CN112424569A - 设置用于对自主驾驶进行路径规划的方法和设备 - Google Patents

设置用于对自主驾驶进行路径规划的方法和设备 Download PDF

Info

Publication number
CN112424569A
CN112424569A CN201980046910.4A CN201980046910A CN112424569A CN 112424569 A CN112424569 A CN 112424569A CN 201980046910 A CN201980046910 A CN 201980046910A CN 112424569 A CN112424569 A CN 112424569A
Authority
CN
China
Prior art keywords
path
pareto
paths
optimized
alternative
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.)
Granted
Application number
CN201980046910.4A
Other languages
English (en)
Other versions
CN112424569B (zh
Inventor
S·杜伊姆
F·伦佩
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Publication of CN112424569A publication Critical patent/CN112424569A/zh
Application granted granted Critical
Publication of CN112424569B publication Critical patent/CN112424569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0061—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/644—Optimisation of travel parameters, e.g. of energy consumption, journey time or distance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/80—Arrangements for reacting to or preventing system or operator failure
    • G05D1/81—Handing over between on-board automatic and on-board manual control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本发明涉及用于确定用于自主驾驶的路径的方法和设备。执行下述步骤：计算从路径源至路径目的地的K个可替代路径；评价所述K个可替代路径中的每一个可替代路径，其中，该评价包括确定所述K个可替代路径的帕累托前沿，其中，所述K个可替代路径的帕累托前沿包括一组经帕累托优化的路径，其针对于包括行程时间T、人工驾驶时间TM和表示在一个路径中从自主驾驶到人工驾驶的转换计数的转换计数M的路径约束被帕累托优化；如果所述一组经帕累托优化的路径包括P个以上路径，则将所述一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P；以及将所述一组经帕累托优化的路径中的经帕累托优化的路径作为用于自主驾驶的确定路径进行输出。

Description

设置用于对自主驾驶进行路径规划的方法和设备
技术领域
本发明涉及设置用于确定用于自主驾驶的路径的设备和方法。
背景技术
存在许多已知的在路径源和路径目的地之间确定路径建议的路径规划方法和设备。为了确定路径建议，考虑了不同的准则。例如，典型的准则包括行程时间、路径长度、燃料消耗等。最常用的一个准则是总行程时间，因为希望尽可能快地到达路径目的地。
然而，自主驾驶是车辆中很少用到的特征。在特定的路段上，因为当前的技术不足以支持自主驾驶和/或因为缺乏支持安全自主驾驶的足够信息，自主驾驶甚至是不可能的。此外，为了确保安全的自主驾驶，不得不考虑和分析更多的信息。这影响了路径规划方法的效率。特别是，路径规划方法或设备的使用者对从路径源至路径目的地的路径请求希望有及时的反应，并期望响应于该请求有最佳确定的路径。
因此，对于对自主驾驶车辆进行路径规划的方法和设备依然有需求，该方法和设备有效确定安全且最佳的路径和/或在驾驶期间确保安全且最佳的路径规划。
发明内容
因此，本发明的目的在于提供一种用于对自主驾驶车辆进行路径规划的方法和设备，该方法和设备有效确定安全且最佳的路径和/或在驾驶期间确保安全且最佳的路径规划。
本发明的目的通过提供在所附权利要求中的解决方案得以实现。本发明的有益实施方式进一步限定在相应的从属权利要求中、当前的描述中和/或所附附图中。
本发明提出了一种至少克服上述缺陷的机构。本发明建议了车辆路径规划方法和设备，其关注于使用自动化车辆的道路使用者的需求。一个使用准则是离地高度，其规定了在特定路段上自主驾驶的可能性。对于诸如不利的天气状况、事故或较差的路况等若干原因，可以撤回用于自主驾驶的离地高度。结果是，车辆必须人工驾驶，直到进入另一批准过的路段。为了优化用于自主车辆的路径选择，开发了特定的路径规划方法。除了非自主驾驶的最小时间之外，还试图优化变得与用于自主驾驶的最佳路径相关的其他方面。路径规划算法的不同变体是可以的，并且在如下文所示的独立权利要求的范围内可以应用。
根据一方面，提供了一种用于确定用于自主驾驶的路径的方法，该方法包括：计算从路径源至路径目的地的K个可替代路径；评价所述K个可替代路径中的每一个可替代路径，其中，该评价包括确定所述K个可替代路径的帕累托前沿，其中，所述K个可替代路径的帕累托前沿包括一组经帕累托优化的路径，这些路径针对于包括行程时间T、人工驾驶时间TM和表示在路径中从自主驾驶到人工驾驶的转换计数的转换计数M的路径约束被帕累托优化；如果所述一组经帕累托优化的路径包括P个以上路径，则将所述一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P；以及将所述一组经帕累托优化的路径中的经帕累托优化的路径作为用于自主驾驶的确定路径进行输出。所述方法是一种由计算机实现的方法。
根据一实施例，评价所述K个可替代路径中的每一个可替代路径包括针对所述K个可替代路径中的每一个可替代路径执行下述步骤：从相应的可替代路径的多个实现方式中评价相应的可替代路径的每一个实现方式，其中，所述相应的可替代路径的所述多个实现方式中的相应的可替代路径的实现方式关于路径约束不同，其中，从相应的可替代路径的多个实现方式中评价相应的可替代路径的每一个实现方式包括确定相应的可替代路径的帕累托前沿，该帕累托前沿包括相应的可替代路径的关于所述路径约束被帕累托优化的一组经帕累托优化的路径实现方式；将相应的可替代路径的所述一组经帕累托优化的路径实现方式中的经帕累托优化的路径实现方式插入所述K个可替代路径的帕累托前沿中。
根据一实施例，所述路径约束进一步包括压力成本函数，该压力成本函数表示在所述路径中从所述自主驾驶到所述人工驾驶的转换所造成的压力。
根据一实施例，所述路径约束进一步包括自主行程时间。
根据一实施例，关于数字道路地图计算所述K个可替代路径，该数字道路地图包括被划分成相应路段的道路，并且其中，所述K个可替代路径中的每一个可替代路径是相应路段的路线。
根据一实施例，通过考虑离地高度值计算所述K个可替代路径，每个离地高度值与对应的路段相关联并表示在该对应的路段上是否能够/允许自主驾驶。
根据一实施例，所述路径的人工行程时间TM被计算为：
Figure BDA0002895480260000031
其中，Ci是与所述路径中的第i个路段相关联的离地高度值，如果在所述第i个路段上能够自主驾驶，则Ci＝1，如果在所述第i个路段上不能够自主驾驶，则Ci＝0，并且其中，N是所述路径中的路段的数目。
根据一实施例，所述路径的转换计数M被计算为：
Figure BDA0002895480260000032
根据一实施例，包括N个路段的路径的行程时间T被计算为：
Figure BDA0002895480260000033
其中，Ti是用于所述路径中的第i个路段的行程时间。
根据一实施例，所述路径的压力成本函数S被计算为：
Figure BDA0002895480260000034
其中，fi是表征在所述第i个路段或所述路径处的转换所造成的压力的权重函数。
根据一实施例，将所述一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P包括从所述一组经帕累托优化的路径中选择满足一个或多个下述准则的P个经帕累托优化的路径：与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的行程时间T；与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的人工行程时间TM；与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的转换量M；与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的压力成本函数S。
根据一实施例，将所述一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P包括从所述一组经帕累托优化的路径中选择使得质量测量Q最大化的P个经帕累托优化的路径：
Figure BDA0002895480260000041
其中，δ、γ、β是权重。
根据一方面，提供一种被配置为确定用于自主驾驶的路径的设备。所述设备特别地被配置为执行如本文所述的用于确定用于自主驾驶的路径的方法的步骤。根据一实施例，所述设备为计算设备。根据另一实施例，所述设备包括被配置为执行如本文所述的用于确定用于自主驾驶的路径的方法的步骤的一个或多个处理单元/部件/装置/实体。而且，根据一实施例，所述步骤被编程成由计算机实现的指令，所述指令在由所述一个或多个处理单元/部件/装置/实体执行时促使执行如本文所述的用于确定用于自主驾驶的路径的方法的步骤。
本发明允许对自主驾驶车辆进行路径规划，其有效确定安全且最佳的路径和/或在驾驶期间确保安全且最佳的路径规划。
通过确定可替代路径并通过确定针对于可替代路径的帕累托前沿，本发明允许一种有效的用于确定路径的路径规划方法，该方法使得待分析和处理的数据量最小并节省了计算资源和存储资源。特别地，本发明通过考虑当前的道路状态和/或当前的交通情况允许实时确定用于自主驾驶的路径。因此，本发明提供了能够实现安全自主驾驶的路径。
附图说明
在与所附附图有关的下述特定实施例的描述中将解释本发明的上述方面和实施方式，其中
图1示例性地显示了根据本发明实施例的用于在公路网上自主驾驶的离地高度。
图2a显示了根据本发明实施例的被配置为确定用于自主驾驶的路径的设备的示例性构造。
图2b显示了根据本发明实施例的被配置为确定用于自主驾驶的路径的设备的另一示例性构造。
图3显示了根据本发明实施例的为了确定用于自主驾驶的路径而执行的步骤。
图4显示了根据本发明实施例的用于评价K个可替代路径的步骤。
图5可视化了根据本发明实施例的K个可替代路径确定的示例性结果。
图6显示了根据本发明实施例的可替代路径的示例性评价。
图7显示了根据本发明实施例的关于速度因素的权重函数f的值之间的示例性关系。
图8显示了根据本发明实施例的关于可见度因素的权重函数f的值之间的示例性关系。
图9显示了根据本发明实施例的关于摩擦因素的权重函数f的值之间的示例性关系。
具体实施方式
通常，应注意，本申请中所述的所有布置结构、设备、模块、部件、模型、元件、单元、实体和装置等可由软件或硬件元件或者其任一种组合实施。本申请中所述的各种实体所执行的所有步骤以及被描述成由各个实体所执行的功能意在指相应的实体适于或被配置为执行相应的步骤和功能。即使特定实施例、由一般实体执行的特定功能或步骤的下述描述未反映在执行该特定步骤或功能的实体的特定详细元件的描述中，但对于本领域技术人员应清楚的是，这些方法和功能可在相应的硬件或软件元件或其任一种组合中实施。进一步，本发明的方法及其各个步骤体现在各种所述装置元件的功能中。
此外，本文所述的任一实施例及任一实施例的特征可彼此组合，除非明确地排除了一组合。
自主驾驶(AD)的发展是辅助驾驶朝向无需任何人工干预的全自动车的进化。SAE(汽车工程师协会)标准的第3级限定和预期了驾驶员在自动执行的驾驶期间必须干涉指的是只有特定路段可以完全自主驾驶，而其他路段需人工驾驶。作为先决条件，交通和道路状态必须足够已知而且安全，从而能允许车辆以有效且安全的方式进行自主驾驶。在若干阶段中对这种称为(对于自主驾驶的)离地高度的评价进行计算。基于机载传感器信息(主要是摄像机数据)执行第一评价。如果周围环境进行足够精确地重构并被评价为是安全的，则允许车辆自主驾驶。另外，与实际路段有关的信息以无线方式从车辆发送至中央服务器，借助于来自在地理位置上广泛分布于公路网的不同源的传感器信号的数据融合，可以延展独立车辆的受限范围。随后，自主车辆从该服务器定期请求对于车辆周围附近特定路段的离地高度的状态。
会造成撤回正向离地高度的可能原因可以是不利的天气状况(例如，由于雾或大雨造成的可见度降低等)、事故、缺失的车道线或较差的路况。在此情况下，当车辆没有准备好应对这些情况时，驾驶员必须接管对车辆的控制。
与离地高度有关的值可来自于静态源和动态源。主要作为动态源，考虑来自其他车辆的信息，其中静态源是道路附近静止不动的固定传感器。这些可不同于环路传感器、与气象站有关的雷达或摄像机。来自交管局的局部危险警告(投石车、幽灵司机、事故、交通堵塞等)也应在此进行处理。
这种信息的融合导致决定针对特定组群或类型的自主车辆是否允许自主驾驶。这种第二级别的离地高度然后基于每个路段的特征在于离地高度的值的地图从中央服务器传达至单独的车辆。根据实施例，离地高度的最基本形式表现为布尔值。这在图1中示例性地显示。
图1示例性地显示了根据本发明实施例的用于在公路网上自主驾驶的离地高度。在图1中，节点11表示路径源，节点12表示路径目的地。示例性地可能位于路径源11与路径目的地12之间的路径由边缘/链接显示，从而表示路段以及连接路径源11和路径目的地12的中间节点。在图1中，每个边缘/链接以及由此路段与相应的离地高度值相关联，该离地高度值表示在相应的路段上是否可以自主驾驶。离地高度值可以任何合适的方式设置，例如，设置为布尔值。在图1中，分别与特定边缘/链接或路段相关联并等于1的离地高度值表示在相应的特定路段上可以自主驾驶。分别与特定边缘/链接或路段相关联并等于0的离地高度值表示在相应的特定路段上不可以/不允许自主驾驶，并因此表示必须进行人工驾驶。
如上所述，通过使用下述信息至少之一：来自安装在道路、即路段处的传感器的信息、交通信息(可用的，例如通过交通广播和/或其他合适的交通服务)、天气信息(可用的，例如通过相应的天气信息服务)、来自最近经过所述道路、即路段的其他车辆的(例如由相应的车辆传感器收集的)信息，进行离地高度值的确定。
根据本发明，设置用于确定路径和/或用于控制路径规划的设备(例如，从设置用于收集如上所述的所述信息的服务器)接收相应的离地高度值。
在图1中，由于大多数离地高度值等于1，因此可以在大多数路段上自主驾驶。只有两个路段需要人工驾驶。一个路段(分别见中上部边缘/链接或路段)因路滑需要人工驾驶，另一个路段(分别见中下部边缘/链接或路段)因该路段上的道路施工需要人工驾驶。
自主车辆的一个基本且重要的目的是接管对车辆的控制，从而人类乘客在驾驶之外具有更大的自由度来进行其他活动。特别地，当驾驶变为比如在长途高速上匀速驾驶的无聊活动或者比如在交通堵塞时驾驶的压力活动时，进行自主驾驶对于驾驶员的舒适度有益。
(还)不可以或不允许进行自主驾驶的路段表明人类驾驶员必须接管。这对人类驾驶员是有压力的，而且妨碍了他在自主驾驶期间享受(例如，看电影)的舒适性和自由时间。另外，从自主驾驶转换成人工驾驶会引发安全问题，这取决于这种转换进行多快以及在什么状况下进行的。必须及时引起驾驶员对转换的注意。例如，很快的段度和缓慢的驾驶员反应在从自主驾驶转换至人工驾驶时可能造成严重事故。因此，对于舒适并且特别地对于安全性而言，使这些转换以及人工驾驶的时间最小化是很重要的。由此，路由器对于查找通往最终位置的最短路线并非具有最高的优先级，而是如果能够完全或者近乎完全自主执行驾驶，即使更长的路径也是可以接受的。本发明基于路径离地高度优化了自主路径规划。
图2a显示了根据本发明实施例的被配置为确定用于自主驾驶的路径的设备20的示例性构造。根据图2a的实施例，设备20包括一个或多个处理单元/部件/装置/实体(例如，处理器)201，其被配置为执行如本文所述的用于确定用于自主驾驶的路径的任一步骤。因此，设备20是计算设备。
图2b显示了根据本发明实施例的被配置为确定用于自主驾驶的路径的设备20的另一示例性构造。根据图2b的实施例，除了一个或多个处理单元/部件/装置/实体201之外，设备20包括显示单元/部件/装置/实体202，其被配置为显示有关确定的路径、数字地图和/或地图上的确定路径的信息。
图2a和图2b中示例性所示的设备20还可包括任一其他单元/部件/装置/实体。例如，根据实施例，设备20包括一个或多个接收单元/部件/装置/实体，其被设置用于接收信息，例如，有关离地高度值的信息、有关数字地图的信息、有关道路的信息和/或任意其他相关信息。根据进一步的实施例，设备20包括一个或多个传送单元/部件/装置/实体，其被设置用于传送信息或数据，例如对离地高度值的请求、对数字地图信息的请求、对道路信息的请求和/或任意其他信息或数据。在此，设备20的不同合适的布置结构是可能的。
如所提及的，设备20被配置为执行如本文所述的用于确定用于自主驾驶的路径的任一步骤。特别地，设备20被配置为执行如下文所述的用于确定用于自主驾驶的路径的任一步骤。
车辆路径规划方法的目的是考虑到待优化的目标和所关心的约束来分别查找连接路径源11和路径目的地12的一系列的链接或路段。本发明关注于对AD车辆进行路径规划的问题。本发明开发了成本函数，并使用路由技术提供了一组可替代路径，这些可替代路径在道路使用者或车队管理员进行决策时对其进行支持。
如图1示例性所示，数字地图可称为有向图G＝(V，E)，其中，V和E分别表示一组节点和一组边缘/链接或路段。考虑到分别包括N个链接/边缘或路段的路径，需要经过路径的总行程时间被计算为：
Figure BDA0002895480260000091
其中，Ti是用于路径中的第i个链接/边缘或路段的行程时间，其中，1≤i≤N。
为了优化自主驾驶，人工行程时间应最小化，其被计算为：
Figure BDA0002895480260000092
其中，Ci是与路径中的第i个链接/边缘或路段相关联的离地高度值。
考虑到从自主驾驶转换至人工驾驶所造成的不舒适，这些转换的数目/计数优选也应考虑为：
Figure BDA0002895480260000093
如果仔细检查转换所造成的不舒适，可观察到并非所有的转换对驾驶员造成相同的压力量。考虑此，压力成本函数可被计算为：
Figure BDA0002895480260000094
fi是表征在链接/边缘或路段i处的特定转换所造成的压力的权重函数。通常，转换时的压力取决于许多因素，例如，天气、道路、交通和/或车辆状况。因此，权重函数可被定义为任意复杂。
用来查找使目标最小化的路径的典型方法是使用迪杰斯特(Dijkstra)算法的变体(例如A*)，该算法对于本领域技术人员众所周知。在结束时，通常返回一个具体路径。该过程在假设只有一个目标需要优化的情况下是合理的。AD路径规划被设计成优化两个或更多个需求。因此，为了应用需要边缘成本的路径规划过程，总行程时间T、人工驾驶时间TM和转换计数M被组合成加权和。结果是，将会返回一个最佳路径。不过，定义权重有些任意并且与个体偏好有关。对道路使用者或者车队操作者更有价值的结果是一组可替代路径，其对比了每个路径的特性并提供了决策基础。通常，在从所有可行解决方案进行多目标优化时，推断出所谓的帕累托(Pareto)前沿。帕累托前沿的计算众所周知，因此在下文中将不再更详细地进行描述。对于处于帕累托前沿的任一解决方案，认为并不存在另一解决方案，其在一个目标中更佳但对于另一个目标又不差。如所知，帕累托优化适用于考虑并优化多个(例如，至少两个)约束的优化。帕累托前沿是包括通过使用帕累托优化而确定的最优解决方案的集合。鉴于帕累托前沿，决策一个目标的重要性涉及道路使用者或车队管理员。
根据问题的复杂性，帕累托前沿的计算可能需要大量资源。在路径规划情况下，这将需要计算起点和终点之间的所有可能路径。本发明解决了该问题，这是因为在执行帕累托优化之前，即在确定帕累托前沿之前确定了一组可替代路径。因此实现了更有效的路径确定，其中同时节省了计算资源和存储资源。另外，响应于接收到的反映当前道路和路段状况和/或状态的离地高度值，可实现实时的路径确定。
根据本发明，确定一组可替代路径(例如，K个可替代路径，其中K为正整数并且K≥2)。这种确定一组可替代路径也被称为“选择路径规划”。特别地，计算一小组具有明显区别和可比行程时间的路径。所确定的可替代路径已代表了大量细微变化的(行程时间)最佳路径。为了确定可替代路径，可使用任何已知的可替代路径确定或“选择路径规划”方法。示例性方法是Camvit选择路径规划(参见http://www.camvit.com/camvit-technical-englilsh/Camvit-Choice-Routing-Explanation-english.pdf)。然而，还可使用其他合适的方法。
根据本申请的实施例，执行下述步骤：首先，在A和B之间计算K个可替代路径。其次，针对每个路径的行程时间T、人工驾驶时间TM和转换计数M评价该路径的所有实现方式。因此，对于每个路径，推导出相应的单独的帕累托前沿。所有得到的单独的前沿随后融合成一个最终的帕累托前沿。最后，应用一些准则将帕累托前沿的所有解决方案减少至P个路径，其中P为正整数。这些路径选择假设具有实质差异(例如，针对其行程时间T、人工驾驶时间TM和/或转换计数M)并允许对待使用的合适路径进行快速决策。
图3显示了根据本发明实施例的为了确定用于自主驾驶的路径而执行的步骤。如上所述，所述步骤是分别可由设备20或一个或多个处理单元/部件/装置/实体(例如，处理器)201执行的。
在步骤31，确定K个可替代路径。如上所述，可应用任一合适的可替代路径确定方法。例如，通过使用Camvit选择路径规划方法确定K个可替代路径。通过使用作为用于评估路径的一个准则的离地高度值来执行K个可替代路径的确定。例如，确定K个可替代路径，以使其具有最小的转换数目、最大的自主行程时间、最小的人工行程时间和/或最小的(总)行程时间。在此，还可应用任一其他合适的准则。
图5可视化了根据本发明实施例的K个可替代路径确定的示例性结果。根据图5的实施例，确定了三个可替代路径51、52和53。根据当前实施例，三个确定的可替代路径51、52和53例如具有下述特性：
路径51 路径52 路径53
行程时间T(分钟) 111 120 123
自主行程时间(分钟) 80 86 103
人工行程时间T<sub>M</sub>(分钟) 31 34 20
转换计数/数目M 10 5 8
根据图5的实施例，第一路径51是三个可替代路径中最快的一个。传统的汽车可能优选选择该变量。然而，路径51需要相对较长的份额进行人工驾驶。第二个可替代路径52提供了较长的自主驾驶，但其也包含了较长的人工份额，并且总行程时间也较长，这因此使其并不太有吸引力。第三个可替代路径53在总行程时间方面甚至更长，但人工驾驶的行程时间在所有三个可替代路径51-53中是最低的，这目前使其更有吸引力。然而，如果分析从自主驾驶到人工驾驶的转换数目，则第三个可替代路径53需要相对较高的转换数目，这对于人类驾驶员而言使得驾驶可能不太舒适。为了在这三个变量中做出决定，必须更好地理解对于乘客而言什么将是最理想的驾驶。因此，上述方程式(4)可提供进一步的延展来细化人类驾驶员在驾驶期间在接管车辆控制时将经历的不舒适和压力。根据实施例，针对希望最佳地满足的路径约束，应用方程式(4)来改善得到的路径的质量。根据进一步的实施例，执行对权重函数f的合适选择。在此，权重函数f的不同约定均是可以的。
例如，为了约定自主驾驶与人工驾驶之间的第i个转换的权重函数fi，考虑影响驾驶的不同因素。这些因素例如包括速度、可见度、摩擦和/或任意其他合适的因素。本发明不只限于这些示例性列出的因素。也可使用任意其他合适的因素。
图7显示了根据实施例的关于速度因素的权重函数f的值之间的示例性关系。当车辆停止时，对于人类驾驶员而言，接管车辆的控制并从自动驾驶转换至人工驾驶通常不成问题。因此，权重函数f可以很低甚至是零。在图7的实施例中，当车辆停止时(例如，当速度等于0km/h时)，权重函数f具有零值。在更高的车辆速度，接管控制将变得越来越困难或者甚至危险。因此，根据图7的实施例，随着车辆速度增大，权重函数f的值也增大。
图8显示了根据实施例的关于可见度因素的权重函数f的值之间的示例性关系。根据当前实施例，可见度也被视为是关于从自主驾驶转换至人工驾驶的相关因素。当车辆以非常低的可见度在浓雾中行驶时，对于人类驾驶员而言，接管车辆的控制会棘手或者甚至危险。因此，如图8示例性显示，在无(零)或近乎无可见度时权重函数应非常高。如果可见度提高，即，如果图8中的可见度值增大，对于人类驾驶员而言安全地接管控制则问题不大。因此，对于更高的可见度值，权重函数减小。在图8的实施例中，权重函数具有非零值，因为假设即使在良好的可见度值也可能存在一些控制车辆的风险。然而，该情况是示例性的，关于可见度因素的权重函数f的不同适当约定均是可以的。
图9显示了根据实施例的关于摩擦因素的权重函数f的值之间的示例性关系。在图9的实施例中，摩擦因素示例性地用作路况描述因素。在路况因素中，摩擦因素是一个示例性路况因素，当执行从自动驾驶到人工驾驶转换时可以或者应该考虑摩擦因素。当车辆在结冰道路(具有非常低的摩擦值)上行驶时，例如，对于人类驾驶员而言，接管车辆的控制会棘手或者甚至危险。因此，权重函数f应非常高。如果摩擦值提高，即，如果摩擦值增大，对于人类驾驶员而言，在执行从自动驾驶转换至人工驾驶时安全地接管则问题不大。因此，根据图9的实施例，对于更高的摩擦值，权重函数f减小。在图9的实施例中，权重函数具有非零值，因为假设即使存在良好的摩擦值也可能存在一些控制车辆的风险。然而，该情况是示例性的，关于摩擦因素的权重函数f的不同适当约定均是可以的。
为了简化，根据实施例，影响驾驶安全性的因素彼此独立处理。因此，影响驾驶的摩擦函数因素可被计算作为所考虑的单独因素的乘积。例如，当考虑上述因素即速度、可见度和摩擦中的至少一个时和/或当考虑其他合适的因素时，权重函数如下：
f(速度，可见度，摩擦，...)
＝fvel(速度)*fvis(可见度)*ffric(摩擦)*… (5)
在此，不同因素的不同组合均是可以的。
通常，还可以考虑因素之间的相关性并使用可被定义为任意复杂的多维函数。
在从自主驾驶转换至人工驾驶时要考虑的上述因素是示例性的，并且可使用其他合适的(驾驶安全性相关的)因素。因素的选择将取决于单独的应用、取决于相应信息的可用性和/或取决于是否将单独的因素考虑为是重要的。例如，可使用人类注意力因素，人类注意力因素表示人类驾驶员是否专心或者分心(例如，看电影、打电话等)。
进一步，还可能发生不总是可以使用上述因素的情况，因为这些因素可能不能用和/或进行直接测量。相反，根据实施例，这些缺失的因素可由基于与该变量相关的其他变量的模型进行替换。例如，关于摩擦值，考虑温度值可能是有用的。接近零或者低于零的温度可表示低摩擦的可能性(例如，存在结冰)。此外，检测雨量(例如，通过雨量传感器)可以对道路的可见度以及摩擦值给出指示。
基于上文，应注意到，本发明允许使用不同的因素、因素的不同组合和/或权重函数f的其他合适约定。
相应地，在步骤32，评价K个可替代路径中的每一个可替代路径。为此，确定K个可替代路径的帕累托前沿。K个可替代路径的帕累托前沿包括一组经帕累托优化的路径，这些路径针对包括(总)行程时间T、人工驾驶时间TM和转换计数M的路径约束被帕累托优化。如上所述，根据实施例，路径约束还包括方程式(4)的压力成本函数。
在图4中示例性地显示了步骤32中K个可替代路径评价的更为详细的解释。如上所述，所述步骤是分别可由设备20或一个或多个处理单元/部件/装置/实体(例如，处理器)201执行的。
在步骤41，从相应的可替代路径51、52、53的多个实现方式中评价相应的可替代路径51、52、53的每个实现方式。相应的可替代路径51、52、53的实现方式针对路径约束彼此不同。每个实现方式具有不同的(总)行程时间T、人工驾驶时间TM、转换计数M、方程式(4)的压力成本函数和/或自主行程时间。可替代路径51、52、53的不同实现方式中的共性是它们朝向相应的可替代路径51、52、53的方位，例如，它们分别朝着链接/边缘或路段和/或相应的可替代路径51、52、53的节点的方位，其中，可替代路径51、52、53的不同实现方式中的每一个实现方式可分别包括一个或多个链接/边缘或路段和/或未存在于相应的可替代路径51、52、53中的一个或多个节点。
在相应的可替代路径51、52、53的实现方式中，针对路径约束确定相应的路径特定的或单独的帕累托前沿。
在步骤42，将相应的可替代路径51、52、53的一组经帕累托优化的路径实现方式中的实现方式插入K个可替代路径的帕累托前沿中。因此，每个单独的可替代路径51、52、53的帕累托前沿的路径实现方式被插入到K个可替代路径的帕累托前沿中。因此，K个可替代路径的帕累托前沿包括单独路径的所有实现方式的优化。
图6显示了可替代路径(例如，图5的路径51、52、53，其中，图6示例性地显示了不只是图5的三个可替代路径51、52、53，并且可替代路径的数目根据单独搜索和/或地理区域而变化)的示例性评价。特别地，图6示例性地显示了生成为2D散布图的多个(K个)可替代路径的特性/约束以及得到的估计的帕累托前沿。为了简洁，由于二维以上的显示使得图示更为复杂，因此只显示了两个特性/约束。在图6中，已省去了第三维(即，图6的转换数目M)的可视化。只显示了非自主、即人工行程时间TM和总行程时间T的特性/约束。
在步骤33，如果K个可替代路径的帕累托前沿中的一组经帕累托优化的路径包括P个以上的路径，则减少经帕累托优化的路径的数目。根据实施例，一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P例如包括：从一组经帕累托优化的路径中选择满足一个或多个下述准则的P个经帕累托优化的路径：与一组经帕累托优化的路径中的经帕累托优化的路径相比最小的行程时间T；与一组经帕累托优化的路径中的经帕累托优化的路径相比最小的人工行程时间TM；与一组经帕累托优化的路径中的经帕累托优化的路径相比最小的转换量M；与一组经帕累托优化的路径中的经帕累托优化的路径相比最小的压力成本函数S。
根据实施例，一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P包括从一组经帕累托优化的路径中选择使得质量测量Q最大化的P个经帕累托优化的路径：
Figure BDA0002895480260000161
其中，δ、γ、β是权重。权重δ、γ、β对准则T、TM和M中的每一个相关于彼此的权进行量化，即它们控制每一个准则对质量Q的敏感度。在此，质量被理解成相对度量，其允许对一个原点-目的地关系的路径实现方式进行比较。例如，如果δ远大于γ和β，则针对路径可替代的一个实现方式进行评价的条件δ·TM会很大。实际上，TM对得到的质量将会产生较大影响。这些权重可以是常量，该常量在计算一组路径的系统中已经设定，或者这些权重可以是函数，该函数取决于各种变量，例如为其计算一组可替代路径的使用者的单独的偏好。例如，路径规划系统的一个使用者可能偏好于短的人工驾驶时间TM，并乐意接受更大的总行程时间T或更高的转换数目M。不同的使用者可能偏好于小的转换数目M，并通过增加的T和/或TM对这些偏好进行折中。该偏好还可以有时变性，可以取决于车辆类型等。
通过使用质量测量Q，实现了人工行程时间TM、行程时间T和转换数目M的准则之间的平衡，因此增大了查找最佳路径的可能性。另外，能够实现路径的有效评价。应注意的是，本申请不限于权重δ、γ、β的上述示例性约定，其他合适的约定也是可以的。
根据实施例，通过选择相对于最快解决方案具有最大可接受补充行程时间的路径，还可以减少K个可替代路径的帕累托前沿中的一组经帕累托优化的路径。这显示在图6中，其中只有三个路径选自K个可替代路径的帕累托前沿。
路径减少步骤33不限于上述示例。另外或者相反，下述方面也可合并于步骤33中：
1)驾驶员乐意考虑(更)长的行程时间来具有最小的人工行程时间？如果他有某一固定的截止期限(比如赶飞机)，则更长的行程时间不应超过某一期限。另一方面，如果不存在严格的截止期限，并且驾驶员偏好于将其时间花费在驾驶之外的其他活动(比如看电影)，则他可能偏好于更长的总行程时间，其中自主驾驶占较长份额。
2)驾驶员接收多少次中断？对于每一次从自主驾驶转换至人工驾驶，驾驶员必须中断其其他活动并专注于驾驶。这依据多种因素可能被感受为非常有压力，但主要与安全相关的状态、比如(高)速或(坏)天气状况(下雪、大雨)在转换期间对不舒适或压力的高测量产生影响。
因此，成本函数不仅取决于外部状况(交通、天气)，而且还取决于内部状况(速度、车辆状态)以及取决于人类乘客相关的问题(计划安排、身体状况(犯困、醉酒等)、自由时间活动)。理想上，路由器应为人类乘客查找最好路径，并且这依赖于许多方面，如在自主驾驶之前一样。自主驾驶的方面现在甚至提供了更大的可能性来增大舒适度，但因此查找用于自主驾驶的最佳路径也更为复杂。
应注意，上文示例性描述的路径减少方法可根据给定的应用按照需要彼此组合。
在步骤34，将一组经帕累托优化的路径中的经帕累托优化的路径作为用于自主驾驶的确定路径进行输出。因此，如果已执行完步骤33，则输出减少后的一组经帕累托优化的路径，即，输出P个路径。
如上所示，本发明参照了路径确定方法和设备，该方法和设备优化了具有自主驾驶车辆的道路使用者的需求。具体而言，考虑了总行程时间、人工驾驶时间和在自主驾驶模式与人工驾驶模式之间的转换数目。所提出的方法评价了平衡这些目标的最佳路径的帕累托前沿。对于使用者，帕累托前沿允许快速接收和选择与其个人偏好匹配最佳的理想路径。
应注意，本文所述的任意实施例以及任意实施例的特征可彼此组合，除非明确排除了一组合。
另外，本领域中实践所要求保护发明的技术人员通过研究附图、公开内容和所附权利要求书还能够理解和实现所附实施例的其他变形。在权利要求书中，术语“包括”并不排除其他元件或步骤，不定冠词“一”或“一个”并不排除多个。在互相不同的从属权利要求中记载的某些措施的纯粹事实并不表示不能利用这些措施的组合。

Claims (10)

1.一种用于确定用于自主驾驶的路径的方法，该方法包括：
计算从路径源至路径目的地的K个可替代路径；
评价所述K个可替代路径中的每一个可替代路径，其中，该评价包括确定所述K个可替代路径的帕累托前沿，其中，所述K个可替代路径的帕累托前沿包括一组经帕累托优化的路径，所述一组经帕累托优化的路径针对于包括行程时间T、人工驾驶时间TM和转换计数M的路径约束被帕累托优化，所述转换计数表示在路径中从自主驾驶到人工驾驶的转换计数；
如果所述一组经帕累托优化的路径包括P个以上路径，则将所述一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P；以及
将所述一组经帕累托优化的路径中的所述经帕累托优化的路径作为用于自主驾驶的确定路径进行输出。
2.根据权利要求1所述的方法，其中，评价所述K个可替代路径中的每一个可替代路径包括针对所述K个可替代路径中的每一个路径执行下述步骤：
从相应的可替代路径的多个实现方式中评价相应的可替代路径的每一个实现方式，其中，所述相应的可替代路径的所述多个实现方式中的相应的可替代路径的实现方式关于路径约束不同，其中，从相应的可替代路径的多个实现方式中评价相应的可替代路径的每一个实现方式包括确定相应的可替代路径的帕累托前沿，该帕累托前沿包括相应的可替代路径的关于所述路径约束被帕累托优化的一组经帕累托优化的路径实现方式；以及
将相应的可替代路径的所述一组经帕累托优化的路径实现方式中的经帕累托优化的路径实现方式插入所述K个可替代路径的帕累托前沿中。
3.根据权利要求1或2所述的方法，其中，所述路径约束进一步包括压力成本函数，该压力成本函数表示在路径中从自主驾驶到人工驾驶的转换所造成的压力。
4.根据前述权利要求中任一项所述的方法，其中，所述路径约束进一步包括自主行程时间。
5.根据前述权利要求中任一项所述的方法，其中，关于数字道路地图计算所述K个可替代路径，该数字道路地图包括被划分成相应路段的道路，并且其中，所述K个可替代路径中的每一个可替代路径是相应路段的路线。
6.根据前述权利要求中任一项所述的方法，其中，通过考虑离地高度值计算所述K个可替代路径，每个离地高度值与对应的路段相关联并表示在该对应的路段上是否能够自主驾驶。
7.根据权利要求5至6中任一项所述的方法，其中:
所述路径的人工行程时间TM被计算为：
Figure FDA0002895480250000021
其中，Ci是与路径中的第i个路段相关联的离地高度值，如果在所述第i个路段上能够自主驾驶，则Ci＝1，如果在所述第i个路段上不能够自主驾驶，则Ci＝0，并且其中，N是路径中的路段的数目；
路径的转换计数M被计算为：
Figure FDA0002895480250000022
包括N个路段的路径的行程时间T被计算为：
Figure FDA0002895480250000023
其中，Ti是用于路径中的第i个路段的行程时间；和/或
路径的压力成本函数S被计算为：
Figure FDA0002895480250000024
其中，fi是表征在所述第i个路段或所述路径处的转换所造成的压力的权重函数。
8.根据前述权利要求中任一项所述的方法，其中，将所述一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P包括从所述一组经帕累托优化的路径中选择满足一个或多个下述准则的P个经帕累托优化的路径：
与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的行程时间T；
与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的人工行程时间TM；
与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的转换量M；
与所述一组经帕累托优化的路径中的经帕累托优化的路径相比最小的压力成本函数S。
9.根据前述权利要求中任一项所述的方法，其中，将所述一组经帕累托优化的路径中的经帕累托优化的路径的数目减少至P包括从所述一组经帕累托优化的路径中选择使得质量测量Q最大化的P个经帕累托优化的路径：
Figure FDA0002895480250000031
其中，δ、γ、β是权重。
10.一种被配置为确定用于自主驾驶的路径的设备，其中，所述设备进一步被配置为执行根据前述权利要求中任一项所述的方法的步骤。
CN201980046910.4A 2018-08-14 2019-08-09 设置用于对自主驾驶进行路径规划的方法和设备 Active CN112424569B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18188904.9A EP3611471B1 (en) 2018-08-14 2018-08-14 Methods and devices arranged for routing autonomous driving
EP18188904.9 2018-08-14
PCT/EP2019/071473 WO2020035417A1 (en) 2018-08-14 2019-08-09 Methods and devices arranged for routing autonomous driving

Publications (2)

Publication Number Publication Date
CN112424569A true CN112424569A (zh) 2021-02-26
CN112424569B CN112424569B (zh) 2024-04-12

Family

ID=63452366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980046910.4A Active CN112424569B (zh) 2018-08-14 2019-08-09 设置用于对自主驾驶进行路径规划的方法和设备

Country Status (4)

Country Link
US (1) US11988514B2 (zh)
EP (1) EP3611471B1 (zh)
CN (1) CN112424569B (zh)
WO (1) WO2020035417A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11735045B2 (en) * 2019-12-04 2023-08-22 Uatc, Llc Systems and methods for computational resource allocation for autonomous vehicles
WO2022027057A1 (en) * 2020-07-29 2022-02-03 Uber Technologies, Inc. Routing feature flags
US11691643B2 (en) 2020-08-27 2023-07-04 Here Global B.V. Method and apparatus to improve interaction models and user experience for autonomous driving in transition regions
US11687094B2 (en) 2020-08-27 2023-06-27 Here Global B.V. Method, apparatus, and computer program product for organizing autonomous vehicles in an autonomous transition region
US11713979B2 (en) 2020-08-27 2023-08-01 Here Global B.V. Method, apparatus, and computer program product for generating a transition variability index related to autonomous driving
US20220063653A1 (en) * 2020-08-27 2022-03-03 Here Global B.V. Selecting an autonomous vehicle from a set of autonomous vehicles
DE102022124632A1 (de) 2022-09-26 2024-03-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zur Routenplanung für automatisiert fahrende Fahrzeuge
WO2024172893A1 (en) * 2023-02-15 2024-08-22 Massachusetts Institute Of Technology Determination of path with enhanced or optimized collection and time in dynamic environments

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101047449A (zh) * 2007-04-03 2007-10-03 上海理工大学 基于多目标演化算法的波导－光纤自动调芯法及装置
DE102008059097A1 (de) * 2008-11-26 2010-05-27 Continental Automotive Gmbh Verfahren und Routenberechnungseinrichtung zum Ermitteln zumindest einer ersten Route
CN102278996A (zh) * 2011-04-29 2011-12-14 西南交通大学 一种大规模多目标智能移动路径选择的蚁群优化处理方法
CN102915401A (zh) * 2011-09-07 2013-02-06 微软公司 在公共运输网络中的旅行规划
US20130046467A1 (en) * 2011-08-19 2013-02-21 Fujitsu Limited Method and apparatus for determining traveling route
JP2013057544A (ja) * 2011-09-07 2013-03-28 I-Transport Lab Co Ltd 交通状況の経路案内装置、経路案内方法及び経路案内プログラム
US8606512B1 (en) * 2007-05-10 2013-12-10 Allstate Insurance Company Route risk mitigation
CN104239141A (zh) * 2014-09-05 2014-12-24 北京邮电大学 数据中心中基于工作流关键路径的任务优化调度方法
CN104620078A (zh) * 2012-06-29 2015-05-13 通腾发展德国公司 产生替代路线
US20170090482A1 (en) * 2015-09-29 2017-03-30 University Of Malta Fast flight trajectory optimisation for in-flight computation and flight management systems
CN106842901A (zh) * 2017-01-19 2017-06-13 重庆交通大学 为列车自动驾驶系统生成速度控制命令的方法
US20170211940A1 (en) * 2016-01-25 2017-07-27 International Business Machines Corporation Cognitive tour guide system
CN107036608A (zh) * 2015-10-21 2017-08-11 福特全球技术公司 驾驶员工作负荷预测和路径规划
CN107256632A (zh) * 2017-08-11 2017-10-17 上海交通大学 一种基于用户异质时间价值与拥堵费用预算的交通分配方法
US20180201263A1 (en) * 2007-05-10 2018-07-19 Allstate Insurance Company Route Risk Mitigation

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6757667B1 (en) * 2000-04-12 2004-06-29 Unilever Home & Personal Care Usa, Division Of Conopco, Inc. Method for optimizing formulations
GB2505464B (en) * 2012-08-31 2019-12-18 Bae Systems Plc Route planning
US9665101B1 (en) * 2012-09-28 2017-05-30 Waymo Llc Methods and systems for transportation to destinations by a self-driving vehicle
US9188985B1 (en) * 2012-09-28 2015-11-17 Google Inc. Suggesting a route based on desired amount of driver interaction
EP2915718B1 (en) * 2014-03-04 2018-07-11 Volvo Car Corporation Apparatus and method for continuously establishing a boundary for autonomous driving availability and an automotive vehicle comprising such an apparatus
JP6355111B2 (ja) * 2016-04-28 2018-07-11 本田技研工業株式会社 車両制御システム
US10331141B2 (en) * 2016-06-30 2019-06-25 GM Global Technology Operations LLC Systems for autonomous vehicle route selection and execution
CN106970648B (zh) * 2017-04-19 2019-05-14 北京航空航天大学 城市低空环境下无人机多目标路径规划联合搜索方法
JP6909857B2 (ja) * 2017-08-29 2021-07-28 株式会社日立製作所 車両制御装置
US10818110B2 (en) * 2018-04-06 2020-10-27 Nio Usa, Inc. Methods and systems for providing a mixed autonomy vehicle trip summary
DE102018207533B4 (de) * 2018-05-15 2020-01-16 Conti Temic Microelectronic Gmbh Verfahren zum autonomen Betreiben eines nachfolgenden Fahrzeugs in einem Fahrzeugverbund

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101047449A (zh) * 2007-04-03 2007-10-03 上海理工大学 基于多目标演化算法的波导－光纤自动调芯法及装置
US8606512B1 (en) * 2007-05-10 2013-12-10 Allstate Insurance Company Route risk mitigation
US20180201263A1 (en) * 2007-05-10 2018-07-19 Allstate Insurance Company Route Risk Mitigation
DE102008059097A1 (de) * 2008-11-26 2010-05-27 Continental Automotive Gmbh Verfahren und Routenberechnungseinrichtung zum Ermitteln zumindest einer ersten Route
CN102278996A (zh) * 2011-04-29 2011-12-14 西南交通大学 一种大规模多目标智能移动路径选择的蚁群优化处理方法
US20130046467A1 (en) * 2011-08-19 2013-02-21 Fujitsu Limited Method and apparatus for determining traveling route
CN102915401A (zh) * 2011-09-07 2013-02-06 微软公司 在公共运输网络中的旅行规划
JP2013057544A (ja) * 2011-09-07 2013-03-28 I-Transport Lab Co Ltd 交通状況の経路案内装置、経路案内方法及び経路案内プログラム
CN104620078A (zh) * 2012-06-29 2015-05-13 通腾发展德国公司 产生替代路线
CN104239141A (zh) * 2014-09-05 2014-12-24 北京邮电大学 数据中心中基于工作流关键路径的任务优化调度方法
US20170090482A1 (en) * 2015-09-29 2017-03-30 University Of Malta Fast flight trajectory optimisation for in-flight computation and flight management systems
CN107036608A (zh) * 2015-10-21 2017-08-11 福特全球技术公司 驾驶员工作负荷预测和路径规划
US20170211940A1 (en) * 2016-01-25 2017-07-27 International Business Machines Corporation Cognitive tour guide system
US20180003509A1 (en) * 2016-01-25 2018-01-04 International Business Machines Corporation Cognitive tour guide system
CN106842901A (zh) * 2017-01-19 2017-06-13 重庆交通大学 为列车自动驾驶系统生成速度控制命令的方法
CN107256632A (zh) * 2017-08-11 2017-10-17 上海交通大学 一种基于用户异质时间价值与拥堵费用预算的交通分配方法

Also Published As

Publication number Publication date
WO2020035417A1 (en) 2020-02-20
US20210239476A1 (en) 2021-08-05
CN112424569B (zh) 2024-04-12
US11988514B2 (en) 2024-05-21
EP3611471B1 (en) 2021-03-10
EP3611471A1 (en) 2020-02-19

Similar Documents

Publication Publication Date Title
CN112424569B (zh) 设置用于对自主驾驶进行路径规划的方法和设备
US10794720B2 (en) Lane-level vehicle navigation for vehicle routing and traffic management
US11548531B2 (en) Autonomous vehicle fleet management for reduced traffic congestion
DK201870686A1 (en) MANAGEMENT OF MULTIPLE AUTONOMOUS VEHICLES
KR102505300B1 (ko) 복수의 모션 제약을 사용하는 차량의 동작
KR102511954B1 (ko) 선형 시간 논리를 사용한 자율 주행 차량 동작
WO2016135561A1 (en) Method and apparatus for determining a safest route within a transportation network
KR102518680B1 (ko) 속력 프로파일 추정
CA3058576A1 (en) Driving control method and driving control device
US20200124435A1 (en) Distributed route determination system
SE541328C2 (en) Method and control arrangement for planning and adapting a vehicle transportation route
US11914384B2 (en) Energy consumption estimation device and energy consumption estimation method
KR20210089098A (ko) 맵 데이터 업데이트 시스템 및 방법
JP2020198013A (ja) 車両管理システム、車両管理装置及び車両管理方法
JP2020013373A (ja) 車両メンテナンス管理システム及び車両メンテナンス管理方法
GB2588639A (en) Method and system for automatically adapting drive mode in a vehicle
JP4123949B2 (ja) 車両用ナビゲーション・システム、車両用ナビゲーションのためのコンピュータ・プログラム、及び車両用ナビゲーション装置
US20240027209A1 (en) Method and Device for Determining a Driving Route for a Vehicle Driven in an Automated Manner
US20220307848A1 (en) Autonomous vehicle passenger destination determination
US20230016123A1 (en) Methods and systems for travel time estimation
EP3605488A1 (en) Management of multiple autonomous vehicles
GB2551125A (en) Method for operating a navigation system of a vehicle, as well as vehicle
JP2021021618A (ja) 移動経路生成装置、移動経路生成方法、プログラム
CN115959129A (zh) 一种车辆换道方法、装置及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant