CN111055840A - 车辆对基础设施(v2i)消息传递系统 - Google Patents
车辆对基础设施(v2i)消息传递系统 Download PDFInfo
- Publication number
- CN111055840A CN111055840A CN201910982327.6A CN201910982327A CN111055840A CN 111055840 A CN111055840 A CN 111055840A CN 201910982327 A CN201910982327 A CN 201910982327A CN 111055840 A CN111055840 A CN 111055840A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- message
- processor
- target vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 75
- 230000015654 memory Effects 0.000 claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 230000001133 acceleration Effects 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 description 43
- 238000004891 communication Methods 0.000 description 41
- 230000003287 optical effect Effects 0.000 description 13
- 230000003068 static effect Effects 0.000 description 10
- 230000001413 cellular effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000000981 bystander Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Environmental & Geological Engineering (AREA)
- Public Health (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了“车辆对基础设施(V2I)消息传递系统”。一种基础设施节点和使用所述节点的方法。所述节点可以包括处理器和存储器。所述存储器可存储能够由所述处理器执行的指令,所述指令包括:识别对目标车辆的危险;以及基于所述识别,使用视距(LOS)传输将专用消息传输到所述目标车辆。
Description
技术领域
本公开总体上涉及车辆通信系统,并且更具体地涉及一种车辆对基础设施消息传递系统。
背景技术
由于驾驶员直到碰撞即将发生才感知到他/她的直接视距之外的事物,因此有时会发生交通事故。在自主模式下运行的车辆可能会经历甚至更大的风险,因为车载计算系统可能未被编程为考虑人类驾驶员(例如,基于先前的驾驶经验)可预测的场景。因此,需要向车辆特别是自主运行的车辆提供更多的信息,特别是当车辆的视野的至少一部分被遮挡时。
发明内容
下面详细描述了一种基础设施节点,该基础设施节点包括:处理器;以及存储器,所述存储器存储可由所述处理器执行的指令,所述指令包括:识别对目标车辆的危险;以及基于所述识别,使用视距(LOS)传输将专用消息传输到所述目标车辆。
根据上述至少一个示例,识别危险还包括确定目标车辆的盲区。
根据上述至少一个示例,指令还包括:在传输专用消息的同时,使用射频(RF)广播公共消息。
根据上述至少一个示例,识别危险还包括:确定目标车辆的路径数据、速度数据、加速度数据或其组合。
根据上述至少一个示例,识别危险还包括:使用传感器数据对对象进行分类;确定对象的路径数据、速度数据、加速度数据或其组合;以及确定涉及目标车辆和对象的碰撞事件。
根据上述至少一个示例,识别危险还包括:确定危险数据是动态危险数据;以及基于该确定,确定传输该专用消息。
根据上述至少一个示例,传输专用消息还包括:基于威胁等级对专用消息进行优先级排序。
根据上述至少一个示例,指令还包括:在识别危险之前,从目标车辆接收通信;以及响应于从目标车辆接收到通信,然后传输专用消息。
根据上述至少一个示例,该节点还包括:远程信息处理电路,其中所述节点经由所述远程信息处理电路广播公共消息;仅视距(LOS)电路,其中节点经由仅LOS电路传输专用消息;以及接收图像和距离数据的传感器套件。
根据至少一个另外的说明性示例,一种车辆节点,其包括:处理器;以及存储器,所述存储器存储可由所述处理器执行的指令,所述指令包括:识别盲区;基于所述识别,从基础设施站请求危险数据;以及响应于所述请求,经由视距(LOS)信道接收消息。
根据至少一个另外的示例性车辆示例,所述指令还包括:经由射频(RF)从所述站接收公共消息。
根据至少一个另外的说明性示例,一种方法,其包括:在基础设施节点处确定目标车辆的盲区;识别到可能与所述区域中的对象发生碰撞事件;以及基于所述识别,使用视距(LOS)传输将专用消息传输到所述车辆。
根据上述至少一个示例,该方法还包括:使用射频(RF)向车辆广播公共消息。
根据上述至少一个示例,该方法还包括:在识别之前,对所述对象和车辆进行分类。
根据上述至少一个示例,该方法还包括:针对车辆,确定路径数据、速度数据、加速度数据或其组合。
根据上述至少一个示例,该方法还包括:针对对象,确定路径数据、速度数据、加速度数据或其组合;以及然后确定碰撞事件。
根据上述至少一个示例,该方法还包括:确定对象是运动的还是静止的。
根据上述至少一个示例,该方法还包括:基于对象是运动的还是静止的,将消息标记为专用的或公共的。
根据上述至少一个示例,该方法还包括:准备包括专用消息的多个消息;以及基于威胁等级对专用消息的传输进行优先级排序。
根据上述至少一个示例,该方法还包括:在识别所述碰撞事件之前,从所述车辆接收消息;以及响应于接收到所述消息,然后传输所述专用消息。
根据上述任何示例,目标车辆是完全自主车辆。
根据上述至少一个示例,公开了一种包括处理器和存储器的计算装置,所述计算装置被编程为执行上述方法的示例的任何组合。
根据至少一个示例,公开了一种计算机程序产品,所述计算机程序产品包括存储可由计算机处理器执行的指令的计算机可读介质,其中所述指令包括上述方法的示例的任何组合。
附图说明
图1是使基础设施能够与一个或多个目标车辆通信的车辆对基础设施(V2I)消息传递系统的示意图。
图2是示出使用图1所示的系统传送专用消息的示例的示意图。
图3是示出可使用系统执行的计算机实现的消息传递过程的流程图。
图4是示出图3所示的指导框的说明性示例的流程图。
图5是不同类型威胁等级的说明性量化的图形描绘。
图6是示出目标车辆从基础设施站请求消息的过程的流程图。
图7是与图1所示的基础设施通信系统不同的基础设施通信系统的示例。
具体实施方式
现在转到附图,其中相同的附图标记表示相同或相似的元素、特征或功能,示出了一种车辆对基础设施(V2I)消息传递系统10,其包括至少一个目标车辆12(也称为车辆节点(v节点))和至少一个基础设施站14(也称为基础设施节点(i节点)),如本文所述,该基础设施站被配置为向车辆12提供至少两种类别的消息。如将在下面更详细解释的,站14可以将公共消息传送到目标车辆12和/或将专用消息传送到目标车辆12。通常,公共消息可以广播到所有车辆,并且可以包括信号相位及定时(SPAT)数据、MAP数据、车辆自组织网络(VANET)数据、静态危险数据、公务车辆数据等(仅用于引用一些非限制性示例)。虽然下面将更详细地描述,但是专用消息可以包括定制信息,例如动态危险数据。如本文所用,静态危险数据涉及静止的或固定的对象、静止的或固定的障碍物等,由于目标车辆的预测路径,其可能与相应的目标车辆接触和/或导致对目标车辆的乘客、旁观者(即,行人、骑自行车的人等)或另一车辆的乘客造成伤害。如本文所用,动态危险数据涉及运动对象、运动障碍物等,由于目标车辆的预测路径,其可能与相应的目标车辆接触和/或导致对目标车辆的乘客、旁观者(即,行人、骑自行车的人等)或另一车辆的乘客造成伤害。如本文所用,公务车辆数据是指与公务车辆有关的信息,该公务车辆诸如应急车辆(例如,警车、军车、消防车和/或公营或私营的救护车或护理人员车辆等);公务车辆数据可以包括与事故或事件有关的信息,其中公务车辆位于提供公务车辆数据的基础设施站的附近(例如举几个例子,在0.25英里、0.50英里或1.0英里范围内)。因此,公务车辆数据可以包括关于车道或道路封闭、平均交通速度、绕道信息、延迟信息等的信息。公共和专用消息的其他方面将在下面进行更详细的解释。另外,在描述系统元件之后,将描述使用站14和目标车辆12的计算机实现的消息传递过程的示例。
许多车辆可以在站14附近运行。其中,目标车辆12配备有车辆通信系统20,该车辆通信系统20被配置为与站14(以及其他类似配置的硬件)通信。图1示出了作为乘用车辆的目标车辆12;然而,车辆12可以是任何其他合适的车辆类型,其包括具有车辆通信系统20的卡车、运动型多功能车(SUV)、休闲车、公共汽车、飞机、航海船舶等。(此后,目标车辆12将简称为‘车辆12’;因此,应理解,术语车辆12和目标车辆12可互换使用)。在至少一个示例中,车辆12被配置为以由汽车工程师协会(SAE)(其已在0-5级定义了操作)定义的多个自主模式中的至少一种进行操作。例如,车辆12可以接收和处理其周围环境的二维和/或三维数据,并且还可以被编程和/或配置为存储和执行以硬件、软件、固件、其组合等体现的逻辑指令,并使车辆12在某些用户协助下(部分自主)或在没有任何用户协助下(完全自主)运行。例如,根据0-2级,人类驾驶员通常在没有车辆12帮助的情况下监测或控制大部分驾驶任务。例如,在0级(“无自动化”),人类驾驶员负责所有的车辆操作。在1级(“驾驶员辅助”),车辆12有时辅助转向、加速或制动,但驾驶员仍然负责绝大多数车辆控制。在2级(“部分自动化”),车辆12可在某些情况下控制转向、加速和制动,而无需人机交互。在3-5级,车辆12承担更多驾驶相关的任务。在3级(“条件自动化”),车辆12可在某些情况下处理转向、加速和制动,以及监视驾驶环境。然而,3级可能需要驾驶员偶尔进行干预。在4级(“高度自动化”),车辆12可处理与3级相同的任务,但不依赖于驾驶员干预某些驾驶模式。在5级(“全自动化”),车辆12可在没有任何驾驶员干预的情况下处理所有任务。在至少一个示例中,车辆12被配置为以完全自主模式操作,并且V2I消息传递系统10改善了车辆12的状况感知(以其完全自主模式操作)。此外,尽管并非在所有示例中都需要,但是基础设施站14将专用消息传送到以完全自主模式操作的车辆12(例如,也称为自主车辆(AV))。
车辆12的车辆通信系统20可以包括一个或多个处理器22(为了说明目的而示出一个)、存储器24、用于至少接收公共消息的远程信息处理电路26以及用于发送和/或接收专用消息的仅视距(仅LOS)电路28。如本文所用,公共消息是被广播的消息,即,从源发送到多个接收者(例如,从基础设施站14发送到多个车辆(其可以包括目标车辆12,并且可以不包括目标车辆))。如本文所用,专用消息是从源传输到单个接收者(即,目标车辆12)的消息;因此,专用消息是一种点对点(P2P)通信。
处理器22可被编程为处理和/或执行数字指令以实行本文所述任务中的至少一些。处理器22的非限制性示例包括微处理器、微控制器或控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、一个或多个电路,该电路包括布置为执行预定的任务或指令等(仅举几例)的离散的数字和/或模拟电子部件。并且(可存储在存储器24中和/或可由处理器22执行的)指令的一些非限制性示例包括:通过控制加速度、制动、转向等以自主模式(例如,完全自主模式)操作车辆12;经由远程信息处理电路26接收公共消息并基于该公共消息控制车辆操作;经由仅LOS电路28接收专用消息并基于该专用消息控制车辆的加速度、转向和/或制动;确定车辆视距(LOS)受到阈值量(在一个示例中为360°视野(FOV)的20%)的遮挡,并响应于该确定,经由仅LOS电路28向基础设施站14传输专用请求消息;并且经由仅LOS电路28从基础设施站14接收专用响应消息(即,响应于发送专用请求消息),仅举几个示例性指令。代替和/或除了这些示例之外,可使用指令的附加和更具体的示例。此外,这些和其他指令可以以任何合适的顺序执行。以下描述的这些指令和示例过程仅是实施例,而无意于进行限制。在至少一个示例中,处理器22执行存储在(例如,存储器24的)非暂时性计算机可读存储介质上的计算机程序产品。如本文所用,计算机程序产品意指一组指令(例如,也称为代码)。
存储器24可包括任何非暂时性计算机可用或可读介质,所述任何非暂时性计算机可用或可读介质可包括一个或多个存储装置或制品。示例性非暂时性计算机可用存储装置包括常规硬盘、固态存储器、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)以及任何其他易失性或非易失性介质。非易失性介质包括例如光盘或磁盘以及其他永久性存储器,而易失性介质例如还可包括动态随机存取存储器(DRAM)。这些存储装置是非限制性示例;例如,其他形式的计算机可读介质存在并且包括磁性介质、压缩盘ROM(CD-ROM)、数字视频盘(DVD)、其他光学介质、任何合适的存储器芯片或盒式磁带、或计算机可从中读取的任何其他介质。如上所讨论,存储器24可存储一个或多个计算机程序产品,所述一个或多个计算机程序产品可体现为软件、固件或可由处理器22执行的其他编程指令,包括但不限于上述指令示例。
远程信息处理电路26可以包括任何合适的电子硬件,其被配置为至少经由射频(RF)从基础设施站14接收消息。根据一个非限制性示例,远程信息处理电路26包括一个或多个无线芯片组,例如,短距离无线通信(SRWC)芯片组30、蜂窝芯片组32或其组合。因此,远程信息处理电路26可利用蜂窝技术(例如,LTE、GSM、CDMA和/或其他蜂窝通信协议);短程无线通信技术(例如,专用短程通信(DSRC)、Wi-Fi、蓝牙、低功耗蓝牙(BLE)、和/或其他短程无线通信协议);或其组合。虽然远程信息处理电路26至少可以被配置为无线地接收数据,但是其也可以被配置为蜂窝地和/或经由SRWC传输数据。此外,使用远程信息处理电路26,车辆12也可以参与所谓的车辆对车辆(V2V)和车辆对外界(V2X)通信。
仅LOS电路28可以包括发射器34和/或接收器36;即,电路28可以包括被配置为向基础设施站14传输视距(LOS)消息和/或从基础设施站14接收LOS消息的任何合适的电子硬件。例如,发射器34可以包括用于对数据进行编码的编码器、用于发射光信号的光源以及任何其他合适的电子器件。在操作中,仅LOS电路28可以从车辆硬件模块(未示出;例如,控制模块、自主驾驶计算机等)接收数据(用于传输);此后,可以将数据转换为串行数据,其然后可以使用光源进行传输。在至少一个示例中,发射器34包括与光源光学对准的准直仪,使得从光源发射的光信号可以在传输时聚焦(例如,聚焦成光束)。此外,发射器34可以安装在三轴万向架或其他合适的结构上,使得处理器22可以对光束进行定向控制。尽管仅LOS电路28可以使用可见和/或不可见波长来操作,但是根据至少一个示例,仅LOS电路28使用主要不可见波长(例如,小于400纳米(nm)且大于740nm)来操作,例如,以免分散其他车辆驾驶员、行人、骑自行车的人等的注意力。此外,根据至少一个示例,光源的功率可配置为对眼睛安全(例如,根据美国国家标准协会(ANSI)指定的人眼安全)。
仅LOS电路28的接收器36可以包括用于从基础设施站14接收光信号的任何合适的光学部件。例如,接收器可包括一个或多个滤光器和用于将来自基础设施站14的光信号聚焦到检测器(例如,包括光电二极管等)上的一个或多个透镜,其中滤波器、透镜和检测器通常沿光轴对齐。此外,检测器可以电耦合到放大器电路、一个或多个滤波器电路、一个或多个采样电路以及解码器。因此,当经由接收器36接收到消息时,可以从光信号中提取数据并且由处理器22将其提供给一个或多个车辆计算机。如将在下文中进一步解释的,在至少一个示例中,仅LOS电路28经由基于光的通信技术来接收专用消息(例如,当目标车辆12处于基础设施站14的LOS内时发送到车辆12的串行数据(例如,光脉冲))。并且在至少一个示例中,光信号可以携带使车辆12能够避免碰撞的动态危险数据。
在一个示例中,仅LOS电路28仅包括接收器36(即,不包括发射器)。在另一个示例中,仅LOS电路28包括接收器36和发射器34两者。上面提供的仅LOS电路28的元件仅是示例。在至少一些其他示例中,可以使用不同的元件和/或不同的元件布置。在图1中,仅出于说明的目的,示出了安装在车辆12的顶部的车辆通信电路20,并且示出了从其发射的光束L1(来自发射器34)。当然,电路20(或其部件)也可以位于其他车辆位置。
现在转到基础设施站14,站14包括底座50和基础设施通信系统51,该基础设施通信系统51包括一个或多个处理器52(再次出于说明的目的,仅示出一个)、存储器54、远程信息处理电路56(能够与各种目标车辆12的远程信息处理电路26通信)和仅LOS电路58(相应地能够与各种目标车辆12的仅LOS电路28通信)。另外,基础设施通信系统51还可以包括传感器套件59。在至少一个示例中,一个或多个处理器52、存储器54、远程信息处理电路56和仅LOS电路58的硬件可以与处理器22、存储器24、远程信息处理电路26和仅LOS电路28相同;因此,本文将不会详细地重新描述。例如,远程信息处理电路56的硬件可以包括短程无线通信(SRWC)芯片组60和/或蜂窝芯片组62(例如,适于射频广播RF)。类似地,仅LOS电路58的硬件可以包括发射器64和接收器66(例如,适于光束传输L2)。并且类似地,如上所述,处理器52可以控制远程信息处理电路56和仅LOS电路58的操作。
根据至少一个示例,基础设施站14的仅LOS电路58包括多个发射器64,例如,数量为(N)的发射器64。具有多个发射器64使得站14能够同时与多个目标车辆通信,例如,当在相应的目标车辆与站14之间的每个传输在单独的LOS信道上进行通信时。当然,在至少一个示例中,也可以存在对应数量(N)的接收器66。
然而,尽管硬件可以是相同或相似的,但是存储在存储器54上(并且可以由处理器52执行)的至少一些指令可以不同于存储在存储器24上(并且可以由处理器22执行)的那些指令。例如,可存储在存储器54中的指令的一些非限制性示例包括:通过远程信息处理电路56经由陆地通信网络70、经由无线通信网络72或经由任何其他合适的手段广播公共消息;响应于接收到公共消息(从上游计算机或服务器(未示出,但也通信地连接到站14)),将公共消息广播到车辆12(例如,使用远程信息处理电路56);通过仅LOS电路58传输专用消息,以影响至少一个车辆12的自主驾驶操作(例如,为了影响车辆的车载驾驶计算机以调节其加速度、转向和/或制动);从传感器套件59接收传感器数据;基于从套件59接收到传感器数据,对基础设施站14附近的对象进行分类(例如,将对象分类为‘车辆’、‘道路’、‘路边’、‘人行道’、‘行人’、‘骑自行车的人’、‘道路障碍物’(诸如‘流冰区’、‘水坑’或‘道路杂物’)等类别);基于分类,预测运动对象的路径(例如,预测车辆、行人、骑自行车的人等的路径);从相应目标车辆12的角度,基于计算出的LOS来识别车辆盲区;基于一个或多个路径计算和盲区识别,预测动态危险数据(例如,潜在碰撞事件);关于预测有动态危险数据的车辆12,通过仅LOS电路58将专用消息传输到相应车辆12,其中该专用消息指示采取纠正措施,向车辆12提供需要采取纠正措施的信息;通过仅LOS电路58接收来自车辆12的专用请求消息,其中该专用消息从相应目标车辆12的角度出发基于有限的LOS来请求态势感知数据(例如,车辆12具有受阻的视野);响应于接收到专用请求消息,将专用响应消息从基础设施站14传输到提供态势感知数据、预测的动态危险数据(例如,包括潜在碰撞事件)、盲区识别等的相应车辆12。这些只是一些示例性指令。代替这些示例指令和/或除了这些示例指令之外,可以使用指令的其他示例。此外,这些和其他指令可以以任何合适的顺序执行。因此,下面描述的这些指令和示例过程仅是实施例,而无意于进行限制。在至少一个示例中,处理器52执行存储在(例如,存储器54的)非暂时性计算机可读存储介质上的计算机程序产品。
传感器套件59可以包括向处理器52提供传感器数据的多个传感器80、82、84、86,使得处理器52可以确定各种对象、确定其他态势感知数据、识别车辆盲区、预测静态和动态危险数据等。根据一个示例,传感器80可以是相机传感器,传感器82可以是光检测和测距(LIDAR)传感器,传感器84可以是毫米(mm)无线电检测和测距(RADAR)传感器,并且传感器86可以是超声传感器。在操作的一个示例中,处理器52从传感器80-86接收传感器数据,覆盖或合并传感器数据,并使用该传感器数据来对对象进行分类。例如,可以将来自相机传感器80的二维图像数据与来自LIDAR传感器82、毫米RADAR传感器84和/或超声传感器86的三维深度数据合并。根据一个示例,处理器52使用卷积神经网络(CNN)来识别各种对象。替代地,或与其组合,处理器52可以使用特征数据库(例如,在存储器54中),处理器52可以将图像数据和深度数据与所存储的特征进行比较以对对象进行分类。在一个示例中,图像被存储在数据库中,并且深度数据被用于将对象的边缘与其背景或其他对象区别开。当然,这些识别技术仅是示例;也可以采用其他技术。
因此,在一段时间(例如,多个帧、一系列点云等)中使用来自一个或多个传感器80-86的传感器数据,处理器52可以确定运动对象的先前路径和/或当前路径,并基于这些路径推断对象路径。此外,使用任何合适的传感器数据,处理器52可以被配置为进行关于速度和加速度的计算。此外,使用与一个或多个对象相关联的深度数据,处理器52可预测两个或多个对象的轨迹可在何处相交(例如,相交的统计概率大于预定阈值),或者类似地,单个运动对象在何处可能与静止对象接触或碰撞(例如,再次,碰撞的统计概率大于预定阈值)。如图2部分地所示,处理器52可以识别目标车辆12的盲区90,即,基于目标车辆12周围的对象的相对位置来识别盲区。在该非限制性示例中,第一运动对象92(例如,车辆)相对于车辆12以这样的方式定位:部分地阻挡位于车辆12上的传感器(即,其上的收集图像数据和/或深度数据的传感器)的视野(FOV)。继续该示例,第二运动对象94(例如,行人)相对于车辆12和第一对象92定位成使得第二对象94在盲区90内(即,从车辆12的角度来看)(例如,在当前示例中,相对于车辆12的Z轴(例如,竖直)在约10点钟和11点钟位置之间,其中车辆向前表示为12点钟位置)。然而,仍然继续该示例,第二运动对象94不在基础设施站14的盲区内。例如,在图示中,传感器套件59可以具有360°FOV 96或辅助FOV 98(称为FOV 96的子集)。在任何一种情况下,传感器套件59都可以具有相对于第二运动对象94、车辆12和插置的第一对象92的视距(LOS-例如,没有遮挡的FOV)。因此,基础设施通信系统51可以计算车辆12、第一运动对象92和第二运动对象94的路径数据、速度数据和/或加速度数据。然后,使用该路径数据、速度数据和/或加速度数据,处理器52可以识别潜在碰撞事件并使用专用消息(包括动态危险数据,该动态危险数据包括车辆12与第二对象94的潜在碰撞事件)相应地警告车辆12。也就是说,在这种情况下,由于推测车辆12未检测到行人(由于目标车辆的盲区90),因此车辆12可能与行人碰撞。也就是说,除非车辆12调整其路径、速度和/或加速度,否则可能发生碰撞。
相机传感器80可以是电子成像装置,例如被配置为捕获数字图像、视频等(例如彩色、单色等)。相机传感器80的非限制性示例包括互补金属氧化物半导体(CMOS)和电荷耦合器件(CCD)相机(仅举几例)。
LIDAR传感器82可以是电子深度检测装置,其利用发射的光信号(例如,来自发射器)和所测量的所谓的‘返回’(例如,在检测器处)。该返回通常包括所发射的光信号的反射率,并且返回(例如也称为反射)用于测量深度(例如距LIDAR传感器82的距离)。
毫米RADAR传感器84可以是电子深度检测装置,其利用发射的无线电波信号(例如,来自发射器)和所测量的所谓的‘返回’(例如,在检测器处)。该返回通常包括所发射的无线电波信号的反射率(例如,在30-300千兆赫兹之间),并且返回(例如,也称为反射)用于测量深度(例如,距RADAR传感器84的距离)。
超声传感器86可以是电子深度检测装置,其利用发射的声音信号(例如,来自发射器)和所测量的所谓的‘返回’(例如,在检测器处)。该返回通常包括所发射的声音信号的反射率(例如,大于20千赫兹),并且返回(例如,也称为反射)用于测量深度(例如,距超声传感器86的距离)。
如上所述,陆地通信网络70可以实现到公共交换电话网络(PSTN)的连接,诸如用于提供硬线电话、分组交换数据通信、互联网基础设施等的网络。并且如上所述,无线通信网络72可包括卫星通信架构和/或可包括广阔地理区域上的蜂窝电话通信。因此,在至少一个示例中,网络72包括任何合适的蜂窝基础设施,所述蜂窝基础设施可包括eNodeB、服务网关、基站收发器等。此外,网络72可利用任何合适的现有的或未来的蜂窝技术(例如,包括LTE、CDMA、GSM等)。陆地和无线通信网络70、72可以通信地耦合到另一个。此外,如下文所讨论的,基础设施站14可以从陆地和/或无线通信网络70、72获得一些公共消息,并且作为响应,站14可以将这种公共消息广播到本地车辆(例如,包括到车辆12)。
现在转到图3,描述了V2I消息传递过程300。如将在下文中更详细描述的,过程300可以使基础设施站14能够选择性地向目标车辆(例如车辆12)提供专用消息,并且同时在适当时向所有本地车辆(目标车辆或非目标车辆)广播公共消息。
过程300从框305开始,其中基础设施站14通过传感器套件59接收传感器数据。该传感器数据可以包括来自相机传感器80、LIDAR传感器82、mm RADAR传感器84和/或超声传感器86的数据。一旦接收到,该数据可以被合并或以其他方式组合以检测附近的二维和三维对象。
在随后的框310中,站14的处理器52可以例如使用卷积神经网络(CNN)技术,经由特征数据库和/或经由任何其他合适的技术对对象进行分类。继续图2所示的说明示例,除了别的以外,处理器52可以对第一道路100、第二道路102、第一道路100和第二道路102的交叉路口104、目标车辆12、运动对象92(以下,术语‘对象92’与‘对象车辆92’可互换使用)以及运动对象94(以下,术语‘对象94’与‘行人94’可互换使用)进行分类。
在框310之后(在框315中),处理器52可以针对任何合适的对象(例如12、92、94)计算瞬时位置数据、路径数据、速度数据和/或加速度数据。因此,继续当前示例,处理器52可以预测目标车辆12正在左转(从道路100到道路102),目标车辆92可以沿着道路102笔直前进,行人94可以从道路100的一侧106横穿到相对侧108等。根据至少一个示例,处理器52可以使用来自相机传感器80的传感器数据来预测目标车辆12正在转弯(例如,包括提取转向信号数据、前轮位置数据等)。
在框320中,处理器52可以在时域内基于运动对象92和/或运动对象94与目标车辆12的预测相交来识别静态危险数据和/或动态危险数据。例如,处理器52可以预测在时间窗(例如,通常小于4秒)内运动对象与目标车辆12的相交,其中该预测基于碰撞事件的大于预定阈值的统计概率。根据至少一个示例:(a)处理器52识别目标车辆12的盲区90(例如,基于对象车辆92和目标车辆12的相对位置(例如,在某些情况下,目标车辆的传感器套件59在车辆12上的相对位置)来识别区域90;处理器识别是否存在任何静态和/或动态危险数据(例如,基于目标车辆12的计算出的路径、速度和加速度,以及基于在盲区90内其他对象(例如,诸如行人94)的位置、路径、速度或加速度);并且处理器52区分危险数据的类型(例如,如果目标车辆12可能与之碰撞的对象是运动对象或人(例如,运动车辆、指示危险的公务车辆(例如,警车、消防车或警示灯闪烁的救护车、行人、骑自行车的人等),则处理器52识别动态危险;并且如果目标车辆12可能与之碰撞的对象是静态对象(例如,坑洼、道路上的流冰区、道路上的水、道路上的杂物、道路上停放的非公务车辆、未指示危险但在道路上的停放的公务车辆等),则处理器52识别静态危险。
在框320的至少一个示例中,处理器52生成包括针对目标车辆12和/或非目标车辆的消息的数据文件。根据一个示例,数据文件可以是如示例(1)–数据文件中所示的阵列。
示例(1)标识符(消息、标签、威胁等级)。
该标识符可以是适于唯一地解析存储器54并调用数据文件的标识符。该消息可以包括任何合适的信息以告知目标车辆12如何避免危险(例如,它是否包括静态或动态危险数据)。例如,该消息可以包括用于改变目标车辆的路径、速度或加速度的信息。它可以包括在时间窗期间关于预测的物理接触或碰撞的位置的信息,从而允许车辆12上的计算机决定如何避免碰撞。它可以包括车道信息、关于遮挡对象(例如,图2中的运动对象92)的信息和/或有关基础设施站14通过其预测碰撞的对象(例如,图2中的对象94)的信息。
根据一个示例,(示例(1)的)标签可以是二进制的,例如,“专用”或“公共”。因此,数据文件可以识别文件中的消息是专用消息还是公共消息。在至少一个示例中,并且如上所述,如果消息与动态危险数据有关,则将该文件标记为‘专用’,并且如果消息与静态危险数据有关,则将该文件标记为‘公共’。
数据文件中的‘威胁等级’可以识别数字等级,该数字等级描述了所识别的静态危险数据或动态危险数据的严重性。当然,这可以使用处理器52处的统计计算来确定。如以下进一步讨论的,并且仅作为示例,使用四个不同的值来示出威胁等级:T0、T1、T2和T3,其中T0是最低威胁等级,其中T1和T2渐增地为更高的威胁等级,并且其中T3是最高(也是最迫在眉睫)的威胁等级。根据至少一个示例,威胁等级T0、T1和T2可以与和车辆或其他非人类对象的碰撞有关(例如,根据目标车辆12和/或与之发生碰撞的对象的预测变形的不同冲击严重性等级),并且威胁等级T4可以保留用于与行人、骑自行车的人等发生的预测碰撞。在至少一个示例中,可以进行蒙特卡洛或其他合适的模拟以预测冲击严重性的变化。因此,根据框320之后的框325,处理器52可以用预定威胁等级标记数据文件。根据一个示例,仅大于阈值的威胁等级(例如,T1、T2或T3)适用于专用消息。因此,继续该示例,如果威胁等级为T0(即使潜在危险另外构成了动态危险数据),则处理器52可以将标识符的标签更改为‘公开’。框325是可选的,并且并非在所有示例中都是必需的。可以替代地使用其他预定阈值威胁等级。
应理解,框305-325可以重复和/或连续地发生(参见过程300从框325循环回到框305),例如,适当地将新的数据文件添加到存储器54。接着是框330。在框330中,处理器52可以解析存储在存储器54中的数据文件,以确定哪些消息被标记为‘公共’以及哪些消息被标记为‘专用’。当消息被标记为‘公共’时,过程300前进到框335(以处理公共消息)。并且当消息被标记为‘专用’时,过程300前进到框345(以处理专用消息)。应理解,可以针对每个‘公共’消息执行框335-340,并且可以针对每个“专用”消息执行框345、350和400。
在框335中,公共消息在存储器54中排队(例如,和/或缓冲),并最终在框340(随后的)中广播。例如,如果队列为空,则过程300可以立即从框335前进到框340,并且可以使用RF技术(例如,通过DSRC、通过蜂窝通信等)将公共消息广播到目标车辆12和其他非目标车辆。如果队列不为空,则可以存储公共消息,同时先广播其他(先前接收到的)公共消息;例如,然后过程300可以前进到框340,并且可以广播公共消息(例如,类似地使用RF技术)。
因此,所有连接的事物(至少在附近)可以接收框340的RF广播。例如,目标车辆12可以接收公共消息,并且其车载自主计算系统可以在没有驾驶员辅助的情况下使用该信息来操作车辆12。具有合适的接收器的其他车辆,例如诸如运动对象车辆94,可以接收和使用公共消息;类似地,连接的行人96和其他人或计算机也可以接收和使用公共消息。在框340之后,过程300可以循环回到框305,并重复过程300的任何合适的部分。
返回框345,处理器52可以确定尚未传送到目标车辆12的数据文件(被标记为‘专用’)的数量;此外,处理器52可以确定该数量是否大于预定阈值(n)。该阈值(n)可以表示(基础设施站14的)发射器64的数量;因此,随着发射器64的对等工作,阈值(n)也可表示LOS通道的最大数量。在一个示例中,n(阈值)=N(发射器64的数量)。因此,在框345中,如果专用消息的数量超过n,则过程300可前进到框400。并且如果专用消息的数量不超过n,则过程300可前进到框350。
在框350中,处理器52可以利用任何适当数量的发射器64(和对应的LOS信道)来同时发送每个专用消息。例如,处理器52可以将相应的专用消息传送到相应的目标车辆,每个都使用LOS发射器64的N数量中的单独的一个(并且每个都经由单独的LOS信道)。此后,如上所述,过程可以循环回到框305,并重复过程300的任何合适的方面。
在框400中,处理器52可利用所有可用的发射器64来同时传输专用消息,并且还通过RF同时广播那些未被发射器64传输的专用消息。以这种方式,目标车辆12及时接收到专用消息,使得可以采取躲避(如果需要的话)动作。图4示出了框400的一个示例,其中对专用消息进行优先级排序和发送。在框400之后,该过程可以循环回到框305,并如上所述重复;或者,过程300可以结束。
框400(也称为过程或子过程400)可以从框405开始,其中处理器52量化具有不同威胁等级的专用消息。回想一下,在当前示例中,使用了四个威胁等级(T0、T1、T2和T3);然而,只有威胁等级T1、T2和T3被标记为‘专用’,并因此可能会在过程400中进行评估。因此,仅出于说明的目的,将考虑数量Q1、Q2和Q3(分别对应于T1、T2和T3),其中Q1、Q2和Q3是要分别归类为威胁等级T1、T2、T3的对象数。在框405中,这些数量可以由处理器52确定。图5是数量Q1、Q2和Q3的图形描述(这些值仅是示例)。
在框410(随后的)中,处理器52确定数量Q3是否大于发射器64的阈值数量(n)(是否Q3>n)。当Q3大于n时,则处理400前进到框415和420,并且当Q3不大于n时,过程400前进到框425。
框415和420可以同时发生。在框415中,经由LOS信道(使用仅LOS电路58)传输被指定为T3的n数量的专用消息,并且在框420中,经由RF(经由远程信息处理电路56)发送剩余的专用消息。更具体地,在框420中,RF通信用于广播指定为威胁等级T1和T2的专用消息,以及指定为T3威胁等级的任何剩余的专用消息(即,Q3–n)。此后,过程400前进到框305(图3)或结束。
在框425中,其中Q3小于n,T3专用消息的所有Q3数量都经由LOS信道(使用仅LOS电路58)传输。并且剩余的专用消息将在随后的框中进行通信。
在(随后的)框430中,处理器52确定数量Q2和Q3之和是否大于发射器64的阈值数量(n)(是否[Q3+Q2]>n)。当Q3+Q2大于n时,则过程400前进到框435和440,并且当Q3+Q2不大于n时,过程400前进到框445。
框435和440可以同时发生。在框435中,经由LOS信道(使用仅LOS电路58)传输被指定为T2的n数量的专用消息,并且在框440中,经由RF(经由远程信息处理电路56)发送剩余的专用消息。更具体地,在框440中,RF通信用于广播指定为威胁等级T1的专用消息,以及指定为T2威胁等级的任何剩余的专用消息(即,Q3+Q2–n)。此后,过程400前进到框305(图3)或结束。
在框445中,其中Q3+Q2小于n,T2专用消息的所有Q2数量都经由LOS信道(使用仅LOS电路58)传输。回想一下,在这种情况下,先前已传输了T3专用消息的所有Q3数量(框425)。因此,剩余的专用消息将在随后的框中进行通信。
在该示例中,其中仅T1、T2和T3消息被指定为‘专用’,在框445之后,仅保留Q1专用消息(标记为T1)。因此,在框470中,处理器52通过LOS信道传输尽可能多的专用消息(指定为T1),并且在框475中,剩余的消息经由远程信息处理电路56广播。更具体地,处理器52可以通过仅LOS电路58传输[n–Q3–Q2]数量的指定为T1的专用消息。这些剩余的专用消息(R专用)可由以下公式确定:R专用=|n–(Q3+Q2+Q1)|。此后,过程400前进到框305(图3)或结束。
因此,过程300包括识别危险、使用威胁等级量化危险、经由(站14的)远程信息处理电路56广播一些消息(公共),以及经由仅LOS电路58(也来自于站14)传输其他消息(专用)。以这种方式,减少了无线拥塞(从而提高了通信性能),同时增加了车辆与基础设施之间的通信流量。过程400示出了对专用消息进行优先级排序的说明性技术,使得以较低的无线通信干扰风险和低等待时间来递送具有最高威胁等级的专用消息。
也存在其他示例。上述过程300和/或400可以包括目标车辆12请求态势感知(SA)数据。例如,车辆12可以确定存在盲区(例如,诸如90),例如,它可以使用距离数据确定对象(例如,图2中的92)在阈值距离(d)内和/或对象具有大于预定阈值(A)的二维投影。并且基于对d和/或A的确定,处理器52可以确定存在盲区90。图6示出了处理器22可以从基础设施14请求信息。
例如,过程600可以从框610开始,其中处理器22确定盲区(例如,使用距离d、2D投影A、或任何其他合适的技术)。
在框610之后并且基于对盲区的确定,处理器22可以传输来自基础设施站14的请求消息(例如,经由远程信息处理电路26和/或仅LOS电路28)(框620)。在至少一个示例中,车辆12通过经由仅LOS电路28传输消息来将自身识别为目标车辆。
在框620之后,响应于车辆12传输请求消息,车辆12可以接收(例如,经由仅LOS电路28)专用消息,例如,与预期危险有关的信息(例如,如关于上述过程300、400所讨论的)。在框630之后,过程600可结束。
图6示出了公共消息可以在框610-630期间由基础设施站14广播并且经由远程信息处理电路26在车辆12处被接收。因此,车辆12可以接收公共消息和专用消息两者,在某些情况下可以同时接收它们,并且在至少一些示例中的专用消息可以由目标车辆12发送LOS信道消息来触发。
还存在其他示例。例如,图7示出了可以使用多个基础设施站14、14’、14”、14”’。如上所述,相同的数字表示相同或相似的硬件。因此,例如,基础设施站14’、14”、14”’可以分别包括基础设施通信系统51’、51”、51”’和传感器套件59’、59”、59”’。因此,发射器64的数量可以增加四倍,并且仅LOS信道的数量相应地增加。此外,通过在交叉路口104的各个角上隔开基础设施站14、14’、14”、14”’,可以使各个基础设施站的盲点最小化。当然,四个站仅是示例;在其他示例中可以使用更多或更少的站。
因此,已经描述了车辆对基础设施的消息传递系统。该系统促进公共和专用消息传递,并使用射频(RF)通信和光通信(通过视距技术)。
通常,所描述的计算系统和/或装置可以采用许多计算机操作系统中的任一者,包括但绝不限于以下版本和/或变型的操作系统:Ford应用程序、AppLink/SmartDevice Link中间件、Automotive操作系统、Microsoft操作系统、Unix操作系统(例如,由加州红木海岸的甲骨文公司发布的操作系统)、由纽约阿蒙克市的国际商业机器公司发布的AIX UNIX操作系统、Linux操作系统、由加州库比蒂诺的苹果公司发布的Mac OSX和iOS操作系统、由加拿大滑铁卢的黑莓有限公司发布的BlackBerry OS,以及由谷歌公司和开放手机联盟开发的Android操作系统或由QNX软件系统公司供应的CAR信息娱乐平台。计算装置的示例包括但不限于车载计算机、计算机工作站、服务器、台式机、笔记本、膝上型计算机、或手持计算机、或一些其他计算系统和/或装置。
计算装置通常包括计算机可执行指令,其中所述指令可以由诸如上面列出的那些的一个或多个计算装置执行。计算机可执行指令可以从使用各种编程语言和/或技术创建的计算机程序编译或解译,所述编程语言和/或技术单独地或组合地包括但不限于JavaTM、C、C++、Visual Basic、Java Script、Perl等。这些应用程序中的一些可以在虚拟机(诸如Java虚拟机、Dalvik虚拟机等)上编译和执行。通常,处理器(例如,微处理器)接收例如来自存储器、计算机可读介质等的指令并且执行这些指令,由此执行一个或多个过程,包括本文所述的过程中的一个或多个。可使用多种计算机可读介质来存储和传输此类指令和其他数据。
计算机可读存储介质(也被称为处理器可读介质)包括参与提供可以由计算机(例如,由计算机的处理器)读取的数据(例如,指令)的任何非暂时性的(例如,有形的)介质。此类介质可以采取许多形式,其包括但不限于非易失性介质和易失性介质。非易失性介质可包括例如光盘或磁盘以及其他持久性存储器。易失性介质可包括例如通常构成主存储器的动态随机存取存储器(DRAM)。此类指令可由一个或多个传输介质传输,所述传输介质包括同轴电缆、铜线和光纤,其包括构成耦合到计算机的处理器的系统总线的电线。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储器芯片或盒式磁带,或计算机可从中读取的任何其他介质。
本文描述的数据库、数据储存库或其他数据存储装置可以包括用于存储、存取和检索各种数据的各种机构,其包括分层数据库、文件系统中的一组文件、专用格式的应用数据库、关系型数据库管理系统(RDBMS)等。每个这样的数据存储装置通常包括在采用诸如上述一种操作系统的计算机操作系统的计算装置内,并且经由网络以各种方式中的任何一种或多种来存取。文件系统可以通过计算机操作系统进行访问,并且可以包括以各种格式存储的文件。RDBMS除了用于创建、存储、编辑和执行已存储的程序的语言(诸如上述PL/SQL语言)之外还通常采用结构化查询语言(SQL)。
在一些示例中,系统元件可以被实现为一个或多个计算装置(例如,服务器、个人计算机等)上的计算机可读指令(例如,软件),所述计算机可读指令存储在与其相关联的计算机可读介质(例如,磁盘、存储器等)上。计算机程序产品可以包括存储在计算机可读介质上的用于执行本文描述的功能的此类指令。
处理器经由电路、芯片或其他电子部件来实现,并且可包括一个或多个微控制器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用电路(ASIC)、一个或多个数字信号处理器(DSP)、一个或多个客户集成电路等。处理器可被编程为处理传感器数据。处理所述数据可包括处理由传感器捕获的视频馈送或其他数据流,以确定主车辆的道路车道和任何目标车辆的存在。如下所述,处理器指示车辆部件根据传感器数据来致动。处理器可结合到控制器(例如,自主模式控制器)中。
存储器(或数据存储装置)经由电路、芯片或其他电子部件来实现,并且可包括以下一个或多个:只读存储器(ROM);随机存取存储器(RAM);快闪存储器;电可编程存储器(EPROM);电可擦除可编程存储器(EEPROM);嵌入式多媒体卡(eMMC);硬盘驱动器;或任何易失性或非易失性介质等。存储器可存储从传感器所收集的数据。
已经以说明性方式描述了本公开,并且应理解,已经使用的术语旨在本质上是描述性的词语而不是限制性的词语。鉴于以上教导,本公开的许多修改和变化是可能的,并且本公开可以不同于具体描述的其他方式来实践。
根据本发明,提供了一种基础设施节点,其具有:处理器;以及存储器,所述存储器存储可由所述处理器执行的指令,所述指令包括:识别对目标车辆的危险;以及基于所述识别,使用视距(LOS)传输将专用消息传输到所述目标车辆。
根据实施例,识别所述危险还包括确定所述目标车辆的盲区。
根据实施例,所述指令还包括:在传输专用消息的同时,使用射频(RF)广播公共消息。
根据实施例,识别所述危险还包括:确定所述目标车辆的路径数据、速度数据、加速度数据或其组合。
根据实施例,识别所述危险还包括:使用传感器数据对对象进行分类;确定所述对象的路径数据、速度数据、加速度数据或其组合;以及确定涉及所述目标车辆和所述对象的碰撞事件。
根据实施例,识别所述危险还包括:确定所述危险是动态危险数据;以及基于所述确定,确定传输所述专用消息。
根据实施例,传输专用消息还包括:基于威胁等级对专用消息进行优先级排序。
根据实施例,上述发明的特征还在于:在识别所述危险之前,从所述目标车辆接收通信;以及响应于从所述目标车辆接收到通信,然后传输所述专用消息。
根据实施例,上述发明的特征还在于:远程信息处理电路,其中所述节点经由所述远程信息处理电路广播公共消息;仅视距(LOS)电路,其中节点经由仅LOS电路传输专用消息;以及接收图像和距离数据的传感器套件。
根据本发明,提供了一种车辆节点,其具有:处理器;以及存储器,所述存储器存储可由所述处理器执行的指令,所述指令包括:识别盲区;基于所述识别,从基础设施站请求危险数据;以及响应于所述请求,经由视距(LOS)信道接收消息。
根据实施例,所述指令还包括:经由射频(RF)从所述站接收公共消息。
根据本发明,提供了一种方法,其具有:在基础设施节点处确定目标车辆的盲区;识别到可能与所述区域中的对象发生碰撞事件;以及基于所述识别,使用视距(LOS)传输将专用消息传输到所述车辆。
根据实施例,上述发明的特征还在于:使用射频(RF)向车辆广播公共消息。
根据实施例,上述发明的特征还在于:在识别之前,对所述对象和车辆进行分类。
根据实施例,上述发明的特征还在于:针对所述车辆,确定路径数据、速度数据、加速度数据或其组合。
根据实施例,上述发明的特征还在于:针对所述对象,确定路径数据、速度数据、加速度数据或其组合;以及然后确定碰撞事件。
根据实施例,上述发明的特征还在于:确定对象是运动的还是静止的。
根据实施例,上述发明的特征还在于:基于对象是运动的还是静止的,将消息标记为专用的或公共的。
根据实施例,上述发明的特征还在于:准备包括所述专用消息的多个消息;以及基于威胁等级对所述专用消息的所述传输进行优先级排序。
根据实施例,上述发明的特征还在于:在识别所述碰撞事件之前,从所述车辆接收消息;以及响应于接收到所述消息,然后传输所述专用消息。
Claims (15)
1.一种基础设施节点,其包括:
处理器;以及
存储器,所述存储器存储能够由所述处理器执行的指令,所述指令包括:
识别对目标车辆的危险;以及
基于所述识别,使用视距(LOS)传输将专用消息传输到所述目标车辆。
2.如权利要求1所述的节点,其中识别所述危险还包括确定所述目标车辆的盲区。
3.如权利要求1所述的节点,其中识别所述危险还包括:确定所述目标车辆的路径数据、速度数据、加速度数据或其组合。
4.如权利要求3所述的节点,其中识别所述危险还包括:使用传感器数据对对象进行分类;确定所述对象的路径数据、速度数据、加速度数据或其组合;以及确定涉及所述目标车辆和所述对象的碰撞事件。
5.一种方法,其包括:
在基础设施节点处确定目标车辆的盲区;
识别到可能与所述区域中的对象发生碰撞事件;以及
基于所述识别,使用视距(LOS)传输将专用消息传输到所述车辆。
6.如权利要求5所述的方法,其还包括:使用射频(RF)向所述车辆广播公共消息。
7.如权利要求5所述的方法,其还包括:在所述识别之前,对所述对象和所述车辆进行分类。
8.如权利要求5所述的方法,其还包括:针对所述车辆,确定路径数据、速度数据、加速度数据或其组合。
9.如权利要求8所述的方法,其还包括:针对所述对象,确定路径数据、速度数据、加速度数据或其组合;以及然后确定所述碰撞事件。
10.如权利要求5所述的方法,其还包括:确定所述对象是运动的还是静止的。
11.如权利要求10所述的方法,其还包括:基于所述对象是运动的还是静止的,将所述消息标记为专用的或公共的。
12.如权利要求5所述的方法,其还包括:准备包括所述专用消息的多个消息;以及基于威胁等级对所述专用消息的所述传输进行优先级排序。
13.如权利要求5所述的方法,其还包括:在识别所述碰撞事件之前,从所述车辆接收消息;以及响应于接收到所述消息,然后传输所述专用消息。
14.一种计算机,其包括处理器和存储器,所述存储器存储能够由所述处理器执行的指令,所述指令包括执行如权利要求5-13中任一项所述的方法。
15.一种计算机程序产品,其包括计算机可读介质,所述计算机可读介质存储指令,所述指令能够由计算机处理器执行,以执行如权利要求5-13中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/162,442 US10757551B2 (en) | 2018-10-17 | 2018-10-17 | Vehicle-to-infrastructure (V2I) messaging system |
US16/162,442 | 2018-10-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111055840A true CN111055840A (zh) | 2020-04-24 |
Family
ID=70279831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982327.6A Pending CN111055840A (zh) | 2018-10-17 | 2019-10-16 | 车辆对基础设施(v2i)消息传递系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10757551B2 (zh) |
CN (1) | CN111055840A (zh) |
DE (1) | DE102019127975A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862599A (zh) * | 2020-06-19 | 2020-10-30 | 腾讯科技(深圳)有限公司 | 车辆信息处理方法、装置 |
CN115482679A (zh) * | 2022-09-15 | 2022-12-16 | 深圳海星智驾科技有限公司 | 一种自动驾驶盲区预警方法、装置和消息服务器 |
CN115497335A (zh) * | 2021-06-18 | 2022-12-20 | 本田技研工业株式会社 | 警告控制装置、移动体、警告控制方法和计算机可读存储介质 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10377374B1 (en) * | 2013-11-06 | 2019-08-13 | Waymo Llc | Detection of pedestrian using radio devices |
US11122469B2 (en) * | 2016-01-26 | 2021-09-14 | Antel Inc. | Peer to peer ad hoc network with bandwidth bonding, seamless mobility, and flow-based routing |
CN111788532B (zh) * | 2018-02-28 | 2022-05-10 | 北美日产公司 | 用于自主运载工具决策的运输网络基础设施 |
US10902726B2 (en) * | 2018-08-23 | 2021-01-26 | Intel Corporation | Rogue vehicle detection and avoidance |
JP7095530B2 (ja) * | 2018-09-27 | 2022-07-05 | 株式会社Jvcケンウッド | 車載通信装置、通信制御方法およびプログラム |
US11349903B2 (en) * | 2018-10-30 | 2022-05-31 | Toyota Motor North America, Inc. | Vehicle data offloading systems and methods |
US11016492B2 (en) | 2019-02-28 | 2021-05-25 | Zoox, Inc. | Determining occupancy of occluded regions |
US11260852B2 (en) * | 2019-03-26 | 2022-03-01 | GM Global Technology Operations LLC | Collision behavior recognition and avoidance |
JP7145815B2 (ja) * | 2019-05-27 | 2022-10-03 | 日立Astemo株式会社 | 電子制御装置 |
EP3770881B1 (en) * | 2019-07-26 | 2023-11-15 | Volkswagen AG | Methods, computer programs, apparatuses, a vehicle, and a traffic entity for updating an environmental model of a vehicle |
US11597393B2 (en) | 2020-03-26 | 2023-03-07 | Intel Corporation | Systems, methods, and devices for driving control |
US20220019225A1 (en) * | 2020-07-14 | 2022-01-20 | Argo AI, LLC | Smart node for autonomous vehicle perception augmentation |
CN112124319B (zh) * | 2020-08-28 | 2021-04-23 | 青岛慧拓智能机器有限公司 | 一种智能驾驶系统 |
US11267402B1 (en) * | 2020-08-31 | 2022-03-08 | Ford Global Technologies, Llc | Systems and methods for prioritizing driver warnings in a vehicle |
US11704433B2 (en) * | 2020-09-21 | 2023-07-18 | International Business Machines Corporation | Dynamic photograph classification |
CN115376343B (zh) * | 2022-07-15 | 2023-12-19 | 东风汽车集团股份有限公司 | 车路协同驾驶预警方法及相关设备 |
CN115835162B (zh) * | 2023-01-06 | 2023-07-04 | 北京集度科技有限公司 | 车端数据采集装置及方法、车辆 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3857402B2 (ja) * | 1997-12-05 | 2006-12-13 | 富士通株式会社 | 交差点衝突防止方法及びシステム及び交差点衝突防止プログラムを格納した記憶媒体及び交差点装置 |
JP2002190094A (ja) | 2000-12-20 | 2002-07-05 | Nippon Signal Co Ltd:The | 特定車両への情報提供方法 |
JP4032253B2 (ja) | 2003-12-17 | 2008-01-16 | ソニー株式会社 | 光通信装置及び車両制御方法 |
KR100689784B1 (ko) * | 2005-02-03 | 2007-03-08 | 주식회사 현대오토넷 | 적외선 통신을 이용한 교통신호 위반 방지 시스템 및 방법 |
US8138915B2 (en) * | 2007-11-15 | 2012-03-20 | Ibiquity Digital Corporation | Systems and methods for rendering alert information for digital radio broadcast, and active digital radio broadcast receiver |
US9472097B2 (en) * | 2010-11-15 | 2016-10-18 | Image Sensing Systems, Inc. | Roadway sensing systems |
JP5408237B2 (ja) * | 2010-12-28 | 2014-02-05 | 株式会社デンソー | 車載障害物情報通知装置 |
US20140095596A1 (en) * | 2012-09-28 | 2014-04-03 | Avaya Inc. | System and method for long-lived contextual interactions |
US9935710B2 (en) | 2013-07-22 | 2018-04-03 | Osram Sylvania Inc. | Spatially and/or distance defined light-based communications in a vehicle/roadway environment |
US10377374B1 (en) * | 2013-11-06 | 2019-08-13 | Waymo Llc | Detection of pedestrian using radio devices |
US9930120B2 (en) | 2015-07-17 | 2018-03-27 | Enrique Gutierrez | Infrastructure-to-vehicle communication system and method |
WO2017014514A1 (en) * | 2015-07-17 | 2017-01-26 | Lg Electronics Inc. | Method and apparatus for transmitting data via road side unit in wireless communication system |
DE102016000532B4 (de) * | 2016-01-21 | 2019-04-25 | Jenoptik Robot Gmbh | Verfahren und Vorrichtung zum Betreiben eines Verkehrsüberwachungsgerätes, Verkehrsüberwachungsgerät und Verkehrsüberwachungssystem |
US10181264B2 (en) | 2016-04-18 | 2019-01-15 | Ford Global Technologies, Llc | Systems and methods for intersection assistance using dedicated short range communications |
US10088676B2 (en) * | 2016-06-30 | 2018-10-02 | Paypal, Inc. | Enhanced safety through augmented reality and shared data |
JP6247411B1 (ja) | 2016-07-28 | 2017-12-13 | 立山科学工業株式会社 | 光送受信装置、通信システム及び光送受信方法並びに自律運転車駐車場 |
EP3373093B1 (de) * | 2017-03-08 | 2019-05-08 | Sick Ag | Fahrerloses transportsystem |
CN110431776B (zh) * | 2017-03-24 | 2022-11-11 | 瑞典爱立信有限公司 | 用于确定基于直接链路的通信中的调制方案的方法和装置 |
US11115792B2 (en) * | 2017-06-15 | 2021-09-07 | Jiejun Kong | Vehicular high-speed network system |
US10614715B2 (en) * | 2017-07-14 | 2020-04-07 | Uatc, Llc | Systems and methods for communicating autonomous vehicle confidence levels |
US10157539B1 (en) * | 2017-11-01 | 2018-12-18 | Qualcomm Incorporated | Techniques and apparatuses for prioritizing vehicle-to-everything (V2X) communication messages based on threat level estimation |
-
2018
- 2018-10-17 US US16/162,442 patent/US10757551B2/en active Active
-
2019
- 2019-10-16 DE DE102019127975.5A patent/DE102019127975A1/de active Pending
- 2019-10-16 CN CN201910982327.6A patent/CN111055840A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862599A (zh) * | 2020-06-19 | 2020-10-30 | 腾讯科技(深圳)有限公司 | 车辆信息处理方法、装置 |
CN115497335A (zh) * | 2021-06-18 | 2022-12-20 | 本田技研工业株式会社 | 警告控制装置、移动体、警告控制方法和计算机可读存储介质 |
CN115482679A (zh) * | 2022-09-15 | 2022-12-16 | 深圳海星智驾科技有限公司 | 一种自动驾驶盲区预警方法、装置和消息服务器 |
CN115482679B (zh) * | 2022-09-15 | 2024-04-26 | 深圳海星智驾科技有限公司 | 一种自动驾驶盲区预警方法、装置和消息服务器 |
Also Published As
Publication number | Publication date |
---|---|
US20200128372A1 (en) | 2020-04-23 |
US10757551B2 (en) | 2020-08-25 |
DE102019127975A1 (de) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10757551B2 (en) | Vehicle-to-infrastructure (V2I) messaging system | |
US11659038B2 (en) | Smart vehicle | |
US10625742B2 (en) | System and method for vehicle control in tailgating situations | |
US10737667B2 (en) | System and method for vehicle control in tailgating situations | |
US10290210B2 (en) | Distracted driver notification system | |
US10282999B2 (en) | Road construction detection systems and methods | |
US10077007B2 (en) | Sidepod stereo camera system for an autonomous vehicle | |
US9889847B2 (en) | Method and system for driver assistance for a vehicle | |
US9983591B2 (en) | Autonomous driving at intersections based on perception data | |
US20210089048A1 (en) | Smart vehicle | |
CN107487258B (zh) | 盲区检测系统和方法 | |
US11526166B2 (en) | Smart vehicle | |
EP3208165A1 (en) | Vehicle safety assist system | |
CN108263360B (zh) | 紧随场景下用于车辆控制的系统和方法 | |
US11091173B2 (en) | Driving safety enhancing system and method for making or enabling highly accurate judgment and providing advance early warning | |
US11150665B2 (en) | Smart vehicle | |
CN112208533B (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
CN108275152B (zh) | 车辆系统、控制车辆系统的计算机实施的方法和存储介质 | |
US10940793B1 (en) | Ingress and egress for autonomous vehicle | |
CN111629944A (zh) | 车辆控制装置、车辆以及车辆控制方法 | |
US20210323577A1 (en) | Methods and systems for managing an automated driving system of a vehicle | |
Adla et al. | Automotive collision avoidance methodologies Sensor-based and ITS-based | |
US12027050B2 (en) | Hazard notification method and system for implementing | |
US20230316919A1 (en) | Hazard notification method and system for implementing | |
US20240192360A1 (en) | Driving assistance system and driving assistance method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |