CN112368662B - 用于自主运载工具操作管理的定向调整动作 - Google Patents

用于自主运载工具操作管理的定向调整动作 Download PDF

Info

Publication number
CN112368662B
CN112368662B CN201980043929.3A CN201980043929A CN112368662B CN 112368662 B CN112368662 B CN 112368662B CN 201980043929 A CN201980043929 A CN 201980043929A CN 112368662 B CN112368662 B CN 112368662B
Authority
CN
China
Prior art keywords
vehicle
autonomous vehicle
transport network
scenario
autonomous
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
Application number
CN201980043929.3A
Other languages
English (en)
Other versions
CN112368662A (zh
Inventor
K·H·雷
S·维特维奇
S·齐伯尔斯坦
M·赛弗金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Massachusetts UMass
Nissan North America Inc
Original Assignee
University of Massachusetts UMass
Nissan North America Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Massachusetts UMass, Nissan North America Inc filed Critical University of Massachusetts UMass
Publication of CN112368662A publication Critical patent/CN112368662A/zh
Application granted granted Critical
Publication of CN112368662B publication Critical patent/CN112368662B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18159—Traversing an intersection
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • 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]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/20—Data confidence level
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle for navigation systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/55—External transmission of data to or from the vehicle using telemetry
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle

Abstract

由自主运载工具穿过运载工具运输网络可以包括：识别不同运载工具操作场景的场景特定操作控制评价模型所用的策略；从该策略接收候选运载工具控制动作，其中，响应于不同运载工具操作场景的不确定度值超过定义不确定度阈值的判断，候选运载工具控制动作是定向调整运载工具控制动作；以及根据候选运载工具控制动作来穿过运载工具运输网络的一部分，其中，运载工具运输网络的该部分包括不同运载工具操作场景。

Description

用于自主运载工具操作管理的定向调整动作
技术领域
本发明涉及自主运载工具操作管理和自主驾驶。
背景技术
诸如自主运载工具等的运载工具可以穿过运载工具运输网络的一部分。穿过运载工具运输网络的一部分可以包括诸如通过运载工具的传感器生成或捕获运载工具的数据(诸如表示操作环境或一部分的数据等)。因此，用于自主运载工具操作管理的定向调整运载工具控制动作所用的系统、方法和设备可以是有利的。
发明内容
这里公开了用于自主运载工具操作管理的定向调整运载工具控制动作的方面、特征、元素、实现和实施例。
所公开的实施例的一方面是一种用于由自主运载工具穿过运载工具运输网络的方法。穿过所述运载工具运输网络包括操作场景特定操作控制评价模块实例，其中，所述场景特定操作控制评价模块实例包括不同运载工具操作场景的场景特定操作控制评价模型的实例，以及其中，操作所述场景特定操作控制评价模块实例包括识别所述场景特定操作控制评价模型所用的策略。穿过所述运载工具运输网络包括从所述场景特定操作控制评价模块实例所用的策略接收候选运载工具控制动作，其中，响应于所述不同运载工具操作场景的不确定度值超过定义不确定度阈值的判断，所述候选运载工具控制动作是定向调整运载工具控制动作。穿过所述运载工具运输网络包括根据所述候选运载工具控制动作来穿过所述运载工具运输网络的一部分，其中，所述运载工具运输网络的所述部分包括所述不同运载工具操作场景。
所公开的实施例的另一方面是包括一种处理器的自主运载工具，所述处理器被配置为执行非暂时性计算机可读介质上所存储的指令以操作场景特定操作控制评价模块实例，其中，所述场景特定操作控制评价模块实例包括不同运载工具操作场景的场景特定操作控制评价模型的实例，以及其中，操作所述场景特定操作控制评价模块实例包括识别所述场景特定操作控制评价模型所用的策略。所述处理器被配置为执行非暂时性计算机可读介质上所存储的指令以从所述场景特定操作控制评价模块实例所用的策略接收候选运载工具控制动作，其中，响应于所述不同运载工具操作场景的不确定度值超过定义不确定度阈值的判断，所述候选运载工具控制动作是定向调整运载工具控制动作。所述处理器被配置为执行非暂时性计算机可读介质上所存储的指令以根据所述候选运载工具控制动作来穿过所述运载工具运输网络的一部分，其中，所述运载工具运输网络的所述部分包括所述不同运载工具操作场景。
所公开的实施例的另一方面是一种用于由自主运载工具穿过运载工具运输网络的方法。穿过所述运载工具运输网络包括操作场景特定操作控制评价模块实例，其中，所述场景特定操作控制评价模块实例包括不同运载工具操作场景的场景特定操作控制评价模型的实例，以及其中，操作所述场景特定操作控制评价模块实例包括识别所述场景特定操作控制评价模型所用的策略。穿过所述运载工具运输网络包括从所述场景特定操作控制评价模块实例所用的策略接收候选运载工具控制动作，其中，响应于所述不同运载工具操作场景的不确定度值超过定义不确定度阈值的判断，所述候选运载工具控制动作是定向调整运载工具控制动作。穿过所述运载工具运输网络包括根据所述候选运载工具控制动作来穿过所述运载工具运输网络的一部分，其中，所述运载工具运输网络的所述部分包括所述不同运载工具操作场景。根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分包括：响应于所述自主运载工具和所述通行权边界位置之间的距离在预期直到静止的距离内的判断，控制所述自主运载工具以减速穿过所述运载工具运输网络。根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分包括：响应于所述自主运载工具的当前位置与所述通行权边界位置相对应的判断，控制所述自主运载工具以停止穿过所述运载工具运输网络。
以下进一步详细描述了这里公开的方法、设备、过程和算法的这些和其它方面、特征、元素、实现和实施例的变形。
附图说明
通过参考以下描述和附图中所提供的示例，这里公开的方法和设备的各个方面将变得更加明显，其中在附图中：
图1是可以实现这里公开的方面、特征和元素的运载工具的示例的图。
图2是可以实现这里公开的方面、特征和元素的运载工具运输和通信系统的一部分的示例的图。
图3是根据本发明的运载工具运输网络的一部分的图；
图4是根据本发明的实施例的自主运载工具操作管理系统的示例的图；
图5是根据本发明的实施例的自主运载工具操作管理的示例的流程图；
图6是根据本发明的实施例的包括通行权模糊的交叉路口场景的运载工具运输网络的交叉路口场景部分的示例的图。
图7是根据本发明的实施例的定向调整运载工具控制动作速率分布的示例的曲线图。
图8是根据本发明的实施例的包括通行权模糊的交叉路口场景的运载工具运输网络的另一交叉路口场景部分的示例的图。
图9是根据本发明的实施例的包括通行权模糊的交叉路口场景的运载工具运输网络的另一交叉路口场景部分的示例的图。
图10是根据本发明的实施例的包括通行权模糊的行人场景的运载工具运输网络的行人场景部分的示例的图。
图11是根据本发明的实施例的包括通行权模糊的让路停止行人场景的运载工具运输网络的另一行人场景部分的示例的图。
图12是根据本发明的实施例的包括通行权模糊的合并场景的运载工具运输网络的合并场景部分的示例的图。
图13是根据本发明的实施例的包括通行权模糊的车道变换场景的运载工具运输网络的车道变换场景部分的示例的图。
图14是根据本发明的实施例的包括通行权模糊的车道重叠运载工具操作场景的运载工具运输网络的车道重叠场景部分的示例的图。
具体实施方式
诸如自主运载工具或半自主运载工具等的运载工具可以穿过运载工具运输网络的一部分。运载工具可以包括一个或多个传感器，并且穿过运载工具运输网络可以包括传感器生成或捕获传感器数据(诸如与运载工具的操作环境或其一部分相对应的数据等)。例如，传感器数据可以包括与一个或多个外部对象(诸如行人、远程运载工具、运载工具操作环境内的其它对象、运载工具运输网络几何形状、或其组合等)相对应的信息。
自主运载工具可以包括自主运载工具操作管理系统，该自主运载工具操作管理系统可以包括可处理自主运载工具的操作环境数据(诸如传感器数据等)的一个或多个操作环境监视器。操作环境监视器可以包括阻塞监视器，该阻塞监视器可以确定运载工具运输网络中的、在时空上靠近自主运载工具的部分的可用性信息的概率。自主运载工具操作管理系统可以包括自主运载工具操作管理控制器，该自主运载工具操作管理控制器可以检测与外部对象相对应的一个或多个操作场景，诸如行人场景、交叉路口场景、车道变换场景、或任何其它运载工具操作场景或运载工具操作场景组合等。自主运载工具操作管理系统可以包括一个或多个场景特定操作控制评价模块。各场景特定操作控制评价模块可以是相应操作场景的模型，诸如部分可观察马尔可夫决策过程(POMDP)模型等。自主运载工具操作管理控制器可以响应于检测到相应操作场景而实例化场景特定操作控制评价模块的相应实例。自主运载工具操作管理控制器可以从相应的实例化场景特定操作控制评价模块实例接收候选运载工具控制动作，可以从候选运载工具控制动作中识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络的一部分。
不同运载工具操作场景可以包括与关于运载工具运输网络的通行权重叠部分的通行权的不确定度(诸如遮挡物所引起的不确定度、关于外部对象的行为的不确定度、或关于自主运载工具的明显行为的不确定度等)相对应的通行权模糊。自主运载工具可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分，该定向调整运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以诸如通过缓慢向前寸动等在定义通行权参数内改变运载工具相对于遮挡物、外部对象或这两者的定向来控制运载工具穿过运载工具运输网络或其一部分，这可以诸如通过朝向运载工具运输网络的通行权重叠部分慢慢移动等来减小通行权不确定度。
尽管这里参考自主运载工具进行了描述，但这里描述的方法和设备可以在能够进行自主或半自主操作的任何运载工具中实现。尽管参考运载工具运输网络进行了描述，但这里描述的方法和设备可以包括运载工具可导航的任何区域内操作的自主运载工具。
图1是可以实现这里公开的方面、特征和元素的运载工具的示例的图。如图所示，运载工具1000包括底盘1100、动力总成1200、控制器1300和轮1400。尽管为了简单起见，运载工具1000被示出为包括四个轮1400，但是可以使用诸如推动器或踏面等的任何其它推进装置。在图1中，诸如动力总成1200、控制器1300和轮1400等的线路互连元件指示：诸如数据或控制信号等的信息、诸如电力或扭矩等的动力、或者信息和动力这两者可以在相应元件之间通信。例如，控制器1300可以从动力总成1200接收动力，并且可以与动力总成1200、轮1400或这两者通信以控制运载工具1000，这可以包括诸如通过加速或减速等来控制运载工具的动力学状态、诸如通过转向等来控制运载工具的方向状态、或以其它方式控制运载工具1000。
如图所示，动力总成1200包括动力源1210、发送单元1220、转向单元1230和致动器1240。可以包括动力总成的其它元件或元件组合(诸如悬架、驱动轴、轮轴或排气系统等)。尽管单独示出，但轮1400可以包括在动力总成1200中。
动力源1210可以包括引擎、电池或其组合。动力源1210可以是可操作地提供诸如电能、热能或动能等的能量的任何装置或装置组合。例如，动力源1210可以包括诸如内燃机、电动马达、或内燃机和电动马达的组合等的引擎，并且可以可操作地向轮1400中的一个或多个提供动能作为原动力。动力源1210可以包括潜在能量单元，例如：诸如镍镉(NiCd)电池、镍锌(NiZn)电池、镍氢(NiMH)电池、锂离子(Li离子)电池等的一个或多个干电池；太阳能电池；燃料电池；或能够提供能量的任何其它装置。
发送单元1220从动力源1210接收诸如动能等的能量，并可以将能量发送至轮1400以提供原动力。发送单元1220可以由控制器1300、致动器1240或这两者控制。转向单元1230可以由控制器1300、致动器1240或这两者控制，并可以控制轮1400以使运载工具转向。致动器1240可以接收来自控制器1300的信号，并且可以致动或控制动力源1210、发送单元1220、转向单元1230或其任何组合以操作运载工具1000。
如图所示，控制器1300可以包括定位单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360和电子通信接口1370、或其任何组合。尽管被示出为单个单元，但控制器1300的任何一个或多个元件可以集成到任何数量的单独物理单元中。例如，用户接口1350和处理器1330可以集成在第一物理单元中，并且存储器1340可以集成在第二物理单元中。尽管在图1中未示出，但控制器1300可以包括诸如电池等的动力源。尽管被示出为单独元件，但是定位单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360、电子通信接口1370或其任何组合可以集成在一个或多个电子单元、电路或芯片中。
处理器1330可以包括现有的或随后开发的能够操纵或处理信号或其它信息的任何装置或装置组合，包括光学处理器、量子处理器、分子处理器或其组合。例如，处理器1330可以包括一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个集成电路、一个或多个专用集成电路、一个或多个现场可编程门阵列、一个或多个可编程逻辑阵列、一个或多个可编程逻辑控制器、一个或多个状态机或其任何组合。处理器1330可以可操作地与定位单元1310、存储器1340、电子通信接口1370、电子通信单元1320、用户接口1350、传感器1360、动力总成1200或其任何组合耦接。例如，处理器可以可操作地经由通信总线130与存储器1340耦接。
存储器1340可以包括任何有形的非暂时性计算机可用或计算机可读介质，其例如能够包含、存储、通信或传输机器可读指令或与其相关联的任何信息以供处理器1330或结合处理器1330使用。存储器1340可以是例如一个或多个固态驱动器、一个或多个存储卡、一个或多个可移除介质、一个或多个只读存储器、一个或多个随机存取存储器、一个或多个盘(包括硬盘、软盘、光盘)、磁卡或光卡、或适合存储电子信息的任何类型的非暂时性介质、或其任何组合。
通信接口1370可以是如图所示的无线天线、有线通信端口、光通信端口、或者能够与有线或无线电子通信介质1500接合的任何其它有线或无线单元。尽管图1示出经由单个通信链路进行通信的通信接口1370，但是通信接口可被配置为经由多个通信链路进行通信。尽管图1示出单个通信接口1370，但是运载工具可以包括任意数量的通信接口。
通信单元1320可被配置为经由有线或无线电子通信介质1500(诸如经由通信接口1370等)来发送或接收信号。尽管在图1中没有明确示出，但通信单元1320可被配置为经由任何有线或无线通信介质(诸如射频(RF)、紫外光(UV)、可见光、光纤、有线线路或其组合)来进行发送、接收或这两者。尽管图1示出单个通信单元1320和单个通信接口1370，但是可以使用任何数量的通信单元和任何数量的通信接口。在一些实施例中，通信单元1320可以包括专用短距离通信(DSRC)单元、车载单元(OBU)或其组合。
定位单元1310可以确定运载工具1000的地理位置信息，诸如经度、纬度、高度、行进方向或速率。例如，定位单元可以包括全球定位系统(GPS)单元，诸如广域增强系统(WAAS)启用的国家海洋电子协会(NMEA)单元、无线电三角测量单元或其组合。定位单元1310可以用于获得表示例如运载工具1000的当前航向、运载工具1000在二维或三维中的当前位置、运载工具1000的当前角定向或其组合的信息。
用户接口1350可以包括能够与人接合的任何单元，诸如虚拟或物理键盘、触摸板、显示器、触摸显示器、抬头显示器、虚拟显示器、增强现实显示器、触觉显示器、特征跟踪装置(诸如眼跟踪装置等)、扬声器、麦克风、摄像机、传感器、打印机或其任何组合等。如图所示，用户接口1350可以可操作地与处理器1330或者与控制器1300的任何其它元件耦接。尽管被示出为单个单元，但是用户接口1350可以包括一个或多个物理单元。例如，用户接口1350可以包括用于与人进行音频通信的音频接口、以及用于与人进行基于视觉和触摸的通信的触摸显示器。用户接口1350可以包括多个显示器，诸如多个物理分离单元、单个物理单元内的多个定义部分、或其组合等。
传感器1360可以包括能够可操作地提供可用于控制运载工具的信息的一个或多个传感器(诸如传感器阵列等)。传感器1360可以提供与运载工具1000的当前操作特性有关的信息。传感器1360可以包括例如速率传感器、加速度传感器、转向角传感器、牵引力相关传感器、制动相关传感器、转向轮位置传感器、眼跟踪传感器、就座位置传感器、或者任何传感器或传感器组合，其可操作地报告与运载工具1000的当前动态情形的某些方面有关的信息。
传感器1360可以包括可操作地获得与运载工具1000周围的物理环境有关的信息的一个或多个传感器。例如，一个或多个传感器可以检测道路几何形状和特征(诸如车道线等)、以及障碍物(诸如固定障碍物、运载工具和行人等)。传感器1360可以是或者包括现在已知的或随后开发的一个或多个摄像机、激光感测系统、红外感测系统、声感测系统或者任何其它合适类型的车载环境感测装置或装置组合。在一些实施例中，传感器1360和定位单元1310可以是组合单元。
尽管没有单独示出，但是运载工具1000可以包括轨迹控制器。例如，控制器1300可以包括轨迹控制器。轨迹控制器可以可操作地获得用于描述运载工具1000的当前状态和针对运载工具1000规划的路线的信息，并基于该信息来确定和优化运载工具1000的轨迹。在一些实施例中，轨迹控制器可以输出可操作地控制运载工具1000以使得运载工具1000遵循轨迹控制器所确定的轨迹的信号。例如，轨迹控制器的输出可以是优化轨迹，该优化轨迹可被供给至动力总成1200、轮1400或这两者。在一些实施例中，优化轨迹可以是诸如转向角的集合等的控制输入，其中各转向角与时间点或位置相对应。在一些实施例中，优化轨迹可以是一个或多个路径、线路、曲线或其组合。
轮1400中的一个或多个可以是：可在转向单元1230的控制下枢转至转向角度的转向轮；可在发送单元1220的控制下扭转以推动运载工具1000的推动轮；或者可对运载工具1000进行转向和推动的转向推动轮。
尽管在图1中未示出，但运载工具可以包括图1中未示出的单元或元件，诸如外壳、蓝牙
Figure BDA0002866529400000091
模块、调频(FM)无线电单元、近场通信(NFC)模块、液晶显示器(LCD)显示单元、有机发光二极管(OLED)显示单元、扬声器或其任何组合。
运载工具1000可以是在没有直接人工干预的情况下自主地控制以穿过运载工具运输网络的一部分的自主运载工具。尽管在图1中没有单独示出，但是自主运载工具可以包括自主运载工具控制单元，该自主运载工具控制单元可以进行自主运载工具路线规划、导航和控制。自主运载工具控制单元可以与运载工具的另一单元集成。例如，控制器1300可以包括自主运载工具控制单元。
自主运载工具控制单元可以根据当前运载工具操作参数来控制或操作运载工具1000以穿过运载工具运输网络的一部分。自主运载工具控制单元可以控制或操作运载工具1000以进行定义操作或机动，诸如使运载工具停泊等。自主运载工具控制单元可以基于运载工具信息、环境信息、表示运载工具运输网络的运载工具运输网络数据、或其组合来生成从原点(诸如运载工具1000的当前位置等)到目的地的行进路线，并且可以根据该路线来控制或操作运载工具1000以穿过运载工具运输网络。例如，自主运载工具控制单元可以将行进路线输出到轨迹控制器，并且轨迹控制器可以操作运载工具1000以使用所生成的路线从原点行进至目的地。
图2是可以实现这里公开的方面、特征和元素的运载工具运输和通信系统的一部分的示例的图。运载工具运输和通信系统2000可以包括诸如图1所示的运载工具1000等的一个或多个运载工具2100/2110，该一个或多个运载工具2100/2110可以经由一个或多个运载工具运输网络2200的一个或多个部分行进，并且可以经由一个或多个电子通信网络2300进行通信。尽管在图2中没有明确示出，但是运载工具可以穿过没有明确或完全包括在运载工具运输网络中的区域(诸如越野区域等)。
电子通信网络2300可以例如是多址系统，并且可以在运载工具2100/2110和一个或多个通信装置2400之间提供诸如语音通信、数据通信、视频通信、消息传送通信或其组合等的通信。例如，运载工具2100/2110可以经由网络2300从通信装置2400接收诸如表示运载工具运输网络2200的信息等的信息。
在一些实施例中，运载工具2100/2110可以经由有线通信链路(未示出)、无线通信链路2310/2320/2370或任意数量的有线或无线通信链路的组合来进行通信。例如，如图所示，运载工具2100/2110可以经由地面无线通信链路2310、经由非地面无线通信链路2320、或经由其组合来进行通信。地面无线通信链路2310可以包括以太网链路、串行链路、蓝牙链路、红外(IR)链路、紫外(UV)链路或能够提供电子通信的任何链路。
运载工具2100/2110可以与另一运载工具2100/2110通信。例如，主机或主体运载工具(HV)2100可以经由直接通信链路2370或经由网络2300来从远程或目标运载工具(RV)2110接收一个或多个自动化运载工具间消息，诸如基本安全消息(BSM)等。例如，远程运载工具2110可以向定义广播范围(诸如300米)内的主机运载工具广播消息。在一些实施例中，主机运载工具2100可以经由诸如信号中继器(未示出)或另一远程运载工具(未示出)等的第三方来接收消息。运载工具2100/2110可以例如基于诸如100毫秒等的定义间隔来周期性地发送一个或多个自动化运载工具间消息。
自动化运载工具间消息可以包括运载工具识别信息、地理空间状态信息(诸如经度、纬度或高度信息等)、地理空间位置准确度信息、动力学状态信息(诸如运载工具加速度信息、横摆率信息、速率信息、运载工具航向信息、制动系统状况信息、油门信息、转向轮角度信息或运载工具路线规划信息等)、或运载工具操作状态信息(诸如运载工具大小信息、前灯状态信息、转弯信号信息、雨刷状况信息、发送信息等)、或与发送运载工具状态相关的任何其它信息或信息组合。例如，发送状态信息可以指示发送运载工具的发送是处于中性状态、停泊状态、正向状态还是反向状态。
运载工具2100可以经由接入点2330来与通信网络2300进行通信。可包括计算装置的接入点2330可被配置为经由有线或无线通信链路2310/2340来与运载工具2100、通信网络2300、一个或多个通信装置2400或其组合进行通信。例如，接入点2330可以是基站、基站收发台(BTS)、节点B、增强型节点B(eNode-B)、家庭节点B(HNode-B)、无线路由器、有线路由器、集线器、中继器、交换机或任何类似的有线或无线装置。尽管在图2中被示出为单个单元，但接入点可以包括任何数量的互连元件。
运载工具2100可以经由卫星2350或其它非地面通信装置来与通信网络2300进行通信。可包括计算装置的卫星2350可被配置为经由一个或多个通信链路2320/2360来与运载工具2100、与通信网络2300、与一个或多个通信装置2400或与其组合进行通信。尽管在图2中被示出为单个单元，但是卫星可以包括任何数量的互连元件。
电子通信网络2300可以是被配置为提供语音、数据或任何其它类型的电子通信的任何类型的网络。例如，电子通信网络2300可以包括局域网(LAN)、广域网(WAN)、虚拟专用网(VPN)、移动或蜂窝电话网、因特网或任何其它电子通信系统。电子通信网络2300可以使用诸如传输控制协议(TCP)、用户数据报协议(UDP)、因特网协议(IP)、实时传输协议(RTP)、超文本传输协议(HTTP)或其组合等的通信协议。尽管在图2中被示出为单个单元，但是电子通信网络可以包括任何数量的互连元件。
运载工具2100可以识别运载工具运输网络2200的一部分或状况。例如，运载工具2100可以包括一个或多个车载传感器2105(诸如图1所示的传感器1360等)，该一个或多个车载传感器2105可以包括速率传感器、轮速传感器、照相机、陀螺仪、光学传感器、激光传感器、雷达传感器、声传感器、或能够确定或识别运载工具运输网络2200的一部分或状况的任何其它传感器或装置或其组合。传感器数据可以包括车道线数据、远程运载工具位置数据或这两者。
运载工具2100可以使用经由网络2300通信的信息(诸如表示运载工具运输网络2200的信息、一个或多个车载传感器2105所识别的信息、或其组合等)来穿过一个或多个运载工具运输网络2200的一个或多个部分。
尽管为了简单起见，图2示出两个运载工具2100、2110、一个运载工具运输网络2200、一个电子通信网络2300和一个通信装置2400，但是可以使用任何数量的运载工具、网络或计算装置。运载工具运输和通信系统2000可以包括图2中未示出的装置、单元或元件。尽管运载工具2100被示出为单个单元，但运载工具可以包括任何数量的互连元件。
尽管运载工具2100被示出为经由网络2300来与通信装置2400进行通信，但是运载工具2100可以经由任何数量的直接或间接通信链路来与通信装置2400进行通信。例如，运载工具2100可以经由直接通信链路(诸如蓝牙通信链路等)来与通信装置2400进行通信。尽管在图2中没有单独示出，但是远程运载工具或其它外部对象可以省略通信链路。
在一些实施例中，运载工具2100/2210可以与实体2500/2510(诸如运载工具的驾驶员、操作员或所有者等)相关联。在一些实施例中，与运载工具2100/2110相关联的实体2500/2510可以与一个或多个个人电子装置2502/2504/2512/2514(诸如智能电话2502/2512或计算机2504/2514等)相关联。在一些实施例中，个人电子装置2502/2504/2512/2514可以经由直接或间接通信链路与相应运载工具2100/2110进行通信。尽管一个实体2500/2510被示出为与图2中的一个运载工具2100/2110相关联，但任何数量的运载工具可以与实体相关联，并且任何数量的实体可以与运载工具相关联。
图3是根据本发明的运载工具运输网络的一部分的图。运载工具运输网络3000可以包括诸如建筑物等的一个或多个不可导航区域3100、诸如停泊区域3200等的一个或多个部分可导航区域、诸如道路3300/3400等的一个或多个可导航区域、或其组合。在一些实施例中，自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具或实现自主驾驶的任何其它运载工具等)可以穿过运载工具运输网络3000的一个或多个部分。
运载工具运输网络3000可以包括一个或多个可导航或部分可导航区域3200/3300/3400之间的一个或多个交叉口3210。例如，图3所示的运载工具运输网络3000的一部分包括停泊区域3200和道路3400之间的交叉口3210。停泊区域3200可以包括停泊位3220。
运载工具运输网络3000的一部分(诸如道路3300/3400等)可以包括一个或多个车道3320/3340/3360/3420/3440，并且可以与图3中的箭头所指示的一个或多个行进方向相关联。
运载工具运输网络或其一部分(诸如图3所示的运载工具运输网络3000的一部分等)可被表示为运载工具运输网络数据。例如，运载工具运输网络数据可被表示为元素(诸如可被存储在数据库或文件中的标记语言元素等)的层次结构。为了简单起见，这里的数字将表示运载工具运输网络的部分的运载工具运输网络数据描绘为图或地图；然而，运载工具运输网络数据可以以能够表示运载工具运输网络或其一部分的任何计算机可用形式表示。运载工具运输网络数据可以包括运载工具运输网络控制信息，诸如行进方向信息、速率限制信息、收费信息、坡度信息(诸如倾斜或角度信息等)、表面材料信息、美学信息、定义危险信息或其组合等。
运载工具运输网络可以与行人运输网络相关联，或者可以包括行人运输网络。例如，图3包括行人运输网络的一部分3600，该部分3600可以是行人步行道。尽管在图3中没有单独示出，但是诸如行人横道等的行人可导航区域可以与运载工具运输网络的可导航区域或部分可导航区域相对应。
运载工具运输网络的一部分或多个部分的组合可被识别为关注点或目的地。例如，运载工具运输网络数据可以将诸如不可导航区域3100等的建筑物和相邻的部分可导航停泊区域3200识别为关注点，运载工具可以将关注点识别为目的地，并且运载工具可以通过穿过运载工具运输网络来从起点行进到目的地。尽管在图3中与不可导航区域3100相关联的停泊区域3200被示出为与不可导航区域3100相邻，但是目的地可以例如包括建筑物以及在物理上或地理空间上与建筑物不相邻的停泊区域。
识别目的地可以包括识别目的地的位置，该位置可以是离散的唯一可识别地理位置。例如，运载工具运输网络可以包括目的地的定义位置，诸如街道地址、邮政地址、运载工具运输网络地址、GPS地址或其组合等。
目的地可以与一个或多个入口(诸如图3所示的入口3500等)相关联。运载工具运输网络数据可以包括定义的入口位置信息，诸如用于识别与目的地相关联的入口的地理位置的信息等。
目的地可以与一个或多个对接位置(诸如图3所示的对接位置3700等)相关联。对接位置3700可以是与目的地接近的、自主运载工具可以停止、停滞或停泊以使得可以进行诸如乘客装载或卸载等的对接操作的指定或非指定位置或区域。
运载工具运输网络数据可以包括对接位置信息，诸如用于识别与目的地相关联的一个或多个对接位置3700的地理位置的信息等。尽管在图3中没有单独示出，但对接位置信息可以识别与对接位置3700相关联的对接操作的类型。例如，目的地可以与用于乘客装载的第一对接位置和用于乘客卸载的第二对接位置相关联。尽管自主运载工具可以停泊在对接位置，但是与目的地相关联的对接位置可以独立且不同于与目的地相关联的停泊区域。
图4是根据本发明的实施例的自主运载工具操作管理系统4000的示例的图。自主运载工具操作管理系统4000可以在自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具或实现自主驾驶的任何其它运载工具等)中实现。
自主运载工具可以穿过运载工具运输网络或其一部分，这可以包括穿过不同运载工具操作场景。不同运载工具操作场景可以包括自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的任何明显可识别操作条件集。例如，不同运载工具操作场景可以是基于定义时空距离内的自主运载工具可以穿过的道路、路段或车道的数量或基数(cardinality)。在另一示例中，不同运载工具操作场景可以是基于自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的一个或多个交通控制装置。在另一示例中，不同运载工具操作场景可以是基于自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的一个或多个可识别规则、规定或法律。在另一示例中，不同运载工具操作场景可以是基于自主运载工具的定义时空区域或操作环境内的可能影响自主运载工具的操作的一个或多个可识别外部对象。
为了简单和清楚起见，这里可以参考运载工具操作场景类型或类别来描述相似的运载工具操作场景。运载工具操作场景的类型或类别可以是指场景的定义模式或定义模式集。例如，交叉路口场景可以包括自主运载工具穿过交叉路口；行人场景可以包括自主运载工具穿过运载工具运输网络的包括一个或多个行人或位于一个或多个行人的定义接近度内的部分，诸如其中行人正在横过或靠近自主运载工具的预期路径等；车道变换场景可以包括自主运载工具通过变换车道来穿过运载工具运输网络的一部分；合并场景可以包括自主运载工具通过从第一车道合并到合并车道来穿过运载工具运输网络的一部分；通过阻碍场景可以包括自主运载工具经由通过障碍或阻碍来穿过运载工具运输网络的一部分。尽管这里描述了行人运载工具操作场景、交叉路口运载工具操作场景、车道变换运载工具操作场景、合并运载工具操作场景和通过阻碍运载工具操作场景，但是可以使用任何其它运载工具操作场景或运载工具操作场景类型。
如图4所示，自主运载工具操作管理系统4000包括自主运载工具操作管理控制器4100(AVOMC)、操作环境监视器4200和操作控制评价模块4300。
自主运载工具的AVOMC 4100或另一单元可以控制该自主运载工具以穿过运载工具运输网络或其一部分。控制自主运载工具以穿过运载工具运输网络可以包括监视自主运载工具的操作环境、识别或检测不同运载工具操作场景、基于不同运载工具操作场景来识别候选运载工具控制动作、根据一个或多个候选运载工具控制动作来控制自主运载工具以穿过运载工具运输网络的一部分、或这些操作的组合。
AVOMC 4100可以接收、识别或以其它方式访问表示自主运载工具的操作环境或其一个或多个方面的操作环境数据。自主运载工具的操作环境可以包括自主运载工具的定义时空区域内、自主运载工具的识别路线的定义时空区域内、或其组合内的可能影响自主运载工具的操作的明显可识别操作条件集。例如，可以基于传感器数据、运载工具运输网络数据、路线数据或表示运载工具的定义或确定操作环境的任何其它数据或数据组合来识别可能影响自主运载工具的操作的操作条件。
操作环境数据可以包括自主运载工具的运载工具信息，诸如指示自主运载工具的地理空间位置的信息、将自主运载工具的地理空间位置与表示运载工具运输网络的信息相关联的信息、自主运载工具的路线、自主运载工具的速率、自主运载工具的加速状态、自主运载工具的乘客信息、或与自主运载工具或自主运载工具的操作有关的任何其它信息等。操作环境数据可以包括表示接近自主运载工具的识别路线(诸如在运载工具运输网络的部分沿着识别路线的定义空间距离(诸如300米等)内)的运载工具运输网络的信息，该信息可以包括指示运载工具运输网络的一个或多个方面的几何形状的信息、指示运载工具运输网络的状况(诸如表面状况等)的信息、或其任何组合。操作环境数据可以包括表示接近自主运载工具(诸如在自主运载工具的定义空间距离(诸如300米等)内)的运载工具运输网络的信息，该信息可以包括指示运载工具运输网络的一个或多个方面的几何形状的信息、指示运载工具运输网络的状况(诸如表面状况等)的信息、或其任何组合。操作环境数据可以包括表示自主运载工具的操作环境内的外部对象的信息，诸如表示行人、非人类动物、如自行车或滑板等的非机动化运输装置、如远程运载工具等的机动化运输装置、或可能影响自主运载工具的操作的任何其它外部对象或实体的信息等。
自主运载工具的操作环境的各方面可以在相应的不同运载工具操作场景内表示。例如，外部对象的相对定向、轨迹、预期路径可以在相应的不同运载工具操作场景内表示。在另一示例中，运载工具运输网络的相对几何形状可以在相应的不同运载工具操作场景内表示。
作为示例，第一种不同运载工具操作场景可以对应于行人在人行横道上横过道路，并且行人的相对定向和预期路径(诸如从左至右横过或从右至左横过等)可以在第一种不同运载工具操作场景内表示。第二种不同运载工具操作场景可以对应于行人不守交通规则地横过道路，并且行人的相对定向和预期路径(诸如从左至右横过或从右至左横过等)可以在第二种不同运载工具操作场景内表示。
自主运载工具可以穿过操作环境内的多个不同运载工具操作场景，该多个不同运载工具操作场景可以是复合运载工具操作场景的各方面。自主运载工具操作管理系统4000可以操作或控制自主运载工具，以穿过受制于所定义的约束(诸如安全约束、法律约束、物理约束、用户可接受性约束、或者可针对自主运载工具的操作定义或得到的任何其它约束或约束组合等)的不同运载工具操作场景。
AVOMC 4100可以监视自主运载工具的操作环境或其定义方面。监视自主运载工具的操作环境可以包括识别和跟踪外部对象、识别不同运载工具操作场景、或这些操作的组合。例如，AVOMC 4100可以利用自主运载工具的操作环境来识别和跟踪外部对象。识别和跟踪外部对象可以包括识别相应外部对象的可能相对于自主运载工具的时空位置、识别相应外部对象的一个或多个预期路径，这可以包括识别外部对象的速率、轨迹或这两者。为了简单和清楚起见，这里对位置、预期位置、路径和预期路径等的描述可以省略相应位置和路径指代地理空间和时间组成部分的明确指示；然而，除非这里明确指示，或者从上下文中明确指出，否则这里描述的位置、预期位置、路径和预期路径等可以包括地理空间组成部分、时间组成部分或这两者。监视自主运载工具的操作环境可以包括使用从操作环境监视器4200接收到的操作环境数据。
操作环境监视器4200可以包括场景无关监视器、场景特定监视器或其组合。诸如阻塞监视器4210等的场景无关监视器可以监视自主运载工具的操作环境，生成表示自主运载工具的操作环境的各方面的操作环境数据，并将操作环境数据输出到一个或多个场景特定监视器、AVOMC 4100或其组合。诸如行人监视器4220、交叉路口监视器4230、车道变换监视器4240、合并监视器4250或前方阻碍监视器4260等的场景特定监视器可以监视自主运载工具的操作环境，生成表示自主运载工具的操作环境的场景特定方面的操作环境数据，并将操作环境数据输出到一个或多个场景特定操作控制评价模块4300、AVOMC 4100或其组合。例如，行人监视器4220可以是用于监视行人的操作环境监视器，交叉路口监视器4230可以是用于监视交叉路口的操作环境监视器，车道变换监视器4240可以是用于监视车道变换的操作环境监视器，合并监视器4250可以是用于监视合并的操作环境监视器，以及前方阻碍监视器4260可以是用于监视前方阻碍的操作环境监视器。使用虚线示出操作环境监视器4270，以指示自主运载工具操作管理系统4000可以包括任意数量的操作环境监视器4200。
操作环境监视器4200可以接收或以其它方式访问操作环境数据，诸如由自主运载工具的一个或多个传感器生成或捕获的操作环境数据、运载工具运输网络数据、运载工具运输网络几何形状数据、路线数据或其组合等。例如，行人监视器4220可以接收或以其它方式访问诸如传感器数据等的信息，该信息可以指示或对应于自主运载工具的操作环境中的一个或多个行人，或者可以以其它方式与自主运载工具的操作环境中的一个或多个行人相关联。操作环境监视器4200可以将操作环境数据或其一部分与操作环境或其一方面(诸如与诸如行人、远程运载工具或运载工具运输网络几何形状的一方面等的外部对象)相关联。
操作环境监视器4200可以生成或以其它方式识别表示操作环境的一个或多个方面(诸如行人、远程运载工具或运载工具运输网络几何形状的一方面等的外部对象)的信息，这可以包括过滤、提取或以其它方式处理操作环境数据。操作环境监视器4200可以诸如通过将表示操作环境的一个或多个方面的信息存储在AVOMC 4100可访问的自主运载工具的存储器(诸如图1所示的存储器1340等)中、将表示操作环境的一个或多个方面的信息发送至AVOMC 4100、或这些操作的组合等来输出表示操作环境的一个或多个方面的信息至AVOMC 4100或者供AVOMC 4100访问。操作环境监视器4200可以将操作环境数据输出到自主运载工具操作管理系统4000的一个或多个元件(诸如AVOMC 4100等)。尽管在图4中未示出，但是场景特定操作环境监视器4220、4230、4240、4250、4260可以将操作环境数据输出到诸如阻塞监视器4210等的场景无关操作环境监视器。
行人监视器4220可以对操作环境数据进行相关、关联或以其它方式进行处理，以识别、跟踪或预测一个或多个行人的动作。例如，行人监视器4220可以从一个或多个传感器接收可能与一个或多个行人相对应的诸如传感器数据等的信息，行人监视器4220可以将传感器数据与所识别出的一个或多个行人相关联(这可以包括可识别相应的所识别出的一个或多个行人的行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合等)，以及行人监视器4220可以输出识别出的、关联的、或生成的行人信息至AVOMC4100或者供AVOMC 4100访问。
交叉路口监视器4230可以对操作环境数据进行相关、关联或以其它方式进行处理，以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作、识别自主运载工具的操作环境中的交叉路口或其一方面、识别运载工具运输网络几何形状、或进行这些操作的组合。例如，交叉路口监视器4230可以从一个或多个传感器接收可能与自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的交叉路口或其一个或多个方面、运载工具运输网络几何形状或其组合相对应的诸如传感器数据等的信息，交叉路口监视器4230可以将传感器数据与自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境中的交叉路口或其一个或多个方面、运载工具运输网络几何形状或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合)，以及交叉路口监视器4230可以输出识别出的、关联的、或生成的交叉路口信息至AVOMC 4100或者供AVOMC 4100访问。
车道变换监视器4240可以对操作环境数据(诸如指示沿着自主运载工具的预期路径的缓慢或静止的远程运载工具的信息)进行相关、关联或以其它方式进行处理，以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作，识别在地理空间上对应于车道变换操作的自主运载工具的操作环境的一个或多个方面(诸如自主运载工具的操作环境中的运载工具运输网络几何形状等)或其组合。例如，车道变换监视器4240可以从一个或多个传感器接收可能与在地理空间上对应于车道变换操作的自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的自主运载工具的操作环境的一个或多个方面或其组合相对应的诸如传感器数据等的信息，车道变换监视器4240可以将传感器数据与在地理空间上对应于车道变换操作的自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境的一个或多个方面或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合)，并且车道变换监视器4240可以输出识别出的、关联的、或生成的车道变换信息至AVOMC 4100或者供AVOMC 4100访问。
合并监视器4250可以对操作环境数据进行相关、关联或以其它方式进行处理，以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作、识别在地理空间上对应于合并操作的自主运载工具的操作环境中的一个或多个方面(诸如自主运载工具的操作环境中的运载工具运输网络几何形状等)或其组合。例如，合并监视器4250可以从一个或多个传感器接收可能与在地理空间上对应于合并操作的自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的自主运载工具的操作环境的一个或多个方面或其组合相对应的诸如传感器数据等的信息，合并监视器4250可以将传感器数据与在地理空间上对应于合并操作的自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境的一个或多个方面或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合)，并且合并监视器4250可以输出识别出的、关联的、或生成的合并信息至AVOMC 4100或者供AVOMC 4100访问。
前方阻碍监视器4260可以对操作环境数据进行相关、关联或以其它方式进行处理，以识别在地理空间上与前进通过阻碍操作相对应的自主运载工具的操作环境的一个或多个方面。例如，前方阻碍监视器4260可以识别自主运载工具的操作环境中的运载工具运输网络几何形状；前方阻碍监视器4260可以识别自主运载工具的操作环境中的一个或多个阻碍或障碍(诸如沿着自主运载工具的预期路径或沿着自主运载工具的识别路线的缓慢或静止的远程运载工具等)；并且前方阻碍监视器4260可以识别、跟踪或预测自主运载工具的操作环境中的一个或多个远程运载工具的动作。前方阻碍监视器4260可以从一个或多个传感器接收可能与在地理空间上对应于前进通过阻碍操作的自主运载工具的操作环境中的一个或多个远程运载工具、自主运载工具的操作环境中的自主运载工具的操作环境的一个或多个方面或其组合相对应的诸如传感器数据等的信息，前方阻碍监视器4260可以将传感器数据与在地理空间上对应于前进通过阻碍操作的自主运载工具的操作环境中所识别出的一个或多个远程运载工具、自主运载工具的操作环境的一个或多个方面或其组合相关联(这可以包括可识别相应的所识别出的一个或多个远程运载工具的当前或预期行进方向、诸如预期路径等的路径、当前或预期速度、当前或预期加速率、或其组合)，并且前方阻碍监视器4260可以输出识别出的、关联的、或生成的前方阻碍信息至AVOMC 4100或者供AVOMC4100访问。
阻塞监视器4210可以接收表示自主运载工具的操作环境或其一方面的操作环境数据。阻塞监视器4210可以针对运载工具运输网络的一个或多个部分(诸如运载工具运输网络的接近自主运载工具的部分等)确定相应可用概率或相应阻塞概率，该一个或多个部分可以包括运载工具运输网络中的与自主运载工具的预期路径(诸如基于自主运载工具的当前路线而识别出的预期路径等)相对应的部分。可用概率或相应阻塞概率可以指示自主运载工具可以安全地穿过运载工具运输网络中的一部分或空间位置(诸如不受诸如远程运载工具或行人等的外部对象妨碍)的概率或可能性。阻塞监视器4210可以连续或周期性地确定或更新可用概率。阻塞监视器4210可以将可用概率或相应阻塞概率通信至AVOMC4100。
AVOMC 4100可以基于操作环境数据所表示的操作环境的一个或多个方面来识别一个或多个不同运载工具操作场景。例如，AVOMC 4100可以响应于识别出一个或多个操作环境监视器4200所指示的操作环境数据或基于一个或多个操作环境监视器4200所指示的操作环境数据来识别不同运载工具操作场景。可以基于路线数据、传感器数据或其组合来识别不同运载工具操作场景。例如，AVOMC 4100可以响应于识别出运载工具的路线、诸如基于与所识别出的路线相对应的地图数据来识别与所识别出的路线相对应的一个或多个不同运载工具操作场景。可以基于操作环境数据所表示的操作环境的一个或多个方面来识别多个不同运载工具操作场景。例如，操作环境数据可以包括表示行人沿着自主运载工具的预期路径靠近交叉路口的信息，并且AVOMC 4100可以识别行人运载工具操作场景、交叉路口运载工具操作场景或这两者。
AVOMC 4100可以基于操作环境数据所表示的操作环境的一个或多个方面来实例化一个或多个操作控制评价模块4300的相应实例。操作控制评价模块4300可以包括场景特定操作控制评价模块(SSOCEM)，诸如行人SSOCEM 4310、交叉路口SSOCEM 4320、车道变换SSOCEM 4330、合并SSOCEM 4340、通过阻碍SSOCEM 4350、或其组合等。SSOCEM 4360用虚线示出以指示自主运载工具操作管理系统4000可以包括任意数量的SSOCEM 4300。例如，AVOMC 4100可以响应于识别出不同运载工具操作场景来实例化SSOCEM 4300的实例。AVOMC4100可以基于操作环境数据所表示的操作环境的一个或多个方面来实例化一个或多个SSOCEM 4300的多个实例。例如，操作环境数据可以指示自主运载工具的操作环境中的两个行人，并且AVOMC 4100可以基于操作环境数据所表示的操作环境的一个或多个方面来针对各行人实例化行人SSOCEM 4310的相应实例。
AVOMC 4100可以将操作环境数据或其一个或多个方面发送至自主运载工具的另一单元(诸如阻塞监视器4210、或者SSOCEM 4300的一个或多个实例等)。例如，AVOMC 4100可以将从阻塞监视器4210接收到的可用概率或相应阻塞概率通信至SSOCEM 4300的相应实例化实例。AVOMC 4100可以将操作环境数据或其一个或多个方面存储在诸如自主运载工具的存储器(诸如图1所示的存储器1340等)中。
控制自主运载工具以穿过运载工具运输网络可以包括基于不同运载工具操作场景来识别候选运载工具控制动作、根据一个或多个候选运载工具控制动作来控制自主运载工具以穿过运载工具运输网络的一部分、或这些操作的组合。例如，AVOMC 4100可以从SSOCEM 4300的相应实例接收一个或多个候选运载工具控制动作。AVOMC 4100可以从候选运载工具控制动作中识别运载工具控制动作，并且可以根据运载工具控制动作来控制运载工具、或者可以将所识别出的运载工具控制动作提供给另一运载工具控制单元以穿过运载工具运输网络。
运载工具控制动作可以指示运载工具控制操作或机动，例如：诸如通过使运载工具加速、减速或停止来控制运载工具的动力学状态、诸如通过使运载工具转向或转弯停止等来控制运载工具的方向状态、或者可由自主运载工具结合穿过运载工具运输网络的一部分而进行的任何其它运载工具操作或运载工具操作组合。
例如，“停止”运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以使运载工具停止或以其它方式控制运载工具变得或保持静止，来控制运载工具穿过运载工具运输网络或其一部分；“让路”运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以使运载工具减慢或以其它方式控制运载工具以定义阈值或范围内的速率移动，来控制运载工具穿过运载工具运输网络或其一部分，其中速率可以低于定义法定速率限制或在定义法定速率限制内；“定向调整”运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以在定义通行权参数内改变运载工具相对于遮挡物、外部对象或这两者的定向，来控制运载工具穿过运载工具运输网络或其一部分；“加速”运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以定义加速率或定义范围内的加速率进行加速，来控制运载工具穿过运载工具运输网络或其一部分；“减速”运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以定义减速率或定义范围内的减速率进行减速，来控制运载工具穿过运载工具运输网络或其一部分；“维持”运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以诸如通过维持当前速度、当前路径或路线、或当前车道定向等维持当前操作参数，来控制运载工具穿过运载工具运输网络或其一部分；以及“前进”运载工具控制动作可以包括通过控制动力学控制单元、轨迹控制单元或控制单元的组合以开始或恢复先前识别的操作参数集，来控制运载工具穿过运载工具运输网络或其一部分。尽管这里描述了一些运载工具控制动作，但也可以使用其它运载工具控制动作。
运载工具控制动作可以包括一个或多个性能度量。例如，“停止”运载工具控制动作可以包括减速率作为性能度量。在另一示例中，“前进”运载工具控制动作可以明确地将路线或路径信息、速率信息、加速率或其组合指示为性能度量，或者可以明确地或隐含地指示可以维持当前或先前识别的路径、速率、加速率或其组合。运载工具控制动作可以是复合运载工具控制动作，其可以包括运载工具控制动作的序列、组合或这两者。例如，“定向调整”运载工具控制动作可以指示“停止”运载工具控制动作、与定义加速率相关联的后续“加速”运载工具控制动作、以及与定义减速率相关联的后续“停止”运载工具控制动作，使得根据“定向调整”运载工具控制动作来控制自主运载工具包括：控制自主运载工具以缓慢地向前寸动短距离(诸如几英寸或一英尺等)。
AVOMC 4100可以去实例化SSOCEM 4300的实例。例如，AVOMC 4100可以将不同操作条件集识别为指示自主运载工具的不同运载工具操作场景，针对不同运载工具操作场景实例化SSOCEM 4300的实例，监视操作条件，随后判断为一个或多个操作条件已过期或者具有低于定义阈值的影响自主运载工具的操作的概率，并且AVOMC 4100可以去实例化SSOCEM4300的实例。
AVOMC 4100可以基于诸如内在性度量、紧急性度量、效用度量、可接受性度量或其组合等的一个或多个运载工具操作管理控制度量来实例化和去实例化SSOCEM 4300的实例。内在性度量可以指示、表示或基于运载工具从运载工具的当前位置穿过运载工具运输网络至运载工具运输网络的与相应的所识别出的运载工具操作场景相对应的部分所用的空间、时间或时空距离或接近度(其可以是预期距离或接近度)。紧急性度量可以指示、表示或基于可用于控制运载工具穿过运载工具运输网络的与相应所识别出的运载工具操作场景相对应的部分的空间、时间或时空距离的测度。效用度量可以指示、表示或基于用于实例化与相应所识别出的运载工具操作场景相对应的SSOCEM 4300的实例的预期值。可接受性度量可以是诸如指示碰撞避免的度量等的安全度量、诸如指示对运载工具运输网络规则和规定的遵从性的度量等的运载工具运输网络控制遵从性度量、诸如指示运载工具的最大制动能力的度量等的物理能力度量、诸如用户偏好等的用户定义度量。可以使用其它度量或度量组合。运载工具操作管理控制度量可以指示定义的速率、范围或限制。例如，可接受性度量可以指示定义的目标减速率、定义的减速率范围或定义的最大减速率。
SSOCEM 4300可以包括相应的不同运载工具操作场景的一个或多个模型。自主运载工具操作管理系统4000可以包括任意数量的SSOCEM 4300，各SSOCEM 4300包括相应的不同运载工具操作场景的模型。SSOCEM 4300可以包括来自一种或多种类型的模型的一个或多个模型。例如，SSOCEM 4300可以包括相应的不同运载工具操作场景的部分可观察马尔可夫决策过程(POMDP)模型、马尔可夫决策过程(MDP)模型、经典规划模型、部分可观察随机博弈(POSG)模型、分散式部分可观察马尔可夫决策过程(Dec-POMDP)模型、增强学习(RL)模型、人工神经网络模型、或任何其它模型。每种不同类型的模型对于精度和资源利用率可以具有相应的特性。例如，定义场景的POMDP模型与定义场景的MDP模型相比可以具有更大的精度和更大的资源利用率。SSOCEM 4300中所包括的模型可以诸如基于精度等进行诸如分层排序。例如，诸如SSOCEM 4300中所包括的最精确模型等的指定模型可被识别为SSOCEM4300的主模型，而SSOCEM 4300中所包括的其它模型可被识别为辅模型。
在示例中，一个或多个SSOCEM 4300可以包括POMDP模型，该模型可以是单代理模型。POMDP模型可以对不同运载工具操作场景进行建模，这可以包括使用状态集(S)、动作集(A)、观察集(Ω)、状态转变概率集(T)、条件观察概率集(O)、奖励函数(R)或其组合来对不确定度进行建模。POMDP模型可被定义或描述为元组<S,A,Ω,T,O,R>。
状态集(S)中的状态可以表示自主运载工具的操作环境的相应定义方面(诸如外部对象和交通控制装置等)的不同条件，这些条件可能概率性地影响自主运载工具在离散时间位置处的操作。可以针对各不同运载工具操作场景来定义相应的状态集(S)。状态集(S)中的各状态(状态空间)可以包括一个或多个定义状态因子。尽管这里描述了一些模型的状态因子的一些示例，但包括这里所述的任何模型的模型可以包括任意数量或基数的状态因子。各状态因子可以表示相应场景的定义方面，并且可以具有相应的定义值集。尽管这里描述了一些状态因子的状态因子值的一些示例，但包括这里所述的任何状态因子的状态因子可以包括任意数量或基数的值。
动作集(A)中的动作可以指示状态集(S)中的各状态下的可用运载工具控制动作。可以针对各不同运载工具操作场景来定义相应的动作集。动作集(A)中的各动作(动作空间)可以包括一个或多个定义动作因子。尽管这里描述了一些模型的动作因子的一些示例，但包括这里所述的任何模型的模型可以包括任意数量或基数的动作因子。各动作因子可以表示可用的运载工具控制动作，并且可以具有相应的定义值集。尽管这里描述了一些动作因子的动作因子值的一些示例，但包括这里所述的任何动作因子的动作因子可以包括任意数量或基数的值。
观察集(Ω)中的观察可以指示针对状态集(S)中的各状态的可用的可观察、可测量或可确定数据。可以针对各不同运载工具操作场景来定义相应的观察集。观察集(Ω)中的各观察(观察空间)可以包括一个或多个定义观察因子。尽管这里描述了一些模型的观察因子的一些示例，但包括这里所述的任何模型的模型可以包括任意数量或基数的观察因子。各观察因子可以表示可用的观察，并且可以具有相应的定义值集。尽管这里描述了一些观察因子的观察因子值的一些示例，但包括这里所述的任何观察因子的观察因子可以包括任意数量或基数的值。
状态转变概率集(T)中的状态转变概率可以概率性地表示响应于自主运载工具的动作(如动作集(A)所表示)的自主运载工具的操作环境(如状态集(S)所表示)的变化，这可以表示为T:S×A×S→[0,1]。可以针对各不同运载工具操作场景来定义相应的状态转变概率集(T)。尽管这里描述了一些模型的状态转变概率的一些示例，但包括这里所述的任何模型的模型可以包括任意数量或基数的状态转变概率。例如，状态、动作和后续状态的各组合可以与相应的状态转变概率相关联。
条件观察概率集(O)中的条件观察概率可以表示响应于自主运载工具的动作(如动作集(A)所表示)、基于自主运载工具的操作环境(如状态集(S)所表示)来进行相应观察(Ω)的概率，这可以表示为O:A×S×Ω→[0,1]。可以针对各不同运载工具操作场景来定义相应的条件观察概率集(O)。尽管这里描述了一些模型的状态条件观察概率的一些示例，但包括这里所述的任何模型的模型可以包括任意数量或基数的条件观察概率。例如，动作、后续状态和观察的各组合可以与相应的条件观察概率相关联。
奖励函数(R)可以确定针对状态和动作的各组合可能累积的相应正或负(成本)值，该值可以表示自主运载工具根据相应运载工具控制动作从相应状态穿过运载工具运输网络至后续状态的预期值，其可以表示为R:
Figure BDA0002866529400000281
为了简单和清楚起见，这里所述的模型值(诸如状态因子值或观察因子值)的示例包括分类表示，诸如{开始，目标}或{短，长}等。分类值可以表示定义的离散值，该离散值可以是相对值。例如，表示时间方面的状态因子可以具有来自集{短，长}中的值；值“短”可以表示诸如在定义阈值(诸如3秒)内或小于定义阈值的诸如时间距离等的离散值，而值“长”可以表示诸如至少为(诸如等于或大于)定义阈值的诸如时间距离等的离散值。可以相对于相关因子来定义相应分类值的定义阈值。例如，时间因子集{短，长}的定义阈值可以与相对空间位置因子值相关联，并且时间因子集{短，长}的另一定义阈值可以与另一相对空间位置因子值相关联。尽管这里描述了因子值的分类表示，但是可以使用其它表示或表示组合。例如，时间状态因子值集可以是{短(表示小于3秒的值)、4、5、6、长(表示至少为7秒的值)}。
在一些实施例(诸如实现POMDP模型的实施例等)中，对自主运载工具操作控制场景进行建模可以包括对遮挡物进行建模。例如，操作环境数据可以包括与自主运载工具的操作环境中的一个或多个遮挡物(诸如传感器遮挡物等)相对应的信息，使得操作环境数据可以省略表示自主运载工具的操作环境中的一个或多个被遮挡外部对象的信息。例如，遮挡物可以是诸如交通标志、建筑物、树等的外部对象、所识别出的外部对象、或者能够在定义时空位置处相对于自主运载工具遮挡诸如外部对象等的一个或多个其它操作条件的任何其它操作条件或操作条件组合。在一些实施例中，操作环境监视器4200可以识别遮挡物，可以识别或确定外部对象被所识别出的遮挡物遮挡或隐藏的概率，并且可以在输出到AVOMC 4100并由AVOMC 4100通信至相应的SSOCEM 4300的操作环境数据中包括遮挡运载工具概率信息。
自主运载工具操作管理系统4000可以包括任意数量的模型类型或模型类型的组合。例如，行人SSOCEM 4310、交叉路口SSOCEM 4320、车道变换SSOCEM 4330、合并SSOCEM4340和通过障碍物SSOCEM 4350可以是POMDP模型。在另一实例中，行人SSOCEM 4310可以是MDP模型，并且交叉路口SSOCEM 4320可以是POMDP模型。AVOMC 4100可以基于操作环境数据来实例化SSOCEM 4300的任意数量的实例。
实例化SSOCEM 4300实例可以包括从SSOCEM 4300中识别模型并且实例化所识别出的模型的实例。例如，SSOCEM 4300可以包括针对相应的不同运载工具操作场景的主模型和辅模型，并且实例化SSOCEM 4300可以包括将主模型识别为当前模型并实例化主模型的实例。对模型进行实例化可以包括判断解决方案或策略是否可用于该模型。对模型实例化可以包括判断模型的可用解决方案或策略是被部分解决、还是被会聚并解决。对SSOCEM4300进行实例化可以包括实例化SSOCEM 4300的识别模型的解决方案或策略的实例。
解决诸如POMDP模型等的模型可以包括确定策略或解决方案，该策略或解决方案可以是使可通过评价用于定义模型的元组(诸如<S,A,Ω,T,O,R>等)的元素的可能组合而确定的累积奖励最大化的函数。策略或解决方案可以基于所识别出的信念状态数据(belief state data)来识别或输出奖励最大化的或最优的候选运载工具控制动作。所识别出的信念状态数据(其可能是概率性的)可以指示当前状态数据(诸如相应模型的当前状态值集或当前状态值集的概率等)，并且可以与相应的相对时间位置相对应。例如，解决MDP模型可以包括从状态集(S)中识别状态、从动作集(A)中识别动作、在模拟受制于状态转变概率的动作之后从状态集(S)中确定后续或后继状态。各状态可以与相应的效用值相关联，并且解决MDP模型可以包括确定与状态、动作和后续状态的各可能组合相对应的相应效用值。后续状态的效用值可被识别为受制于奖励或惩罚(其可能是贴现的奖励或惩罚)的最大识别效用值。策略可以指示与相应状态的最大效用值相对应的动作。解决POMDP模型除了基于信念状态之外可以与解决MDP模型相同，表示相应状态的概率并受制于与生成相应状态的观察相对应的观察概率。因此，解决SSOCEM模型包括基于相应的动作和观察、诸如使用贝叶斯规则等来评价可能的状态-动作-状态转变并更新相应的信念状态。
图5是根据本发明的实施例的自主运载工具操作管理5000的示例的流程图。自主运载工具操作管理5000可以在自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具或实现自主驾驶的任何其它运载工具等)中实现。例如，自主运载工具可以实现自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000等)。
如图5所示，自主运载工具操作管理5000包括实现或操作自主运载工具操作管理系统(包括自主运载工具操作管理系统的一个或多个模块或组件)，这可以包括：操作自主运载工具操作管理控制器(AVOMC)5100(诸如图4所示的AVOMC 4100等)；操作操作环境监视器5200(诸如图4所示的一个或多个操作环境监视器4220、4230、4240、4250、4260、4270等)；以及操作场景特定操作控制评价模块实例(SSOCEM实例)5300(诸如图4所示的SSOCEM4300的实例等)。
AVOMC 5100可以在5110处监视自主运载工具的操作环境或其定义方面，以识别自主运载工具的操作环境或其一方面。例如，操作环境监视器5200可以监视操作环境的场景特定方面，并且可以将表示操作环境的操作环境数据发送至AVOMC 5100。监视自主运载工具的操作环境可以包括在5110处识别和跟踪外部对象、在5120处识别不同运载工具操作场景、或这些操作的组合。例如，AVOMC 5100、操作环境监视器5200或这两者可以基于传感器数据、运载工具数据、路线数据、运载工具运输网络数据、先前识别的操作环境数据、或用于描述操作环境的一个或多个方面的任何其它可用数据或数据组合来识别操作环境数据。
识别操作环境可以包括识别表示操作环境或其一个或多个方面的操作环境数据。操作环境数据可以包括自主运载工具的运载工具信息、表示运载工具运输网络或其一个或多个方面的信息、对自主运载工具的接近度、表示在自主运载工具的操作环境内沿着或者接近针对自主运载工具所识别出的路线的外部对象或其一个或多个方面的信息、或者其组合。传感器信息可以是处理后传感器信息，诸如来自自主运载工具的传感器信息处理单元的处理后传感器信息等，其中传感器信息处理单元可以从自主运载工具的传感器接收传感器信息并且可以基于传感器信息来生成处理后传感器信息。
识别操作环境数据可以包括从自主运载工具的传感器(诸如图1所示的传感器1360或图2所示的车载传感器2105等)接收指示操作环境的一个或多个方面的信息。自主运载工具的传感器或另一单元可以将传感器信息存储在自主运载工具的存储器(诸如图1所示的存储器1340等)中，并且AVOMC 5100从该存储器中读取传感器信息。
识别操作环境数据可以包括从运载工具运输网络数据中识别指示操作环境的一个或多个方面的信息。例如，AVOMC 5100可以读取或以其它方式接收指示自主运载工具正在靠近交叉路口、或以其它方式描述接近自主运载工具(诸如在自主运载工具的300米内)的运载工具运输网络的几何形状或配置的运载工具运输网络数据。
在5110处识别操作环境数据可以包括从位于自主运载工具外部的远程运载工具或其它远程装置中识别指示操作环境的一个或多个方面的信息。例如，自主运载工具可以经由无线电子通信链路从远程运载工具接收远程运载工具消息，该远程运载工具消息包括指示远程运载工具的远程运载工具地理空间状态信息、远程运载工具的远程运载工具动力学状态信息或这两者的远程运载工具信息。
识别操作环境数据可以包括从表示自主运载工具的识别路线的路线数据中识别指示操作环境的一个或多个方面的信息。例如，AVOMC 5100可以读取或以其它方式接收表示自主运载工具的识别路线(诸如响应于用户输入而识别出的路线等)的运载工具运输网络数据。
AVOMC 5100和操作环境监视器5200可以如5110、5112和5210所指示地进行通信以识别操作环境数据。可选地或另外，操作环境监视器5200可以从自主运载工具的另一组件(诸如从自主运载工具的传感器或者从另一操作环境监视器5200等)接收操作环境数据，或者操作环境监视器5200可以从自主运载工具的存储器中读取操作环境数据。
AVOMC 5100可以诸如基于由5110处所识别的操作环境数据所表示的操作环境的一个或多个方面等，在5120处检测或识别一个或多个不同运载工具操作场景。
AVOMC 5100可以诸如响应于在5120处识别出不同运载工具操作场景而在5130处基于操作环境数据所表示的操作环境的一个或多个方面来实例化SSOCEM实例5300。尽管在图5中示出一个SSOCEM实例5300，但AVOMC5100可以基于由5110处所识别出的操作环境数据表示的操作环境的一个或多个方面来实例化多个SSOCEM实例5300，各SSOCEM实例5300与5120处所检测到的相应的不同运载工具操作场景、或者5110处所识别出的不同外部对象和5120处所检测到的相应的不同运载工具操作场景的组合相对应。在5130处实例化SSOCEM实例5300可以包括如5132所指示地将表示自主运载工具的操作环境的操作环境数据发送到SSOCEM实例5300。SSOCEM实例5300可以在5310处接收表示自主运载工具的操作环境或其一个或多个方面的操作环境数据。在5130处实例化SSOCEM实例5300可以包括识别不同运载工具操作场景的模型(诸如主模型或辅模型等)、实例化模型的实例、识别与模型相对应的解决方案或策略、实例化解决方案或策略的实例、或这些操作的组合。
操作环境监视器5200可以包括阻塞监视器(诸如图4所示的阻塞监视器4210等)，其可以针对运载工具运输网络的一个或多个部分(诸如运载工具运输网络的接近自主运载工具的部分等)在5220处确定相应可用概率(POA)或相应阻塞概率，该一个或多个部分可以包括运载工具运输网络中的与自主运载工具的预期路径(诸如基于自主运载工具的当前路线而识别出的预期路径等)相对应的部分。阻塞监视器可以在5222处将5220处所识别出的可用概率发送至SSOCEM实例5300。可选地或另外，阻塞监视器可以将5220处所识别出的可用概率存储在自主运载工具的存储器中。尽管没有在图5中明确示出，但是作为将可用概率发送至SSOCEM实例5300的附加或替代，阻塞监视器还可以在5222处将5220处所识别出的可用概率发送至AVOMC 5100。SSOCEM实例5300可以在5320处接收可用概率。
SSOCEM实例5300可以在5330处生成或识别候选运载工具控制动作。例如，SSOCEM实例5300可以响应于在5310处接收到操作环境数据、在5320处接收到可用概率数据或这两者而在5330处生成或识别候选运载工具控制动作。例如，针对不同运载工具操作场景的模型在5310处实例化的解决方案或策略的实例可以基于操作环境数据、可用概率数据或这两者来输出候选运载工具控制动作。SSOCEM实例5300可以在5332处向AVOMC 5100发送5330处所识别出的候选运载工具控制动作。可选地或另外，SSOCEM实例5300可以将5330处所识别出的候选运载工具控制动作存储在自主运载工具的存储器中。
AVOMC 5100可以在5140处接收候选运载工具控制动作。例如，AVOMC5100可以在5140处从SSOCEM实例5300接收候选运载工具控制动作。可选地或另外，AVOMC 5100可以从自主运载工具的存储器中读取候选运载工具控制动作。
AVOMC 5100可以在5150处批准候选运载工具控制动作或以其它方式将候选运载工具控制动作识别为用于控制自主运载工具穿过运载工具运输网络的运载工具控制动作。在5150处批准候选运载工具控制动作可以包括根据候选运载工具控制动作判断是否要穿过运载工具运输网络的一部分。
AVOMC 5100可以根据5150处所识别出的运载工具控制动作而在5160处控制自主运载工具或者可以将所识别出的运载工具控制动作提供给另一运载工具控制单元以使自主运载工具穿过运载工具运输网络或其一部分。
AVOMC 5100可以在5170处识别自主运载工具的操作环境或其一方面。在5170处识别自主运载工具的操作环境或其一方面可以与在5110处识别自主运载工具的操作环境类似，并且可以包括更新先前识别出的操作环境数据。
AVOMC 5100可以在5180处判断或检测不同运载工具操作场景是已解决还是未解决。例如，如上所述，AVOMC 5100可以连续地或周期性地接收操作环境信息。AVOMC 5100可以评价操作环境数据，以判断不同运载工具操作场景是否已解决。
AVOMC 5100可以在5180处判断为与SSOCEM实例5300相对应的不同运载工具操作场景未解决，AVOMC 5100可以如5185处所指示地将5170处所识别出的操作环境数据发送到SSOCEM实例5300，并且在5180处去实例化SSOCEM实例5300可以省略或不同。
AVOMC 5100可以在5180处判断为不同运载工具操作场景已解决，并且可以在5190处去实例化与在5180处判断为已解决的不同运载工具操作场景相对应的SSOCEM实例5300。例如，AVOMC 5100可以在5120处识别形成自主运载工具的不同运载工具操作场景的不同操作条件集，可以在5180处判断为一个或多个操作条件已过期或者具有低于定义阈值的影响自主运载工具的操作的概率，并且可以去实例化相应SSOCEM实例5300。
尽管在图5中没有明确示出，但AVOMC 5100可以在5170处连续地或周期性地重复识别或更新操作环境数据，在5180处判断不同运载工具操作场景是否解决，并且响应于在5180处判断为不同运载工具操作场景未解决而如5185处所指示地将5170处所识别出的操作环境数据发送至SSOCEM实例5300，直到在5180处判断不同运载工具操作场景是否解决包括判断为不同运载工具操作场景已解决为止。
图6是根据本发明的实施例的包括通行权模糊的交叉路口场景的运载工具运输网络的交叉路口场景6000部分的示例的图。自主运载工具操作管理可以包括自主运载工具6100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具6100沿着第一道路6200以接近与第二道路6400的交叉路口6300的方式穿过运载工具运输网络的一部分(交叉路口场景)。为了简单和清楚起见，与图6所示的交叉路口场景6000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
远程运载工具6500正在第二道路6400向西行进。远程运载工具6500的当前轨迹6510使用实方向线指示。第一道路6200可以包括靠近交叉路口6300的停止线6210。可以使用其它交叉路口配置。例如，可以省略停止线6210。
自主运载工具6100的自主运载工具操作管理系统可以操作交叉路口监视器(诸如图4所示的交叉路口监视器4230等)，这可以包括实例化交叉路口监视器。交叉路口监视器可以处理或评价表示运载工具运输网络的一部分(诸如与自主运载工具6100的识别路线相对应的部分、在空间上靠近自主运载工具6100的部分、或自主运载工具6100的预期路径6110、或其组合等)的运载工具运输网络数据(诸如地图数据、传感器数据或其组合等)。交叉路口监视器可以识别或生成表示自主运载工具6100的操作环境或其一方面的操作环境信息(这可以包括将传感器信息与远程运载工具6500相关联)，并且可以将操作环境信息(其可以包括用于识别交叉路口场景的信息)输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境等来检测或识别交叉路口场景，其中操作环境信息可以包括交叉路口监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化一个或多个交叉路口SSOCEM实例，并且可以响应于检测到或识别出交叉路口场景而将操作环境信息发送至交叉路口SSOCEM实例或以其它方式使操作环境信息可用于交叉路口SSOCEM实例。另外或可选地，自主运载工具操作管理控制器可以响应于检测到或识别出交叉路口场景而将操作环境信息(诸如新的或更新的操作环境信息等)发送至一个或多个先前实例化或操作的交叉路口SSOCEM实例或以其它方式使操作环境信息可用于一个或多个先前实例化或操作的交叉路口SSOCEM实例。
实例化或更新交叉路口SSOCEM实例可以包括诸如通过将操作环境信息或其一部分发送至相应的交叉路口SSOCEM实例或存储操作环境信息或其一部分以供相应的交叉路口SSOCEM实例访问，来将操作环境信息或其一部分(诸如传感器信息或可用概率等)发送至相应的交叉路口SSOCEM实例。相应的交叉路口SSOCEM实例可以接收或以其它方式访问与交叉路口场景相对应的操作环境信息。
交叉路口SSOCEM可以包括交叉路口场景的模型，诸如交叉路口场景的POMDP模型等。交叉路口场景的POMDP模型可以定义与交叉路口场景相对应的状态集(S)、动作集(A)、观察集(Ω)、状态转变概率集(T)、条件观察概率集(O)、奖励函数(R)或其组合，它们可被表示为元组<S,A,Ω,T,O,R>。不同交叉路口运载工具操作场景的POMDP模型可以对不确定度进行建模，其中不确定度可以包括感知不确定度、行为不确定度或其组合。对感知不确定度进行建模可以包括对传感器不确定度进行建模；对误报远程运载工具识别(诸如在不存在远程运载工具的情况下不准确地识别出远程运载工具)的概率进行建模；对漏报远程运载工具识别(诸如在存在远程运载工具的情况下不准确地识别出远程运载工具不存在)的概率进行建模；或其组合。对行为不确定度进行建模可以包括对远程运载工具动作的相应概率进行建模。
实例化交叉路口SSOCEM实例可以包括从交叉路口SSOCEM中识别交叉路口运载工具操作场景的模型所用的解决方案或策略。从交叉路口SSOCEM中识别交叉路口运载工具操作场景的模型所用的解决方案或策略可以包括解决交叉路口SSOCEM模型。实例化交叉路口SSOCEM实例可以包括实例化解决方案或策略的实例。
交叉路口SSOCEM解决方案实例可以基于相应的建模场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“停止”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化交叉路口SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具6100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图6所示的交叉路口场景6000，自主运载工具6100可以接近交叉路口6300。在一些实现中，自主运载工具6100可以停止或减慢至最小速率(诸如低于位于或靠近距通行权边界位置6610的定义接近距离处的定义最大定向调整速率的速率等)，其可以与所示的停止线6210相对应。
自主运载工具6100可以将运载工具运输网络的一部分识别为通行权重叠区域6600。通行权重叠区域6600可以表示运载工具运输网络的一部分，其中，自主运载工具6100的预期路径6110在空间上与通行权路径(诸如第二道路6400等)交叉。通行权路径可以是具有通行权的运载工具运输网络用户可以有权地穿过的路径。例如，通行权路径可以与行人步行道、交叉路口处的过路道、合并车道、双向路段、或与自主运载工具6100的预期路径6110交叉或不同的路径上的另一运载工具运输网络用户可能穿过的运载工具运输网络的任何其它部分相对应。运载工具运输网络用户可以是任何实体或对象，诸如可能穿过运载工具运输网络的任何部分的自主运载工具6100、远程运载工具或行人等。
识别通行权重叠区域6600可以包括识别通行权边界位置6610，该通行权边界位置6610可以是运载工具运输网络中沿着自主运载工具6100的预期路径6110在自主运载工具6100的当前位置和通行权重叠区域6600之间靠近通行权重叠区域6600(诸如紧邻通行权重叠区域6600或距通行权重叠区域6600一米)的位置，其可以是运载工具运输网络中沿着自主运载工具6100的预期路径6110距通行权重叠区域6600最近的、自主运载工具6100在不进入通行权重叠区域6600的情况下可以安全穿过的位置。
操作环境可以包括被遮挡区域6700(使用对角线背景示出)，该被遮挡区域6700可以包括运载工具运输网络的一部分。例如，操作环境可以包括诸如树(如图所示)或另一运载工具等的遮挡物6710，其可能遮挡(诸如限制、减少或阻止)自主运载工具6100而使其不能准确地识别、检测或跟踪一个或多个外部对象，诸如位于或部分位于被遮挡区域6700中的远程运载工具6500(被遮挡对象)。自主运载工具6100可以识别被遮挡区域6700。例如，自主运载工具6100可以检测遮挡物6710，并且可以基于遮挡物6710来识别被遮挡区域6700。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，被遮挡区域6700可能增大关于被遮挡区域6700中的外部对象(诸如远程运载工具6500等)的存在的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具6100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过调整自主运载工具6100相对于遮挡物6710和运载工具运输网络的相对定向来减小关于通行权重叠区域6600的通行权的不确定度，这可以减小或消除遮挡物6710对于运载工具操作的遮挡效应。
在一些实现中，根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具6100以输出自主运载工具6100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域6600的前进运载工具控制动作等)的符号表示(诸如自主运载工具6100的定向调整运动等)，来减小关于通行权重叠区域6600的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括以定义最大定向调整速率(诸如每秒2米等)内(诸如等于或低于定义最大定向调整速率)的速率从自主运载工具6100的当前位置朝向边界位置6610穿过运载工具运输网络。在一些实现中，自主运载工具6100可以判断自主运载工具6100和通行权边界位置6610之间的当前距离是否在定义接近距离内(诸如等于或小于定义接近距离)。自主运载工具6100和通行权边界位置6610之间的距离可以在定义接近距离内，并且自主运载工具6100可以根据定向调整运载工具控制动作来穿过运载工具运输网络。
在根据定向调整运载工具控制动作穿过运载工具运输网络之前，自主运载工具6100可以是静止的，并且根据定向调整运载工具控制动作穿过运载工具运输网络可以包括诸如根据定义加速度分布而加速至最大定向调整速率。例如，自主运载工具6100可以在当前位置处(诸如在如图所示的停止线6210处)静止，自主运载工具可以判断为当前位置与定义接近距离相对应，并且自主运载工具可以根据定向调整运载工具控制动作而加速至定义最大定向调整速率。
尽管在图6中没有明确示出，但在根据定向调整运载工具控制动作来穿过运载工具运输网络之前，自主运载工具6100可以以大于最大定向调整速率的速率运动，并且根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括根据定义减速度分布而减速至最大定向调整速率。例如，自主运载工具6100可以在当前位置处(诸如在停止线6210处)以大于定义最大定向调整速率的速率运动，自主运载工具可以判断为当前位置与定义接近距离相对应，并且自主运载工具可以根据定向调整运载工具控制动作而减速至定义最大定向调整速率。
根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括判断自主运载工具6100的当前位置和通行权边界位置6610之间的距离是否在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)。例如，自主运载工具6100可以判断为自主运载工具6100的当前位置和通行权边界位置6610之间的距离在预期直到静止的距离内，并且自主运载工具可以通过根据定义减速度分布减速以停止在或靠近边界位置6610处，来穿过运载工具运输网络。预期直到静止的距离可以指示供自主运载工具6100从运动中状态转变为静止状态的确定距离。在一些实现中，自主运载工具可以判断为自主运载工具6100的当前位置与通行权边界位置相对应，并且自主运载工具可以通过将自主运载工具控制为静止(停止)来穿过运载工具运输网络。
尽管在图6中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具6100可以位于比停止线6210更靠近第二道路6400的位置处(诸如靠近通行权边界位置6610)，这可以减少或消除遮挡物6710对于运载工具操作的遮挡效应，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或停止运载工具控制动作。例如，自主运载工具可以判断为远程运载工具6500是静止的并且自主运载工具具有通行权，并且场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为远程运载工具6500具有通行权，或者正以其它方式前进通过交叉路口且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出停止运载工具控制动作。
图7是根据本发明的实施例的定向调整运载工具控制动作速率分布7000的示例的曲线图。自主运载工具操作管理可以包括自主运载工具(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、图6所示的自主运载工具6100、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具穿过包括诸如图6所示的具有遮挡物的交叉路口场景的运载工具运输网络的一部分。
图7所示的曲线图包括表示运载工具运输网络中的自主运载工具相对于交叉路口的地理空间位置的水平轴。水平轴的左端与定义接近距离(诸如图6所示的停止线6210等)相对应。沿水平轴从左向右移动与自主运载工具穿过交叉路口相对应。水平轴的右端与自主运载工具完成穿过交叉路口相对应。与图6所示的通行权边界位置6610相对应的位置在图7中用7100处的垂直虚线表示。图7所示的曲线图包括表示自主运载工具的速率的垂直轴。垂直轴的底端表示静止速率。最大定向调整速率用7200处的水平虚线表示。定向调整运载工具控制动作速率分布7000用粗线示出。
自主运载工具可能接近如图6所示的具有遮挡物的交叉路口场景。自主运载工具可以针对所示的运载工具运输网络的交叉路口场景部分识别不同的运载工具操作场景。自主运载工具可以实例化不同运载工具操作场景的场景特定操作控制评价模型所用的策略。自主运载工具可以停止或减慢至最小速率，诸如低于靠近停止线或距诸如图6所示的通行权边界位置的距离大于最小定向调整距离的另一位置的定义最大定向调整速率的速率等。场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。
自主运载工具可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分，这可以包括图7所示的速率分布7000中所表示从自主运载工具的当前位置朝向边界位置穿过运载工具运输网络。如图7的左侧所示，自主运载工具可以在定义接近距离(停止线)处静止，并且根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括从7300处的白色菱形所指示的静止状态加速至7400处的白色圆形所指示的最大定向调整速率7200。尽管图7示出自主运载工具从静止状态以7200加速，但是该自主运载工具可以在定义接近距离(停止线)处从最大定向调整速率内的非静止速率加速，可以在定义接近距离(停止线)处于最大定向调整速率并且可以维持最大定向调整速率，或者可以在定义接近距离(停止线)处于大于最大定向调整速率的速率并且可以减速至最大定向调整速率。
自主运载工具可以以最大定向调整速率7200穿过运载工具运输网络的一部分。自主运载工具可以确定预期直到静止的距离，并且可以判断该自主运载工具的当前位置和通行权边界位置7100之间的当前距离是否在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)。自主运载工具可以判断为自主运载工具的当前位置和通行权边界位置7100之间的当前距离在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)，并且可以根据通行权边界位置7100如7500处的黑色菱形所指示地减速至7600处的黑色圆形所指示的静止状态。
场景特定操作控制评价模型策略可以随后判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。场景特定操作控制评价模型策略可以输出前进运载工具控制动作。自主运载工具可以根据前进运载工具控制动作来穿过运载工具运输网络的一部分，这可以包括通过如所指示地加速至7600处的黑色圆形的右侧来从自主运载工具的当前位置穿过运载工具运输网络。
尽管在图7中没有明确示出，但在自主运载工具到达黑色圆形7600所指示的位置之前，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内并且自主运载工具具有通行权，并且可以输出前进运载工具控制动作，而自主运载工具可以通过在停止线和边界之间的位置处加速来根据前进运载工具控制动作穿过运载工具运输网络的一部分。
尽管在图7中没有明确示出，但在自主运载工具到达黑色菱形7500所指示的位置之前，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内并且自主运载工具没有通行权，并且可以输出停止运载工具控制动作，而自主运载工具可以通过在停止线和边界之间的位置处减速至静止来根据停止运载工具控制动作穿过运载工具运输网络的一部分。
图8是根据本发明的实施例的包括通行权模糊的交叉路口场景的运载工具运输网络的另一交叉路口场景8000部分的示例的图。自主运载工具操作管理可以包括自主运载工具8100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具8100在第一车道8210中沿着第一道路8200以接近与第二道路8400的交叉路口8300的方式穿过运载工具运输网络的一部分(交叉路口场景)。第一车道8210可以包括靠近交叉路口8300的第一停止线8212。自主运载工具8100的预期路径8110使用8110处的虚方向线示出。为了简单和清楚起见，与图8所示的交叉路口场景8000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
远程运载工具8500被示出为在与自主运载工具8100相反的向南的行进方向上穿过第一道路8200的第二车道8220。第二车道8220可以包括靠近交叉路口8300的第二停止线8222。远程运载工具8500的预期路径8510使用虚方向线示出。
自主运载工具8100的自主运载工具操作管理系统可以操作交叉路口监视器(诸如图4所示的交叉路口监视器4230等)，这可以包括实例化交叉路口监视器，并且除了这里所指示的或根据上下文明确可知的，这可以与操作如关于图6所述的交叉路口监视器相同。自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境等来检测或识别交叉路口场景，其中操作环境信息可以包括交叉路口监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化或更新一个或多个交叉路口SSOCEM实例，并且可以响应于检测到或识别出交叉路口场景而将操作环境信息发送至交叉路口SSOCEM实例或以其它方式使操作环境信息可用于交叉路口SSOCEM实例。除了这里所指示的或根据上下文明确可知的，交叉路口SSOCEM实例可以与如关于图6所述的交叉路口SSOCEM实例相同。
实例化交叉路口SSOCEM实例可以包括从交叉路口SSOCEM中识别交叉路口运载工具操作场景的模型所用的解决方案或策略。从交叉路口SSOCEM中识别交叉路口运载工具操作场景的模型所用的解决方案或策略可以包括解决交叉路口SSOCEM模型。实例化交叉路口SSOCEM实例可以包括实例化解决方案或策略的实例。交叉路口SSOCEM解决方案实例可以基于相应的建模场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“停止”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化交叉路口SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具8100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图8所示的交叉路口场景8000，自主运载工具8100可以接近交叉路口8300。自主运载工具8100可以将运载工具运输网络的一部分识别为通行权重叠区域8600。识别通行权重叠区域8600可以包括识别通行权边界位置8700。自主运载工具8100可以停止或减慢至最小速率(诸如低于位于或靠近距通行权边界位置8700的定义接近距离处的定义最大定向调整速率的速率)，其可以与所示的停止线8212相对应。远程运载工具8500可以接近交叉路口8300，并可以与自主运载工具8100到达第一停止线8212大致同时地停止在第二停止线8222处。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，自主运载工具8100可以到达第一停止线8212，并且大致同时地，远程运载工具8500可以到达第二停止线8222，这可能增大关于通行权重叠区域8600的通行权的不确定度。在另一示例中，远程运载工具8500可能在自主运载工具8100到达第一停止线8212之前到达第二停止线8222，这可以表示远程运载工具8500具有通行权，并且远程运载工具8500可能在自主运载工具8100到达第一停止线8212之后的定义通行权时间段(诸如两秒)内保持静止在第二停止线8222处，这可能增大关于通行权重叠区域8600的通行权的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具8100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以减小关于通行权重叠区域8600的通行权的不确定度。
例如，不确定度可以基于关于远程运载工具8500(外部对象)是否将为自主运载工具8100让路通行权(预期操作)的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大远程运载工具8500将响应于远程运载工具8500保持静止而让路通行权的概率或减小远程运载工具8500将响应于远程运载工具8500穿过交叉路口8300而让路通行权的概率，来减小关于通行权重叠区域8600的通行权的不确定度。
在另一示例中，不确定度可以基于预期外部不确定度，其可以指示外部对象(诸如远程运载工具8500等)关于自主运载工具8100相对于通行权重叠区域8600的通行权的预期后续运载工具控制动作的预期不确定度。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具8100以输出自主运载工具8100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域8600的前进运载工具控制动作等)的符号表示(诸如自主运载工具8100的定向调整运动等)，来减小关于通行权重叠区域8600的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括以定义最大定向调整速率(诸如每秒2米)内(诸如等于或低于定义最大定向调整速率)的速率从自主运载工具8100的当前位置朝向边界位置8700穿过运载工具运输网络。
根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括判断自主运载工具8100的当前位置和通行权边界位置8700之间的距离是否在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)。例如，自主运载工具8100可以判断为自主运载工具8100的当前位置和通行权边界位置8700之间的距离在预期直到静止的距离内，并且自主运载工具可以通过根据定义减速度分布减速以停止在或靠近边界位置8700处，来穿过运载工具运输网络。预期直到静止的距离可以指示供自主运载工具8100从运动中状态转变为静止状态的确定距离。在一些实现中，自主运载工具可以判断为自主运载工具的当前位置与通行权边界位置相对应，并且自主运载工具可以通过将自主运载工具控制为静止(停止)来穿过运载工具运输网络。
尽管在图8中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具8100可以位于比第一停止线8212更靠近第二道路8400的位置处(诸如靠近通行权边界位置8700)，而远程运载工具8500可以保持静止在第二停止线8222处(这可以减少或消除通行权模糊)，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或停止运载工具控制动作。例如，自主运载工具可以判断为远程运载工具8500是静止的并且自主运载工具具有通行权，并且场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为远程运载工具8500具有通行权，或者正以其它方式前进通过交叉路口且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出停止运载工具控制动作。
图9是根据本发明的实施例的包括通行权模糊的交叉路口场景的运载工具运输网络的另一交叉路口场景9000部分的示例的图。自主运载工具操作管理可以包括自主运载工具9100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具9100在第一车道9210中沿着第一道路9200以接近与第二道路9400的交叉路口9300的方式穿过运载工具运输网络的一部分(交叉路口场景)。第一车道9210可以包括靠近路口9300的停止线9212。为了简单和清楚起见，与图9所示的交叉路口场景9000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
第一远程运载工具9500被示出为在与自主运载工具9100相反的向南的行进方向上在第一道路9200的第二车道9220中穿过交叉路口9300。第一远程运载工具9500的预期路径9510使用虚方向线示出。第二远程运载工具9520被示出为在第二车道9220中接近交叉路口9300。
自主运载工具9100的自主运载工具操作管理系统可以操作交叉路口监视器(诸如图4所示的交叉路口监视器4230等)，这可以包括实例化交叉路口监视器，并且除了这里所指示的或根据上下文明确可知的，这可以与操作如关于图6所述的交叉路口监视器相同。自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境等来检测或识别交叉路口场景，其中操作环境信息可以包括交叉路口监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化或更新一个或多个交叉路口SSOCEM实例，并且可以响应于检测到或识别出交叉路口场景而将操作环境信息发送至交叉路口SSOCEM实例或以其它方式使操作环境信息可用于交叉路口SSOCEM实例。除了这里所指示的或根据上下文明确可知的，交叉路口SSOCEM实例可以与如关于图6所述的交叉路口SSOCEM实例相同。
实例化交叉路口SSOCEM实例可以包括从交叉路口SSOCEM中识别交叉路口运载工具操作场景的模型所用的解决方案或策略。从交叉路口SSOCEM中识别交叉路口运载工具操作场景的模型所用的解决方案或策略可以包括解决交叉路口SSOCEM模型。实例化交叉路口SSOCEM实例可以包括实例化解决方案或策略的实例。交叉路口SSOCEM解决方案实例可以基于相应的建模场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“停止”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化交叉路口SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具9100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图9所示的交叉路口场景9000，自主运载工具9100可以接近交叉路口9300。自主运载工具9100可以将运载工具运输网络的一部分识别为通行权重叠区域9600。识别通行权重叠区域9600可以包括识别通行权边界位置9610。自主运载工具9100可以停止或减慢至最小速率(诸如低于位于或靠近距通行权边界位置9610的定义接近距离处的定义最大定向调整速率的速率等)，其可以与所示的停止线9212相对应。第一远程运载工具9500可能与自主运载工具9100到达第一停止线9212大致同时地穿过交叉路口9300。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，自主运载工具9100可以到达第一停止线9212，并且大致同时地，第一远程运载工具9500可以正在穿过通行权重叠区域9600，这可能根据关于第一远程运载工具9500离开通行权重叠区域9600的不确定度而增大关于通行权重叠区域9600的通行权的不确定度。在另一示例中，第二远程运载工具9520可能与第一远程运载工具9500穿过通行权重叠区域9600大致同时地在第二车道9220中接近交叉路口9300，这可能增大关于通行权重叠区域9600的通行权的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具9100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以减小关于通行权重叠区域9600的通行权的不确定度。
例如，不确定度可以基于关于第一远程运载工具9500(外部对象)是否、何时(或两者兼有)将离开(预期操作)交叉路口9300的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大远程运载工具9500将离开交叉路口9300的概率来减小关于通行权重叠区域9600的通行权的不确定度。
在另一示例中，不确定度可以基于关于第二远程运载工具9520(外部对象)是否将为自主运载工具9100让路通行权(预期操作)的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大第二远程运载工具9520将让路通行权的概率来减小关于通行权重叠区域9600的通行权的不确定度。
在另一示例中，不确定度可以基于预期外部不确定度，其可以指示外部对象(诸如第二远程运载工具9520等)关于自主运载工具9100相对于通行权重叠区域9600的通行权的预期后续运载工具控制动作的预期不确定度。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具9100以输出自主运载工具9100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域9600的前进运载工具控制动作等)的符号表示(诸如自主运载工具9100的定向调整运动等)，来减小关于通行权重叠区域9600的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括以定义最大定向调整速率(诸如每秒2米)内(诸如等于或低于定义最大定向调整速率)的速率从自主运载工具9100的当前位置朝向边界位置9610穿过运载工具运输网络。
根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括判断自主运载工具9100的当前位置和通行权边界位置9610之间的距离是否在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)。例如，自主运载工具9100可以判断为自主运载工具9100的当前位置和通行权边界位置9610之间的距离在预期直到静止的距离内，并且自主运载工具可以通过根据定义减速度分布减速以停止在或靠近边界位置9610处，来穿过运载工具运输网络。预期直到静止的距离可以指示供自主运载工具9100从运动中状态转变为静止状态的确定距离。在一些实现中，自主运载工具可以判断为自主运载工具的当前位置与通行权边界位置相对应，并且自主运载工具可以通过将自主运载工具控制为静止(停止)来穿过运载工具运输网络。
尽管在图9中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具9100可以位于比停止线9212更靠近第二道路9400的位置处(诸如靠近通行权边界位置9610等)，而第一远程运载工具9500可以保持静止在第二停止线9222处(这可以减少或消除通行权模糊)，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或停止运载工具控制动作。例如，自主运载工具可以判断为远程运载工具9700是静止的并且自主运载工具具有通行权，并且场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为远程运载工具9700具有通行权，或者正以其它方式前进通过交叉路口且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出停止运载工具控制动作。
图10是根据本发明的实施例的包括通行权模糊的行人场景的运载工具运输网络的行人场景10000部分的示例的图。自主运载工具操作管理可以包括自主运载工具10100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具10100沿着第一道路10200以接近与行人运输网络10400的重叠部分的交叉路口10300的方式穿过运载工具运输网络的一部分。自主运载工具10100的预期路径10110使用10110处的虚方向线示出。为了简单和清楚起见，与图10所示的让路停止场景10000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
行人10500被示出为靠近交叉路口10300。行人10500的预期路径10510使用虚方向线示出，表示行人10500可能影响自主运载工具10100的操作。尽管在图10中，行人10500被示出为穿过行人运输网络10400(人行横道)的重叠部分，但行人场景10000可能省略行人运输网络10400的重叠部分，或者行人10500可能以其它方式穿过运载工具运输网络的一部分(不守交通规则)。
自主运载工具10100的自主运载工具操作管理系统可以操作行人监视器(诸如图4所示的行人监视器4220等)，这可以包括实例化行人监视器，并且除了这里所指示的或根据上下文明确可知的，这可以与操作如关于图6所述的交叉路口监视器相同。自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境等来检测或识别行人(让路停止)场景，其中操作环境信息可以包括交叉路口监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化或更新一个或多个行人SSOCEM实例，并且可以响应于检测到或识别出行人场景而将操作环境信息发送至行人SSOCEM实例或以其它方式使操作环境信息可用于行人SSOCEM实例。除了这里所指示的或根据上下文明确可知的，行人SSOCEM实例可以与如关于图6所述的交叉路口SSOCEM实例相同。
实例化行人SSOCEM实例可以包括从行人SSOCEM中识别行人运载工具操作场景的模型所用的解决方案或策略。从行人SSOCEM中识别行人运载工具操作场景的模型所用的解决方案或策略可以包括解决行人SSOCEM模型。实例化行人SSOCEM实例可以包括实例化解决方案或策略的实例。行人SSOCEM解决方案实例可以基于相应的建模场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“停止”、“让路停止”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化行人SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具10100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图10所示的行人场景10000，自主运载工具10100可以接近与行人运输网络10400的重叠部分的交叉路口10300。自主运载工具10100可以将运载工具运输网络的一部分识别为通行权重叠区域10600。例如，通行权重叠区域10600可以基于指示行人运输网络10400的重叠部分的运载工具运输网络信息、指示行人运输网络10400的重叠部分的传感器信息、识别行人10500的预期路径10510的传感器信息或其组合来识别。识别通行权重叠区域10600可以包括识别通行权边界位置10610。
自主运载工具10100可以停止或减慢至最小速率(诸如低于位于或靠近距通行权边界位置10610的定义接近距离处的定义最大定向调整速率的速率等)。尽管图10中未示出停止线，但运载工具运输网络可以包括停止线，该停止线可以与距通行权边界位置10610的定义接近距离相对应。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，自主运载工具10100可以到达距通行权边界位置10610的定义接近距离处，并且大致同时地，行人10500沿着靠近道路10200的行人10500的预期路径10510静止或运动，这可能增大关于通行权重叠区域10600的通行权的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具10100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以减小关于通行权重叠区域10600的通行权的不确定度。
例如，不确定度可以基于关于行人10500(外部对象)是否将为自主运载工具10100让路通行权(预期操作)的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大行人10500将响应于行人10500保持静止而让路通行权的概率或减小行人10500将响应于行人10500穿过交叉路口10300而让路通行权的概率，来减小关于通行权重叠区域10600的通行权的不确定度。
在另一示例中，不确定度可以基于预期外部不确定度，其可以指示外部对象(诸如行人10500等)关于自主运载工具10100相对于通行权重叠区域10600的通行权的预期后续运载工具控制动作的预期不确定度。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具10100以输出自主运载工具10100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域10600的前进运载工具控制动作等)的符号表示(诸如自主运载工具10100的定向调整运动等)，来减小关于通行权重叠区域10600的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括：以定义最大定向调整速率(诸如每秒2米)内(诸如等于或低于定义最大定向调整速率)的速率从自主运载工具10100的当前位置朝向边界位置10610穿过运载工具运输网络。根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括判断自主运载工具10100的当前位置和通行权边界位置10610之间的距离是否在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)。例如，自主运载工具10100可以判断为自主运载工具10100的当前位置和通行权边界位置10610之间的距离在预期直到静止的距离内，并且自主运载工具可以通过根据定义减速度分布减速以停止在或靠近边界位置10610处，来穿过运载工具运输网络。预期直到静止的距离可以指示供自主运载工具10100从运动中状态转变为静止状态的确定距离。在一些实现中，自主运载工具可以判断为自主运载工具的当前位置与通行权边界位置相对应，并且自主运载工具可以通过将自主运载工具控制为静止(停止)来穿过运载工具运输网络。
尽管在图10中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具10100可以位于比距通行权边界位置10610的定义接近距离更靠近行人10500的预期路径10510的位置处(诸如靠近通行权边界位置10610等)，而行人10500可以如图所示靠近运载工具运输网络保持静止或者可能已经穿过行人运输网络10400的重叠部分(这可以减少或消除通行权模糊)，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或停止运载工具控制动作。例如，自主运载工具可以判断为行人10500如图所示靠近运载工具运输网络静止，或者已经穿过行人运输网络10400的重叠部分并且自主运载工具具有通行权，而场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为行人10500具有通行权，或者正以其它方式前进通过行人运输网络10400的重叠部分并且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出停止运载工具控制动作。
图11是根据本发明的实施例的包括通行权模糊的让路停止行人场景的运载工具运输网络的另一行人场景11000部分的示例的图。自主运载工具操作管理可以包括自主运载工具11100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具11100沿着第一道路11200以接近与行人运输网络11400(人行横道)的重叠部分的交叉路口11300的方式穿过运载工具运输网络的一部分。自主运载工具11100的预期路径11110使用11110处的虚方向线示出。为了简单和清楚起见，与图11所示的让路停止场景11000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
第一行人11500被示出为穿过行人运输网络11400的重叠部分。第一行人11500的预期路径11502使用虚方向线示出，表示第一行人11500可能影响自主运载工具11100的操作。第二行人11510被示出为靠近行人运输网络11400的重叠部分。第二行人11510的预期路径11512使用虚方向线示出，表示第二行人11510可能影响自主运载工具11100的操作。尽管在图11中，行人11500、11510被示出为与行人运输网络11400的重叠部分相关，但行人场景11000可省略行人运输网络11400的重叠部分，或者行人11500、11510可能以其它方式穿过运载工具运输网络的一部分(不守交通规则)。
自主运载工具11100的自主运载工具操作管理系统可以操作行人监视器(诸如图4所示的行人监视器4220等)，这可以包括实例化行人监视器，并且除了这里所指示的或根据上下文明确可知的，这可以与操作如关于图6所述的交叉路口监视器相同。自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境来检测或识别行人场景，其中操作环境信息可以包括交叉路口监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化或更新一个或多个行人SSOCEM实例，并且可以响应于检测到或识别出行人场景而将操作环境信息发送至行人SSOCEM实例或以其它方式使操作环境信息可用于行人SSOCEM实例。除了这里所指示的或根据上下文明确可知的，行人SSOCEM实例可以与如关于图6所述的交叉路口SSOCEM实例相同。
实例化行人SSOCEM实例可以包括从行人SSOCEM中识别行人运载工具操作场景的模型所用的解决方案或策略。从行人SSOCEM中识别行人运载工具操作场景的模型所用的解决方案或策略可以包括解决行人SSOCEM模型。实例化行人SSOCEM实例可以包括实例化解决方案或策略的实例。行人SSOCEM解决方案实例可以基于相应的建模场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“停止”、“让路停止”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化行人SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具11100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图11所示的行人场景11000，自主运载工具11100可以接近行人运输网络11400的重叠部分。自主运载工具11100可以将运载工具运输网络的一部分识别为通行权重叠区域11600。识别通行权重叠区域11600可以包括识别通行权边界位置11610。识别通行权重叠区域11600可以基于运载工具运输网络信息、行人运输网络信息、指示行人11500、11510的传感器数据、或其组合。
自主运载工具11100可以停止或减慢至最小速率(诸如低于位于或靠近距通行权边界位置11610的定义接近距离处的定义最大定向调整速率的速率等)。尽管图11中未示出停止线，但运载工具运输网络可以包括停止线，该停止线可以与距通行权边界位置11610的定义接近距离相对应。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，自主运载工具11100可以到达距通行权边界位置11610的定义接近距离处，并且大致同时地，第一行人11500可以沿着供第一行人11500穿过行人运输网络11400的重叠部分的预期路径11502静止或运动，并且第二行人11510可以靠近道路11200静止或运动，这可能增大关于通行权重叠区域11600的通行权的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具11100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以减小关于通行权重叠区域11600的通行权的不确定度。
例如，不确定度可以基于关于第一行人11500(外部对象)是否、何时(或两者兼有)将离开(预期操作)行人运输网络11400的重叠部分的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大第一行人11500将离开行人运输网络11400的重叠部分的概率来减小关于通行权重叠区域11600的通行权的不确定度。
在另一示例中，不确定度可以基于关于第二行人11510(外部对象)是否将为自主运载工具11100让路通行权(预期操作)的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大第二行人11510将响应于第二行人11510保持静止而让路通行权的概率或减小第二行人11510将响应于第二行人11510穿过行人运输网络11400的重叠部分而让路通行权的概率，来减小关于通行权重叠区域11600的通行权的不确定度。
在另一示例中，不确定度可以基于预期外部不确定度，其可以指示外部对象(诸如第二行人11500等)关于自主运载工具11100相对于通行权重叠区域11600的通行权的预期后续运载工具控制动作的预期不确定度。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具11100以输出自主运载工具11100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域11600的前进运载工具控制动作等)的符号表示(诸如自主运载工具11100的定向调整运动等)，来减小关于通行权重叠区域11600的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括以定义最大定向调整速率(诸如每秒2米)内(诸如等于或低于定义最大定向调整速率)的速率从自主运载工具11100的当前位置朝向边界位置11610穿过运载工具运输网络。根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括判断自主运载工具11100的当前位置和通行权边界位置11610之间的距离是否在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)。例如，自主运载工具11100可以判断为自主运载工具11100的当前位置和通行权边界位置11610之间的距离在预期直到静止的距离内，并且自主运载工具可以通过根据定义减速度分布减速以停止在或靠近边界位置11610处，来穿过运载工具运输网络。预期直到静止的距离可以指示供自主运载工具11100从运动中状态转变为静止状态的确定距离。在一些实现中，自主运载工具可以判断为自主运载工具的当前位置与通行权边界位置相对应，并且自主运载工具可以通过将自主运载工具控制为静止(停止)来穿过运载工具运输网络。
尽管在图11中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具11100可以位于比距通行权边界位置11610的定义接近距离更靠近行人运输网络11400的重叠部分的位置处(诸如靠近通行权边界位置11610)，第一行人11500可能已经穿过行人运输网络的重叠部分，并且第二行人11510可能如图所示靠近运载工具运输网络保持静止(这可以减少或消除通行权模糊)，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或停止运载工具控制动作。例如，自主运载工具可以判断为第一行人11500已经穿过行人运输网络的重叠部分并且第二行人11510如图所示已靠近运载工具运输网络保持静止并且自主运载工具具有通行权，而场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为第一行人11500具有通行权，或者正以其它方式穿过行人运输网络的重叠部分或者第二行人11510正在穿过行人运输网络的重叠部分并且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出停止运载工具控制动作。
图12是根据本发明的实施例的包括通行权模糊的合并场景的运载工具运输网络的合并场景12000部分的示例的图。自主运载工具操作管理可以包括自主运载工具12100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具12100在第一车道12210中沿着第一道路12200以接近合并交叉路口12300的方式穿过运载工具运输网络的一部分(合并场景)。自主运载工具12100的预期路径12110使用虚方向线示出，并且自主运载工具12100的当前轨迹使用实方向线12120示出。为了简单和清楚起见，与图12所示的合并场景12000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
与图12所示的合并场景12000相对应的运载工具运输网络的一部分包括：自主运载工具12100沿着第一道路12200的第一车道12210(其与第一道路12200的第二车道12220相邻)中的路段以接近合并交叉路口12300的方式向北穿过。第一车道12210和第二车道12220在合并交叉路口12300处合并(车道减少转变)，以形成第一道路12200的后续合并车道12230。尽管第一车道12210、第二车道12220和合并车道12230单独示出，但第一车道12210、第二车道12220和合并车道12230的相应部分可能在合并交叉路口12300中重叠。可以使用其它合并配置。
远程运载工具12400正在如图所示以与自主运载工具12100大致同时地接近合并交叉路口12300的方式穿过第二车道12220，或者可能以其它方式在靠近自主运载工具12100的时空位置的时空位置处接近合并交叉路口12300，使得该远程运载工具可能诸如通过阻塞自主运载工具12100而影响自主运载工具12100穿过合并场景的操作。远程运载工具12400的预期路径12410使用虚方向线示出，并且远程运载工具12400的当前轨迹12420使用实方向线12420示出。
自主运载工具12100的自主运载工具操作管理系统可以操作合并监视器(诸如图4所示的合并监视器4250等)，这可以包括实例化合并监视器，除了这里所指示的或根据上下文明确可知的，这可以与操作如关于图6所述的交叉路口监视器相同。自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境来检测或识别合并场景，其中操作环境信息可以包括合并监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化或更新一个或多个合并SSOCEM实例，并且可以响应于检测到或识别出包括远程运载工具12400的合并场景而将操作环境信息发送至合并SSOCEM实例或以其它方式使操作环境信息可用于合并SSOCEM实例。除了这里所指示的或根据上下文明确可知的，合并SSOCEM实例可以与如关于图6所述的交叉路口SSOCEM实例相同。
实例化合并SSOCEM实例可以包括从合并SSOCEM中识别合并运载工具操作场景的模型所用的解决方案或策略。从合并SSOCEM中识别合并运载工具操作场景的模型所用的解决方案或策略可以包括解决合并SSOCEM模型。实例化合并SSOCEM实例可以包括实例化解决方案或策略的实例。合并SSOCEM解决方案实例可以基于相应的建模场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“停止”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化合并SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具12100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图12所示的合并场景12000，自主运载工具12100可以诸如以根据定义速率限制或根据现行交通速率的速率接近合并交叉路口12300。
自主运载工具12100可以将运载工具运输网络的一部分识别为通行权重叠区域12500。识别通行权重叠区域12500可以包括识别通行权边界位置12510，该通行权边界位置12510可以是运载工具运输网络中沿着自主运载工具12100的预期路径12110在自主运载工具12100的当前位置和通行权重叠区域12500之间靠近通行权重叠区域12500(诸如紧邻通行权重叠区域12500)的位置，其可以是运载工具运输网络中沿着自主运载工具12100的预期路径12110距通行权重叠区域12500最近的、自主运载工具12100在不进入通行权重叠区域12500的情况下可以安全穿过的位置。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，自主运载工具12100和远程运载工具12400可以大致同时地接近合并交叉路口12300，这可能增大关于通行权重叠区域12500的通行权的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具12100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分，这可以包括从自主运载工具12100的当前位置朝向后续合并车道12230穿过运载工具运输网络。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以减小关于通行权重叠区域12500的通行权的不确定度。
例如，不确定度可以基于关于远程运载工具12400(外部对象)是否将为自主运载工具12100让路通行权(预期操作)的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大远程运载工具12400将响应于远程运载工具12400减速而让路通行权的概率或减小远程运载工具12400将响应于远程运载工具12400加速而让路通行权的概率，来减小关于通行权重叠区域12500的通行权的不确定度。
在另一示例中，不确定度可以基于预期外部不确定度，其可以指示外部对象(诸如远程运载工具12400等)关于自主运载工具12100相对于通行权重叠区域12500的通行权的预期后续运载工具控制动作的预期不确定度。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具12100以输出自主运载工具12100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域12500的前进运载工具控制动作等)的符号表示(诸如自主运载工具12100的定向调整运动等)，来减小关于通行权重叠区域12500的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括：通过控制自主运载工具12100的轨迹以将自主运载工具12100相对于运载工具运输网络的相对定向从大致处于如图所示的当前车道12210的中心的定向调整为当前车道12210中相对靠近相邻车道12220的定向(其可以是运载工具运输网络中沿着自主运载工具12100的预期路径12110距通行权重叠区域12500最近的、自主运载工具12100在不进入通行权重叠区域12500的情况下可以安全穿过的位置)，来从自主运载工具12100的当前位置朝向后续合并车道12230穿过运载工具运输网络。控制自主运载工具12100的横向车道方向定向可以根据定义的横向调整率分布而进行。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括通过诸如经由加速或减速来控制速度，以从自主运载工具12100的当前位置朝向后续合并车道12230穿过运载工具运输网络。
尽管在图12中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具12100可以位于比远程运载工具12400更靠近后续合并车道12230的横向中心的位置处(这可以减少或消除通行权模糊)，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或减速运载工具控制动作。例如，自主运载工具可以判断为自主运载工具12100位于比远程运载工具12400更靠近后续合并车道12230的横向中心的位置处并且自主运载工具具有通行权，并且场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为远程运载工具12400具有通行权，或者正以其它方式前进通过合并交叉路口12300并且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出减速运载工具控制动作。
图13是根据本发明的实施例的包括通行权模糊的车道变换场景的运载工具运输网络的车道变换场景13000部分的示例的图。自主运载工具操作管理可以包括自主运载工具13100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具13100在第一车道13210中沿着第一道路13200穿过运载工具运输网络的一部分并将运载工具运输网络的一部分识别为用于进行车道变换的车道变换位置13300(车道变换场景)。为了简单和清楚起见，与图13所示的车道变换场景13000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
与图13所示的车道变换场景13000相对应的运载工具运输网络的一部分包括自主运载工具13100沿着第一道路13200的第一车道13210(其与第一道路13200的第二车道13220相邻)中的路段以接近所识别出的车道变换位置13300的方式向北穿过。车道变换位置13300可以是相对于自主运载工具13100的位置的相对位置。
远程运载工具13400正在如图所示以与自主运载工具13100大致同时地接近所识别出的车道变换位置13300的方式穿过第二车道13220，或者可能以其它方式在靠近自主运载工具13100的时空位置的时空位置处接近所识别出的车道变换位置13300，使得该远程运载工具13400可能诸如通过阻塞自主运载工具13100而影响自主运载工具13100穿过车道变换场景的操作。
自主运载工具13100的自主运载工具操作管理系统可以操作车道变换监视器(诸如图4所示的车道变换监视器4240等)，这可以包括实例化车道变换监视器，除了这里所指示的或根据上下文明确可知的，这可以与操作如关于图6所述的交叉路口监视器相同。自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境来检测或识别车道变换场景，其中操作环境信息可以包括车道变换监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化或更新一个或多个车道变换SSOCEM实例，并且可以响应于检测到或识别出包括远程运载工具13400的车道变换场景而将操作环境信息发送至车道变换SSOCEM实例或以其它方式使操作环境信息可用于车道变换SSOCEM实例。除了这里所指示的或根据上下文明确可知的，车道变换SSOCEM实例可以与如关于图6所述的交叉路口SSOCEM实例相同。
实例化车道变换SSOCEM实例可以包括从车道变换SSOCEM中识别车道变换运载工具操作场景的模型所用的解决方案或策略。从车道变换SSOCEM中识别车道变换运载工具操作场景的模型所用的解决方案或策略可以包括解决车道变换SSOCEM模型。实例化车道变换SSOCEM实例可以包括实例化解决方案或策略的实例。车道变换SSOCEM解决方案实例可以基于相应的建模场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“维持”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具13100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图13所示的车道变换场景13000，自主运载工具13100可以诸如以根据定义速率限制或根据现行交通速率的速率接近车道变换位置13300。自主运载工具13100可以将运载工具运输网络的一部分识别为通行权重叠区域13500。识别通行权重叠区域13500可以包括识别通行权边界位置13510，该通行权边界位置13510可以是运载工具运输网络中沿着自主运载工具13100的预期路径13110在自主运载工具13100的当前位置和通行权重叠区域13500之间靠近通行权重叠区域13500(诸如紧邻通行权重叠区域13500)的位置，其可以是运载工具运输网络中沿着自主运载工具13100的预期路径13110距通行权重叠区域13500最近的、自主运载工具13100在不进入通行权重叠区域13500的情况下可以安全穿过的位置。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，自主运载工具13100和远程运载工具13400可以大致同时地接近车道变换交叉路口13300，这可能增大关于通行权重叠区域13500的通行权的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具13100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分，这可以包括从自主运载工具13100的当前位置朝向相邻车道13220穿过运载工具运输网络。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以减小关于通行权重叠区域13500的通行权的不确定度。
例如，不确定度可以基于关于远程运载工具13400(外部对象)是否将为自主运载工具13100让路通行权(预期操作)的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大远程运载工具13400将响应于远程运载工具13400减速而让路通行权的概率、或减小远程运载工具13400将响应于远程运载工具13400加速而让路通行权的概率、或以其它方式维持针对自主运载工具13100的阻塞相对定向，来减小关于通行权重叠区域13500的通行权的不确定度。
在另一示例中，不确定度可以基于预期外部不确定度，其可以指示外部对象(诸如远程运载工具13400等)关于自主运载工具13100相对于通行权重叠区域13500的通行权的预期后续运载工具控制动作的预期不确定度。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具13100以输出自主运载工具13100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域13500的前进运载工具控制动作等)的符号表示(诸如自主运载工具13100的定向调整运动等)，来减小关于通行权重叠区域13500的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括：通过控制自主运载工具13100的轨迹以将自主运载工具13100相对于运载工具运输网络的相对定向从大致处于如图所示的当前车道13210的中心的定向调整为当前车道13210中相对靠近相邻车道13220的定向(其可以是运载工具运输网络中沿着自主运载工具13100的预期路径13110距通行权重叠区域13500最近的、自主运载工具13100在不进入通行权重叠区域13500的情况下可以安全穿过的位置)，来从自主运载工具13100的当前位置朝向相邻车道13220穿过运载工具运输网络。控制自主运载工具13100的横向车道方向定向(方向状态变换)可以根据定义的横向调整率分布而进行。
尽管在图13中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具13100可以位于比远程运载工具13400更靠近相邻车道13220的横向中心的位置处(这可以减少或消除通行权模糊)，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或减速运载工具控制动作。例如，自主运载工具可以判断为自主运载工具13100位于比远程运载工具13400更靠近相邻车道13220的横向中心的位置处并且自主运载工具具有通行权，并且场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为远程运载工具13400具有通行权，或者正以其它方式前进通过车道变换交叉路口13300并且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出减速运载工具控制动作。
图14是根据本发明的实施例的包括通行权模糊的车道重叠运载工具操作场景的运载工具运输网络的车道重叠场景14000部分的示例的图。自主运载工具操作管理可以包括自主运载工具14100(诸如图1所示的运载工具1000、图2所示的运载工具2100/2110其中之一、半自主运载工具、或实现自主驾驶的任何其它运载工具等)操作自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000或图5所示的自主运载工具操作管理系统5000等)，该自主运载工具操作管理系统可以包括自主运载工具操作控制场景的模型，其中自主运载工具操作控制场景包括自主运载工具14100在第一车道14210(其与具有相反行进方向的第二车道14220相邻)中沿着第一道路14200以接近运载工具运输网络的车道重叠(双向)位置14300的方式穿过运载工具运输网络的一部分，其中，具有相反行进方向的车道重叠(车道重叠运载工具操作场景)。为了简单和清楚起见，与图14所示的车道重叠场景14000相对应的运载工具运输网络的一部分以顶部为北且右侧为东的方式定向。
与图14所示的车道重叠场景14000相对应的运载工具运输网络的一部分包括自主运载工具14100沿着第一道路14200的第一车道14210(其与第二车道14220相邻)中的路段以接近车道重叠位置14300的方式向北穿过。远程运载工具14400正在第二车道14220中以接近车道重叠位置14300的方式向南穿过。
自主运载工具14100的自主运载工具操作管理系统可以操作车道重叠监视器，这可以包括实例化车道重叠监视器，除了这里所指示的或根据上下文明确可知的，这可以与操作如关于图6所述的交叉路口监视器相同。自主运载工具操作管理控制器可以诸如基于操作环境信息所表示的操作环境来检测或识别车道重叠运载工具操作场景，其中操作环境信息可以包括车道重叠监视器所输出的操作环境信息。自主运载工具操作管理控制器可以实例化或更新一个或多个车道重叠SSOCEM实例，并且可以响应于检测到或识别出包括远程运载工具14400的车道重叠运载工具操作场景而将操作环境信息发送至车道重叠SSOCEM实例或以其它方式使操作环境信息可用于车道重叠SSOCEM实例。除了这里所指示的或根据上下文明确可知的，车道重叠SSOCEM实例可以与如关于图6所述的交叉路口SSOCEM实例相同。
实例化车道重叠SSOCEM实例可以包括从车道重叠SSOCEM中识别车道重叠运载工具操作场景的模型所用的解决方案或策略。从车道重叠SSOCEM中识别车道重叠运载工具操作场景的模型所用的解决方案或策略可以包括解决车道重叠SSOCEM模型。实例化车道重叠SSOCEM实例可以包括实例化解决方案或策略的实例。车道重叠SSOCEM解决方案实例可以基于相应的建模运载工具操作场景和相应的操作环境信息来生成候选运载工具控制动作(诸如“停止”、“定向调整”或“前进”等)，并且可以诸如通过将相应的候选运载工具控制动作发送至自主运载工具操作管理控制器或存储相应的候选运载工具控制动作以供自主运载工具操作管理控制器访问，来将相应的候选运载工具控制动作输出至自主运载工具操作管理控制器。
自主运载工具操作管理控制器可以从相应的实例化SSOCEM实例接收候选运载工具控制动作，并且可以基于所接收到的用于在相应时间位置处控制自主运载工具14100的候选运载工具控制动作来识别运载工具控制动作，并且可以根据所识别出的运载工具控制动作来控制自主运载工具以穿过运载工具运输网络或其一部分。
对于图14所示的车道重叠场景14000，自主运载工具14100可以接近车道重叠位置14300。大致同时地，远程运载工具14400可以接近车道重叠位置14300。自主运载工具14100可以将运载工具运输网络的一部分识别为通行权重叠区域14500。识别通行权重叠区域14500可以包括识别通行权边界位置14510，该通行权边界位置14510可以是运载工具运输网络中沿着自主运载工具14100的预期路径14110在自主运载工具14100的当前位置和通行权重叠区域14500之间靠近通行权重叠区域14500(诸如紧邻通行权重叠区域14500)的位置，其可以是运载工具运输网络中沿着自主运载工具14100的预期路径14110距通行权重叠区域14500最近的、自主运载工具14100在不进入通行权重叠区域14500的情况下可以安全穿过的位置。
场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度超过定义不确定度阈值。例如，自主运载工具14100和远程运载工具14400可以大致同时地接近车道重叠交叉路口14300，这可能增大关于通行权重叠区域14500的通行权的不确定度。
场景特定操作控制评价模型策略可以输出定向调整运载工具控制动作。自主运载工具14100可以根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以减小关于通行权重叠区域14500的通行权的不确定度。
例如，不确定度可以基于关于远程运载工具14400(外部对象)是否将为自主运载工具14100让路通行权(预期操作)的不确定度，并且根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过增大远程运载工具14400将响应于远程运载工具14400保持或变得静止而让路通行权的概率或减小远程运载工具14400将响应于远程运载工具14400穿过车道重叠位置14300而让路通行权的概率，来减小关于通行权重叠区域14500的通行权的不确定度。
在另一示例中，不确定度可以基于预期外部不确定度，其可以指示外部对象(诸如远程运载工具14400等)关于自主运载工具14100相对于通行权重叠区域14500的通行权的预期后续运载工具控制动作的预期不确定度。根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以通过控制自主运载工具14100以输出自主运载工具14100的预期后续通行权和相应预期后续运载工具控制动作(诸如用以穿过通行权重叠区域14500的前进运载工具控制动作等)的符号表示(诸如自主运载工具14100的定向调整运动等)，来减小关于通行权重叠区域14500的通行权的不确定度。
根据定向调整运载工具控制动作来穿过运载工具运输网络的一部分可以包括以定义最大定向调整速率(诸如每秒2米等)内(诸如等于或低于定义最大定向调整速率)的速率从自主运载工具14100的当前位置朝向边界位置14510穿过运载工具运输网络。
根据定向调整运载工具控制动作来穿过运载工具运输网络可以包括判断自主运载工具14100的当前位置和通行权边界位置14510之间的距离是否在预期直到静止的距离内(诸如等于或小于预期直到静止的距离)。例如，自主运载工具14100可以判断为自主运载工具14100的当前位置和通行权边界位置14510之间的距离在预期直到静止的距离内，并且自主运载工具14100可以通过根据定义减速度分布减速以停止在或靠近边界位置14510处，来穿过运载工具运输网络。预期直到静止的距离可以指示供自主运载工具14100从运动中状态转变为静止状态的确定距离。在一些实现中，自主运载工具14100可以判断为自主运载工具的当前位置与通行权边界位置相对应，并且自主运载工具14100可以通过将自主运载工具14100控制为静止(停止)来穿过运载工具运输网络。
尽管在图14中未示出，但在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。例如，在根据定向调整运载工具控制动作穿过运载工具运输网络的一部分之后，自主运载工具14100可以位于比远程运载工具14400更靠近车道重叠交叉路口14300的位置处(这可以减少或消除通行权模糊)，并且场景特定操作控制评价模型策略可以判断为不同运载工具操作场景的当前信念状态的不确定度在定义不确定度阈值内。
响应于判断为不同运载工具操作场景的不确定度值在定义不确定度阈值内，场景特定操作控制评价模型策略可以输出前进运载工具控制动作或减速运载工具控制动作。例如，自主运载工具14100可以判断为自主运载工具14100位于比远程运载工具14400更靠近车道重叠交叉路口14300的位置处并且自主运载工具具有通行权，并且场景特定操作控制评价模型策略可以输出前进运载工具控制动作。在另一示例中，自主运载工具可以判断为远程运载工具14400具有通行权，或者正以其它方式前进通过车道重叠交叉路口14300并且自主运载工具当前不具有通行权，并且场景特定操作控制评价模型策略可以输出停止或等待运载工具控制动作。
尽管针对包括自主运载工具操作管理系统(诸如图4所示的自主运载工具操作管理系统4000等)的自主运载工具进行了描述，但可以在其它自主运载工具或半自主运载工具的配置中实现根据定向调整运载工具控制动作穿过运载工具运输网络的一部分。
如这里所使用的，术语“计算机”或“计算装置”包括能够进行这里公开的任何方法或其任何部分的任何单元或单元组合。
如这里所使用的，术语“处理器”指示一个或多个处理器，诸如一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个应用处理器、一个或多个专用集成电路、一个或多个专用标准产品；一个或多个现场可编程门阵列、任何其它类型或组合的集成电路、一个或多个状态机或其任意组合。
如这里所使用的，术语“存储器”指示可以有形地包含、存储、通信或传输可由任何处理器使用或与任何处理器相结合地使用的任何信号或信息的任何计算机可用或计算机可读介质或装置。例如，存储器可以是一个或多个只读存储器(ROM)、一个或多个随机存取存储器(RAM)、一个或多个寄存器、低功耗双倍数据速率(LPDDR)存储器、一个或多个高速缓存存储器、一个或多个半导体存储器装置、一个或多个磁介质、一个或多个光介质、一个或多个磁光介质、或其任意组合。
如这里所使用的，术语“指令”可以包括用于进行这里所公开的任何方法或其任何部分的指导或表示，并且可以在硬件、软件或其任何组合中实现。例如，指令可被实现为存储器中所存储的诸如计算机程序等的信息，该信息可以由处理器执行以进行如这里所述的相应方法、算法、方面或其组合中的任一个。在一些实施例中，指令或其一部分可被实现为专用处理器或电路，该专用处理器或电路可以包括用于执行如这里所述的方法、算法、方面或其组合中的任一个的专用硬件。在一些实现中，指令的一部分可以跨单个装置、可直接地或跨诸如局域网、广域网、因特网或其组合等的网络进行通信的多个装置上的多个处理器分布。
如这里所使用的，术语“示例”、“实施例”、“实现”、“方面”、“特征”或“元素”表示用作示例、实例或例示。除非明确指示，否则任何示例、实施例、实现、方面、特征或元素是彼此独立的示例、实施例、实现、方面、特征或元素，并且可以与任何其它示例、实施例、实现、方面、特征或元素结合使用。
如这里所使用的，术语“确定”和“识别”或其任何变形包括无论如何以任何方式使用这里所示和所述的一个或多个装置选择、查明、计算、查找、接收、确定、建立、获得或者以其它方式识别或确定。
如这里所使用的，术语“或”意指包容性“或”而不是排他性“或”。也就是说，除非另有规定或根据上下文明确可知，否则“X包括A或B”意在指示任意自然包容性排列。也就是说，如果X包括A；X包括B；或者X包括A和B这两者，则在上述任何情况下，都满足“X包括A或B”。另外，除非另有规定或者根据上下文明确可知针对单数形式，否则本申请和所附权利要求中所使用的冠词“a”和“an”一般应被理解为“一个或多个”。
此外，为了简化解释，尽管这里的图和描述可以包括操作或阶段的序列或一系列步骤或阶段，但是这里所公开的方法的元素可以以不同的顺序或同时地出现。另外，这里公开的方法的元素可以与这里没有明确呈现和描述的其它元素一起发生。此外，可能并非需要这里描述的方法的所有元素来实现根据本发明的方法。尽管这里以特定组合描述了方面、特征和元素，但是各方面、特征或元素可以单独使用，或者可以以具有或不具有其它方面、特征和/或元素的各种组合使用。
描述了上述的方面、示例和实现，以使得能够容易地理解本发明不是限制性的。相反，本发明涵盖所附权利要求的范围内所包括的各种修改和等同布置，该范围应被给予法律所允许的最广泛解释，以包含所有这类修改和等同结构。

Claims (16)

1.一种用于穿过运载工具运输网络的方法，所述方法包括：
由自主运载工具穿过运载工具运输网络，其中，穿过所述运载工具运输网络包括：
操作场景特定操作控制评价模块实例，其中，所述场景特定操作控制评价模块实例包括不同运载工具操作场景的场景特定操作控制评价模型的实例，以及其中，操作所述场景特定操作控制评价模块实例包括识别所述场景特定操作控制评价模型所用的策略；
从所述场景特定操作控制评价模块实例所用的策略接收候选运载工具控制动作，其中：
响应于所述不同运载工具操作场景的不确定度值超过定义不确定度阈值的判断，所述候选运载工具控制动作是定向调整运载工具控制动作；以及
根据所述候选运载工具控制动作来穿过所述运载工具运输网络的一部分，其中，所述运载工具运输网络的所述部分包括所述不同运载工具操作场景，其中，根据所述候选运载工具控制动作来穿过所述运载工具运输网络包括：
识别所述运载工具运输网络中的通行权边界位置，以及
响应于所述自主运载工具和所述通行权边界位置之间的距离在定义接近距离内的判断，控制所述自主运载工具以最大定向调整速率穿过所述运载工具运输网络的所述部分。
2.根据权利要求1所述的方法，其中，控制所述自主运载工具以所述最大定向调整速率穿过所述运载工具运输网络的所述部分包括：
响应于所述最大定向调整速率超过所述自主运载工具的当前速率的判断，控制所述自主运载工具以加速至所述最大定向调整速率；以及
响应于所述自主运载工具的当前速率超过所述最大定向调整速率的判断，控制所述自主运载工具以减速至所述最大定向调整速率。
3.根据权利要求1所述的方法，其中，根据所述候选运载工具控制动作来穿过所述运载工具运输网络包括：响应于所述自主运载工具和所述通行权边界位置之间的距离在预期直到静止的距离内的判断，控制所述自主运载工具以减速穿过所述运载工具运输网络。
4.根据权利要求3所述的方法，其中，根据所述候选运载工具控制动作来穿过所述运载工具运输网络包括：响应于所述自主运载工具的当前位置与所述通行权边界位置相对应的判断，控制所述自主运载工具以停止穿过所述运载工具运输网络。
5.根据权利要求1所述的方法，其中，穿过所述运载工具运输网络包括：
从所述场景特定操作控制评价模块实例所用的策略接收后续候选运载工具控制动作，其中：
响应于所述不同运载工具操作场景的不确定度值在所述定义不确定度阈值内的判断，所述后续候选运载工具控制动作是前进运载工具控制动作或停止运载工具控制动作；以及
根据所述后续候选运载工具控制动作来穿过所述运载工具运输网络的后续部分，其中，所述运载工具运输网络的所述后续部分包括所述不同运载工具操作场景。
6.根据权利要求1所述的方法，其中，所述不同运载工具操作场景的不确定度值超过所述定义不确定度阈值的判断与被遮挡区域相对应，以及其中，根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分包括：根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分，使得所述被遮挡区域减小。
7.根据权利要求1所述的方法，其中，所述不同运载工具操作场景的不确定度值超过所述定义不确定度阈值的判断是基于外部对象的预期操作的不确定度，以及其中，根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分包括：根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分，使得所述外部对象的预期操作的不确定度减小。
8.根据权利要求1所述的方法，其中，所述不同运载工具操作场景的不确定度值超过所述定义不确定度阈值的判断是基于预期外部不确定度，以及其中，根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分包括：根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分，使得所述预期外部不确定度通过控制所述自主运载工具以输出所述自主运载工具的预期后续运载工具控制动作的符号表示而减小。
9.根据权利要求8所述的方法，其中，控制所述自主运载工具以输出所述自主运载工具的预期后续运载工具控制动作的符号表示包括：控制所述自主运载工具的方向状态和所述自主运载工具的动力学状态中至少之一。
10.根据权利要求1所述的方法，其中，所述不同运载工具操作场景是交叉路口场景、行人场景、合并场景、车道变换场景、车道重叠场景。
11.一种自主运载工具，包括：
处理器，其被配置为执行非暂时性计算机可读介质上所存储的指令以进行以下操作：
操作场景特定操作控制评价模块实例，其中，所述场景特定操作控制评价模块实例包括不同运载工具操作场景的场景特定操作控制评价模型的实例，以及其中，操作所述场景特定操作控制评价模块实例包括识别所述场景特定操作控制评价模型所用的策略；
从所述场景特定操作控制评价模块实例所用的策略接收候选运载工具控制动作，其中：
响应于所述不同运载工具操作场景的不确定度值超过定义不确定度阈值的判断，所述候选运载工具控制动作是定向调整运载工具控制动作；以及
根据所述候选运载工具控制动作来穿过运载工具运输网络的一部分，其中，所述运载工具运输网络的所述部分包括所述不同运载工具操作场景，其中，所述处理器被配置为执行所述非暂时性计算机可读介质上所存储的指令，以通过以下操作，根据所述候选运载工具控制动作来穿过所述运载工具运输网络：
识别所述运载工具运输网络中的通行权边界位置，以及
响应于所述自主运载工具和所述通行权边界位置之间的距离在定义接近距离内的判断而控制所述自主运载工具以最大定向调整速率穿过所述运载工具运输网络的所述部分。
12.根据权利要求11所述的自主运载工具，其中，所述处理器被配置为进行以下操作：
响应于指示被遮挡区域、外部对象的预期操作和预期外部不确定度中至少之一的信息，生成所述不同运载工具操作场景的不确定度值超过所述定义不确定度阈值的判断；以及
通过以下操作，根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分：
根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分，使得所述外部对象的预期操作的不确定度减小；
根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分，使得所述预期外部不确定度通过控制所述自主运载工具以输出所述自主运载工具的预期后续运载工具控制动作的符号表示而减小；以及
响应于指示所述被遮挡区域的信息，根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分，使得所述被遮挡区域减小。
13.根据权利要求11所述的自主运载工具，其中，控制所述自主运载工具以所述最大定向调整速率穿过所述运载工具运输网络的所述部分包括：
响应于所述最大定向调整速率超过所述自主运载工具的当前速率的判断，控制所述自主运载工具以加速至所述最大定向调整速率；以及
响应于所述自主运载工具的当前速率超过所述最大定向调整速率的判断，控制所述自主运载工具以减速至所述最大定向调整速率。
14.根据权利要求11所述的自主运载工具，其中，所述处理器被配置为执行所述非暂时性计算机可读介质上所存储的指令，以通过响应于所述自主运载工具和所述通行权边界位置之间的距离在预期直到静止的距离内的判断而控制所述自主运载工具以减速穿过所述运载工具运输网络，根据所述候选运载工具控制动作来穿过所述运载工具运输网络。
15.根据权利要求11所述的自主运载工具，其中，所述处理器被配置为执行所述非暂时性计算机可读介质上所存储的指令，以通过响应于所述自主运载工具的当前位置与所述通行权边界位置相对应的判断而控制所述自主运载工具以停止穿过所述运载工具运输网络，根据所述候选运载工具控制动作来穿过所述运载工具运输网络。
16.一种用于穿过运载工具运输网络的方法，所述方法包括：
由自主运载工具穿过运载工具运输网络，其中，穿过所述运载工具运输网络包括：
操作场景特定操作控制评价模块实例，其中，所述场景特定操作控制评价模块实例包括不同运载工具操作场景的场景特定操作控制评价模型的实例，以及其中，操作所述场景特定操作控制评价模块实例包括识别所述场景特定操作控制评价模型所用的策略；
从所述场景特定操作控制评价模块实例所用的策略接收候选运载工具控制动作，其中：
响应于所述不同运载工具操作场景的不确定度值超过定义不确定度阈值的判断，所述候选运载工具控制动作是定向调整运载工具控制动作；以及
根据所述候选运载工具控制动作来穿过所述运载工具运输网络的一部分，其中，所述运载工具运输网络的所述部分包括所述不同运载工具操作场景，以及其中，根据所述候选运载工具控制动作来穿过所述运载工具运输网络的所述部分包括：
响应于所述自主运载工具和通行权边界位置之间的距离在预期直到静止的距离内的判断，控制所述自主运载工具以减速穿过所述运载工具运输网络，以及
响应于所述自主运载工具的当前位置与所述通行权边界位置相对应的判断，控制所述自主运载工具以停止穿过所述运载工具运输网络。
CN201980043929.3A 2018-06-29 2019-06-25 用于自主运载工具操作管理的定向调整动作 Active CN112368662B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/023,710 US11120688B2 (en) 2018-06-29 2018-06-29 Orientation-adjust actions for autonomous vehicle operational management
US16/023,710 2018-06-29
PCT/US2019/038893 WO2020005875A1 (en) 2018-06-29 2019-06-25 Orientation-adjust actions for autonomous vehicle operational management

Publications (2)

Publication Number Publication Date
CN112368662A CN112368662A (zh) 2021-02-12
CN112368662B true CN112368662B (zh) 2021-12-10

Family

ID=68987511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980043929.3A Active CN112368662B (zh) 2018-06-29 2019-06-25 用于自主运载工具操作管理的定向调整动作

Country Status (5)

Country Link
US (1) US11120688B2 (zh)
EP (1) EP3814867A4 (zh)
JP (2) JP2021523057A (zh)
CN (1) CN112368662B (zh)
WO (1) WO2020005875A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10196058B2 (en) 2016-11-28 2019-02-05 drive.ai Inc. Method for influencing entities at a roadway intersection
US10261513B2 (en) 2016-12-19 2019-04-16 drive.ai Inc. Methods for communicating state, intent, and context of an autonomous vehicle
US20200001779A1 (en) * 2018-06-27 2020-01-02 drive.ai Inc. Method for communicating intent of an autonomous vehicle
US11616813B2 (en) * 2018-08-31 2023-03-28 Microsoft Technology Licensing, Llc Secure exploration for reinforcement learning
KR102592825B1 (ko) * 2018-08-31 2023-10-23 현대자동차주식회사 충돌 회피 제어 장치 및 그 방법
DE102018130449A1 (de) * 2018-11-30 2020-06-04 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Überprüfung eines zumindest teilautonomen Fahrbetriebs eines Fahrzeuges
JP7220095B2 (ja) * 2019-02-22 2023-02-09 株式会社日立製作所 セキュリティ設計立案支援装置
CN109949596A (zh) * 2019-02-28 2019-06-28 北京百度网讯科技有限公司 用于自动驾驶车辆的车辆交互方法和装置
JP7088118B2 (ja) * 2019-04-09 2022-06-21 トヨタ自動車株式会社 自動運転車両管理システム
US11462111B2 (en) * 2019-04-29 2022-10-04 Qualcomm Incorporated Method and apparatus for vehicle maneuver planning and messaging
US11136023B2 (en) * 2019-05-07 2021-10-05 Baidu Usa Llc Method for determining exiting intersection of moving objects for autonomous driving vehicles
WO2020230300A1 (ja) * 2019-05-15 2020-11-19 日産自動車株式会社 車両の走行制御方法及び走行制御装置
US11275370B2 (en) * 2019-06-28 2022-03-15 Zoox, Inc. Techniques for navigating vehicles using teleoperator instructions
US20210101625A1 (en) * 2019-10-08 2021-04-08 Motional Ad Llc Navigating multi-way stop intersections with an autonomous vehicle
US11608067B2 (en) * 2020-08-12 2023-03-21 Honda Motor Co., Ltd. Probabilistic-based lane-change decision making and motion planning system and method thereof
DE102020210336A1 (de) * 2020-08-14 2022-02-17 Zf Friedrichshafen Ag Kollisionsvermeidung für ein Fahrzeug
CN112241176B (zh) * 2020-10-16 2022-10-28 哈尔滨工程大学 一种水下自主航行器在大尺度连续性障碍物环境中路径规划避障控制方法
US20220274624A1 (en) * 2021-02-26 2022-09-01 Nissan North America, Inc. Learning in Lane-Level Route Planner
US11965749B2 (en) * 2021-03-31 2024-04-23 Argo AI, LLC System and method for automated lane conflict estimation in autonomous vehicle driving and map generation
US11945441B2 (en) 2021-03-31 2024-04-02 Nissan North America, Inc. Explainability and interface design for lane-level route planner
US20220371612A1 (en) * 2021-04-29 2022-11-24 Nissan North America, Inc. Vehicle Guidance with Systemic Optimization
US11921506B2 (en) * 2021-05-28 2024-03-05 Nissan North America, Inc. Belief state determination for real-time decision-making
CN113793527B (zh) * 2021-09-14 2022-11-18 北京石油化工学院 一种面向城市交通主动控制的测试验证系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009114649A2 (en) * 2008-03-12 2009-09-17 Aptima, Inc. Probabilistic decision making system and methods of use
CN104057956A (zh) * 2013-02-06 2014-09-24 通用汽车环球科技运作有限责任公司 自主式车辆的显示系统和方法
CN104973071A (zh) * 2014-03-04 2015-10-14 沃尔沃汽车公司 持续建立自动驾驶可用性的边界的设备和方法及相关车辆
CN105892471A (zh) * 2016-07-01 2016-08-24 北京智行者科技有限公司 汽车自动驾驶方法和装置
CN107407730A (zh) * 2015-03-06 2017-11-28 高通股份有限公司 自主车辆的实时占用地图创建系统

Family Cites Families (129)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8430980D0 (en) 1984-12-07 1985-01-16 Robinson M Generation of apparently three-dimensional images
JP2728170B2 (ja) 1988-10-25 1998-03-18 マツダ株式会社 移動車の走行制御装置
US5640323A (en) 1990-02-05 1997-06-17 Caterpillar Inc. System and method for operating an autonomous navigation system
US7418346B2 (en) 1997-10-22 2008-08-26 Intelligent Technologies International, Inc. Collision avoidance methods and systems
US20040068351A1 (en) 2002-04-22 2004-04-08 Neal Solomon System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles
DE10341753A1 (de) 2003-09-10 2005-04-21 Bosch Gmbh Robert Vorrichtung zur Detektion einer Annäherung an einem Fußgängerüberweg in einem Fahrzeug
US7242294B2 (en) 2003-09-17 2007-07-10 Agilent Technologies, Inc System and method for using mobile collectors for accessing a wireless sensor network
EP1555587B1 (en) 2004-01-13 2011-06-01 Renault S.A.S. Design of safety critical system
JP4591346B2 (ja) 2005-12-28 2010-12-01 アイシン・エィ・ダブリュ株式会社 車車間通信システム
US9373149B2 (en) 2006-03-17 2016-06-21 Fatdoor, Inc. Autonomous neighborhood vehicle commerce network and community
JP2007316827A (ja) * 2006-05-24 2007-12-06 Toyota Motor Corp 交差点交通管制システム
JP4254844B2 (ja) 2006-11-01 2009-04-15 トヨタ自動車株式会社 走行制御計画評価装置
US20090088916A1 (en) 2007-09-28 2009-04-02 Honeywell International Inc. Method and system for automatic path planning and obstacle/collision avoidance of autonomous vehicles
US9103671B1 (en) 2007-11-29 2015-08-11 American Vehicular Sciences, LLC Mapping techniques using probe vehicles
US20090140887A1 (en) 2007-11-29 2009-06-04 Breed David S Mapping Techniques Using Probe Vehicles
US8244469B2 (en) 2008-03-16 2012-08-14 Irobot Corporation Collaborative engagement for target identification and tracking
JP5067217B2 (ja) 2008-03-18 2012-11-07 アイシン・エィ・ダブリュ株式会社 交通情報処理システム、統計処理装置、交通情報処理方法及び交通情報処理プログラム
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
KR101708083B1 (ko) 2009-08-19 2017-02-27 켈시-헤이즈 컴파니 자율적으로 구동하는 차량의 안전한 스티어링 시스템
US8452535B2 (en) 2010-12-13 2013-05-28 GM Global Technology Operations LLC Systems and methods for precise sub-lane vehicle positioning
US20120233102A1 (en) 2011-03-11 2012-09-13 Toyota Motor Engin. & Manufact. N.A.(TEMA) Apparatus and algorithmic process for an adaptive navigation policy in partially observable environments
US8849483B2 (en) 2011-04-13 2014-09-30 California Institute Of Technology Target trailing with safe navigation with colregs for maritime autonomous surface vehicles
CN103597527B (zh) 2011-06-13 2016-03-16 丰田自动车株式会社 驾驶辅助装置和驾驶辅助方法
GB2494716B (en) 2011-09-15 2019-12-18 Bae Systems Plc Autonomous vehicle and task modelling
US8886390B2 (en) 2011-09-22 2014-11-11 Aethon, Inc. Monitoring, diagnostic and tracking tool for autonomous mobile robots
JP5761360B2 (ja) 2011-10-03 2015-08-12 トヨタ自動車株式会社 車両の運転支援システム
DE102012005245A1 (de) 2012-03-14 2012-09-20 Daimler Ag Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Überholvorgang
US9349234B2 (en) 2012-03-14 2016-05-24 Autoconnect Holdings Llc Vehicle to vehicle social and business communications
US20130278441A1 (en) 2012-04-24 2013-10-24 Zetta Research and Development, LLC - ForC Series Vehicle proxying
US8781669B1 (en) 2012-05-14 2014-07-15 Google Inc. Consideration of risks in active sensing for an autonomous vehicle
JP5981237B2 (ja) * 2012-06-15 2016-08-31 トヨタ自動車株式会社 運転支援装置
DE112012006790B4 (de) 2012-08-08 2022-09-29 Toyota Jidosha Kabushiki Kaisha Kollisionsvorhersagevorrichtung
US10246030B2 (en) 2012-08-09 2019-04-02 Toyota Jidosha Kabushiki Kaisha Object detection apparatus and driving assistance apparatus
DE102012220134A1 (de) 2012-11-06 2014-05-08 Robert Bosch Gmbh Verfahren und Informationsgerät zum Erkennen einer absichtlichen Abweichung von einer optimalen Fahrroute eines Fahrzeugs zwischen einem Startpunkt und einem Zielpunkt
US10347127B2 (en) 2013-02-21 2019-07-09 Waymo Llc Driving mode adjustment
US9081651B2 (en) 2013-03-13 2015-07-14 Ford Global Technologies, Llc Route navigation with optimal speed profile
DE102013206746B4 (de) 2013-04-16 2016-08-11 Ford Global Technologies, Llc Verfahren und Vorrichtung zum Modifizieren der Konfiguration eines Fahrassistenzsystems eines Kraftfahrzeuges
CN105813907A (zh) 2013-09-03 2016-07-27 梅特罗姆铁路公司 铁路车辆信号执行和分离控制
US9099004B2 (en) 2013-09-12 2015-08-04 Robert Bosch Gmbh Object differentiation warning system
US9718473B2 (en) 2013-10-11 2017-08-01 Nissan Motor Co., Ltd. Travel control device and travel control method
US20150106010A1 (en) 2013-10-15 2015-04-16 Ford Global Technologies, Llc Aerial data for vehicle navigation
EP3514032B1 (en) 2013-12-04 2024-02-07 Mobileye Vision Technologies Ltd. Adjusting velocity of a vehicle for a curve
US9889847B2 (en) 2013-12-24 2018-02-13 Volvo Truck Corporation Method and system for driver assistance for a vehicle
US9140554B2 (en) 2014-01-24 2015-09-22 Microsoft Technology Licensing, Llc Audio navigation assistance
EP2902864B1 (en) 2014-01-30 2017-05-31 Volvo Car Corporation Control arrangement for autonomously driven vehicle
US9365214B2 (en) 2014-01-30 2016-06-14 Mobileye Vision Technologies Ltd. Systems and methods for determining the status of a turn lane traffic light
JP6180968B2 (ja) 2014-03-10 2017-08-16 日立オートモティブシステムズ株式会社 車両制御装置
JP6147691B2 (ja) 2014-03-27 2017-06-14 株式会社デンソーアイティーラボラトリ 駐車スペース案内システム、駐車スペース案内方法、及びプログラム
JP6537780B2 (ja) 2014-04-09 2019-07-03 日立オートモティブシステムズ株式会社 走行制御装置、車載用表示装置、及び走行制御システム
US10319039B1 (en) 2014-05-20 2019-06-11 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US10089693B1 (en) 2014-05-20 2018-10-02 State Farm Mutual Automobile Insurance Company Fully autonomous vehicle insurance pricing
US10599155B1 (en) 2014-05-20 2020-03-24 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US9972054B1 (en) 2014-05-20 2018-05-15 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US9404761B2 (en) * 2014-05-30 2016-08-02 Nissan North America, Inc. Autonomous vehicle lane routing and navigation
US20150345967A1 (en) * 2014-06-03 2015-12-03 Nissan North America, Inc. Probabilistic autonomous vehicle routing and navigation
JP5952862B2 (ja) 2014-06-27 2016-07-13 富士重工業株式会社 車両の運転支援装置
JP6451111B2 (ja) 2014-07-10 2019-01-16 日産自動車株式会社 走行支援装置及び走行支援方法
US10293816B2 (en) 2014-09-10 2019-05-21 Ford Global Technologies, Llc Automatic park and reminder system and method of use
JP6280850B2 (ja) 2014-09-29 2018-02-14 日立建機株式会社 障害物回避システム
KR101664582B1 (ko) 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
US9534910B2 (en) 2014-12-09 2017-01-03 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to yield scenarios
US9963215B2 (en) 2014-12-15 2018-05-08 Leidos, Inc. System and method for fusion of sensor data to support autonomous maritime vessels
US9519290B2 (en) 2015-01-15 2016-12-13 Nissan North America, Inc. Associating passenger docking locations with destinations
US9436183B2 (en) 2015-01-15 2016-09-06 Nissan North America, Inc. Associating passenger docking locations with destinations using vehicle transportation network partitioning
US9625906B2 (en) 2015-01-15 2017-04-18 Nissan North America, Inc. Passenger docking location selection
JP6294247B2 (ja) 2015-01-26 2018-03-14 株式会社日立製作所 車両走行制御装置
JP6477730B2 (ja) 2015-01-30 2019-03-06 日産自動車株式会社 駐車場と目的地との関連付け
US10216196B2 (en) 2015-02-01 2019-02-26 Prosper Technology, Llc Methods to operate autonomous vehicles to pilot vehicles in groups or convoys
DE102015201878A1 (de) 2015-02-04 2016-08-04 Continental Teves Ag & Co. Ohg Halbautomatisierter Spurwechsel
WO2016130719A2 (en) 2015-02-10 2016-08-18 Amnon Shashua Sparse map for autonomous vehicle navigation
US10459446B2 (en) 2015-02-12 2019-10-29 Hitachi, Ltd. Autonomous operation verification device and autonomous system
US9555807B2 (en) * 2015-05-01 2017-01-31 Delphi Technologies, Inc. Automated vehicle parameter modification based on operator override
US10345809B2 (en) 2015-05-13 2019-07-09 Uber Technologies, Inc. Providing remote assistance to an autonomous vehicle
US9547309B2 (en) 2015-05-13 2017-01-17 Uber Technologies, Inc. Selecting vehicle type for providing transport
US9494439B1 (en) 2015-05-13 2016-11-15 Uber Technologies, Inc. Autonomous vehicle operated with guide assistance of human driven vehicles
US10086699B2 (en) 2015-06-24 2018-10-02 Nissan North America, Inc. Vehicle operation assistance information management for autonomous vehicle control operation
US9630498B2 (en) 2015-06-24 2017-04-25 Nissan North America, Inc. Vehicle operation assistance information management
US10186150B2 (en) 2015-07-21 2019-01-22 Nissan Motor Co., Ltd. Scene determination device, travel assistance apparatus, and scene determination method
EP3327695A4 (en) * 2015-07-21 2018-08-08 Nissan Motor Co., Ltd. Driving plan device, travel support device, and driving plan method
US9934688B2 (en) 2015-07-31 2018-04-03 Ford Global Technologies, Llc Vehicle trajectory determination
US10139828B2 (en) 2015-09-24 2018-11-27 Uber Technologies, Inc. Autonomous vehicle operated with safety augmentation
US9566986B1 (en) 2015-09-25 2017-02-14 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US10002471B2 (en) 2015-09-30 2018-06-19 Ants Technology (Hk) Limited Systems and methods for autonomous vehicle navigation
US9904286B2 (en) 2015-10-13 2018-02-27 Nokia Technologies Oy Method and apparatus for providing adaptive transitioning between operational modes of an autonomous vehicle
JP6344695B2 (ja) 2015-10-28 2018-06-20 本田技研工業株式会社 車両制御装置、車両制御方法、および車両制御プログラム
DE102015224338B4 (de) 2015-12-04 2021-10-28 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung in einem Kraftfahrzeug zum automatisierten Fahren
US10061326B2 (en) 2015-12-09 2018-08-28 International Business Machines Corporation Mishap amelioration based on second-order sensing by a self-driving vehicle
US10126135B2 (en) 2015-12-15 2018-11-13 Nissan North America, Inc. Traffic signal timing estimation using an artificial neural network model
CN105635849B (zh) 2015-12-25 2018-06-05 网易传媒科技（北京）有限公司 多媒体文件播放时的文本显示方法和装置
US9913104B2 (en) 2016-01-21 2018-03-06 General Motors Llc Vehicle location services
CN105620470B (zh) 2016-01-25 2018-09-07 雷沃重工股份有限公司 一种作业车辆行偏移检测调整方法及系统
US9568915B1 (en) 2016-02-11 2017-02-14 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling autonomous or semi-autonomous vehicle
DE102016203086B4 (de) 2016-02-26 2018-06-28 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerassistenz
DE102016203723A1 (de) 2016-03-08 2017-09-14 Robert Bosch Gmbh Verfahren und System zum Bestimmen der Pose eines Fahrzeugs
US9792575B2 (en) 2016-03-11 2017-10-17 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
US9645577B1 (en) 2016-03-23 2017-05-09 nuTonomy Inc. Facilitating vehicle driving and self-driving
US9910440B2 (en) 2016-05-13 2018-03-06 Delphi Technologies, Inc. Escape-path-planning system for an automated vehicle
JP2017207859A (ja) 2016-05-17 2017-11-24 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US10286913B2 (en) 2016-06-23 2019-05-14 Honda Motor Co., Ltd. System and method for merge assist using vehicular communication
US10449962B2 (en) 2016-06-23 2019-10-22 Honda Motor Co., Ltd. System and method for vehicle control using vehicular communication
US10331138B2 (en) 2016-07-05 2019-06-25 Baidu Usa Llc Standard scene-based planning control methods for operating autonomous vehicles
EP3273423B1 (en) * 2016-07-21 2019-03-13 Continental Automotive GmbH Device and method for a vehicle for recognizing a pedestrian
JP6551332B2 (ja) 2016-07-26 2019-07-31 トヨタ自動車株式会社 車両の走行可能距離算出システムおよび走行可能距離算出方法
DE102016009763A1 (de) 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen
JP6819177B2 (ja) * 2016-09-21 2021-01-27 日産自動車株式会社 運転支援方法及び運転支援装置
CN106184223A (zh) 2016-09-28 2016-12-07 北京新能源汽车股份有限公司 一种自动驾驶控制方法、装置及汽车
JP2018077565A (ja) 2016-11-07 2018-05-17 本田技研工業株式会社 車両制御装置
JP6677822B2 (ja) 2016-12-07 2020-04-08 本田技研工業株式会社 車両制御装置
US10421459B2 (en) 2016-12-20 2019-09-24 GM Global Technology Operations LLC Contextual-assessment vehicle systems
JP6754448B2 (ja) 2016-12-21 2020-09-09 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
WO2018122966A1 (ja) 2016-12-27 2018-07-05 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
IL293713B2 (en) 2017-01-12 2023-06-01 Mobileye Vision Technologies Ltd Navigation based on vehicle activity
CN110191832A (zh) 2017-01-24 2019-08-30 本田技研工业株式会社 车辆控制装置、车辆控制方法及车辆控制程序
EP3580620B1 (en) 2017-02-10 2023-09-06 Nissan North America, Inc. Autonomous vehicle operational management control
KR20180094725A (ko) 2017-02-16 2018-08-24 삼성전자주식회사 자율 주행을 위한 차량 제어 방법, 차량 제어 장치 및 자율 주행을 위한 학습 방법
JP7191843B2 (ja) 2017-03-07 2022-12-19 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング 自律車両用の行動計画システム及び方法
US10513268B2 (en) 2017-04-07 2019-12-24 Steering Solutions Ip Holding Corporation Vehicle safety system
US20180342033A1 (en) 2017-05-23 2018-11-29 Uber Technologies, Inc. Trip classification system for on-demand transportation services
US10762447B2 (en) 2017-05-23 2020-09-01 Uatc, Llc Vehicle selection for on-demand transportation services
JP6666304B2 (ja) 2017-06-02 2020-03-13 本田技研工業株式会社 走行制御装置、走行制御方法、およびプログラム
US11042155B2 (en) 2017-06-06 2021-06-22 Plusai Limited Method and system for closed loop perception in autonomous driving vehicles
US10296004B2 (en) 2017-06-21 2019-05-21 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous operation for an autonomous vehicle objective in a multi-vehicle environment
US10532749B2 (en) 2017-08-11 2020-01-14 Uatc, Llc Systems and methods to adjust autonomous vehicle parameters in response to passenger feedback
US10514697B2 (en) 2017-09-15 2019-12-24 GM Global Technology Operations LLC Vehicle remote assistance mode
US20190096244A1 (en) 2017-09-25 2019-03-28 Intel Corporation Vehicle-to-many-vehicle communication
WO2019069868A1 (ja) 2017-10-04 2019-04-11 パイオニア株式会社 判定装置及び判定方法並びに判定用プログラム
US10739775B2 (en) 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
JP6704890B2 (ja) 2017-11-08 2020-06-03 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009114649A2 (en) * 2008-03-12 2009-09-17 Aptima, Inc. Probabilistic decision making system and methods of use
CN104057956A (zh) * 2013-02-06 2014-09-24 通用汽车环球科技运作有限责任公司 自主式车辆的显示系统和方法
CN104973071A (zh) * 2014-03-04 2015-10-14 沃尔沃汽车公司 持续建立自动驾驶可用性的边界的设备和方法及相关车辆
CN107407730A (zh) * 2015-03-06 2017-11-28 高通股份有限公司 自主车辆的实时占用地图创建系统
CN105892471A (zh) * 2016-07-01 2016-08-24 北京智行者科技有限公司 汽车自动驾驶方法和装置

Also Published As

Publication number Publication date
JP2021523057A (ja) 2021-09-02
JP2022119802A (ja) 2022-08-17
CN112368662A (zh) 2021-02-12
EP3814867A1 (en) 2021-05-05
WO2020005875A1 (en) 2020-01-02
US11120688B2 (en) 2021-09-14
JP7406215B2 (ja) 2023-12-27
US20200005645A1 (en) 2020-01-02
EP3814867A4 (en) 2021-09-15

Similar Documents

Publication Publication Date Title
CN112368662B (zh) 用于自主运载工具操作管理的定向调整动作
EP3580620B1 (en) Autonomous vehicle operational management control
EP3580084B1 (en) Autonomous vehicle operational management including operating a partially observable markov decision process model instance
CA3052951C (en) Autonomous vehicle operational management
CN111629945B (zh) 自主车辆运行管理场景
US11782438B2 (en) Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data
EP3580104B1 (en) Autonomous vehicle operational management blocking monitoring
US11702070B2 (en) Autonomous vehicle operation with explicit occlusion reasoning
CN112868031B (zh) 具有视觉显著性感知控制的自主运载工具操作管理
CN111902782A (zh) 集中式共享自主运载工具操作管理
US20240140472A1 (en) Data Determining Interface for Vehicle Decision-Making

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
TA01 Transfer of patent application right

Effective date of registration: 20210507

Address after: American Tennessee

Applicant after: NISSAN NORTH AMERICA, Inc.

Applicant after: University OF MASSACHUSETTS

Address before: American Tennessee

Applicant before: NISSAN NORTH AMERICA, Inc.

Applicant before: University OF MASSACHUSETTS

Applicant before: RENAULT S.A.S.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant