人每次出现观察行为的注视时长进行累加所得的时长T。可选的,累计时长可为行人注视危险区域的累计时长,相应地也可为行人出现警惕观察行为或随意观察行为的累计时长等,本申请不做限定。
在可选实施例中,当所述累计时长为行人注视危险区域的累计时长时,该累计时长可以是在第一预设时段内对行人每次注视危险区域的注视时长进行累加所获得的时长。
可选的,为保证行为预测的可靠性,该累计时长也可为在目标距离小于或等于第一距离阈值时,对行人每次注视危险区域时的注视时长进行累加所获得的时长,其中,所述目标距离是指所述目标车辆与所述行人之间的距离。其中,所述第一距离阈值为用户侧或终端设备侧自定义设置的参数阈值。
具体的,如下公式(3)给出一种基于行人观察行为的累计时长的计算公式:
其中,T表示行人观察行为的累计时长,Kp和Kn为自定义设置的常数。
如图5示出一种行人注视危险区域(即行人注视车辆)的累计时长的统计示意图。如图5,该累计时长具体可为:对行人注视车辆的时间进行累加求和获得的。其中,当该累计时长超过预设时间阈值T0时,行人开始发生横穿道路的行为。
在可选实施例中,在行人观察行为中产生的第一行为数据还可包括以下信息中的任一项或多项的组合:行人的地理位置、行人的运动速度、运动方向、运动加速度以及历史运动轨迹等等。其中,所述历史运动轨迹是指在行人注视危险区域之前的第二预设时段内所述行人的运动轨迹,例如图1C中P0点至P1点之间的轨迹。
在可选实施例中,所述第一预设时段和所述第二预设时段为用户侧或终端设备侧自定义设置的参数阈值,它们可以相同,也可不同,本申请不做限定。
在步骤S204中,将所述第一行为数据作为行为预测模型的输入,经过模型计算从而获得预测输出的行为结果。其中,所述行为预测模型可为用于预测行人的行为结果的分类模型,该分类模型包括但不限于以下模型中的任一项:隐马尔可夫(Hidden MarkovModel,HMM)模型、决策树算法模型、支持向量机(Support Vector Machine,SVM)算法模型、随机森林(Random Forest,RF)算法模型、提升树(Boosting Tree)算法模型、神经网络算法模型、或者其他用于行为结果预测的模型。
可理解的,步骤S204之前,所述终端设备还需对所述行为预测模型进行训练。具体如图6示出又一种车辆控制方法,以阐述所述行为预测模型训练所涉及的一些具体实施例。如图6所示的方法,可包括如下实施步骤:
步骤S302、所述终端设备获取预设数量的行为样本数据,其中,所述行为样本数据包括行人注视危险区域时的历史行为数据以及所述历史行为数据对应的历史行为结果,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;
步骤S304、所述终端设备将所述预设数量的行为样本数据作为输入,训练预设模型,从而获得训练后的行为预测模型,其中,所述行为预测模型用于根据行人的行为数据预测所述行人的行为结果,以根据所述行为结果控制所述目标车辆进行安全行驶。
下面阐述步骤S302和S304的具体实施方式。
首先,S302中所述终端设备获取训练样本数据(本申请中也称为行为样本数据)。所述行为样本数据可为预设数量的行人的行为样本数据,即所述行为样本数据的数量本申请不做限定,可为一组或多组用户的行为样本数据。其中,该行为样本数据是基于行人的注视/观察行为所产生的行为数据,例如可为行人注视危险区域时所产生的历史行为数据以及该历史行为数据对应的历史行为结果。关于所述历史行为数据和所述历史行为结果可参见前述实施例中的相关介绍,这里不再赘述。
在可选实施例中,所述行为样本数据或历史行为数据还可包括交互可信度,所述交互可信度为用户侧或终端设备侧预先设置并保存的参数,该参数用于指示/评价所述行为预测模型预测行人的行为结果的可信度(即置信度)。可选的,所述交互可信度也可为历次使用训练好的所述行为预测模型进行行人的行为结果预测时所对应获得的可信度,关于所述交互可信度的获取将在下文进行详细阐述,这里不再阐述。
其次,所述终端设备创建预设模型,该预设模型用于对行人的行为结果进行分类。关于所述预设模型可参见前述关于所述行为预测模型/分类模型的相关介绍,这里不赘述。
最后,S304中所述终端设备利用所述训练样本数据(即行为样本数据)对所述分类模型进行训练,从而获得训练好的所述行为预测模型,该行为预测模型用于预测行人的行为结果。
以所述预设模型为HMM模型为例,该HMM模型可表示为λ=(A,B,π),其中λ以及λ涉及的三个参数A、B、π分别为HMM模型中的模型参数。π表示初始概率分布,A为状态转移概率分布矩阵,B为观测概率分布矩阵。其中,A表示行为结果之间的转移概率,例如引用如图1C所示的例子,可知A即表示三种行为结果{沿道路直行(以下简称直行),横穿道路,停止行走(以下简称停止)}中由任意两种行为结果之间的转移概率所组成的转移概率矩阵。B服从高斯分布。π表示行为结果的初始概率,其可为自定义预先设置的参数,例如这里假设三种行为结果的初始概率相同均为1/3,则π={1/3,1/3,1/3}。
相应地,所述终端设备可采用预设数量的行人的行为样本数据,利用该行为样本数据对HMM模型进行训练,从而获得训练好的HMM模型。即是,利用行为样本数据对HMM模型中的模型参数,例如λ=(A,B,π)或其他模型参数进行调整和确定,从而获得训练好的行为预测模型HMM。
相应地,以所述行为预测模型HMM为例阐述步骤S204的具体实现。具体的,所述终端设备将步骤S202采集获得的第一行为数据输入至训练好的HMM模型中,利用HMM模型计算每种隐藏行为各自对应的概率,选择概率最大的隐藏行为作为最终的行为结果,并输出。具体的,引用如图1C所示的例子,模型中的隐藏行为可以是P1点后行人可能发生的三种行为结果,利用HMM模型可计算出这三种行为结果各自的概率,从中选择出概率最大对应的行为结果,作为HMM模型的输出,即HMM模型预测获得的行为结果。
在可选实施例中,所述终端设备在预测获得所述行为结果后,还可对应获得所述行为结果对应的运动轨迹。具体的,所述终端设备中预先创建有多个初始行为各自对应的行为轨迹。所述多个初始行为至少包括预测获得的所述行为结果。相应地,在预测获得所述行为结果后,所述终端设备可获得所述行为结果对应的运动轨迹。如图1C所述的例子,如果预测获得的行为结果是即将横穿道路,则其对应的运动轨迹也可获知到为:轨迹a。也即是终端设备可预测获知行人在P1点后,即将按照轨迹a横穿道路。
步骤S206中,所述终端设备可根据预测获得的所述行为结果,控制所述目标车辆进行安全驾驶。
在可选实施例中,步骤S206之前,所述终端设备还可根据获取所述目标车辆的行驶轨迹,在判断到所述目标车辆的行驶轨迹和所述行人的运动轨迹存在交点时,才执行步骤S206。
具体的,所述终端设备可采集目标车辆自身的行驶信息以及目标车辆所处的周围环境信息。关于所述行驶信息和所述周围环境信息可参见前述实施例中的相关介绍,这里不再赘述。进一步地,所述终端设备可根据采集的上述信息(具体可为所述目标车辆的行驶信息和周围环境信息),可选地还可包括所述目标车辆的历史行驶轨迹等信息,预测获得所述目标车辆可能的行驶轨迹。关于所述行驶轨迹的预测,本申请不做详述,例如可采用类似行为预测模型的预测模型来预测目标车辆可能的行驶轨迹等等。
相应地,所述终端设备可根据预测获得的所述目标车辆的行驶轨迹和所述行人的运动轨迹,获知所述目标车辆与所述行人是否存在发生碰撞的可能性。即确定所述目标车辆的行驶轨迹和所述行人的运动轨迹是否相交,如果相交,则可确定所述目标车辆和所述行人可能会发生碰撞。
相应地,步骤S206中当所述终端设备在确定到所述目标车辆的行驶轨迹和所述行人的运动轨迹相交(即所述目标车辆与所述行人可能发生碰撞)时,才对所述目标车辆进行控制,以控制所述目标车辆进行安全行驶。
下面介绍步骤S206的几种具体实施方式。
第一种实施方式中,所述终端设备可预先创建并存储有多个初始行为和多个控制策略之间的关联关系。其中,一个初始行为对应一种控制策略,所述多个初始行为至少包括预测获得的所述行为结果。相应地,所述终端设备在预测获得所述行为结果后,进一步可从上述关联关系中获取所述行为结果对应的目标控制策略,然后按照所述目标控制策略控制所述目标车辆进行安全驾驶。
第二种实施方式中,所述终端设备可根据所述行为结果生成相应地的目标控制策略,然后根据所述目标控制策略控制所述目标车辆进行安全驾驶。
如图1C所示的场景,所述行为结果可以是以下中的任一项:沿道路直行、横穿道路以及停止行走。若所述行为结果是沿道路直行或停止行走时,所述终端设备可不对所述目标车辆进行任何控制。可选地,也可适应性对所述目标车辆进行减速控制,以防止行人突然横穿道路。若所述行为结果是将横穿道路,则所述终端设备可自定生成相应地的控制策略,进一步根据所述控制策略控制所述目标车辆避让所述行人,例如控制目标车辆减速、控制目标车辆靠边停车或抵达斑马线时停车等等。
第三种实施方式中,所述终端设备可根据获取的通行优先权,控制所述目标车辆进行安全行驶。其中,所述通行优先权用于指示所述行人或所述目标车辆在道路上通行时所具备的优先级。
具体的,所述终端设备可根据当前所处的周围环境信息,确定与之对应的通行优先权。例如,所述终端设备可检测当前所处环境中是否有行人、前方道路是否存在行人优先通行的交通标志,例如人行道、学校、小车、村庄、红绿灯路口等等,以获得道路的通行优先权。所述通行优先权还可贝分类,例如分为以下三类:高(即高优先权)、中、低等等,本申请不做限定。如下表1示出一种通行优先权确认的表格。
表1
相应地步骤S206中,所述终端设备可根据所述通行优先权控制所述目标车辆进行安全驾驶。例如所述通行优先权用于指示所述目标车辆在通行道路时具备的优先级为高,则所述终端设备可不予对所述目标车辆进行调整和控制。当所述通行优先权用于指示所述目标车辆通行道路时具备的优先级为中时,则可控制目标车辆减速至中档,如30~50km/h。当所述通行优先权用于指示所述目标车辆通行道路时具备的优先级为低时,则控制目标车辆减速至低档,如0~30km/h等,以避让行人,防止碰撞的发生。
在可选实施例中,所述通行优先权是指所述目标车辆与障碍物(如行人)之间的距离小于预设距离,和/或所述目标车辆和障碍物之间的碰撞剩余时间小于预设时间时,所述终端设备所获取的通行道路的通行优先权。
为保证车辆控制的可靠性,所述终端设备对用于影响车辆控制的影响参数(这里即通行优先权)也是有所要求的。具体的,所述终端设备可采集所述目标车辆与障碍物(行人)之间的距离D以及它们之间的相对速度Vr。相应地,所述终端设备可根据TTC=D/Vr,计算获得碰撞剩余时间TTC。相应地,在满足预设条件时,才允许所述终端设备采集当前环境对应的道路的通行优先权。该预设条件包括但不限于以下条件中的任一项或多项的组合:1)所述TTC小于预设时间阈值(如5s或10s);2)所述D小于预设距离阈值(如50m)等,或其他用户侧或终端设备侧定义设置的条件,本申请不做限定。
也即是,所述通行优先权是指终端设备在预设时间段(TTC小于预设时间阈值)或预设距离范围内(D小于预设距离阈值)所采集的道路的通行优先级(通行优先权)。
在可选实施例中,步骤S204预测获得所述行为结果后,所述终端设备还可针对所述行为结果对所述行人进行安全提示。例如,所述终端设备将采用所述行为结果对应的提示策略(本申请也可称为交互提示策略),提示所述行人,避免与目标车辆发生事故。
具体的,所述终端设备可预先创建并存储有多个初始行为与多个提示策略之间的关联关系,所述多个初始行为至少包括预测获得的所述行为结果。相应地步骤S204预测获得所述行为结果后,可获得该行为结果对应的提示策略,然后依据该提示策略对所述行人进行提示,关于提示方式本申请不做限定,例如通过灯光、声音、显示屏等方式提示等。
例如,引用如上图1C所述的例子,终端设备可为三种行为结果配置相应地提示策略,示例性给出如下三种提示策略。策略1:无提示;策略2:车辆减速,提示行人可以横穿道路;策略3:车辆加速,提示行人禁止横穿道路。应理解的,当S204中预测的行为结果是沿道路直行时,可采用策略1不对行人进行提示;当预测的行为结果是停止行走,则可采用策略3提示行人,当前目标车辆正加速行驶,禁止行人横穿道路;当预测的行为结果是将横穿道路时,可采用策略2提示行人,当前目标车辆减速行驶,行人可加速横穿道路等等。
如图7A还给出三种提示策略之间的转移示意图,也可称为状态机示意图。如图7A,给出了三种提示策略之间的相互转移以及转移条件,例如终端设备采用策略2提示行人后,如果后续采集到的行人的行为数据用于指示该行人发生的行为结果是沿道路直行或停止行走,则所述终端设备可切换采用策略3来提示行人,以防止行人与目标车辆发生碰撞事故。可选的,图7A中的策略1:无提示,也可作为状态机中的初始状态或初始策略。后续所述终端设备采用的所有策略均需从初始策略开始切换,本申请不做详述。
在可选实施例中,所述终端设备提示行人后,还可实时或周期性地采集行人的第二行为数据。关于所述第二行为数据可参见前述第一行为数据的相关阐述,这里不再赘述。进一步地,所述终端设备可将获取的所述第二行为数据输入至可信度预测模型中,计算获得交互可信度,该交互可信度用于评价当前一次S204中利用行为预测模型预测所述行为结果的可信度。其中,所述可信度预测模型为用户侧或终端设备侧预先自定义设置好的模型,该模块包括但不限于HMM模型、贝叶斯模型等等。
下面本申请重点以所述可信度预测模型为贝叶斯模型为例,阐述交互可信度涉及的一些具体实施例。
引用图1C所述的例子,如图7B示出一种基于提示策略的行为转移示意图。如图7B中基于各提示策略下行人可能出现的行为结果各自的概率表示转移概率,是贝叶斯模型预先训练所得的,例如策略2下对应的行为结果:停止行走的概率P(停止/策略2)为0.1。此外,图7B中三种提示策略各自被采用的概率也是贝叶斯模型预先训练所获得的,例如策略2被采用的概率P(策略2)。基于图7B,利用该贝叶斯模型计算交互可信度,具体可按如下公式(4):
其中,A表示行为结果,Bi表示终端设备采用的提示策略i。
例如,步骤S204利用行为预测模型预测获得行为结果之后,所述终端设备采用策略2提示行人,策略2具体为:(目标)车辆减速行驶,并提示行人可以横穿道路;然而步骤S204之后所述终端设备最新采集的行人的行为数据用于表征行人将停止行走(即停止在P1点)。此时利用上述公式(4)所示的贝叶斯模型计算获得的交互可信度为:
其中,P(策略2)和P(停止/策略2)是经过模型训练所获得的,也可称为是利用先验知识(即样本数据)统计所得的,本申请不做详述。P(停止)是上述行为预测模型计算获得的行为结果(停止)的概率,这里假定为发生停止行走的行为结果的概率为0.8。
显然地,上述公式计算获得的交互可信度P(策略2/停止)为0.05,小于预设阈值(如0.1),表示终端设备采用的提示策略的可信度不高,或表示S204中利用的行为预测模型预测行为结果的可信度不高。
又如,在如下场景中利用贝叶斯模型重新计算交互可信度。具体的,步骤S204利用行为预测模型预测获得行为结果之后,所述终端设备采用策略2提示行人,策略2具体为:目标车辆减速行驶,并提示行人可以横穿道路;然而步骤S204之后所述终端设备最新采集的行人的行为数据用于表征行人将横穿道路。此时利用上述公式(4)所示的贝叶斯模型计算获得的交互可信度为:
同样地,P(策略2)和P(横穿道路/策略2)是经过模型训练所获得的,P(横穿道路)是上述行为预测模型计算获得的,这里假定为发生将横穿道路的行为结果的概率为0.8。
显然地,上述公式计算获得的交互可信度P(策略2/横穿道路)为0.3,大于预设阈值(如0.1),则表示终端设备采用的提示策略的可信度较高,或表示利用上述行为预测模型预测行为结果的可信度比较高。
在可选实施例中,相应地步骤S206还存在以下具体实施方式:
第四种实施例方式中,所述终端设备可根据所述交互可信度,控制所述目标车辆进行安全行驶。具体的,所述终端设备可根据所述交互可信度,选择相应地的控制策略,然后根据选择的控制策略控制所述目标车辆进行安全行驶。例如,当所述交互可信度大于第三阈值时,所述终端设备可采用激进控制策略对所述目标车辆进行控制,以保证所述目标车辆的安全行驶。相应地,当所述交互可信度小于或等于第三阈值时,所述终端设备可采用保守控制策略对所述目标车辆进行控制。其中,所述激进控制策略和所述保守控制策略为用户侧或终端设备侧定义设置的策略,均用于控制所述目标车辆进行安全行驶。所述第三阈值为用户侧或终端设备侧自定义设置的参数阈值,例如70%等等。
应理解的,为保证目标车辆的安全行驶,不同行为结果下对应采用的激进控制策略或保守控制策略可不同。示例性地,给出如下三种行为结果各自对应配置的激进控制策略和保守控制策略。
例如,当所述交互可信度为90%,大于第三阈值70%时,可表示步骤S204所述行为预测模型预测的所述行为结果的可信度较高。相应地,若预测的所述行为结果为将横穿道路,则所述终端设备将采用激进控制策略控制所述目标车辆进行安全行驶,其中所述激进控制策略包括但不限于以下中的任一项:保持所述目标车辆的行驶速度,延迟所述目标车辆的制动刹车时间,当所述目标车辆与所述行人之间的目标距离小于第二距离阈值(如50m)时控制所述目标车辆紧急刹车;保持所述目标车辆的行驶速度,延迟所述目标车辆的方向盘转动时间,当所述目标车辆与所述行人之间的目标距离小于第二距离阈值(如50m)时控制所述目标车辆采用较大的方向盘转角(即所述目标车辆的方向盘转角大于预设角度阈值)来避让行人等等。可选的,所述激进控制策略还可为在检测到所述目标车辆与所述行人之间的目标距离小于第三距离阈值时控制所述目标车辆减速行驶(即控制所述目标车辆提前减速),或者控制所述目标车辆停止等待等等,本申请不做限定。
相应地,当所述交互可信度为60%,小于第三阈值70%,可表示步骤S204所述行为预测模型预测的所述行为结果的可信度较低。若预测的所述行为结果为将横穿道路,则所述终端设备将采用保守控制策略控制所述目标车辆进行安全行驶,其中,所述保守控制策略包括但不限于如下中的任一项或多项:在目标距离小于或等于第三距离阈值(如300m)时控制所述目标车辆减速行驶(即提前减速)、保持目标距离大于第四距离阈值(如100m)、控制所述目标车辆的方向盘转角小于或等于预设角度阈值,其中,所述目标距离为所述目标车辆与所述行人之间的距离。
又如,当所述交互可信度为90%,大于第三阈值70%时,可表示步骤S204所述行为预测模型预测的所述行为结果的可信度较高。相应地,若预测的所述行为结果为将沿道路直行或停止行走,则所述终端设备将采用激进控制策略控制所述目标车辆进行安全行驶,其中所述激进控制策略包括但不限于提高所述目标车辆的行驶速度,以加快通过道路路口;或者,保持所述目标车辆的行驶速度。可选的,所述激进控制策略还可包括但不限于支持所述目标车辆紧急刹车、支持所述目标车辆的方向盘转角大于预设角度阈值等等。
相应地,当所述交互可信度为50%,大于第三阈值70%时,可表示步骤S204所述行为预测模型预测的所述行为结果的可信度较低。相应地,若预测的所述行为结果为将沿道路直行或停止行走,则所述终端设备将采用保守控制策略控制所述目标车辆进行安全行驶,其中所述保守控制策略包括但不限于控制所述目标车辆减速行驶,以防止行人突然横穿道路等,例如控制所述目标车辆的行驶速度保持在低档,如0-30Km/h等。可选的,所述保守控制策略还可包括支持所述目标车辆紧急刹车、支持所述目标车辆的方向盘转角大于预设角度阈值等等,以防止发生事故。
在可选实施例中,所述终端设备还可利用所述交互可信度对上述的行为预测模型进行修正。具体的,所述终端设备可将所述交互可信度,可选地还可包括行人的其他行为数据(如历史运动轨迹、注视方向等等)作为所述行为预测模型的训练样本数据,输入至所述行为预测模型中再次进行学习和训练,从而得到修正后的所述行为预测模型。也即是,所述终端设备可实时或周期性地更换训练样本数据,对所述行为预测模型进行更新,即对所述行为预测模型中涉及的模型参数进行微调。关于模型的训练,本申请不做详述。
为帮助行人理解,下面通过一个例子进行详述。参见图1C所示的场景示意图,当行人从P0点运动至P1点时发现行人后续可能的行为结果以及该行为结果对应的运动轨迹为以下三种:(1)行人按照运动轨迹a沿道路直行,(2)行人按照运动轨迹b将横穿道路,(3)行人将在P1点停止行走。
进一步地,所述终端设备将确定危险区域。如图1C所示的场景中,假设道路的宽度为3.5m,行人的步行速度为1.0m/s,目标车辆的行驶速度为30km/h。则相应地,危险区域的形状与道路形状相同,这里即为矩形。其中,该危险区域的宽度W=3.5m,危险区域的长度L=Tc*(30/3.6)=(K*Tw+T0)*(30/3.6)。K为行人侧自定义设置的安全系数,这里设定为1.2。T0为用户侧自定义设置的安全时间阈值,这里设定为3s。Tw为行人横穿道路时所使用的预测时间,这里应为:3.5/1.0=3.5s。相应地,L=(1.2*3.5+3)*(30/3.6)=60m。
由于行人行走过程中通过会观察周边环境。相应地,所述终端设备可实时或周期性地获取行人的第一行为数据(即观察行为数据)。其中,所述第一行为数据包括行人注视危险区域时的面部朝向、注视角度α、注视时长、累计时长以及历史运动轨迹信息。所述终端设备可识别所述注视角度α是否处于预设角度阈值区间(例如这里设定为0°-90°),同时在一段时间内所述行人注视危险区域的累计时长是否超过预设时间阈值时;如果同时满足上述两个条件,则可确定此时行人的观察行为是警惕观察行为,将其记为gazeaction=1;反之,确定此时行人的观察行为是随意观察行为,记为gazeaction=-1。
所述注视时长为基于行人观察行为的累计时长Teye,具体统计公式如下:
Teye=∫Vgazedt
进一步地,所述终端设备可将所述第一行为数据作为行为预测模型HMM的输入,从而预测获得相应地的行为结果,该HMM模型为预先训练好的行为预测模型。本申请中,可将所述第一行为数据记为S,S={X,Y,V,Φped,Vstd,Φped_std,θhead,Teye}。其中,X和Y分别表示行人的地理坐标,即二维坐标中的X和Y。V和Vstd分别表示行人的运动速度以及运动速度的方差。Φped和Φped_std分别表示行人的运动方向以及运动方向的方差。θhead表示行人的注视方向,Teye表示行人观察行为的累计时长。
具体的,所述终端设备将行人的第一行为数据S输入至HMM中,计算出三个隐藏行为(沿道路直行、横穿道路以及P1点停止行走)各自对应的概率,从中选取概率最大的隐藏行为作为所述行为结果,输出。例如,这里假定HMM预测输出的行为结果是将横穿道路,进一步地还可获知横穿道路对应的运动轨迹是轨迹a,也即是预测获知所述行人将按照轨迹a横穿道路。
进一步地,所述终端设备可获取目标车辆A的行驶信息以及目标车辆所处的周围环境信息。其中,所述行驶信息和所述周围环境信息可参见前述实施例所述,这里不再赘述。所述终端设备可利用所述行驶信息和周围环境信息预测获得所述目标车辆后续的行驶轨迹。
所述终端判断所述行驶轨迹和所述行人的运动轨迹a是否有交点,如果有,则确定所述行人和所述目标车辆可能发生碰撞;否则,确定所述行人和所述目标车辆不会发生碰撞。
进一步地,所述终端设备可获取预设时段内(TTC小于预设时间阈值)道路的通行优先权。该通行优先权用于指示所述行人或所述目标车辆通行道路时所具备的优先级。TTC也可称为碰撞剩余时间,该预设时间阈值可为用户侧或终端设备侧自定义设置的。例如,当确定到所述行人和所述目标车辆不会发生碰撞时,该预设时间阈值可为10s。当确定到所述行人和所述目标车辆可能会发生碰撞时,该预设时间阈值可为5s等等,本申请不做限定。也即是,所述终端设备需在TTC小于预设时间阈值(如5s、10s)时,获取道路的通行优先权。其中,TTC=D/Vr,D表示行人与目标车辆之间的距离,Vr表示行人与目标车辆之间的相对运动速度。
具体的,所述终端设备在TTC小于预设时间阈值(如5s)时,通过检测道路两侧是否存在行人优先通行标志来获得通行优先权。其中,该行人优先通行标志包括但不限于:人行横道、学校、村庄、红路灯、路口等等标志。可选的,所述通行优先权还可被分级,例如分为高、中、低三级。
相应地,所述终端设备可根据所述通行优先权对所述目标车辆进行控制,以进行安全行驶。例如,当所述通行优先权用于指示所述目标车辆通行道路时具备的优先级为高时,则可不对所述目标车辆进行控制,维持所述目标车辆原来的行驶状态。当所述通行优先权用于指示所述目标车辆通行道路时具备的优先级为中时,则控制目标车辆减速至中档,如30~50km/h。当所述通行优先权用于指示所述目标车辆通行道路时具备的优先级为低时,则控制目标车辆减速至低档,如0~30km/h等,避让行人,以防止碰撞的发生。
可选的,所述终端设备在利用行为预测模型HMM预测获得行为结果后,还可利用提示装置采用相应地提示策略对所述行人进行安全提示,例如通过显示屏、灯光等提示装置提示行人。例如,当行为结果是将横穿道路时,所述终端设备可采用策略2:目标车辆减速,提示行人可以速度横穿道路,来控制目标车辆并提示行人。
相应地,提示后,所述终端设备可采用当前行人的第二行为数据。关于所述第二行为数据和第一行为数据类似,这里不再赘述。进一步地,将所述第二行为数据输入至可信度预测模型HMM中,计算获得交互可信度。该交互可信度用于指示上述利用行为预测模型HMM预测行为结果的可信度。
可选地,所述终端设备可根据所述交互可信度,对所述目标车辆进行控制,以避让行人,防止和行人发生碰撞。具体的,当所述交互可信度大于预设阈值时,所述终端设备可采用激进控制策略控制所述目标车辆进行安全行驶,例如延迟制动时间,支持所述目标车辆采用较大的减速度减速刹车;或延迟方向盘转动时间,支持采用较大的方向盘转角来控制所述目标车辆等等。反之,当所述交互可信度小于或等于预设阈值时,所述终端设备可采用保守控制策略控制所述目标车辆进行安全行驶,例如提前减速行驶,支持采用较小的减速度减速以避让行人;或者,提前支持方向盘转向,以较小的方向盘转角控制所述目标车辆等等。
可选的,所述终端设备可利用所述交互可信度,可选地还可结合上述行人的第二行为数据作为训练样本数据,再次对上述的行为预测模型HMM进行重训练和参数微调等,以获得准确的所述行为预测模型,从而提高行为结果和行人运动轨迹预测的准确性。
通过实施本发明实施例,能够解决现有技术中行为结果和行人运动轨迹预测不准确等问题,从而提高了车辆控制的安全性和实用性。
上述主要从终端设备的角度出发对本发明实施例提供的方案进行了介绍。可以理解的是,终端设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本发明中所公开的实施例描述的各示例的单元及算法步骤,本发明实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本发明实施例的技术方案的范围。
本发明实施例可以根据上述方法示例对终端设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本发明实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用集成的单元的情况下,图8A示出了上述实施例中所涉及的终端设备的一种可能的结构示意图。终端设备700包括:处理单元702和通信单元703。处理单元702用于对终端设备700的动作进行控制管理。例如:
在一种可能的实施例中,处理单元702用于支持终端设备700执行图2中步骤S202,和/或用于执行本文所描述的技术的其它步骤。通信单元703用于支持终端设备700与其它设备的通信,例如,通信单元703用于支持终端设备700执行图2中步骤S204、步骤S206,和/或用于执行本文所描述的技术的其它步骤。
在又一种可能的实施例中,处理单元702用于支持终端设备700执行图6中步骤S304,和/或用于执行本文所描述的技术的其它步骤。通信单元703用于支持终端设备700与其它设备的通信,例如,通信单元703用于支持终端设备700执行图6中步骤S302和/或用于执行本文所描述的技术的其它步骤。
可选的,终端设备700还可以包括存储单元701,用于存储终端设备700的程序代码和数据。
其中,处理单元702可以是处理器或控制器,例如可以是中央处理器(英文:Central Processing Unit,CPU),通用处理器,数字信号处理器(英文:Digital SignalProcessor,DSP),专用集成电路(英文:Application-Specific Integrated Circuit,ASIC),现场可编程门阵列(英文:Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框,模块和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。通信单元703可以是通信接口、收发器、收发电路等,其中,通信接口是统称,可以包括一个或多个接口,例如终端设备与其他设备之间的接口。存储单元701可以是存储器。
当处理单元702为处理器,通信单元703为通信接口,存储单元701为存储器时,本发明实施例所涉及的终端设备可以为图8B所示的终端设备。
参阅图8B所示,该终端设备710包括:处理器712、通信接口713、存储器77。可选地,终端设备710还可以包括总线714。其中,通信接口713、处理器712以及存储器77可以通过总线714相互连接;总线714可以是外设部件互连标准(英文:Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(英文:Extended Industry StandardArchitecture,简称EISA)总线等。所述总线714可以分为地址总线、数据总线、控制总线等。为便于表示,图7B中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
上述图8A或图8B所示的终端设备的具体实现还可以对应参照前述所述实施例的相应描述,此处不再赘述。
结合本发明实施例公开内容所描述的方法或者算法的步骤可以硬件的方式来实现,也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器(英文:Random Access Memory,RAM)、闪存、只读存储器(英文:Read Only Memory,ROM)、可擦除可编程只读存储器(英文:ErasableProgrammable ROM,EPROM)、电可擦可编程只读存储器(英文:Electrically EPROM,EEPROM)、寄存器、硬盘、移动硬盘、只读光盘(CD-ROM)或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于终端设备中。当然,处理器和存储介质也可以作为分立组件存在于终端设备中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (24)
1.一种车辆控制方法,其特征在于,所述方法包括:
获取行人注视危险区域时的第一行为数据,其中,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;
将所述第一行为数据输入行为预测模型,从而预测获得所述行人的行为结果,其中,所述行为预测模型是根据历史行为数据和历史行为结果训练得到的;
根据预测的所述行为结果,控制所述目标车辆进行安全行驶。
2.根据权利要求1所述的方法,其特征在于,所述第一行为数据包括以下中的至少一项:所述行人的注视方向、所述行人的注视时长、所述行人的注视角度、所述行人的注视焦点、所述行人注视危险区域的注视频率以及所述行人注视危险区域的累计时长。
3.根据权利要求2所述的方法,其特征在于,所述累计时长是对第一预设时段内所述行人每次注视危险区域时的所述注视时长进行累加所得的,或者,是在目标距离小于或等于第一距离阈值时对所述行人每次注视危险区域时的所述注视时长进行累加所得的,所述目标距离为所述行人与所述目标车辆之间的距离。
4.根据权利要求2或3所述的方法,其特征在于,所述第一行为数据为所述行人注视危险区域时出现警惕注视行为的行为数据,所述警惕注视行为满足以下条件中的至少一项:1)所述行人的注视时长超过第一阈值;2)所述行人注视危险区域的累计时长超过第二阈值;3)所述行人注视危险区域的注视频率超过预设频率阈值。
5.一种车辆控制方法,其特征在于,所述方法包含权利要求1至4任意一项所述方法的全部特征,并且,在所述获取行人注视危险区域时的第一行为数据之前,还包括:
确定所述行人注视所述危险区域,其中,确定条件包括以下条件中的至少一项:1)所述行人的注视方向用于指示朝向所述危险区域;2)所述行人的注视焦点落入所述危险区域;3)所述行人的注视角度处于预设角度区间。
6.一种车辆控制方法,其特征在于,所述方法包含权利要求1至5任意一项所述方法的全部特征,并且,所述第一行为数据还包括以下中的至少一项:所述行人的地理位置、所述行人的运动速度、所述行人的运动方向、所述行人的运动加速度、所述行人的历史运动轨迹;其中,所述历史运动轨迹是指在距离所述行人注视危险区域之前的第二预设时段内所述行人的运动轨迹。
7.一种车辆控制方法,其特征在于,所述方法包含权利要求1至6任意一项所述方法的全部特征,并且,所述获取行人注视危险区域时的第一行为数据之前,还包括:
根据区域影响参数,确定所述危险区域,其中,所述区域影响参数包括以下中的至少一项:所述行人所处道路的形状、所述行人所处道路的宽度、所述行人的运动速度以及所述目标车辆的行驶速度。
8.根据权利要求7所述的方法,其特征在于,所述根据区域影响参数,确定所述危险区域包括:
根据所述行人所处道路的宽度以及所述行人的运动速度,预测所述行人横穿道路时所需的第一时间;
根据所述第一时间以及所述目标车辆的行驶速度,确定所述危险区域的长度;
根据所述行人所处道路的宽度,确定所述危险区域的宽度。
9.一种车辆控制方法,其特征在于,所述方法包含权利要求1至8任意一项所述方法的全部特征,并且,所述行为结果包括以下中的至少一项:所述行人将停止行走、所述行人将沿道路直行以及所述行人将横穿道路。
10.一种车辆控制方法,其特征在于,所述方法包含权利要求1至9任意一项所述方法的全部特征,并且,所述预测获得所述行人的行为结果之后,所述方法还包括:
根据所述行为结果对应的提示策略,对所述行人进行提示。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
获取所述行人的第二行为数据,所述第二行为数据为提示所述行人后所采集的所述行人的行为数据;
将所述第二行为数据输入预存的可信度预测模型,从而预测获得交互可信度,其中,所述交互可信度用于指示所述行为预测模型预测所述行为结果的可信度。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
根据所述交互可信度,对所述行为预测模型进行修正。
13.根据权利要求11所述的方法,其特征在于,所述控制所述目标车辆进行安全行驶包括:
在所述交互可信度大于第三阈值的情况下,采用激进控制策略控制所述目标车辆进行安全行驶;或者,
在所述交互可信度小于或等于第三阈值的情况下,采用保守控制策略控制所述目标车辆进行安全行驶;
其中,所述激进控制策略和所述保守控制策略为预先设置的相反策略,均用于控制所述目标车辆安全行驶。
14.根据权利要求13所述的方法,其特征在于,在所述行为结果为所述行人将横穿道路的情况下,
所述激进控制策略包括以下中的至少一项:保持所述目标车辆的行驶速度、在目标距离小于或等于第二距离阈值时控制所述目标车辆紧急刹车、在目标距离小于或等于第二距离阈值时控制所述目标车辆的方向盘转角大于预设角度阈值,其中,所述目标距离为所述目标车辆与所述行人之间的距离;
所述保守控制策略包括以下中的至少一项:在目标距离小于或等于第三距离阈值时控制所述目标车辆减速行驶、保持目标距离大于第四距离阈值、控制所述目标车辆的方向盘转角小于或等于预设角度阈值,其中,所述目标距离为所述目标车辆与所述行人之间的距离。
15.根据权利要求13所述的方法,其特征在于,在所述行为结果为所述行人将停止行走或者将沿道路直行的情况下,
所述激进控制策略包括提高或保持所述目标车辆的行驶速度;
所述保守控制策略包括以下中的至少一项:控制所述目标车辆减速行驶、允许所述目标车辆紧急刹车以及允许所述目标车辆的方向盘转角大于预设角度阈值。
16.一种车辆控制方法,其特征在于,所述方法包含权利要求1至15任意一项所述方法的全部特征,并且,所述控制所述目标车辆进行安全行驶包括:
根据通行优先权控制所述目标车辆进行安全行驶,所述通行优先权用于指示所述行人或所述目标车辆在道路上通行时所具备的优先级。
17.一种车辆控制方法,其特征在于,所述方法包括:
获取预设数量的行为样本数据,其中,所述行为样本数据包括行人注视危险区域时的历史行为数据以及所述历史行为数据对应的历史行为结果,所述危险区域为行驶的目标车辆可能与所述行人发生碰撞的道路区域;
将所述预设数量的行为样本数据作为输入,训练预设模型,从而获得训练后的行为预测模型,其中,所述行为预测模型用于根据行人的行为数据预测所述行人的行为结果,以根据所述行为结果控制所述目标车辆进行安全行驶。
18.根据权利要求17所述的方法,其特征在于,所述行为样本数据还包括交互可信度,其中,所述交互可信度用于指示利用所述行为预测模型预测所述行为结果的可信度,所述交互可信度为终端设备侧预先设置的,或者历次利用所述行为预测模型预测行人的行为结果后所获得的可信度。
19.根据权利要求17或18所述的方法,其特征在于,所述历史行为数据包括以下中的至少一项:所述行人的注视方向、所述行人的注视时长、所述行人的注视角度、所述行人的注视焦点、所述行人注视危险区域的注视频率以及所述行人注视危险区域的累计时长。
20.一种车辆控制方法,其特征在于,所述方法包含权利要求17至19任意一项所述方法的全部特征,并且,所述历史行为数据还包括以下中的至少一项:所述行人的地理位置、所述行人的运动速度、所述行人的运动方向、所述行人的运动加速度、所述行人的历史运动轨迹;其中,所述历史运动轨迹是指在距离所述行人注视危险区域之前的预设时段内所述行人的运动轨迹。
21.一种终端设备,其特征在于,包括存储器、通信接口及与所述存储器和通信接口耦合的处理器;所述存储器用于存储指令,所述处理器用于执行所述指令,所述通信接口用于在所述处理器的控制下与目标车辆进行通信;其中,所述处理器执行所述指令时执行如上权利要求1-16中任一项所述的方法。
22.一种终端设备,其特征在于,包括存储器、通信接口及与所述存储器和通信接口耦合的处理器;所述存储器用于存储指令,所述处理器用于执行所述指令,所述通信接口用于在所述处理器的控制下与目标车辆进行通信;其中,所述处理器执行所述指令时执行如上权利要求17-20中任一项所述的方法。
23.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至16中任一项所述方法。
24.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求17至20中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711438697.0A CN109969172B (zh) | 2017-12-26 | 2017-12-26 | 车辆控制方法、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711438697.0A CN109969172B (zh) | 2017-12-26 | 2017-12-26 | 车辆控制方法、设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109969172A CN109969172A (zh) | 2019-07-05 |
CN109969172B true CN109969172B (zh) | 2020-12-01 |
Family
ID=67072232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711438697.0A Active CN109969172B (zh) | 2017-12-26 | 2017-12-26 | 车辆控制方法、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109969172B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109726447A (zh) * | 2018-12-10 | 2019-05-07 | 北京百度网讯科技有限公司 | 自动驾驶车辆周围行人疏散方法、装置及存储介质 |
CN110371112B (zh) * | 2019-07-06 | 2021-10-01 | 深圳数翔科技有限公司 | 一种自动驾驶车辆的智能避障系统及方法 |
CN112242069B (zh) | 2019-07-17 | 2021-10-01 | 华为技术有限公司 | 一种确定车速的方法和装置 |
CN110647146B (zh) * | 2019-09-09 | 2023-01-31 | 深圳一清创新科技有限公司 | 无人车控制方法、装置、计算机设备和存储介质 |
US20210081843A1 (en) * | 2019-09-17 | 2021-03-18 | Seyed Ershad BANIJAMALI | Methods and systems for observation prediction in autonomous vehicles |
CN114450703A (zh) * | 2019-09-30 | 2022-05-06 | 北京航迹科技有限公司 | 预测行人的移动轨迹的系统和方法 |
CN112572462B (zh) | 2019-09-30 | 2022-09-20 | 阿波罗智能技术(北京)有限公司 | 自动驾驶的控制方法、装置、电子设备及存储介质 |
CN110991249A (zh) * | 2019-11-04 | 2020-04-10 | 支付宝(杭州)信息技术有限公司 | 人脸检测方法、装置、电子设备及介质 |
CN110827326B (zh) * | 2019-11-14 | 2023-05-02 | 清华大学苏州汽车研究院(吴江) | 模拟人车冲突场景模型生成方法、装置、设备和存储介质 |
CN111104611B (zh) * | 2019-11-18 | 2023-01-20 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN112918472A (zh) * | 2019-12-05 | 2021-06-08 | 奥迪股份公司 | 车辆驾驶辅助系统、利用其的车辆及相应的方法和介质 |
CN110979316B (zh) * | 2019-12-18 | 2021-06-22 | 新石器慧通(北京)科技有限公司 | 车速调节方法、装置、汽车控制设备及汽车 |
CN112805730A (zh) * | 2019-12-30 | 2021-05-14 | 华为技术有限公司 | 一种轨迹预测方法及相关设备 |
CN111178286B (zh) * | 2019-12-31 | 2023-09-12 | 智车优行科技(上海)有限公司 | 姿态轨迹预测方法、装置及电子设备 |
CN111301404B (zh) * | 2020-02-06 | 2022-02-18 | 北京小马慧行科技有限公司 | 车辆的控制方法及装置、存储介质及处理器 |
CN113269008B (zh) * | 2020-02-14 | 2023-06-30 | 宁波吉利汽车研究开发有限公司 | 一种行人轨迹预测方法、装置、电子设备及存储介质 |
CN113799793B (zh) * | 2020-05-29 | 2023-05-12 | 魔门塔(苏州)科技有限公司 | 一种基于数据驱动的实现预测模型自动化迭代的系统 |
CN111859291B (zh) * | 2020-06-23 | 2022-02-25 | 北京百度网讯科技有限公司 | 交通事故识别方法、装置、设备和计算机存储介质 |
CN111931286A (zh) * | 2020-06-29 | 2020-11-13 | 北京百度网讯科技有限公司 | 纵向动力学模型的训练方法、装置及设备 |
CN111985388A (zh) * | 2020-08-18 | 2020-11-24 | 深圳市自行科技有限公司 | 行人注意力检测驾驶辅助系统、装置和方法 |
CN112258893B (zh) * | 2020-09-01 | 2021-10-26 | 华南理工大学 | 一种基于轨道预测的智能车辆换道碰撞概率评估方法 |
CN112286188B (zh) * | 2020-10-20 | 2022-09-30 | 腾讯科技(深圳)有限公司 | 车辆行驶的控制方法、装置、设备及计算机可读存储介质 |
CN114511999B (zh) * | 2020-11-17 | 2023-09-01 | 宇通客车股份有限公司 | 一种行人行为预测方法及装置 |
CN112487905B (zh) * | 2020-11-23 | 2022-02-11 | 北京理工大学 | 一种车辆周边行人危险等级预测方法及系统 |
CN112622930A (zh) * | 2020-12-22 | 2021-04-09 | 北京百度网讯科技有限公司 | 无人车的行驶控制方法、装置、设备以及自动驾驶车辆 |
CN113096424B (zh) * | 2021-03-25 | 2022-05-31 | 武汉光庭信息技术股份有限公司 | 一种行人横穿的车辆自动紧急制动方法及系统 |
CN113393669A (zh) * | 2021-06-11 | 2021-09-14 | 阿波罗智联(北京)科技有限公司 | 交通工具的控制方法、装置、设备、介质及程序产品 |
CN113879333B (zh) * | 2021-09-30 | 2023-08-22 | 深圳市商汤科技有限公司 | 轨迹预测方法、装置、电子设备及存储介质 |
CN114141019B (zh) * | 2021-12-15 | 2023-03-28 | 阿波罗智联(北京)科技有限公司 | 交通控制方法、装置、介质及程序产品 |
CN114170803B (zh) * | 2021-12-15 | 2023-06-16 | 阿波罗智联(北京)科技有限公司 | 路侧感知系统和交通控制方法 |
CN114596554B (zh) * | 2022-05-07 | 2022-07-22 | 小米汽车科技有限公司 | 车辆行驶控制方法、装置、设备、车辆及介质 |
CN116639151B (zh) * | 2023-05-30 | 2023-11-28 | 武汉理工大学 | 基于人行道盲区行人存在性预测的无人车控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0842829A1 (de) * | 1996-11-19 | 1998-05-20 | Daimler-Benz Aktiengesellschaft | Auslösevorrichtung für Insassenrückhaltesysteme in einem Fahrzeug |
CN104346955A (zh) * | 2014-10-16 | 2015-02-11 | 浙江吉利汽车研究院有限公司 | 基于人车通信的行人避撞方法和避撞系统 |
CN104802793A (zh) * | 2014-01-23 | 2015-07-29 | 罗伯特·博世有限公司 | 用于对行人在横穿车辆的行车道时的行为进行分类的方法和装置以及车辆的人员保护系统 |
CN105283883A (zh) * | 2013-04-22 | 2016-01-27 | 福特全球技术公司 | 用于检测非机动车道路使用者的方法和装置 |
CN106864361A (zh) * | 2017-02-14 | 2017-06-20 | 驭势科技(北京)有限公司 | 车辆与车外人车交互的方法、系统、装置和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9536361B2 (en) * | 2012-03-14 | 2017-01-03 | Autoconnect Holdings Llc | Universal vehicle notification system |
-
2017
- 2017-12-26 CN CN201711438697.0A patent/CN109969172B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0842829A1 (de) * | 1996-11-19 | 1998-05-20 | Daimler-Benz Aktiengesellschaft | Auslösevorrichtung für Insassenrückhaltesysteme in einem Fahrzeug |
CN105283883A (zh) * | 2013-04-22 | 2016-01-27 | 福特全球技术公司 | 用于检测非机动车道路使用者的方法和装置 |
CN104802793A (zh) * | 2014-01-23 | 2015-07-29 | 罗伯特·博世有限公司 | 用于对行人在横穿车辆的行车道时的行为进行分类的方法和装置以及车辆的人员保护系统 |
CN104346955A (zh) * | 2014-10-16 | 2015-02-11 | 浙江吉利汽车研究院有限公司 | 基于人车通信的行人避撞方法和避撞系统 |
CN106864361A (zh) * | 2017-02-14 | 2017-06-20 | 驭势科技(北京)有限公司 | 车辆与车外人车交互的方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109969172A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109969172B (zh) | 车辆控制方法、设备及计算机存储介质 | |
US11878683B1 (en) | Automated system and method for modeling the behavior of vehicles and other agents | |
JP7315294B2 (ja) | システム、方法及びプログラム | |
US10037036B2 (en) | Method and arrangement for determining safe vehicle trajectories | |
JP2021536599A (ja) | 安全な距離でナビゲートするためのシステム及び方法 | |
JP2020187754A (ja) | 課せられる責任の制約を伴うナビゲーションシステム | |
US11814054B2 (en) | Exhaustive driving analytical systems and modelers | |
US11518380B2 (en) | System and method for predicted vehicle incident warning and evasion | |
CN113272192A (zh) | 车辆控制系统和方法 | |
EP3880533B1 (en) | Vehicle control system and method | |
CN112885145B (zh) | 路口风险预警的方法和装置 | |
US11945433B1 (en) | Risk mitigation in speed planning | |
WO2021054051A1 (ja) | 電子制御装置 | |
GB2578916A (en) | Vehicle control system and method | |
US20200380865A1 (en) | Enhanced travel modes for vehicles | |
GB2579022A (en) | Vehicle control system and method | |
GB2579025A (en) | Vehicle control system and method | |
GB2579021A (en) | Vehicle control system and method | |
GB2579023A (en) | Vehicle control system and method | |
GB2578917A (en) | Vehicle control system and method | |
GB2578915A (en) | Vehicle control system and method | |
GB2578911A (en) | Vehicle control system and method | |
JPH04304600A (ja) | 移動車の走行状態判断装置 | |
GB2578912A (en) | Vehicle control system and method | |
GB2579346A (en) | Vehicle control system and method |
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 |