CN110740916B - 处理与自主车辆的操作有关的请求信号 - Google Patents

Abstract

除其他事项外，车辆在无人类干预的情况下基于用于规划轨迹的自动过程在该轨迹上自主地驾驶通过道路网络到达目的位置；并且自动过程基于从车辆的乘员接收到的进行速度降低操纵的请求来改变对轨迹的规划以到达目标位置。

Description

处理与自主车辆的操作有关的请求信号

背景技术

当在道路上驾驶时，自主汽车(AV)可需要立即停车或在短的时间(例如，5秒或10秒)或距离(例如，10米)内停车。

发明内容

本文档中描述的技术使AV能够接受、处理和响应指示用于停车或进行其他速度降低操纵的请求的信号。对信号的响应可以包括评估请求的特征(例如，请求类型、作出请求的方式以及请求的频率、紧急程度、道路环境、预期的停车时间间隔、地图数据、传感器数据或它们中的两个或更多个的组合或其他因素)以标识AV的目标位置(例如，目标停车地点)。AV(或与AV相关联的AV系统)规划从当前位置到目标位置的轨迹，并执行该轨迹规划。可以基于新观察到的或接收到的数据来连续更新目标位置的状态，直到AV到达目标位置为止。然而，如果在执行轨迹规划期间目标位置变得不可用或以其他方式不合适，则AV系统可以标识另一目标位置并相应地调整轨迹规划。

通常，在一方面中，使车辆在道路网络上自主地驾驶。响应于表示对车辆进行速度降低安全操纵的请求的请求信号，车辆系统(a)计算地分析数据以选择用于该操纵的目标位置，并且(b)使车辆自主地驾驶朝向目标位置并进行该操纵。重复操作(a)和(b)，直到车辆在目标位置处完成该操纵为止。目标位置可以包括目标停车地点。速度降低操纵可以包括使车辆停车。

一些实现可以包括从乘员、远程操作员或软件或硬件进程(process)接收请求信号。请求信号可以包括从车辆中的用户接口接收到的、由车辆的乘员的交互而产生的数据中的至少一些数据。用户接口可以包括按钮、开关、拉绳、踏板、垫(pad)、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。接收请求信号可以包括经由电信(telecommunication)接收来自远程操作员的命令。在一些实现中，接收请求信号可以包括基于车辆性能的退化从软件或硬件进程接收请求。性能的退化可包括车辆的传感器或组件的性能的退化。接收请求信号可以包括基于检测到道路网络上的事件从软件或硬件进程接收请求。

在一些实现中，请求信号或数据包括紧急程度。紧急程度可以已由请求信号的发起者指示。实现可以包括通过对请求的算法分析来推断紧急程度。该算法分析可以包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

实现可以包括数据，该数据包括预期的停车时间间隔。预期的停车时间间隔可以已由请求信号的发起者指示。可以通过对请求的算法分析来推断预期的停车时间间隔。算法分析可以包括对与请求相关联的数据的分析。数据可以包括交通数据、传感器数据或地图数据、或它们中的两个或更多个。分析数据可以包括评估一个或多个目标位置的质量。可以相对于车辆离线评估质量、或在车辆正驾驶时在线评估质量、或两者。评估质量可以包括基于以下因素中的一个或多个来计算质量：紧急状况、车辆在道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。因素中的一个或多个可以由数值表示；数值中的每一个可被映射到预定义范围。计算质量可以包括向因素中一个或多个分配权重。权重可以基于以下各项中一项或多项：请求的特征、车辆的类型、法规、紧急程度和预期的停车时间间隔。一些实施例基于目标位置的质量值或指定目标位置的排除的信息来忽略该目标位置。一些情况可以以质量类别对目标位置进行分类。

实现可以包括分析数据，包括应用最小质量阈值来标识一个或多个可接受的目标位置。计算最小质量阈值可以基于以下各项中的一项或多项：紧急程度、预期的停车时间间隔、和冲突的规则。

实现可以包括分析数据，包括标识用于选择目标位置的区域。该区域可以包括可驾驶区域或不可驾驶区域或两者。该区域可以包括由车辆的面朝前的侧所面向的区域。该区域可以包括形状或大小或两者。一些情况包括基于交通状况或紧急程度或两者来确定形状或大小。一些应用可以基于一个或多个目标位置的质量来确定区域。实现可包括在没有目标位置被标识出时扩展该区域、或基于车辆的新位置来更新该区域、或两者。选择目标位置的实现可以包括将该区域离散成潜在的目标地点、或使用可用性数据、或两者。可以从以下各项中一项或多项获取可用性数据：众包(crowd-sourced)数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、车辆和另一车辆。

通常，在一方面中，使车辆在道路网络上自主地驾驶。与车辆相关联的计算机可以接收表示对紧急停车的请求或对紧急状况的标识的信号，并分析该请求或紧急状况和数据，以标识用于停车的目标位置。可以进一步使车辆自主地移动到目标位置并停在目标位置处。实现可以包括从(a)乘员、(b)远程操作员、或(c)标识紧急状况的软件或硬件进程接收信号。接收信号可以包括从车辆中的用户接口接收由车辆的乘员的交互而产生的数据中的至少一些数据。接口可以包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。接收信号的实现以包括经由电信接收来自远程操作员的命令。在某些情况下，该信号可以由软件或硬件进程基于车辆性能的退化来发起。性能的退化可包括车辆的传感器或组件的性能的退化。

在一些实现中，通过对道路网络上的事件的检测来发起信号。在一些实施例中，数据或信号包括紧急程度。紧急程度可以已由信号的发起者指示。实现可以包括通过对信号的算法分析来推断紧急程度。该算法分析可以包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

在某些应用中，数据或信号可以包括预期的停车时间间隔。可以从信号的发起者接收预期的停车时间间隔、或通过对信号的算法分析来推断预期的停车时间间隔、或两者。算法分析可以包括分析数据。

实现可包括数据，该数据包括交通数据、传感器数据、地图数据、或它们中的两个或更多个。

实现可以包括基于评估一个或多个目标位置的质量来分析请求。可以相对于车辆离线评估质量、或在车辆正驾驶时在线评估质量、或两者。评估质量可以包括基于以下因素中的一个或多个来计算质量：紧急状况、车辆在道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。因素中的一个或多个可以由数值表示；数值中的每一个可被映射到预定义范围。计算质量可以包括向因素中一个或多个分配权重。可以基于以下各项中一项或多项来确定权重：请求的特征、车辆的类型、法规、紧急程度和预期的停车时间间隔。

实现可以包括基于目标位置的质量值或指定目标位置的排除的信息来忽略该目标位置、或以质量类别对目标位置进行分类、或两者。

分析数据的实现可以包括应用最小质量阈值来标识一个或多个可接受的目标位置。计算最小质量阈值可以基于以下各项中的一项或多项：紧急程度、预期的停车时间间隔、和冲突的规则。

分析数据的实现可以包括标识用于选择目标位置的区域。该区域可以包括可驾驶区域或不可驾驶区域或两者。该区域可以包括由车辆的面朝前的侧所面向的区域。该区域可以包括形状或大小或两者。确定形状或大小可以基于交通状况或紧急程度或两者。确定该区域可以基于一个或多个目标位置的质量。在一些实施例中，当没有目标位置被标识出时执行扩展区域。实现可以包括基于车辆的新位置来更新区域。

选择目标位置的实现可以包括将该区域离散成潜在的目标地点、或使用可用性数据、或两者。可以从以下各项中一项或多项获取可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、车辆和另一车辆。

一般而言，在一方面中，实现包括与驾驶在道路网络上的车辆相关联的规划过程，该规划过程包括：(a)通过计算机接收表示对车辆进行速度降低安全操纵的请求的输入信号、(b)分析数据以更新目标位置和到目标位置的轨迹、(c)提供输出信号以控制车辆移动到目标位置、以及(d)重复(a)、(b)和(c)直到车辆到达目标位置为止。目标位置可以包括目标停车地点。速度降低操纵可以包括使车辆停车。

接收输入信号可以基于来自乘员、远程操作员或软件或硬件进程的请求。接收输入信号可以包括从车辆中的用户接口接收由车辆的乘员的交互而产生的数据中的至少一些数据。用户接口可以包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。接收输入信号可以包括经由电信接收来自远程操作员的命令。可以基于车辆的性能的退化从软件或硬件进程发起输入信号。性能的退化可包括车辆的传感器或组件的性能的退化。可以根据对道路网络上的事件的检测发起输入信号。

实现可以包括数据，该数据包括紧急程度。紧急程度可以已由输入信号的发起者指示。实现可以包括通过对输入信号的算法分析来推断紧急程度。该算法分析可以包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

实现可以包括数据，该数据包括预期的停车时间间隔。预期的停车时间间隔可以已由输入信号的发起者指示、或者可通过对输入信号的算法分析来推断、或两者。算法分析可以包括对与输入信号相关联的数据的分析。

实现可包括数据，该数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。

实现可包括分析数据，包括评估一个或多个目标位置的质量。可以相对于车辆离线评估质量、或在车辆正驾驶时在线评估质量、或两者。评估质量可以包括基于以下因素中的一个或多个来计算质量：紧急状况、车辆在道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。因素中的一个或多个可以由数值表示；数值中的每一个可被映射到预定义范围。计算质量可以包括向因素中一个或多个分配权重。权重可以基于以下各项中一项或多项：请求的特征、车辆的类型、法规、紧急程度和预期的停车时间间隔。

实现可以包括基于目标位置的质量值或指定目标位置的排除的信息来忽略该目标位置、或以质量类别对目标位置进行分类、或两者。

分析数据的实现可以包括应用最小质量阈值以标识一个或多个可接受的目标位置。计算最小质量阈值可以基于以下各项中的一项或多项：紧急程度、预期的停车时间间隔、和冲突的规则。分析数据可以包括标识用于选择目标位置的区域。该区域可以包括可驾驶区域或不可驾驶区域或两者。该区域可以包括由车辆的面朝前的侧所面向的区域。该区域可以包括形状或大小或两者。确定形状或大小可以基于交通状况或紧急程度或两者。确定该区域可以基于一个或多个目标位置的质量。

实现可包括在没有目标位置被标识出时扩展该区域、或基于车辆的新位置来更新该区域、或两者。

选择目标位置的实现可以包括将该区域离散成潜在的目标地点、或使用可用性数据、或两者。可以从以下各项中一项或多项获取可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、车辆和另一车辆。

通常，在一方面中，技术使车辆基于用于规划轨迹的自动过程在该轨迹上自主地驾驶通过道路网络至目的位置而无需人类干预，并基于从车辆的乘员接收到的进行速度降低操纵的请求而使自动过程改变对轨迹的规划以到达目标位置。目标位置可以包括目标停车地点。速度降低操纵可以包括使车辆停车。该请求可以包括由于乘员的交互而产生的从车辆的用户接口接收到的数据，并且该用户接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、语音助手、或它们中的两个或更多个的组合。

实现可以包括数据，该数据包括紧急程度。在某些情况下，紧急程度是通过算法分析来推断的。该算法分析可以包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

实现可以包括数据，该数据包括预期的停车时间间隔。预期的停车时间间隔可已由乘员指示、或通过对该请求的算法分析来推断。

实现可包括分析附加数据，该附加数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。分析附加数据可以包括评估一个或多个目标位置的质量。可以相对于车辆离线评估质量、或在车辆正驾驶时在线评估质量、或两者。评估质量可以包括基于以下因素中的一个或多个来计算质量：紧急状况、车辆在道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。因素中的一个或多个可以由数值表示；数值中的每一个可被映射到预定义范围。计算质量可以包括向因素中一个或多个分配权重。可以基于以下各项中一项或多项来确定权重：请求的特征、车辆的类型、法规、紧急程度和预期的停车时间间隔。

实现可以包括基于目标位置的质量或指定目标位置的排除的信息来忽略该目标位置、或以质量类别对目标位置进行分类、或两者。

分析附加数据可以包括应用最小质量阈值来标识一个或多个可接受的目标位置。计算最小质量阈值可以基于以下各项中的一项或多项：紧急程度、预期的停车时间间隔、和冲突的规则。实现可以包括标识潜在地包括目标位置的区域。该区域可以包括可驾驶区域或不可驾驶区域或两者。该区域可以包括由车辆的面朝前的侧所面向的区域。该区域可以包括形状或大小或两者。确定形状或大小可以基于交通状况或紧急程度或两者。确定该区域可以基于一个或多个目标位置的质量。实现可在没有目标位置被标识出时扩展该区域、或基于车辆的新位置来更新该区域、或两者。

选择该区域中的目标位置的实现可以包括将该区域离散成潜在的目标地点、或使用可用性数据、或两者。可以从以下各项中一项或多项获取可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、车辆和另一车辆。

一般而言，在一方面中，技术包括自主车辆，该自主车辆包括：(a)转向设备、加速设备和减速设备，这些设备响应来自驾驶控制系统的信号，以在道路网络上自主驾驶车辆；(b)车辆上的接收设备，该接收设备接收用于车辆进行速度降低安全操纵的请求信号，并且使驾驶控制系统分析数据并选择操纵的目标位置；以及(c)通信元件，该通信元件将指示命令的信号发送到驾驶控制系统以用于转向设备、加速设备和减速设备使车辆驾驶到目标位置并在目标位置处执行操纵。目标位置可以包括目标停车地点。速度降低操纵可以包括使车辆停车。

在一些实现中，可以从乘员、远程操作员或软件或硬件进程接收请求。请求信号可以包括由车辆的乘员的交互而产生的从车辆中的用户接口接收到的数据。接口可以包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。接收请求信号可以包括经由电信接收来自远程操作员的命令。可以由软件或硬件进程基于车辆的性能的退化而发起请求信号。性能的退化可包括车辆的传感器或组件的性能的退化。可以通过对道路网络上的事件的检测而发起请求信号。

实现可以包括数据，该数据包括紧急程度。紧急程度可以已由该请求的发起者指示。驾驶控制系统可以通过对请求的算法分析来推断紧急程度。该算法分析可以包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

实现可以包括数据，该数据包括预期的停车时间间隔。预期的停车时间间隔可以已由该请求的发起者指示、或者可通过对该请求的算法分析来推断、或两者。

在一些实现中，数据可包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。分析数据可以包括评估一个或多个目标位置的质量。可以相对于车辆离线评估质量、或在车辆正驾驶时在线评估质量、或两者。

评估质量的实现可以基于以下因素中的一个或多个：紧急状况、车辆在道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。因素中的一个或多个可以由数值表示。可以将数值中的每一个映射到预定义的范围。对质量的计算可以包括向因素中一个或多个分配权重。权重可以基于以下各项中一项或多项：请求信号的特征、车辆的类型、法规、紧急程度和预期的停车时间间隔。

在一些实现中，驾驶控制系统可基于目标位置的质量值或指定目标位置的排除的信息来忽略该目标位置、或以质量类别对目标位置进行分类、或两者。分析数据可以包括应用最小质量阈值来标识一个或多个可接受的目标位置。驾驶控制系统可以基于以下各项中的一项或多项来计算最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则。

分析数据可以包括标识潜在地包括目标位置的区域。该区域可以包括可驾驶区域或不可驾驶区域或两者。该区域可以包括由车辆的面朝前的侧所面向的区域。该区域可以包括形状或大小或两者。驾驶控制系统可基于交通状况或紧急程度或两者来确定形状或大小。驾驶控制系统可以基于一个或多个目标位置的质量来确定区域。在一些实现中，驾驶控制系统可在没有目标位置被标识出时扩展该区域、或基于车辆的新位置来更新该区域、或两者。

在一些实现中，驾驶控制系统可以通过将区域离散化成潜在的目标地点、或者通过使用可用性数据、或者两者来选择目标位置。可用性数据可以来自以下各项中一项或多项：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、车辆和另一车辆。

一般而言，在一方面中，实现包括一种装置，该装置包括用户接口设备，该用户接口设备位于自主车辆中并且包括处理器和存储器，该用户接口设备被配置成向车辆的乘员暴露(a)使乘员能够表达用于车辆进行速度降低操纵的请求信号的输入特征，以及(b)向乘员报告该操纵的状态的输出特征。速度降低操纵可以包括使车辆停车。输入特征的一部分或全部可以被可移除的或易碎的介质遮挡(shield)。输入特征可以包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。语音助手可以包括自然语言处理模块。自然语言处理模块可以推断紧急程度。

输入特征可以使乘员能够标识目标位置。输入特征可以使乘员能够表达紧急程度、预期的停车时间间隔、或两者。可以基于按压的长度、或按压的数量、或两者来确定紧急程度。处理器可以通过算法分析来推断紧急程度。该算法分析可以包括对口头请求的频率、音量、声音、语音、类型、或单词、或它们中的两个或更多个的分析。算法分析可以基于直至到达停车的估计时间、或直至到达停车的估计距离、或两者。处理器可以通过算法分析来推断预期的停车时间间隔。

实现可包括处理器以标识潜在地用于速度降低操纵的区域。输出特征可以报告包括与目标位置有关的信息的区域，该信息包括以下各项中的一项或多项：形状、大小、质量和直至到达目标位置的估计时间。当没有目标位置被标识时，输入特征可允许乘员扩展区域、或降低质量阈值、或两者。输出特征可以报告朝向目标位置的轨迹。

输出特征或输入特征或两者可基于视觉通信或听觉通信或两者而起作用。

向乘员报告的实现可以在乘员的个人设备上实现。

这些和其他的方面、特征和实现可以被表达为方法、装置、系统、组件、程序产品、经营商业的方法、用于执行功能的装置或步骤、以及在其他方式中。

根据包括权利要求的以下描述，这些和其他方面、特征和实现将变得显而易见。

附图说明

图1是AV系统的框图。

图2和图3示出了用户接口。

图4是质量确定过程的流程图。

图5是阈值确定过程的流程图。

图6和图7是邻近区域的示意图。

图8至图10示出了标识目的区域的过程。

图11是邻近区域构造过程的流程图。

图12是轨迹规划的示意图。

图13是将AV移动到目标停车地点的工作流程流程图。

具体实施方式

关于术语，在本文档中：

术语“自主车辆”(AV)被广泛地用于包括具有自主驾驶能力或半自主驾驶能力或机器辅助的手动驾驶能力的任何车辆。AV可以以自主模式或人为操作模式或半自主模式或它们的组合(例如，人类引导的自主模式或机器辅助的手动模式)来驾驶。我们有时也使用术语“自主车辆系统”或“AV系统”来指代AV和与AV的操作相关联的其他组件(其可被远程地定位)。我们有时会交替使用术语AV和AV系统。

术语“停车”被广泛地用于包括运动的任何停止(例如，停车、泊车或停放)、或将车辆的移动速度降低到非常慢的速度并离开道路。

术语“远程操作员”被广泛地用于包括已被启用以影响AV的操作的、远离AV的任何人或任何软件进程或硬件设备。通过电信，远程操作员能够与AV或AV系统交互、或向AV或AV系统发出命令、或两者。

术语“紧急程度”被广泛地用于包括对适用于使AV停车的限制的任何估计，例如，对时间或距离(AV要在该时间内或该距离内停车)或两者的任何定量估计。

术语“停车请求”被广泛地用于包括给AV或AV系统以使AV停车的任何信号、请求、指令、命令、建议或其他任何种类的指示、或它们中的两个或更多个的组合。可以由包括乘员或非乘员的人、在AV车上(onboard)或车外(offboard)的硬件组件、在AV车上或车外运行的软件进程、或它们中的两个或更多个的组合来提供该指示。停车请求可以包括以下各项中的一项或多项的任何组合或与其相关联：紧急程度、预期的停车时间间隔、预期的停车距离、或其他因素

术语“预期的停车时间间隔”被广泛地用于包括指示AV将在停车地点处保持停车多长时间(例如，以分钟、小时或天为单位)的任何估计量。

术语“停车地点”被广泛地用于包括车辆在它不移动时所占据的任何区域。可以通过世界上的一位置处的形状(例如，矩形)来标识停车地点。停车地点可以包括AV可能面向的方向。

术语“停车地点的质量”被广泛地用于包括基于以下标准中的一个或多个的、与停车地点相关联的任何量(例如，估计量)：停车地点的可接受性、合乎期望性、值、风险、益处或其他指标、或它们的组合。

术语“可接受的停车地点”被广泛地用于包括停车地点的质量满足或超过阈值的任何停车地点。

术语“可用的停车地点”被广泛地用于包括AV可以到达并停车的任何停车地点(包括任何可接受的停车地点)。

术语“目标停车地点”被广泛地用于包括由AV系统当前选择来导航到并在该处停车的任何停车地点。

术语“邻近区域”被广泛地用于包括AV附近的区域。

术语“目的区域”被广泛地用于包括位于邻近区域内的可接受的停车地点的任何联合或其他集合。

术语“可用性层”被广泛地用于包括与地图数据相关联的信息，以用于标识可用的停车地点。可用的停车地点可能是或者可能不是可接受的停车地点。

术语“轨迹”被广泛地用于包括从一个地点到另一个地点的任何路径或路线，例如，从接载位置到卸放位置的路径。

本文档中所描述的技术适用于例如半自主车辆，诸如所谓的2级以及3级车辆(参见SAE国际标准J3016：与道路机动车辆自动驾驶系统相关的术语的分类和定义，其以其全文通过引用并入本文，以提供车辆中自主性的级别的分类的更多细节)，其尝试控制车辆的转向或速度或两者。2级或3级系统可在某些驾驶条件下基于对传感器输入的分析将某些车辆操作(诸如，转向以及制动)自动化。市场上的2级和3级系统通常会在决策制定过程期间考虑到车辆传感器直接感知到的障碍。本文档中描述的技术可使半自主车辆受益。进一步地，本文档中描述的技术还可协助人类操作的车辆的驾驶决策。

AV

如图1中所示，AV 10的典型活动是安全且可靠地自主驾驶通过环境12至目的位置14，同时避开车辆、行人、骑自行车者和其他障碍16并遵守道路的规则(例如，操作规则或驾驶偏好)。AV执行该活动的能力通常被称为自主驾驶能力。

AV的自主驾驶能力通常由技术18以及20的阵列(例如，硬件、软件以及存储的以及实时的数据)来支持，本文档有时将该阵列统称(与AV一起)为AV系统22。在一些实现中，技术中的一个或一些或全部位于AV上。在一些情况下，技术中的一个或一些或全部在另一位置处，诸如在服务器处(例如，在云计算基础设施中)。AV系统的组件可包括以下各项中的一项或多项或全部(以及其他)。

1.存储器32，该存储器32用于存储机器指令以及各种类型的数据。

2.一个或多个传感器24，该一个或多个传感器24用于测量或推断或测量并且推断AV的状态和状况，诸如，车辆的位置、线速度和角速度和加速度、以及前进方向(heading)(例如，AV的前端的取向)。例如，此类传感器可包括，但不限于：GPS；惯性测量单元，该惯性测量单元测量车辆线性加速度和角速率；单个车轮速度传感器，用于测量或估计单个车轮滑移率；单个车轮制动压力或制动扭矩传感器；发动机扭矩或单个车轮扭矩传感器；以及方向盘角度和角速率传感器。

3.一个或多个传感器26，该一个或多个传感器26用于测量AV的环境的属性。例如，此类传感器可包括，但不限于：激光雷达；雷达；可见光、红外和/或热光谱单目或立体摄像机；超声传感器；飞行时间(TOP)深度传感器；以及温度和雨水传感器。

4.一个或多个设备28，该一个或多个设备28用于传送所测量的或所推断的或所测量并且所推断的其他车辆的状态和状况，诸如位置、线性速度和角速度、线性加速度和角加速度、以及线性前进方向和角前进方向。这些设备包括车辆到车辆(V2V)和车辆到基础设施(V2I)通信设备以及用于通过点对点或自组织网络或通过该两者进行无线通信的设备。设备可以跨电磁频谱(包括无线电和光通信)或其他介质(例如，声学通信)进行操作。

5.一个或多个数据源30，该一个或多个数据源30用于提供与环境12有关的历史或实时或预测的信息、或它们中的任何两个或更多个的组合，包括例如交通拥堵更新以及天气状况。此类数据可以被存储在车辆上的存储器存储单元32上，或者经由无线通信从远程数据库34传输至车辆。

6.一个或多个数据源36，该一个或多个数据源36用于提供从GIS数据库提取的数字道路地图数据，潜在地包括一项各项中的一项或多项：道路几何属性的高精度地图；描述道路网络连接属性的地图；描述道路物理属性的地图(诸如，车辆交通车道和骑自行车者交通车道的数量、车道宽度、车道交通方向、车道标记类型和位置)；以及描述道路特征(诸如，人行横道、各种类型的交通标志(例如，停车、让行)、以及各种类型的交通信号(例如，红-黄-绿指示器、闪烁的黄色或红色指示器、右转或左转箭头))的空间位置的地图。此类数据可以被存储在AV上的存储器存储单元32上，或者通过无线通信从远程定位的数据库传输至AV，或其二者的组合。

7.一个或多个数据源38，该一个或多个数据源38用于提供与先前已在一天中的类似时间处沿本地道路段段行驶的车辆的驾驶属性(例如，典型的速度和加速度概况)有关的历史信息。此类数据可以被存储在AV上的存储器存储单元32上，或者通过无线通信从远程定位的数据库34传输至AV，或其二者的组合。

8.一个或多个计算机系统40，该一个或多个计算机系统40位于AV上，以用于执行算法(例如，进程42)以用于基于实时传感器数据和先验信息两者在线(即，在车上实时地)生成控制动作，从而允许AV执行其自主驾驶能力。

9.一个或多个接口设备44(例如，显示器、鼠标、跟踪点、键盘、触摸屏、扬声器、生物统计读取器以及姿势读取器)，该一个或多个接口设备44被耦合至计算机系统40以用于向AV的乘员提供各种类型的信息以及警报并且接收来自AV的乘员的输入。该耦合可以是无线或者有线的。可以将接口设备中的任何两个或更多个集成到单个中。

10.一个或多个无线通信设备46，该一个或多个无线通信设备46用于将数据从远程定位的数据库34传输至AV，并且将车辆传感器数据或与驾驶性能相关的数据传输至远程定位的数据库34。

11.功能设备以及AV特征48，该功能设备以及AV特征48被装备成从计算机系统接收用于驾驶(例如，转向、加速、减速、档位选择)和用于辅助功能(例如，转向指示器激活)的命令并按照该命令行动。

停车请求

AV的停车请求可涉及或包括用于停车、停车的紧急性、以及停车的模式的各种原因，诸如以下各项：

1.AV的乘员感到不舒服，例如，由于AV系统的不稳定的驾驶行为或由于乘员感到不适并想要AV停车。

2.乘员的旅行计划改变，并且想立即退出AV。

3.AV系统的监测过程检测到AV或AV系统中一个或多个组件(例如，车辆组件、传感器、电池、计算机、软件进程或通信设备或它们的组合)中的错误或故障，并确定AV必须停车。

4.AV系统的中央服务器指示当前的目的位置不再相关。例如，AV正在行驶以服务来自用户的接载请求，但是该接载请求被取消，并且中央服务器指示该AV系统停车。

5.乘员或远程操作员可能希望将AV从自主模式转换到手动模式或半自主模式，这可能要求首先让AV停车。

6.AV系统检测或接收与紧急车辆的存在有关的信息，并确定使AV停车，潜在地直到检测到的紧急车辆通过为止。

7.AV系统检测到道路阻塞或类似事件，并确定AV必须停车。

8.交通官员或警察要求或指示AV停车。

停车请求的发起者可以是乘员、警察、交通官员、AV系统、软件进程、中央服务器、远程操作员或任何其他类型的停车请求源、或它们中的两个或更多个的组合。发起者可以提供与停车请求有关的信息；例如，在AV中或AV的相邻邻近区域中正出现危险事件(例如，火灾、抗议、炸弹威胁或硬件故障)，因此，远程操作员提供与危险事件有关的信息(例如，位置、发生时间和描述)，并发出停车请求以便以手动模式接管(take over)AV系统。

在发起停车请求时，会向AV系统发出信号；AV系统随后接受、处理并响应该信号。除其他事项外，AV系统评估例如请求的特征(例如，请求类型、作出请求的方式以及请求的频率)、紧急程度、道路环境、预期的停车时间间隔、地图数据、传感器数据或它们中的两个或更多个的组合或其他因素，以标识AV的目标停车地点。AV持续地更新其邻近区域中的目标停车地点以及到该目标停车地点的轨迹，直到AV到达安全停车地点为止。

紧急程度

停车请求具有不同的紧急程度。例如，在严重的系统退化、错误或交通事故的情况下，AV可能需要尽可能快地停车。因此，这种请求具有高的紧急程度。另一方面，如果中央服务器确定AV系统的当前目的位置不再相关，并且中央服务器无法立即为AV系统分配另一目的位置，则AV系统可以将该停车请求视为具有低的紧急程度。

紧急程度可以与停车请求相关联。可以由AV系统、中央服务器、远程操作员、AV中的乘员、软件进程、另一类型的来源或它们中的两个或更多个的组合来确定紧急程度。在引起系统发起的停车请求的AV系统性能退化的情况下，AV系统可以基于退化的级别(如在预定义的规则中指定的)来确定紧急程度。例如，关键传感器或计算硬件的故障可能会导致具有高的紧急程度的停车请求。在另一示例中，不是对安全至关重要的传感器中的轻微故障可能导致具有低的紧急程度的停车请求。

紧急程度可能会影响对目标停车地点的选择。如果停车请求具有高的紧急程度，则快速找到目标停车地点可能是重要的。另一方面，如果停车请求具有低的紧急程度，则搜索具有较高质量的目标停车地点可能是合适的，即使该搜索会花费较长时间。紧急程度可以由数字(例如，从1到10的标度上，其中10是最紧急的)或类别(例如，低、中和高)表示、或以在停车过程期间允许决策制定的各种其他方式表示。

AV系统可包括使乘员能够发起停车请求的一个或多个设备，例如按钮、开关、拉绳、踏板、垫、传感器、汽笛或触摸屏、或它们的组合、还有其他。停车请求的发起导致将信号被发送到AV系统。取决于发起停车请求的模式和方式(如下所讨论的)，信号可以携带除了停车的简单指示之外的信息。图2示出了示例性用户接口。AV的乘员可以通过按压被集成在AV的仪表板201中的按钮204来发起停车请求。该按钮可以是物理按钮或在触摸屏202上呈现的虚拟按钮。物理按钮可被可移除的或易碎的介质遮挡，以减少意外按下按钮导致AV停车的可能性。在一些实现中，按钮204可以用于发起仅针对立即紧急停车的停车请求。

在某些情况下，与按钮204交互的方式表示紧急程度；例如，长按(例如，按下并保持达指定的时间)或两次按下或多次按下或它们的组合指示停车请求的增大的紧急程度。

在一些应用中，要求多次按下按钮204可以降低将意外按下按钮错误地解释为导致AV停车的停车请求的可能性。

在一些实现中，AV系统包括两个或更多个按钮，该两个或更多个按钮表示不同的紧急程度。例如，一个按钮发起高度紧急情况的停车请求，并因此受到物理遮挡，而另一个按钮发起相对低的紧急停车请求，并且没有被物理遮挡。

在图2中，仪表板201可包括一个或多个传感器203，例如，麦克风和用于基于语音的通信的扬声器。麦克风可以利用语音助手进程将其信号馈送到音频设备205中。语音助手进程可以采用消除噪音、语音处理、机器学习和自然语言处理技术的组合来解释乘员发出的声音或语音并相应地采取措施。例如，语音助手可以不断地监测来自麦克风阵列的信号，以检测短语“使汽车停车”或“停车”、或与可能的停车请求相关的各种其他短语。紧急程度可以从短语中确定或推断出来，例如，短语“现在停车”可以被编程为被解释为比单词“停车”具有更高紧急程度的停车请求。紧急程度可以由机器学习算法确定，该机器学习算法尝试基于乘员的语音特征(诸如，音量或音高或两者)推断紧急程度。可以通过预先指定的规则来确定紧急程度。如果乘员在汽车停车之前说出更多的短语，例如“现在使汽车停车”，则紧急程度可增加。如果乘员在汽车停车之前说出诸如“请勿停车”之类的短语，则可以取消停车请求。在一些实现中，在响应于停车请求而发起动作之前，语音助手可以请求乘员以另一语音命令或其他的交互(例如，按钮按压)的形式提供确认。

图3示出了示例性触摸屏显示器301。显示器可以被安装在例如仪表板或座椅靠背上(例如，在座椅的头枕后面)。显示器301可以呈现诸如按钮304之类的元素，该元素潜在地总是可见的并且允许乘员发起停车请求。在一些实现中，显示器302随后可以显示估计的距离306和时间308，直到AV停车。显示器还可以显示地图视图350，该地图视图350描绘了从AV的当前位置到AV系统选择的目标停车地点的轨迹352。在乘员已经按下“使汽车停车”按钮304之后，可以显示诸如按钮“现在停车！”312之类的元素，从而允许乘员改变未决停车请求的紧急程度。按下“现在停车！”按钮312可以将紧急度从“中”增加到“高”。诸如按钮310之类的元素可以允许乘员取消停车请求。AV系统随后可以将取消停车请求命令确认发回给乘员。

在一些实现中，发起停车请求的AV的乘员可以显式地或隐式地指定停车请求的紧急程度。指定的示例包括：“高”、“中”或“低”紧急程度；在10秒、30秒或2分钟内停车；在50米、100米或500米内停车。

在一些实现中，即使停车请求不是通过显示器301发起而是例如通过AV系统或远程操作员或语音命令或物理按钮发起的，屏幕302也可以显示到停车地点的距离和时间、或从AV的当前位置到目标停车地点的轨迹、或两者。

在一些实现中，在停车请求的情况下，可以使用AV系统的扬声器来向乘员提供听觉反馈，诸如AV停车之前的估计时间和距离、或者用于如何更快地使汽车停车的指令、或两者。

预期的停车时间间隔

除了紧急程度之外，停车请求可以包括与AV将保持在停车状态的预期停车时间间隔有关的信息。预期的停车时间间隔可以由AV系统独立确定，或者潜在地与中央服务器、系统用户、远程操作员、乘员一起确定，或它们的组合。在一些实现中，通过分析停车请求的发起者来确定预期的停车时间间隔。该确定可以基于预定义的规则、公式、算法、用户输入(例如，来自系统用户、远程操作员或乘员)、预定义的过程或它们中的两个或更多个的组合。例如，如果远程操作员发起了停车请求以将AV从手动模式转换为自主模式，则预期的停车时间间隔可以是短的。在另一示例中，由于AV可能需要等待来自拖车的运输，因此由于传感器故障而发起的停车请求可能会导致长的(或不确定地长的)停车时间间隔。

在一些实现中，AV的内部可以包括用户接口特征(例如，按钮、触摸屏或语音助手进程，或者它们中的两个或更多个的组合)，该用户接口特征允许乘员指定停车请求的期望停车时间间隔。类似地，远程操作系统可以包括由远程操作员使用的、用于指定与停车请求相关联的紧急程度或预期停车时间间隔或两者的用户接口。

预期的停车时间间隔可能会影响对停车地点的选择，因为可能存在一些适合非常短的停车但不适合较长的停车的位置。可以将预期的停车时间间隔表示为指定的持续时间(例如，最长到或至少30秒、1分钟、5分钟、10分钟、30分钟、60分钟、2小时、3小时、6小时、12小时、或24小时)、或以有序的类别(例如，“短暂”、“重度”以及“冗长”)或以允许决策制定的各种其他方式来表示预期的停车时间间隔当启动停车请求并且提供了紧急程度和预期的停车时间间隔时，AV系统可以分析紧急程度和预期的停车时间间隔以确定可接受的目标停车地点，并随后在该停车地点处停车。

停车地点的质量

可以由AV系统使用世界上的一位置处的形状(例如，矩形或椭圆形)来标识停车地点。可以将停车地点的形状定义为与AV的占地(footprint)相匹配(包括在每一侧上的缓冲，以解决悬垂或出于安全目的)。

图4示出了评估停车地点的质量的过程。停车地点的质量430是与停车地点410相关联的计算量425。质量确定过程400依赖于一个或多个标准的分析，以用于评估停车地点410的质量以服务停车请求。标准的示例包括以下各项：

1.指定的停车地点。指定的停车地点的示例包括停车位、停车场、卡车停车区或被用作车辆停车的地点的路肩。其他示例包括位于行驶车道、公交车道或自行车道中的停车地点，其中在紧急情况下停车可能是可接受的，但在其他情况下是不可接受的。该信息可以被编码在地图数据中。

2.行驶速度。如果目标停车地点在行驶车道上或行驶车道旁，则较低速度环境通常比较高速度的环境更优。行驶速度的确定可以基于以下各项中的一项或多项：道路段的速度限制、由AV系统测量的当前在道路段上的车辆的平均速度、来自数据源的统计测量、以及在AV车上或车外的带注释的地图数据。

3.交通量如果目标停车地点在行驶陆地上或行驶车道旁，则较低交通密度的环境通常比较高交通的环境更优。可以基于以下各项中一项或多项来确定交通密度：AV系统测量的当前在道路段上的车辆的平均密度或流量、来自数据源的统计测量、以及在AV车上或车外的带注释的地图数据。

4.交通组成。如果目标停车地点在行驶车道上或行驶车道旁，则避开基于诸如包括大量重型车辆的交通之类的交通组成的区域可能是优选的。可以基于以下各项中一项或多项来确定交通组成：AV系统测量的当前在道路段上的重型车辆的平均密度或流量、来自数据源的统计测量、以及在AV车上或车外的带注释的地图数据。

5.车道的选项。如果停车地点在行驶车道中，则与道路中间的车道相比，在最靠近道路边缘的车道中停车通常是优选的。

6.堵塞程度。如果AV系统决定停在特定的目标停车地点处，则这是对其他车辆和其他道路使用者需要多少操纵才能避免撞到AV的测量。在指定的停车地点(诸如，停车场和路肩)中，AV可能不会对其他车辆造成阻碍。对于在道路边缘处的停车地点，其中该停车地点的一部分在行驶车道上，并且AV的一部分在行驶车道之外，其他车辆可能需要稍作操纵(例如，转弯)来避免撞到AV。如果AV系统选择在交通车道的中间停车，则其他车辆将不得不大幅度操纵(例如，转换车道)以便避开AV。阻塞程度可以被表示为例如被停车的AV阻塞的行驶车道的一部分。可以使用数值；例如，值为0指示无阻塞，值为0.5指示一半车道被阻塞，值为1指示整个行驶车道被阻塞，并且值为1.5指示1.5个车道被阻塞。

7.从其他车辆的视线。如果目标停车地点是其他车辆将需要操纵以便避开停车的AV的位置，则优选在停车的AV对其他车辆而言是可见的位置中停车。例如，通常优选在长的直道路段上停车，而不是在弯曲的道路段或陡峭倾斜的道路段上停车。这可以例如由该停车地点处的道路段的曲率的测量来表示，其中较低的曲率优于较高的曲率。道路段的曲率可以被测量或从地图数据读取。

8.与十字路口的距离。对AV而言通常优选的是在更远的地方停车，而不是在更靠近交叉路口、高速公路坡道、铁路道口、人行横道或交通灯的地方停车，其中在更靠近交叉路口、高速公路坡道、铁路道口、人行横道或交通灯的地方的停车地点可能会导致交通阻塞或交通拥堵或对其他的道路使用者造成潜在的安全隐患。可以例如由从目标停车地点到最近的相关交叉路口或十字路口的距离来表示距离测量。可以根据地图数据或传感器数据计算出距离测量。

9.专用车道的存在。某些区域将道路的一条或多条仅专用于公交车或自行车。取决于当地交通法规，将车辆停在专用车道上可能会违反法规，或者可以在紧急情况下可接受。可以从地图数据或数据提供商获取专用车道和交通法规的数据。

10.地形。通常优选的是在混凝土或沥青表面上停车，而不是在碎石、泥浆或草表面上停车。地图数据可以包括地形数据，并且可以将不同的分数分配给不同类型的地形。

11.道路的坡度。通常优选的是在平坦表面或平缓倾斜的表面上停车，而不是在陡峭倾斜的道路段上停车，尤其是在停车地点被确定在行驶车道上时。这可以由道路段的坡度或陡度表示，可以将道路段的坡度或陡度记录为地图数据的一部分。

与这些标准有关的数据可以来自各种数据源420以及它们中的两个或更多个的组合，包括例如带注释的地图数据421、推断的数据422(例如，从其他数据推断的与停车地点有关的信息)、感知到的数据423(例如，来自AV系统的传感器或感知组件、或来自其他车辆、或来自位于基础设施中的传感器或它们中的两个或多个的组合的数据)。数据可以来自位于远程中央服务器或云中的其他数据源424。

可以将这些标准和其他相关标准的度量(401)计算为数字或有序标签(例如“低”、“中”和“高”)或无序类别标签(例如“混凝土表面”、“沥青表面”和“未铺砌的表面”)、或它们中的两个或多个的组合。

在一些实现中，可以采用步骤402将一些度量转换为数字，以促进便于比较和组合。例如，如果度量是类别，则可以基于预定义的规则将每个类别映射到数值；例如，类别包括“低”、“中”和“高”，并且可以分别被映射到各数值，诸如，0、0.5和1。一些实现考虑按数字范围的度量，例如，在0和1之间或在0和100之间。可以根据预定义的规则将类别度量转换为数值范围内的数字。可以将数字度量映射到数字范围内的其他数字；例如，将度量的最小可能值映射为0，将最大可能值映射为1，并使用线性插值来映射两者之间的所有值。

停车地点的质量取决于多种标准。整合标准有助于对不同停车地点的相对质量的比较。下面描述示例质量确定过程。

1.质量确定使用效用分数来评估停车地点(401)。该过程为每个停车地点计算数字效用分数，该数字效用分数表示停车地点的质量。效用分数的计算包括以下各项中的一项或多项：将所有度量转换为数字，将这些数字归一化以位于特定的预定义范围内，并使用预校准或预定义的权重来解释(account for)不同标准的重要性的差异。权重可基于许多因素而变化，诸如但不限于停车请求的发起者、停车请求的原因、AV的类型以及当地法规。例如，如果由于检测到的制动性能退化而发起停车请求，则效用分数计算可以将较大的权重分配给表示道路段坡度的度量，以指示对在不倾斜的道路上的停车地点的强烈偏好。

2.质量确定包括过滤过程402。对于数字度量，过滤过程可以将度量设置为具有可接受的下界限或上界限或两者，并忽略具有在一个界限或两个界限之外的该度量的停车地点。对于类别度量，过滤过程可以为度量创建排除列表，并随后忽略具有从该排除列表中获取类别值的该度量的停车地点。界限和排除列表可基于许多因素而改变，诸如，停车请求的来源、停车请求的发起者、停车请求的原因、AV的类型和当地法规。

3.在步骤403中，质量确定将停车地点分类为对停车地点的质量进行粗略地编码的预定义分类(例如，极好、好、较差、或差)。随后，可以基于每个停车地点在每个分类中所属的程度，应用模糊逻辑规则来对各个停车地点进行比较。

质量确定可以导出停车地点的质量测量403，基于停车地点的质量来对停车地点进行比较，或忽略在指定的最小质量阈值以下的停车地点404。质量确定过程可以预先离线地执行对停车地点的计算，并且结果可以被编码在地图数据中；或者，可以在正驾驶AV时在线并且实时执行质量确定过程；或者，可以离线并且在线地执行质量确定过程以确定每个停车地点的最终质量测量。

确定最小质量阈值

如前所述，在给出停车请求的情况下，AV系统确定其紧急程度和预期的停车时间间隔，并取决于这些和其他因素，计算最小质量阈值，作为图5中阈值确定过程500的一部分。随后基于最小质量阈值找到可接受的停车地点。

如果停车请求是相对紧急的，则与停车请求相对不太紧急的情况相比，较低质量的停车地点可能是可接受的。因此，可以使用较低的最小质量阈值，导致考虑到更多可接受的停车地点，并增加了车辆可快速停车的机会。相反，不太紧急的停车请求将导致较高的最小质量阈值，导致考虑较少但质量较高的可接受停车地点，并且因此可能会增加停车所花费的时间。

类似地，如果预期的停车时间间隔短，则较低质量的停车地点可能是可接受的，并且因此可以使用较低的最小质量阈值。相反，如果预期的停车时间间隔长，则可能期望更高质量的可接受停车地点，并且因此可以使用较高的最小质量阈值。

如图5所示，阈值确定过程500具有预先配置的规则501、公式502、算法503或它们的组合。在给出以下各项中的一项或多项的情况下，阈值确定过程500确定被认为可接受的用于停车地点的最小质量阈值520：停车请求510的特征、发起者513、导致停车请求的原因514、紧急程度511和预期的停车时间间隔512。这些规则可以对以上所提及的权衡进行编码。此外，为了便于比较，通常将最小质量阈值限制为保持在由质量确定过程输出的值的范围内。例如，如果质量确定过程的输出是在0和1之间的范围内的数值，其中1是最高质量而0是最低质量，则最小质量阈值优选地是在相同范围内的数值。

假设质量确定过程将停车地点的质量表示为在0和1之间的范围中的数字，则用于形成阈值确定过程的规则的示例包括以下各项中的一项或多项：

1.如果紧急程度是采用诸如“低”、“中”和“高”之类的类别的类别度量，则这些类别可以分别被映射到为0.9、0.5和0.1的最小质量阈值。映射可以基于表或定义的功能关系。

2.如果紧急程度是在从0到1的范围中的数字，其中1为最紧急，并且0为最不紧急，则最小质量可以将最小紧急程度设置为0.5。

3.如果以时间单位(诸如，秒、分钟或小时)将预期的停车时间间隔计算为数值，则可以使用函数将预期的停车时间间隔的范围映射到紧急程度。例如，如果预期的停车时间间隔小于30秒，则最小质量阈值被设置为0.1；如果预期的停车时间间隔在30秒和2分钟之间，则最小质量阈值被设置为0.4；如果预期的停车时间间隔超过2分钟，则最小质量阈值被设置为0.8。

4.如果存在影响最小质量阈值的值的冲突规则(例如，交通法规、相反的驾驶方向、高峰时间、大的交通量或工作日)，则使用导致阈值的最低值的规则。实际上，可以通过多种技术来创建和校准这些规则。例如，可以使用机器学习过程来推断规则，该机器学习过程分析现实世界驾驶数据(包括图像、视频和GPS轨迹)、交通数据、政府数据、历史数据、传感器数据、健康数据、风险数据、事故数据、模拟数据、或它们中的两个或更多个的组合。

邻近区域和目的区域

AV的邻近区域用于聚焦搜索可接受的停车地点，而不是花费时间去看世界上较不相关的其他区域。因此，邻近区域是地图的、AV将在其内搜索目标停车地点的区域。

图6示出了示例。邻近区域602通常包括在指定的驾驶距离(例如，在100米、200米、300米、400米或500米内)或驾驶时间(例如，在1分钟、2分钟、5分钟、10分钟、15分钟、30分钟或1小时内)内从AV的当前位置601可到达的可驾驶区域。在不限制驾驶距离或驾驶时间的情况下，邻近区域可能太大，导致对目标停车地点的长的搜索时间。

在某些情况下，停车请求的特征(例如，请求类型、作出请求的方式以及请求的频率)确定AV必须非常快速地停车，并且优选较小的邻近区域以尽快找到目标停车空间。图7示出了另一示例，其中邻近区域702包括自AV的当前位置701起的具有指定形状和大小的前向区域。

邻近区域不限于具有任何特定的形状或大小；它可以是三角形、矩形、五边形、多边形或不规则形状。一些实现可以排除AV后面的区域或难以到达的区域或两者。邻近区域的大小可以取决于停车请求的紧急程度。大小可以是以下各项中的一项或多项的函数(例如，与以下各项中的一项或多项成比例、或以下各项中的一项或多项的加权总和)：AV的速度、AV周围的交通、以及AV周围的交通量。例如，如果停车请求具有高的紧急程度，则选择相对较小大小的邻近区域是足够的，因为目的是尽可能快速地使AV停车。类似地，如果AV正以高的速度行驶，则可能需要选择相对较大尺寸的邻近区域，因为AV可能花费较长的时间来降低其速度来停车。

在某些情况下，邻近区域排除通常不被视为可驾驶区域的路肩，但如果停车请求具有相对较高的紧急程度，则可以包括路肩区域。

在一些实现中，停车请求的特征(例如，请求类型、作出请求的方式以及请求的频率)使得AV在停车之后仍可能继续开往其目的位置，例如，在驾驶模式从自主改变到手动的情况下。可能期望找到与AV的驾驶轨迹没有显著偏离的目标停车地点。邻近区域可以包括围绕或沿着AV的驾驶轨迹的指定大小或形状的区域。

邻近区域可以包括可驾驶区域或不可驾驶区域、或两者。即使在可驾驶区域内，并非所有位置都适合停车。因此，将基于停车请求的特征(例如，请求类型、作出请求的方式以及请求的频率)、AV的类型(例如轿车、卡车、出租车、SUV、警车、地铁运输车、救护车、或公共汽车)以及已知的停车限制来确定可能或允许停车的邻近区域的子集。位于邻近区域的子集内的可接受的停车地点的集合包括目的区域。因此，在某些实现中，当AV系统搜索目标停车地点时，其仅考虑目的区域中的停车地点。

目的区域构建过程用于指定目的区域。下面描述示例性目的区域构建过程的步骤。

1.在AV系统的位置附近构建具有一形状的邻近区域。这是将发生对可接受的停车地点的搜索的区域。

2.在允许停车的邻近区域内确定一个或多个停车区域。这可以例如通过确定地图数据中允许任何停车的区域的交叉路口来完成，取决于停车请求的特征(例如，请求类型、作出请求的方式以及请求的频率)、AV的类型(例如，轿车、卡车、出租车、SUV、警车、地铁运输车、救护车或公共汽车)、以及邻近区域内的已知的停车限制。图8和图9示出了该步骤。参照图8，AV系统801在道路上驾驶。诸如802之类的阴影区域是在地图数据中在线或离线或在线并且离线记录的在AV 801的附近803中的任何停车区域的示例。参照图9，在道路地图的顶部上构建邻近区域902。保留在邻近区域902内的停车区域(即，图9中的阴影区域，诸如区域903)聚集，以供AV 901搜索可接受的停车地点。

3.如果未将邻近区域902内的停车区域离散化为单独的停车地点，则可以将停车区域离散化为有限数量的停车地点的集合。例如，离散化开始于对停车区域的采样(例如，随机采样或均匀采样)。采样产生有限数量的点，并且可以例如通过在采样点周围绘制形状(例如矩形)来在采样点中的每一个周围构建停车地点。该形状的大小足够大到容纳AV的大小和形状。该形状的取向可以被编码在停车地点中，由该点处的交通流的方向或由地图数据确定。例如，如果采样点在交通车道上，则AV通常必须在交通流的方向上停车。该形状将相应地被取向，并且将以其大小、边界和取向来表征。在一些实现中，停车区域的离散停车地点由数据库给出；例如，被编码在地图数据上的街道或停车场上的停车空间的信息。图10示出了从1011到1015标记的离散停车地点的集合。在图10所示的情况下，AV系统1001保留具有相同行驶方向的停车地点，而丢弃具有不同行驶方向的其他停车地点。一些实现可以考虑具有不同行驶方向的停车地点；例如，如果对于AV到达在相反的行驶方向中的停车地点而言U形转弯是容易的话。

4.使用质量确定过程，技术可以计算邻近区域的单独停车区域内每个停车地点的质量。

5.使用阈值确定过程，计算停车请求的最小质量阈值。

6.满足质量阈值的停车区域内的停车地点是可接受的停车地点。可接受的停车地点聚集形成目的区域。例如，图10中的停车地点1011、1012和1013可以被分类为可接受的停车地点，并且因此形成AV系统1001的目的区域，同时忽略没有通过质量阈值的停车地点1014和1015。

如果目的区域为空(即，没有可接受的停车地点被选择)，则AV系统可以扩展大小或改变邻近区域的形状、或降低最小质量阈值、或两者，并且再次标识目的区域。对空的目的区域的扩展可以由AV系统自动完成，或通过以下方式来半自动地完成：通过用户界面向乘员或远程操作员显示选项，或通过它们的组合来完成。该扩展可能会受到某个上限和下限的限制，超过该上限将无法再扩展邻近区域，并且低于该下限将无法再降低最小质量阈值。

当AV在运动中时，可以在一段时间内重复进行目的区域构建过程。每次在AV的每个新位置处构建邻近区域；在一些实现中，可例如每1秒、2秒、3秒、4秒、5秒、10秒、15秒、20秒、30秒、40秒、50秒或60秒，或每1米、2米、3米、4米、5米、10米、15米、20米、30米、40米、50米、100米、200米、300米、400米或500米执行邻近区域构建。因此，即使目的区域最初可能是空的，但随着AV的运动，目的区域可能会变为非空。

在一些实现中，在较早时间标识的目的区域可以成为在较晚时间处的目的区域构建过程的先验知识，并且可以用于在较晚时间处的目的区域构建过程。

图11总结了目的区域构建过程的示例中所涉及的活动的流程图。步骤1101基于AV附近的几何形状来构建邻近区域。步骤1102确定邻近区域内的停车区域。如果停车区域尚未被离散化为单独的停车地点，则步骤1103将停车区域离散化为停车地点的有限集合。步骤1104使用质量确定过程的输出来计算停车区域内的停车地点的质量。步骤1105使用阈值确定过程来计算最小阈值，以评估停车地点的质量。步骤1106将目的区域确定为质量超过最小质量阈值的停车地点的集合或联合。如果目的区域为空，则扩展邻近区域、或降低最小质量阈值、或AV移动到新位置、或它们中的两个或多个的组合，然后重复目的区域构建过程。

感知过程

通过构建，目的区域中的每个停车地点都是可接受的。然而，并非每个可接受的停车地点都是可用的停车地点。不可用的原因包括：另一车辆的存在、或者障碍物(诸如，临时建筑工作或倒下的树木)、或者AV系统无法到达该停车地点(例如，在给定的AV的当前位置、航向和速度的情况下，AV没有可执行的轨迹)。

AV系统可以访问地图数据或维持其自己的可用性层，该可用性层可被视为地图数据中可接受的停车地点的叠加。对于每个可接受的停车地点，地图数据的可用性层标识该可接受的停车地点是否是可用的停车地点。

如果没有与停车地点的可用性有关的先验信息可被获取，则可以通过假定所有可接受的停车地点都是可用的停车地点来初始化可用性层。与停车地点有关的先验数据(如果例如可从以前的旅行、或从其他车辆、或从传感器基础设施或从数据库访问的话)可用于初始化具有预期是可用的可接受的停车地点的可用性层，因为仅由AV系统标识的可用性信息可能不是成功的、准确的或完整的。

实时地持续更新可用性层，例如，随着AV系统从其传感器感知新信息。该信息可以例如来自各种传感器，诸如，激光雷达、雷达、超声波、摄像机、红外、或它们中的两个或更多个的组合。频繁地更新可用性层是重要的，因为AV可以只在当前被感知为可用的停车地点处停车。当AV到达停车地点时，被认为可用或不可用的可接受停车地点可能分别变得不可用或可用。

除了最后已知的可用性状态外，地图数据中的可用性层还可以为每个可接受的停车地点存储以下信息。

1.最新更新的时间戳，因为它是对信息的当前准确性的测量。例如，与在二十分钟前被报告不可用的停车地点相比，在两分钟前被报告不可用的停车地点更可能保持不可用。

2.停车地点的不可用的原因。例如，如果停车地点由于存在另一辆汽车而不可用，则AV系统可能预期它稍后将变得可用；在一些实现中，该期望可以取决于例如由法规定义的允许的最大停车时间。另一方面，如果停车地点由于建筑施工而不可用，则AV系统可能不会预期该停车地点在一天中的剩余时间或几天内变得可用。AV系统可以注释地图数据以反映该情况。

可用性层中所标记的可用的(或不可用的)停车地点在AV到达停车地点时变得不可用(或可用)(反之亦然)的可能性取决于若干因素。这些因素的示例包括以下各项中的任何一项或两项或更多项的组合：信息的新鲜度(例如，自最后更新以来经过的时间)；在一天的该时间处在该区域中停车或泊车相对于供应的需求的水平的历史统计；该停车地点的不可用的原因；以及停车地点周围的当前交通量(从AV系统感知过程导出，潜在地由来自AV车上和车外的传感器以及来自其他数据源的信息进行补充)。在给定数据点中的一些或全部的情况下，AV系统可以使用统计模型来预测停车地点的预期可用性状态，以及该预测的置信度。这样的度量可以有助于停车地点的可用性质量。更可能是可用的停车地点比不太可能是可用的等效停车地点具有更高的质量水平。

可以使用从其他车辆(直接或通过中央云服务器)接收的信息来更新可用性层。因此，作为配备有V2V(车辆对车辆)通信功能的AV或手动驾驶车辆的互连车队的一部分，AV系统可能已预先知道了可用的停车地点。还可以使用来自基础设施(例如，停车库、停车场、停车空间、路灯、建筑物、交通灯和交通标志)的传感器、或来自数据源(例如，众包数据)、或来自它们的组合的信息来更新可用性层。

轨迹规划过程

通常，AV系统将轨迹规划过程执行作为其自主能力的一部分，该轨迹规划过程尝试标识从AV系统的当前位置到指定的目的位置的轨迹。

通常，AV系统与感知过程和目的区域构建过程同时以及异步地执行轨迹规划过程。

轨迹规划过程尝试将目的区域中的可用停车地点选择作为目标停车地点，并在地图的可驾驶区域上标识从AV系统的当前位置到目标停车地点的轨迹。轨迹规划过程可以连续地更新目的区域中的目标停车地点(例如，将另一可用的停车地点选择为新的目标停车地点)以及到达该目标停车地点的轨迹(如果存在的话)。

在早点停车和花费更多时间找到更高质量的目标停车地点之间存在权衡。轨迹规划过程影响权衡的方式可能取决于停车请求的紧急程度等。

轨迹规划过程还可以允许乘员(如果汽车中有一个乘员的话)或远程操作员例如使用诸如图12所描绘的界面之类的界面来选择目标停车地点。界面1206向用户(例如，乘员或远程操作员)呈现地图视图1207，该地图视图1207描绘了AV 1201、邻近区域1202以及有限数量的可用停车地点1203、1204和1205。可以由AV系统选择停车地点以满足若干标准，诸如：是目的区域的一部分(例如，是在满足最小质量阈值的邻近区域内的停车地点)、是可用的(例如，可用性层指示停车地点是可用的或轨迹规划过程可以构建并执行从AV系统的当前位置到停车地点的轨迹)、彼此之间有足够的差异(例如，其可以通过显示的任何两个停车地点之间的最小距离或其他因素来测量)。用户可以能够使用例如鼠标指向-点击、触摸屏上的触摸、语音命令或它们中的两个或更多个的组合来选择所显示的停车地点1203、1204和1205中的一个。

在一些实现中，可能不存在到达目标停车地点的用于AV系统的可执行轨迹；例如，到目标停车地点的路径被阻塞，或者目标停车地点太小而无法容纳AV。随后，轨迹规划过程可以更新其对目标停车地点的选择。

存在可能更新目的区域或仅目标停车地点的场景。在下面描述示例性场景。

1.当AV的移动时，紧急程度可能会改变。例如，如果AV系统观察到其系统性能变差，则紧急程度可能会增大。类似地，相反的情况也是可能的。针对紧急程度的增大(或减小)，AV系统可以降低(或增大)最小质量阈值，并且在邻近区域内标识更多(或更少)可接受的停车地点。

2.当AV移动时，基于AV的新位置更新邻近区域或仅目标停车地点可能是可取的。更新可以确保，例如，邻近区域不包含位于AV后方并且因此难以到达的停车地点。另一方面，可以例如基于以下各项中的一项或多项来触发更新：按照指定的常规频率(例如，每5秒、10秒、15秒、20秒、30秒、40秒、50秒、60秒、2分钟、5分钟、10分钟、20分钟或30分钟)、或在车辆从邻近区域最后被计算的位置已行驶超过某个指定的距离(例如，5米、10米、15米、20米、30米、40米、50米、100米、200米、300米、400米或500米)之后、或出现新数据、或观察到新事件、或现有数据变得过时、或在目标停车地点被另一辆车占用时。

3.停车地点的质量可能会由于动态因素(例如，当前的交通状况)而改变。质量的变化可能会导致某些停车地点的可接受性的变化，例如，如果质量测量更改为高于或低于质量阈值的水平的话。

其中，这些场景将使目的区域构建过程再次被执行，并且进而触发轨迹规划过程的另一次执行。

类似地，当感知过程更新可用性层时，目标停车地点可能变得不可用，例如，因为目标停车地点结果被另一车辆占用。另一方面，在目的区域内的更优选的可接受的停车地点先前不可用但变得可用是可能的。因此，目标停车地点可以被更新或改变，并且感知过程可以触发轨迹规划过程的另一执行。

因此，轨迹规划过程可以多次更新目标停车地点以及到该目标停车地点的对应轨迹。只要AV尚未到达目标停车地点，轨迹规划过程就会继续。

轨迹规划过程有时可能无法找到目标停车地点，例如，

1.目标区域为空，这是因为在邻近区域中没有可接受的停车地点，或者因为没有一个停车地点满足最小质量阈值。

2.目标区域中的所有可接受的停车地点被认为均不可用。

如果是这种情况，则AV可以继续驾驶并搜索目标停车地点。当继续驾驶时，邻近区域可以被更新以包括新的可接受的停车地点。通过感知过程来更新可用性层以及以前不可用的可接受的停车地点现在变得可用也是可能的。如前所述，AV还可以通过增大邻近区域的大小或形状、或通过降低最小质量阈值、或两者来扩展搜索空间。

如果AV无法在指定的时间量内找到或到达目标停车地点，则AV系统可以采用后备策略来处理该困难，包括但不限于：

1.请求远程操作员协助。远程操作员可以能够例如控制AV，并使AV停在AV先前不认为是可接受的停车地点的位置处。

2.选择可用的停车地点作为目标停车地点。AV系统可以访问已知可接受且可用的停车地点的列表，诸如，AV服务站、充电位置、专用AV停车空间或其他此类位置。可以在云、远程服务器或另一位置上维护该列表，或可以在车队中的所有AV之间共享该列表。AV可以基于许多因素来从已知是可接受的且可用的停车地点的该列表中选择目标停车地点，所述许多因素包括到停车地点的距离、停车地点的质量、停车请求的特征(例如，紧急程度以及预期的停车时间间隔)、或其他因素。在朝向目标停车地点移动时，AV可以潜在地继续伺机在路上寻找可接受的且可用的停车地点，并在找到新的目标停车地点后移动到该新的目标停车地点。

3.在紧急情况下，AV可能会缓慢减速并停车。在这样做之前，AV可能还会尝试确保其位于最靠近路肩的车道中。AV可能会使用其闪光灯或指示器来警告交通中的其他车辆。

轨迹规划过程可以与乘员通信，以保持向他通知AV系统的进度。可以向乘员通知AV系统已经找到或更新了目标停车地点、或者通知AV何时已停在目标停车地点处、或者两者。该通信可以通过多种方式发生，例如：

1.经由位于AV中的屏幕或其他显示设备、或者经由在乘员的智能手机或其他设备上运行的软件进程的视觉通信。

2.经由位于AV中的扬声器上播放的语音消息的听觉通信。

图13示出了将AV移动到停车地点的示例性工作流程。发起一个或多个初始请求1301；在一些情况下，停车请求可以是更新的停车请求1302。更新的停车请求可以改变最小质量阈值。停车请求将触发目的构建过程1310。有时，AV系统改变其当前位置1303，并且新位置触发目的构建过程1310。目的构建过程确定目的区域，该目的区域包括可接受的停车地点；在一些实现中，触发可能是由于收集到的数据(例如，地图数据、传感器数据和道路网络数据)中出现的影响停车地点质量的新信息。随后执行轨迹规划过程1311以搜索允许AV系统移动到目标停车地点的轨迹。在一些实现中，轨迹规划过程1311考虑可从感知过程1322提供的可用性层1321中的数据。感知过程1322不断地从传感器和其他数据源接收输入以更新可用性层1321。轨迹规划过程1311的输出是被发现到达目标停车地点的轨迹。当轨迹不能标识目标停车地点或轨迹时(步骤1331)，AV系统可以改变参数或扩展先前标识的邻近区域以再次搜索目标停车地点。当找到停车地点和轨迹时，AV系统随后执行轨迹规划1313。然而，在执行期间，目标停车地点可能变得不可用或轨迹变得不可执行，并且AV系统可以提供更新的位置1303以改变邻近区域并重新发起目的构建过程1310。最终的操作1350是使AV停在目标停车地点处。

与AV标识和到达停车地点有关的附加信息被包含在美国专利申请15/298,935、15/298,984、15/298,970、15/298,936和15/299,028中，这些专利申请中的所有都通过引用结合在此。

其他实现也在权利要求的范围内。在某些情况下，请求可以是针对AV进行不会导致完全停车的速度降低安全操纵，诸如将驾驶车道拉到路肩上并降低行驶速度(例如，显著地)，直到危险情况已过去或以其他方式被解决。可以应用与上述技术类似的技术来响应这种非停车请求。

Claims (202)

1.一种用于操作车辆的方法，包括：

使所述车辆在道路网络上自主地驾驶，

响应于表示对所述车辆进行速度降低安全操纵的请求的请求信号，计算地分析数据以从多个目标位置中选择用于所述操纵的目标位置，其中，所述分析数据包括：

评估所述多个目标位置中的各目标位置的数字质量值,

基于以下各项中的一项或多项来计算最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则,以及

将具有满足所述最小质量阈值的数字质量值的目标位置标识为包括用于所述操纵的目标位置的一个或多个可接受的目标位置，以及

使所述车辆自主地驾驶朝向用于所述操纵的目标位置并进行所述操纵。

2.如权利要求1所述的方法，其特征在于，所述目标位置包括目标停车地点。

3.如权利要求1所述的方法，其特征在于，所述速度降低安全操纵包括使所述车辆停车。

4.如权利要求1所述的方法，其特征在于，包括从乘员、远程操作员、或者软件或硬件进程接收所述请求信号。

5.如权利要求4所述的方法，其特征在于，所述请求信号包括从所述车辆中的用户接口接收到的、由所述车辆的乘员的交互而产生的数据中的至少一些数据。

6.如权利要求5所述的方法，其特征在于，所述用户接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。

7.如权利要求4所述的方法，其特征在于，接收所述请求信号包括经由电信从所述远程操作员接收命令。

8.如权利要求4所述的方法，其特征在于，接收所述请求信号包括基于所述车辆的性能的退化而从所述软件或硬件进程接收所述请求。

9.如权利要求8所述的方法，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。

10.如权利要求4所述的方法，其特征在于，接收所述请求信号包括基于检测到所述道路网络上的事件而从所述软件或硬件进程接收所述请求。

11.如权利要求1所述的方法，其特征在于，所述请求信号或所述数据包括所述紧急程度。

12.如权利要求11所述的方法，其特征在于，所述紧急程度已由所述请求信号的发起者指示。

13.如权利要求11所述的方法，其特征在于，包括通过对所述请求的算法分析来推断所述紧急程度。

14.如权利要求13所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

15.如权利要求1所述的方法，其特征在于，所述数据包括所述预期的停车时间间隔。

16.如权利要求15所述的方法，其特征在于，所述预期的停车时间间隔已由所述请求信号的发起者指示。

17.如权利要求15所述的方法，其特征在于，通过对所述请求的算法分析来推断所述预期的停车时间间隔。

18.如权利要求17所述的方法，其特征在于，所述算法分析包括对与所述请求相关联的数据的分析。

19.如权利要求1所述的方法，其特征在于，所述数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。

20.如权利要求1所述的方法，其特征在于，相对于所述车辆离线地评估所述数字质量值。

21.如权利要求1所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述数字质量值。

22.如权利要求1所述的方法，其特征在于，对所述数字质量值的评估包括基于以下因素中的一个或多个来计算数字质量值：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。

23.如权利要求22所述的方法，其特征在于，由数值表示所述因素中的一个或多个。

24.如权利要求23所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。

25.如权利要求22所述的方法，其特征在于，计算所述数字质量值包括向所述因素中的一个或多个分配权重。

26.如权利要求25所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：所述请求的特征、所述车辆的类型、法规、所述紧急程度和所述预期的停车时间间隔。

27.如权利要求22所述的方法，其特征在于，包括基于目标位置的数字质量值或指定所述目标位置的排除的信息来忽略所述目标位置。

28.如权利要求22所述的方法，其特征在于，包括以质量类别对目标位置进行分类。

29.如权利要求1所述的方法，其特征在于，分析所述数据包括标识用于选择用于所述操纵的目标位置的区域。

30.如权利要求29所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。

31.如权利要求29所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。

32.如权利要求29所述的方法，其特征在于，所述区域包括形状或大小或两者。

33.如权利要求32所述的方法，其特征在于，包括基于交通状况或基于所述紧急程度或基于两者来确定所述形状或所述大小。

34.如权利要求29所述的方法，其特征在于，包括基于一个或多个目标位置的数字质量值来确定所述区域。

35.如权利要求29所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。

36.如权利要求29所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。

37.如权利要求29所述的方法，其特征在于，选择用于所述操纵的目标位置包括将所述区域离散化为潜在的目标地点。

38.如权利要求29所述的方法，其特征在于，选择用于所述操纵的目标位置包括使用可用性数据。

39.如权利要求38所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。

40.一种用于操作车辆的方法，包括：

使所述车辆在道路网络上自主地驾驶，

由计算机接收表示对紧急停车的请求或对紧急状况的标识的信号，

由计算机分析所述请求或所述紧急状况和数据，以从多个目标位置中标识用于停车的目标位置，其中，分析所述请求或所述紧急状况和数据包括：

评估所述多个目标位置中的各目标位置的数字质量值,

基于以下各项中的一项或多项来计算最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则,以及

将具有满足所述最小质量阈值的数字质量值的目标位置标识为包括所述用于停车的目标位置的一个或多个可接受的目标位置；以及

使所述车辆自主移动到并停在所述用于停车的目标位置处。

41.如权利要求40所述的方法，其特征在于，包括从(a)乘员、(b)远程操作员、或(c)标识所述紧急状况的软件或硬件进程接收所述信号。

42.如权利要求40所述的方法，其特征在于，接收所述信号包括从所述车辆中的用户接口接收由所述车辆的乘员的交互而产生的所述数据中的至少一些数据。

43.如权利要求42所述的方法，其特征在于，所述接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。

44.如权利要求40所述的方法，其特征在于，接收所述信号包括经由电信从远程操作员接收命令。

45.如权利要求40所述的方法，其特征在于，由软件或硬件进程基于所述车辆的性能的退化而发起所述信号。

46.如权利要求45所述的方法，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。

47.如权利要求40所述的方法，其特征在于，通过检测到所述道路网络上的事件而发起所述信号。

48.如权利要求40所述的方法，其特征在于，所述数据或所述信号包括所述紧急程度。

49.如权利要求48所述的方法，其特征在于，所述紧急程度已由所述信号的发起者指示。

50.如权利要求48所述的方法，其特征在于，包括通过对所述信号的算法分析来推断所述紧急程度。

51.如权利要求50所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

52.如权利要求40所述的方法，其特征在于，所述数据或所述信号包括所述预期的停车时间间隔。

53.如权利要求52所述的方法，其特征在于，从所述信号的发起者接收所述预期的停车时间间隔。

54.如权利要求52所述的方法，其特征在于，通过对所述信号的算法分析来推断所述预期的停车时间间隔。

55.如权利要求54所述的方法，其特征在于，所述算法分析包括分析所述数据。

56.如权利要求40所述的方法，其特征在于，所述数据包括交通数据、传感器数据、地图数据、或它们中的两个或更多个。

57.如权利要求40所述的方法，其特征在于，相对于所述车辆离线地评估所述数字质量值。

58.如权利要求40所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述数字质量值。

59.如权利要求40所述的方法，其特征在于，评估所述数字质量值包括基于以下因素中的一个或多个来计算数字质量值：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。

60.如权利要求59所述的方法，其特征在于，由数值表示所述因素中的一个或多个。

61.如权利要求60所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。

62.如权利要求59所述的方法，其特征在于，对所述数字质量值的计算包括向所述因素中的一个或多个分配权重。

63.如权利要求62所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：所述请求的特征、所述车辆的类型、法规、所述紧急程度和所述预期的停车时间间隔。

64.如权利要求59所述的方法，其特征在于，包括基于目标位置的数字质量值或指定所述目标位置的排除的信息来忽略所述目标位置。

65.如权利要求59所述的方法，其特征在于，包括以质量类别对目标位置进行分类。

66.如权利要求40所述的方法，其特征在于，分析所述数据包括标识用于选择目标位置的区域。

67.如权利要求66所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。

68.如权利要求66所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。

69.如权利要求66所述的方法，其特征在于，所述区域包括形状或大小或两者。

70.如权利要求69所述的方法，其特征在于，包括基于交通状况或基于所述紧急程度或基于两者来确定所述形状或所述大小。

71.如权利要求66所述的方法，其特征在于，包括基于一个或多个目标位置的数字质量值来确定所述区域。

72.如权利要求66所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。

73.如权利要求66所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。

74.如权利要求66所述的方法，其特征在于，选择目标位置包括将所述区域离散化为潜在的目标地点。

75.如权利要求66所述的方法，其特征在于，选择目标位置包括使用可用性数据。

76.如权利要求75所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。

77.一种用于操作车辆的方法，包括：

规划过程，所述规划过程与驾驶在道路网络上的所述车辆相关联，所述规划过程包括：

由计算机接收表示对所述车辆进行速度降低安全操纵的请求的输入信号；

分析数据以更新多个目标位置中的用于所述操纵的目标位置和到所述目标位置的轨迹，所述分析数据包括：

评估所述多个目标位置中的各目标位置的数字质量值,

基于以下各项中的一项或多项来计算最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则,以及

将具有满足所述最小质量阈值的数字质量值的目标位置标识为包括用于所述操纵的目标位置的一个或多个可接受的目标位置；以及

提供输出信号以控制所述车辆移动到用于所述操纵的目标位置。

78.如权利要求77所述的方法，其特征在于，所述目标位置包括目标停车地点。

79.如权利要求77所述的方法，其特征在于，所述速度降低安全操纵包括使所述车辆停车。

80.如权利要求77所述的方法，其特征在于，包括基于请求从乘员、远程操作员、或者软件或硬件进程接收所述输入信号。

81.如权利要求77所述的方法，其特征在于，接收所述输入信号包括从所述车辆中的用户接口接收由所述车辆的乘员的交互而产生的所述数据中的至少一些数据。

82.如权利要求81所述的方法，其特征在于，所述用户接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。

83.如权利要求80所述的方法，其特征在于，接收所述输入信号包括经由电信从所述远程操作员接收命令。

84.如权利要求80所述的方法，其特征在于，从所述软件或硬件进程基于所述车辆的性能的退化而发起所述输入信号。

85.如权利要求84所述的方法，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。

86.如权利要求80所述的方法，其特征在于，根据检测到所述道路网络上的事件而发起所述输入信号。

87.如权利要求77所述的方法，其特征在于，所述数据包括所述紧急程度。

88.如权利要求87所述的方法，其特征在于，所述紧急程度已由所述输入信号的发起者指示。

89.如权利要求87所述的方法，其特征在于，包括通过对所述输入信号的算法分析来推断所述紧急程度。

90.如权利要求89所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

91.如权利要求77所述的方法，其特征在于，所述数据包括所述预期的停车时间间隔。

92.如权利要求91所述的方法，其特征在于，所述预期的停车时间间隔已由所述输入信号的发起者指示。

93.如权利要求91所述的方法，其特征在于，通过对所述输入信号的算法分析来推断所述预期的停车时间间隔。

94.如权利要求93所述的方法，其特征在于，所述算法分析包括对与所述输入信号相关联的数据的分析。

95.如权利要求77所述的方法，其特征在于，所述数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。

96.如权利要求77所述的方法，其特征在于，相对于所述车辆离线地评估所述数字质量值。

97.如权利要求77所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述数字质量值。

98.如权利要求77所述的方法，其特征在于，评估所述数字质量值包括基于以下因素中的一个或多个来计算数字质量值：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。

99.如权利要求98所述的方法，其特征在于，由数值表示所述因素中的一个或多个。

100.如权利要求99所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。

101.如权利要求98所述的方法，其特征在于，计算所述数字质量值包括向所述因素中的一个或多个分配权重。

102.如权利要求101所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：所述请求的特征、所述车辆的类型、法规、所述紧急程度和所述预期的停车时间间隔。

103.如权利要求98所述的方法，其特征在于，包括基于目标位置的数字质量值或指定所述目标位置的排除的信息来忽略所述目标位置。

104.如权利要求98所述的方法，其特征在于，包括以质量类别对目标位置进行分类。

105.如权利要求77所述的方法，其特征在于，对所述数据的分析包括标识用于选择目标位置的区域。

106.如权利要求105所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。

107.如权利要求105所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。

108.如权利要求105所述的方法，其特征在于，所述区域包括形状或大小或两者。

109.如权利要求108所述的方法，其特征在于，包括基于交通状况或基于所述紧急程度或基于两者来确定所述形状或所述大小。

110.如权利要求105所述的方法，其特征在于，包括基于一个或多个目标位置的数字质量值来确定所述区域。

111.如权利要求105所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。

112.如权利要求105所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。

113.如权利要求105所述的方法，其特征在于，选择目标位置包括将所述区域离散化为潜在的目标地点。

114.如权利要求105所述的方法，其特征在于，选择目标位置包括使用可用性数据。

115.如权利要求114所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。

116.一种用于操作车辆的方法，包括：

基于用于规划轨迹的自动过程在无人类干预的情况下使所述车辆在所述轨迹上自主地驾驶通过道路网络到达目的位置，

从所述车辆的乘员接收进行速度降低操纵的请求，

分析附加数据，所述附加数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个，分析所述附加数据包括：

评估多个目标位置中的各目标位置的数字质量值,

基于以下各项中的一项或多项来计算最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则,以及

将具有满足所述最小质量阈值的数字质量值的目标位置标识为包括用于所述操纵的目标位置的一个或多个可接受的目标位置，以及

使所述自动过程基于所述请求来改变对所述轨迹的规划以到达用于所述操纵的目标位置。

117.如权利要求116所述的方法，其特征在于，所述目标位置包括目标停车地点。

118.如权利要求116所述的方法，其特征在于，所述速度降低操纵包括使所述车辆停车。

119.如权利要求116所述的方法，其特征在于，所述请求包括从所述车辆的用户接口接收到的、由于所述乘员的交互而产生的数据，并且所述用户接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或它们中的两个或更多个的组合。

120.如权利要求119所述的方法，其特征在于，所述数据包括所述紧急程度。

121.如权利要求120所述的方法，其特征在于，包括通过对所述请求的算法分析来推断所述紧急程度。

122.如权利要求121所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

123.如权利要求119所述的方法，其特征在于，所述数据包括所述预期的停车时间间隔。

124.如权利要求123所述的方法，其特征在于，所述预期的停车时间间隔已由所述乘员指示。

125.如权利要求123所述的方法，其特征在于，包括通过对所述请求的算法分析来推断所述预期的停车时间间隔。

126.如权利要求116所述的方法，其特征在于，相对于所述车辆离线地评估所述数字质量值。

127.如权利要求116所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述数字质量值。

128.如权利要求116所述的方法，其特征在于，评估所述数字质量值包括基于以下因素中的一个或多个来计算数字质量值：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。

129.如权利要求128所述的方法，其特征在于，由数值表示所述因素中的一个或多个。

130.如权利要求129所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。

131.如权利要求128所述的方法，其特征在于，计算所述数字质量值包括向所述因素中的一个或多个分配权重。

132.如权利要求131所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：所述请求的特征、所述车辆的类型、法规、所述紧急程度和所述预期的停车时间间隔。

133.如权利要求116所述的方法，其特征在于，包括基于目标位置的数字质量值或指定所述目标位置的排除的信息来忽略所述目标位置。

134.如权利要求116所述的方法，其特征在于，包括以质量类别对目标位置进行分类。

135.如权利要求116所述的方法，其特征在于，包括标识潜在地包括目标位置的区域。

136.如权利要求135所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。

137.如权利要求135所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。

138.如权利要求135所述的方法，其特征在于，所述区域包括形状或大小或两者。

139.如权利要求138所述的方法，其特征在于，包括基于交通状况或基于所述紧急程度或基于两者来确定所述形状或所述大小。

140.如权利要求135所述的方法，其特征在于，包括基于一个或多个目标位置的数字质量值来确定所述区域。

141.如权利要求135所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。

142.如权利要求135所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。

143.如权利要求135所述的方法，其特征在于，包括通过将所述区域离散化为潜在的目标地点来在所述区域中选择目标位置。

144.如权利要求135所述的方法，其特征在于，包括通过使用可用性数据来选择目标位置。

145.如权利要求144所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。

146.一种自主车辆，包括：

转向设备、加速设备和减速设备，所述转向设备、加速设备和减速设备响应来自驾驶控制系统的信号，以在道路网络上自主地驾驶所述车辆；

接收设备，所述接收设备在所述车辆上，所述接收设备接收用于所述车辆进行速度降低安全操纵的请求信号，并且使所述驾驶控制系统分析数据并以从多个目标位置中选择用于所述操纵的目标位置，

其中，所述分析数据包括：

评估所述多个目标位置中的各目标位置的数字质量值,

基于以下各项中的一项或多项来计算最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则,以及

将具有满足所述最小质量阈值的数字质量值的目标位置标识为包括用于所述操纵的目标位置的一个或多个可接受的目标位置；以及

通信元件，所述通信元件将指示命令的信号发送到所述驾驶控制系统以用于所述转向设备、加速设备和减速设备使所述车辆驾驶到用于所述操纵的目标位置并在用于所述操纵的目标位置处执行所述操纵。

147.如权利要求146所述的自主车辆，其特征在于，所述目标位置包括目标停车地点。

148.如权利要求146所述的自主车辆，其特征在于，所述速度降低安全操纵包括使所述车辆停车。

149.如权利要求146所述的自主车辆，其特征在于，从乘员、远程操作员、或软件或硬件进程接收所述请求。

150.如权利要求149所述的自主车辆，其特征在于，所述请求信号包括从所述车辆中的用户接口接收到的、由所述车辆的乘员的交互而产生的数据。

151.如权利要求150所述的自主车辆，其特征在于，所述接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。

152.如权利要求149所述的自主车辆，其特征在于，接收所述请求信号包括经由电信从所述远程操作员接收命令。

153.如权利要求149所述的自主车辆，其特征在于，由软件或硬件进程基于所述车辆的性能的退化而发起所述请求信号。

154.如权利要求153所述的自主车辆，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。

155.如权利要求149所述的自主车辆，其特征在于，通过检测到所述道路网络上的事件而发起所述请求信号。

156.如权利要求146所述的自主车辆，其特征在于，所述数据包括所述紧急程度。

157.如权利要求156所述的自主车辆，其特征在于，所述紧急程度已由所述请求的发起者指示。

158.如权利要求156所述的自主车辆，其特征在于，所述驾驶控制系统通过对所述请求的算法分析来推断所述紧急程度。

159.如权利要求158所述的自主车辆，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。

160.如权利要求146所述的自主车辆，其特征在于，所述数据包括所述预期的停车时间间隔。

161.如权利要求160所述的自主车辆，其特征在于，所述预期的停车时间间隔已由所述请求的发起者指示。

162.如权利要求160所述的自主车辆，其特征在于，通过对所述请求的算法分析来推断所述预期的停车时间间隔。

163.如权利要求146所述的自主车辆，其特征在于，所述数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。

164.如权利要求146所述的自主车辆，其特征在于，相对于所述车辆离线地评估所述数字质量值。

165.如权利要求146所述的自主车辆，其特征在于，在所述车辆正驾驶时在线地评估所述数字质量值。

166.如权利要求146所述的自主车辆，其特征在于，评估所述数字质量值基于以下因素中的一个或多个：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。

167.如权利要求166所述的自主车辆，其特征在于，由数值表示所述因素中的一个或多个。

168.如权利要求167所述的自主车辆，其特征在于，所述数值中的每一个被映射到预定义的范围。

169.如权利要求166所述的自主车辆，其特征在于，对所述数字质量值的计算包括向所述因素中的一个或多个分配权重。

170.如权利要求169所述的自主车辆，其特征在于，所述权重基于以下各项中的一项或多项：所述请求信号的特征、所述车辆的类型、法规、所述紧急程度和所述预期的停车时间间隔。

171.如权利要求166所述的自主车辆，其特征在于，所述驾驶控制系统基于目标位置的数字质量值或指定所述目标位置的排除的信息来忽略目标位置。

172.如权利要求166所述的自主车辆，其特征在于，所述驾驶控制系统以质量类别对目标位置进行分类。

173.如权利要求146所述的自主车辆，其特征在于，分析所述数据包括标识潜在地包括目标位置的区域。

174.如权利要求173所述的自主车辆，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。

175.如权利要求173所述的自主车辆，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。

176.如权利要求173所述的自主车辆，其特征在于，所述区域包括形状或大小或两者。

177.如权利要求176所述的自主车辆，其特征在于，所述驾驶控制系统基于交通状况或基于紧急程度或基于两者来确定所述形状或所述大小。

178.如权利要求173所述的自主车辆，其特征在于，所述驾驶控制系统基于一个或多个目标位置的数字质量值来确定所述区域。

179.如权利要求173所述的自主车辆，其特征在于，当没有目标位置被标识出时，所述驾驶控制系统扩展所述区域。

180.如权利要求173所述的自主车辆，其特征在于，所述驾驶控制系统基于所述车辆的新位置来更新所述区域。

181.如权利要求173所述的自主车辆，其特征在于，所述驾驶控制系统通过将所述区域离散化为潜在的目标地点来选择目标位置。

182.如权利要求173所述的自主车辆，其特征在于，所述驾驶控制系统通过使用可用性数据来选择目标位置。

183.如权利要求182所述的自主车辆，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。

184.一种用于操作车辆的装置，包括：

用户接口设备，所述用户接口设备位于自主车辆中并且包括处理器和存储器，所述用户接口设备被配置成向车辆的乘员暴露(a)使所述乘员能够表达用于所述车辆进行速度降低操纵的请求信号的输入特征，以及(b)向所述乘员报告所述操纵的状态的输出特征，

其中，所述处理器还被配置为：

评估多个目标位置中的各目标位置的数字质量值,

基于以下各项中的一项或多项来计算最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则,以及

将具有满足所述最小质量阈值的数字质量值的目标位置标识为包括用于所述操纵的目标位置的一个或多个可接受的目标位置；以及

所述输入特征进一步使所述乘员能够从所述一个或多个可接受的目标位置中标识用于所述操纵的目标位置。

185.如权利要求184所述的装置，其特征在于，所述速度降低操纵包括使所述车辆停车。

186.如权利要求184所述的装置，其特征在于，所述输入特征的一部分或全部被可移除的或易碎的介质遮挡。

187.如权利要求184所述的装置，其特征在于，所述输入特征包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。

188.如权利要求187所述的装置，其特征在于，所述语音助手包括自然语言处理模块。

189.如权利要求188所述的装置，其特征在于，所述自然语言处理模块推断紧急程度。

190.如权利要求184所述的装置，其特征在于，所述输入特征进一步使所述乘员能够表达所述紧急程度、所述预期的停车时间间隔、或两者。

191.如权利要求190所述的装置，其特征在于，基于按压的长度或按压的数量或两者来确定所述紧急程度。

192.如权利要求184所述的装置，其特征在于，所述处理器通过算法分析来推断所述紧急程度。

193.如权利要求192所述的装置，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、类型、或单词、或它们中的两个或更多个的分析。

194.如权利要求192所述的装置，其特征在于，所述算法分析包括对直至到达停车的估计时间、或直至到达停车的估计距离、或两者的分析。

195.如权利要求184所述的装置，其特征在于，所述处理器通过算法分析来推断预期的停车时间间隔。

196.如权利要求184所述的装置，其特征在于，所述处理器标识潜在地用于所述速度降低操纵的区域。

197.如权利要求196所述的装置，其特征在于，所述输出特征报告包括与目标位置有关的信息的所述区域，所述信息包括以下各项中的一项或多项：形状、大小、质量和直至到达所述目标位置的估计时间。

198.如权利要求197所述的装置，其特征在于，在没有目标位置被标识出时，所述输入特征允许所述乘员扩展所述区域。

199.如权利要求197所述的装置，其特征在于，所述输入特征允许所述乘员降低所述最小质量阈值。

200.如权利要求184所述的装置，其特征在于，所述输出特征报告朝向目标位置的轨迹。

201.如权利要求184所述的装置，其特征在于，所述输入特征或所述输出特征或两者基于视觉通信或听觉通信或两者而起作用。

202.如权利要求184所述的装置，其特征在于，在所述乘员的个人设备上实现向所述乘员报告。

Images