CN113934203A - 用于控制自动驾驶车辆的方法、装置和存储介质 - Google Patents
用于控制自动驾驶车辆的方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113934203A CN113934203A CN202010654823.1A CN202010654823A CN113934203A CN 113934203 A CN113934203 A CN 113934203A CN 202010654823 A CN202010654823 A CN 202010654823A CN 113934203 A CN113934203 A CN 113934203A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- users
- user
- expected
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006399 behavior Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种用于控制自动驾驶车辆的方法、装置和存储介质。该方法包括：针对用于调整车辆驾驶行为的参数，获取多个用户的预期值，其中，每个用户的预期值是基于该用户在相应的终端设备上的输入而生成的；以及，根据多个用户的预期值，计算参数的设定值。
Description
技术领域
本公开一般性地涉及自动驾驶技术，特别涉及对于自动驾驶车辆的驾驶行为的控制。
背景技术
自动驾驶技术，又称无人驾驶技术，作为一个热门的技术领域正日益受到广泛的关注。人们普遍相信，无人驾驶为汽车行业带来的影响是空前的，将会给汽车行业带来深刻的变革。研究表明，在增强公路安全、减少空气污染、缓解交通拥堵等领域，无人驾驶会带来颠覆性的改善。
对于自动驾驶技术的研发多聚焦在安全性。然而，作为一种即将普及的出行方式，如何提高自动驾驶车辆的用户的乘坐体验，也是需要考虑的。
发明内容
根据本公开的一个方面，提供了一种用于控制自动驾驶车辆的方法。该方法包括：针对用于调整车辆驾驶行为的参数，获取多个用户的预期值，其中，每个用户的预期值是基于该用户在相应的终端设备上的输入而生成的；以及根据多个用户的预期值，计算参数的设定值。
根据本公开的另一个方面，提供了一种用于控制自动驾驶车辆的装置。该装置包括：获取单元，被配置为针对用于调整车辆驾驶行为的参数，获取多个用户的预期值。其中，每个用户的预期值是基于该用户在相应的终端设备上的输入而生成的。该装置还包括计算单元，被配置为根据所述多个用户的预期值，计算所述参数的设定值。
根据本公开的另一个方面，提供了一种用于控制自动驾驶车辆的装置。该装置包括：处理器，和存储程序的存储器。程序包括指令，指令在由处理器执行时使该处理器执行本公开所述的方法。根据本公开的另一个方面，提供了一种车辆。该车辆包括本公开所述的用于控制自动驾驶车辆的装置。
根据本公开的另一个方面，提供了一种存储程序的非暂态计算机可读存储介质。程序包括指令，指令在由一个或者多个处理器执行时，致使该一个或者多个处理器执行本公开所述的方法。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1是示出根据示例性实施例的用于控制自动驾驶车辆的方法的流程图；
图2是示出根据示例性实施例显示在用户终端设备上的用于选择自动驾驶参数的图形用户界面的示意图；
图3是示出根据示例性实施例的用于选择自动驾驶参数的预期值的图形用户界面的示意图；
图4是示出根据另一示例性实施例的用于控制自动驾驶车辆的方法的流程图；
图5是示出根据示例性实施例的为多个用户分配车辆的应用场景的示意图；
图6是示出根据示例性实施例的用于控制自动驾驶车辆的装置的框图；以及
图7是示出根据示例性实施例的机动车辆的应用场景的示意图。
具体实施方式
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
在本公开中，自动驾驶车辆可以理解为具有自动驾驶功能的机动车辆，例如，可以包括无人驾驶车辆、以及具有且已切换到自动驾驶功能的其它各种机动车辆。其中，无人驾驶车辆可以是用于提供自动驾驶移动出行服务(Autonomous Vehicle Mobility as aService)的车辆。
自动驾驶车辆的驾驶行为可以通过若干方面对其进行描述。这些方面包括但不限于：车辆变道的频率、车辆行驶过程中与前车之间的跟随距离、以及车辆的加速度。
具体的，车辆变道的频率可以对应于本车对于前车的容忍阈值。变换车道的频率被设置得越大，意味着相对应的容忍阈值也越低。在此，容忍阈值的设置可以和被跟随前车的行驶速度和/或本车的跟随时间有关。对于容忍阈值较低的情况，自动驾驶车辆会更倾向于触发对动力总成和转向系统的自动控制，以完成变道操作进而实现超车，因此，变换车道的频率也更高。另一方面，对于容忍阈值较高的情况，自动驾驶车辆会更倾向于跟随前车继续行驶，而不去进行变道操作进而实现超车，因此，变换车道的频率也更低。
跟随距离是指行驶过程中本车和前车之间的距离。当实际的距离低于跟随距离的阈值时，则可以触发对动力总成和制动系统的自动控制，以控制本车和前车的距离不低于距离阈值。
此外，加速度可以用于设定自动驾驶车辆的加速曲线。当前方路况良好时，可以触发对动力总成的自动控制以依照该加速曲线进行加速。自动驾驶车辆提速的快慢与加速曲线的陡峭程度相关。
应当说明，以上列举的三个方面仅仅是示例性的，其他可以影响驾驶行为的方面也是能够设想的。
可以理解的是，自动驾驶车辆的用户对于车辆的驾驶行为可能会有不同的期望。例如，对于正在赶时间的用户而言，他们很可能期望车辆在行驶过程中在必要的情况下尽可能频繁地变道，从而避免因为跟随前方慢车浪费过多时间；此外，他们还可能期望车辆在保证安全的前提下尽可能紧跟前车；再有，他们还可能希望在路况良好的情况下，用较高的加速度提升车速。另一方面，对于更重视乘坐舒适性或者安全性的用户而言，他们对自动驾驶车辆的驾驶行为可能会有刚好相反的期望。例如，他们很可能会期望车辆不要频繁变道、与前车保持较大的安全距离并且均匀柔和地进行提速。因此，对于尤其是可供多人乘坐的自动驾驶车辆而言，其驾驶行为需要在时间效率和乘坐舒适性中寻求平衡，以便尽量满足不同用户的乘坐需求，从而改善乘坐体验。
图1示出了根据示例性实施例的用于控制自动驾驶车辆的方法的流程图。
在步骤S101中，针对用于调整车辆驾驶行为的参数，获取多个用户的预期值。其中，每个用户的预期值是基于该用户在相应的终端设备上的输入而生成的。
在此，用于调整车辆驾驶行为的参数可以是包括变道频率、跟随距离和加速度在内的若干自动驾驶参数中的一个或多个。如图2所示，被选择用于调整车辆驾驶行为的自动驾驶参数可以作为第一图形用户界面显示在用户的终端设备上，这可以通过专用的终端设备应用(APP)实现。终端设备可以是用户的手机、平板电脑、智能手表(环)等具有触摸显示屏的智能移动设备。此外，图2所示的第一图形用户界面仅仅是示例性的，包括其它自动驾驶参数或者具有其它布局样式的用户界面是可以设想的。
响应于用户点击图2所示界面上的对应于某一个参数的按键，用户的终端设备可以显示如图3所示的第二图形用户界面。响应于用户在滑动输入条上的输入，终端设备可以确定用户对于变道频率的预期值。需要说明，图3显示的滑动输入条仅是示例性的，例如设置有“+”“-”按键的其他形式的图形用户界面也是能够设想的。此外，可以想到的是，对应于不同类型的自动驾驶参数，用于输入预期值的第二图形用户界面是不同的。例如，对于“跟随距离”而言，第二图形用户界面可以为用户提供输入具体数值的可能性。
根据一些实施例，当多个用户已经位于车辆内部时，用户的终端设备可以分别与车辆实现通信连接。车辆的通信装置可以具备蓝牙、Wi-Fi或移动通信功能中的一种或多种，从而与用户的终端设备形成通信链路。各个用户在终端设备上输入的预期值经由相应的通信链路传输至车辆，以便进行后续处理。这尤其适用于多个用户乘坐私人所有车辆的情形。由于车辆可以直接从每个用户的终端设备获取相关参数的预期值，可以使得车辆获得预期值的过程更加便捷。
在步骤S103中，根据多个用户的预期值，计算参数的设定值。
根据本公开，用于调整车辆驾驶行为的各参数的设定值是基于多个用户的预期值计算得出的，各个用户的需求因此能够被综合考虑，从而使得基于设定值调整的驾驶行为尽可能地符合所有用户的乘坐预期。
根据一些实施例，计算多个用户的预期值的平均值，作为相应参数的设定值。
一方面，利用求取平均值的方式计算相应参数的设定值，可以简化设定值的计算过程；另一方面，由于最终确定的平均值必然落在各个用户的预期值的范围内，可以进一步保证最终确定的设定值尽可能贴近每个用户的预期值。
计算平均值的操作例如可以由车辆自身的控制器执行。作为替代，车辆在接收到来自各个用户的预期值后，传送给在线服务器进行计算或者传送给云服务器进行云计算也是可行的。计算结果随后将被传输给车辆，用于调整车辆的驾驶行为。
车辆接收到相应的设定值后，将根据设定值控制动力总成、转向系统和制动系统等控制自动驾驶车辆的驾驶行为，在此不做赘述。
根据一些实施例，平均值为加权平均值，并且，每个用户的预期值被赋予相应的权重。
为每个用户配置权重可以考虑用户的年龄等需要额外关照的因素。假设下列场景，当车辆内部只有两个用户(即，乘客)时，即便这两个用户都倾向于同一类型的驾驶行为(例如，舒适优先)，他们对于相应参数的具体预期值仍然可能存在偏差。例如，其中一位乘客对于变道频率的预期值可能为“较低”，而另一位乘客对于变道频率的预期值可能为“极低”，换言之，后一位用户可能非常不希望发生因为超车而变换车道的情况。此时，为了使双方都获得满意的乘坐体验，简单地对两位用户关于变道频率的预期值取算数平均数很可能不是最优方案。其原因在于，与年轻乘客相比，年龄较大的乘客对于车辆实际驾驶行为与预期驾驶行为的偏差可能具有更低的承受度。在这种情况下，通过为年龄较大的乘客配置更高的权重(例如80％)，为年龄较小的乘客配置较低的权重(例如20％)，可以实现最终确定的设定值在两者预期值的中位数和对应于变道频率“极低”的设定值之间。
应当指出，上述提到的用户的年龄因素以及具体的权重配置只是示例性的。基于本公开的教导，其它在配置权重时可以考虑的一个或多个因素(例如、健康状况)以及其它的权重配置策略也是可以设想的。
影响权重配置的因素可以随用户输入的预期值一同传输至车辆。例如，从用户的终端设备传送到车辆的数据中可以包含关于用户信息(例如用户ID、基本信息等)的字段。
计算加权平均值的操作可以由车辆自身的控制器执行。车辆的控制器在接收到相关信息后，可以根据预定的规则为每个用户的预期值赋予相应的权重，并计算相应参数的设定值。作为替代，车辆在接收到来自各个用户的预期值后，传送给在线服务器进行计算或者传送给云服务器进行云计算也是可行的。计算结果将被传输回车辆，用于调整车辆的驾驶行为。
根据一些实施例，当多个用户位于车辆外部时，上述用于控制自动驾驶车辆方法还包括：根据多个用户的预期值，对该多个用户进行聚类从而形成一个或多个群组；将车辆分配给属于同一群组的用户；根据同一群组中被分配了该车辆的用户的预期值，计算用于该车辆的参数的设定值。
图4示出了根据另一示例性实施例的用于控制自动驾驶车辆的方法的流程图。
在步骤S401中，针对用于调整车辆驾驶行为的参数，获取多个用户的预期值。
需要自动驾驶移动出行服务的用户可以通过自己终端设备上的应用程序(例如，叫车软件)，将自己的预期值发送到在线服务器。此外，如前所述，用户发送到在线服务器的数据中还可以包含用户的ID、以及其它用户信息。
在步骤S403中，根据多个用户的预期值，对多个用户进行聚类从而形成一个或多个群组。
通过对于多个用户的预期值进行预处理，可以将对于驾驶行为具有相同预期的用户划分为一个群组。例如，可以将倾向于尽快到达目的地的用户划分为一个群组，而将倾向于乘坐舒适性的用户划分为另一个群组。
对于用户的预期值进行预处理可以使用聚类分析。
根据一种实施方式，聚类分析使用K-Means算法。其中，K-Means算法中k的值与预计分成的群组的数量有关。
例如，将不同的用户分成期望节省时间的一组和期望乘坐舒适的一组。K-Means算法因此预先假设存在2个群组，通过不断迭代求出每个样本的最近中心，不断收敛到一个稳定的均值位置，此均值位置即最后这些样本属于的群组(类簇)。
在上述公式1中，X表示包含n个向量的数据集。K-Means算法要把n个向量划分到k个类簇ci使得组内平方和最小，ui是类簇ci中所有点的中值。在此，向量的个数n由用户的数量决定，而每个向量中的维度与需要用户提供预期值的参数的个数有关。
根据另一种实施方式，聚类分析采用均值漂移(Mean-Shift)算法。均置漂移算法是一种基于核密度估计的爬山算法，均值漂移算法的基本形式可以表达为：
其中，Kernel代表核函数，例如RBF核函数(Radial Basis Function Kernel)。N(xi)表示包含若干xj的、中心(均值)为xi的一个领域。不同于K-Means算法，因为在一个未知的用户集中不知道到底能分成几个用户群组，Mean-Shift聚类不需要指定k的数量。因此，使用Mean-Shift聚类的好处有以下两点：1)不需要预先指定最终所分成的群组的数量；2)只需指定核函数Kernel的半径(radius)就可以，这里的半径决定了用户的预期值相差的最大数值。此外，DBSCAN算法也是可以考虑的。
在步骤S405中，将车辆分配给属于同一群组的用户。
在将呼叫自动驾驶移动出行服务的多个用户分为若干群组后，在线服务器的调度系统可以针对其中一个群组的用户分配车辆(例如，无人驾驶出租车Robo Taxi)。在分配车辆的过程中，还可以考虑车辆具体的乘员数量限制，以及用户的当前位置和目的地等。根据当前位置和目的地位置规划路径，是自动驾驶领域的现有技术，在此不做赘述。
图5示出了根据示例性实施例的为多个用户分配车辆的一个应用场景。其中，通过对用户的预期值进行聚类分析，将多个请求移动出行服务的用户分为两个群组501、503。随后，在线服务器的调度系统依据聚类分析的结果，分别向不同群组中的用户分配车辆。
通过对多个用户进行聚类的预处理，将要乘坐同一车辆的用户对车辆的驾驶行为具有较为相近的预期。在此基础上，进一步根据被分配了同一车辆的用户的预期值计算相应参数的设定值，可以使最终确定的驾驶行为更接近每个用户的预期，进一步地提升用户的乘坐体验。
在步骤S407中，根据同一群组中被分配了车辆的用户的预期值，计算用于该车辆的参数的设定值。
根据一些实施例，计算同一群组中被分配了车辆的用户的预期值的平均值，作为用于该车辆的相应参数的设定值。
一方面，利用求取平均值的方式计算相应参数的设定值，可以简化设定值的计算过程；另一方面，由于最终计算的平均值必然落在各个用户的预期值的范围内，可以进一步保证最终确定的设定值尽可能贴近每个用户的预期值。
计算平均值的操作例如可以由车辆本身的控制器执行。具体的，在线服务器将被分配了同一车辆的多个用户的预期值发送到车辆。作为替代，也可以在在线服务器确定了被分配同一车辆的多个用户之后，根据该多个用户的预期值，计算得出相应参数的设定值，并将计算得到的最终设定值发送给被分配的车辆，用于调整车辆的驾驶行为。
根据一些实施例，平均值为加权平均值，并且，被分配了车辆的用户中的每个用户的预期值被赋予相应的权重。
为每个用户配置权重可以考虑用户的年龄等需要额外关照的因素。可以理解的是，即便被分配了同一车辆的用户都倾向于同一类型的驾驶行为，这些用户对于相应参数的具体预期值仍然可能存在偏差。并且，对于这种偏差所导致的实际驾驶行为和预期驾驶行为之间的差异，不同用户可能会表现出不同的承受度。为了使各方用户都获得满意的乘坐体验，简单地将预期值取算数平均数很可能不是最优方案。
应当指出，上述提到的用户的年龄因素以及具体的权重配置只是示例性的，基于本公开的教导，其他在配置权重时可以考虑的一个或多个因素(例如、健康状况)以及其他的权重配置策略也是可以设想的。
影响权重配置的因素可以随用户输入的预期值一同由在线服务器传输至车辆。例如，从用户的终端设备传送到在线服务器的数据中可以包含关于用户信息(例如用户ID、基本信息等)的字段。
计算加权平均值的操作可以由车辆本身的控制器执行。车辆的控制器在接收到相关信息后，可以根据预定的规则为每个用户的预期值赋予相应的权重，并计算相应参数的设定值。作为替代，也可以在在线服务器确定了被分配同一车辆的多个用户之后，根据该多个用户的预期值和相关信息，计算得出相应参数的设定值，并将计算得到的最终设定值发送给被分配的车辆，用于调整车辆的驾驶行为。
图6是示出根据示例性实施例的用于控制自动驾驶车辆的装置的框图。
根据该示例性实施例的用于控制自动驾驶车辆的装置600可以包括：获取单元601、以及计算单元603。其中，获取单元601可以被配置为针对用于调整车辆驾驶行为的参数，获取多个用户的预期值。其中，每个用户的预期值是基于该用户在相应的终端设备上的输入而生成的。计算单元603可以被配置为根据所述多个用户的预期值，计算所述参数的设定值。
根据一些实施方式，计算单元603可以被进一步配置为：计算多个用户的预期值的平均值，作为相应参数的设定值。其中，平均值可以是加权平均值，并且，每个用户的预期值被赋予相应的权重。可以理解，前述结合图1至图5对方法步骤进行的描述，适用于图6中执行相应方法步骤的单元，这里不再赘述。
根据本公开的另一个方面，提供了一种用于控制自动驾驶车辆的装置。该装置包括：处理器，和存储程序的存储器。程序包括指令，指令在由处理器执行时使该处理器执行本公开所述的用于控制自动驾驶车辆的方法。
根据本公开的另一个方面，提供了一种车辆。车辆包括本公开所述的用于控制自动驾驶车辆的装置。
根据本公开的另一个方面，提供了一种存储程序的非暂态计算机可读存储介质。程序包括指令，指令在由一个或者多个处理器执行时，致使该一个或者多个处理器执行本公开所述的控制自动驾驶车辆的方法。
图7示出了包括机动车辆2010及用于该机动车辆2010的通信和控制系统的一个应用场景示意图。要注意的是，图7所示出的车辆2010的结构和功能仅是一个示例，根据具体的实现形式，本公开的车辆可以包括图7所示车辆2010的结构和功能中的一种或多种。
机动车辆2010可以包括传感器2110用于感知周围环境。传感器2110可以包括下列传感器中的一个或多个：超声波传感器、毫米波雷达、激光雷达(LiDAR)、视觉摄像头以及红外摄像头。不同的传感器可以提供不同的检测精度和范围。超声波传感器可以安装在车辆的四周，用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置，用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置，用于检测物体边缘、形状信息，从而进行物体识别和追踪。由于多普勒效应，雷达装置还可以测量车辆与移动物体的速度变化。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外，通过对视觉摄像头捕获的画面进行分析，可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。
机动车辆2010还可以包括输出设备2120。输出设备2120例如包括显示器和扬声器等，以呈现各种输出或者指令。此外，显示器可以实现为触摸屏，从而还可以不同的方式检测输入。可以在触摸屏上呈现用户图形界面，以使用户能够访问控制相应的控件。
机动车辆2010还可以包括一个或多个控制器2130。控制器2130可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元(CPU)或图形处理单元(GPU)，或者其他的专用处理器等。计算机可读存储装置或介质可以包括任何非暂时性存储设备，非暂时性存储设备可以是非暂时性的并且可以实现数据存储的任何存储设备，并且可以包括但不限于磁盘驱动器、光学存储设备、固态存储器、软盘、柔性盘、硬盘、磁带或任何其他磁介质，光盘或任何其他光学介质、只读存储器(ROM)、随机存取存储器(RAM)、高速缓冲存储器和/或任何其他存储器芯片或盒、和/或计算机可从其读取数据、指令和/或代码的任何其他介质。计算机可读存储装置或介质中的一些数据表示由控制器2130用于控制车辆的可执行指令。控制器2130可以包括用于自动控制车辆中的各种致动器的自动驾驶系统。自动驾驶系统被配置为经由多个致动器响应来自多个传感器2110或者其他输入设备的输入而控制机动车辆2010的动力总成、转向系统以及制动系统等以分别控制加速、转向和制动，而无需人为干预或者有限的人为干预。控制器2130的部分处理功能可以通过云计算实现。例如，可以使用车载处理器执行某一些处理，而同时可以利用云端的计算资源执行其他一些处理。根据一些实施例，控制器2130可以被配置以执行结合图1至图6所描述的方法。控制器2130及其相关联的计算机可读存储装置为上面图6的装置600的一个示例。与控制器2130相关联的计算机可读存储装置可以为上面描述的非暂态计算机可读存储介质的一个示例。
机动车辆2010还包括通信装置2140。通信装置2140包括能够从卫星2012接收卫星定位信号并且基于这些信号产生坐标的卫星定位模块。通信装置2140还包括与移动通信网络2013进行通信的模块，移动通信网络可以实施任何适合的通信技术，例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置2140还可以具有车联网或车联万物(Vehicle-to-Everything，V2X)模块，被配置用于实现例如与其它车辆2011进行车对车(Vehicle-to-Vehicle，V2V)通信和与基础设施进行车辆到基础设施(Vehicle-to-Infrastructure，V2I)通信的车与外界的通信。此外，通信装置2140还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端2014(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置2140，机动车辆2010可以经由无线通信系统接入在线服务器2015或者云端服务器2016，该在线服务器或云端服务器被配置用于为机动车辆提供相应的数据处理、数据存储和数据传输等服务。
此外，机动车辆2010还包括图7中未示出的用于实现机动车驾驶功能的动力总成、转向系统以及制动系统等。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (12)
1.一种用于控制自动驾驶车辆的方法，所述方法包括：
针对用于调整车辆驾驶行为的参数，获取多个用户的预期值，其中，每个用户的预期值是基于该用户在相应的终端设备上的输入而生成的；以及
根据所述多个用户的预期值，计算所述参数的设定值。
2.如权利要求1所述的方法，其中，所述根据所述多个用户的预期值，计算所述参数的设定值，包括：
计算所述多个用户的预期值的平均值，作为相应参数的设定值。
3.如权利要求2所述的方法，其中，所述平均值为加权平均值，并且，所述每个用户的预期值被赋予相应的权重。
4.如权利要求1至3中任一项所述的方法，其中，所述多个用户位于车辆的内部，并且，所述多个用户的终端设备与车辆之间通信连接。
5.如权利要求1所述的方法，其中，所述多个用户位于车辆外部，所述方法还包括：
根据所述多个用户的预期值，对所述多个用户进行聚类从而形成一个或多个群组；
将车辆分配给属于同一群组的用户；
根据所述同一群组中被分配了所述车辆的用户的预期值，计算用于所述车辆的所述参数的设定值。
6.如权利要求5所述的方法，其中，计算所述同一群组中被分配了所述车辆的用户的预期值的平均值，作为用于所述车辆的相应参数的设定值。
7.如权利要求6所述的方法，其中，所述平均值为加权平均值，并且，所述被分配了所述车辆的用户中的每个用户的预期值被赋予相应的权重。
8.如权利要求5至7中任一项所述的方法，其中，所述车辆用于自动驾驶移动出行服务。
9.一种用于控制自动驾驶车辆的装置，包括：
获取单元，被配置为针对用于调整车辆驾驶行为的参数，获取多个用户的预期值，其中，每个用户的预期值是基于该用户在相应的终端设备上的输入而生成的；以及
计算单元，被配置为根据所述多个用户的预期值，计算所述参数的设定值。
10.一种用于控制自动驾驶车辆的装置，包括：
处理器，和
存储程序的存储器，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1至8中任一项所述的方法。
11.一种车辆，包括：如权利要求9或10所述的用于控制自动驾驶车辆的装置。
12.一种存储程序的非暂态计算机可读存储介质，所述程序包括指令，所述指令在由一个或者多个处理器执行时，致使所述一个或者多个处理器执行根据权利要求1至8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010654823.1A CN113934203A (zh) | 2020-07-09 | 2020-07-09 | 用于控制自动驾驶车辆的方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010654823.1A CN113934203A (zh) | 2020-07-09 | 2020-07-09 | 用于控制自动驾驶车辆的方法、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113934203A true CN113934203A (zh) | 2022-01-14 |
Family
ID=79273448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010654823.1A Pending CN113934203A (zh) | 2020-07-09 | 2020-07-09 | 用于控制自动驾驶车辆的方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113934203A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015134410A1 (en) * | 2014-03-03 | 2015-09-11 | Inrix Inc. | Providing users with access to routes for traveling |
| CN106485340A (zh) * | 2015-08-31 | 2017-03-08 | 台北科技大学 | 自动驾驶车辆的派遣系统 |
| CN107600072A (zh) * | 2017-08-31 | 2018-01-19 | 上海科世达-华阳汽车电器有限公司 | 一种多乘客共同偏好参数的获取方法及系统 |
| CN108827334A (zh) * | 2018-08-09 | 2018-11-16 | 北京智行者科技有限公司 | 一种自动驾驶方法 |
| CN108891422A (zh) * | 2018-07-09 | 2018-11-27 | 深圳市易成自动驾驶技术有限公司 | 智能车辆的控制方法、装置及计算机可读存储介质 |
| KR102051888B1 (ko) * | 2019-05-15 | 2019-12-09 | 주식회사 라이드플럭스 | 기 설정된 주행규칙에 기반하여 차량의 주행을 제어하는 방법, 장치 및 프로그램 |
-
2020
- 2020-07-09 CN CN202010654823.1A patent/CN113934203A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015134410A1 (en) * | 2014-03-03 | 2015-09-11 | Inrix Inc. | Providing users with access to routes for traveling |
| CN106485340A (zh) * | 2015-08-31 | 2017-03-08 | 台北科技大学 | 自动驾驶车辆的派遣系统 |
| CN107600072A (zh) * | 2017-08-31 | 2018-01-19 | 上海科世达-华阳汽车电器有限公司 | 一种多乘客共同偏好参数的获取方法及系统 |
| CN108891422A (zh) * | 2018-07-09 | 2018-11-27 | 深圳市易成自动驾驶技术有限公司 | 智能车辆的控制方法、装置及计算机可读存储介质 |
| CN108827334A (zh) * | 2018-08-09 | 2018-11-16 | 北京智行者科技有限公司 | 一种自动驾驶方法 |
| KR102051888B1 (ko) * | 2019-05-15 | 2019-12-09 | 주식회사 라이드플럭스 | 기 설정된 주행규칙에 기반하여 차량의 주행을 제어하는 방법, 장치 및 프로그램 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11887377B2 (en) | Acceleration of data processing for object detection | |
| US20230418299A1 (en) | Controlling autonomous vehicles using safe arrival times | |
| US10678253B2 (en) | Control systems, control methods and controllers for an autonomous vehicle | |
| CN108604095B (zh) | 确定操作自动驾驶车辆的转向率的方法、介质及处理系统 | |
| CN115175841A (zh) | 自主车辆的行为规划 | |
| WO2018155266A1 (ja) | 情報処理システム、情報処理方法、プログラムと記録媒体 | |
| CN108334077B (zh) | 确定自动驾驶车辆的速度控制的单位增益的方法和系统 | |
| CN110641472A (zh) | 基于神经网络的用于自主车辆的安全监控系统 | |
| WO2018155265A1 (ja) | 情報処理システム、情報処理方法、プログラムと記録媒体 | |
| US20220379917A1 (en) | Using arrival times and safety procedures in motion planning trajectories for autonomous vehicles | |
| CN113439262A (zh) | 用于自适应模型处理的系统和方法 | |
| CN114932918A (zh) | 一种智能网联车在各种路况下行驶的行为决策方法及系统 | |
| WO2021000787A1 (zh) | 道路几何识别方法及装置 | |
| US11745747B2 (en) | System and method of adaptive distribution of autonomous driving computations | |
| CN113934203A (zh) | 用于控制自动驾驶车辆的方法、装置和存储介质 | |
| WO2021229671A1 (ja) | 走行支援装置および走行支援方法 | |
| CN114282776A (zh) | 车路协同评估自动驾驶安全性的方法、装置、设备和介质 | |
| EP4180838A1 (en) | System for localizing three-dimensional objects | |
| US20240169183A1 (en) | Method for performing a perception task of an electronic device or a vehicle using a plurality of neural networks | |
| CN111710175B (zh) | 交通信号灯的控制方法及装置 | |
| CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
| US20230336956A1 (en) | Managing transmission of misbehavior reports | |
| US20220207880A1 (en) | Traffic monitoring system, traffic monitoring method, and storage medium | |
| EP4152153A1 (en) | Method and system for evaluation and development of automated driving system features | |
| US20220245385A1 (en) | Systems and methods for determining operating criteria for performing vehicular tasks |
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 |