CN110568850A - 一种无人驾驶汽车内部故障的车辆控制方法及电子设备 - Google Patents
一种无人驾驶汽车内部故障的车辆控制方法及电子设备 Download PDFInfo
- Publication number
- CN110568850A CN110568850A CN201910864752.5A CN201910864752A CN110568850A CN 110568850 A CN110568850 A CN 110568850A CN 201910864752 A CN201910864752 A CN 201910864752A CN 110568850 A CN110568850 A CN 110568850A
- Authority
- CN
- China
- Prior art keywords
- lane
- trigger condition
- external trigger
- vehicle
- stoppable
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 46
- 230000006399 behavior Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 11
- 230000007704 transition Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910001651 emery Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开一种无人驾驶汽车内部故障的车辆控制方法及电子设备,方法包括:响应于故障信息,对故障信息进行诊断,得到故障信息等级;如果故障信息为一般故障级别,则获取当前驾驶状态场景,并监控驾驶环境信息,当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,基于所述驾驶状态场景确定驾驶行为决策结果,控制车辆执行所述驾驶行为决策结果;如果故障信息为严重故障级别,则控制车辆紧急停车。本发明当整车内部出现突发故障时,根据故障等级采取相应的响应方案,使得无人驾驶汽车能够实施安全的停车操作,从而拓展智能车的功能,将损失降低到最小。
Description
技术领域
本发明涉及汽车相关技术领域,特别是一种无人驾驶汽车内部故障的车辆控制方法及电子设备。
背景技术
无人驾驶智能汽车控制技术是以车辆外部的环境感知系统为基础,对周边环境的精确识别,再进行行为决策与运动规划,最后控制系统执行相应的控制指令,从而达到驾驶功能需求。但是,车辆在被控制的同时,突发电器系统故障(驱动系统或者动力电池等故障),对于无人驾驶车辆来说,会造成非常大的行驶安全隐患,这也使得在突发系统内部故障时的无人驾驶智能汽车紧急应变处理成为一个技术研究的新问题。此刻的整车控制系统,不仅需要能够完成基本的无人驾驶功能,同时还要具备解决因内部故障引起的新型突发状况、实现安全停车等待救援的能力,而其中对于故障处理及做出及时合理的响应,成为一种重要的控制功能手段。
无人驾驶智能汽车,基本的系统构成包括:环境感知系统、行为决策系统、控制执行系统,能够实现基本的环境建模、路径规划及车辆行驶操作。汽车作为国家的重要发展产业之一,故障诊断及处理也成为研究的重点与难点。结合无人驾驶智能车的特性与车辆内部故障响应机制,有效解决无人驾驶汽车内部故障响应控制,对于智能汽车是一个新的功能扩展。
发明内容
基于此,有必要针对现有技术无人驾驶功能未能对故障作出合适响应的技术问题,提供一种无人驾驶汽车内部故障的车辆控制方法及电子设备。
本发明提供一种无人驾驶汽车内部故障的车辆控制方法,包括:
响应于故障信息,对故障信息进行诊断,得到故障信息等级;
如果故障信息为一般故障级别,则获取当前驾驶状态场景,并监控驾驶环境信息,当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,基于所述驾驶状态场景确定驾驶行为决策结果,控制车辆执行所述驾驶行为决策结果;
如果故障信息为严重故障级别,则控制车辆紧急停车。
进一步地,所述对故障信息进行诊断,得到故障信息等级,具体包括:
读取故障信息对应的零部件的状态信息,根据零部件的状态信息,确定该零部件的故障级别。
进一步地,所述外部触发条件包括:
第一外部触发条件,车辆处于路面的可停靠车道,且可停靠车道不具备安全停车条件;
第二外部触发条件,车辆处于路面的可停靠车道,且可停靠车道具备安全停车条件;
第三外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道有行驶车辆;
第四外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道、以及可停靠车道均具备安全变道条件;
第五外部触发条件,车辆处于中间车道,且可停靠车道有行驶车辆;
第六外部触发条件,车辆处于中间车道,且可停靠车道具备安全变道条件;
第七外部触发条件,故障被忽略;
第八外部触发条件,故障清除;
第九外部触发条件,完成向可停靠车道变道;
第十外部触发条件,完成向可停靠车道连续变道;
第十一外部触发条件,中断向可停靠车道变道;
第十二外部触发条件,中断向可停靠车道连续变道。
更进一步地,所述当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,具体包括:
当第一外部触发条件发生时,切换至规划路线限速行驶状态;
当第七外部触发条件或第八外部触发条件发生时,切换至继续规划路线行驶状态;
当第二外部触发条件发生时,切换至减速停车状态;
当第三外部触发条件发生时,切换至预备向可停靠车道连续变道状态;
当第四外部触发条件发生时,切换至向可停靠车道连续变道状态;
当第五外部触发条件发生时,切换至预备向可停靠车道变道状态;
当第六外部触发条件发生时,切换至向可停靠车道变道状态;
当第九外部触发条件或第十外部触发条件发生时,切换至停车状态;
当第十一外部触发条件发生时,系统切换至预备向可停靠车道变道状态;
当第十二外部触发条件发生时,系统切换至预备向可停靠车道连续变道状态。
进一步地,所述基于所述驾驶状态场景确定驾驶行为决策结果,具体包括根据所述驾驶状态场景,确定各驾驶环境信息的权重;
对各驾驶环境信息计算加权值;
根据所述加权值确定驾驶行为决策结果。
本发明提供一种无人驾驶汽车内部故障的车辆控制电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
响应于故障信息,对故障信息进行诊断,得到故障信息等级;
如果故障信息为一般故障级别,则获取当前驾驶状态场景,并监控驾驶环境信息,当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,基于所述驾驶状态场景确定驾驶行为决策结果,控制车辆执行所述驾驶行为决策结果;
如果故障信息为严重故障级别,则控制车辆紧急停车。
进一步地,所述对故障信息进行诊断,得到故障信息等级,具体包括:
读取故障信息对应的零部件的状态信息,根据零部件的状态信息,确定该零部件的故障级别。
进一步地,所述外部触发条件包括:
第一外部触发条件,车辆处于路面的可停靠车道,且可停靠车道不具备安全停车条件;
第二外部触发条件,车辆处于路面的可停靠车道,且可停靠车道具备安全停车条件;
第三外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道有行驶车辆;
第四外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道、以及可停靠车道均具备安全变道条件;
第五外部触发条件,车辆处于中间车道,且可停靠车道有行驶车辆;
第六外部触发条件,车辆处于中间车道,且可停靠车道具备安全变道条件;
第七外部触发条件,故障被忽略;
第八外部触发条件,故障清除;
第九外部触发条件,完成向可停靠车道变道;
第十外部触发条件,完成向可停靠车道连续变道;
第十一外部触发条件,中断向可停靠车道变道;
第十二外部触发条件,中断向可停靠车道连续变道。
更进一步地,所述当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,具体包括:
当第一外部触发条件发生时,切换至规划路线限速行驶状态;
当第七外部触发条件或第八外部触发条件发生时,切换至继续规划路线行驶状态;
当第二外部触发条件发生时,切换至减速停车状态;
当第三外部触发条件发生时,切换至预备向可停靠车道连续变道状态;
当第四外部触发条件发生时,切换至向可停靠车道连续变道状态;
当第五外部触发条件发生时,切换至预备向可停靠车道变道状态;
当第六外部触发条件发生时,切换至向可停靠车道变道状态;
当第九外部触发条件或第十外部触发条件发生时,切换至停车状态;
当第十一外部触发条件发生时,系统切换至预备向可停靠车道变道状态;
当第十二外部触发条件发生时,系统切换至预备向可停靠车道连续变道状态。
进一步地,所述基于所述驾驶状态场景确定驾驶行为决策结果,具体包括根据所述驾驶状态场景,确定各驾驶环境信息的权重;
对各驾驶环境信息计算加权值;
根据所述加权值确定驾驶行为决策结果。
本发明当整车内部出现突发故障时,根据故障等级采取相应的响应方案,使得无人驾驶汽车能够实施安全的停车操作,从而拓展智能车的功能,将损失降低到最小。
附图说明
图1为本发明一种无人驾驶汽车内部故障的车辆控制方法的工作流程图;
图2为驾驶状态场景分布示意图;
图3为驾驶状态场景的状态转换示意图;
图4为驾驶状态判断决策模型示意图;
图5为本发明最佳实施例一种无人驾驶汽车内部故障的车辆控制方法的工作流程图;
图6为本发明一种无人驾驶汽车内部故障的车辆控制电子设备的硬件结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的说明。
如图1所示为本发明一种无人驾驶汽车内部故障的车辆控制方法的工作流程图,包括:
步骤S101,响应于故障信息,对故障信息进行诊断,得到故障信息等级;
步骤S102,如果故障信息为一般故障级别,则获取当前驾驶状态场景,并监控驾驶环境信息,当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,基于所述驾驶状态场景确定驾驶行为决策结果,控制车辆执行所述驾驶行为决策结果;
步骤S103,如果故障信息为严重故障级别,则控制车辆紧急停车。
具体来说,当车辆出现故障时,将会产生故障信息,使用类似仪表接收故障信息的形式进行故障信息的提取,触发步骤S101,对故障信息进行诊断,确定故障信息等级。故障信息等级分为三类:正常级别、一般故障级别、严重故障级别。其中,正常级别,则无需处理,当前驾驶状态场景切换为正常驾驶状态,车辆按照预定的导航路线行驶至目的地。如果故障信息为一般故障级别,则触发步骤S102,对驾驶环境信息进行监控,当满足外部触发条件时,切换至相应的驾驶状态场景,并执行基于该驾驶状态场景的驾驶行为决策结果。如果故障信息为严重故障级别,则触发步骤S103,控制车辆紧急停车。
本发明当整车内部出现突发故障时,根据故障等级采取相应的响应方案,使得无人驾驶汽车能够实施安全的停车操作,从而拓展智能车的功能,将损失降低到最小。
在其中一个实施例中,所述对故障信息进行诊断,得到故障信息等级,具体包括:
读取故障信息对应的零部件的状态信息,根据零部件的状态信息,确定该零部件的故障级别。
具体来说,可以通过总线数据读取分析故障信息。其中正常级别认定条件为总线数据读取分析模块解析各主要零部件的状态无异常;一般故障级别的认定条件为发现总线数据中存在一般级别故障报警;严重故障级别的认定条件为发现总线通讯数据中存在严重级别故障报警。
优选可以读取解析主要零部件的状态,包括动力电池状态、驱动系统状态、整车控制器状态。其状态有,第一电池状态(严重故障级别):SOC太低、温度太高、电流太高、单压太低、单压太高、总压太高、总压太低;第二电池状态(严重故障级别):压差太大、温差太大、均衡错误、绝缘故障;第三电池状态(一般故障级别):SOC过低、温度过高、电流过高、单压过低、单压过高、总压过高、总压过低;第四电池状态(一般故障级别):压差过大、温差过大;驱动系统状态(严重故障级别):发动机故障、ABS故障、刹车片故障、电机故障、紧急停车;第一整车控制器状态(严重故障级别):电机温度太高、电机控制器温度太高、变数器温度太高、DCDC温度太高、VCU温度太高、刹车故障、油门故障;第二整车控制器状态(一般故障级别):电机温度过高、电机控制器温度过高、变数器温度过高、DCDC温度过高、VCU温度过高。
本实施例根据零部件的状态信息,确定该零部件的故障级别,级别确定更为准确。
在其中一个实施例中,所述外部触发条件包括:
第一外部触发条件,车辆处于路面的可停靠车道,且可停靠车道不具备安全停车条件;
第二外部触发条件,车辆处于路面的可停靠车道,且可停靠车道具备安全停车条件;
第三外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道有行驶车辆;
第四外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道、以及可停靠车道均具备安全变道条件;
第五外部触发条件,车辆处于中间车道,且可停靠车道有行驶车辆;
第六外部触发条件,车辆处于中间车道,且可停靠车道具备安全变道条件;
第七外部触发条件,故障被忽略;
第八外部触发条件,故障清除;
第九外部触发条件,完成向可停靠车道变道;
第十外部触发条件,完成向可停靠车道连续变道;
第十一外部触发条件,中断向可停靠车道变道;
第十二外部触发条件,中断向可停靠车道连续变道。
具体来说,通过建立确定性有限状态机的决策模型来实现驾驶状态逻辑转换。
决策模型:M=(T,∑,δ,t0,F)
式中:
T——状态机的所有状态集合,T={t0,t1,t2,…,tn};
∑——对象所能接收的所有输入集合,即引起对象状态转换的所有事件集合;
δ——状态转移函数,δ:T×∑→T;
t0——对象初始状态,t0∈T;
F——对象终止状态集合,
如图2所示,以最左侧车道为可停靠车道,最右侧车道为最远车道为例,根据决策模型,状态机的状态集合如下:
正常驾驶状态集合:{ln-Line};其中,规划路线行驶(In Line);
一般故障驾驶状态集合:{Keep-ln-Line,SD-Stop,Pre-LLC,LLC,Pre-LLC-More,LLC-More,Keep-In-Line-Limit,Park};其中,继续规划路线行驶(Keep-In-Line)、减速停车(SD-Park)、预左变道(Pre-LLC)、5左变道(LLC)、预连续左变道(Pre-LLC-More)、连续左变道(LLC-More)、规划路线限速行驶(Keep-In-Line-Limit)、停车(Park);
严重故障驾驶状态集合:{Emergency Stop};其中,紧急停车(Emergency Stop)。
状态转换的外部触发事件,大致包括:
A.基于现有状态,车辆被环境感知系统确认车辆处于路面的最左侧车道,车道不具备安全停车条件;
B.基于现有状态,车辆被环境感知系统确认车辆处于路面的最左侧车道,车道具备安全停车条件;
C.基于现有状态,车辆被环境感知系统确认处于路面的最右侧车道,中间车道车辆有行驶车辆;
D.基于现有状态,车辆被环境感知系统确认处于路面的最右侧车道,左侧所有车道车辆具备变道条件;
E.基于现有状态,车辆被环境感知系统确认处于路面的中间侧车道,左侧车道车辆有行驶车辆;
F.基于现有状态,车辆被环境感知系统确认处于路面的中间侧车道,左侧车道车辆具备安全变道条件;
G.基于现有状态,系统判定可以忽略故障;
H.故障清除;
I.完成左变道;
J.完成左连续变道;
K.突发中断左变道;
L.突发中断左连续变道。
本实施例通过状态机控制状态变换。
在其中一个实施例中,所述当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,具体包括:
当第一外部触发条件发生时,切换至规划路线限速行驶状态;
当第七外部触发条件或第八外部触发条件发生时,切换至继续规划路线行驶状态;
当第二外部触发条件发生时,切换至减速停车状态;
当第三外部触发条件发生时,切换至预备向可停靠车道连续变道状态;
当第四外部触发条件发生时,切换至向可停靠车道连续变道状态;
当第五外部触发条件发生时,切换至预备向可停靠车道变道状态;
当第六外部触发条件发生时,切换至向可停靠车道变道状态;
当第九外部触发条件或第十外部触发条件发生时,切换至停车状态;
当第十一外部触发条件发生时,系统切换至预备向可停靠车道变道状态;
当第十二外部触发条件发生时,系统切换至预备向可停靠车道连续变道状态。
具体来说,驾驶状态场景的状态转换示意图如图3所示,基于状态机的驾驶状态转换逻辑如下:
a)无人驾驶车辆处于正常道路行驶状态,当未出现内部故障状态报警时,进入步骤b);当出现一般故障报警时,进入步骤c);出现严重故障报警时,进入步骤d)。
b)车辆场景切换为正常驾驶状态,车辆按照预定的导航路线行驶至目的地。
c)按照一般故障驾驶状态逻辑进行驾驶状态场景的切换,其外部触发条件如前所述的A-K,具体地:出现一般故障报警后,当A外部触发条件发生时,切换至规划路线限速行驶状态;当H外部触发条件发生时,切换至继续规划路线行驶状态;当B外部触发条件发生时,切换至减速停车状态;当C外部触发条件发生时,切换至预连续左变道状态;当D外部触发条件发生时,切换至连续左变道状态;当E外部触发条件发生时,切换至预左变道状态;当F外部触发条件发生时,切换至左变道状态;当G外部触发条件发生时,系统切换至规划路线限速行驶状态;当I外部触发条件发生时,系统切换至停车状态;当J外部触发条件发生时,系统切换至停车状态;当K外部触发条件发生时,系统切换至预左变道状态;当L外部触发条件发生时,系统切换至预连续左变道状态。
d)车辆场景切换为严重故障驾驶状态,车辆实现紧急停车。
本实施例根据不同的条件切换状态,实现安全停车。
在其中一个实施例中,所述基于所述驾驶状态场景确定驾驶行为决策结果,具体包括根据所述驾驶状态场景,确定各驾驶环境信息的权重;
对各驾驶环境信息计算加权值;
根据所述加权值确定驾驶行为决策结果。
具体来说,使用灰关联熵法对条件属性的影响度进行排序,创建行为决策树,提取对应的决策规则。对各驾驶环境信息计算加权值可以为对各驾驶环境信息的加权值之和,公式为:其中ki为第i个驾驶环境信息的权重值,Ci为第i个驾驶环境信息值,I为所有驾驶环境信息的标号的集合。最后根据实时获取的驾驶环境信息,推理出合理的驾驶行为决策结果,整体模型结构如图4所示。
(1)选择车辆速度(a1),干扰车车速(a2),车辆加速度(a3),距干扰车X方向距离(a4),距干扰10车Y方向距离(a5),碰撞预测时间(a6)作为条件属性,决策属性则包括减速停车(F1),左变道(F2),预左变道(F3),匀速行驶(F4);
(2)实车样本数据采集;
(3)原始数据的初值化预处理;
(4)计算相应的灰关联度系数;
(5)离散化处理灰关联度系数;
(6)样本数据离散化;
(7)构建行为决策树;
(8)提取相应的驾驶行为决策知识,并将其用产生式规则“if-than”的格式。
如图5所示为本发明最佳实施例的工作流程图,包括:
步骤S501,总线数据读取分析,读取解析主要零部件的状态,判断有无故障,如果无故障,执行步骤S502,如果有故障,执行步骤S503;
步骤S502,正常行驶状态,执行步骤S506;
步骤S503,诊断故障类型,如果为严重故障,执行步骤S504,如果为一般故障,执行步骤S505;
步骤S504,切换至严重故障行驶状态,实现紧急停车指令的下发,执行步骤S506;
步骤S505,根据当前车辆环境感知系统的识别结果,确认车辆的状态,根据外部触发条件,调用规则,实现指令的下发,执行步骤S506;
步骤S506,接收车辆响应控制,把车辆的状态反馈给总线系统507,进行确认跟踪,并在仪表508显示。
如图6所示为本发明一种无人驾驶汽车内部故障的车辆控制电子设备的硬件结构示意图,包括:
至少一个处理器601;以及,
与所述至少一个处理器601通信连接的存储器602;其中,
所述存储器602存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
响应于故障信息,对故障信息进行诊断,得到故障信息等级;
如果故障信息为一般故障级别,则获取当前驾驶状态场景,并监控驾驶环境信息,当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,基于所述驾驶状态场景确定驾驶行为决策结果,控制车辆执行所述驾驶行为决策结果;
如果故障信息为严重故障级别,则控制车辆紧急停车。
图6中以一个处理器602为例。
电子设备优选为电子控制单元(Electronic Control Unit,ECU)电子设备还可以包括:输入装置603和显示装置604。
处理器601、存储器602、输入装置603及显示装置604可以通过总线或者其他方式连接,图中以通过总线连接为例。
存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的无人驾驶汽车内部故障的车辆控制方法对应的程序指令/模块,例如,图1所示的方法流程。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现上述实施例中的无人驾驶汽车内部故障的车辆控制方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据无人驾驶汽车内部故障的车辆控制方法的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至执行无人驾驶汽车内部故障的车辆控制方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置603可接收输入的用户点击,以及产生与无人驾驶汽车内部故障的车辆控制方法的用户设置以及功能控制有关的信号输入。显示装置604可包括显示屏等显示设备。
在所述一个或者多个模块存储在所述存储器602中,当被所述一个或者多个处理器601运行时,执行上述任意方法实施例中的无人驾驶汽车内部故障的车辆控制方法。
本发明当整车内部出现突发故障时,根据故障等级采取相应的响应方案,使得无人驾驶汽车能够实施安全的停车操作,从而拓展智能车的功能,将损失降低到最小。
在其中一个实施例中,所述对故障信息进行诊断,得到故障信息等级,具体包括:
读取故障信息对应的零部件的状态信息,根据零部件的状态信息,确定该零部件的故障级别。
本实施例根据零部件的状态信息,确定该零部件的故障级别,级别确定更为准确。
在其中一个实施例中,所述外部触发条件包括:
第一外部触发条件,车辆处于路面的可停靠车道,且可停靠车道不具备安全停车条件;
第二外部触发条件,车辆处于路面的可停靠车道,且可停靠车道具备安全停车条件;
第三外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道有行驶车辆;
第四外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道、以及可停靠车道均具备安全变道条件;
第五外部触发条件,车辆处于中间车道,且可停靠车道有行驶车辆;
第六外部触发条件,车辆处于中间车道,且可停靠车道具备安全变道条件;
第七外部触发条件,故障被忽略;
第八外部触发条件,故障清除;
第九外部触发条件,完成向可停靠车道变道;
第十外部触发条件,完成向可停靠车道连续变道;
第十一外部触发条件,中断向可停靠车道变道;
第十二外部触发条件,中断向可停靠车道连续变道。
本实施例通过状态机控制状态变换。
在其中一个实施例中,所述当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,具体包括:
当第一外部触发条件发生时,切换至规划路线限速行驶状态;
当第七外部触发条件或第八外部触发条件发生时,切换至继续规划路线行驶状态;
当第二外部触发条件发生时,切换至减速停车状态;
当第三外部触发条件发生时,切换至预备向可停靠车道连续变道状态;
当第四外部触发条件发生时,切换至向可停靠车道连续变道状态;
当第五外部触发条件发生时,切换至预备向可停靠车道变道状态;
当第六外部触发条件发生时,切换至向可停靠车道变道状态;
当第九外部触发条件或第十外部触发条件发生时,切换至停车状态;
当第十一外部触发条件发生时,系统切换至预备向可停靠车道变道状态;
当第十二外部触发条件发生时,系统切换至预备向可停靠车道连续变道状态。
本实施例根据不同的条件切换状态,实现安全停车。
在其中一个实施例中,所述基于所述驾驶状态场景确定驾驶行为决策结果,具体包括根据所述驾驶状态场景,确定各驾驶环境信息的权重;
对各驾驶环境信息计算加权值;
根据所述加权值确定驾驶行为决策结果。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种无人驾驶汽车内部故障的车辆控制方法,其特征在于,包括:
响应于故障信息,对故障信息进行诊断,得到故障信息等级;
如果故障信息为一般故障级别,则获取当前驾驶状态场景,并监控驾驶环境信息,当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,基于所述驾驶状态场景确定驾驶行为决策结果,控制车辆执行所述驾驶行为决策结果;
如果故障信息为严重故障级别,则控制车辆紧急停车。
2.根据权利要求1所述的无人驾驶汽车内部故障的车辆控制方法,其特征在于,所述对故障信息进行诊断,得到故障信息等级,具体包括:
读取故障信息对应的零部件的状态信息,根据零部件的状态信息,确定该零部件的故障级别。
3.根据权利要求1所述的无人驾驶汽车内部故障的车辆控制方法,其特征在于,所述外部触发条件包括:
第一外部触发条件,车辆处于路面的可停靠车道,且可停靠车道不具备安全停车条件;
第二外部触发条件,车辆处于路面的可停靠车道,且可停靠车道具备安全停车条件;
第三外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道有行驶车辆;
第四外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道、以及可停靠车道均具备安全变道条件;
第五外部触发条件,车辆处于中间车道,且可停靠车道有行驶车辆;
第六外部触发条件,车辆处于中间车道,且可停靠车道具备安全变道条件;
第七外部触发条件,故障被忽略;
第八外部触发条件,故障清除;
第九外部触发条件,完成向可停靠车道变道;
第十外部触发条件,完成向可停靠车道连续变道;
第十一外部触发条件,中断向可停靠车道变道;
第十二外部触发条件,中断向可停靠车道连续变道。
4.根据权利要求3所述的无人驾驶汽车内部故障的车辆控制方法,其特征在于,所述当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,具体包括:
当第一外部触发条件发生时,切换至规划路线限速行驶状态;
当第七外部触发条件或第八外部触发条件发生时,切换至继续规划路线行驶状态;
当第二外部触发条件发生时,切换至减速停车状态;
当第三外部触发条件发生时,切换至预备向可停靠车道连续变道状态;
当第四外部触发条件发生时,切换至向可停靠车道连续变道状态;
当第五外部触发条件发生时,切换至预备向可停靠车道变道状态;
当第六外部触发条件发生时,切换至向可停靠车道变道状态;
当第九外部触发条件或第十外部触发条件发生时,切换至停车状态;
当第十一外部触发条件发生时,系统切换至预备向可停靠车道变道状态;
当第十二外部触发条件发生时,系统切换至预备向可停靠车道连续变道状态。
5.根据权利要求1所述的无人驾驶汽车内部故障的车辆控制方法,其特征在于,所述基于所述驾驶状态场景确定驾驶行为决策结果,具体包括根据所述驾驶状态场景,确定各驾驶环境信息的权重;
对各驾驶环境信息计算加权值;
根据所述加权值确定驾驶行为决策结果。
6.一种无人驾驶汽车内部故障的车辆控制电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
响应于故障信息,对故障信息进行诊断,得到故障信息等级;
如果故障信息为一般故障级别,则获取当前驾驶状态场景,并监控驾驶环境信息,当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,基于所述驾驶状态场景确定驾驶行为决策结果,控制车辆执行所述驾驶行为决策结果;
如果故障信息为严重故障级别,则控制车辆紧急停车。
7.根据权利要求6所述的无人驾驶汽车内部故障的车辆控制电子设备,其特征在于,所述对故障信息进行诊断,得到故障信息等级,具体包括:
读取故障信息对应的零部件的状态信息,根据零部件的状态信息,确定该零部件的故障级别。
8.根据权利要求6所述的无人驾驶汽车内部故障的车辆控制电子设备,其特征在于,所述外部触发条件包括:
第一外部触发条件,车辆处于路面的可停靠车道,且可停靠车道不具备安全停车条件;
第二外部触发条件,车辆处于路面的可停靠车道,且可停靠车道具备安全停车条件;
第三外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道有行驶车辆;
第四外部触发条件,车辆处于路面远离可停靠车道的最远车道,且与可停靠车道之间的中间车道、以及可停靠车道均具备安全变道条件;
第五外部触发条件,车辆处于中间车道,且可停靠车道有行驶车辆;
第六外部触发条件,车辆处于中间车道,且可停靠车道具备安全变道条件;
第七外部触发条件,故障被忽略;
第八外部触发条件,故障清除;
第九外部触发条件,完成向可停靠车道变道;
第十外部触发条件,完成向可停靠车道连续变道;
第十一外部触发条件,中断向可停靠车道变道;
第十二外部触发条件,中断向可停靠车道连续变道。
9.根据权利要求8所述的无人驾驶汽车内部故障的车辆控制电子设备,其特征在于,所述当驾驶环境信息满足外部触发条件时,控制车辆将当前驾驶状态场景切换为满足所述外部触发条件的驾驶状态场景,具体包括:
当第一外部触发条件发生时,切换至规划路线限速行驶状态;
当第七外部触发条件或第八外部触发条件发生时,切换至继续规划路线行驶状态;
当第二外部触发条件发生时,切换至减速停车状态;
当第三外部触发条件发生时,切换至预备向可停靠车道连续变道状态;
当第四外部触发条件发生时,切换至向可停靠车道连续变道状态;
当第五外部触发条件发生时,切换至预备向可停靠车道变道状态;
当第六外部触发条件发生时,切换至向可停靠车道变道状态;
当第九外部触发条件或第十外部触发条件发生时,切换至停车状态;
当第十一外部触发条件发生时,系统切换至预备向可停靠车道变道状态;
当第十二外部触发条件发生时,系统切换至预备向可停靠车道连续变道状态。
10.根据权利要求6所述的无人驾驶汽车内部故障的车辆控制电子设备,其特征在于,所述基于所述驾驶状态场景确定驾驶行为决策结果,具体包括根据所述驾驶状态场景,确定各驾驶环境信息的权重;
对各驾驶环境信息计算加权值;
根据所述加权值确定驾驶行为决策结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910864752.5A CN110568850A (zh) | 2019-09-12 | 2019-09-12 | 一种无人驾驶汽车内部故障的车辆控制方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910864752.5A CN110568850A (zh) | 2019-09-12 | 2019-09-12 | 一种无人驾驶汽车内部故障的车辆控制方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110568850A true CN110568850A (zh) | 2019-12-13 |
Family
ID=68779649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910864752.5A Pending CN110568850A (zh) | 2019-09-12 | 2019-09-12 | 一种无人驾驶汽车内部故障的车辆控制方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110568850A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
CN111361533A (zh) * | 2020-02-25 | 2020-07-03 | 苏州挚途科技有限公司 | 一种防抱死的控制方法及装置 |
CN111845594A (zh) * | 2020-03-26 | 2020-10-30 | 新奇点智能科技集团有限公司 | 一种汽车故障的处理方法及装置 |
CN112017462A (zh) * | 2020-08-25 | 2020-12-01 | 禾多科技(北京)有限公司 | 用于生成场景信息的方法、装置、电子设备和介质 |
CN112590818A (zh) * | 2020-12-25 | 2021-04-02 | 际络科技(上海)有限公司 | 车辆的故障处理方法、装置及车辆 |
CN113085883A (zh) * | 2019-12-23 | 2021-07-09 | 深圳市大富科技股份有限公司 | 无人驾驶公交车控制的方法、装置及计算机存储介质 |
CN113495547A (zh) * | 2020-03-20 | 2021-10-12 | 北京智行者科技有限公司 | 一种实时安全的无人驾驶故障诊断与保护方法及系统 |
CN113562065A (zh) * | 2021-07-15 | 2021-10-29 | 东风汽车集团股份有限公司 | 防止电动助力转向机控制器数据异常的控制方法及装置 |
CN114022973A (zh) * | 2021-11-02 | 2022-02-08 | 阿波罗智联(北京)科技有限公司 | 一种车辆故障的处理方法、装置、设备以及存储介质 |
CN114844711A (zh) * | 2022-05-17 | 2022-08-02 | 北京经纬恒润科技股份有限公司 | 一种车载以太网安全状态检测方法和装置 |
CN116686535A (zh) * | 2023-06-30 | 2023-09-05 | 哈尔滨市大地勘察测绘有限公司 | 基于数据分析的无人驾驶收割机控制方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130151133A1 (en) * | 2011-12-09 | 2013-06-13 | Joel Kickbusch | System and method for planning movement of vehicles |
CN104816640A (zh) * | 2015-04-29 | 2015-08-05 | 上汽通用五菱汽车股份有限公司 | 一种电动汽车的故障处理方法及系统 |
CN105015545A (zh) * | 2015-07-03 | 2015-11-04 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车的自主变道决策系统 |
CN106585636A (zh) * | 2016-11-28 | 2017-04-26 | 上海工程技术大学 | 基于状态机的车辆行驶状态描述和驾驶行为侦测的方法 |
CN107272687A (zh) * | 2017-06-29 | 2017-10-20 | 深圳市海梁科技有限公司 | 一种自动驾驶公交车辆的驾驶行为决策系统 |
CN107458243A (zh) * | 2017-07-13 | 2017-12-12 | 合肥创智汽车技术开发有限公司 | 一种用于新能源汽车智能无人驾驶的故障停车控制方法 |
CN107757525A (zh) * | 2016-08-15 | 2018-03-06 | 福特全球技术公司 | 自主车辆故障模式管理 |
CN109080626A (zh) * | 2018-08-09 | 2018-12-25 | 北京智行者科技有限公司 | 车辆故障处理方法 |
CN109291921A (zh) * | 2017-07-25 | 2019-02-01 | 株式会社万都 | 车辆控制设备和方法 |
CN109367544A (zh) * | 2018-09-07 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆控制方法、装置及存储介质 |
CN109949611A (zh) * | 2019-03-28 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 无人车的变道方法、装置及存储介质 |
-
2019
- 2019-09-12 CN CN201910864752.5A patent/CN110568850A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130151133A1 (en) * | 2011-12-09 | 2013-06-13 | Joel Kickbusch | System and method for planning movement of vehicles |
CN104816640A (zh) * | 2015-04-29 | 2015-08-05 | 上汽通用五菱汽车股份有限公司 | 一种电动汽车的故障处理方法及系统 |
CN105015545A (zh) * | 2015-07-03 | 2015-11-04 | 内蒙古麦酷智能车技术有限公司 | 一种无人驾驶汽车的自主变道决策系统 |
CN107757525A (zh) * | 2016-08-15 | 2018-03-06 | 福特全球技术公司 | 自主车辆故障模式管理 |
CN106585636A (zh) * | 2016-11-28 | 2017-04-26 | 上海工程技术大学 | 基于状态机的车辆行驶状态描述和驾驶行为侦测的方法 |
CN107272687A (zh) * | 2017-06-29 | 2017-10-20 | 深圳市海梁科技有限公司 | 一种自动驾驶公交车辆的驾驶行为决策系统 |
CN107458243A (zh) * | 2017-07-13 | 2017-12-12 | 合肥创智汽车技术开发有限公司 | 一种用于新能源汽车智能无人驾驶的故障停车控制方法 |
CN109291921A (zh) * | 2017-07-25 | 2019-02-01 | 株式会社万都 | 车辆控制设备和方法 |
CN109080626A (zh) * | 2018-08-09 | 2018-12-25 | 北京智行者科技有限公司 | 车辆故障处理方法 |
CN109367544A (zh) * | 2018-09-07 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆控制方法、装置及存储介质 |
CN109949611A (zh) * | 2019-03-28 | 2019-06-28 | 百度在线网络技术(北京)有限公司 | 无人车的变道方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
冀杰: "基于有限状态机的车辆自动驾驶行为决策分析" * |
罗哲 等: "面向多项式的智能车变道轨迹规划方法", 《现代信息科技》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113085883A (zh) * | 2019-12-23 | 2021-07-09 | 深圳市大富科技股份有限公司 | 无人驾驶公交车控制的方法、装置及计算机存储介质 |
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
CN111361533A (zh) * | 2020-02-25 | 2020-07-03 | 苏州挚途科技有限公司 | 一种防抱死的控制方法及装置 |
CN111361533B (zh) * | 2020-02-25 | 2021-09-14 | 苏州挚途科技有限公司 | 一种防抱死的控制方法及装置 |
CN113495547A (zh) * | 2020-03-20 | 2021-10-12 | 北京智行者科技有限公司 | 一种实时安全的无人驾驶故障诊断与保护方法及系统 |
CN111845594B (zh) * | 2020-03-26 | 2022-04-08 | 新奇点智能科技集团有限公司 | 一种汽车故障的处理方法及装置 |
CN111845594A (zh) * | 2020-03-26 | 2020-10-30 | 新奇点智能科技集团有限公司 | 一种汽车故障的处理方法及装置 |
CN112017462A (zh) * | 2020-08-25 | 2020-12-01 | 禾多科技(北京)有限公司 | 用于生成场景信息的方法、装置、电子设备和介质 |
CN112590818A (zh) * | 2020-12-25 | 2021-04-02 | 际络科技(上海)有限公司 | 车辆的故障处理方法、装置及车辆 |
CN113562065A (zh) * | 2021-07-15 | 2021-10-29 | 东风汽车集团股份有限公司 | 防止电动助力转向机控制器数据异常的控制方法及装置 |
CN113562065B (zh) * | 2021-07-15 | 2022-06-03 | 东风汽车集团股份有限公司 | 防止电动助力转向机控制器数据异常的控制方法及装置 |
CN114022973A (zh) * | 2021-11-02 | 2022-02-08 | 阿波罗智联(北京)科技有限公司 | 一种车辆故障的处理方法、装置、设备以及存储介质 |
CN114022973B (zh) * | 2021-11-02 | 2024-03-01 | 阿波罗智联(北京)科技有限公司 | 一种车辆故障的处理方法、装置、设备以及存储介质 |
CN114844711A (zh) * | 2022-05-17 | 2022-08-02 | 北京经纬恒润科技股份有限公司 | 一种车载以太网安全状态检测方法和装置 |
CN114844711B (zh) * | 2022-05-17 | 2024-04-09 | 北京经纬恒润科技股份有限公司 | 一种车载以太网安全状态检测方法和装置 |
CN116686535A (zh) * | 2023-06-30 | 2023-09-05 | 哈尔滨市大地勘察测绘有限公司 | 基于数据分析的无人驾驶收割机控制方法及系统 |
CN116686535B (zh) * | 2023-06-30 | 2023-12-01 | 哈尔滨市大地勘察测绘有限公司 | 基于数据分析的无人驾驶收割机控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110568850A (zh) | 一种无人驾驶汽车内部故障的车辆控制方法及电子设备 | |
CN111462481B (zh) | 包含多功能无人车的云大脑智能交通系统 | |
US10991177B2 (en) | Method for processing vehicle fault, apparatus, device, and storage medium | |
CN110570538B (zh) | 智能驾驶汽车中黑匣子数据的管理方法、装置和设备 | |
CN110794851B (zh) | 车辆远程控制安全防护方法、装置和无人驾驶车辆 | |
JP2018206036A (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
US11242050B2 (en) | Reinforcement learning with scene decomposition for navigating complex environments | |
CN110910673B (zh) | 一种提醒行人碰撞车辆的方法及系统、摄像头、移动终端 | |
US11269326B2 (en) | Monitoring and tracking mode of operation of vehicles to determine services | |
CN107757614A (zh) | 用于自动车辆的障碍物回避协同驾驶 | |
CN113370996B (zh) | 自动驾驶换道跟驰决策方法及系统、自动驾驶车辆 | |
EP3555866B1 (en) | Vehicle management system | |
CN111464972A (zh) | 经优先级排序的车辆消息传递 | |
CN108806018A (zh) | 一种数据处理方法、数据处理设备和智能汽车 | |
CN110371137A (zh) | 用于管理车辆控制权转移的装置和方法 | |
CN114030475A (zh) | 一种车辆辅助驾驶方法、装置、车辆及存储介质 | |
CN115935573A (zh) | 用于自动驾驶车辆的仿真方法和控制自动驾驶车辆的方法 | |
WO2023187117A1 (en) | Simulation-based testing for robotic systems | |
WO2022030206A1 (ja) | 車両管理装置、車両管理方法、車両管理プログラム | |
WO2018004415A1 (en) | Method and system for evaluating the operational performance of advanced driver assistant systems associated with a vehicle | |
CN112849144B (zh) | 车辆控制方法、装置及存储介质 | |
DE112018006674T5 (de) | Fahrassistenzvorrichtung, Fahrassistenzsystem, Fahrassistenzverfahren und Aufzeichnungsmedium, in dem ein Fahrassistenzprogramm gespeichert ist | |
CN112141094A (zh) | 车辆及其防撞方法和装置 | |
CN111784142A (zh) | 高级驾驶辅助系统任务复杂度量化模型 | |
US20230256999A1 (en) | Simulation of imminent crash to minimize damage involving an autonomous vehicle |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 430056 No. 10 Dongfeng Avenue, Wuhan economic and Technological Development Zone, Wuhan, Hubei Applicant after: DONGFENG MOTER Co.,Ltd. Address before: 510800, Fengshen Road, Huadu District, Guangdong, Guangzhou 12 Applicant before: DONGFENG MOTER Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191213 |