CN113734193A - 用于估计接管时间的系统和方法 - Google Patents

用于估计接管时间的系统和方法 Download PDF

Info

Publication number
CN113734193A
CN113734193A CN202110591515.3A CN202110591515A CN113734193A CN 113734193 A CN113734193 A CN 113734193A CN 202110591515 A CN202110591515 A CN 202110591515A CN 113734193 A CN113734193 A CN 113734193A
Authority
CN
China
Prior art keywords
time
driver
odd
vehicle
rtn
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110591515.3A
Other languages
English (en)
Inventor
米纳·阿利贝伊吉纳比
马吉德·霍桑德·瓦基勒扎德
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.)
Zheneti
Zenuity AB
Original Assignee
Zheneti
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 Zheneti filed Critical Zheneti
Publication of CN113734193A publication Critical patent/CN113734193A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005—Handover processes
    • B60W60/0053—Handover processes from vehicle to occupant
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • 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
    • B60W60/005—Handover processes
    • 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
    • B60W60/005—Handover processes
    • B60W60/0051—Handover processes from occupants to vehicle
    • 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
    • B60W60/005—Handover processes
    • B60W60/0053—Handover processes from vehicle to occupant
    • B60W60/0055—Handover processes from vehicle to occupant only part of driving tasks shifted to occupants
    • 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
    • B60W60/005—Handover processes
    • B60W60/0057—Estimation of the time available or required for the handover
    • 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
    • B60W60/005—Handover processes
    • B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
    • 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
    • G05D1/80—Arrangements for reacting to or preventing system or operator failure
    • G05D1/81—Handing over between on-board automatic and on-board manual control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/22—Psychological state; Stress level or workload
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/225—Direction of gaze
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/229—Attention level, e.g. attentive to driving, reading or sleeping
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • B60W2556/10—Historical data
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本公开提供了用于估计接管时间的系统和方法。本公开涉及能够通过估计驾驶者的恢复时间和安全处理ODD离开事件所需的动作时间来自适应地估计该ODD离开事件期间的接管时间的系统和方法。更详细地，所提出的系统允许现场监视以用于自适应移交时间的在线验证(即车载验证)，并且便于通过有效使用来自现场监视的数据，以去耦接的方式实现预测移交时间的系统(即动作时间网络和反应时间网络)的更新。

Description

用于估计接管时间的系统和方法
技术领域
本公开涉及用于诸如小汽车、公共汽车和卡车的道路车辆的自动驾驶系统(ADS)。更具体地，本公开涉及用于管理从ADS功能到车辆驾驶者的移交的系统和方法。
背景技术
在过去几年中，自动驾驶汽车发展迅猛，正在探索多种不同的解决方案。如今，在这些领域的多种不同技术领域中，自动驾驶(AD)和高级驾驶者辅助系统(ADAS)(半自动驾驶)都在不断发展。通常可以在具有不同自动化水平(例如由SAE J3016驾驶自动化水平定义)的通用术语自动驾驶系统(ADS)下引用ADAS和AD。一个这样的领域是如何确保以安全可靠的方式执行从ADS功能到车辆驾驶者的移交。
可以预见，在自动驾驶期间，车辆乘员将能够至少部分地从事其它活动。然而，直到今天，仍然没有完全能够在所有场景和所有路段执行自动驾驶的可用自动驾驶解决方案。因此至少在目前，当自动驾驶系统(ADS)功能识别出可能无法完全执行自动驾驶的即将发生的道路或交通场景时，该功能将随后请求乘员(即驾驶者)接管车辆的控制。这也可通过车辆的一个或多个传感器或其它子系统检测到自动驾驶系统性能下降或ADS功能彻底故障而触发，因此可启动向驾驶者的转交(移交)。车辆控制的接管通常称为转交/移交。
为在从自动驾驶到半自动驾驶或手动驾驶的过渡阶段期间安全地操作，控制系统通常配置为实现这种安全过渡。该控制系统的一个重要输入是驾驶者返回环内并接管车辆控制所需的时间，以及系统最终能够以安全方式处理情况所需的时间。
因此，需要新颖的和改进的解决方案，以确保自动驾驶车辆的驾驶者在自动化需要结束时准备好重新控制。
发明内容
因此，本公开的目的是提供用于估计自动驾驶车辆的操作设计域(OperationalDesign Domain，ODD)离开事件的接管时间的系统、包括该系统的车辆、相应的方法和计算机可读存储介质，其缓解或减轻了目前已知解决方案的所有或至少一些缺点。
本公开的目的是提供一种用于动态估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的解决方案，在部署在自动驾驶车辆的车队中时可被监视和验证，并随更多的数据被收集而允许简单且有效的更新过程。
该目的通过如所附权利要求中定义的用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的系统、包括该系统的车辆、相应的方法和计算机可读存储介质来实现。术语“示例性”在上下文中被理解为用作实例、示例或说明。
根据本公开的第一方面，提供了一种用于估计自动驾驶车辆的ODD离开事件的接管时间的系统。接管时间表示将驾驶任务从车辆的第一ADS功能授权给车辆的驾驶者或者车辆的第二ADS功能所需的时间。该系统包括训练的动作时间网络(ATN)和训练的恢复时间网络(RTN)。ATN被配置为输出表示通过执行一个或多个车辆操控来处理ODD离开事件所需的时间的动作时间。RTN被配置为输出表示驾驶者基于驾驶者的当前状态而达到高于注意力阈值的注意力水平所需的时间的恢复时间。系统还包括被配置为从车辆的驾驶者监视系统(DMS)获得一组驾驶者状态参数的控制电路。该组驾驶者状态参数表示车辆的驾驶者的当前注意力水平。此外，在获得表示即将发生的ODD离开事件的信号时，控制电路被配置为通过ATN估计即将发生的ODD离开事件的动作时间(tAT)，并且基于所获得的一组驾驶者状态参数，通过RTN估计即将发生的ODD离开事件的恢复时间(tERT)。控制电路进一步被配置为在第一时间点(t0)在输出端处产生移交请求信号，以及确定驾驶者达到高于注意力阈值的注意力水平时的第二时间点(tDIL)，以获得恢复所需的实际时间(tART)。此外，控制电路被配置为将恢复所需的实际时间(tART)和估计的恢复时间(tERT)相对于恢复时间阈值进行比较，以及确定比较是否表示偏差高于恢复时间阈值。相应地，如果确定偏差高于恢复时间阈值，则控制电路被配置为向远程实体发送RTN数据，用于基于所发送的RTN数据来全局更新RTN。此外，控制电路被配置为从远程实体获得更新后的RTN。
方法提供了一种用于估计将车辆的操控的责任从自动驾驶功能/系统授权给驾驶者或要求驾驶者“在环”的另一系统所需的时间的手段。更具体地，本公开提供了一种解决方案，其允许验证估计的时间以及以简单且有效的方式更新负责产生该估计的部分的手段。
术语“动作时间”是指驾驶者或者第二ADS功能执行接管以在安全的方式下执行ODD离开所需的时间。例如，如果第一ADS功能是高速公路领航员，并且ODD离开事件是高速公路离开，则车辆的控制将被移交给驾驶者。然后，动作时间例如可以是车辆的驾驶者将车辆移动到“离开车道”并以安全方式执行离开所需的估计时间。
然而，优选地，动作时间还覆盖第一ADS功能执行最小风险条件(MRC)操控以避免在系统未检测到驾驶者已达到高于注意力阈值的注意力水平的情况下的潜在碰撞所需的时间。参考与上述相同的示例，MRC操控例如可以是在路肩停止。
术语“恢复时间”是指车辆的驾驶者达到适当注意力水平以使得可以合理地认为驾驶者已接管车辆的责任所需的时间。应当注意，这不一定表示驾驶者必须接管操控，而是其也覆盖了将车辆的控制移交给需要驾驶者监督的ADS功能的情况。这种功能的示例是“高速公路辅助”功能，包括车道保持辅助(LKA)功能和自适应巡航控制(ACC)功能。
此外，根据本公开的第二方面，提供了一种包括第一ADS功能和第二ADS功能的车辆。车辆还具有包括用于监视车辆周围环境的至少一个传感器的感知系统以及用于监视车辆的地理位置的定位系统。此外，车辆具有被配置为监视车辆的乘员的驾驶者状态的驾驶者监视系统(DMS)以及根据本文公开的任一实施例的用于估计ODD离开事件的接管时间的系统。对于本公开的这一方面，存在与本公开先前讨论的第一方面类似的优点和优选功能。
根据本公开的第三方面，提供了一种用于更新用于估计自动驾驶车辆的ODD离开事件的接管时间的系统的方法。接管时间表示将驾驶任务从车辆的第一ADS功能授权给车辆的驾驶者或者车辆的第二ADS功能所需的时间。此外，用于估计接管时间的系统包括训练的动作时间网络(ATN)和训练的恢复时间网络(RTN)。ATN被配置为输出表示通过执行一个或多个车辆操控来处理ODD离开事件所需的时间的动作时间。RTN被配置为输出表示驾驶者基于驾驶者的当前状态而达到高于注意力阈值的注意力水平所需的时间的恢复时间。该方法包括从车辆的驾驶者监视系统(DMS)获得一组驾驶者状态参数。该组驾驶者状态参数表示车辆驾驶者的当前注意力水平。此外，在获得表示即将发生的ODD离开事件的信号时，该方法包括通过ATN估计即将发生的ODD离开事件的动作时间(tAT)，以及基于获得的一组驾驶者状态参数，通过RTN估计即将发生的ODD离开事件的恢复时间(tERT)。该方法还包括在第一时间点(t0)产生移交请求信号，以及在第一时间点之后确定驾驶者达到高于注意力阈值的注意力水平时的第二时间点(tDIL)，以获得恢复所需的实际时间(tART)。此外，方法包括将恢复所需的实际时间(tART)和估计的恢复时间(tERT)与恢复时间阈值进行比较。相应地，如果该比较表示偏差高于恢复时间阈值，则方法包括将RTN数据发送到远程实体，用于基于所发送的RTN数据来全局更新RTN。该方法还可进一步包括从远程实体获得更新后的RTN的步骤。对于本公开的这一方面，存在与本公开的先前讨论的第一方面类似的优点和优选功能。
根据本公开的第四方面，提供了一种存储被配置为由车辆控制系统的一个或多个处理器执行的一个或多个程序的(非暂时性)计算机可读存储介质，该一个或多个程序包括用于执行根据本文公开的任一实施例的方法的指令。对于本公开的这一方面，存在与本公开的先前讨论的第一方面类似的优点和优选功能。
本文使用的术语“非暂时性”旨在描述排除传播电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其它方式限制由术语计算机可读介质或存储器包含的物理计算机可读存储设备的类型。例如，术语“非暂时性计算机可读介质”或“有形的存储器”旨在包含不一定永久存储信息的存储设备类型，包括例如随机存取存储器(RAM)。以非暂时性形式存储在有形的计算机可访问存储介质上的程序指令和数据还可通过传输介质或诸如电、电磁或数字信号的信号(其可经由诸如网络和/或无线链路的通信介质进行传送)进行传输。因此，本文使用的术语“非暂时性”是对介质本身的限制(即，有形的，而非信号)，而不是对数据存储持久性的限制(例如，RAM和ROM)。
本公开的进一步实施例在从属权利要求中定义。应当强调，当在本说明书中使用时，术语“包括/包含”用来指定所述的功能、整体、步骤或组件的存在。这不排除存在或添加一个或多个其它功能、整体、步骤、组件或其组合。
本公开的这些和其它特征和优点将参考如下描述的实施例而在下文中进一步阐明。
附图说明
参考附图，本公开实施例的其它目的、特征和优点将从以下详细描述中显而易见，在附图中：
图1是根据本公开的实施例的用于构建用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的系统的过程的示意性框图表示；
图2是根据本公开的实施例的用于自动驾驶车辆的ODD的示意图；
图3是根据本公开的实施例的用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的系统的示意性框图表示；
图4a是根据本公开的实施例的用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的方法随时间的示意性概览；
图4b是根据本公开的实施例的用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的方法随时间的示意性概览；
图5是根据本公开的实施例的用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的系统的更新方法的示意性流程图表示；
图6是根据本公开的实施例的包括用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的系统的车辆的示意性侧视图。
具体实施方式
本领域技术人员将理解，可以使用单独的硬件电路，使用结合编程的微处理器或通用计算机起作用的软件，使用一个或多个专用集成电路(ASIC)和/或使用一个或多个数字信号处理器(DSP)来实现本文所解释的步骤、服务和功能。还将理解，当根据方法描述本公开时，它也可体现在一个或多个处理器以及耦接到一个或多个处理器的一个或多个存储器中，其中一个或多个存储器存储一个或多个程序，当由一个或多个处理器执行时，该程序执行本文公开的步骤、服务和功能。
在示例性实施例的以下描述中，相同的附图标记表示相同或相似的组件。
在本文中，术语ADS或自动驾驶功能可指例如如本领域已知的和/或待开发的任何任意的ADS、ADAS或AD功能。操作设计域(ODD)应理解为对其中设计有自动或半自动驾驶系统(即ADS或ADAS)操作域的描述，包括但不限于地理、道路(例如类型、表面、几何形状、边缘和标记)、环境参数、连接性、周围对象、流量参数和速度限制。相应地，ODD离开事件可理解为以下事件：由ADS功能操作的车辆接近动态驾驶任务(DDT)的极限，对此它已配置为自动处理，并且从该点开始，需要人工监视。
图1是根据本公开的实施例的用于构建用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的系统的过程的示意性框图表示。更详细地，图1示出了如何使用机器学习方法(诸如例如模仿学习)来训练两个去耦接的人工神经网络26、27(例如也可称为自我学习模型)，以估计接管时间。
如本文中所定义的，接管时间(即从自动驾驶到半自动驾驶或手动驾驶的过渡阶段的长度)包括“动作时间”和“恢复时间”。动作时间被定义为第二ADS功能或驾驶者执行必要动作以完成移交所需的时间。恢复时间被定义为车辆驾驶者达到必要注意力水平(即达到表示驾驶者已重新负责驾驶任务的注意力水平)所需的时间。
在特定示例中，第一ADS功能是高速公路领航员，并且ODD离开事件是高速公路离开，并且移交是从第一ADS功能到驾驶者。相应地，第一ADS功能可通过将车辆操控到右侧车道，并将速度从100公里/小时降低到80公里/小时来准备ODD离开事件。因此，动作时间是驾驶者或第二ADS功能将车辆移动到离开车道并进一步将速度降低到合适水平，即执行必要的行动使得以安全的方式执行高速公路的离开所需的估计时间。在这种情况下，以及在本文中的任何其它情况下，恢复时间是驾驶者达到被认为已恢复驾驶任务的责任的足够的注意力水平，以基于当前“驾驶者状态”并可选地基于环境(即环境参数)执行前述动作所需的时间的估计。驾驶者状态由一组参数28量化，并且例如可包括注视方向、AD模式下的持续时间、驾驶者的年龄或性别、驾驶者的压力水平、人机接口(HMI)参数、车上有多少乘员、车上有多少儿童、车上有多少动物等。环境参数例如可包括当前天气条件、一天中的时间等。
HMI参数例如可表示HMI的能力，即可向驾驶者呈现移交请求的方式。例如，如果第一车辆的HMI仅能够向驾驶者呈现视觉提示，而第二车辆的HMI能够呈现视觉、触觉和听觉提示，则给定所有其它驾驶者状态参数相同，与第一车辆相比，在两个车辆中实施的根据本公开的系统可以在第二车辆中得出较低的恢复时间。
在另一特定示例中，第一ADS功能是高速公路领航员，并且ODD离开事件是高速公路上正在接近的道路工程。与上文类似，移交是从第一ADS功能到驾驶者。因此，要执行的动作可为从100公里/小时减速到50公里/小时，那么动作时间是以安全且可选地舒适的方式进行减速所花费的时间。如先前示例所述，定义和确定恢复时间。
在另一特定示例中，第一ADS功能是高速公路领航员功能，并且ODD离开事件是两侧没有道路障碍物的高速公路的正在接近的路段。在这种情况下，移交是从高速公路领航员功能到车道保持辅助功能形式的第二ADS功能(本文认为是需要“驾驶者监督”的“ADAS功能”)。然后可能没有要执行的动作来执行移交，并且估计的动作时间被估计为零。然而，由于第二ADS功能要求驾驶者“在环(in-the-loop)”，因此，基于驾驶者的当前状态以及可选地基于如上所述的环境来估计恢复时间。
回到图1，对于ATN 26的训练，考虑到安全规范和系统能力22a，可从存储的数据21中提取所有失误或“接近失误”(图中表示为临界情况24)。安全规范可理解为对多种事件的安全目标的理解，这将提出应由ADS安全处理的场景。系统能力可理解为对车辆平台的限制、软件能力等的理解。另外，可从特定用例22b中提取与ODD离开场景25相对应的场景(例如，特定地理区域的交通堵塞领航员或特定地理区域的公路领航员等)。例如，通过对已定义的ADS功能的ODD的定义，指定将受影响的ADS功能配置为仅在具有特定功能(例如没有交通信号灯，没有路口，没有障碍物等)的欧洲或美国高速公路中操作，并具有指定的最大限速。因此，当车辆接近ODD的“外边界”时，ADS功能应被停用，因此需要接管程序。用于ADS功能的这些规则例如可源自ADS功能的需求/规范，并且专用模块可被实现，以检测这些ODD离开场景。
总之，ATN26被训练以通过传统的机器学习方法产生动作时间，其中训练数据基于表示ODD离开的历史数据。ATN的输入例如可以是感知数据(例如来自诸如雷达、LIDAR、相机等的多种传感器的信息)、定位数据(例如来自全球导航卫星系统(GNSS)的信息和高清地图数据)。此外，感知数据可表示天气状况、道路状况、路标、交通参与者等。
另一方面，RTN 27被训练以基于从例如驾驶者监视系统(DMS)、驾驶者在环检测器和各种驾驶场景中的其它车辆控制系统收集的历史数据。更详细地，来自RTN的训练数据可基于场景22c，其中产生移交请求并将其呈现给驾驶者，并且其中驾驶者在环检测器随后确定驾驶者在每个场景中已达到足够的注意力水平。然后，利用传统的机器学习方法，给定这些场景中的各种驾驶者和环境状态参数的训练数据，RTN可被训练以预测恢复时间。
图2示出了如何参考定义的ADS功能的ODD 30来选择训练数据。外边界31表示“ODD边界”，即各种“ODD离开事件”，并且边界上的x标记点36对应于从历史数据中已提取的故障。更详细地，x标记点36表示ADS功能无法处理的事件或场景，并且从这些x标记点36追溯，可估计动态驾驶任务(DDT)的“边界”32。简言之，可通过追溯这些故障36(如虚线所示)来训练ATN和RTN，以分析导致故障36的全部场景。然后，ATN和RTN被训练以基于该历史数据确定合适的恢复时间33和动作时间34。恢复时间33和动作时间35定义了总的接管时间35，从中可定义表示在车辆内产生接管/移交请求的合适时间/场景的ODD的DDT边界32。类似地，可通过从历史数据中提取由ODD边界31上的圆圈37标记的成功的ODD离开事件来选择进一步的训练数据。
此外，图3是根据本公开的实施例的用于估计自动驾驶车辆的ODD离开事件的接管时间的系统的框图表示。如前所述，接管时间表示将驾驶任务从自动驾驶车辆的第一ADS功能授权给车辆驾驶者或车辆的第二ADS功能所需的时间。因此，本文中提出的系统能够自适应地估计用于多个ODD离开场景的接管时间，并且一旦被部署，其能够以简单而有效的方式进一步被更新和验证。
换言之，为了在从自动到半自动和手动驾驶的过渡阶段期间安全操作，控制系统被提供以实现这种安全过渡。该控制系统的重要参数是驾驶者返回环中并接管车辆控制所需的时间，以及“接收”方(即驾驶者或第二ADS功能)能够以安全的方式处理场景所需的时间。如前所述，可从数据中学习所谓的接管时间，从而得到更灵敏的系统。本公开提出了一种用于自适应地估计接管时间的解决方案，其可基于来自多个自动驾驶车辆的数据而容易且有效地被更新和验证。
系统包括动作时间网络(ATN)26，该动作时间网络被配置为输出动作时间，该动作时间表示通过执行一个或多个车辆操控来处理ODD离开事件所需的时间。系统还包括恢复时间网络(RTN)，该恢复时间网络配置为输出表示驾驶者至少部分地基于驾驶者的状态而达到高于注意力阈值的注意力水平所需的时间。注意力水平例如可由“在环驾驶者”检测器来定义和控制，该“在环驾驶者”检测器被配置为确定何时可以认为驾驶者已承担了驾驶任务的控制和责任。
更详细地，系统具有控制电路，该控制电路被配置为从车辆的驾驶者监视系统(DMS)25获得一组驾驶者状态参数。该组驾驶者状态参数表示车辆驾驶者的当前注意力水平。相应地，DMS 25可包括“在环驾驶者”检测器，该“在环驾驶者”检测器被配置为在输出端产生表示驾驶者注意力水平高于阈值的信号，即表示“驾驶者在环”的信号，并且可认为驾驶者对车辆的操作负责。在环驾驶者检测器可以以各种方式来确定其“结论”，例如基于DMS数据和/或基于驾驶者提供至车辆人机接口(HMI)的验证。
此外，控制电路被配置为在获得表示即将发生的ODD离开事件的信号时：
·基于包括关于车辆的周围环境的信息和关于车辆的信息(例如速度、位置、计划轨迹等)的传感器数据，通过ATN估计即将发生的ODD离开事件的动作时间(tAT)。
·基于获得的一组驾驶者状态参数，以及可选地，进一步基于环境状态参数，通过RTN估计即将发生的ODD离开事件的恢复时间(tERT)。
控制电路进一步被配置为在第一时间点(t0)在输出端处产生移交请求信号。移交请求信号例如可以是通过车辆的HMI呈现给驾驶者的视觉、听觉和/或触觉提示的形式。此外，控制电路被配置为确定驾驶者达到高于阈值的注意力水平时的第二时间点(tDIL)，以获得恢复所需的实际时间(tART＝|tDIL-t0|)。换言之，驾驶者在环模块确定驾驶者“在环”的时间点(tDIL)。然后，将恢复所需的实际时间(tART)与估计恢复时间(tERT)相对于恢复时间阈值进行比较。因此，在一些实施例中，术语“确定驾驶者达到高于阈值的注意力水平的第二时间点(tDIL)”可包括接收表示驾驶者已达到高于阈值的注意力水平的信号，该信号例如可从驾驶者在环检测器接收。然而，在一些实施例中，控制电路可被配置为基于所获得的一组驾驶者状态参数来确定第二时间点，即控制电路可被配置为作为在环驾驶者检测器进行操作。
在图4a中示意性地指示了以上过程，其示出了根据第一示例实施例的在时间(t0)的移交请求51和ODD离开事件52之间的时间段，以及恢复时间(tERT)和动作时间(tAT)以及恢复所需的实际时间(tART)的相应估计。如前所述，恢复所需的实际时间(tART)是基于驾驶者被视为“在环”中的时间点(tDIL)确定的。
然后，如果比较表示偏差高于恢复时间阈值(即如果|tERT-tART|＝dt>阈值)，则控制电路被配置为将RTN数据发送到远程实体用于离线处理。验证RTN的准确性/可靠性的过程例如可由如图3中示意性所示的单独的“恢复时间验证模块”44来执行。在一些实施例中，RTN数据表示ODD离开事件的恢复所需的实际时间(tART)和用于估计恢复时间(tERT)的RTN输入数据。RTN输入数据例如可以是DMS数据(驾驶者状态参数)，以及可选的感知数据或地图数据。此外，控制电路被配置为从远程实体获得更新后的RTN，更新后的RTN可被理解为“全局”RTN，该“全局”RTN基于从具有根据本文公开的任一实施例的用于估计ODD离开事件的接管时间的系统的车辆的整个车队检索的数据而被更新。
然而，在一些实施例中，控制电路可被配置为基于恢复所需的实际时间(tART)来本地更新RTN，并且发送的RTN数据包括表示本地更新后的RTN的一组模型参数。接下来，如果RTN是人工神经网络的形式，则发送的模型参数可以是更新后的网络权重。通过仅发送模型参数而不是由RTN使用的输入数据的完整数据集，可实现用于识别整个车队中的差异和全局更新RTN的带宽更有效的手段。这可理解为一种联合学习的形式。参考RTN的“本地更新”，在一些实施例中，RTN可以是增强学习算法的形式。然后，估计的恢复时间(tERT)和恢复所需的实际时间(tART)之差将决定RTN应被奖励还是惩罚，即如果估计误差高于恢复时间阈值，则RTN被惩罚，反之亦然。然而，本领域技术人员容易理解，还可利用其它机器学习算法。此外，在抑制/禁止进一步激活相关ADS功能之前，可能需要利用允许产生RTN的多个“错误”估计的阈值。
表示即将发生的ODD离开事件的信号例如可从单独的模块42获得，该模块基于感知数据41和定位数据41监视车辆的周围环境，并且被配置为产生表示即将发生的ODD离开的信号。优选地，至少在受影响的ADS功能有效时，ODD离开模块42被配置为预测直到ODD离开的时间，并(基于例如车辆的预期路线)连续地更新该预测。
此外，在一些实施例中，控制电路被配置为获得包括关于自动驾驶车辆的周围环境的信息的传感器数据41。控制电路进一步被配置为在ODD离开事件时，基于所获得的传感器数据41和所获得的驾驶者状态参数来检测ODD离开场景，并且确定表示所检测的ODD离开场景的临界水平的一组“临界参数”。临界水平可称为“威胁水平”，这意味着它描述了ODD离开在车辆乘员安全方面的管理水平。该组临界参数例如可以是乘员/乘客压力水平(从DMS数据获得)、与外部物体或障碍物的接近度、横向加速度、纵向加速度、使用的制动力、碰撞时间(TOC)、制动威胁数量(BTN)、转向威胁数量(STN)等。
因此，在一个示例实施例中，恢复所需的实际时间(tART)和估计的恢复时间(tERT)之间的比较并不表示高于恢复时间阈值的偏差(即估计的恢复时间(tERT)足够准确)，并且检测到的ODD离开场景的临界水平高于临界水平阈值。然后，控制电路进一步被配置为将ATN数据发送到远程，使得可通过例如中央管理系统/后台集中更新ATN。此外，控制电路被配置为从远程实体获得更新后的ATN。自动驾驶车辆和后台之间的数据接收和发送可根据通信可用性和本领域读者容易理解的预定义配置来执行。如上所述的估计临界水平和验证估计的动作时间(tAT)的过程例如可由如图3所示的系统中的单独的模块43来执行。
在图4b中示意性地示出了上述过程，其示出了根据第二示例实施例的在时间(t0)处的移交请求51和ODD离开事件52之间的时间段，以及恢复时间(tERT)和动作时间(tAT)连同恢复所需的实际时间(tAT)的相应估计。如前所述，恢复所需的实际时间(tART)是基于驾驶者被视为“在环”的时间点(tDIL)而确定的。本文中，估计的恢复时间(tERT)和实际的恢复时间(tART)之差低于恢复时间阈值(即|tERT-tART|＝dt<阈值)。因此，为了估计/验证估计的动作时间(tAT)，在ODD离开的点处执行场景临界估计。
发送的ATN数据例如可表示ODD离开的临界水平以及用于估计动作时间(tAT)的ATN输入数据。ATN数据可进一步表示估计的动作时间(tAT)。在一些实施例中，控制电路进一步被配置为基于所确定的表示ODD离开场景的临界水平的一组参数来本地更新ATN，并且相应地，所发送的ATN数据包括到远程实体的表示本地更新后的ATN的一组模型参数。这可理解为一种联合学习的形式。类似于前文关于RTN所讨论的，ATN可配置为“本地自我学习”，这意味着基于动作时间预测的结果而本地更新ATN，其中临界水平被作为反馈。例如，如果ATN是增强学习算法，则将使用临界水平来确定ATN应当被奖励还是惩罚。此外，类似于关于RTN所讨论的，利用本地更新，并且然后仅发送更新后的模型参数(例如网络权重)可在带宽需求和处理效率方面提供优势。然而，如本领域技术人员容易理解的，可利用其它机器学习算法。此外，在抑制/禁止进一步激活相关ADS功能之前，可能需要利用允许产生RTN的多个“错误”估计的阈值。
此外，在一些实施例中，系统还具有驾驶者风格分析模块，该驾驶者风格分析模块被配置为分析和估计车辆驾驶者在一段时间内的表现和态度，并确定车辆驾驶者的驾驶者配置文件。更详细地，驾驶者分析模块被配置为确定驾驶者的经验水平(例如新手、中等、专家等)和驾驶风格(例如激进、谨慎、正常、冒险等)，以能够更准确地确定各种ODD离开场景所需的恢复时间。驾驶者风格分析模块可基于诸如传感器数据的实时数据(例如加速度曲线、制动曲线、转向曲线)和DMS数据(例如驾驶者的年龄、驾驶者的注意力等)和/或以存储在车辆中的个人驾驶者配置文件形式的预定义数据来建立驾驶者配置文件。
因此，RTN可被配置为进一步使用所确定的驾驶者配置文件来估计各种ODD离开事件的恢复时间。驾驶者风格分析模块可在接管时间预测准确性方面提供优势，特别是对于其中大量驾驶者使用同一辆车并需要对RTN进行单独调整的租车或拼车应用。特别地，利用实时数据来确定驾驶者配置文件在这种应用中可能是有利的。
此外，在一些实施例中，ATN还可被配置为使用所确定的驾驶者配置文件来估计动作时间。例如，谨慎/保守驾驶者可能比激进驾驶者的动作时间更长。然而，可预见，出于安全原因，ATN无法预测适合高风险驾驶者的动作时间，但另一方面，其可使自身适应保守的驾驶者，并为驾驶者提供更长的动作时间。
总之，提出了一种系统，该系统通过估计驾驶者的恢复时间和安全处理该情况所需的动作时间，能够自适应地估计在ODD离开事件期间的接管时间。更详细地，所提出的系统允许用于自适应移交时间的在线验证(即车内验证)的现场监视，并且以去耦接的方式通过有效利用来自现场监测的数据实现预测移交时间(即ATN和RTN)的系统的更新。
此外，在一些实施例中，系统可被配置为在由估计的移交时间中的错误导致的重大故障的情况下，禁止(在一个或多个地理区域中)在未来激活ADS功能。更详细地，所提出的解决方案允许中央实体(本文称为远程实体)从自动车辆的车队聚集数据并估计系统的性能，并且如果检测到反复出现的或临界的故障，则中央实体可发送表示禁止在一个或多个特定地理区域中激活受影响的ADS功能的指令的信号，从而提高自动驾驶车辆的整体道路安全性。
车辆优选地还包括安全系统或碰撞避免系统，该安全系统或碰撞避免系统被配置为在接管时间估计错误并且所产生的情况保证这种动作的情况下启动最小风险操控(MRC)。然而，这种系统及其操作原理被认为是本领域技术人员所熟知的，为简洁和简明起见不再进一步阐述。
图5是根据本公开的实施例的用于更新用于估计自动驾驶车辆的操作设计域(ODD)离开事件的接管时间的系统的方法100的示意性流程图表示。接管时间表示将驾驶任务从车辆的第一ADS功能授权给驾驶者或车辆的第二ADS功能所需的时间。该系统相应地包括被配置为输出如前述定义的动作时间和恢复时间的动作时间网络(ATN)和恢复时间网络(RTN)。更具体地，ATN被配置为输出表示通过执行一个或多个车辆操控来处理ODD离开事件所需的时间的信号，并且RTN被配置为输出表示针对驾驶者的基于驾驶者当前状态而达到高于注意力阈值的注意力水平所需的时间的信号。
方法100包括从车辆的驾驶者监视系统(DMS)获得101一组驾驶者状态参数。该组驾驶者状态参数表示车辆驾驶者的当前注意力水平。换言之，驾驶者状态参数包括驾驶者注意力水平的实时信息。此外，在获得102表示即将发生的ODD离开事件的信号时，方法100还包括通过ATN估计103即将发生的ODD离开事件的动作时间(tAT)，并基于获得的一组驾驶者状态参数以及可选地基于环境参数，通过RTN估计即将发生的ODD离开事件的恢复时间(tERT)。术语“获得”在本文中被广义地解释，并且包括接收、检索、收集、获得等。
此外，方法100包括在第一时间点(t0)，在输出端产生移交请求信号。然后，确定106第二时间点(tDIL)，其中第二时间点(tDIL)定义驾驶者达到注意力阈值的时间。该确定106可基于所获得的一组驾驶者状态参数，并且可被称为“在环驾驶者”检测。如前所述，第二时间点的确定106可包括从“在环驾驶者检测器”获得确认信号。因此，可导出恢复所需的实际时间(tART)(tART＝|tDIL-t0|)。
此外，方法100包括将恢复所需的实际时间(tART)和估计的恢复时间(tERT)与恢复时间阈值进行比较107的步骤。因此，如果比较107表示高于恢复时间阈值的偏差，则RTN数据被发送108到远程实体，以用于基于发送的RTN数据全局更新RTN。发送的RTN数据可表示恢复ODD离开事件所需的实际时间和用于估计恢复时间(tERT)的RTN输入数据。换言之，如果估计的恢复时间(tERT)被认为高于容差水平是错误的，则方法100包括将“正确的”恢复时间(tART)与用于估计“错误的”恢复时间(tERT)的数据一起发送，以便可以离线更新RTN。此外，方法可包括从远程实体获得更新后的RTN，即例如接收并处理更新车辆的RTN的软件更新。
然而，如果比较107表示没有高于恢复时间阈值的偏差，则方法100可包括基于获得的109传感器数据和获得的101驾驶者状态参数，在ODD离开事件时检测ODD离开场景。然后，表示检测到的ODD离开场景的临界水平的一组参数被确定110。术语“检测ODD离开场景”例如可包括在ODD离开时获得世界视图。例如，如果ODD是满足一些规范的高速公路，则检测ODD离开场景的步骤可以在车辆离开高速公路时导出“世界视图”。世界视图优选地包括车辆自身的量化状态(例如轨迹和姿态)、周围环境的量化状态(例如外部对象相对于车辆自身的位置、动态外部对象的轨迹等)和车辆乘员的量化状态(例如驾驶者的注视方向、乘员的压力水平等)。术语“在ODD离开事件的时间”应当被广义地解释，并且不是必须表示在单个时间点，而是可涵盖ODD离开事件之前和之后的某些时间(例如前15秒和后15秒)，以获得正确的“世界视图”，包括对轨迹和行为较好的估计。
接下来，一旦已估计110临界水平，则将其与临界水平阈值进行比较111，并且如果临界水平高于阈值，则将ATN数据发送112到远程实体，用于基于所发送的ATN数据全局更新ATN。类似于RTN数据，ATN数据优选地表示ODD离开事件的临界水平和用于估计动作时间(tAT)的ATN输入数据。换言之，ATN数据可包括临界水平(即为什么发送ATN数据)、“本地”ATN的输出(即估计的动作时间)和导致“错误”估计的输入数据。
此外，在一些实施例中，用于估计接管时间的系统还包括驾驶者风格分析模块，该驾驶者风格分析模块被配置为分析和估计车辆驾驶者在一段时间内的表现和态度，并确定车辆驾驶者的驾驶者配置文件。因此，方法100可进一步包括在时间段之后，基于所确定的驾驶者配置文件来本地更新RTN。
可选地，用于执行这些功能的可执行指令被包括在配置为由一个或多个处理器执行的非暂时性计算机可读存储介质或其它计算机程序产品中。
在一些实施例中，系统具有数据缓存(例如30秒至60秒)，使得ODD离开事件前20秒和后20秒所记录/产生的所有传感器数据被发送到远程实体以进行离线处理。这可以是有利的，以能够对导致“临界”ODD离开事件的情况进行完整的分析，并且因此应当包括车辆自身的完整轨迹、车辆自身的周围环境中其它动态对象的轨迹、以及在“临界”ODD离开事件之前和之后演变的环境条件。“临界”ODD离开事件可被理解为具有高于临界水平阈值的临界水平的ODD离开事件。
图6是包括用于估计自动驾驶车辆1的操作设计域(ODD)离开事件的接管时间的系统10的自动驾驶车辆1的示意性侧视图。该车辆还设置有至少第一ADS功能和第二ADS功能。第一ADS功能优选地是完全自动功能(即不要求驾驶者“在环”的ADS功能)的形式。第二ADS功能优选地是“半自动”功能(也可称为ADAS功能)(即要求驾驶者“在环”的ADS功能)的形式。
车辆1还具有包括用于监视车辆1的周围环境的至少一个传感器6a-6c的感知系统6。在本上下文中，感知系统6被理解为负责从车载传感器6a、6b、6c(例如相机、LIDAR和RADAR、超声传感器)获得原始传感器数据并将该原始数据转换成场景理解的系统。车辆1还具有定位系统5，该定位系统被配置为监视车辆1的地理位置和航向，并且可为全球导航卫星系统(GNSS)的形式，例如GPS。然而，定位系统也可实现为实时运动学(RTK)GPS，以提高精度。车辆1还设置有驾驶者监视系统(DMS)7，该驾驶者监视系统被配置为监视车辆的乘员/驾驶者的驾驶者状态。
感知系统6可指任何公知的系统和/或功能，例如被包括在车辆1的一个或多个电子控制模块和/或节点中，适用于和/或配置为解释与车辆1的驾驶相关的传感信息，以识别例如障碍物、车道、相关标志、适当的导航路径等。示例性感知系统6因此可适于与传感信息相结合地依赖于并从诸如汽车成像、图像处理、计算机视觉和/或车内联网等的多个数据源获得输入。这种示例性的传感信息例如可从在车辆1中包括和/或在车辆1上设置的一个或多个可选的周围检测传感器6a-c中获得。周围检测传感器6a-c可由适用于感测和/或感知车辆1周围和/或位置的任意传感器表示，并且例如可指代雷达、LIDAR、声纳、相机、诸如GPS的导航系统、里程表和/或惯性测量单元等中的一种或多种的组合。
系统10包括一个或多个处理器11、存储器12、传感器接口13和通信接口14。处理器11也可被称为控制电路11或控制电路系统11。控制电路11被配置为执行在存储器12中存储的指令，以执行根据本文公开的实施例中的任一个的用于更新用于估计自动驾驶车辆的ODD离开事件的接管时间的系统的方法。换言之，控制设备10的存储器12可包括用于存储计算机可执行指令的一个或多个(非暂时性)计算机可读存储介质，例如，当由一个或多个计算机处理器11执行时，计算机可执行指令可使计算机处理器11执行本文描述的技术。存储器12可选地包括高速随机存取存储器，例如DRAM、SRAM、DDR RAM或其它随机存取固态存储设备；并且可选地包括非易失性存储器，例如一个或多个磁盘存储设备、光盘存储设备、闪存设备或其它非易失性固态存储设备。
更详细地，控制电路11被配置为从DMS7获得一组驾驶者状态参数，该组驾驶者状态参数表示车辆1的驾驶者的当前注意力水平。然后，在获得表示即将发生的ODD离开事件的信号时，控制电路11被配置为通过ATN估计即将发生的ODD离开事件的动作时间(tAT)，并且基于所获得的一组驾驶者状态参数，通过RTN估计即将发生的ODD离开事件的恢复时间(tERT)。此外，控制电路11被配置为在第一时间点(t0)在输出端处产生移交请求信号，并且确定驾驶者达到注意力阈值以上的注意力水平时的第二时间点(tDIL)，以获得恢复所需的实际时间(tART)。控制电路11还被配置为将恢复所需的实际时间(tART)与估计恢复时间(tERT)相对于恢复时间阈值进行比较。如果该比较表示高于恢复时间阈值的偏差，则该控制电路被配置为向远程实体发送RTN数据，以基于所发送的RTN数据来全局更新RTN。控制电路还被配置为从远程实体获得更新后的RTN。
此外，车辆1可通过例如无线链路(例如用于与远程实体的通信)连接到外部网络2。相同或一些其它无线链路可用于与车辆附近的其它车辆或与本地基础设施元件进行通信。蜂窝通信技术可用于长距离通信，例如与外部网络的通信，并且如果所使用的蜂窝通信技术具有低延迟，则其还可用于车辆之间、车辆到车辆(V2V)和/或车辆到基础设施(V2X)的通信。蜂窝无线技术的示例是GSM、GPRS、EDGE、LTE、5G、5GNR等，也包括未来的蜂窝解决方案。然而，在一些解决方案中，使用中短程通信技术，例如无线局域网(LAN)，诸如基于IEEE802.11的解决方案。ETSI致力于车辆通信的蜂窝标准，并且例如5G由于其具有低延迟和高效处理高带宽和通信信道的能力而被认为是合适的解决方案。
在上文已参考特定实施例呈现了本公开。然而，除了上述实施例之外的其它实施例也是可能的，并且在本公开的范围内。在本公开的范围内，可以提供与上述不同的方法步骤，这些方法步骤通过硬件或软件来执行该方法。因此，根据示例性实施例，提供了一种存储一个或多个程序的非暂时性计算机可读存储介质，该一个或多个程序被配置为由车辆控制系统的一个或多个处理器执行，该一个或多个程序包括用于执行根据上述任一实施例的方法的指令。可选地，根据另一示例性实施例，云计算系统可被配置为执行本文呈现的任何方法。云计算系统可包括在一个或多个计算机程序产品的控制下联合执行本文呈现的方法的分布式云计算资源。
总体而言，计算机可访问介质可包括任何有形的或非暂时性的存储介质或存储器介质，例如电子、磁或光学介质，例如通过总线连接到计算机系统的CD/DVD-ROM。本文使用的术语“有形的”和“非暂时性的”旨在描述排除传播的电磁信号的计算机可读存储介质(或“存储器”)，但不旨在以其它方式限制由术语计算机可读介质或存储器所包含的物理计算机可读存储设备的类型。例如，术语“非暂时性计算机可读介质”或“有形存储器”旨在涵盖不一定永久地存储信息的存储设备的类型，包括例如随机存取存储器(RAM)。以非暂时性形式存储在有形计算机可访问存储介质上的程序指令和数据还可通过传输介质或信号(例如电气、电磁或数字信号)来传输，该传输介质或信号可经由诸如网络和/或无线链路的通信介质来传送。
(与控制设备10相关联的)处理器11可以是或包括用于执行数据或信号处理或用于执行存储在存储器12中的计算机代码的任何数量的硬件组件。设备10具有相关联的存储器12，并且存储器12可以是用于存储数据和/或计算机代码的一个或多个设备，用于完成或实现本说明书中描述的各种方法。存储器可包括易失性存储器或非易失性存储器。存储器12可包括数据库组件、目标代码组件、脚本组件或用于支持本说明书的各种活动的任何其它类型的信息结构。根据示例性实施例，本说明书的系统和方法可使用任何分布式或本地存储设备。根据示例性实施例，存储器12可(例如经由电路或任何其它有线、无线或网络连接)通信地连接到处理器11，并且包括用于执行本文描述的一个或多个过程的计算机代码。
应当理解，传感器接口14还可提供直接或通过车辆中的专用传感器控制电路6获得传感器数据的可能性。通信/天线接口14可进一步提供向远程位置(例如远程操作员或控制中心)发送输出的可能性。此外，车辆中的一些传感器可使用本地网络设置(诸如CAN总线、I2C、以太网、光纤等)与控制设备10通信。通信接口14可布置为与车辆的其它控制功能进行通信，并且因此也可被视为控制接口；然而，可提供单独的控制接口(未示出)。车辆内的本地通信也可为无线类型，具有诸如WiFi、LoRa、Zigbee、蓝牙或类似的中/短程技术的协议。
因此，应当理解，所描述的解决方案的部分可在车辆中、位于车辆外部的系统中或在车辆内部和外部的组合中实现；例如在与车辆通信的服务器中实现，被称为云解决方案。例如，传感器数据可被发送到外部系统，并且该系统执行步骤以估计ODD离开事件的临界水平。实施例的不同特征和步骤可以以不同于所描述的其它组合来组合。
应当理解，词语“包括”不排除列出的元件或步骤之外的其它元件或步骤的存在，并且元件之前的词语“一”或“一个”并不排除多个这样的元件的存在。还应注意，任何附图标记均不限制权利要求的范围，本公开可至少部分地通过硬件和软件来实现，并且某些“装置”或“单元”可由相同的硬件来表示。
尽管附图可显示方法步骤的特定顺序，但步骤的顺序可与所描述不同。此外，两个或多个步骤可同时执行或部分同时执行。其变型将取决于软件和硬件系统的选择和设计者的选择。所有这些变型都属于本公开的范围内。同样地，软件实现可利用具有基于规则的逻辑和其它逻辑的标准编程技术来完成，以完成多种连接步骤、处理步骤、比较步骤和决策步骤。上文提到和描述的实施例仅作为示例给出，而不应限制本公开。以下描述的专利实施例中要求保护的本公开范围内的其它解决方案、用途、目标和功能对于本领域技术人员而言应当是显而易见的。

Claims (15)

1.一种用于估计自动驾驶车辆的操作设计域ODD离开事件的接管时间的系统，所述接管时间表示将驾驶任务从所述车辆的第一自动驾驶系统ADS功能授权给所述车辆的驾驶者或者所述车辆的第二ADS功能所需的时间，所述系统包括：
动作时间网络ATN，被配置为输出表示通过执行一个或多个车辆操控来处理所述ODD离开事件所需的时间的动作时间；
恢复时间网络RTN，被配置为输出表示所述驾驶者基于所述驾驶者的当前状态而达到高于注意力阈值的注意力水平所需的时间的恢复时间；
控制电路，被配置为：
从所述车辆的驾驶者监视系统DMS获得一组驾驶者状态参数，所述一组驾驶者状态参数表示所述车辆的驾驶者的当前注意力水平；
在获得表示即将发生的ODD离开事件的信号时：
通过所述ATN估计所述即将发生的ODD离开事件的动作时间tAT；
基于所获得的所述一组驾驶者状态参数，通过所述RTN估计所述即将发生的ODD离开事件的恢复时间tERT；
在第一时间点t0在输出端处产生移交请求信号；
确定所述驾驶者达到高于所述注意力阈值的注意力水平时的第二时间点tDIL，以获得恢复所需的实际时间tART；
将恢复所需的所述实际时间tART和所估计的恢复时间tERT相对于恢复时间阈值进行比较；
如果所述比较表示偏差高于所述恢复时间阈值：
将RTN数据发送到远程实体，用于基于所发送的RTN数据来全局更新所述RTN；
其中，所述控制电路进一步被配置为从所述远程实体获得更新后的RTN。
2.根据权利要求1所述的系统，其中，所发送的RTN数据表示所述ODD离开事件的恢复所需的所述实际时间以及用于估计所述恢复时间tERT的RTN输入数据。
3.根据权利要求1所述的系统，其中，所述控制电路进一步被配置为：
基于恢复所需的所述实际时间tART来本地更新所述RTN；并且
其中，所发送的RTN数据包括表示本地更新后的RTN的一组模型参数。
4.根据权利要求1至3中任一项所述的系统，其中，所述控制电路进一步被配置为：
获得包括关于所述自动驾驶车辆的周围环境的信息的传感器数据；
在所述ODD离开事件的时间基于所获得的传感器数据和所获得的驾驶者状态参数来检测ODD离开场景，并且确定表示所检测的ODD离开场景的临界水平的一组参数；
如果恢复所需的实际时间tART和所估计的恢复时间tERT之间的比较不表示所述偏差高于所述恢复时间阈值，并且如果所检测的ODD离开场景的临界水平高于临界水平阈值：
将ATN数据发送到所述远程实体，用于基于所发送的ATN数据来全局更新所述ATN；并且
其中，所述控制电路进一步被配置为从所述远程实体获得更新后的ATN。
5.根据权利要求4所述的系统，其中，所发送的ATN数据表示所述ODD离开事件的所述临界水平以及用于估计所述动作时间tAT的ATN输入数据。
6.根据权利要求4所述的系统，其中，所述控制电路进一步被配置为：
基于所确定的表示所述ODD离开场景的所述临界水平的一组参数，本地更新所述ATN；并且
其中，所发送的ATN数据包括到所述远程实体的表示本地更新后的ATN的一组模型参数。
7.根据权利要求1至3中任一项所述的系统，进一步包括：
驾驶者风格分析模块，被配置为分析和估计所述车辆的所述驾驶者在一段时间内的表现和态度，以及确定所述车辆的驾驶者的驾驶者配置文件；
其中，所述控制电路进一步被配置为：
在获得表示即将发生的ODD离开事件的信号时：
进一步基于所确定的驾驶者配置文件，通过所述RTN估计即将发生的ODD离开事件的恢复时间tERT。
8.一种车辆，包括：
第一自动驾驶系统ADS功能和第二ADS功能；
感知系统，包括用于监视所述车辆的周围环境的至少一个传感器；
定位系统，用于监视所述车辆的地理位置；
驾驶者监视系统DMS，被配置为监视所述车辆的乘员的驾驶者状态；
根据前述权利要求中任一项所述的用于估计操作设计域ODD离开事件的接管时间的系统。
9.一种更新用于估计自动驾驶车辆的操作设计域ODD离开事件的接管时间的系统的方法，所述接管时间表示将驾驶任务从所述车辆的第一自动驾驶系统ADS功能授权给所述车辆的驾驶者或者所述车辆的第二ADS功能所需的时间，
其中，用于估计接管时间的所述系统包括：
动作时间网络ATN，被配置为输出表示通过执行一个或多个车辆操控来处理所述ODD离开事件所需的时间的动作时间；
恢复时间网络RTN，被配置为输出表示所述驾驶者基于所述驾驶者的当前状而达到高于注意力阈值的注意力水平所需的时间的恢复时间；
其中，所述方法包括：
从所述车辆的驾驶者监视系统DMS获得一组驾驶者状态参数，所述一组驾驶者状态参数表示所述车辆的驾驶者的当前注意力水平；
在获得表示即将发生的ODD离开事件的信号时：
通过所述ATN估计所述即将发生的ODD离开事件的动作时间tAT；
基于所获得的所述一组驾驶者状态参数，通过所述RTN估计所述即将发生的ODD离开事件的恢复时间tERT；
在第一时间点t0产生移交请求信号；
确定所述驾驶者达到高于所述注意力阈值的注意力水平时的第二时间点tDIL，以获得恢复所需的实际时间tART；
将恢复所需的所述实际时间tART与所估计的恢复时间tERT相对于恢复时间阈值进行比较；
如果所述比较表示偏差高于所述恢复时间阈值：
将RTN数据发送到远程实体，用于基于所发送的RTN数据来全局更新所述RTN；
其中，所述方法进一步包括：从所述远程实体获得更新后的RTN。
10.根据权利要求9所述的方法，其中，所发送的RTN数据表示所述ODD离开事件的恢复所需的所述实际时间以及用于估计所述恢复时间tERT的RTN输入数据。
11.根据权利要求9所述的方法，进一步包括：
基于恢复所需的所述实际时间tART来本地更新所述RTN；并且
其中，所发送的RTN数据包括表示本地更新后的RTN的一组模型参数。
12.根据权利要求9至11中任一项所述的方法，进一步包括：
获得包括关于所述自动驾驶车辆的周围环境的信息的传感器数据；
在所述ODD离开事件的时间基于所获得的传感器数据和所获得的驾驶者状态参数来检测ODD离开场景，并且确定表示所检测的ODD离开场景的临界水平的一组参数；
如果恢复所需的实际时间tART和所估计的恢复时间tERT之间的比较不表示所述偏差高于所述恢复时间阈值，并且如果所检测的ODD离开场景的临界水平高于临界水平阈值：
将ATN数据发送到所述远程实体，用于基于所发送的ATN数据来全局更新所述ATN；并且
其中，所述控制电路进一步被配置为从所述远程实体获得更新后的ATN。
13.根据权利要求12所述的方法，其中，所发送的ATN数据表示所述ODD离开事件的所述临界水平以及用于估计所述动作时间tAT的ATN输入数据。
14.根据权利要求12所述的方法，进一步包括：
基于所确定的表示所述ODD离开场景的所述临界水平的一组参数，本地更新所述ATN；并且
其中，所发送的ATN数据包括到所述远程实体的表示本地更新后的ATN的一组模型参数。
15.一种计算机可读存储介质，存储被配置为由车辆控制系统的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行根据权利要求9至14中任一项所述方法的指令。
CN202110591515.3A 2020-05-28 2021-05-28 用于估计接管时间的系统和方法 Pending CN113734193A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20177009.6 2020-05-28
EP20177009.6A EP3915851B1 (en) 2020-05-28 2020-05-28 System and method for estimating take-over time

Publications (1)

Publication Number Publication Date
CN113734193A true CN113734193A (zh) 2021-12-03

Family

ID=70968721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110591515.3A Pending CN113734193A (zh) 2020-05-28 2021-05-28 用于估计接管时间的系统和方法

Country Status (3)

Country Link
US (1) US12054181B2 (zh)
EP (1) EP3915851B1 (zh)
CN (1) CN113734193A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114882477A (zh) * 2022-03-04 2022-08-09 吉林大学 一种利用眼动信息预测自动驾驶接管时间的方法
CN118107614A (zh) * 2024-04-30 2024-05-31 知行汽车科技(苏州)股份有限公司 一种车辆接管时间预测方法、装置、设备及介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020209099A1 (de) * 2020-07-21 2022-01-27 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Überführung eines Kraftfahrzeugs von einem autonomen in einen manuellen Fahrmodus unter Berücksichtigung eines kognitiven Modells des Fahrers
US11702111B2 (en) * 2020-08-19 2023-07-18 Here Global B.V. Method and apparatus for estimating object reliability
CN114834482A (zh) * 2022-04-29 2022-08-02 际络科技(上海)有限公司 自动驾驶接管方法及装置

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012112802B4 (de) * 2012-12-20 2024-06-06 Continental Autonomous Mobility Germany GmbH Verfahren zur Steuerung eines Fahrzeugs mit einem ein automatisiertes, teilautomatisiertes und ein manuelles Fahren ermöglichenden Fahrerassistenzsystem
US9342074B2 (en) * 2013-04-05 2016-05-17 Google Inc. Systems and methods for transitioning control of an autonomous vehicle to a driver
JP6409318B2 (ja) * 2014-04-25 2018-10-24 日産自動車株式会社 情報呈示装置及び情報呈示方法
DE102014214777A1 (de) * 2014-07-28 2016-01-28 Continental Automotive Gmbh Verfahren zur Interaktion eines Fahrassistenzsystems mit einem Fahrer eines Fahrzeugs
CN107207013B (zh) * 2014-12-12 2020-01-21 索尼公司 自动驾驶控制设备以及自动驾驶控制方法和程序
US9944296B1 (en) * 2015-01-13 2018-04-17 State Farm Mutual Automobile Insurance Company Apparatuses, systems and methods for determining distractions associated with vehicle driving routes
JP2016132421A (ja) * 2015-01-22 2016-07-25 トヨタ自動車株式会社 自動運転装置
JP6191633B2 (ja) * 2015-02-20 2017-09-06 トヨタ自動車株式会社 運転支援装置
DE102015205580A1 (de) * 2015-03-27 2016-09-29 Robert Bosch Gmbh Verfahren zum mindestens teilautomatisierten Fahren in einem Fahrzeug
JP6583061B2 (ja) * 2016-03-08 2019-10-02 トヨタ自動車株式会社 自動運転制御装置
EP3231682B1 (en) * 2016-04-15 2018-12-26 Volvo Car Corporation Handover notification arrangement, a vehicle and a method of providing a handover notification
JP6683803B2 (ja) * 2016-04-18 2020-04-22 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
WO2017187759A1 (ja) * 2016-04-27 2017-11-02 株式会社デンソー 支援システム、携帯端末、及び車載装置
JP6368957B2 (ja) * 2016-05-10 2018-08-08 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
JP6778872B2 (ja) * 2016-06-28 2020-11-04 パナソニックＩｐマネジメント株式会社 運転支援装置及び運転支援方法
US10496090B2 (en) * 2016-09-29 2019-12-03 Magna Electronics Inc. Handover procedure for driver of autonomous vehicle
JP2018133031A (ja) * 2017-02-17 2018-08-23 オムロン株式会社 運転切替支援装置、及び運転切替支援方法
EP3381758B1 (en) * 2017-03-30 2020-03-04 Alpine Electronics, Inc. Driver information system and method for a vehicle capable of driving in an autonomous driving mode
DE102017004845A1 (de) * 2017-05-19 2017-12-28 Daimler Ag Verfahren zum Betrieb eines Fahrzeugs
KR101989523B1 (ko) * 2017-07-07 2019-06-14 엘지전자 주식회사 차량에 구비된 차량 제어 장치 및 차량의 제어방법
WO2019122968A1 (en) * 2017-12-19 2019-06-27 PlusAI Corp Method and system for risk control in switching driving mode
DE102018212286A1 (de) * 2018-07-24 2020-01-30 Robert Bosch Gmbh Verfahren und Vorrichtung zur Unterstützung einer Aufmerksamkeit und/oder Fahrbereitschaft eines Fahrers bei einem automatisierten Fahrvorgang eines Fahrzeugs
US11087175B2 (en) * 2019-01-30 2021-08-10 StradVision, Inc. Learning method and learning device of recurrent neural network for autonomous driving safety check for changing driving mode between autonomous driving mode and manual driving mode, and testing method and testing device using them
CN113518956B (zh) * 2019-03-08 2024-03-15 深圳市大疆创新科技有限公司 用于可移动对象的自主控制和人工控制之间的切换的方法、系统及存储介质
JP7136047B2 (ja) * 2019-08-19 2022-09-13 株式会社デンソー 運転制御装置及び車両行動提案装置
US20230054024A1 (en) * 2020-01-17 2023-02-23 Sony Semiconductor Solutions Corporation Information processing apparatus, information processing system, information processing method, and information processing program
KR102549419B1 (ko) * 2021-06-16 2023-06-28 아주대학교산학협력단 주행 환경요인의 변화를 고려한 제어권 전환 수행 장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114882477A (zh) * 2022-03-04 2022-08-09 吉林大学 一种利用眼动信息预测自动驾驶接管时间的方法
CN118107614A (zh) * 2024-04-30 2024-05-31 知行汽车科技(苏州)股份有限公司 一种车辆接管时间预测方法、装置、设备及介质

Also Published As

Publication number Publication date
US12054181B2 (en) 2024-08-06
EP3915851B1 (en) 2024-05-01
US20210370984A1 (en) 2021-12-02
EP3915851A1 (en) 2021-12-01

Similar Documents

Publication Publication Date Title
US10732625B2 (en) Autonomous vehicle operations with automated assistance
CN111123933B (zh) 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车
EP3915851B1 (en) System and method for estimating take-over time
EP3971526B1 (en) Path planning in autonomous driving environments
JP7035204B2 (ja) 車両制御装置、自動運転車開発システム、車両制御方法、およびプログラム
EP3822140B1 (en) Operational design domain validation coverage for road and lane type
CN111833597A (zh) 具有规划控制的交通情形中的自主决策
US11966224B2 (en) Systems and methods for detecting surprise movements of an actor with respect to an autonomous vehicle
CN115269370A (zh) 用于自动驾驶系统的路径规划系统开发的平台
CN114194209A (zh) 自动驾驶环境中的风险评估
CN114968187A (zh) 用于自动驾驶系统的感知系统开发的平台
CN115269371A (zh) 用于自动驾驶系统的路径规划系统开发的平台
EP3892512A1 (en) Methods and systems for hand-over from and ads feature to a driver of a vehicle
US11983918B2 (en) Platform for perception system development for automated driving system
US20210150897A1 (en) Operational design domain validation coverage for adjacent lane relative velocity
CN114475634A (zh) 用于通过控制器沿着路段控制车辆的方法及存储介质
KR20220153708A (ko) 제어기를 제어하는 방법 및 이를 위한 차량용 통합제어기
JP7444295B2 (ja) 処理装置、処理方法、処理プログラム、処理システム
US20240046790A1 (en) Augmented path planning for automotive applications
US20240124060A1 (en) A method for determining whether an automatic collision avoidance steering maneuver should be executed or not
CN115840636A (zh) 用于自动驾驶系统特征的评估和开发的方法和系统
CN115771521A (zh) 用于监视车辆的自动驾驶系统的操作的方法和装置
CN116802698A (zh) 用于汽车应用的增强的能力
CN113619573A (zh) 辅助装置、相应的系统、辅助方法和介质

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