CN111332296B - 其他车辆的车道变换的预测 - Google Patents
其他车辆的车道变换的预测 Download PDFInfo
- Publication number
- CN111332296B CN111332296B CN201911308902.0A CN201911308902A CN111332296B CN 111332296 B CN111332296 B CN 111332296B CN 201911308902 A CN201911308902 A CN 201911308902A CN 111332296 B CN111332296 B CN 111332296B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- individual
- classifier
- lane change
- lane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims abstract description 4
- 230000004044 response Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0022—Gains, weighting coefficients or weighting functions
- B60W2050/0024—Variable gains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0022—Gains, weighting coefficients or weighting functions
- B60W2050/0025—Transfer function weighting factor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal speed
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种用于由本车辆(1)的周围环境(11)的观察(11a)来预测本车辆(1)的周围环境中是否有其他车辆(2)将进行车道变换的方法(100),其具有以下步骤:将观察输送(110)给多个单个分类器;每个单个分类器根据单独的规则由观察的至少一个子集来求取(120)其他车辆(2)将进行车道变换的单个概率;将本车辆所处的驾驶情况作为整体借助情况分类器(54)分类(130)成多个离散的类别中的一个;求取(140)权重因子的分配给如下类别的组:情况分类器将行驶情况分类成所述类别,组对于行驶情况说明单个分类器的相对权重;借助权重因子将单个概率换算(150)成其他车辆将进行车道变换的总概率。一种用于训练权重因子的方法(200)。所属的计算机程序。
Description
技术领域
本发明涉及一种方法,借助该方法能够对于在本车辆(Ego-Fahrzeug)的行驶辅助系统中和/或在至少部分地自动化行驶的本车辆中的使用来预测其他车辆(Fremdfahrzeug)的车道变换。
背景技术
在道路交通中引导车辆与引导车辆通过由静态的和均匀运动的障碍物组成的障碍物跑道(Parcours)并不是同等重要的。更确切地说,也需要对改变其运动状态的其他交通参与者的突然动作做出反应。如果例如其他车辆通过车道变换进入到当前保持的至前面人(Vordermann)的安全间距中,则不再给出至所述新的前面人所需的安全间距并且需要主动地重新构建。如果没有参与者知道各个其他参与者所计划的操纵,则同时以自身的驾驶操纵来引导的其他车辆的车道变换也可能导致碰撞。因此,所有事故的总共大约18%是由车道变换时的错误引起的。
除了人类驾驶员之外,应使驾驶任务变得容易的驾驶辅助系统也需要注意其他车辆的车道变换。因此有利的是,这种系统在实际采取车道变换前已经能够预测这种车道变换。例如由DE 10 2006 049 264 A1已知一种用于行驶辅助系统的用于识别驶入和驶出的设备。
发明内容
在本发明的范围内,开发一种用于由本车辆的周围环境的观察来预测本车辆的周围环境中是否有其他车辆将进行车道变换的方法。
本车辆是如下车辆:借助通过该方法获得的结果能够——例如通过对行驶动态系统的干预或者通过操纵喇叭——直接作用于该车辆上。
观察可以是任何类型的。例如能够借助摄像机、激光雷达、雷达或其他的传感装置来检测本车辆的周围环境或本车辆的周围环境的至少一部分。但是也可以例如通过无线电接口——例如通过V2V(英语Vehicle to Vehicle,车辆对车辆)通信或V2I(英语Vehicleto Infrastructure,车辆对基础设施)通信——获得关于其他车辆的存在的信息和/或关于其他车辆的意图的信息。
在该方法中,将观察输送给多个单个分类器。每个单个分类器根据单独的规则由所述观察的至少一个子集来求取其他车辆将进行车道变换的单个概率。
单个分类器尤其可以包括所谓的“弱学习器(英语weak learner)”,即包含如下规定:在存在确定条件的情况下根据所述规定谈及其他车辆的车道变换的有依据(begründetermaβen)提高的概率,而不能肯定地预测这样的车道变换。
因此,例如单个分类器可以求取,其他车辆的行驶方向指示器是否激活。按照道路交通规则在变换车道时必须使用行驶方向指示器,但不仅仅是这样。如果例如通过指示牌发出拐弯的先行道路(Vorfahrtstraβe)的信号,则必须利用行驶方向指示器恰好发出如下信号:驾驶员跟随拐弯的先行道路,即想要保持在其当前的车道中。此外,为了挤向高速公路,经常要设置左侧的行驶方向指示器,尽管在缺少另一车道时恰好不可能实现向左的车道变换。因此,信号被误用于要求在前行驶者提供空的车道。行驶方向指示器的闪烁对于即将进行的车道变换不是充分条件。在实践中甚至不是必要条件,因为经常忘记预先规定的操纵。
单个分类器例如也可以求取,其他车辆在当前由其他车辆行驶的车道上的速度是否匹配于在与其相邻的车道上行驶的速度。这种操纵具有意义,以最佳地充分利用在相邻车道上的交通中的小间隙用于驶入(Einscheren)。然而,速度的匹配也可能有其他原因。例如交通可以不仅对当前由其他车辆使用的车道做出反应,而且在相邻的车道上同时对变化的速度限制做出反应。
单个分类器例如也可以求取当前由其他车辆行驶的车道在其他车辆前方是否被封锁和/或结束。在这种情况下,其他车辆必须变换车道,以能够继续其行驶。实际上也规定,根据拉链方法(Reiβverschlussverfahren)在紧邻障碍物之前才进行车道变换,即应继续使用当前的车道,直至到达障碍物。在现实中,出于后来不再有机会的无依据的恐惧,通常在障碍物前方很远就进行车道变换到所呈现的第一空隙中。
附加地,将本车辆所处的驾驶情况作为整体借助情况分类器分类成多个离散的类别中的一个类别。求取权重因子的分配给情况分类器将行驶情况所分类成的类别的组,该组对于该行驶情况说明各个分类器的相对权重。借助权重因子将单个概率换算成其他车辆将进行车道变换的总概率。
行驶情况例如可以至少根据当前由本车辆行驶的道路类别来分类。因此,例如在高速公路上适用与在郊区道路(Landstraβe)上不同的超车规则,在高速公路上从逆行车道上的当前不可见的区域接近快速车辆的抽象可能性在许多情况下禁止超车。相反地,在封闭的城镇内适用自由的车道选择,也就是说,允许右侧超车。
行驶情况也可以例如至少根据本车辆的周围环境中的视线情况和/或根据本车辆的周围环境中的光线情况进行分类。例如,一些单个分类器可以基于在白天比在夜间更好地运行的观察。然后有意义的是,这种单个分类器在白天比在夜间权重更高。
行驶情况例如也可以根据本车辆所驶向的交通节点的类型来分类。因此,例如位于前方的交叉口可以表示其他车辆进行车道变换的动机,以归类到用于确定的行驶方向的车道中。反之,这在环形交通的情况下不是必需的,因为在那里在从环形交通中驶出时才选择行驶方向。
求取权重因子尤其可以包含从表格或数据库中调用这些权重因子,所述表格或数据库将权重因子的组分配给行驶情况的每个类别。该表格或数据库尤其可以是先前的训练的结果。这种训练例如可以以观察的训练数据组为基础,针对这些训练数据组可以分别提供“地面实况(英语ground truth)”:在相应的情况中在观察的时刻之后其他车辆是否进行车道变换。
已经认识到,通过将由多个单个分类器提供的概率换算成车道变换的总概率可以明显提高所述总概率的可靠性。如先前例如所阐述的那样,单个迹象(例如激活的行驶方向指示器)不足以进行可靠的预测。但是如果多个迹象共同出现(例如行驶方向指示器和速度的匹配),那么作为针对其他车辆的行为的唯一逻辑原因剩下要进行车道变换。
此外,通过这种方式可以将其他车辆的复杂的行为分析分解成可彼此独立解决的子问题。因此,复杂性被降低到可操作的单元(“部分和主控(Teile und beherrsche)”)。因此,例如可以对激活的行驶方向指示器的识别进行优化,而在此不会无意地受速度匹配的识别的影响。
以协同的方式借助情况分类器对行驶情况作为整体进行单独分类也尤其有助于此。情况匹配地调节单个分类器的权重的可能性解除了单个分类器必须满足所有行驶情况的要求的必要性。如果例如可以分析处理行车道标记用以求取当前允许的车道变换,那么第一单个分类器可以对于干燥天气识别所述行车道标记来优化,而第二单个分类器可以对于在雨天识别相同的行车道标记来优化。
一方面,多个“弱学习器”最大灵活地组合成“强学习器(英语strong learner)”改善总概率的可靠性,所述“强学习器”提供关于有意的车道变换的可靠预测。另一方面,明显减少计算开销,因为可以分别非常有效地解决整个任务所分解成的子问题。
所述单个分类器可以例如是贝叶斯网络(Bayes-Netwerke)或者基于情况进行推断的分类器。与相应的行驶情况相关的权重因子例如可以以“自适应增强”(英语AdaptiveBoosting,缩写AdaBoost)算法或梯度树(英语Gradient Tree)算法来训练。
在一种特别有利的构型方案中,响应于权重因子的所求取的组包含为零或者低于预给定的阈值的至少一个权重因子,在求取总概率时不考虑属于该权重因子的单个分类器。通过这种方式,一方面可以与如下趋势起反作用:由于过多数量的当前不重要的、因为对于其他行驶情况(例如情况2至50)所设想的单个分类器,通过在当前的行驶情况(例如情况1)中重要的单个分类器所作的结论被稀释另一方面也可以加速总概率的分析处理,因为省去用于分析处理不重要的单个分类器的计算开销。
在另一特别有利的构型方案中,如果该传感器的观察仅由在求取总概率时不被考虑的单个分类器来使用,则附加地停用用于本车辆的周围环境的至少一个传感器。一方面通过这种方式可以节省用于运行该传感器的能量。另一方面也可以节省在车辆内用于传输观察的带宽。因此,例如对于在日光下的运行而优化的摄像机在黑暗中仅提供噪声,该噪声不包含可用信息并且在数据传输时还被特别差地压缩。带宽在车辆中是紧缺资源;高速CAN总线传输最大1MBit/s。附加地,节省带宽有助于可以更快地分析处理总概率。与此相应地,也可以对其他车辆的可能的车道变换更早地采取反应。例如可以通过关断传感器的电流供给或网络通信来实现停用。
在一个特别有利的构型方案中,响应于所求取的总概率超过预给定的阈值并且其他车辆的预计轨迹由于成问题的车道变换而与本车辆的当前所计划的轨迹相交,将本车辆的光学的和/或声学的警告装置激活,和/或对本车辆的驱动系统、制动系统和/或转向系统进行操控,以阻止轨迹的相交。
警告装置例如可以要求本车辆的驾驶员停止在其方面有意的驾驶操纵或采取其他的应对措施。但是警告装置也可以例如是喇叭,其警告其他车辆的驾驶员执行有意的车道变换。本车辆可能“隐藏”在其他车辆的死角中并且因此未被察觉。
对确定总概率的置信度的要求例如可以取决于对于超过阈值的情况所计划的措施有多剧烈(drastisch)。因此,当由于误警报而操纵本车辆的喇叭时,这造成干扰、但不一定是危险的。反之,对于后面的交通完全令人惊讶的无动机的紧急制动可能导致追尾事故。
有利地,用于预测的方法在本车辆上车载地执行,但是不限于此。例如,该方法还可以完全地或部分地作为云服务来提供。特别地,权重因子可以来自外部源。例如,实现方法的系统在出厂时可配备有初始存在的权重因子,其在车辆的后续运行中通过网络连接来扩展和/或更新。
用于预测的方法例如可以在行驶辅助系统(英语“Advanced Driver AssistanceSystem”,缩写ADAS,高级驾驶员辅助系统)、智能巡航控制(英语“Adaptive CruiseControl”,缩写ACC,自适应巡航控制)、预测自动紧急制动系统(英语“PredicativeEmergency Braking System”/“Automatic Emergency Braking”,缩写AEB,预测紧急制动系统/自动紧急制动)、转弯辅助或者用于完全或部分自动化地行驶的系统中投入使用。
本发明还涉及一种用于求取权重因子的方法。该方法以观察的训练数据集进行工作,这些观察分别涉及相似的驾驶情况,即涉及由情况分类器分配给相同类别的驾驶情况。在每个训练数据组中给出观察的集合。这些观察可以由在确定时刻(“当前时刻”)的瞬时观察和/或由在该“当前时刻”之前的时间段上的观察的时间变化过程组成。附加地分别已知,在“当前时刻”之后是否其他车辆将进行车道变换。
在该方法中对权重因子进行优化,其中,目标是在将具有权重因子的单个概率换算成总概率后,在观察的训练数据组的预给定的集合上平均地将在预测其他车辆是否将进行车道变换时的误差最小化。
例如对于每个训练数据组能够基于其中所包含的观察来分析处理单个分类器的单个概率并且借助权重因子的候选组换算成如下的总概率:借助该总概率基于相关的训练数据组来预测其他车辆的车道变换。然后可以对该总概率与已知的训练信息来比较在“当前时刻”之后是否实际进行车道变换,并且可以评估相应的误差。如果基于已知的训练信息进行车道变换,则所求取的总概率应尽可能大。反之,如果基于已知的训练信息没有进行车道变换,则所确定的总概率应尽可能小。所求取的总概率与各个“真”值1(肯定进行车道变换)或-1(肯定没有进行车道变换)在所有训练数据组上的平均偏差——例如通过在所有训练数据组上形成的平均值、中位数或总和——是对于如下的度量:在相应的行驶情况中权重因子的候选组将单个分类器(“弱学习器”)多好程度地耦合成有说服力的总分类器(“强学习器”)。
然后,可以根据任意的优化方法来测试权重因子的其他经修改的候选组,直至实现在所有训练数据组上的最小误差。如果搜索空间仅具有小的维度,则例如可以根据Brute-Force方法来扫描(abrastern)搜索空间。例如也可以使用任意的梯度下降方法。
如果对于一个类别的驾驶情况完成优化,则可以对于下一类别的驾驶情况重新开始该优化。也就是说,随后使用涉及本车辆的行驶情况的如下训练数据组:所述训练数据组由情况分类器分配给下一个类别。与此相应地,当存在该类别的行驶情况时,该优化的结果在该方法的稍后运行中恰好投入使用。因此,在所有行驶情况上对权重因子的总体上要求的优化可以再次相应于“部分和主控”原理而被划分成可操作的工作包,这些工作包彼此不相关。也就是说,当处理下一个工作包时,不涉及更早的工作包的结果。
在一种特别有利的构型方案中,迭代地执行优化,并且与先前的迭代相比,在每个迭代中考虑附加的单个概率。因此,代替立刻搜遍可供使用的权重因子的完整的多维空间,可以逐步地提高任务的维度并且因此可能实现更快的收敛。例如可以借助AdaBoost算法来执行迭代优化。
在此,特别有利地可以在每个迭代中相应于在预测时在先前的迭代中出现的误差将训练数据组彼此进行加权。以这种方式可以实现,将优化专门集中到出现最大误差的那些训练数据组的相关的分析处理。因此,有针对性地选择适用于对这些训练数据组进行更精确的分析的单个分类器。
权重因子的通过优化获得的数据组可以用于在现有的、为预测车道变换而安装的、具有单个分类器的系统中改进如下精度,借助所述单个分类器可以以该精度来预测其他车辆的车道变换的可能性。因此,数据组涉及具有客户利益(Kundennutzen)的独立产品。因此,本发明还涉及一种权重因子的数据组在所述用于预测的方法中的应用,所述数据组根据所描述的用于求取的方法来获得。
用于预测的方法和用于求取的方法都可以完全或部分地以软件来实现。该软件例如可以用于装配用于驾驶辅助系统或用于至少部分自动化的驾驶的现有控制设备,并且就此而言同样是具有客户利益的独立产品。因此,本发明还涉及一种具有机器可读的指令的计算机程序,当其在计算机和/或控制设备上实施时促使计算机和/或控制设备执行用于预测的方法或用于求取的方法。本发明同样涉及一种具有计算机程序的机器可读的数据载体或下载产品。
此外,要求保护一种控制设备、尤其一种用于车辆的控制设备,其设置用于实施上述方法之一。
附图说明
下面根据附图与本发明的优选实施例的描述一起详细示出其他的改进本发明的措施。附图示出:
图1示出用于预测的方法100的示例性的流程图;
图2示出用于求取权重因子51b-53b的方法200的示例性流程图;
图3示出示例性的行驶情况3,在该行驶情况中可以应用用于预测的方法100。
具体实施方式
根据图1,在方法100的步骤110中将来自本车辆1的周围环境11的观察11a输送给多个单个分类器51-53。观察11a例如可以由传感器记录,其中在图1中示例性地标记传感器11b。
在步骤120中,每个单个分类器51-53求取其自身的对于其他车辆2将进行车道变换的单个概率51a-53a。在此,概率51a-53a可以位于0与1之间的通常标度上,但是例如也可以位于-1与1之间的扩展标度上。在后一种情况下,符号表明预测“没有车道变换”(否定)还是“车道变换”(肯定),而同时数值说明相应的置信度。例如可以求取:
·是否激活其他车辆2的行驶方向指示器(方框121);
·其他车辆2在当前由其他车辆2行驶的车道上的速度是否匹配于在与其相邻的车道上行驶的速度(方框122);和/或
·当前由其他车辆2行驶的车道在其他车辆2前方是否被封锁和/或是否结束(方框123)。
此外,在步骤130中,通过情况分类器54将本车辆1所处的驾驶情况12作为整体分类成多个等级12a-12c中的一个等级。例如可以通过如下方式进行分类:
·根据由本车辆1当前行驶的道路类别(方框131);和/或
·根据在本车辆1的周围环境11中的视线情况和/或根据在本车辆1的周围环境11中的光线情况(方框132);和/或
·根据本车辆1驶向的交通节点的类型(方框133)。
在步骤140中考虑在步骤130中对行驶情况12所进行的分类,用于对于单个分类器51-53——即对于由所述单个分类器51-53提供的单个概率51a-53a——求取一组对此匹配的权重因子51b-53b。
在图1所示的示例中,首先在步骤141中对权重因子51b-53b中的每个权重因子进行如下检查:权重因子分别是否为零或者低于预给定的阈值。如果不是这种情况(真值0),那么在步骤150中确定总概率55时考虑相关的加权因子51b-53b。然而,如果权重因子51b-53b为零或者低于阈值(步骤141中的真值1),那么根据步骤142不考虑所属的单个分类器51-53,并且因此在步骤150中确定总概率55时也不考虑由所述单个分类器51-53提供的单个概率51b-53b。附加地,还可以可选地在步骤143中停用传感器11b,该传感器的观察11a仅仅由根据步骤142不考虑的单个分类器51-53使用。
在步骤150中,将由单个分类器51-53提供的单个概率51a-53a连同所属的权重因子51b-53b一起换算成对于其他车辆2进行车道变换的总概率55。该总概率55在下面可以用于避免本车辆1与其他车辆2之间的碰撞。
在步骤151中首先检查,所求取的总概率55是否超过预给定的阈值。如果是这种情况(真值1),则接下来在步骤152中检查其他车辆2的预计轨迹2a是否与本车辆1的当前计划的轨迹1a相交。如果是这种情况(真值1),则可以采取措施来避免碰撞。在步骤151和152中的检查顺序也可以交换。
作为应对措施,根据步骤160例如考虑操控由本车辆1的驾驶员可觉察的物理警告装置13a和/或对于其他车辆2的驾驶员可觉察的喇叭13b。此外,根据步骤170例如考虑操控本车辆1的驱动系统14、制动系统15和/或转向系统16,以便如此改变本车辆1的轨迹1a,使得其不再与其他车辆2的预计轨迹2a相交。由于轨迹1a和2a分别在空间和时间中确定车辆1和2的位置,因此这些轨迹1a和2a不相交意味着车辆1和2不同时在同一地点,即避免碰撞。
图2示出方法200的一个实施例,借助该实施例可以训练权重因子51b-53b用于方法100中的应用。该方法200从存在具有观察11a的训练数据组70的集合出发,其中,分别预先已知由这些观察11a是否得出其他车辆2的车道变换。
在可选的步骤210中,对观察11a进行准备和预处理。此外,根据可选的步骤220可以提取用于单个分类器51-53的特征。根据可选的步骤230,可以训练用于单个分类器51-53的候选,并且可以评估其性能。根据可选的步骤240,借助该评估可以选出最终的单个分类器51-53。
最后,在步骤250中对权重因子51b-53b进行训练,其中,认为已经确定一组单个分类器51-53。这组单个分类器51-53可以根据图3中所示的步骤230和240已经获得,但也可以通过任何其他方式获得。
根据方框251,迭代地执行优化。在此,与前面的迭代相比,根据方框252在每个迭代中考虑附加的单个概率51a-53a。根据方框253,在每个迭代中,对训练数据集70相应于在先前的迭代中出现的误差彼此进行加权。在第一个迭代中,例如可以将所有的训练数据组70相同地加权。
在优化250结束时求取的权重因子51b-53b可以在训练数据组70所涉及的、等级12a-12c的行驶情况12中考虑用于单个分类器51-53的权重。
图3示出了一种示例性的行驶情况12,在该行驶情况中可应用所述用于预测车道变换的方法100。在图3中示出的示例中,情况分类器54将行驶情况12分类到其中的等级12a-12c取决于行驶是在日光下(等级12a)、在夜晚(等级12b)还是在下雨天气(等级12c)下进行。
在三车道的道路40上,本车辆1在三个车道41、42、43中的中间车道42上行驶。在右侧车道43上行驶有缓慢的其他车辆2′,且从后方接近快速的其他车辆2。本车辆1借助未进一步详细示出的传感装置来监测其周围环境11。
借助该方法100现在例如可以基于快速的其他车辆2的速度结合缓慢的另外的其他车辆2′的存在性来预测对于如下的高概率:其他车辆2违反禁令地在右侧超过本车辆1并且在本车辆1的前方驶入其车道42中。当这发生时,其他车辆2的预计轨迹2a将与本车辆1的当前所计划的轨迹1a相交。本车辆1能够采取对此的应对措施。
Claims (14)
1.一种用于由本车辆(1)的周围环境(11)的观察(11a)来预测在所述本车辆(1)的周围环境中是否有其他车辆(2)将进行车道变换的方法(100),所述方法具有以下步骤:
将所述观察(11a)输送(110)给多个单个分类器(51-53);
每个单个分类器(51-53)根据单独的规则由所述观察(11a)的至少一个子集来求取(120)所述其他车辆(2)将进行车道变换的单个概率(51a-53a);
将所述本车辆(1)所处的行驶情况(12)作为整体借助情况分类器(54)分类(130)成多个离散的类别(12a-12c)中的一个类别;
求取(140)权重因子(51b-53b)的分配给如下类别(12a-12c)的组:所述情况分类器(54)已经将所述行驶情况(12)分类成所述类别,所述组对于所述行驶情况(12)说明所述单个分类器(51-53)的相对权重;
将所述单个概率(51a-53a)借助所述权重因子(51b-53b)换算(150)成所述其他车辆(2)将进行车道变换的总概率(55),
其中,将所述权重因子(51b-53b)进行如下优化(250):在借助所述权重因子(51b-53b)将单个概率(51a-53a)换算(150)成总概率(55)之后,在观察(11a)的训练数据组(70)的预给定的集合上平均地将在预测是否有其他车辆(2)将进行车道变换时的误差最小化,其中,对于所述训练数据组(70)分别已知,所述其他车辆(2)是否实际上将进行车道变换,其中,所述训练数据组(70)涉及所述本车辆(1)的如下行驶情况(12),所述行驶情况(12)由所述情况分类器(54)分配给相同的类别(12a-12c)。
2.根据权利要求1所述的方法(100),其中,将所述行驶情况(12)至少根据当前由所述本车辆(1)行驶的道路的道路类别进行分类(131)。
3.根据权利要求1或2所述的方法(100),其中,将所述行驶情况(12)至少根据所述本车辆(1)的周围环境(11)中的视线情况和/或根据所述本车辆(1)的周围环境(11)中的光线情况进行分类(132)。
4.根据权利要求1或2所述的方法(100),其中,将所述行驶情况(12)至少根据所述本车辆(1)所驶向的交通节点的类型进行分类(133)。
5.根据权利要求1或2所述的方法(100),其中,响应于所述权重因子(51b-53b)的所求取的组包含(141)为零或者低于预给定的阈值的至少一个权重因子(51b-53b),在求取所述总概率(55)时不考虑(142)属于所述权重因子(51b-53b)的单个分类器(51-53)。
6.根据权利要求5所述的方法(100),其中,将用于所述本车辆(1)的周围环境(11)的至少一个传感器(11b)停用(143),所述至少一个传感器的观察(11a)仅仅由在求取所述总概率(55)时不考虑(142)的单个分类器(51-53)使用。
7.根据权利要求1或2所述的方法(100),其中,至少一个单个分类器(51-53)求取(121)所述其他车辆(2)的行驶方向指示器是否激活。
8.根据权利要求1或2所述的方法(100),其中,至少一个单个分类器(51-53)求取(122)所述其他车辆(2)在当前由所述其他车辆(2)行驶的车道上的速度是否匹配于在与其相邻的车道上行驶的速度。
9.根据权利要求1或2所述的方法(100),其中,至少一个单个分类器(51-53)求取(123)当前由所述其他车辆(2)行驶的车道在所述其他车辆(2)的前方是否被封锁和/或是否结束。
10.根据权利要求1或2所述的方法(100),其中,响应于所求取的总概率(55)超过(151)预给定的阈值并且所述其他车辆(2)的预计轨迹(2a)由于成问题的车道变换而与所述本车辆(1)的当前所计划的轨迹(1a)相交(152),将所述本车辆(1)的光学的和/或声学的警告装置(13a,13b)激活(160),和/或对所述本车辆(1)的驱动系统(14)、制动系统(15)和/或转向系统(16)进行操控(170),以阻止所述轨迹(1a,2a)相交。
11.根据权利要求1所述的方法(200),其中,迭代地执行(251)所述优化(250),其中,相比于先前的迭代,在每个迭代时考虑(252)附加的单个概率(51a-53a)。
12.根据权利要求11所述的方法(200),其中,在每个迭代中,将所述训练数据组(70)相应于在所述预测时在先前的迭代中出现的误差彼此进行加权(253)。
13.一种权重因子(51b-53b)的数据组(60),其应用在根据权利要求1至12中任一项所述的方法(100)中。
14.一种计算机程序,其包括机器可读的指令,用于当其在计算机上和/或在控制设备上实施时促使所述计算机和/或所述控制设备来执行根据权利要求1至12中任一项所述的方法(100,200)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018222176.6 | 2018-12-18 | ||
DE102018222176.6A DE102018222176A1 (de) | 2018-12-18 | 2018-12-18 | Vorhersage des Spurwechsels von Fremdfahrzeugen |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111332296A CN111332296A (zh) | 2020-06-26 |
CN111332296B true CN111332296B (zh) | 2024-03-29 |
Family
ID=70859074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911308902.0A Active CN111332296B (zh) | 2018-12-18 | 2019-12-18 | 其他车辆的车道变换的预测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11332134B2 (zh) |
CN (1) | CN111332296B (zh) |
DE (1) | DE102018222176A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016213495A1 (de) * | 2016-07-22 | 2018-01-25 | Robert Bosch Gmbh | Fahrassistenzverfahren, Fahrassistenzsystem und Fahrzeug |
JP7313298B2 (ja) * | 2020-02-13 | 2023-07-24 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
US11433923B2 (en) * | 2020-06-10 | 2022-09-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for long-term prediction of lane change maneuver |
US11921506B2 (en) * | 2021-05-28 | 2024-03-05 | Nissan North America, Inc. | Belief state determination for real-time decision-making |
US20230037006A1 (en) * | 2021-07-27 | 2023-02-02 | Rivian Ip Holdings, Llc | Map positioning via indication of turn intention |
DE102021210545A1 (de) | 2021-09-22 | 2023-03-23 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verbesserte Vorhersage für Fahrmanöver von Fremdfahrzeugen |
DE102021125945A1 (de) | 2021-10-06 | 2023-04-06 | Bayerische Motoren Werke Aktiengesellschaft | Fahrzeugführungssystem und Verfahren zur Steuerung einer Nothalteassistenzfunktion eines Kraftfahrzeugs |
CN115447599B (zh) * | 2022-09-22 | 2023-06-27 | 上海保隆汽车科技股份有限公司 | 车辆转向自动预警方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104781125A (zh) * | 2012-08-23 | 2015-07-15 | 罗伯特·博世有限公司 | 用于优化交通流的车道选择辅助(交通流辅助) |
CN107000747A (zh) * | 2014-11-10 | 2017-08-01 | 马自达汽车株式会社 | 车辆加减速度控制装置 |
DE102016106983A1 (de) * | 2016-04-15 | 2017-10-19 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erkennen eines möglichen Spurwechselmanövers eines Zielfahrzeugs, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006049264A1 (de) | 2006-10-19 | 2008-04-30 | Robert Bosch Gmbh | Verfahren zum Betreiben einer Brennkraftmaschine sowie Steuer- und Regeleinrichtung für eine Brennkraftmaschine |
EP2562060B1 (en) * | 2011-08-22 | 2014-10-01 | Honda Research Institute Europe GmbH | A method and system for predicting movement behavior of a target traffic object |
US20150186924A1 (en) * | 2013-12-31 | 2015-07-02 | Anto Chittilappilly | Media spend optimization using a cross-channel predictive model |
EP2942765B1 (en) * | 2014-05-07 | 2018-12-26 | Honda Research Institute Europe GmbH | Method and system for predictive lane change assistance, program software product and vehicle |
US9868393B2 (en) * | 2015-12-10 | 2018-01-16 | International Business Machines Corporation | Vehicle accident avoidance system |
US10062288B2 (en) * | 2016-07-29 | 2018-08-28 | GM Global Technology Operations LLC | Systems and methods for autonomous driving merging management |
DE102016009762A1 (de) * | 2016-08-11 | 2018-02-15 | Trw Automotive Gmbh | Steuerungssystem und Steuerungsverfahren zum Ermitteln einer Wahrscheinlichkeit für einen Fahrspurwechsel eines vorausfahrenden Kraftfahrzeugs |
US10748075B2 (en) * | 2016-10-21 | 2020-08-18 | Stmicroelectronics, Inc. | Method and apparatus for energy efficient probabilistic context awareness of a mobile or wearable device user by switching between a single sensor and multiple sensors |
US20190164007A1 (en) * | 2017-11-30 | 2019-05-30 | TuSimple | Human driving behavior modeling system using machine learning |
US10829120B2 (en) * | 2018-06-18 | 2020-11-10 | Valeo Schalter Und Sensoren Gmbh | Proactive safe driving for an automated vehicle |
CN111045422A (zh) * | 2018-10-11 | 2020-04-21 | 顾泽苍 | 一种自动驾驶导入“机智获得”模型的控制方法 |
US10816987B2 (en) * | 2018-10-15 | 2020-10-27 | Zoox, Inc. | Responsive vehicle control |
US11481611B2 (en) * | 2018-11-02 | 2022-10-25 | International Business Machines Corporation | RRAM crossbar array structure for multi-task learning |
US11577750B2 (en) * | 2018-11-08 | 2023-02-14 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for determining a vehicle comfort metric for a prediction of a driving maneuver of a target vehicle |
-
2018
- 2018-12-18 DE DE102018222176.6A patent/DE102018222176A1/de active Pending
-
2019
- 2019-12-16 US US16/715,572 patent/US11332134B2/en active Active
- 2019-12-18 CN CN201911308902.0A patent/CN111332296B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104781125A (zh) * | 2012-08-23 | 2015-07-15 | 罗伯特·博世有限公司 | 用于优化交通流的车道选择辅助(交通流辅助) |
CN107000747A (zh) * | 2014-11-10 | 2017-08-01 | 马自达汽车株式会社 | 车辆加减速度控制装置 |
DE102016106983A1 (de) * | 2016-04-15 | 2017-10-19 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Erkennen eines möglichen Spurwechselmanövers eines Zielfahrzeugs, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug |
Also Published As
Publication number | Publication date |
---|---|
CN111332296A (zh) | 2020-06-26 |
DE102018222176A1 (de) | 2020-06-18 |
US20200189581A1 (en) | 2020-06-18 |
US11332134B2 (en) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111332296B (zh) | 其他车辆的车道变换的预测 | |
US11256252B2 (en) | Alerting predicted accidents between driverless cars | |
US11815892B2 (en) | Agent prioritization for autonomous vehicles | |
CN110488802B (zh) | 一种网联环境下的自动驾驶车辆动态行为决策方法 | |
US10037036B2 (en) | Method and arrangement for determining safe vehicle trajectories | |
US9598078B2 (en) | Alerting predicted accidents between driverless cars | |
US10372136B2 (en) | Local trajectory planning method and apparatus for smart vehicles | |
CN113228040B (zh) | 多级对象行进方向估计的系统和方法 | |
JP7145815B2 (ja) | 電子制御装置 | |
CN109910880B (zh) | 车辆行为规划的方法、装置、存储介质和终端设备 | |
CN114061581A (zh) | 通过相互重要性对自动驾驶车辆附近的智能体排名 | |
WO2021051959A1 (zh) | 车辆控制的方法、装置、控制器和智能汽车 | |
US11827247B2 (en) | Systems and methods for externally assisted self-driving | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN114872735B (zh) | 基于神经网络算法的自动驾驶物流车辆决策方法和装置 | |
KR102602271B1 (ko) | 인공신경망을 이용한 주행 차량의 충돌 가능성 판단 방법 및 장치 | |
WO2021229671A1 (ja) | 走行支援装置および走行支援方法 | |
CN111469852B (zh) | 用于机动车的驾驶员辅助系统的主对象选择的方法和驾驶辅助系统 | |
US20210101596A1 (en) | System and method for a vehicle adaptive cruise control for a stop-go event | |
Tagiew | Mainline Automatic Train Horn and Brake Performance Metric | |
US20230311879A1 (en) | Autonomous driving control apparatus and method thereof | |
US11648962B1 (en) | Safety metric prediction | |
US20230182784A1 (en) | Machine-learning-based stuck detector for remote assistance | |
US20240067216A1 (en) | Verification of vehicle prediction function | |
EP4293633A1 (en) | Assisted vehicle operation based on dynamic occupancy grid maps including semantic information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |