CN113646222A - 将自主行驶功能扩展到新地域 - Google Patents

Abstract

自主车辆使用准确和详细的地图进行导航。将自主车辆的功能扩展到新的(例如未示于地图中的)地域可以包括：确定新地域的可行驶表面区段，并将各区段与来自已制图地域的各区段或各区段类别进行比较。与来自已制图地域的各区段相似的新地域的各区段可以被识别为是潜在可导航的。自主车辆可以经由被指示为可导航的那些区段来行进通过新地域。此外，在行进通过新地域期间，可以使用自主车辆上的传感器收集数据以制图地域的附加部分和/或确认新地域中的行驶能力。自主车辆的功能可以基于各区段彼此的相似程度而受到限制。

Description

将自主行驶功能扩展到新地域

相关申请的交叉引用

本PCT国际申请要求享受2019年3月29日提交的申请号为16/370696的美国专利申请的优先权，该美国专利申请在本申请中全文引用。

背景技术

车辆越来越多地用自动控制来补充或替代手动功能。半自主车辆可以在诸如避免碰撞和进行制动等某些功能上为行驶员提供帮助，同时，由于可将所有乘客送往目的地，所以全自主车辆可以将所有乘客减少到被动参与者。通常，这种增强的自动化需要(例如以详细地图的形式)详细了解车辆环境。然而，对于未制图的地域(例如自主车辆尚未经过自主行驶测试的区域)，获取环境的细节和理解可能非常昂贵并且耗时，通常需要数千或更多小时和/或数千或更多英里。

附图说明

图1展示根据本申请的各方面的将自主行驶功能扩展到新地域的示例。

图2包括文本和视觉流程图以展示用于将自主行驶功能扩展到新地域的示例性方法。

图3包括文本和视觉流程图以展示用于将自主行驶功能扩展到新地域的另一示例性方法。

图4是展示根据本申请的各方面的用于将自主行驶功能扩展到新地域的示例性车辆和远程计算系统的框图。

图5是表示根据本申请的各方面的用于将自主行驶功能扩展到新地域并行驶新地域的一个或多个过程的流程图。

图6是表示根据本申请的各方面的用于对道路区段进行分类以用于将自主行驶功能扩展到新地域的一个或多个过程的流程图。

具体实施方式

以下详细描述所针对的是，在包括自主车辆先前未在其中行进过的新环境的环境中控制自主车辆的系统和过程。与传统汽车不同，一些自主车辆可能没有易于手动控制的车载导航控制器，例如方向盘、传动控制器、加速控制器和/或制动控制器。因此，此类自主车辆可能需要各地域的详细地图，该地图可以包括关于可行驶表面的细节(例如范围、坡度、路面类型等)、关于车道和街道配置的细节、关于交通规则的细节等。生成如此复杂的地图可能需要关于地域的大量数据，而获取此类数据通常需要在地域中进行大量手动行驶。此外，即使生成了复杂的地图，为自主车辆做好准备仍可能需要新近制图的各区域中的车辆的附加训练。此处描述的各技术可以减少将自主行驶扩展到新区域所需的时间和/或努力。例如，本说明书提供了用于评估新(例如先前未制图用于自主行驶)地理地域并用于在此类地域中控制自主车辆的系统和方法。此处描述的各技术还可以更新和/或生成先前未验证地域的新地图数据。此类地图数据可用于促进对那些先前未制图地域中的自主车辆进行控制，使得车辆可以获得关于那些地域的传感器数据，以进一步更新的地图数据。

在一些示例中，此处描述的各技术可以通过将用于新地域的可用地图数据与车辆已在其中自主操作的地域的地图数据和/或附加车辆数据进行比较来评估新地域，例如用于通过自主车辆进行潜在导航。例如，自主车辆可能精于在某些场所行驶，例如城市、城市的一部分等(例如这可能是基于表现某些机动的能力、安全操作的能力、对这部分中可能发生的各种场景进行识别的能力等)并且熟练程度可能至少部分基于详细地图数据的可用性。例如，此类地图数据可以通过对场所的仔细调查来获取、生成、补充和/或更新，这包括了在那些车辆穿越区域中的可行驶表面时使用由安装在车辆上的传感器捕获的传感器数据。例如，可导航(由自主车辆)地域的详细地图数据可以包括关于物理范围和可行驶表面的安排的信息。此类信息可以包括街道的长度和宽度、交叉路口的布局、地表硬度等级、建筑物、消防栓或其他固定装置的位置和安排，以及其他元素。地图数据还可以包括关于影响可行驶表面上的行进的特征和条件的信息。例如，地图数据可以包括关于速度限制、人行横道、交通灯、街道标志等的信息，以及此类元素对环境中的行驶的影响。在至少一些示例中，此类地图数据可以进一步包括天气、气候和/或可能自主地影响此类地域中的行驶的其他环境特征(平均光照、平均降水、平均温度、任何降雪或冰等)。

如在此使用的，“已验证地图数据”、“用于已制图地域的数据”和/或“用于已验证地域的数据”可以指与自主车辆被验证或以其他方式被配置为操作(如，自主地)的地理区域或场所相关联的地图数据。类似地，“已制图地域”或“已验证地域”可以指那些地理区域或场所。相对地，“用于新地域的地图数据”、“未验证地图数据”和类似术语可以指与自主车辆未被验证和/或不足以容许自主车辆基于其安全和/或合法操作的地理区域或场所相关联的地图数据。类似地，“未制图地域”、“新地域”和“未验证地域”可以指此类地理区域或场所。因此，地图数据可用于“未制图”、“新”或“未验证”地域，但此类地图数据可能不足以用于自主行进。

在一些示例中，此处描述的各技术可以将地图数据(例如已验证地图数据和/或新地域的地图数据)解析成可行驶表面的多个区段。例如，本公开的各技术可以生成来自地图数据的各区段。在一些情况下，区段可以包括：交叉点区段(例如交叉路口、交汇路等)或相连道路区段(例如交叉点之间的道路的范围)。此处描述的系统还可以将数据与各独立区段中的每个相关联。例如，交叉点区段可以包括交叉点类型(例如交汇路、“T”字路、环形交叉路等)；在交叉点处交汇的各道路的数量；那些道路的相对位置(例如在交叉点处交汇的各道路之间的角度)；有关交叉点处的交通控制信号的信息；和/或其他特征。与正连接的道路区段相关联的数据可以包括车道的数量、那些车道的宽度、各车道中的每个的行进方向、停车道的标识、道路区段的速度限制和/或其他特征。

在示例中，此处描述的各技术可以将新地域的可行驶表面的各区段(例如在新地域的地图数据中识别出的)与已验证地域的可行驶表面的各区段(例如在已验证地图数据中识别出的)进行比较。在各实施方案中，用于新地域的地图数据可以从多个来源(包括但不限于第三方供应商)获得。在一些示例中，此类地图数据可以包括2D地图数据、3D地图数据、卫星图像和/或其他类型的地图数据。在各示例中，可以使用提供关于新地域中的可行驶表面的信息的任何地图数据。

在此处描述的一些示例中，可以确定各种度量以定义自主车辆在此类现有区段中行驶的好坏。作为非限制性示例，此类度量可以包括在在一时间段中发生需要远程操作干预的次数、乘客舒适度(例如颠簸、抖动等)、车辆完全导航区段的能力、车辆可以安全克服的场景的百分比(例如如果区段包括带有未受保护的左侧的交叉路口，则车辆无法导航)等。此类度量可以与地图数据一起使用以指示可行驶的各区段以及与之相关联的能力水平。

在一些示例中，此处描述的各技术可以将已验证地域中可行驶表面的各区段分组(例如根据区段分类或区段范式)。通过非限制性示例的方式，符合一定范围的度量或属性的所有交叉点区段可以被分组在一起(例如使用k均值、评估区段参数之间的加权距离(例如欧式距离)或以其他方式基于各区段参数来对此类区段进行聚类)。例如，自主车辆可能被期望在范式(stereotype)内的各交叉点中的每个中表现(和/或可能已经确然地表现了)相同。相似地，也可以根据一个或多个相似性将相连道路区段范式进行分组。通过非限制性示例的方式，具有10英里/小时范围内的速度限制的所有双车道道路区段可以与相同的范式相关联。在一些示例中，范式的使用可以减少确定类似区段要进行比较的次数。

在一些示例中，此处描述的各技术可以将新地域的各区段与已验证地域的各区段(或范式分类)进行比较。例如，比较可以确定新地域中的各区段与来自已制图地域中的一个或多个可导航区段是否相似以及相似程度。在一些示例中，相似性可以表示为相似性度量、分数或其他值。在一些示例中，具有等于或高于阈值的相似性度量、值或分数的新地域中的各区段可以被识别为(可能)可由自主车辆导航。相对地，具有低于阈值的相似性度量、分数或值的新地域中的各区段可以被识别为不可由自主车辆导航。在一些示例中，各种行驶特征可以与每个新区段相关联。作为非限制性示例，所有条件下的完全操作可以与一个区段相关联，而单一行进方向、天气和/或环境条件限制的行进等可以被加入到在此类区段中自主地行驶上。此类行驶特征通常可以称为策略(例如预计的一组动作和/或对此类动作的限制，诸如但不限于最大速度限制、避开超越双重停放的车辆、避开表现额外的机动等)。

此处描述的各技术还可以基于新地域中的各可行驶和各不可行驶区段的指示来生成更新的或新的地图数据。例如，与各个区段相关联的地图数据可以被标记、标注或以其他方式添附或修改以指示区段可能是或可能不是可行驶的(或以其他方式具有有限的自主功能)。在一些示例中，地图数据可以被上传或以其他方式使自主车辆可访问。此处描述的各技术可以包括控制车辆以使用更新的或新的地图数据在新地域中行进。

同样，在各示例中，在根据新地图数据控制自主车辆时，车辆的导航可以被评估。例如，各技术可以确定车辆是否在预定标准内操作，上述预定标准可以至少部分地基于安全考虑、合法性考虑、乘客舒适性考虑等中的一个或多个。在一些示例中，车辆在被确定为可行驶或可导航的区段中未正常运行的信息可以更新确定区段与已验证区段的相似性的处理。例如，此处描述的各技术可以确定新地域中的区段的各属性与已验证区段或范式之间的差异。在一些示例中，差异可用于更新范式和/或创建新范式。

在此讨论的各技术可以以多种方式改进自主车辆的功能。例如，在此讨论的各技术可以促进在未制图地域中的行进并且可以那些未制图地域的制图。此外，此处描述的各技术可以改进计算机的功能，例如通过减少评估和/或制图新地域所需的处理量。此处描述的各技术还可以在生成和/或以其他方式获取整个地域的详细地图之前(例如通过自主车辆)对区域进行导航。对自主车辆的功能、与自主车辆相关联的计算系统和/或用户体验的这些和其他改进在此被讨论。

此处描述的各技术可以以多种方式实施。示例性实施方案下面参考图1-6提供。尽管在自主车辆的背景下讨论，但是此处描述的方法、装置和系统可以应用于多种系统，而不限于自主车辆。在另一个示例中，各技术可用于机器人、航空和/或航海背景，例如以扩展设备的导航覆盖率。

图1是本申请的各方面的示意图100。更具体地，图1展示评估系统102，该评估系统用于确定即使在没有自主车辆的车辆控制系统通常需要以导航区域的类型和特性的详细地图数据的情况下，未验证的(用于自主导航)区域是否可以是可导航的和/或未验证区域的哪些部分是可导航的。如图所示，评估系统102可以被配置为接收或以其他方式访问用于新地域104(例如“未验证地域”)的地图数据，并且接收或以其他方式访问已验证地图数据106。例如，“新地域”可以是自主车辆的操作尚未被验证的地理区域。例如，新的、未验证的或未制图的地域可以是已经制图的区域相邻的区域或地域(例如为自主车辆扩展现有的可行驶区域或地理围栏)，或者可以是全新的地理区域(例如不同的城市)。如在此进一步详述的，用于新地域104的地图数据可以采用可以从中收集新地域中的可行驶表面的各方面的任何形式的数据。例如，用于新地域104的地图数据可以包括提供关于新地域的信息的任何二维或三维地图数据，包括但不限于可从第三方获得的地图数据，诸如卫星图像、手绘地图等。相对地，已验证地图数据106可以是其中自主车辆的操作已被验证的一个或多个地理区域的地图数据。已验证地图数据106可以包括由一个或多个自主车辆用于在区域中行进的详细地图，例如利用同时定位和制图(SLAM)技术。例如，已验证地图数据106可以包括具有可行驶表面的环境的3D网格以及关于可行驶表面的各方面的信息，包括但不限于可行驶表面的范围、道路标记信息、交通控制信息等。在至少一些示例中，用于新地域104的地图数据和/或已验证地图数据106可以包括仿真地图数据。在此类示例中，近似道路参数(坡度、宽度等)和/或实际道路参数(速度限制、各车道的数量等)可以用于生成近似于真实世界道路区段的此类合成区段。例如，仿真地图数据可以用于测试此处描述的各实施方案的各方面和/或自主车辆的各方面。因此，如此处使用的，新地域和/或未验证地域可以指详细地图数据(例如足以容许自主车辆操作)不可用的地理区域。相对地，已验证地域和/或已制图地域可以指地图数据和/或行驶数据存在(例如已验证地图数据106)的地理区域，其可以由自主车辆用于导航该区域，例如自主地导航。

评估系统102可以使用用于新地域104的地图数据和已验证地图数据106来生成新地域的评估。评估108可以识别新地域中的各不可行驶区段或各区域110和各可行驶区段或各区域112。在一些示例中，评估系统102可以确定新地域中的各道路区段与已制图地域中的各道路区段的相似性或相似点以确定各不可行驶区域110和各可行驶区域112。例如，各不可行驶区域110可以是评估系统102确定不太可能(例如等于或低于某个相似性度量阈值)可由自主车辆导航的区域，而可行驶地域112可以是评估系统102确定很可能(例如等于或高于某个相似性度量阈值)可由自主车辆导航的区域。

更具体而言，评估系统102可以包括一个或多个计算设备114，其被配置为接收和/或以其他方式访问用于新地域104的地图数据和已验证地图数据106。通常，并且在一些情况下，(各)计算设备114可以包括各种部件以对用于新地域106的地图数据和已验证地图数据108执行各种处理和/或操作。例如，(各)计算设备114可以包括地图分区部件116、区段分析部件和评估/制图部件120。

地图分区部件116可以包括识别与地理区域中的可行驶表面的各离散部分相对应的地图数据的各区段的功能。在一些情况下，各离散部分可以包括各道路交叉点和各相连道路区段。道路交叉点可以是两个或更多相连道路区段的交汇处，并且相连道路区段可以是在两个交叉点之间延伸的道路的一部分。在其他示例中，各离散部分可以是道路交叉口的各区段和/或各相连道路区段。例如，地图分区部件116可以识别道路交叉口或相连道路区段中的各个车道或两个或更多车道的分组。类似地，地图分区部件116可以包括识别交叉口(例如四路交叉路口处的两个区段的交叉口)的各部分的功能。可以理解的是，可行驶表面可以包括多个物理部分，并且各区段不应限于此处明确讨论的那些。在一些示例中，地图区段可以定义与地图区段相关联的位置、范围和语义信息。如此处进一步描述的，地图分区部件116可以包括识别用于新地域104的地图数据中和已验证地图数据106中的各区段的功能。

地图分区部件116可以实施多个技术来识别用于新地域104的地图数据和/或已验证地图数据106中的各区段。通过非限制性示例的方式，当地图数据包括图像数据时，地图分区部件116可以实施特征识别技术(包括不限于边缘检测技术)以确定可行驶表面的范围和/或可行驶表面上的车道标记。在其他示例中，地图分区部件116可以对地图数据实施分区和/或分类技术，例如以识别与不同分类相关联的传感器数据的各部分。在一些示例中，可行驶表面可以是使用语义分区来识别的分类。在至少一些示例中，可以使用各种基于聚类的算法来基于各道路参数中的任何一个或多个来识别某些车道区段(k-均值、k-medoids、DBSCAN等)。也可以使用其他技术。

地图分区部件116还可以将特征或属性(例如非物理特征/属性)与识别出的各物理区段相关联。例如，地图分区部件116还可以将交通控制信息和与各区段相关联的可行驶表面的部分相关联。通过非限制性示例的方式，交通控制信息可以包括关于速度限制、关于行进方向、关于交通控制设备(例如停车标志、让行标志、交通灯)的信息。附加交通控制信息可以包括关于人行横道、停车区、禁止停车区、自行车道、HOV信息等的信息。在各实施方案中，地图分区部件116可以识别物理可行驶表面区段并且将可以影响此类区段中的安全和合法行进的任何和所有信息相关联。

此外，在至少一些示例中，地图分区部件116可以使用来自与每个区段相关联的一个或多个车辆的先前记录的行驶数据以提供与每个区段相关联的自主级别。作为非限制性示例，各种区段可以被识别为在所有环境条件中具有完全自主行驶能力、限制自主性(速度限制、机动限制等)以及不具备完全自主性。

区段分析部件118可以包括用于比较由地图分区部件116识别出的各区段并确定它们之间的相似性的功能。例如，区段分析部件118可以识别来自用于新地域104的地图数据的各区段和来自已验证地图数据106的各区段相似或相同。在一些示例中，区段分析部件118可以将来自新地域104的地图数据的区段的个体和来自已验证地图数据106的各区段的个体进行比较，借以找到相似之处。此类分析可以包括确定与一个区段相关联的特征向量与在地图分区部件116中识别出的一个或多个簇或区段之间的距离(例如欧几里得距离)。根据简单的非限制性示例，当地图分区部件116在用于新地域104的地图数据中识别出带有30英里/小时速度限制的相对直的、双车道的相连道路区段时，区段分析部件118可以在已验证地图数据106中寻找带有30英里/小时速度限制的相对直的、双车道的相连道路区段。在这个简单的示例中，测量出的属性(例如道路区段的平直度、车道数和速度限制)可以基本相同。然而，在其他示例中，相似性可能不太准确。例如，新地域可以包括带有一定曲率和40英里/小时速度限制的双车道相连道路区段。在此处描述的示例中，区段分析部件118可以确定相似性度量，该相似性度量量化新地域中的区段和已验证地域中的一个或多个区段的相似性。

在一些示例中，相似性度量可以将多个属性考虑在内并且确定那些属性中的几个属性在被比较的各区段之间相同和/或相似。一些示例属性可以包括物理属性或交通控制属性。物理属性例如可以包括范围(例如长度、宽度)、各车道的数量、曲率、坡度、道路类型(例如铺装道路、砾石道路、泥土道路、市场道路、未标记道路)、有无路肩、有无中央隔离带等。例如，交通控制属性可以包括关于速度限制的信息、行进方向、交通控制要素(例如红绿灯、停车标志、让行标志)、人行横道、自行车道、HOV规则、转弯规则(例如禁止左转、禁止右转)等。在一些情况下，相似性度量或相似性分数可以是二元的，例如1或0、匹配或不匹配、可行驶或不可行驶。当然，在其他示例中，此类分数可以是连续的并指示一个区段和另一个区段的相似程度，并且较低的相似度水平可能与禁用某些行驶特征(例如行驶超过某个速度限制、执行某些机动(例如自主地超越双重停放的车辆等))相关联。在一些示例中，当某些属性在两个进行比较的区段中不相同时，相似性度量可以指示不存在匹配，而不管其他属性是否相同或相似。通过非限制性示例的方式，具有专用于沿一个方向行进的一个车道和专用于沿相反方向行进的另一车道的道路的双车道区段不会匹配具有专用于沿同一方向行进的两个车道的道路的双车道区段。相对地，其他属性可能不同，但各区段可能仍然是匹配的。通过非限制性示例的方式，除了速度限制有5英里/小时差异之外实际上相同的两个道路区段可以是匹配的。在该示例中，相似性度量可以考虑两个属性之间的差异程度。例如，改变5英里/小时的速度限制可能比改变20英里/小时的速度限制更相似。在至少一个示例中，相似性度量可以分配一值(例如代表这种相似度的数值)，并且区段分析部件118可以生成包括类似的不同属性的综合或其他分数。

区段分析部件118还可以考虑关于各区段范式的信息。例如，范式可以定义各参数值或各参数值的各范围，其定义道路区段类型。在一些示例中，范式可以由代表性区段(例如包括与范式相关联的属性/参数/范围的区段)来体现。区段分析部件118可以确定类似于或包括此类参数/范围的各道路区段。例如，各范式可以将所有足够相似使得预计(或已证明)自主车辆行为相似的所有区段组合在一起。例如，这种行为上的相似性可以在道路区段上行驶数小时和/或数英里中观察到。在一些情况下，区段分析部件可以执行机器学习模型以将各相似道路区段分组为各范式和/或更新各范式。因此，在本公开的各示例中，区段分析部件118可以将来自用于新地域104的地图数据的各道路区段与从已验证地图数据确定和/或被包括在其中的范式进行比较。

评估/制图部件120可以包括评估段分析部件118的结果并更新用于新地域104的地图数据以识别不可行驶地域110和可行驶地域112(和/或对行驶能力的限制)的功能。例如，评估/制图部件120可以例如根据由区段分析部件118确定的相似性度量来确定新地域的各区段基本上类似于自主车辆已经对其针对自主行进进行验证(例如来自已验证地图数据106)的各区段。在至少一些示例中，对应于原始区段的类似的自主级别可以与此类新区段相关联。在各示例中，在已验证地图数据106中没有类似物的用于新地域104的地图数据的各区段可以被标记或以其他方式被指示为未针对行进进行验证。类似地，在已验证地图数据106中存在类似物的用于新地域104的地图数据的各区段可被标记或以其他方式被指示为针对行进进行验证(或潜在验证)。如上所述，在至少一些示例中，有限量的自主性(或对功能的其他限制)可以基于所确定的各相似区段而与该一个或多个区段相关联。在一些情况下，评估/制图部件120可以例如通过以可行驶地域112的指示补充用于新地域104的地图数据来生成新地图数据并向自主车辆提供更新的(或新的)地图数据，例如以装备自主车辆以在可行驶地域112中操作，例如排除不可行驶地域116。

评估/制图部件120还可以确定用于新地域的总体分数或覆盖率。例如，一旦用于新地域104的地图数据中的各区段中的每个被标记为不可行驶或可行驶，评估/制图部件120可以确定新地域的整体覆盖率。在一些示例中，总体分数或覆盖率可以对应于被指示为包含可行驶地域112的新地域中的可行驶区域的百分比。也可以使用其他评估和/或评分度量。例如，评估/制图部件120可以考虑关于新地域的附加信息。例如，在乘车服务的背景下，可能期望确定可行驶地域112是否包括上车/下车位置。评估/制图部件120可以确定用于新地域104的地图数据的各区段的百分比，各区段还包括暴露的弯道、停车道、车道、停车场或可能有助于上车/下车的其他属性。在附加示例中，评估/制图部件120可以确定识别有多少新地域被连接的度量。例如，确定新地域中的可行驶地域112允许行进通过大部分地域可能具有比确定可行驶地域112彼此远离(例如具有很少或没有相连道路)相对更高的分数。

因此，根据此处描述的各技术，车辆控制系统将会在新地域中表现如何可以使用用于已验证地域的地图数据和用于新地域的地图数据来确定。即使用于新地域104的地图数据可能不如已验证地图数据106详细或具体，评估系统102也可以提供关于用于在地域中操作的自主车辆的潜力的信息。在一些实施方案中，评估系统102可以帮助确定是否向新地域提供自主车辆服务和/或进入哪个或哪些新地域。

图2描绘用于识别新地域中的各可行驶表面和/或将自主特征与其相关联的示例性过程200的图示流程图。例如，过程200可以由评估系统102的一个或多个部件来实施，尽管过程200不限于与评估系统102一起使用，并且评估系统102可以执行除过程200之外的其他操作和/或过程。

在操作202处，过程200可以包括接收用于新地域的地图数据。例如，新地域可以是已制图地域的扩展或全新地域，例如对应于新城市或地点。结合操作202的示例204包括新地域的地图206的图形表示。例如，地图206可以表示用于新地域104的地图数据，如上文结合图1所讨论的。在本公开的各示例中，地图数据可以是包括场所的代表信息的任意数量的数据类型。特别地，此处描述的各技术可以使用可以从中确定关于新地域中的可行驶表面的信息的任何地图数据。在一些示例中，此类地图204可以基于在制图期间收集的来自车辆的一个或多个传感器的被收集的数据来创建。在一些示例中，地图204可以基于由用户生成的仿真(合成)数据或仿真部分与传感器数据的组合来确定。在任何此类示例中，对应于道路的附加参数可以与地图的各个部分(速度限制、停车标志、交通信号、车道指示器、人行横道等)相关联。

在操作208处，过程200可以包括识别新地域中的各可行驶表面区段。在结合操作208的示例中，地图206的多个地域被指定。例如，在图示中列举出四个交叉点210(1)、210(2)、210(3)、210(4)(统称为交叉点210)和四个相连道路区段212(1)、212(2)、212(3)、212(4)(统称为相连道路212)(还展示各附加道路区段，但未标记)。在该示例中，各交叉点210中的每个是两个或更多相连道路212的交汇处，并且各相连道路212中的每个在各交叉点210中的两个之间延伸。更具体而言，第一交叉点210(1)和第三交叉点210(3)可以是“T”形交叉点，各相连道路区段中的三个在该“T”形交叉点交汇。在第一交叉点210(1)的特定示例中，三个交叉点区段包括第一相连道路212(1)、第四相连道路2212(4)和作为第一相连道路212(1)的延续的未标记相连道路区段。第二交叉点210(2)和第四交叉点210(4)可以是不同类型的交叉路口。例如，第二交叉点210(2)被展示为四向交叉路口，并且第四交叉点210(4)被展示为环岛或环形路口。当然，这些只是交叉点的示例。

可以认识的是，地图206可以仅提供(更)大区域的一小部分。因此，在一些实施方案中，可能有数百个并且潜在有数千个或更多的交叉点210和数量相近的相连道路212。此外，每个交叉点可以具有其自身的特性和/或每个相连道路212可以具有其自身的特性。通过非限制性示例的方式，虽然第一交叉点210(1)和第三交叉点210(3)可能看起来相同，但实际上它们可能完全不同。例如，各交叉点210(1)、210(3)中的每个处的交通控制可以是不同的。在一个示例中，交叉点210(1)可以是三向停靠点，而相连道路区段212(3)可以是主路，使得从相连道路区段212(3)直行通过交叉点210(3)的车辆可能没有停靠点，而第四相连道路212(4)上的交通必须在进入由交叉点210(4)体现的交叉路口之前停止。当然，这些只是示例。在其他示例中，一个或多交叉点可以包括其他特征，诸如人行横道、转弯车道、让行标志、交通灯等。此外，第四相连道路区段212(4)可以是任一方向的单行道。类似地，其他因素也可能影响各交叉点210处的交通控制。例如，包括各相连道路区段212的道路上的速度限制可以针对个交叉点210中的每个而改变。各交叉点210也可以具有附加变体。通过非限制性示例的方式，虽然各相连道路212通常被展示为相对于相邻的各区段成直角布置，但是各道路区段之间的角度可以改变。此外，各交叉点210中的个体可以包括人行横道、自行车道、物理障碍或可影响通过其导航的其他特征。此处提供其他示例。

类似地，虽然所参考的各相连道路区段212在地图206中看起来基本相同，但是每个可以具有独特的特征或属性。通过非限制性示例的方式，每个区段可具有不同的曲率、不同的坡度、不同的速度限制、不同数量的车道或车道配置(例如宽度、长度或其他范围、这些车道的不同行进方向等)。同样在各示例中，各道路区段212可以包括停车道、人行横道、禁止停车区、中央隔离带或其他物理障碍、桥梁、隧道、相邻的人行道、减速带、自行车道或其他特征。此处提供了其他示例。

在操作214处，过程200可以包括将各区段与来自参考地图数据的各已制图区段和/或各范式进行比较。例如，由操作208识别出的各区段中的每个(例如各交叉点210中的每个和各相连道路区段212中的每个)可以和来自可导航地域的已制图数据(诸如上文讨论的已验证地图数据106)进行比较。结合操作214的图示演示来自地图206和相关联的区段数据216的第一交叉点210(1)。通过非限制性示例的方式，区段数据216可以包括对交叉点210(1)可量化的任何特征、属性和/或变体，包括但不限于上面讨论的情况。比较可以基于确定相似性度量，如此处定义的。

结合操作214的示例还示出示例性已制图交叉点218。例如，已制图交叉点218可以包括在可导航地域中(诸如在已验证地图数据106中)识别出的各交叉点区段。在一些示例中，已验证地图数据106中的每个交叉点可以用相关联的数据单独存储，很像区段数据216。在该示例中，第一已制图交叉点218(1)示出四向交叉路口和相关联的数据，第二已制图交叉点218(2)示出第一三向交叉路口和随附的交叉点数据，并且第三已制图交叉点218(3)示出第二三向交叉路口和随附的交叉点数据。需要注意的是，各已制图交叉点218可以来自自主车辆被验证以行进的地域，因此可以在一定程度上得知自主车辆可以导航各已制图交叉点218中的每个。因此，如果在操作214处确定交叉点210(1)与各已制图交叉点218中的一个相同，则可以合理地预计自主车辆可以导航新地域中的交叉点210(1)。在结合操作214的示例中，交叉点210(1)可以被确定为与第三已制图交叉点218(3)相似和/或相同。如上所述，这可以基于确定与两个区段的一个或多个特征/参数相关联的相似性分数或度量来完成。

在一些实施方案中，操作214可以将路口210(1)和每个已制图交叉点218进行比较。然而，在其他实施方案中，各已制图交叉点218中的每个可以代表一类或一组类似交叉点。举例来说，自主车辆可以使用相同的功能以导航通过主街和两条小街的四向交叉路口，例如无论小街是否有停车标志、让路标志和/或闪烁的红灯和/或无论主街有怎样的速度限制。在此类情况下，已制图交叉点218可以包括交叉点或交叉路口范式。例如，交叉路口范式可以包括单一参数内的一个或多个范围或类型的标准。在刚刚给出的示例中，主街和两条小街的类似四向交叉路口可以组合在一起，无论在各小街与主街的交叉点处使用的交通控制设备(或交通控制设备是类似设备列表上的设备)和/或无论主街上的速度限制(或如果速度限制是在各速度限制的某个范围内)。在一些示例中，使用范式可以减少计算负载，例如通过将新地域中的各区段和较少的已制图区段(例如已制图交叉点218)进行比较。例如，使用范式或分类可以将数千个交叉点减少到几十个范式。在使用聚类算法对各区段进行聚类的至少一些示例中，每个聚类的均值、中值或众数可以被用作该区段的特征的指示，其方差指示每个聚类的紧密程度。

在操作220处，过程200可以包括识别新地域中的各可行驶表面。例如，过程200可以包括(例如基于操作214处的(各)比较)识别在已验证地图数据中存在类似物的地图206中的那些区段。在一些示例中，类似物确实存在的那些地域可以被指示为(潜在的)可行驶地域222(例如可能可由自主车辆导航)并且类似物不存在的那些地域可以被指示为不可行驶地域224(例如不可由自主车辆导航)。在结合操作220的示例中，第二相连道路212(2)、第三相连道路212(3)和第四交叉点210(4)被指示为各不可行驶地域224，而所有剩余区段被指示为包括各可行驶地域222。在至少一些示例中，此类确定可能不是那么二元的(例如可行驶对不可行驶)。在此类示例中，至少部分地基于相似性度量，可以限制各种操作(例如最大速度限制、可以执行的动作、在其中允许自主行驶的时间和/或条件等)。作为非限制性示例，如果新近制图的道路区段在现有区段的各特征的95％内，则可以容许类似的行驶特征。在另一种情况下，如果新区段具有范式道路区段的0.8相似性度量，则可以设置最大速度限制，该最大速度限制是新区段的张贴速度限制的一小部分。

在一些实施方案中，自主车辆可以被提供有识别可行驶地域222的更新的地图数据，使得自主车辆可以按照所施加的任何限制来在可行驶地域222中操作。在一些示例中，自主车辆可以在排除关于例如避免不可行驶地域224的信息的情况下操作。然而，在又一些示例中，地域或区段不可行驶的指示可以提示附加处理。例如，图3展示确定由过程200或一些其他过程指示为不可行驶的各区段是否仍可由自主车辆导航的示例。更具体地，图3描绘用于识别新地域中的各可行驶子区段(例如各车道的子集)的示例性过程300的图示流程图。例如，过程300可以由评估系统102的一个或多个部件实施，尽管过程300不限于与评估系统102一起使用，并且评估系统102可以执行除了过程300之外或代替过程300的各操作和/或各过程。

在操作302处，过程300可以包括接收关于道路区段的信息。例如，道路区段可以是交叉点区段或相连道路区段，诸如此处讨论的。在一些示例中，道路区段可以是例如根据上述过程200或一些其他过程而被标记或以其他方式被识别为不可行驶的区段。在此类示例中，区段可以是不可行驶的，因为其并未与各已验证地图区段明显地相对应，如上文结合图2描述的。在结合操作302的示例304中，道路区段被体现为相连道路区段306。例如，相连道路区段306可以是上面结合过程200讨论的各相连道路212之一。更具体而言，相连道路区段306可以包括多个车道，包括第一车道308、第二车道310、第三车道312、第四车道314、第五车道316、第六车道318和包括多个停车位320的停车车道。又具体而言，中心线可以将第三车道312与第四车道314分开，并且车道标记324可以被提供在其他各车道之间。例如，第一车道308可以是转向车道(例如交通可以经由其从道路区段306右转)，并且第二车道310和第三车道312可以用于沿相同方向行进的交通，例如沿图示朝向从右到左。相对地，第四车道314、第五车道316和第六车道318可以促进沿相反方向行进，例如沿图示朝向从左到右。停车位320可以布置成用于与第六车道318相邻的平行停车。

在操作326处，过程300可以包括识别道路区段中的各车道的子集。例如，在结合操作326的示例中，过程300可以识别包括第五车道316、第六车道318和包括停车位320的车道的子集328。在各实施方案中，可以选择最少三个车道，例如因为自主车辆的安全行进可能需要知晓车辆行进的车道及两侧相邻车道中的物体、障碍物和/或类似物。在其他示例中，更多或更少的车道可以被包括在子集中。在非限制性示例中，仅第六车道318和包括停车位320的车道可以用作各车道的子集。此外，虽然道路区段306是相连道路区段，但可以使用类似的技术以识别交叉点区段的各区段或各部分。通过非限制性示例的方式，交叉点处的两个相连道路区段的交汇可以通过操作326(例如排除在交叉点处相遇的其他相连道路)来识别。在区段的至少一个车道与另一区段相似的至少一些示例中，那些车道将会对于行驶而言优选于其他车道和/或可以对此类其他车道施加额外限制。区段内的各特征的各其他子集或各组也可以被考虑到，包括在此描述的各其他特征和各属性。

在操作330处，过程300可以包括将识别出的各车道与各已验证车道组合和/或各范式进行比较。操作330可以类似于如上所述的操作214。例如，包括车道组合328的各车道组合中的每个可以和来自可导航地域的已制图数据(诸如上面讨论的地图数据106)进行比较。结合操作330的图示演示来自车道区段306的车道组合328和相关联的车道数据332。通过非限制性示例的方式，车道数据332可以包括对车道组合328可量化的任何特征、属性和/或变体，包括但不限于用于各车道的行进方向、各车道的各范围、车道标记信息、速度限制信息、停车位320的朝向和/或与车道组合328相关联的其他数据。

结合操作330的示例还展示已验证车道数据334。例如，已验证车道数据可以包括关于在可导航地域中(诸如在已验证地图数据106中)识别出的各车道组合的信息。在一些示例中，已验证地图数据106中的每个车道组合可以与相关联的数据(例如车道数据332)一起独立存储。操作330可以将与新地域中的车道组合328相关联的车道数据332与(例如在已验证车道数据334中的)每个已制图车道组合进行比较，以确定车道组合328与自主性针对其进行验证的车道组合之间的对应关系。然而，在其他实施方案中，已验证车道数据334可以包括各类似车道组合的各类别或各组的信息。举例来说，自主车辆可以使用相同的功能以在五车道高速公路的两条最右侧车道上以65英里/小时的速度限制导航，就像在八车道高速公路的两条最右侧车道上以70英里/小时的速度限制导航一样。因此，例如已验证车道数据334可以包括车道范式，其包括带有范围从65英里/小时到70英里/小时的速度限制的双车道配置。当然，这只是一个简单的示例，可以使用附加的和/或不同的属性、范围和/或类似物来开发各范式。在一些示例中，使用各范式可以减少计算负载，例如通过将新地域中的车道组合和较少的已制图组合进行比较。在至少一些示例中，此类已验证车道数据334可以包括一个或多个自主车辆的已验证的(实际的、成功的)行驶行为。此类行驶行为和相似性分数可以用于对新指示的各区段中的行驶施加一个或多个限制。

在操作336处，过程300可以包括将所有的车道中少部分车道识别为可导航的。例如，过程300可以包括针对各车道的每个组合(包括组合328)确定已验证地图数据中是否存在类似物。在一些示例中，类似物确实存在的那些地域可以被指示为可行驶地域338(例如潜在可由自主车辆导航)并且那些类似物不存在的地域可以被指示为不可行驶地域340(例如不可由自主车辆导航)。在结合操作336的示例中，第五车道316、第六车道318和包括停车位320的车道被指示为可行驶地域338，而第一车道308、第二车道310、第三车道312、第四车道314被指示为不可行驶地域340。

例如，如上所述，道路区段306可能已经被识别为不可行驶道路区段，例如因为可导航地域的地图数据可能不包括带有使道路区段306被识别为与已验证的可导航区段的类似物的相同或足够相似的特性的道路区段。作为过程300的结果，此处描述的各技术可以识别自主车辆可以在其上操作的新的(例如未验证的)地域的附加部分。在各示例中，自主车辆可以被提供有关于可行驶地域338的信息并且因此可以仅在该地域中穿越道路区段306。在所展示的示例中，自主车辆可以仅在第五车道316或第六车道318中行进，和/或可以在各停车位320之一停车或以其他方式停靠。因此，在乘车服务的背景下，车辆可以提供(例如在停车位320处)上车和/或下车服务，即使可能无法对于在道路区段306的所有车道上行进进行验证。此外，当车辆导航通过可行驶地域338时，其可以生成传感器数据，例如使用安装在车辆上的传感器，以允许对不可行驶地域340进行制图。

图4描绘用于实施此处描述的各技术的示例性系统400的框图。在至少一个示例中，系统400可以包括车辆402，其是自主车辆，诸如此处描述的自主车辆。车辆402可以包括车辆计算设备404、一个或多个传感器系统406、一个或多个发射器408、一个或多个通信连接410、至少一个直接连接412和一个或多个驱动模块414。

车辆计算设备404可以包括一个或多个处理器416以及与该一个或多个处理器416通信地联接的存储器418。在所示的示例中，车辆402是自主车辆；然而，车辆402可以是任何其他类型的车辆，或具有至少图像捕捉设备的任何其他系统(例如带摄像头的智能手机)。在所示的示例中，车辆计算设备404的存储器418存储定位部件420、感知部件422、规划部件424、一个或多个系统控制器426和一个或多个地图428。虽然在图4中为了展示目的被描绘为驻留在存储器418中，但可以想到的是，定位部件420、感知部件422、规划部件424、该一个或多个系统控制器426和该一个或多个地图428可以附加地或备选地对车辆402开放访问(例如被远程存储)。

在至少一个示例中，定位部件420可以包括从(各)传感器系统406接收数据以确定车辆402的位置的功能。例如，定位部件420可以包括和/或请求/接收环境的地图，并且可以连续地确定自主车辆在地图内的位置。在一些情况下，定位部件420可以利用SLAM(同时定位和图示)或CLAMS(同时进行校准、定位和映射)以接收图像数据、LIDAR数据、雷达数据、IMU数据、GPS数据、轮式编码器数据等，继而准确地确定自主车辆的位置。在一些情况下，定位部件420可以向车辆402的各个部件提供数据以确定自主车辆的初始位置，进而生成如此处讨论的候选轨迹。

在一些情况下，感知部件422可以包括执行对象检测、分区和/或分类的功能。在一些示例中，感知部件422可以提供指示车辆402附近的实体的存在和/或将实体分类为实体类型(例如汽车、行人、骑行者、动物、建筑物、树木、路面、路缘、人行道、未知物等)的已处理传感器数据。在附加和/或备选示例中，感知部件422可以提供指示与检测到的实体和/或实体所在的环境相关联的一个或多个特性的已处理传感器数据。在一些示例中，与实体相关联的特性可以包括但不限于x位置(全局位置)、y位置(全局位置)、z位置(全局位置)、朝向、实体类型(例如分类)、实体的速度、实体的范围(大小)等。与环境相关联的特性可以包括但不限于环境中的另一实体的存在、环境中的另一实体的状态、一天中的时间、一周中的一天、季节、天气状况、明暗状况的指示等。

通常，规划部件424可以确定车辆402要遵循以穿越环境的路径。例如，规划部件424可以确定各种路线、轨迹以及各种细节水平。例如，规划部件424可以确定从第一位置(例如当前位置)行进到第二位置(例如目标位置)的路线。为了便于讨论，路线可以是用于在两个位置之间行进的一系列路标。作为非限制性示例，各路标包括街道、十字路口、全球定位系统(GPS)坐标等。另外，规划部件424可以生成用于沿着从第一位置到第二位置的路线的至少一部分引导自主车辆的指令。在至少一个示例中，规划部件424可以确定如何将自主车辆从路标序列中的第一路标引导到路标序列中的第二路标。在一些示例中，指令可以是轨迹或轨迹的一部分。在一些示例中，多个轨迹可以按照后退水平技术基本上同时(例如在技术公差内)生成。

(各)系统控制器426可以被配置为控制车辆402的转向、推进、制动、安全、发射器、通信和其他系统。(各)系统控制器426可以与(各)驱动模块414和/或车辆402的各其他部件的对应系统通信和/或对其进行控制。

(各)地图428可以由车辆402使用以在环境内进行导航。出于讨论的目的，地图可以是以二维、三维或N维建模的任意数量的数据结构，这些数据结构能够提供有关环境的信息，诸如但不限于拓扑(诸如交叉路口)、街道、山脉、道路、地形和一般环境。在一些情况下，地图可以包括但不限于：纹理信息(例如颜色信息(例如RGB颜色信息、Lab颜色信息、HSV/HSL颜色信息)等)、强度信息(例如LIDAR信息、RADAR信息等)；空间信息(例如投影到网格上的图像数据、独立的“面元”(例如与独立的颜色和/或强度相关联的多边形))、反射率信息(例如镜面反射率信息、回射率信息、BRDF信息、BSSRDF信息等)。在一个示例中，地图可以包括使用此处讨论的技术生成的三维网格。在一些情况下，地图可以以图块格式存储，使得地图的各个图块代表环境的离散部分，并可以根据需要被加载到工作存储器中。在至少一个示例中，(各)地图428可以包括按照此处讨论的技术生成的至少一个地图(例如图像和/或网格)。例如，(各)地图428可以包括关于新环境中的各可行驶地域的信息，其中各可行驶地域根据此处描述的各技术来确定。在一些情况下，(各)地图428可以包括仅关于可行驶地域的信息，而其他实施方案可以包括整个地域的地图数据，包括各不可行驶地域的地图数据。在一些示例中，车辆402可以至少部分地基于(各)地图428来控制。也就是说，地图428可以与定位部件420、感知部件422和/或规划部件424结合使用以确定车辆402的位置、识别环境中的各对象和/或生成各路线和/或各轨迹以在环境内导航。此外，来自(各)传感器系统406的数据和/或其他数据可以用于增加、补充和/或生成被包括在(各)地图428中的地图数据。

在一些示例中，(各)地图428可以被存储在可经由(各)网络430访问的(各)远程计算设备(例如(各)计算设备432)上。在一些示例中，(各)地图428中的多个可以例如基于特性(例如实体的类型、一天中的时间、一周中的一天、一年中的季节等)来存储。存储多个地图428可以具有类似的存储要求，但是增加可以访问热地图中的数据的速度。

在一些情况下，此处讨论的一些或所有部件的各方面可以包括模型、算法和/或机器学习算法。例如，在一些情况下，存储器418(和/或下面讨论的存储器436)中的各部件可以被实施为神经网络。

如此处描述的，示例性神经网络是生物学激发算法，其使输入数据通过一系列连接层以产生输出。神经网络中的每一层还可以包括另一神经网络，或者可以包括任意数量的层(无论是否卷积)。如在本公开的背景下可以理解的，神经网络可以利用机器学习，该机器学习可以指输出在其中基于已学习参数来生成的一大类算法。

尽管在神经网络的背景下讨论，但是可以根据本公开使用任何类型的机器学习。例如，机器学习算法可以包括但不限于回归算法(例如普通最小二乘回归(OLSR)、线性回归、对数回归、逐步回归、多元自适应回归样条(MARS)、局部估计散点图平滑化(LOESS)、基于实例的算法(例如岭回归、最小绝对收缩和选择算子(LASSO)、弹性网、最小角度回归(LARS))、决策树算法(例如分类和回归树(CART)、迭代二分法3(ID3)、卡方自动交互检测(CHAID)、决策树、条件决策树)、贝叶斯算法(例如朴素贝叶斯、高斯朴素贝叶斯、多项式朴素贝叶斯、平均一元化估计器(AODE)、贝叶斯信念网络(BNN)、贝叶斯网络)、聚类算法(例如k均值、k中位数、期望最大化(EM)、分层聚类)、关联规则学习算法(例如感知器、反向传播、跳跃式网络、径向基函数网络(RBFN))、深度学习算法(例如深玻尔兹曼机(DBM)、深度信念网络(DBN)、卷积神经网络(CNN)、堆叠式自动编码器)、降维算法(例如主成分分析(PCA)、主成分回归(PCR)、偏最小二乘回归(PLSR)、萨蒙映射、多维标度(MDS)、投影追踪、线性判别分析(LDA)、混合物判别分析(MDA)、二次判别分析(QDA)、灵活判别分析(FDA))、集成算法(例如增强、自举聚合(袋装)、AdaBoost、堆叠泛化(混合)、梯度增强机(GBM)、梯度增强回归树(GBRT)、随机森林)、SVM(支持向量机)，监督学习、无监督学习、半监督学习等。

各架构的其他示例包括神经网络，诸如ResNet70、ResNet101、VGG、DenseNet、PointNet等。

在至少一个示例中，(各)传感器系统406可以包括LIDAR传感器，雷达传感器，超声换能器，声纳传感器，位置传感器(例如GPS、指南针等)、惯性传感器(例如惯性测量单元(IMU)、加速计、磁力计、陀螺仪等)、摄像头(例如RGB摄像头、IR摄像头、强度摄像头、深度摄像头、飞行时间摄像头等)、麦克风、轮式编码器、环境传感器(例如温度传感器、湿度传感器等)。(各)传感器系统406可以包括这些或其他类型的传感器中的每个的多个实例。例如，LIDAR传感器可以包括位于车辆402的拐角、前面、后面、侧面和/或顶部的各个LIDAR传感器。作为另一示例，摄像头传感器可以包括放置在车辆402外部和/或内部的周围各个位置的多个摄像头。(各)传感器系统406可以向车辆计算设备404提供输入。附加地或备选地，(各)传感器系统406可以以特定的频率、在经过预定时间段之后、以近实时等方式经由该一个或多个网络430向该一个或多个计算设备发送传感器数据。

(各)发射器408可以被配置为发射光和/或声音。发射器408在该示例中包括内部音频和视觉发射器以与车辆402的乘客进行通信。作为示例而非限制，内部发射器可以包括扬声器，灯，标志，显示屏，触摸屏，触觉发射器(例如振动和/或力反馈)、机械致动器(例如安全带拉紧器、座椅定位器、头枕定位器等)等。发射器408在该示例中还包括外部发射器。作为示例而非限制，该示例中的各外部发射器可以包括用于发出行进方向信号或车辆动作的其他指示符(例如指示灯、标志、灯阵列等)的信号灯和/或用于与行人或其他附近车辆进行听觉通信的一个或多个音频发射器(例如扬声器、扬声器阵列、喇叭等)，其中的一个或多个可以包括声束转向技术。

(各)通信连接410可以容许在车辆402与一个或多个其他本地或远程计算设备(例如计算设备432)之间进行通信。例如，(各)通信连接410可以促进与车辆402和/或(各)驱动模块414上的(各)其他本地计算设备进行通信。而且，(各)通信连接410可以允许车辆与(各)其他附近计算设备(例如其他附近车辆、交通信号灯等)进行通信。(各)通信连接410还容许车辆402与远程遥距操作计算设备或其他远程服务进行通信。

(各)通信连接410可以包括物理和/或逻辑接口，以将车辆计算设备404连接到另一计算设备或网络，诸如(各)网络430。例如，(各)通信连接410可以容许基于Wi-Fi的通信(诸如经由由IEEE 402.11标准定义的频率)、短距离无线频率(诸如

)、蜂窝通信(例如2G、4G、4G LTE、5G等)或者容许相应计算设备与(各)其他计算设备对接的任何合适的有线或无线通信协议。

(各)驱动模块414可以包括许多车辆系统，包括高压电池、推进车辆的电机、将来自电池的直流电转换成交流电以供其他车辆系统使用的逆变器、包括转向马达和转向齿条(可以是电动的)的转向系统、包括液压或电动致动器的制动系统、包括液压和/或气动部件的悬架系统、用于分配制动力以减轻牵引力损失并维持控制的稳定性控制系统、HVAC系统、照明系统(例如照亮诸如头灯/尾灯以照亮车辆的外部环境)以及一个或多个其他系统(例如冷却系统、安全系统、车载充电系统、其他电气部件，诸如DC/DC转换器、高压接头、高压电缆、充电系统、充电端口等)。附加地，(各)驱动模块414可以包括驱动模块控制器，该驱动模块控制器可以接收和预处理来自(各)传感器系统的数据并控制各种车辆系统的操作。在一些示例中，驱动模块控制器可以包括一个或多个处理器以及与该一个或多个处理器通信地联接的存储器。存储器可以存储一个或多个模块以执行(各)驱动模块414的各种功能。此外，(各)驱动模块414还包括一个或多个通信连接，该一个或多个通信连接使得相应驱动模块能够与一个或多个其他本地或远程计算设备进行通信。

在一些示例中，车辆402可以具有单一驱动模块414。在至少一个示例中，如果车辆402具有多个驱动模块414，则各个驱动模块414可以定位在车辆402的相反两端上(例如前部和后部等)。在至少一个示例中，(各)驱动模块414可以包括一个或多个传感器系统，以检测(各)驱动模块414和/或车辆402的周围环境的状况。通过示例而非限制的方式，(各)传感器系统可以包括一个或多个轮式编码器(例如旋转编码器)以感测驱动模块的车轮的旋转，各惯性传感器(例如惯性测量单元、加速度计、陀螺仪、磁力计等)以测量驱动模块的朝向和加速度，各摄像头或各其他图像传感器，各超声波传感器以声学地检测驱动模块的周围环境中的各对象，LIDAR传感器，雷达传感器等。一些传感器(诸如轮式编码器)对于(各)驱动模块414可以是唯一的。在一些情况下，(各)驱动模块414上的(各)传感器系统可以重叠或补充车辆402的对应系统(例如(各)传感器系统406)。

在至少一个示例中，定位部件420、感知部件422和/或规划部件424可以如上所述处理传感器数据，并且可以通过(各)网络430向(各)计算设备432发送它们各自的输出。在至少一个示例中，定位部件420、感知部件422和/或规划部件424可以以特定的频率、在经过预定时间段之后、以近实时等方式向该一个或多个计算设备432发送它们各自的输出。在一些示例中，车辆402可以向(各)计算设备432发送原始的传感器数据。在其他示例中，车辆402可以向(各)计算设备432发送已处理的传感器数据和/或传感器数据的表示。在一些示例中，车辆402可以以特定的频率、在经过预定时间段之后、以近实时等方式向(各)计算设备432发送传感器数据。在一些情况下，车辆402可以向(各)计算设备432发送传感器数据(原始的或已处理的)作为一个或多个日志文件。

计算设备432可以接收(原始的或处理的)传感器数据并且可以基于传感器数据来生成和/或更新各地图。例如，(各)计算设备432可以将例如自主车辆402未在其中针对行驶进行验证的新地域的地图数据与例如来自自主车辆402在其中针对行驶进行验证或以其他方式进行配置的各地区的已验证地图数据进行比较，以识别自主车辆402可以在其中行进的新地域的各区段。例如，(各)计算设备432可以生成包括确定为可导航地域的更新的地图数据，并且向车辆402提供更新的地图数据或以其他方式使其可用。因此，车辆可以被控制以识别新的(例如先前未针对导航制图的)、在图像中被遮蔽的地理区域，并且可以生成没有阴影的带纹理的3D地图。

在至少一些示例中，(各)计算设备432可以包括一个或多个处理器432以及与该一个或多个处理器434通信地联接的存储器436。(各)计算设备432还可以包括第一地图数据438和第二地图数据440。第二地图数据440还可以包括范式数据442。同样在所展示的示例中，(各)计算设备432的存储器436存储地图分区部件116、区段分析部件118和评估/制图部件120。在至少一个示例中，(各)计算设备432可以包括图1的评估系统102的功能中的一些或全部。

上面结合图1描述了地图分区部件116。通常，地图分区部件可以包括被训练以识别可行驶表面的各区段的特征识别部件和/或机器学习算法。在一些情况下，地图分区部件116可以接收地图数据(诸如第一地图数据438和/或第二地图数据440)并分析数据以确定各区段，诸如各相连道路区段和各相连道路区段交汇的各交叉点区段。同样在各实施方案中，地图分区部件116可以识别各区段的子地域，包括但不限于各车道组合、各交叉路口的各部分等。

上面结合图1描述区段分析部件118。通常，区段分析部件118可以将来自新地域的地图数据(例如第一地图数据438)的各地图区段与来自已验证地域的地图数据(例如第二地图数据440)的各地图区段进行比较。例如，区段分析部件118可以确定在新地域的地图数据中识别出的区段是否和来自已验证地图数据的区段类似或相似。如此处描述的，因为自主车辆可以在与已验证地图数据相对应的地理地域中成功地行进，所以自主车辆也可以在具有相似或相同的特征、属性和/或配置的新地域的各区段上成功地行进。

在一些情况下，区段分析部件118还可以将来自新地域的地图数据的各地图区段和各区段分类的各范式进行比较。例如，并且如此处描述的，各范式(诸如范式数据442)可以用于对车辆可以以相同或相似方式工作(或已证明操作)的各区段进行分组。此外，区段分析部件118可以生成和/或更新范式数据442。例如，此处描述的过程600包括基于可行驶地域中的自主车辆402的操作来生成新范式的示例。

上面结合图1描述评估/制图部件120。通常，评估/制图部件120可以通过区段分析部件118来汇总或以其他形式评估处理(例如比较)的结果。例如，评估/制图部件120可以将新地域的一些部分标记或以其他方式识别为可行驶部分并且将新地域的附加部分标记或以其他方式识别为不可行驶部分。评估/制图部件120还可以提供通常指示新地域和/或该地域的各区段的可行驶性的分数或其他度量。例如，分数度量可以至少部分地基于预计可行驶的新地域的百分比，该百分比基于新地域的各区段和已制图地域中的各区段的比较。

在图4的示例中，第一地图数据438可以包括关于新地域的数据，诸如用于新地域104的地图数据。如上所述，第一地图数据438可以是可以从中获得可行驶表面的各特征的多种类型的2D、3D或其他地图数据中的任何一种。在各示例中，第一地图数据可以包括卫星图像、传感器生成的数据或其他地图数据。第二地图数据440可以是已验证地图数据106并且可以与上述(各)地图428中的一些或全部相似或相同。例如，第二地图数据440可以是与车辆402可以自主地操作的地域相关联的详细地图数据。如此处注意到的，第二地图数据440可以包括2D或3D数据并且可由定位部件420、规划部件424和/或车辆402的其他部件使用以在已制图地域中进行导航。又如图4所示，第二地图数据440还可以包括范式数据442或与之相关联。如此处描述的，范式数据442可以包括可以用于表征各相似区段的地图数据的信息，例如参数、值和/或范围。在该示例中，第一地图数据438和第二地图数据440被展示为与(各)计算设备432相关联。在各实施方案中，第一地图数据438和第二地图数据440中的一个或两个可以被存储在存储器436中和/或由(各)计算设备432访问。通过非限制性示例的方式，第二地图数据440中的一些或全部可以被存储在车辆402上，例如作为(各)地图428。

车辆402的(各)处理器416和(各)计算设备432的(各)处理器434可以是能够执行指令以处理数据并执行如此处描述的操作的任何合适的处理器。通过示例而非限制的方式，(各)处理器416、434可以包括一个或多个中央处理单元(CPU)、图形处理单元(GPU)或可以处理电子数据以将该电子数据转换为可以被存储在寄存器和/或存储器中的其他电子数据的任何其他设备或设备的一部分。在一些示例中，还可以考虑将集成电路(例如ASIC等)、门阵列(例如FPGA等)和其他硬件设备作为处理器，只要他们被配置为实施编码指令。

存储器418和存储器436是非暂时性计算机可读介质的示例。存储器418和存储器436可以存储操作系统和一个或多个软件应用程序、指令、程序和/或数据以实施此处描述的各方法以及为不同系统作出贡献的各功能。在各种实施方案中，存储器可以使用任何合适的存储器技术来实实施，诸如态随机存取存储器(SRAM)、同步动态RAM(SDRAM)，非易失性/闪存类型的存储器或能够存储信息的任何其他类型的存储器。此处描述的体系结构、系统和各个元件可以包括许多其他逻辑、程序化和物理部件，附图中示出的那些仅仅是与此处讨论的有关的示例。

应该注意的是，尽管图4被展示为分布式系统，但是在备选示例中，车辆402的各部件可以与(各)计算设备432相关联和/或(各)计算设备432的各部件可以与车辆402相关联。即，车辆402可以执行与(各)计算设备432相关联的一个或多个功能，反之亦然。

图2、3、5和6展示按照本公开的实施方式的示例性过程。这些过程被展示为逻辑流程图，该逻辑流程图的每个操作代表可以以硬件、软件或其组合实施的一系列操作。在软件的背景下，各操作表示被存储在一个或多个非暂时性计算机可读存储介质上的计算机可执行指令，当由一个或多个处理器执行时，该计算机可执行指令执行所列举的各操作。通常，计算机可执行指令包括执行特定功能或实施特定抽象数据类型的各例程、各程序、各对象、各部件、各数据结构等。描述各操作的顺序不旨在被理解为限制，并且可以将任何数量的所描述的各操作以任何顺序和/或并行组合以实施流程。

图5描绘用于确定新地域的各可行驶区段并根据基于各可行驶区段来生成的地图数据控制自主车辆的示例性过程500。例如，过程500的一些或全部可以由图4中的一个或多个部件执行，如此处描述的。例如，过程500的一些或全部可以由(各)计算设备432和/或自主车辆402执行。

在操作502处，过程500可以包括接收未验证地域的地图数据。例如，未验证地域可以是其中还没有验证自主车辆是否可以行进的新地理地域。在一些实施方案中，新地域可以是现有地理地域的扩展，例如以扩展与可行驶地域相关联的地理围栏或其他虚拟边界。在各实施方案中，在操作502处接收到的地图数据可以是可以从中确定可行驶表面的特征和/或细节的任何类型的地图数据。在一些示例中，地图数据可以包括关于新地域的二维信息和/或三维信息。

在操作504处，过程500可以包括接收已验证地域的地图数据。例如，自主车辆(诸如车辆402)可能需要广泛且详细的地图数据以在环境中自主地导航。例如，此类地图数据可以包括已制图地域中的各对象的三维网格数据，包括但不限于可行驶表面、障碍物、建筑物、路缘等。此外，此类地图数据可以包括可以影响在可行驶表面上行进的任何信息和/或数据。例如，在操作504处接收到的已验证地域的地图数据可以包括速度限制信息、交通控制信息和/或安全和/或合法地行进通过已验证地域所需的任何其他信息。在至少一些示例中，对此类区段的先前自主操作可以与该一个或多个区段相关联。

在操作506处，过程500可以包括确定未验证地域中的可行驶表面的各区段。例如，地图分区部件116可以识别未验证地域中的可行驶表面的各部分。通过非限制性示例的方式，此类区段可以包括各相连道路的各交叉点和/或在各交叉点之间延伸的各相连道路。在一些实施方案中，区段可以是交叉点和/或相连道路区段的子集。在此处描述的图3的示例中，区段可以包括相连道路区段中或交叉点处的一组交通车道。在一些情况下，地图分区部件116可以执行图像处理技术以识别可行驶表面和/或其各区段。在至少一些示例中，此类区段可以基于一个或多个聚类算法来确定。

在操作508处，该过程可以包括，对于各个区段，确定区段是否与来自已验证地域的区段或范式相似。例如，区段分析部件118可以将来自新地域(如在操作506处确定的)的各区段和来自已验证地域的已制图区段进行比较。例如，区段分析部件118确定相似性分数或其他度量。此类相似性分数例如可以是与两个区段相关联的一个或多个特征/参数之间的距离(例如加权欧几里得距离)。在一些示例中，区段分析部件118可以确定与来自新地域的各区段的某些特征或属性相关联的值是否与已制图数据的各区段中的那些特征/属性相符，如此处描述的。

如果在操作508处确定个别区段与来自已验证地域的区段或范式相似(例如相似性分数或度量满足或超过阈值)，则在操作510处，过程500可以将该区段识别为潜在可行驶的。例如，如此处描述的，已验证地域的地图数据可以包括自主车辆可以容易地导航的可行驶地域的各区段。在至少一些示例中，与其相关联的自主级别可以至少部分地基于相似性分数。如上文详细描述的，随着相似性分数不同，自主的一个或多个功能可能相对于新地域受到约束。因此，当区段分析部件118确定新地域中的区段和已验证地域中的区段基本相似时，过程500可以确定自主车辆也有可能在新地域的类似区段上成功地操作。

相对地，如果在操作508处确定个别区段与来自已验证地域的区段或范式不相似(例如相似性分数不满足或超过阈值分数)，则在操作512处，过程500可以包括将区段识别为可能不可行驶。因此，操作508、510、512可以用于确定新地域中的各区段是可行驶的还是不可行驶的。在各实施方案中，整个可行驶表面的范围可以被解析为离散区段，每个区段被识别为可行驶或不可行驶。

在操作514处，过程500可以包括生成新的(例如未验证地域)地图数据以包括可行驶和不可行驶地域。例如，在操作502处接收到的未验证地域的地图数据可以被补充以包括标志、标识或与指示此类区段是可行驶还是不可行驶的各道路区段相关联的其他指示和/或任何其他限制。

在操作516处，过程500可以包括接收用于已验证地域的行驶数据。例如，由于未验证地域中的区段基于该区段与已验证地域中的区段的相似性而被指示为可行驶，用于控制已验证地域中的区段中的车辆的行驶数据可能有助于导航相似、未验证的区段。在一些示例中，行驶数据可以仅限于来自被认为与未验证地域中的各区段相似的已验证地域的那些区段，尽管在其他实施方案中，也可以接收更多或更少的行驶数据。

在操作518处，过程500可以包括生成行驶策略。例如，行驶策略可以是一组规则、控制、限制或者容许或以其他方式通知由车辆(诸如车辆402)进行自主行驶的其他数据。当车辆在新地域中的各潜在可行驶区段上进行导航时，行驶策略可以由该车辆执行。因此，例如行驶策略可以包括帮助车辆在各潜在可行驶区段上行进并避免各不可行驶区段的信息。在一些情况下，行驶策略可以包括用于在已验证地域中自主地导航的所有功能、控制等。在其他实施方案中，行驶策略可以仅包括关于在与新地域中的各区段匹配的那些区段中控制自主车辆的信息。此外，行驶策略可以至少部分地基于相似性的程度。例如，对于被认为与已验证地域中的区段相似但不完全匹配的新地域中的区段，行驶策略可以包括关于用于穿越新地域中的区段的有限功能的信息。例如，行驶策略可以限制车辆可以穿越通过区段的速度限制、可以使车辆避开执行某些动作等。

在操作520处，过程500可以包括基于行驶策略来控制车辆以在未验证地域的可行驶地域中行驶。例如，在操作514处生成的地图数据可以被上传到自主车辆(诸如自主车辆402)或对其可用，并且自主车辆402可以使用与可行驶地域相关联的地图数据以在新地域中行进。自主车辆402还可以使用在操作516处接收到的行驶数据。如此处描述的，可以预计自主车辆在被指示为可行驶的各区段中操作。此外，在一些实施方案中，当车辆行进通过可行驶区段中的新地域时，车辆可以收集传感器数据(例如使用设置在车辆上或以其他方式与车辆相关联的一个或多个传感器系统)，并且此类传感器数据可以用于补充地图(例如通过获取关于被指示为不可行驶的区域的信息和/或获得关于被指示为可行驶的区域的附加的、更详细的信息)。又如此处描述的，车辆402的功能可以(例如基于相似性分数和/或其他参数)被限制在未验证地域的各区段中。

图6展示验证新地域的可行驶性和生成范式或其他区段分类的示例性过程600。在一些示例中，过程600可以至少部分地由自主车辆402执行。然而，过程600的一些或全部可以由系统下的其他车辆执行，并且自主车辆402不限于实施过程600。

在操作602处，过程600包括接收关于未验证地域的各潜在可行驶区段的信息。例如，正如刚刚参照图5所描述的那样，此处描述的各技术可以用于确定预计自主车辆(例如因为新地域的各区段和与已验证地图区段相关联的范式或组基本相同或符合)能够在其上操作的道路或其他可行驶表面的各区段。在一些情况下，未验证地域的地图数据可以被更新以识别那些潜在可行驶区段。

在操作604处，过程600可以包括使用与已验证地域相关联的控制沿着各潜在可行驶区段来控制车辆。例如，自主车辆(诸如车辆402)可以包括允许车辆导航已验证(例如已制图)的各区段的功能、规则和/或其他控制逻辑。在各实施方案中，这些控制可以在操作604处实施以在被确定为类似于来自已制图地域的那些的各区段中控制车辆。

在操作606处，过程600可以包括为各个区段确定车辆是否可接受地表现。例如，尽管此处描述的各技术可以识别预计自主车辆在其中成功地操作的各区段，但车辆在那些区段上的操作可能仍需要测试，例如以确认操作实际上是成功的。在一些实施方案中，车辆可以在其尝试在被指示为可行驶的各部分上行进时生成信息。在一些示例中，区段中的成功导航可以包括从起点或始发点穿越到目的地，同时经过区段。在其他示例中，可接受的操作可以包括时间分量，例如确定车辆在特定时间从出发点行进到目的地。可接受的性能还可以考虑车辆是否符合其他行驶参数，包括但不限于安全参数，例如与环境中的物体保持最小距离、保持领先车辆之间的时间间隔、保持碰撞时间为或低于阈值时间或其他参数。在更进一步的示例中，可以评估影响乘客舒适度的参数以确定车辆是否成功。例如，还可以考虑当车辆行进通过区段时，加速和减速的数量和严重程度、机动或转弯的剧烈程度等。在其中对行驶施加额外限制的那些示例中，此类限制可以基于在此类区段上的一次或多次成功行驶(例如通过增加最大速度限制、允许更复杂的机动等)来逐步去除。

如果在操作606处确定车辆在个别区段上可接受地表现，则在操作608处，过程600可以包括验证区段的可行驶性。例如，如果车辆根据一个或多个期望或要求表现，则使用此处描述的各技术识别出的新地域的区段可以被指示为已验证区段。

备选地，如果在操作606处中确定车辆在个别区段上没有可接受地表现，则在操作610处，过程600可以包括确定区段与和该区段进行比较的已验证的区段或范式之间的差异。例如，并且如在此讨论的，一些实施方案可以基于它们与范式的一致性和/或尽管属性中有一些差异，确定各区段彼此相似。操作610可以识别这些差异。

在操作612处，过程600可以包括更新范式数据/识别新范式。例如，当车辆在被识别的或被认为是可行驶区段的区段中没有按预计表现时，可以确定区段与被认为是类似的区段或范式之间的差异是显着的。因此，在一些情况下，区段分析部件118可以更新范式，例如使得与新地域中的区段相关联的值或属性不再被包括在范式中。在其他示例中，还可以考虑其他(例如之前未被考虑的)属性。当此类新的或不同的属性被识别出时，可以生成新范式以包括与该属性相关联的不同范围或值。

因此，根据此处描述的技术，自主车辆的功能可以更容易地被扩展到新的地理区域。例如，地图数据的各区段可以被比较以确定新的和已制图的地域之间的相似性。同样在各实施方案中，还可以考虑如上文详述的关于除那些可归因于可行驶表面的各区段的之外的不同特征和属性的信息。通过非限制性示例的方式，此处描述的各技术还可以包括过滤新地域以确定自主车辆与新地域的基线兼容性。例如，与带有相似气候和属性的各地域相比，在第一气候中并且带有第一行驶属性的第一城市的已验证地图数据可能更容易。

示例性条款

A：一种示例性计算机实施方法，包括：接收第一地图数据，该第一地图数据包括关于第一地理地域中的第一可行驶表面的信息以及与第一可行驶表面相关联的一个或多个交通特征的信息，该一个或多个交通特征包括各车道的数量、车道类型、车道几何形状或交通控制信息中的一个或多个；至少部分地基于给一个或多个交通特征来确定第一可行驶表面的多个第一区段；对于该多个第一区段中的第一区段并且至少部分地基于该一个或多个交通特征来确定多个第一区段参数；接收与可由自主车辆导航的第二地理地域相关联的第二地图数据，第二地图数据包括关于第二地理地域中的第二可行驶表面的多个第二区段的信息；至少部分地基于该多个第一区段参数和第二地图数据来确定指示第一区段与该多个第二区段中的一个或多个之间的相似性的相似性度量；并且至少部分地基于相似性度量来确定自主车辆可以导航第一区段。

B：示例A的计算机实施方法，其中，相似性度量至少部分地基于与第一区段相关联的该一个或多个交通特征以及与第二区段相关联的一个或多个第二交通特征，并且其中，该方法进一步包括至少部分地基于相似性度量来控制自主车辆以穿越第二区段。

C：示例A或示例B的计算机实施方法，其中：该多个第二区段包括多个代表性区段，并且确定相似性度量包括将该一个或多个交通特征和与第二区段相关联的一个或多个第二交通特征进行比较，该方法进一步包括：接收与在第二区段上行驶的自主车辆相关联的行驶数据；并且至少部分地基于行驶数据来控制自主车辆以穿越第一区段。

D：示例A至示例C中任一项的计算机实施方法，其中：第一区段包括具有多个车道的道路区段，确定相似性度量至少部分地基于对该多个车道的子集与第二地图数据中的各车道组合进行比较，并且确定自主车辆可以导航第一区段包括确定自主车辆可以导航包括该多个车道的该子集的第一区段的一部分。

E：一种示例性系统，包括：一个或多个处理器；以及存储有可由该一个或多个处理器执行的指令的一个或多个非暂时性计算机可读介质，其中，指令对一个或多个处理器进行编程以执行各行为，各行为包括：接收包括关于第一地理地域中的第一可行驶表面的信息的第一地图数据；确定第一可行驶表面的多个第一区段，该多个第一区段中的第一区段与一个或多个第一参数相关联；接收与第二地理地域相关联的第二地图数据，第二地图数据包括关于可由自主车辆导航的第二可行驶表面的多个第二区段的信息，该多个第二区段中的第二区段与一个或多个第二参数相关联；至少部分地基于该一个或多个第一参数和一个或多个第二参数来确定指示第一区段与第二区段之间的相似性的相似性度量；至少部分地基于相似性度量来确定可由自主车辆导航的第一可行驶表面的各地域；以及控制自主车辆以在各地域上行驶。

F：示例E的系统，其中，该一个或多个第一参数包括各车道的数量、车道类型、宽度、长度、坡度、曲率或与第一区段相关联的交通控制信息中的至少一个。

G：示例E或示例F的系统，各行为进一步包括：至少部分地基于相似性度量低于阈值相似性来确定与用自主车辆要避免的各区域相关联的第一可行驶表面的各第二地域；以及生成包括各地域和各第二地域的第一可行驶表面的更新的地图数据。

H：示例E至示例G中任一项的系统，其中：该多个第二区段包括指示第二地图数据的代表性区段的第二地图数据的所有区段的子集，并且确定相似性至少部分地基于将该一个或多个第一区段参数的各值和各第二参数中的该一个或多个第二参数进行比较。

I：示例E至示例H中任一项的系统，各行为进一步包括：确定第一区段与该多个第二区段中的任何一个第二区段之间的最大相似性度量小于阈值相似性；并且至少部分地基于最大相似性度量小于阈值相似性来进行更新该多个第二区段或创建新的代表性区段中的至少一者。

J：示例E至示例I中任一项的系统，各行为进一步包括：至少部分地基于相似性度量来确定用于控制第二车辆的一个或多个限制，该一个或多个限制包括最大速度限制。

K：示例E至示例J中任一项的系统，确定第一可行驶表面的该多个第一区段包括至少部分地基于该一个或多个第一参数来对第一可行驶表面的各部分进行聚类，该一个或多个第一参数包括速度限制、车道的至少一部分的宽度、各车道的数量、不可行驶地域、倾斜度、曲率或道路区段中的各车道上或相邻的允许行进类型中的至少一个。

L：示例E至示例K中任一项的系统，其中，第一区段包括交叉路口，并且该一个或多个第一参数包括在交叉路口处连接的各道路区段的数量、在交叉路口处连接的各道路区段之间的角度、交叉路口处的各道路区段的终点处的交通控制信息或关于交叉路口处的代理交汇(agent crossings)的信息。

M：示例E至示例L中任一项的系统，其中，该多个可行驶表面区段中的一个可行驶表面区段包括具有多个车道的道路区段，并且各个区段的第一区段包括该多个车道的子集，并且确定第一可行驶表面的各地域包括确定自主车辆可以导航该多个车道的该子集并且自主车辆不能导航除该子集之外的该多个车道的各车道。

N：示例E至示例M中任一项的系统，各行为还包括：接收与第二区段相关联的行驶数据；以及至少部分地基于相似性分数和行驶数据将行驶策略与第一区段相关联。

O：示例E至示例N中任一项的系统，其中，行驶策略包括最大速度限制。

P：存储指令的一个或多个示例性非暂时性计算机可读介质，该指令在被执行时，使一个或多个处理器执行各操作，各操作包括：接收包括关于第一地理地域中的第一可行驶表面的第一信息的第一地图数据；至少部分地基于第一信息来确定第一可行驶表面的多个第一区段；接收与第二地理地域相关联的第二地图数据，第二地图数据包括关于可由自主车辆导航的第二地理地域中的第二可行驶表面的多个第二区段的第二信息；对于该多个第一区段中的第一区段，确定第一区段的一个或多个第一区段参数；使用第二地图数据和该一个或多个第一区段参数来确定指示第一区段和该多个第二区段中的第二区段之间的相似性的相似性度量；以及基于相似性度量来确定关于第一区段的用于自主车辆的行驶策略。

Q：示例P的非暂时性计算机可读介质，其中：确定该多个第一区段至少部分地基于至少部分地基于第一信息来对第一可行驶表面的各部分进行聚类，确定该多个第二区段至少部分地基于至少部分地基于第二信息来对第二可行驶表面的各部分进行聚类，并且确定相似性度量包括将与第一区段相关联的第一信息的第一部分和与第二区段相关联的第二信息的第二部分进行比较。

R：示例P或示例Q的非暂时性计算机可读介质，其中行驶策略包括：避开行驶、在最大速度限制下行驶或者避开执行一个或多个动作。

S：示例P至示例R中任一项的非暂时性计算机可读介质，其中：该多个第二区段包括一个或多个代表性区段，该一个或多个代表性区段中的代表性区段与一个或多个参数和值相关联，并且确定相似性度量至少部分地基于将第一参数的各值和与第二区段相关联的一个或多个第二参数的各值进行比较。

T：示例P至示例S中任一项的非暂时性计算机可读介质，所述各行为还包括：接收与导航第一区段的车辆相关联的行驶数据，其中行驶策略进一步至少部分地基于行驶数据。

结论

虽然已经描述了此处描述的各技术的一个或多个示例，但是其各种变化、添附、置换和等同形式也包含在本申请说明书所描述技术方案的范围内。

在示例的描述中，参考形成其一部分的附图，其通过说明的方式展示所要求保护的主题的特定示例。应当理解，可以使用其他示例，并且可以进行诸如结构改变之类的改变或替换。此类示例，改变或变更不一定相对于预计的所要求保护的主题偏离范围。尽管此处的步骤可以按一定顺序显示，但在一些情况下，可以更改顺序，以便在不更改所描述系统和方法功能的情况下，可以在不同时间或以不同顺序提供某些输入。所公开的过程也可以以不同的顺序执行。另外，这里不需要以所公开的顺序执行各种计算，并且可以容易地实现使用计算的备选顺序的其他示例。除了重新排序外，这些计算还可以分解为具有相同结果的子计算。

Claims (15)

1.一种系统，包括：

一个或多个处理器；以及

一个或多个非暂时性计算机可读介质，其存储有能够由所述一个或多个处理器执行的各指令，其中各指令对所述一个或多个处理器进行编程以执行各行为，所述各行为包括：

接收第一地图数据，其包括关于第一地理地域中的第一可行驶表面的信息以及与第一可行驶表面相关联的一个或多个交通特征，所述一个或多个交通特征包括各车道的数量、车道类型、车道几何形状或交通控制信息中的一个或多个；

至少部分地基于所述一个或多个交通特征来确定第一可行驶表面的多个第一区段；

对于所述多个第一区段中的第一区段并且至少部分地基于所述一个或多个交通特征来确定多个第一区段参数；

接收与可由自主车辆导航的第二地理地域相关联的第二地图数据，第二地图数据包括关于第二地理地域中的第二可行驶表面的多个第二区段的信息；

至少部分地基于所述多个第一区段参数和第二地图数据来确定指示第一区段与所述多个第二区段中的一个或多个第二区段之间的相似性的相似性度量；并且

至少部分地基于相似性度量来确定自主车辆能够导航第一区段。

2.根据权利要求1所述的系统，其中，相似性度量至少部分地基于与第一区段相关联的所述一个或多个交通特征以及与第二区段相关联的一个或多个第二交通特征，并且

其中，所述各行为进一步包括至少部分地基于相似性度量来控制自主车辆以穿越第二区段。

3.根据权利要求1或2所述的系统，其中：

所述多个第二区段包括多个代表性区段，并且

确定相似性度量包括将所述一个或多个交通特征和与第二区段相关联的一个或多个第二交通特征进行比较，

所述各行为进一步包括：

接收与在第二区段上行驶的自主车辆相关联的行驶数据；以及

至少部分地基于行驶数据来控制自主车辆以穿越第一区段。

4.根据权利要求3所述的系统，其中：

第一区段包括具有多个车道的道路区段，

确定相似性度量至少部分地基于对所述多个车道的子集与第二地图数据中的各车道组合进行比较，并且

确定自主车辆能够导航第一区段包括确定自主车辆能够导航包括所述多个车道的所述子集的第一区段的一部分。

5.一种计算机实施方法，包括：

接收包括关于第一地理地域中的第一可行驶表面的信息的第一地图数据；

确定第一可行驶表面的多个第一区段，所述多个第一区段中的第一区段与一个或多个第一参数相关联；

接收与第二地理地域相关联的第二地图数据，第二地图数据包括关于可由自主车辆导航的第二可行驶表面的多个第二区段的信息，所述多个第二区段中的第二区段与一个或多个第二参数相关联；

至少部分地基于所述一个或多个第一参数和一个或多个第二参数来确定指示第一区段与第二区段之间的相似性的相似性度量；

至少部分地基于相似性度量来确定可由自主车辆导航的第一可行驶表面的各地域；以及

控制自主车辆在所述各地域上行驶。

6.根据权利要求5所述的计算机实施方法，其中，所述一个或多个第一参数包括各车道的数量、车道类型、宽度、长度、坡度、曲率或与第一区段相关联的交通控制信息中的至少一个。

7.根据权利要求5或6所述的计算机实施方法，进一步包括：

至少部分地基于相似性度量低于阈值相似性来确定与自主车辆要避免的各区域相关联的第一可行驶表面的各第二地域；以及

生成包括所述各地域和所述各第二地域的第一可行驶表面的更新的地图数据。

8.根据权利要求5至7中任一项所述的计算机实施方法，其中：

所述多个第二区段包括指示第二地图数据的代表性区段的第二地图数据的所有区段的子集，并且

确定相似性至少部分地基于将所述一个或多个第一区段参数的各值与各第二参数中的所述一个或多个第二参数进行比较。

9.根据权利要求8所述的计算机实施方法，进一步包括：

确定第一区段与所述多个第二区段中的任何一个第二区段之间的最大相似性度量小于阈值相似性；以及

至少部分地基于最大相似性度量小于阈值相似性来进行更新所述多个第二区段或创建新的代表性区段中的至少一者。

10.根据权利要求8或9所述的计算机实施方法，进一步包括：

至少部分地基于相似性度量来确定用于控制第二车辆的一个或多个限制，所述一个或多个限制包括最大速度限制或各机动的子集中的至少一个。

11.根据权利要求5至10中任一项所述的计算机实施方法，其中，确定第一可行驶表面的所述多个第一区段包括：至少部分地基于所述一个或多个第一参数来对第一可行驶表面的各部分进行聚类，所述一个或多个第一参数包括：速度限制、车道的至少一部分的宽度、各车道的数量、不可行驶地域、倾斜度、曲率或道路区段中的各车道上或相邻的允许行进类型中的至少一个。

12.根据权利要求5至11中任一项所述的计算机实施方法，其中，第一区段包括交叉路口，并且所述一个或多个第一参数包括下述中的至少一个：在交叉路口处连接的各道路区段的数量、在交叉路口处连接的各道路区段之间的角度、交叉路口处的各道路区段的终点处的交通控制信息或关于交叉路口处的代理交汇的信息。

13.根据权利要求5至12中任一项所述的计算机实施方法，其中，所述多个可行驶表面区段中的一个可行驶表面区段包括具有多个车道的道路区段，并且所述多个可行驶表面区段中的第一区段包括所述多个车道的子集，并且

确定第一可行驶表面的各地域包括确定自主车辆能够导航所述多个车道的所述子集并且自主车辆不能导航除所述子集外的所述多个车道中的各车道。

14.根据权利要求5至13中任一项所述的计算机实施方法，进一步包括：

接收与第二区段相关联的行驶数据；以及

至少部分地基于相似性分数和行驶数据来将行驶策略与第一区段相关联，行驶策略包括最大速度限制或与行驶相关联的一个或多个机动的识别中的至少一个。

15.存储指令的一个或多个非暂时性计算机可读介质，所述指令在被执行时，使一个或多个处理器执行根据权利要求5至14中任一项所述的方法。

Images