CN110406535A - 用于预期车道变换的系统和方法 - Google Patents
用于预期车道变换的系统和方法 Download PDFInfo
- Publication number
- CN110406535A CN110406535A CN201910312827.9A CN201910312827A CN110406535A CN 110406535 A CN110406535 A CN 110406535A CN 201910312827 A CN201910312827 A CN 201910312827A CN 110406535 A CN110406535 A CN 110406535A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane changing
- data
- adjacent vehicle
- adjacent
- 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.)
- Pending
Links
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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W40/02—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 ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0026—Lookup tables or parameter maps
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W2556/65—Data transmitted between vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
- B60W2720/106—Longitudinal acceleration
-
- 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
- B60W2754/00—Output or target parameters relating to objects
- B60W2754/10—Spatial relation or speed relative to objects
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
描述了一种预期车道变换系统,其用于辅助位于当前车道中邻近相邻车道的主车辆。所述预期车道变换系统可以包括识别模块,所述识别模块识别潜在车道变换位置并接收与邻近车辆相关联的邻近车辆数据。所述预期车道变换系统可以包括预测模块,所述预测模块预测一组所述邻近车辆在未来时间的未来动态数据。所述预期车道变换系统可以包括确定模块,所述确定模块基于所述未来动态数据来确定在所述未来时间在所述潜在车道变换位置处是否有间隙将是可用的。所述预期车道变换系统可以包括车道变换模块,所述车道变换模块响应于确定在所述未来时间在所述潜在车道变换位置处所述间隙将是可用的而发起所述主车辆的车道变换操纵。
Description
背景技术
变换车道是一种有压力的驾驶场景,并且可能导致交通堵塞和碰撞。当一个车道中的车辆横向移动到相邻交通车道中时发生车道变换。车道变换车辆的驾驶员必须基于已经在相邻车道中的车辆的相对位置和速度来决定车道变换是否可能。例如,驾驶员必须确定在车辆移动到相邻车道时相邻车道的交通间隙是否将是可用的。
这在具有下游车辆的情况下更加复杂,因为下游车辆的动作可能会影响间隙是否可用。例如,如果下游车辆中的一辆减速,则间隙可能意外地关闭。因此,车道变换车辆的驾驶员必须测量已经在相邻车道中的车辆的位置和速度,并且仍然可能无法确定车道变换是否将是可能的。同样地,已经在相邻车道中的车辆的驾驶员只能猜测位于主线车辆前方的一辆车辆或两辆车辆的下游车辆的行为。因此,变换车道对于变换车道的车辆的驾驶员和已经在相邻车道中的车辆的驾驶员来说都是有压力的。
发明内容
根据一个方面,描述了一种预期车道变换系统,其用于辅助位于当前车道中正在变换到相邻车道的主车辆。预期车道变换系统可以包括识别模块,所述识别模块识别潜在车道变换位置并接收与邻近车辆相关联的邻近车辆数据。邻近车辆数据包括车辆标识符和当前动态数据。预期车道变换系统还可以包括预测模块,所述预测模块预测一组临近车辆在未来时间的未来动态数据。所述组邻近车辆可具有至少三辆邻近车辆。预期车道变换系统还可以包括确定模块,所述确定模块基于未来动态数据来确定在未来时间在潜在车道变换位置处是否有间隙将是可用的。预期车道变换系统还可以包括车道变换模块,所述车道变换模块响应于确定在未来时间在潜在车道变换位置处间隙将是可用的而发起主车辆的车道变换操纵。
根据另一方面,描述了一种预期车道变换系统,其用于辅助位于当前车道中正在变换到相邻车道的主车辆。预期车道变换系统可以包括识别模块,所述识别模块识别潜在车道变换位置并接收与邻近车辆相关联的邻近车辆数据。邻近车辆数据包括车辆标识符和当前动态数据。预期车道变换系统还可以包括预测模块,所述预测模块通过以预测增量迭代地计算一组邻近车辆的动态数据来生成未来动态数据,直到预测增量对应于未来时间。当预测增量对应于未来时间时,所述预测增量的动态数据被识别为未来动态数据。预期车道变换系统还可以包括确定模块,所述确定模块基于未来动态数据来确定在未来时间在潜在车道变换位置处间隙是否将是可用的。预期车道变换系统还可以包括车道变换模块,所述车道变换模块响应于确定在未来时间在潜在车道变换位置处间隙将是可用的而发起主车辆的车道变换操纵。
根据另一方面,描述了一种预期车道变换方法,其用于辅助位于当前车道中正在变换到相邻车道的主车辆。预期车道变换方法包括识别潜在车道变换位置并接收与邻近车辆相关联的邻近车辆数据。邻近车辆数据包括车辆标识符和当前动态数据。预期车道变换方法还包括识别邻近车辆中的一组邻近车辆。将所述组邻近车辆中的邻近车辆数据与预测模型进行比较以计算动态数据的预测增量。预期车道变换方法包括确定动态数据的预测增量是否对应于未来时间。预期车道变换方法还包括将先前预测增量与所述预测模型进行比较以在所述先前预测增量不对应于未来时间时计算下一预测增量的动态数据。当下一个预测增量对应于未来时间时,附加动态数据被识别为未来动态数据。预期车道变换方法包括基于未来动态数据来确定在未来时间在潜在车道变换位置处是否有间隙将是可用的。响应于确定在未来时间在潜在车道变换位置处间隙将是可用的,发起主车辆的车道变换操纵。
附图说明
图1是根据示例性实施方案的用于实现用于预测车道变换的系统和方法的操作环境的示意图。
图2是根据示例性实施方案的主车辆将车道变换为相邻车道的示意图。
图3是根据示例性实施方案的具有示例性邻近车辆传感器的主车辆的示意图。
图4A是根据示例性实施方案的预测模型的示例性预测曲线图。
图4B至图4H包括根据示例性实施方案的基于差速仓的示例性预测曲线图。
图5是根据示例性实施方案的移动到间隙的车道变换车辆的示意图。
图6是根据示例性实施方案的用于预期车道变换的方法的过程流程图。
图7是根据示例性实施方案的包括计算预测增量的用于预期车道变换的方法的过程流程图。
图8是根据示例性实施方案的包括自由选择车道变换确定的用于预期车道变换的方法的过程流程图。
具体实施方式
通常,本文公开的系统和方法涉及预测可能会影响主车辆的车道变换的邻近车辆的行为。例如,当主车辆的驾驶员或主车辆希望进行车道变换时,预期车道变换系统搜索可以容纳车道变换车辆的潜在车道变换位置。为了确定在车道变换车辆准备变换车道时在潜在车道变换位置处是否有间隙将是可用的,预期车道变换系统模拟下游车辆和上游车辆的行为以说明下游车辆和上游车辆可能对间隙带来的影响。例如,如果邻近车辆的预测速度和预测位置使间隙的预测大小减小到低于阈值大小,则预期车道变换系统可以自动中止车道变换操纵。替代地,如果间隙的预测大小在可接受范围内,则车道变换车辆执行车道变换操纵并且还可以基于邻近车辆的预测行为来先行加速或减速。因此,预期车道变换系统考虑了从下游和上游邻近车辆传播的交通扰动。
定义
下文包括在本文中采用的选定术语的定义。定义包括落在术语范围内并且可用于实现方式的部件的各种示例和/或形式。示例不意图是限制性的。
如本文所使用的“总线”是指互连的架构,其可操作地连接到计算机内部或计算机之间的其他计算机部件。总线可以在计算机部件之间传递数据。总线可以是存储器总线、存储器控制器、外围总线、外部总线、纵横开关和/或局部总线等等。总线还可以是使用协议将车辆内部的部件互连的车辆总线,所述协议诸如面向媒体的系统传输(MOST)、控制器区域网络(CAN)、局部互连网络(LIN)等等。
如本文所用,“计算机通信”是指两个或更多个计算装置(例如,计算机、个人数字助理、蜂窝电话、网络装置、车辆、车辆计算装置、基础设施装置、路边装置)之间的通信,并且可以是例如网络传输、数据传输、文件传输、小应用程序传输、电子邮件、超文本传输协议(HTTP)传输等。计算机通信可以在任何类型的有线或无线系统和/或具有任何类型的配置的网络上发生,例如、局域网(LAN)、个域网(PAN)、无线个域网(WPAN)、无线网络(WAN)、广域网(WAN)、城域网(MAN)、虚拟专用网(VPN)、蜂窝网络、令牌环网、点对点网络、自组网、移动自组网、车载自组网(VANET)、车辆对车辆(V2V)网络、车辆对外界(V2X)网络、车辆对基础设施(V2I)网络等。计算机通信可以利用任何类型的有线、无线或网络通信协议,包括但不限于以太网(例如,IEEE 802.3)、WiFi(例如,IEEE 802.11)、陆地移动通信接入(CALM)、WiMax、蓝牙、Zigbee、超宽带(UWAB)、多输入多输出(MIMO)、电信和/或蜂窝网络通信(例如,SMS、MMS、3G、4G、LTE、5G、GSM、CDMA、WAVE)、卫星、专用短程通信(DSRC)等。
例如,如本文所用,“盘”可以是磁盘驱动器、固态盘驱动器、软盘驱动器、磁带驱动器、Zip驱动器、闪存卡和/或记忆棒。此外,盘可以是CD-ROM(光盘ROM)、CD可记录驱动器(CD-R驱动器)、CD可重写驱动器(CD-RW驱动器)、和/或数字视频ROM驱动器(DVD ROM)。磁盘可以存储控制或分配计算装置的资源的操作系统。
如本文所用,“数据库”可以指表、一组表、一组数据存储装置、和/或用于访问和/或操纵那些数据存储装置的方法。一些数据库可与如上文定义的盘合并。
如本文所用,“存储器”可包括易失性存储器和/或非易失性存储器。非易失性存储器可包括,例如,ROM(只读存储器)、PROM(可编程只读存储器)、EPROM(可擦除PROM)、和EEPROM(电可擦除PROM)。易失性存储器可包括,例如,RAM(随机存取存储器)、同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据速率SDRAM(DDR SDRAM)和直接RAM总线RAM(DRRAM)。存储器可以存储控制或分配计算装置的资源的操作系统。
如本文所用,“模块”包括但不限于存储指令的非暂时性计算机可读媒体、在机器上执行的指令、在机器上执行的硬件、固件、软件和/或每一个的组合,用以执行一个或多个功能或者一个或多个动作和/或造成来自另一模块、方法和/或系统的功能或动作。模块还可包括逻辑、软件控制的微处理器、离散的逻辑电路、模拟电路、数字电路、经编程逻辑装置、包含执行的指令的存储器装置、逻辑门、门的组合和/或其他电路部件。多个模块可组合成一个模块,且单一模块可在多个模块之间分布。
如本文所用,“障碍物”是指道路中的任何物体,并且可包括横穿道路的行人、其他车辆、动物、碎片、坑洼等。此外,“障碍物”可包括大多数任何交通状况、道路状况、天气状况等。障碍物的示例可以包括但不一定限于其他车辆(例如,障碍车辆)、建筑物、地标、道路中的障碍物、路段、交叉路口等。因此,沿着车辆正在行驶或预计行驶的路线,可能发现障碍物、检测到障碍物、或者使障碍物与路径、一个或多个路段相关联等。
“可操作连接”或实体“可操作地连接”所借助的连接是可以发送和/或接收信号、物理通信和/或逻辑通信的连接。可操作连接可以包括无线接口、物理接口、数据接口和/或电接口。
如本文所用,“处理器”处理信号并且执行通用计算和算术功能。由处理器处理的信号可包括数字信号、数据信号、计算机指令、处理器指令、消息、位、位流、或可被接收、传输和/或检测的其他手段。通常,处理器可以是各种不同的处理器,包括多个单核和多核处理器和协处理器以及其他多个单核和多核处理器和协处理器架构。处理器可包括用于执行各种功能的各种模块。
如本文所使用的“车辆”是指能够承载一个或多个人类乘客并且由任何形式的能量提供动力的任何移动车辆。术语“车辆”包括但不限于轿车、卡车、货车、小型货车、SUV、摩托车、踏板车、船、卡丁车、娱乐骑乘车、铁路运输、私人船艇以及飞机。在一些情况下,机动车包括一个或多个发动机。此外,术语“车辆”可指能够携带一个或多个人类乘员并且完全或部分由一个或多个电动马达提供动力的电动车辆(EV),所述一个或多个电动马达由电力电池提供动力。EV可包括电池电动车辆(BEV)和插电式混合动力电动车辆(PHEV)。术语“车辆”还可指由任何形式的能量提供动力的自主车辆和/或自行驾驶车辆。自主车辆可承载或可不承载一个或多个人类乘员。此外,术语“车辆”可以包括具有预定路径的自动化或非自动化的车辆或自由移动的车辆。
如本文所使用,“车辆系统”可以包括但不限于可以用于增强车辆、驾驶和/或安全性的任何自动或手动系统。示例性车辆系统包括但不限于:电子稳定性控制系统、防抱死制动系统、制动辅助系统、自动制动预充系统、低速跟随系统、巡航控制系统、碰撞警报系统、碰撞缓解制动系统、自动巡航控制系统、车道偏离警报系统、盲点指示器系统、车道保持辅助系统、导航系统、变速器系统、制动踏板系统、电子动力转向系统、视觉装置(例如,摄像头系统、接近传感器系统)、气候控制系统、电子预张紧系统、监控系统、乘客检测系统、车辆悬架系统、车辆座椅配置系统、车厢照明系统、音频系统、感觉系统等。
如本文所用,“车辆乘员”可包括但不限于位于车辆中的一种或多种生物。车辆乘员可以是车辆的驾驶员或乘客。车辆乘员可以是人(例如,成人、儿童、婴儿)或动物(例如,宠物、狗、猫)。
系统概述
现在参考附图,其中所述附图是为了说明一个或多个示例性实施方案的目的而不是为了限制它们的目的,图1是预期车道变换的操作环境100的示意图。可以将操作环境100的部件,以及本文讨论的其他系统的部件、硬件架构和软件架构的部件针对各种实施方案结合、省略或组织成不同的架构。此外,操作环境100的部件可以与主车辆(诸如示例性主车辆300(在图3中示出))一起实现或与主车辆相关联。
在图1的所示实施方案中,操作环境100包括车辆计算装置(VCD)102,所述车辆计算装置102具有用于处理、通信和与车辆的各种部件以及操作环境100的其他部件交互的配置。在一个实施方案中,VCD 102可以与示例性主车辆300一起实现,例如,作为远程信息处理单元、主机单元、导航单元、信息娱乐单元、电子控制单元等的一部分。在其他实施例中,VCD 102的部件和功能可以例如利用便携式装置(未示出)或经由网络(例如,网络140)连接的另一装置从示例性主车辆300远程地实现。
通常,VCD 102包括处理器104、存储器106、盘108和输入/输出(I/O)接口110,其各自经由总线112和/或其他有线和无线技术可操作地连接以用于计算机通信。I/O接口110提供软件和硬件,以便于在VCD 102的部件和本文将描述的其他部件、网络和数据源之间进行数据输入和输出。另外,处理器104包括识别模块114、预测模块116、确定模块118和车道变换模块120,用于辅助主车辆预测车道变换位置和行为,这由操作环境100的部件促进。
VCD 102也可操作地连接用于与一个或多个车辆系统122进行计算机通信(例如,经由总线112和/或I/O接口110)。车辆系统122可包括但不限于可用于增强车辆、驾驶和/或安全性的任何自动或手动系统。这里,根据示例性实施方案,车辆系统122包括导航系统124、照明系统126、音频系统128和信息娱乐系统130。导航系统124存储、计算并提供路线和目的地信息,并促进诸如逐向导航的特征。照明系统126控制车辆的照明,以致动例如包括外部灯(例如,转向信号灯)和/或诸如仪表板灯的内部灯。音频系统128控制示例性主车辆300中的音频(例如,音频内容、音量)。信息娱乐系统130提供视觉信息和/或娱乐,并且可以包括显示器132。
车辆系统122包括和/或可操作地连接用于与各种车辆传感器134进行计算机通信。车辆传感器134提供和/或感测与车辆、车辆环境和/或车辆系统122相关联的信息。车辆传感器134可包括但不限于:主车辆传感器136,其与车辆系统122相关联;其他车辆传感器,其与示例性主车辆300相关联;和/或邻近车辆传感器138,其收集有关邻近示例性主车辆300的邻近车辆的数据。
主车辆传感器136可包括但不限于环境传感器、车辆速度传感器、加速踏板传感器、制动传感器、节气门位置传感器、车轮传感器、防抱死制动传感器、凸轮轴传感器等。在一些实施方案中,主车辆传感器136与车辆系统122结合。例如,一个或多个主车辆传感器136可与导航系统124结合以监控主车辆的诸如位置和速度的特征。
邻近车辆传感器138可包括但不限于安装到示例性主车辆300的内部或外部的图像传感器诸如摄像头、光学传感器、无线电传感器等,以及安装到示例性主车辆300的外部或内部的光传感器诸如光探测和测距(LiDAR)传感器、雷达、激光传感器等。另外,邻近车辆传感器138可包括位于示例性主车辆300外部的传感器(例如,经由网络140来访问),例如,车辆对车辆网络中的其他车辆上的外部摄像头、雷达和激光传感器、街道摄像头、监控摄像头等。邻近车辆传感器138监控示例性主车辆300的环境以检测邻近车辆的存在。另外,邻近车辆传感器138可以检测一辆或多辆邻近车辆的特性,诸如邻近车辆的位置和速度,以及主车辆和邻近车辆的相对特征,诸如主车辆与一辆或多辆邻近车辆之间的相对距离和速度。
因此,车辆传感器134可操作以感测与车辆、车辆环境、车辆系统122、示例性主车辆300和/或邻近车辆相关联的数据的测量值并生成指示所述数据测量值的数据信号。这些数据信号可以被转换成其他数据格式(例如,数字的)和/或由车辆系统122和/或VCD 102使用以生成其他数据度量和参数。应理解,传感器可以是任何类型的传感器,例如声学传感器、电传感器、环境传感器、光学传感器、成像传感器、光传感器、压力传感器、力传感器、热传感器、温度传感器、接近传感器等。
VCD 102也可操作地连接用于与网络140和自然行为数据库142进行计算机通信。应理解,从I/O接口110到网络140和自然行为数据库142的连接可以通过各种方式来促进。例如,通过网络连接(例如,有线或无线)、来自便携式装置(未示出)的蜂窝数据网络、车辆对车辆自组织网络(未示出)、车内网络(未示出)等或其任何组合来促进。在一些实施方案中,自然行为数据库142可以位于车辆上,在例如存储器106和/或盘108处。在其他实施方案中,自然行为数据库142可以分布在一个或多个位置。
例如,网络140为数据网络、因特网、广域网或局域网。网络140用作各种远程装置(例如,数据库、网络服务器、远程服务器、应用服务器、中间服务器、客户端机器、其他便携式装置)的通信介质。在一些实施方案中,自然行为数据库142可以包括在网络140中,由VCD102通过网络140来访问,和/或网络140可以访问自然行为数据库142。因此,在一些实施方案中,VCD 102可以经由网络140从自然行为数据库142获得数据。
系统和方法的应用
相对于主车辆描述了系统和方法的应用。主车辆是具有上述操作环境100的车辆。主车辆可以是第一车道202或邻近第一车道202的第二车道204中的车辆。将描述其中车道变换车辆206或跟随车辆208是主车辆或者车道变换车辆206和跟随车辆208两者都是主车辆的示例。这些示例本质上是示例性的,并不是被提供作为限制性的。例如,其中车道变换车辆206是主车辆的实施方案并不意味着跟随车辆208不是主车辆。跟随车辆208可以是或可以不是主车辆。因此,所公开的主车辆的特征和功能或其替代物或变型可以由车道变换车辆206或跟随车辆208实现。
图1是用于实现预期车道变换的系统和方法的操作环境100的示意图。图2所示的道路示例200具有第一车道202和邻近第一车道202的第二车道204。如上所论述,车道变换车辆206和/或跟随车辆208可以是使用操作环境100来辅助主车辆预测从下游邻近车辆传播的交通扰动并促进车道变换的主车辆。例如,在第一实施方案中,主车辆可以为试图将车道从第一车道202改变到第二车道204中的车道变换车辆206。在第二实施方案中,主车辆可以是已经在车道变换车辆206正试图从第一车道202换道进入的第二车道204中行驶的跟随车辆208。替代地,车道变换车辆206和跟随车辆208两者都可以是具有操作环境100的主车辆。
如上所述,操作环境100包括具有识别模块114的处理器104。识别模块114识别车道中的具有在与主车辆相同的方向上移动的交通的邻近车辆。回到其中车道变换车辆206是主车辆的第一实施方案,识别模块114将跟随车辆208、第一前方车辆210和第二前方车辆212识别为邻近车辆。识别模块114可另外将也在第一车道202中行驶的第一直列车辆214和第二直列车辆216识别为邻近车辆。在其中跟随车辆208是主车辆第二实施方案中,识别模块114除了第一前方车辆210、第二前方车辆212、第一直列车辆214和第二直列车辆216之外,还将车道变换车辆206识别为邻近车辆。
基于邻近车辆的识别,识别模块114可以识别潜在车道变换位置218。例如,在第一实施方案中,主车辆是正试图将车道从第一车道202改变到第二车道204的车道变换车辆206。车道变换车辆206可以识别与邻近车辆(诸如跟随车辆208和第一前方车辆210)之间的未占用空间作为潜在车道变换位置218。
回到图1,识别模块114可以使用从车辆系统122和/或车辆传感器134的邻近车辆传感器138所接收的数据来识别至少一辆邻近车辆。邻近车辆传感器138可包括一个或多个光学传感器(例如,无线电检测和测距(RADAR)装置、光成像检测和测距(LiDAR)装置等)、图像传感器(例如,摄像头、磁共振成像仪、x射线成像仪等)和/或其他测距传感器。
在图3中示出了具有临近车辆传感器138的示例性主车辆300。邻近车辆传感器138可包括前向传感器302。前向传感器可以是图像传感器(诸如摄像头)或光学传感器(诸如RADAR或LiDAR装置)。如这里所示,前向传感器302可以具有160米范围和20°视野。前向传感器302可以安装到示例性主车辆300的内部或外部。前向传感器302的安装(未示出)可以是可固定的以使前向传感器302保持处于固定位置或径向安装以允许前向传感器302围绕示例性主车辆300旋转。前向传感器302可以检测来自邻近车辆的可见光和红外光。前向传感器302也可以检测由识别模块114或车辆系统122中的一个处理的图像中的光图案。光图案可以指示至少一辆邻近车辆已经照亮转向信号或识别路面上的车道标记。
邻近车辆传感器138可另外包括角传感器304、306、308和310。在一个实施方案中,角传感器304、306、308和310可以是RADAR传感器或用于识别至少一辆邻近车辆的任何其他类型的传感器,诸如LiDAR。邻近车辆传感器138可以设置在示例性主车辆300的内部或外部的任何位置上。例如,邻近车辆传感器138可以设置在车门、保险杠、轮舱体、后视镜、侧视镜、仪表板、后窗等中。在一个示例中,角传感器304、306、308和310可以安装在车辆的拐角处,并且角传感器304、306、308和310中的每个都可以具有80米范围和90°视野。
回到图1,邻近车辆传感器138测量来自位于主车辆附近的邻近车辆的数据。例如,邻近车辆传感器138可以测量与邻近车辆的定时、位置、速度和加速度相关联的数据,并且使用车辆标识符将测量的数据归因于邻近车辆。识别模块114从邻近车辆传感器138接收测量数据以识别邻近车辆并生成相对应的邻近车辆数据。
邻近车辆传感器138可以连续地或周期性地测量关于主车辆附近的邻近车辆的数据。例如,可以跟踪邻近车辆的测量数据,使得测量数据可以用于生成反映邻近车辆的当前运动的当前动态数据(例如,位置、速度和加速度),并且包括邻近车辆之间的相对数据(例如,邻近车辆之间的相对速度、间距等)。以这种方式,当前动态数据是由各种运动数据值表示的邻近车辆的快照。例如,动态数据可以包括基于邻近车辆传感器已经聚合的测量数据的加速度值。
当前动态数据可以基于来自邻近车辆传感器138的测量数据来分配给适当的邻近车辆。例如,车辆标识符可以附加到当前动态数据。因此,识别模块114可以根据来自邻近车辆传感器138的测量数据来计算特定邻近车辆的当前动态数据并将当前动态数据归因于所述特定邻近车辆。
替代地,识别模块114可以通过网络140直接从邻近车辆接收近侧车辆数据,作为在收发器312(如图3所示)处接收的计算机通信。例如,收发器312可允许示例性主车辆300通过车辆对车辆网络直接从邻近车辆接收近侧车辆数据。以这种方式,识别模块114可直接从邻近车辆接收当前动态数据和/或车辆标识符。在另一实施方案中,识别模块114可以从远程传感器(例如,经由网络140来访问)接收邻近车辆数据,所述远程传感器例如外部摄像头、街道摄像头、监控摄像头、路面内传感器等。因此,识别模块114可以接收在主车辆的邻近传感器138的范围之外的邻近车辆的邻近车辆数据,所述邻近传感器诸如前向传感器302和/或角传感器304、306、308和310。
识别模块114可以实时识别邻近车辆和/或存储、聚合并跟踪关于先前识别的邻近车辆的数据。识别模块114可以另外识别指示邻近车辆可能即将试图车道变换的一个或多个车道变换指示符。在车道变换车辆206是主车辆的第一实施方案中,激活转向信号可以是车道变换指示符。在第二实施方案中,主车辆是第二车道204中的车辆,诸如跟随车辆208。在第二实施方案中,车道变换指示符可包括在邻近车辆上的转向信号照亮、邻近车辆与主车辆或路面线的接近度、车道中的障碍物(未示出)、交通拥堵等。例如,主车辆可以检测在邻近车辆上照亮的转向信号。在另一示例中,识别模块114可以基于多个车道变换指示符将车道变换车辆206识别为试图变换到第二车道204。
在一个实施方案中,识别模块114可以基于正在识别的阈值数量的车道变换指示符来将邻近车辆中的至少一辆标记为将要变换车道。在另一实施方案中,车道变换指示符可以是分层的。例如,转向信号照亮可以是邻近车辆上的第一层车道变换指示符,而邻近车辆与主车辆或路面线的接近度以及第一车道202中的障碍物可以是第二层车道变换指示符。当识别到单个第一层车道变换指示符时,识别模块114可以将邻近车辆标记为即将改变车道,但是如果识别到两个或更多个第二层车道变换指示符,则识别模块114可以仅标记邻近车辆。虽然描述了两层,但可以采用更多或更少的层。因此,除了识别潜在车道变换位置和接收邻近车辆数据之外,识别模块114还可以基于车道变换指示符来识别特定车道变换行为。
此外,识别模块114可以计算缺失的当前动态数据。例如,假设识别模块114接收测量数据,所述测量数据包括跟随车辆208和第一前方车辆210的位置、速度和定时信息。识别模块114可以使用测量数据来生成当前动态数据,使得当前动态数据包括跟随车辆208的位置、速度和加速度,并且第一前方车辆210可以由邻近车辆传感器138来测量。然而,在该示例中,第二前方车辆212可能在邻近车辆传感器138的范围之外。因此,第二前方车辆212的当前动态数据(包括位置、速度和加速度)可以通过网络140作为计算机通信来接收。
处理器104的预测模块116预测临近车辆中的至少一些在未来时间的未来动态数据。基于邻近车辆数据的当前动态数据来计算未来动态数据。在一个实施方案中,预测模块116使用跟随车辆208、第一前方车辆210和第二前方车辆212的当前动态数据来预测跟随车辆208、第一前方车辆210和第二前方车辆212在未来时间的未来动态数据。为了预测在未来时间的未来动态数据,预测模块116针对邻近车辆中的每一辆(诸如跟随车辆208、第一前方车辆210和第二前方车辆212)而以预测增量迭代地计算动态数据,直到预测增量对应于未来时间。未来时间是通过延伸到未来的多个预测增量与当前时间分开的时间。因此,未来时间对应于多秒,并且每个预测增量都对应于小于从当前到未来时间的总时间的特定时间步长。
作为预测示例,假设未来时间是未来的3秒。预测模块116可以按照一秒的预测增量来计算跟随车辆208、第一前方车辆210和第二前方车辆212的动态数据。换句话说,预测模块116针对跟随车辆208、第一前方车辆210和第二前方车辆212使用在时间T=0秒的当前动态数据来以对应于T=1秒的第一预测增量预测跟随车辆208、第一前方车辆210和第二前方车辆212的动态数据。
然而,在该预测示例中,未来时间对应于T=3。因此,预测模块116使用来自第一预测增量(T=1)的动态数据来以对应于T=2秒的第二预测增量预测跟随车辆208、第一前方车辆210和第二前方车辆212的附加动态数据。由于第二预测增量也不对应于未来时间,因此预测模块116使用来自第二预测增量的附加动态数据来预测对应于T=3秒的第三预测增量的附加动态数据。由于第三预测增量的附加动态数据确实对应于未来时间(T=3),因此预测模块116从T=3识别附加动态数据作为跟随车辆208、第一前方车辆210和第二前方车辆212的未来动态数据。以这种方式,预测模块116以预测增量迭代地计算动态数据,直到预测模块116识别邻近车辆的未来动态数据。
预测模块116可以通过将先前动态数据与一组预测模型的一个预测模型进行比较来计算动态数据。预测模型基于当前动态数据和/或先前动态数据来预测未来动态数据。图4A所示的预测曲线图400是预测模型的说明性示例,并且将参考图2进行描述。预测曲线图400示出了其中潜在车道变换位置218处的间距相对于跟随车辆208和第一前方车辆210之间的加速度的方式。因此,在一个实施方案中,预测曲线图400可以用来预测跟随车辆208的加速度。
参考上面给出的预测示例,在当前时间T=0,预测模块116使用当前动态数据(包括跟随车辆208的速度以及跟随车辆208和第一前方车辆210之间的相对速度和间距)来预测跟随车辆208的加速度。假设预测曲线图400是从跟随车辆208的一组预测模型中选择的。预测曲线图400将跟随车辆208和第一前车辆210之间的间距402与数据拟合估计404进行比较。数据拟合估计404可以使用诸如线性回归、最佳拟合建模和其他拟合函数的任何数据拟合方法来确定。
间距402在交点406处与数据拟合估计404相交。预测模块116预测跟随车辆208相对于交点406的未来加速408。未来加速度408对应于预测模块116的一个预测增量,因此这里,未来加速度408将与对应于T=1秒的第一预测增量处的动态数据相对应。
图4a是对应于预测模型的示例性预测曲线图,用于基于一对车辆之间的差速来预测跟随车辆的加速度或车辆间距。可以基于用于构建预测模型的数据来使用任何数量的预测曲线图。因此,可以使用涉及动态数据(例如,位置、定时、速度、加速度、间距等)的不同值的不同预测曲线图来预测未来动态数据。
预测模型可以基于模拟数据或自然数据。例如,预测模型可以基于来自城市交通模拟模型(VISSIM)高速公路网的一秒接一秒的车辆轨迹数据。自然数据,其可以包括来自主车辆的数据,诸如被监控的行为、特定道路上的车辆的被监控的行为、或者一个或多个道路上的多个车辆的被监控的行为,可以被聚合为全局数据。可以由自然行为数据库142经由网络140从诸如交通摄像头的道路传感器、道路的捕获视频、路面内传感器以及道路上其他车辆的车辆传感器等接收被监控的行为。
自然的和/或模拟的数据基于动态数据排列成组。在一些实施方案中,预测模块116可以基于动态数据的特征来访问数据仓。例如,数据可以被排列到对应于不同动态数据范围的仓中,诸如跟随车辆208和第一前方车辆210之间的范围速度差。
在一个实施方案中,数据组被排列到由图4B至图4G表示的仓中。例如,预测模块116可以:在跟随车辆208和第一前方车辆210之间的速度差为0-10mp的情况下访问由图4B的预测曲线图410示出的数据组;在跟随车辆208和第一前方车辆210之间的速度差为11-20mph的情况下访问由图4C的预测曲线图420示出的数据组;在跟随车辆208和第一前方车辆210之间的速度差为21-30mph的情况下访问由图4D的预测曲线图430示出的数据组;在跟随车辆208和第一前方车辆210之间的速度差为31-40mph的情况下访问由图4E的预测曲线图440示出的数据组;在跟随车辆208和第一前方车辆210之间的速度差为41-50mph的情况下访问由图4F的预测曲线图450示出的数据组;或者在跟随车辆208和第一前方车辆210之间的速度差为51-60mph的情况下访问由图4G的预测曲线图460示出的数据组。预测曲线图400和410-460说明了用于以预测增量预测动态数据的数据分仓和数据拟合估计,然而,所述数据可以用作查找表或其他可访问的数据形式。
以类似的方式,预测模块116可以以预测增量迭代地预测第一前方车辆210和第二前方车辆212之间的未来动态数据。第一前方车辆210和第二前方车辆212之间的交互作用影响跟随车辆208和第一前方车辆210之间的间距。例如,假如第二前方车辆212减速,则第一前方车辆210也可能会减速,从而使跟随车辆208和第一前方车辆210之间的间距减小。因此,预测模块116可以预测两对邻近车辆之间的未来动态数据:(1)跟随车辆208和第一前方车辆210;以及(2)第一前方车辆210和第二前方车辆212,以便考虑下游影响和上游影响。
预测模块116可以另外预测用于直列车辆对的未来动态数据,包括:(3)车道变换车辆206和第一直列车辆214;以及(4)第一直列车辆214和第二直列车辆216。类似于第一前方车辆210和第二前方车辆212,预测模块116预测第一直列车辆214和第二直列车辆216之间的未来动态数据,因为这些车辆的相互作用朝向车道变换车辆206向上游传播回来。例如,如果第二直列车辆216减速,使得第一直列车辆214也减速,则车道变换车辆206可能不能移动到潜在车道变换位置218。
一旦预测模块116预测到未来动态数据,确定模块118便使用未来动态数据来确定在由识别模块114识别的潜在车道变换位置处是否有间隙将是可用的。例如,如将参照图5描述的,确定模块118可以确定潜在车道变换位置处的间隙对于车道变换车辆是否足够大。
图5是具有第一车道502和第二车道504的道路的示意图。车道变换车辆506预期移动到潜在车道变换位置508,所述车道变换位置508由跟随车辆510和第一前方车辆512界定。第二前方车辆514在第一前方车辆512的下游。在潜在车道变换位置508处存在第一间隙516。第一间隙516的间距被测量为跟随车辆510和第一前方车辆512之间的第一间隙长度518。第二间隙520位于第一前方车辆512和第二前方车辆514之间。因此,第二间隙长度522的间距被测量为第一前方车辆512和第二前方车辆514之间的距离。
在一个实施方案中,跟随车辆510是主车辆。当车道变换车辆506在潜在车道变换位置508的车道变换距离524内时,跟随车辆510确定第一间隙516对于车道变换车辆506是否将是可用的。例如,跟随车辆510的确定模块118可以确定第一间隙516将不可用,因为第一间隙长度518将不足以在未来时间容纳车道变换车辆506。因此,车道变换模块120可以控制跟随车辆510的车辆系统122以调整动态参数(例如,位置、速度、加速度、制动)以增加第一间隙长度518,从而使得第一间隙516对于车道变换车辆506可用。
替代地,假设车道变换车辆506是主车辆。在另一实施方案中,车道变换车辆506的确定模块118可确定潜在车道变换位置508处的第一间隙516的尺寸是否足够容纳车道变换车辆506。车道变换车辆506的车辆传感器134可以测量第一间隙516的第一间隙长度518。第一间隙长度518可以由从跟随车辆510到第一前方车辆512的距离来限定。可以将第一间隙长度518与间隙阈值进行比较以确定第一间隙516是否具有足够的尺寸以容纳车道变换车辆506。在一些实施方案中,间隙阈值是车道变换车辆506的长度的两倍。在一些实施方案中,第一间隙长度518大于间隙阈值表示第一间隙516的尺寸将足以容纳车道变换车辆506。相反,第一间隙长度518小于间隙阈值表示第一间隙516的尺寸将不足以容纳车道变换车辆506。
类似地,确定模块118可以基于第一前方车辆512和第二前方车辆514之间的未来动态数据来确定第二前方车辆514的运动效果是否将向上游传播。确定模块118可以考虑第二间隙长度522对第一间隙长度518的影响。例如,如果第二间隙长度522正在减小,则确定模块118可以类似地确定第一间隙长度518正在减小。当与其他未来动态数据(诸如一辆或多辆邻近车辆的减速度值)结合时,确定模块118可以确定第一间隙516将不可用。
响应于确定第一间隙516具有足够的尺寸,车道变换模块120使得车道变换车辆506发起车道变换操纵。这里,车道变换操纵可以包括车道变换模块120控制车辆系统122以改变车道变换车辆506的动态参数,这使得车道变换车辆506移动到第二车道504中的第一间隙516中。因此,车道变换操纵可以包括改变主车辆的运动学参数以使主车辆移动到潜在车道变换位置508处的第一间隙516中或使第一间隙516对于车道变换车辆506可用。例如,由主车辆传感器136测量的纵向速度控制可以继续,以便保持在跟随车辆510和第一前方车辆512之间,主车辆根据诸如20°的航向角转向,以从第一车道502移动到第二车道504中,并检查车道变换完成。
在一些实施方案中,发起车道变换操纵可以附加地或替代地包括提醒车辆乘员车道变换的可能性。例如,导航系统124可以示出车道变换参数,诸如对于潜在车道变换位置508的位置、距离和方向。车道变换参数可以显示在信息娱乐系统130的显示器132或者平视显示器(未示出)上。
车道变换模块120可以基于主车辆传感器136对位置和速度的测量值来控制车道变换车辆506以有利于车道变换车辆506移动到第一间隙516中的方式操作或操纵。例如,车道变换模块120可以触发自主驾驶系统或辅助驾驶辅助系统,以使得车道变换车辆506相应地操作或操纵。响应于确定第一间隙516不具有足够的尺寸,车道变换模块120可使得预测模块116预测更新的车道变换位置。因此,当先前的潜在车道变换位置不可用时,预测模块116将更新潜在车道变换位置。以与上述相同的方式计算更新的潜在车道变换位置,所述方式包括邻近车辆(诸如跟随车辆510、第一前方车辆512和第二前方车辆514)的当前相对位置。
以这种方式,可以迭代地确定动态数据直到车道变换车辆506选择不变换车道或移动到第一间隙516中。预测的车道变换还可以考虑与车道变换车辆506成直列的邻近车辆。例如,回到图2,识别模块114可接收第一直列车辆214和第二直列车辆216的邻近车辆数据。预期车道变换系统提供平稳的车道变换辅助。因此,车道变换行为系统实现车道变换方法和系统,所述车道变换方法和系统便于基于自然数据组进行车道变换位置预测,并且通过在高压力情况下的更智能的车道变换操纵来改善车辆乘员体验。
图6是根据示例性实施方案的用于预期车道变换的方法的过程流程图,并且将参照图1和图5进行描述。应理解,本文所讨论的说明性示例本质上是示例性的,并且可以实现各种主车辆、车辆模型和动态参数。
在框602处,所述方法包括接收与邻近车辆相关联的邻近车辆数据,其中邻近车辆数据包括车辆标识符和当前动态数据。识别模块114从邻近车辆传感器138或者通过网络140接收数据流以确定一辆或多辆邻近车辆是否接近主车辆。识别模块114还可以通过网络140从远程传感器(例如,交通摄像头、路面内传感器、车辆对车辆网络)接收数据流。在一些实施方案中,在主车辆的邻近距离半径内的车辆被识别为邻近车辆。邻近距离半径可以是从主车辆测量的预定径向距离。
在一个实施方案中,可以将三辆或更多辆车辆识别为邻近车辆,所述邻近车辆包括跟随车辆510、第一前方车辆512和第二前方车辆514(如图5所示)。因此,将接收三辆或更多车辆的邻近车辆数据。邻近车辆数据可以从主车辆上的邻近车辆传感器138来接收和/或经由网络140而作为计算机通信(例如,车辆对车辆数据)来接收。因此,即使邻近车辆在邻近车辆传感器138的范围之外,主车辆也可以从邻近车辆接收邻近车辆数据。
在框604处,所述方法包括基于邻近车辆数据来预测邻近车辆的未来动态数据。例如,主车辆可以以预测增量迭代地计算动态数据,直到确定预测增量对应于未来时间。未来动态数据包括关于邻近车辆各自的信息以及关于邻近车辆相对于彼此的信息。例如,未来动态数据可以包括跟随车辆508的预测加速度值以及跟随车辆510和第一前方车辆512之间的第一间隙长度518。
在框606处,所述方法包括基于未来动态数据确定在未来时间在潜在车道变换位置处是否有间隙将是可用的。基于预测的未来动态数据确定是否有间隙是可用的。例如,所述确定可以基于在未来时间第一间隙长度518是否将容纳车道变换车辆506。
在框608处,所述方法包括响应于确定在未来时间在潜在车道变换位置处间隙将是可用的而发起主车辆的车道变换操纵。发起车道变换操纵可以包括调整主车辆的动态参数。假设主车辆正在变换车道,则可以调整动态参数以使车道变换车辆与潜在车道变换位置508横向地成直列。例如,可以调整动态参数以使主车辆处于潜在车道变换位置508的车道变换距离524内。替代地,假设主车辆是跟随车辆510,可以调整动态参数以保持或增加在潜在车道变换位置508处的第一间隙516。
可以由车道变换模块120调整动态参数。在一些实施方案中,车道变换模块120可以使用先进的驾驶员辅助系统或自主驾驶系统(未示出)来调整动态参数。在另一实施方案中,车道变换模块120可以采用车辆系统122(诸如防抱死制动系统、制动辅助系统、自动制动预充系统、低速跟随系统或巡航控制系统)来调整动态参数。
发起车道变换操纵可以包括以下一者或多者:通过音频系统128触发音频提示(例如,声音警告、语音警告等);和/或通过导航系统124触发视觉提示,所述视觉提示包括车道变换方向的视觉指示;由照明系统126控制的照明序列;或其他可以显示在显示器132上的视觉提示、通过信息娱乐系统130的平视显示投影。通过促进车道变换操纵,这里描述的系统和方法提供改进的驾驶员体验。
在框610处,所述方法包括响应于确定在未来时间在潜在车道变换位置处有间隙将是可用的,延迟主车辆的车道变换操纵。例如,假设主车辆正在变换车道,则延迟可以是预定的时间量,或者直到在主车辆附近感测到不同的邻近车辆。替代地,假设主车辆是跟随车辆510,主车辆可以延迟监控车道变换车辆506的行为。
图7是根据示例性实施方案的包括计算预测增量的用于预期车道变换的方法的过程流程图。图7具有类似于以上参照图6所讨论以及参照图5所描述的那些的框602、606、608和610。框706–710描述了与以上参照图6所讨论且参照图5所描述的框604相对应的方法。应理解,本文所讨论的说明性示例本质上是示例性的,并且可以实现主车辆、模型和动态参数。
在框602处,所述方法包括接收与邻近车辆相关联的邻近车辆数据。如上所述,邻近车辆数据包括车辆标识符和当前动态数据。
在框702处,所述方法包括识别潜在车道变换位置508。可以基于邻近车辆和/或主车辆经历的下游影响来识别潜在车道变换位置508。例如,潜在车道变换位置508可以基于跟随车辆510和第一前方车辆512之间的间距。在另一示例中,下游影响可以是主车辆已经响应于下游交通或者邻近车辆在下游以较慢速度移动而被迫减速。
在框704处,所述方法包括识别可以影响潜在车道变换位置的邻近车辆的一组邻近车辆。在一些实施方案中,邻近车辆传感器138可以检测比确定第一间隙516在未来时间是否将可用所需的更多的邻近车辆。因此,一组邻近车辆可被识别为与所识别的潜在车道变换位置508邻近或与邻近潜在车道变换位置508的邻近车辆邻近的车辆。
替代地,邻近车辆可被识别为相对于潜在车道变换位置508的成对的成员。例如,在一个实施方案中,成对邻近车辆可包括:(1)跟随车辆208和第一前方车辆210;(2)第一前方车辆210和第二前方车辆212;(3)车道变换车辆206和第一直列车辆214;和/或(4)第一直列车辆214和第二直列车辆216。如果邻近车辆被识别为所述对中的至少一个的成员,则所述邻近车辆被识别为所述组邻近车辆的成员。
在框706处,所述方法包括将所述组邻近车辆中的邻近车辆的邻近车辆数据与预测模型进行比较,以计算动态数据的预测增量。因此,针对所述组邻近车辆中的每辆邻近车辆计算动态数据。
在框708处,所述方法包括确定对应于未来时间的动态数据的预测增量。如果确定动态数据的预测增量不对应于未来时间,则所述方法继续到框710。
在框710处,所述方法包括针对所述组邻近车辆中的每辆邻近车辆计算下一预测增量的附加动态数据。附加动态数据基于先前动态数据。所述方法然后返回到框708以确定下一预测增量是否对应于未来时间。以这种方式,所述方法迭代地计算动态数据,直到预测增量对应于未来时间。
当在框708处确定预测增量确实对应于未来时间时,所述方法继续到框712。在框712处,所述方法包括将动态数据的附加预测增量识别为未来动态数据。
所述方法从框712继续到框606。在框606处,所述方法包括基于未来动态数据来确定在未来时间在潜在车道变换位置处是否有间隙将是可用的,如上面参考图6所述。
图8是根据示例性实施方案的用于预期车道变换的方法的过程流程图,所述方法包括确定车道变换是否是自由选择的。图8具有类似于以上参照图6所讨论以及参照图5所描述的那些的框602-610。图8的框602-610以类似于上面图6所述的方式操作。应理解,本文所讨论的说明性示例本质上是示例性的,并且可以实现主车辆、模型和动态数据的值。
在框802处,所述方法包括接收车道变换触发。车道变换触发可以取决于主车辆的性质。例如,假设在第一实施方案中,车道变换车辆506是主车辆。车道变换触发可以是转向信号的激活。替代地,车辆系统122可基于由主车辆传感器136测量的下游影响(例如,主车辆已响应于下游交通而被迫减速)或由邻近车辆传感器138测量的下游影响(例如,主车辆感测到邻近车辆以较慢的速度向下游移动)来提供车道变换触发。假设在第二实施方案中,主车辆是跟随车辆510,则车道变换触发可以是车道变换距离524小于阈值车道变换距离或车道变换车辆506与车道标记的接近度的车道变换车辆506。
在框804处,所述方法包括确定车道变换是否是自由选择的。自由选择的车道变换可以基于道路。例如,如果车道变换车辆506正试图从入口匝道或向出口匝道合并,则车道变换将被视为强制车道变换,因为车道合并结束或者车道变换车辆506正试图离开高速公路。同样地,如果车道变换车辆506没有可通行的方式保持在第一车道502中,则车道中的障碍物可以迫使车道变换车辆506变换车道。以这种方式,基于道路特征确定车道变换是否是自由选择的。
另外,可以基于主车辆特征来确定车道变换是否是自由选择的。例如,主车辆传感器136可以识别需要车辆离开道路的问题(例如,低轮胎压力、高发动机温度、低燃料)。因此,响应于主车辆问题而变换车道以离开道路可被确定为是强制车道变换。
如果确定车道变换不是自由选择的,换句话说,车道变换是强制的,则所述方法继续到框806。在框806处,所述方法包括继续进行车道变换。然而,如果确定车道变换是自由选择的,则所述方法继续进行到上面参照图6描述的框602-610。
所描述的系统和方法便于车道变换。例如,预期车道变换系统识别邻近车辆和那些车辆的动态数据,并且因此能够模拟上游车辆(例如,跟随车辆510)和下游车辆(例如,第一前方车辆辆210、第二前方车辆212、第一直列车辆214、第二直列车辆216)影响潜在车道变换位置508的方式。具体地,通过预测邻近车辆的未来动态数据(包括那些车辆的间距),预期车道变换系统可以确定第一间隙516在用于车道变换车辆506的未来时间处的潜在车道变换位置508处是否将是可用的。因此,预期车道变换系统考虑了从下游和上游邻近车辆传播的交通扰动。
将理解的是,可以合意地将各种上文公开的和其他特征和功能或替代物或它们的变型组合到许多其他不同的系统或应用中。此外,所属领域技术人员可以随后做出本文中当前未预见或未预料到的各种另选方案、修改、变型或其中的改进,而这些也意图由所附权利要求书所涵盖。
Claims (20)
1.一种预期车道变换系统,其用于辅助位于当前车道中正在变换到相邻车道的主车辆,所述预期车道变换系统包括:
识别模块,所述识别模块被配置为识别潜在车道变换位置并接收与邻近车辆相关联的邻近车辆数据,其中所述邻近车辆数据包括车辆标识符和当前动态数据;
预测模块,所述预测模块被配置为预测所述邻近车辆中的一组邻近车辆在未来时间的未来动态数据,其中所述组邻近车辆具有至少三辆邻近车辆;
确定模块,所述确定模块被配置为基于所述未来动态数据确定在所述未来时间在所述潜在车道变换位置处是否有间隙将是可用的;以及
车道变换模块,所述车道变换模块被配置为响应于确定在所述未来时间在所述潜在车道变换位置处所述间隙将是可用的,而发起所述主车辆的车道变换操纵。
2.如权利要求1所述的预期车道变换系统,其中从车辆对车辆网络接收所述邻近车辆中的第一邻近车辆的所述邻近车辆数据,并且从所述主车辆的邻近车辆传感器接收所述邻近车辆中的第二邻近车辆的所述邻近车辆数据。
3.如权利要求1所述的预期车道变换系统,其中所述车辆标识符中的一个车辆标识符将当前动态数据的至少一部分与所述邻近车辆中的一辆邻近车辆相关联。
4.如权利要求1所述的预期车道变换系统,其中所述当前动态数据包括所述邻近车辆的位置数据、速度数据和加速度数据。
5.如权利要求1所述的预期车道变换系统,其中为了预测所述未来动态数据,所述预测模块被配置为:
将一组邻近车辆中的所述邻近车辆的所述邻近车辆数据与预测模型进行比较以计算预测增量的动态数据;
确定所述预测增量是否对应于所述未来时间;以及
响应于确定所述预测增量不对应于所述未来时间,将所计算的动态数据与所述预测模型进行比较以计算下一预测增量处的附加动态数据。
6.如权利要求5所述的预期车道变换系统,其中所述未来时间对应于多秒,并且每个预测增量都对应于特定时间步长。
7.如权利要求5所述的预期车道变换系统,其中所述预测模型是基于自然行为数据的查找表。
8.如权利要求5所述的预期车道变换系统,其中响应于确定动态数据的所述预测增量确实对应于所述未来时间,所述确定模块使用所述附加动态数据作为所述未来动态数据。
9.如权利要求1所述的预期车道变换系统,其中所述确定模块基于所述间隙在所述未来时间的预测间隙长度来确定所述间隙是否将是可用的。
10.如权利要求1所述的预期车道变换系统,其中所述车道变换模块利用高级驾驶员辅助系统发起所述车道变换操纵。
11.如权利要求1所述的预期车道变换系统,其中响应于确定在所述未来时间所述间隙将不可用,发起所述识别模块以识别更新的潜在车道变换位置。
12.一种预期车道变换系统,其用于辅助位于当前车道中邻近相邻车道的主车辆,所述预期车道变换系统包括:
识别模块,所述识别模块被配置为识别潜在车道变换位置并接收与邻近车辆相关联的邻近车辆数据,其中所述邻近车辆数据包括车辆标识符和当前动态数据;
预测模块,所述预测模块被配置为通过以预测增量迭代地计算一组邻近车辆的动态数据来生成未来动态数据,直到所述预测增量对应于未来时间;
确定模块,所述确定模块被配置为基于所述未来动态数据确定在所述未来时间在所述潜在车道变换位置处是否有间隙将是可用的;以及
车道变换模块,所述车道变换模块被配置为响应于确定在所述未来时间在所述潜在车道变换位置处所述间隙将是可用的,而发起所述主车辆的车道变换操纵。
13.如权利要求12所述的预期车道变换系统,其中所述当前动态数据包括所述邻近车辆的位置数据、速度数据和加速度数据。
14.如权利要求12所述的预期车道变换系统,其中所述未来时间对应于多秒,并且每个预测增量对应于一秒。
15.如权利要求12所述的预期车道变换系统,其中所述确定模块基于所述间隙在所述未来时间的预测间隙长度来确定所述间隙是否将是可用的。
16.如权利要求12所述的预期车道变换系统,其中从车辆对车辆网络接收所述邻近车辆中的第一邻近车辆的所述邻近车辆数据,并且从所述主车辆的邻近车辆传感器接收所述邻近车辆中的第二邻近车辆的所述邻近车辆数据。
17.一种预期车道变换方法,其用于辅助位于当前车道中正在变换到相邻车道的主车辆,所述预期车道变换方法包括:
识别潜在的车道变换位置;
接收与邻近车辆相关联的邻近车辆数据,其中所述邻近车辆数据包括车辆标识符和当前动态数据;
识别所述邻近车辆中的一组邻近车辆;
将所述组邻近车辆中的所述邻近车辆数据与预测模型进行比较以计算动态数据的预测增量;
确定动态数据的所述预测增量不对应于未来时间;
将所述先前预测增量与所述预测模型进行比较以计算动态数据的附加预测增量;
当动态数据的所述附加预测增量对应于未来时间时,将动态数据的所述附加预测增量识别为未来动态数据;
基于所述未来动态数据确定在所述未来时间在所述潜在车道变换位置处是否有间隙将是可用的;以及
响应于确定在所述未来时间在所述潜在车道变换位置处所述间隙将是可用的而发起所述主车辆的车道变换操纵。
18.如权利要求17所述的预期车道变换方法,其中所述未来时间对应于多秒,并且每个预测增量对应于一秒。
19.如权利要求17所述的预期车道变换方法,其中从车辆对车辆网络接收所述邻近车辆中的第一邻近车辆的所述邻近车辆数据,并且从所述主车辆的邻近车辆传感器接收所述邻近车辆中的第二邻近车辆的所述邻近车辆数据。
20.如权利要求17所述的预期车道变换方法,其中基于所述间隙在所述未来时间的预测间隙长度来确定所述间隙是否将是可用的。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/965,345 | 2018-04-27 | ||
US15/965,345 US11027736B2 (en) | 2018-04-27 | 2018-04-27 | Systems and methods for anticipatory lane change |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110406535A true CN110406535A (zh) | 2019-11-05 |
Family
ID=68205710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910312827.9A Pending CN110406535A (zh) | 2018-04-27 | 2019-04-18 | 用于预期车道变换的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11027736B2 (zh) |
JP (1) | JP2019189216A (zh) |
CN (1) | CN110406535A (zh) |
DE (1) | DE102019205607A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111038501A (zh) * | 2019-12-31 | 2020-04-21 | 北京三快在线科技有限公司 | 无人驾驶设备的控制方法及装置 |
CN113033030A (zh) * | 2021-05-25 | 2021-06-25 | 四川见山科技有限责任公司 | 一种基于真实道路场景的拥堵模拟方法及系统 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2568060B (en) * | 2017-11-02 | 2020-02-12 | Jaguar Land Rover Ltd | Controller for a vehicle |
US20220375344A1 (en) * | 2018-05-11 | 2022-11-24 | Lg Electronics Inc. | V2x communication device and method for transmitting and receiving v2x message therefor |
US10760918B2 (en) * | 2018-06-13 | 2020-09-01 | Here Global B.V. | Spatiotemporal lane maneuver delay for road navigation |
DE102018216364B4 (de) * | 2018-09-25 | 2020-07-09 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Unterstützen eines Spurwechselvorgangs für ein Fahrzeug |
US11232705B2 (en) * | 2018-11-28 | 2022-01-25 | Toyota Jidosha Kabushiki Kaisha | Mitigation of traffic oscillation on roadway |
US11390288B2 (en) * | 2018-12-11 | 2022-07-19 | Nissan Motor Co., Ltd. | Other-vehicle action prediction method and other-vehicle action prediction device |
JP7143939B2 (ja) * | 2019-03-29 | 2022-09-29 | 日産自動車株式会社 | 車両制御方法及び車両制御装置 |
JP7268464B2 (ja) * | 2019-04-23 | 2023-05-08 | 株式会社デンソー | 車両制御装置 |
JP7303667B2 (ja) * | 2019-05-31 | 2023-07-05 | 株式会社Subaru | 自動運転支援装置 |
US11548511B2 (en) * | 2019-06-14 | 2023-01-10 | GM Global Technology Operations LLC | Method to control vehicle speed to center of a lane change gap |
KR20190103093A (ko) * | 2019-08-16 | 2019-09-04 | 엘지전자 주식회사 | 자율주행 차량의 차선 변경 장치 및 방법 |
RU2745804C1 (ru) * | 2019-11-06 | 2021-04-01 | Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" | Способ и процессор для управления перемещением в полосе движения автономного транспортного средства |
JP7375596B2 (ja) * | 2020-02-13 | 2023-11-08 | マツダ株式会社 | 走行経路生成システム及び車両運転支援システム |
JP7373118B2 (ja) * | 2020-02-13 | 2023-11-02 | マツダ株式会社 | 走行経路生成システム及び車両運転支援システム |
US11468774B2 (en) * | 2020-03-17 | 2022-10-11 | Honda Motor Co., Ltd. | Systems and methods for cooperative ramp merge |
US11400934B2 (en) * | 2020-03-17 | 2022-08-02 | Honda Motor Co., Ltd. | Systems and methods for cooperative ramp merge |
US11518388B2 (en) * | 2020-03-31 | 2022-12-06 | Wipro Limited | Method and system for determining lane change feasibility for autonomous vehicles |
CN111523464A (zh) * | 2020-04-23 | 2020-08-11 | 上海眼控科技股份有限公司 | 车辆违法变道的检测方法和装置 |
US11738767B2 (en) * | 2020-06-16 | 2023-08-29 | Magna Electronics Inc. | Vehicular driver assist system using acoustic sensors |
DE102021100423A1 (de) | 2021-01-12 | 2022-07-14 | Bayerische Motoren Werke Aktiengesellschaft | Unterstützung eines Spurwechsels eines Kraftfahrzeugs |
CN112918478B (zh) * | 2021-02-25 | 2022-04-01 | 中南大学 | 一种车辆变道的预测方法、装置及计算机存储介质 |
US11853069B2 (en) | 2021-03-12 | 2023-12-26 | Waymo Llc | Continuing lane driving prediction |
EP4291455A1 (en) * | 2021-06-21 | 2023-12-20 | Cariad Se | Method for controlling a longitudinal motion of a motor vehicle in a process of changing lanes, computer program product, computer-readable storage medium, control module, and motor vehicle |
CN113548049B (zh) * | 2021-07-27 | 2022-05-31 | 武汉理工大学 | 一种基于有限状态机的智能车辆驾驶行为决策方法及系统 |
CN114611932B (zh) * | 2022-03-10 | 2023-09-05 | 哈尔滨工业大学 | 基于仿真和变道冲突的入口加速车道服务水平分级方法 |
DE102022109973A1 (de) | 2022-04-26 | 2023-10-26 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Assistenzsystem zum Unterstützen einer Fahrzeugführung zum Verlassen einer mehrstreifigen Straße und Kraftfahrzeug |
CN116805445B (zh) * | 2023-07-21 | 2024-04-02 | 交通运输部公路科学研究所 | 车辆换道行驶控制方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050256630A1 (en) * | 2004-05-17 | 2005-11-17 | Nissan Motor Co., Ltd. | Lane change assist system |
CN103204163A (zh) * | 2012-01-17 | 2013-07-17 | 福特全球技术公司 | 自主式车道控制系统 |
CN105035076A (zh) * | 2014-04-17 | 2015-11-11 | 帕洛阿尔托研究中心公司 | 用于具有高混合度的混合动力车辆的控制系统 |
US20150321699A1 (en) * | 2014-05-07 | 2015-11-12 | Honda Research Institute Europe Gmbh | Method and system for predictive lane change assistance, program software product and vehicle |
DE102014226462A1 (de) * | 2014-12-18 | 2016-06-23 | Honda Motor Co., Ltd. | Adaptives fahrtsteuerungssystem mit ausscher-vorhersage |
US20160229395A1 (en) * | 2015-02-09 | 2016-08-11 | Honda Research Institute Europe Gmbh | Method and system for predictive driver assistance using communication and vehicle equipped with such system |
JP2016200931A (ja) * | 2015-04-09 | 2016-12-01 | 三菱電機株式会社 | 運転支援装置および運転支援方法 |
CN106335509A (zh) * | 2015-07-09 | 2017-01-18 | 富士重工业株式会社 | 车辆的驾驶辅助装置 |
CN106627569A (zh) * | 2015-10-30 | 2017-05-10 | 福特全球技术公司 | 车道变换期间路径上目标的选择 |
JP2017165197A (ja) * | 2016-03-15 | 2017-09-21 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012214979A1 (de) * | 2012-08-23 | 2014-02-27 | Robert Bosch Gmbh | Spurwahlassistent zur Optimierung des Verkehrsflusses (Verkehrsflussassistent) |
DE102013217430A1 (de) * | 2012-09-04 | 2014-03-06 | Magna Electronics, Inc. | Fahrerassistenzsystem für ein Kraftfahrzeug |
DE102014200896A1 (de) | 2014-01-20 | 2015-07-23 | Volkswagen Aktiengesellschaft | Spurwechselassistenz für ein Kraftfahrzeug |
DE102015201878A1 (de) | 2015-02-04 | 2016-08-04 | Continental Teves Ag & Co. Ohg | Halbautomatisierter Spurwechsel |
JP6435994B2 (ja) * | 2015-06-03 | 2018-12-12 | 株式会社デンソー | 車載装置 |
DE102016205140A1 (de) * | 2015-11-04 | 2017-05-04 | Volkswagen Aktiengesellschaft | Verfahren und Regelungssysteme zur Bestimmung einer Verkehrslücke zwischen zwei Fahrzeugen für einen Fahrstreifenwechsel für ein Fahrzeug |
CN105480229B (zh) | 2015-11-24 | 2018-01-16 | 大连楼兰科技股份有限公司 | 一种基于信息融合的智能变道辅助方法 |
US20180053102A1 (en) * | 2016-08-16 | 2018-02-22 | Toyota Jidosha Kabushiki Kaisha | Individualized Adaptation of Driver Action Prediction Models |
-
2018
- 2018-04-27 US US15/965,345 patent/US11027736B2/en active Active
-
2019
- 2019-04-17 DE DE102019205607.5A patent/DE102019205607A1/de not_active Withdrawn
- 2019-04-18 CN CN201910312827.9A patent/CN110406535A/zh active Pending
- 2019-04-18 JP JP2019079268A patent/JP2019189216A/ja active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050256630A1 (en) * | 2004-05-17 | 2005-11-17 | Nissan Motor Co., Ltd. | Lane change assist system |
CN103204163A (zh) * | 2012-01-17 | 2013-07-17 | 福特全球技术公司 | 自主式车道控制系统 |
CN105035076A (zh) * | 2014-04-17 | 2015-11-11 | 帕洛阿尔托研究中心公司 | 用于具有高混合度的混合动力车辆的控制系统 |
US20150321699A1 (en) * | 2014-05-07 | 2015-11-12 | Honda Research Institute Europe Gmbh | Method and system for predictive lane change assistance, program software product and vehicle |
DE102014226462A1 (de) * | 2014-12-18 | 2016-06-23 | Honda Motor Co., Ltd. | Adaptives fahrtsteuerungssystem mit ausscher-vorhersage |
US20160229395A1 (en) * | 2015-02-09 | 2016-08-11 | Honda Research Institute Europe Gmbh | Method and system for predictive driver assistance using communication and vehicle equipped with such system |
JP2016200931A (ja) * | 2015-04-09 | 2016-12-01 | 三菱電機株式会社 | 運転支援装置および運転支援方法 |
CN106335509A (zh) * | 2015-07-09 | 2017-01-18 | 富士重工业株式会社 | 车辆的驾驶辅助装置 |
CN106627569A (zh) * | 2015-10-30 | 2017-05-10 | 福特全球技术公司 | 车道变换期间路径上目标的选择 |
JP2017165197A (ja) * | 2016-03-15 | 2017-09-21 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111038501A (zh) * | 2019-12-31 | 2020-04-21 | 北京三快在线科技有限公司 | 无人驾驶设备的控制方法及装置 |
CN111038501B (zh) * | 2019-12-31 | 2021-04-27 | 北京三快在线科技有限公司 | 无人驾驶设备的控制方法及装置 |
CN113033030A (zh) * | 2021-05-25 | 2021-06-25 | 四川见山科技有限责任公司 | 一种基于真实道路场景的拥堵模拟方法及系统 |
CN113033030B (zh) * | 2021-05-25 | 2021-08-03 | 四川见山科技有限责任公司 | 一种基于真实道路场景的拥堵模拟方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20190329777A1 (en) | 2019-10-31 |
US11027736B2 (en) | 2021-06-08 |
DE102019205607A1 (de) | 2019-10-31 |
JP2019189216A (ja) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110406535A (zh) | 用于预期车道变换的系统和方法 | |
US11572099B2 (en) | Merge behavior systems and methods for merging vehicles | |
US11117584B2 (en) | Merge behavior systems and methods for mainline vehicles | |
US20240075961A1 (en) | Inferring State of Traffic Signal and Other Aspects of a Vehicle's Environment Based on Surrogate Data | |
US20210182911A1 (en) | Vehicle autonomous collision prediction and escaping system (ace) | |
CN106573618B (zh) | 车辆的行驶控制装置及方法 | |
US20190079526A1 (en) | Orientation Determination in Object Detection and Tracking for Autonomous Vehicles | |
US11615702B2 (en) | Determining vehicle path | |
US20210390225A1 (en) | Realism in log-based simulations | |
US20210150892A1 (en) | Vehicle operating parameters | |
US11945456B2 (en) | Vehicle control for optimized operation | |
US11738684B2 (en) | Vehicle alert using haptic feedback | |
US20230280181A1 (en) | Ice thickness estimation for mobile object operation | |
WO2023076343A1 (en) | Autonomous vehicle trajectory determination based on state transition model | |
US11430466B2 (en) | Sound source detection and localization for autonomous driving vehicle | |
JP2022014769A (ja) | 制御装置及び制御方法並びに車両 | |
KR102426233B1 (ko) | 사용자 단말 기반의 지능형 도로 정보 수집 장치 및 방법 | |
US20230393280A1 (en) | Retrofit light detection and ranging (lidar)-based vehicle system to operate with vision-based sensor data | |
US20240123822A1 (en) | Controlling the operation of an autonomous vehicle based on detected passenger characteristics and behavior | |
JP2019066948A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US11453404B2 (en) | Gear based vehicle load inference system | |
US20230419200A1 (en) | Decentralized parking fulfillment service | |
WO2022168672A1 (ja) | 処理装置、処理方法、処理プログラム、処理システム | |
CN116643565A (zh) | 计算机执行的方法、电子设备和存储介质 |
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 |