CN114104007A - 一种自动驾驶车辆最小风险控制策略 - Google Patents

一种自动驾驶车辆最小风险控制策略 Download PDF

Info

Publication number
CN114104007A
CN114104007A CN202210109535.7A CN202210109535A CN114104007A CN 114104007 A CN114104007 A CN 114104007A CN 202210109535 A CN202210109535 A CN 202210109535A CN 114104007 A CN114104007 A CN 114104007A
Authority
CN
China
Prior art keywords
risk
vehicle
evaluation
takeover
parking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210109535.7A
Other languages
English (en)
Other versions
CN114104007B (zh
Inventor
李文亮
周炜
曹琛
高金
刘智超
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.)
Research Institute of Highway Ministry of Transport
Original Assignee
Research Institute of Highway Ministry of Transport
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 Research Institute of Highway Ministry of Transport filed Critical Research Institute of Highway Ministry of Transport
Priority to CN202210109535.7A priority Critical patent/CN114104007B/zh
Publication of CN114104007A publication Critical patent/CN114104007A/zh
Application granted granted Critical
Publication of CN114104007B publication Critical patent/CN114104007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005Handover processes
    • B60W60/0059Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0015Planning or execution of driving tasks specially adapted for safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出一种自动驾驶车辆最小风险控制策略,考虑当车辆脱离自动驾驶模式情况下,通过搭建一种车辆接管评价模型和车辆停靠评价模型,在所述车辆接管评价模型/车辆停靠评价模型中,都以可行的车辆接管方式/车辆停靠方式作为评价内容,根据评价内容设定评价指标,根据评价指标设定评价要素,针对评价要素和评价指标制定风险等级判定标准,结合评价要素的实际风险等级对评价指标进行综合评价,最后根据评价指标的综合评价结果决策车辆接管方式/车辆停靠方式,从而实现自动驾驶车辆安全停车,最大限度降低车辆事故发生的风险。

Description

一种自动驾驶车辆最小风险控制策略
技术领域
本发明涉及自动驾驶技术,具体涉及一种自动驾驶车辆最小风险控制策略。
背景技术
自动驾驶技术是当前全球新一轮科技革命和产业发展的重要战略制高点,是我国深化供给侧结构性改革、实施创新驱动发展战略、建设交通强国的重要支撑。
我国自动驾驶技术发展迅速,不同类型的自动驾驶技术正在道路运输领域推广应用,但同时自动驾驶车辆事故屡有发生且呈大幅上升趋势,受到国内外广泛关注。自动驾驶技术发展及应用首先需要确保安全,目前自动驾驶技术多注重自动驾驶模式下的安全,对自动驾驶模式脱离后的安全防护技术研究较少,缺少具体的风险控制策略。最小风险控制策略就是在自动驾驶模式因各种原因脱离后,保障自动驾驶车辆安全停车的一种策略,最大限度降低自动驾驶车辆发生事故的风险。
发明内容
因此,为了保障自动驾驶车辆在脱离自动驾驶模式后安全停车,本发明提出一种自动驾驶车辆最小风险控制策略,该策略通过搭建车辆接管和车辆停靠各自的评价模型,设定车辆接管和车辆停靠各自的评价指标和评价要素,并制定风险等级判定标准进行综合评价,在车辆脱离自动驾驶模式后,根据风险等级结果决策接管方式和停靠方式,实现车辆的安全停车。
因此本发明所采用的技术方案如下:一种自动驾驶车辆最小风险控制策略,当车辆脱离自动驾驶模式情况下,通过搭建一种车辆接管评价模型和车辆停靠评价模型,
在所述车辆接管评价模型/车辆停靠评价模型中,都以可行的车辆接管方式/车辆停靠方式作为评价内容,根据评价内容设定评价指标,根据评价指标设定评价要素,针对评价要素和评价指标制定风险等级判定标准,结合评价要素的实际风险等级对评价指标进行综合评价,最后根据评价指标的综合评价结果决策车辆接管方式/车辆停靠方式。
进一步地:
车辆停靠决策在车辆接管决策之后执行。
进一步地:
车辆接管方式包括:驾驶员接管、车辆自动接管、远程接管;
车辆接管评价指标包括:驾驶员接管风险、车辆自动接管风险、远程接管风险;
驾驶员接管风险包括的评价要素有:驾驶员疲劳、驾驶员健康;
车辆自动接管风险包括的评价要素有:车辆横纵向控制、自动警告与处置;
远程接管风险包括的评价要素有:车辆环境感知、通信网络、远程驾驶员操作。
进一步地:
车辆停靠方式包括:当前车道停车、最右侧车道停车;
车辆停靠评价指标包括:当前车道停车风险、最右侧车道停车风险;
当前车道停车风险、最右侧车道停车风险包括的评价要素均有:车流量。
进一步地:
各所述评价要素制定三个风险等级:低风险、中风险、高风险;
各所述评价指标也制定三个风险等级:低风险、中风险、高风险;
对各所述评价指标进行综合评价的原则是:
若某一评价指标下的评价要素中最高风险等级为高风险,则该评价指标综合评价为高风险;
若某一评价指标下的评价要素中最高风险等级为中风险,则该评价指标综合评价为中风险;
若某一评价指标下的所有评价要素风险等级均为低风险,则该评价指标综合评价为低风险。
进一步地:
对于车辆接管方式,决策如下:
当驾驶员接管风险、车辆自动接管风险、远程接管风险三种评价指标的风险等级相同时,按照驾驶员接管、车辆自动接管、远程接管的优先顺序接管;
当驾驶员接管风险、车辆自动接管风险、远程接管风险三种评价指标的风险等级各不相同时,按照风险等级由低到高的优先顺序接管;
当驾驶员接管风险、车辆自动接管风险、远程接管风险三种评价指标的风险等级有两种相同、一种不同时,则首先将相同的两种与不同的一种之间按照风险等级由低到高的优先顺序选择,然后再将相同的两种按照驾驶员接管、车辆自动接管、远程接管的优先顺序接管。
进一步地:
对于车辆停靠方式,决策如下:
1)若车辆不在最右侧车道行驶,根据接管决策中采纳的接管方式的风险等级和当前车道停车风险、最右侧车道停车风险的风险等级三者综合决策:
当当前车道停车风险和最右侧车道停车风险的风险等级一致时,则先考虑接管方式的风险等级,接管风险等级为低风险时,选择靠右侧停车,接管风险等级为中风险或高风险时,选择当前车道停车;
当当前车道停车风险和最右侧车道停车风险的风险等级不同时,不考虑接管方式的风险等级,直接选择停靠风险等级低的车道停车;
2)若车辆在最右侧车道行驶,直接选择靠右侧车道停车。
本发明由于采取上述技术方案,体现了如下的显著技术效果:
1.本发明在车辆脱离自动驾驶模式后,搭建车辆接管评价模型和车辆停靠评价模型,根据车辆接管方式和停靠方式确定评价模型的评价内容,制定评价指标和预设评价要素,通过综合评价对车辆接管和车辆停靠决策,该策略条例清晰,评价要素覆盖全面。
2.本发明通过搭建车辆接管和车辆停靠两个评价模型,对评价指标和评价要素制定风险等级判定标准和综合评价原则,使各评价指标/要素内容由抽象转化为具体的表达形式,使该策略更加容易实施。
3.本发明通过搭建车辆接管和车辆停靠两个评价模型,对评价指标进行综合评价,及时对处于有风险车辆做出接管和停靠的正确决策,最大限度降低了车辆发生事故的风险。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制。
图1为本发明一种自动驾驶车辆最小风险控制策略流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述,但本领域的技术人员应该知道,以下实施例并不是对本发明技术方案作的唯一限定,凡是在本发明技术方案精神实质下所做的任何等同变换或改动,均应视为属于本发明的保护范围。
如图1所示,在一实施例中,本发明提出了一种自动驾驶车辆最小风险控制策略,该策略是通过搭建车辆接管评价模型和车辆停靠评价模型,将实际接管方式作为评价内容,根据评价内容设定评价指标,针对评价指标设定评价要素,然后针对评价要素制定风险等级判定标准,再结合评价要素的风险等级判定,对评价指标制定综合评价原则,根据综合评价风险等级结果决策不同的接管方式;同样,在车辆完成接管后,根据接管决策,将实际车辆停靠方式作为评价内容,根据评价内容设定评价指标,针对评价指标设定评价要素,然后针对评价要素制定风险等级判定标准,再结合评价要素的风险等级判定,对评价指标制定综合评价原则,根据综合评价风险等级结果决策不同的停靠方式,从而实现车辆在脱离自动驾驶模式后能安全停车的一种策略。
该策略的具体实现如下:
1、评价模型的搭建
评价模型包括车辆接管评价模型和车辆停靠评价模型两方面。
(1)车辆接管评价模型
车辆接管评价内容:根据不同应用场景搭建车辆接管评价模型,首先根据车辆接管方式确定评价模型的评价内容。根据当前环境,评估自动驾驶模式脱离后车辆的不同接管方式,至少包括驾驶员接管、车辆自动接管、远程接管三种方式,不限其他接管方式,将这三种接管方式作为车辆接管的评价内容。
车辆接管评价指标:根据车辆接管评价内容分解为三个评价指标,将驾驶员接管风险、车辆自动接管风险、远程接管风险作为车辆接管的评价指标。
车辆接管评价要素:1)驾驶员接管风险评价指标包括的评价要素有:驾驶员疲劳、驾驶员健康,不限其他要素;2)车辆自动接管风险评价指标包括的评价要素有:车辆横纵向控制、自动警告与处置,不限其他要素;3)远程接管风险评价指标包括的评价要素有:车辆环境感知、通信网络、远程驾驶员操作,不限其他要素。
(2)车辆停靠评价模型
车辆停靠评价内容:根据不同应用场景搭建车辆停靠评价模型,首先根据车辆停靠方式确定评价模型的评价内容。包括当前车道停车和最右侧车道停车两种停靠方式,不限其他停靠方式,将这两种停靠方式作为车辆停靠的主要评价内容。
车辆停靠评价指标:车辆的停靠根据接管风险和车流量大小,对当前车道停车和最右侧车道停车进行风险评价,将当前车道停车风险和最右侧车道停车风险作为车辆停靠的评价指标。
车辆停靠评价要素:当前车道停车风险评价指标和最右侧车道停车风险评价指标通常都需要车流量大小这一评价要素,不限其他要素。
各评价指标对应的各评价要素内容具体在实施例中体现。
2、风险等级判定标准和综合评价原则
不论是车辆接管方面还是车辆停靠方面,对各评价要素都设定三个风险等级,分别是低风险、中风险、高风险;通过提供各评价要素的风险等级判定结果对相应的评价指标进行综合评价,确定各评价指标风险等级也分为低风险、中风险或高风险,为下一步的决策策略做准备。
对评价指标进行综合评价的原则是:
若某一评价指标下的评价要素中最高风险等级为高风险,则该评价指标综合评价结果为高风险;
若某一评价指标下的评价要素中最高风险等级为中风险,则该评价指标综合评价结果为中风险;
若某一评价指标下的所有评价要素风险等级均为低风险,则该评价指标综合评价结果为低风险。
3、接管决策和停靠决策
接管决策:
根据当前的三种接管方式的评价指标的风险等级综合评价结果,当三种接管评价指标风险等级相同时,首先进行本地驾驶员接管提示,当驾驶员接管完成,提示完成接管;若驾驶员接管未响应,则进行车辆自动接管提示,当车辆自动接管完成,提示完成接管;若车辆自动接管未响应,则进行远程接管提示,当远程接管完成,提示完成接管;若远程接管未响应,则返回初始提示,直到任一接管方式响应。
当三种接管方式评价指标的风险等级各不相同时,按照风险等级由低到高提出接管决策,如,远程接管风险<车辆自动接管风险<驾驶员接管风险,则优先远程接管,然后是车辆自动接管,最后是驾驶员接管这样的接管顺序,若提示的接管方式未响应,则由比它高一级风险等级的接管方式介入,直到接管方式响应。
当三种接管方式的评价指标的风险等级中有两种风险等级相同、一种不同时,则相同的这两种与不同的这一种首先按照风险等级由低到高提出接管决策,相同的这两种再按照优先驾驶员接管、其次车辆自动接管、最后远程接管的顺序进行。
停靠决策:
在车辆完成接管后,1)若车辆不在最右侧车道行驶,首先根据车流量大小情况,评估当前车道停车风险和最右侧车道停车风险的风险等级,再根据接管决策中采纳的接管方式的风险等级和当前车道停车风险、最右侧车道停车风险的风险等级进行综合决策:
当当前车道停车风险和最右侧车道停车风险的风险等级一致时,则先考虑接管方式的风险等级,接管风险等级为低风险时,选择靠右侧停车,接管风险等级为中风险或高风险时,选择当前车道停车;
当当前车道停车风险和最右侧车道停车风险的风险等级不同时,不考虑接管方式的风险等级,直接选择停靠风险等级低的车道停车。
2)若车辆在最右侧车道行驶,不需进行车辆停靠评价,直接选择靠右侧车道停车。
实施例
根据当前应用场景,在自动驾驶模式脱离后,对车辆可行的接管方式是驾驶员接管、车辆自动接管、远程接管,可行的停靠方式是当前车道停车和最右侧车道停车。对任何接管方式和停靠方式都设定三种风险等级评价:低风险、中风险、高风险。
(1)驾驶员接管评价
驾驶员接管评价指标包括驾驶员疲劳风险、驾驶员健康风险两方面。驾驶员疲劳评价要素的风险等级判定标准如表1所示:
表1:驾驶员疲劳风险等级判定标准
Figure DEST_PATH_IMAGE001
驾驶员健康评价要素的风险等级判定标准如表2所示:
表2:驾驶员健康风险等级判定标准
Figure 581044DEST_PATH_IMAGE002
根据驾驶员疲劳和驾驶员健康两个评价要素的风险等级评价结果对驾驶员接管风险进行综合评价,综合评价原则如表3所示。
表3:驾驶员接管风险
Figure DEST_PATH_IMAGE003
假设某一时刻驾驶员疲劳的风险等级为“高”,驾驶员健康的风险等级也为“中”,则此时驾驶员接管风险的综合评价是“高”
(2)车辆自动接管评价
车辆自动接管评价指标包括车辆横纵向控制风险、自动警告与处置风险两方面。
车辆横纵向控制评价要素的风险等级判定标准如表4所示:
表4:车辆横纵向控制风险等级判定标准
Figure 38571DEST_PATH_IMAGE004
自动警告与处置评价要素的风险等级判定标准如表5所示:
表5:自动警告与处置风险等级判定标准
Figure DEST_PATH_IMAGE005
根据横纵向控制和自动警告与处置两个评价要素的风险等级评价结果对车辆自动接管风险进行综合评价,综合评价原则如表6所示。
表6:车辆自动接管风险
Figure 915260DEST_PATH_IMAGE006
(3)远程接管评价
远程接管评价指标包括车辆环境感知风险、通信网络风险、远程驾驶员操作风险三个方面。
其中:车辆环境感知评价要素的风险等级判定标准如表7 所示:
表7:车辆环境感知风险等级判定标准
Figure DEST_PATH_IMAGE007
通信网络评价要素的风险等级判定标准如表8 所示:
表8:通信网络风险等级判定标准
Figure 800039DEST_PATH_IMAGE008
远程驾驶员操作评价要素的风险等级判定标准如表9 所示:
表9:远程驾驶员操作风险等级判定标准
Figure DEST_PATH_IMAGE009
根据车辆环境感知、通信网络风险、远程驾驶员操作各评价要素的风险等级评价结果对远程接管风险进行综合评价:车辆环境感知、通信网络、远程驾驶员操作任一要素为高风险等级则远程接管综合评价结果为高风险,任一要素最高达到中风险等级则远程接管综合评价结果为中风险,所有要素均为低风险等级才判定远程接管综合评价结果为低风险。
(4)车辆停靠评价
1)若车辆不在最右侧车道行驶时,根据接管风险和车流量情况,评估当前车道停车风险和最右侧车道停车风险。
表10:车辆停靠风险等级判定标准
Figure 863810DEST_PATH_IMAGE010
如表10所示,根据车辆接管风险等级,结合车流量大小对两个车道的风险等级判定原则是:
如果接管风险为低风险时,则说明车辆和驾驶员基本正常,无论车流量大小都能应对,因此两个车道风险都为低风险;
如果接管风险为中风险时,则驾驶员和车辆都有一些问题,如果车流量大,靠右侧停车风险更高,因此车流量大时,靠右侧停车风险为高风险,其他车道风险与接管风险一致为中风险;
如果接管风险为高风险时,本身驾驶员和车辆都处于高风险状态,无论车流量大小都是高风险,因此两个车道风险都为高风险。
(5)车辆接管决策
根据实际场景和现场采集的数据,当三种接管方式的风险等级如果相同时,则按照本地驾驶员接管、车辆自动接管、远程接管的优先顺序接管;当三种接管方式风险等级各不相同时,按照风险等级由低到高的优先顺序接管;当有两种接管方式的风险等级相同、一种不同时,则相同的这两种先与不同的这一种之间按照风险等级由低到高的优先顺序接管,然后相同的这两种接管方式再按照优先驾驶员接管、其次车辆自动接管、最后远程接管的顺序接管。
(6)车辆停靠决策
在车辆完成接管后,1)若车辆不在最右侧车道行驶, 结合表10的接管风险和车流量风险,按风险低的车道执行停车;2)若车辆在最右侧车道行驶,直接选择靠右侧车道停车。

Claims (7)

1.一种自动驾驶车辆最小风险控制策略,其特征在于:当车辆脱离自动驾驶模式情况下,通过搭建一种车辆接管评价模型和车辆停靠评价模型,
在所述车辆接管评价模型/车辆停靠评价模型中,都以可行的车辆接管方式/车辆停靠方式作为评价内容,根据评价内容设定评价指标,根据评价指标设定评价要素,针对评价要素和评价指标制定风险等级判定标准,结合评价要素的实际风险等级对评价指标进行综合评价,最后根据评价指标的综合评价结果决策车辆接管方式/车辆停靠方式。
2.根据权利要求1所述的自动驾驶车辆最小风险控制策略,其特征在于:车辆停靠决策在车辆接管决策之后执行。
3.根据权利要求1所述的自动驾驶车辆最小风险控制策略,其特征在于:
车辆接管方式包括:驾驶员接管、车辆自动接管、远程接管;
车辆接管评价指标包括:驾驶员接管风险、车辆自动接管风险、远程接管风险;
驾驶员接管风险包括的评价要素有:驾驶员疲劳、驾驶员健康;
车辆自动接管风险包括的评价要素有:车辆横纵向控制、自动警告与处置;
远程接管风险包括的评价要素有:车辆环境感知、通信网络、远程驾驶员操作。
4.根据权利要求1所述的自动驾驶车辆最小风险控制策略,其特征在于:
车辆停靠方式包括:当前车道停车、最右侧车道停车;
车辆停靠评价指标包括:当前车道停车风险、最右侧车道停车风险;
当前车道停车风险、最右侧车道停车风险包括的评价要素均有:车流量。
5.根据权利要求1或2或3或4所述的自动驾驶车辆最小风险控制策略,其特征在于:
各所述评价要素制定三个风险等级:低风险、中风险、高风险;
各所述评价指标也制定三个风险等级:低风险、中风险、高风险;
对各所述评价指标进行综合评价的原则是:
若某一评价指标下的评价要素中最高风险等级为高风险,则该评价指标综合评价为高风险;
若某一评价指标下的评价要素中最高风险等级为中风险,则该评价指标综合评价为中风险;
若某一评价指标下的所有评价要素风险等级均为低风险,则该评价指标综合评价为低风险。
6.根据权利要求3所述的自动驾驶车辆最小风险控制策略,其特征在于:
对于车辆接管方式,决策如下:
当驾驶员接管风险、车辆自动接管风险、远程接管风险三种评价指标的风险等级相同时,按照驾驶员接管、车辆自动接管、远程接管的优先顺序接管;
当驾驶员接管风险、车辆自动接管风险、远程接管风险三种评价指标的风险等级各不相同时,按照风险等级由低到高的优先顺序接管;
当驾驶员接管风险、车辆自动接管风险、远程接管风险三种评价指标的风险等级有两种相同、一种不同时,则首先将相同的两种与不同的一种之间按照风险等级由低到高的优先顺序选择,然后再将相同的两种按照驾驶员接管、车辆自动接管、远程接管的优先顺序接管。
7.根据权利要求4所述的自动驾驶车辆最小风险控制策略,其特征在于:
对于车辆停靠方式,决策如下:
1)若车辆不在最右侧车道行驶,根据接管决策中采纳的接管方式的风险等级和当前车道停车风险、最右侧车道停车风险的风险等级三者综合决策:
当当前车道停车风险和最右侧车道停车风险的风险等级一致时,则先考虑接管方式的风险等级,接管风险等级为低风险时,选择靠右侧停车,接管风险等级为中风险或高风险时,选择当前车道停车;
当当前车道停车风险和最右侧车道停车风险的风险等级不同时,不考虑接管方式的风险等级,直接选择停靠风险等级低的车道停车;
2)若车辆在最右侧车道行驶,直接选择靠右侧车道停车。
CN202210109535.7A 2022-01-28 2022-01-28 一种自动驾驶车辆最小风险控制策略 Active CN114104007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210109535.7A CN114104007B (zh) 2022-01-28 2022-01-28 一种自动驾驶车辆最小风险控制策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210109535.7A CN114104007B (zh) 2022-01-28 2022-01-28 一种自动驾驶车辆最小风险控制策略

Publications (2)

Publication Number Publication Date
CN114104007A true CN114104007A (zh) 2022-03-01
CN114104007B CN114104007B (zh) 2022-04-15

Family

ID=80362094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210109535.7A Active CN114104007B (zh) 2022-01-28 2022-01-28 一种自动驾驶车辆最小风险控制策略

Country Status (1)

Country Link
CN (1) CN114104007B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150345964A1 (en) * 2014-05-30 2015-12-03 Denso Corporation Evacuation travelling assistance apparatus
WO2017022538A1 (ja) * 2015-08-06 2017-02-09 矢崎エナジーシステム株式会社 運転評価装置
CN107618512A (zh) * 2017-08-23 2018-01-23 清华大学 基于人‑车‑环境多数据源的驾驶行为安全评价方法
US20190184997A1 (en) * 2017-12-19 2019-06-20 PlusAI Corp Method and system for risk based driving mode switching in hybrid driving
DE102018203064A1 (de) * 2018-03-01 2019-09-05 Honda Motor Co., Ltd. Kollisionsrisiko-Vorhersageeinheit
FR3093056A1 (fr) * 2019-02-22 2020-08-28 Suzuki Motor Corporation Dispositif de commande d'entrainement pour vehicule
CN111634286A (zh) * 2020-06-09 2020-09-08 北京百度网讯科技有限公司 自动驾驶车辆控制方法、装置、设备及可读存储介质
US20200310418A1 (en) * 2019-03-29 2020-10-01 Honda Motor Co., Ltd. Vehicle control system
CN112070419A (zh) * 2020-09-23 2020-12-11 交通运输部公路科学研究所 汽车驾驶潜在危险情景风险度量化方法
US20210012662A1 (en) * 2019-07-12 2021-01-14 Denso Corporation Apparatus and method for controlling driving of vehicle
CN112455466A (zh) * 2020-12-07 2021-03-09 安徽江淮汽车集团股份有限公司 自动驾驶控制方法、设备、存储介质及装置
US20210078604A1 (en) * 2019-09-18 2021-03-18 Subaru Corporation Automatic driving control apparatus for vehicle
CN112689588A (zh) * 2019-12-24 2021-04-20 华为技术有限公司 一种自动驾驶车辆的控制方法及装置
US20210116907A1 (en) * 2018-03-18 2021-04-22 Driveu Tech Ltd. Device, System, and Method of Autonomous Driving and Tele-Operated Vehicles
WO2021141142A1 (ko) * 2020-01-06 2021-07-15 엘지전자 주식회사 경로 제공 장치 및 그것의 경로 제공 방법
CN113240901A (zh) * 2021-03-05 2021-08-10 东南大学 一种智能车换道行为风险等级确定方法及装置
US20210380144A1 (en) * 2019-03-22 2021-12-09 Denso Corporation Driving takeover apparatus
CN215244703U (zh) * 2021-03-18 2021-12-21 郑州宇通客车股份有限公司 具备多重安全冗余机制的自动驾驶车辆及自动驾驶系统
US20220009524A1 (en) * 2018-11-15 2022-01-13 Sony Semiconductor Solutions Corporation Information processing apparatus, moving apparatus, and method, and program
CN113954837A (zh) * 2021-11-06 2022-01-21 交通运输部公路科学研究所 一种基于深度学习的大型营运车辆车道变换决策方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150345964A1 (en) * 2014-05-30 2015-12-03 Denso Corporation Evacuation travelling assistance apparatus
WO2017022538A1 (ja) * 2015-08-06 2017-02-09 矢崎エナジーシステム株式会社 運転評価装置
CN107618512A (zh) * 2017-08-23 2018-01-23 清华大学 基于人‑车‑环境多数据源的驾驶行为安全评价方法
US20190184997A1 (en) * 2017-12-19 2019-06-20 PlusAI Corp Method and system for risk based driving mode switching in hybrid driving
DE102018203064A1 (de) * 2018-03-01 2019-09-05 Honda Motor Co., Ltd. Kollisionsrisiko-Vorhersageeinheit
US20210116907A1 (en) * 2018-03-18 2021-04-22 Driveu Tech Ltd. Device, System, and Method of Autonomous Driving and Tele-Operated Vehicles
US20220009524A1 (en) * 2018-11-15 2022-01-13 Sony Semiconductor Solutions Corporation Information processing apparatus, moving apparatus, and method, and program
FR3093056A1 (fr) * 2019-02-22 2020-08-28 Suzuki Motor Corporation Dispositif de commande d'entrainement pour vehicule
US20210380144A1 (en) * 2019-03-22 2021-12-09 Denso Corporation Driving takeover apparatus
US20200310418A1 (en) * 2019-03-29 2020-10-01 Honda Motor Co., Ltd. Vehicle control system
US20210012662A1 (en) * 2019-07-12 2021-01-14 Denso Corporation Apparatus and method for controlling driving of vehicle
US20210078604A1 (en) * 2019-09-18 2021-03-18 Subaru Corporation Automatic driving control apparatus for vehicle
CN112689588A (zh) * 2019-12-24 2021-04-20 华为技术有限公司 一种自动驾驶车辆的控制方法及装置
WO2021141142A1 (ko) * 2020-01-06 2021-07-15 엘지전자 주식회사 경로 제공 장치 및 그것의 경로 제공 방법
CN111634286A (zh) * 2020-06-09 2020-09-08 北京百度网讯科技有限公司 自动驾驶车辆控制方法、装置、设备及可读存储介质
CN112070419A (zh) * 2020-09-23 2020-12-11 交通运输部公路科学研究所 汽车驾驶潜在危险情景风险度量化方法
CN112455466A (zh) * 2020-12-07 2021-03-09 安徽江淮汽车集团股份有限公司 自动驾驶控制方法、设备、存储介质及装置
CN113240901A (zh) * 2021-03-05 2021-08-10 东南大学 一种智能车换道行为风险等级确定方法及装置
CN215244703U (zh) * 2021-03-18 2021-12-21 郑州宇通客车股份有限公司 具备多重安全冗余机制的自动驾驶车辆及自动驾驶系统
CN113954837A (zh) * 2021-11-06 2022-01-21 交通运输部公路科学研究所 一种基于深度学习的大型营运车辆车道变换决策方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIA-LI YIN ET AL: "Automatic Dangerous Driving Intensity Analysis for Advanced Driver Assistance Systems From Multimodal Driving Signals", 《IEEE SENSORS JOURNAL》 *
周文辉: "自动驾驶汽车运行安全要求探讨", 《汽车与安全》 *
毛向阳等: "自动驾驶汽车安全影响因素分析与应对措施研究", 《上海汽车》 *

Also Published As

Publication number Publication date
CN114104007B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN107458243A (zh) 一种用于新能源汽车智能无人驾驶的故障停车控制方法
CN111824173B (zh) 一种适于智能驾驶系统故障的分级处理方法及装置
CN107844886A (zh) 车辆调度方法、装置、设备及存储介质
CN204856902U (zh) 防堵车红绿灯控制系统
CN104442934B (zh) 一种列车全自动驾驶的自动休眠方法及系统
CN108614790A (zh) 一种车载计算单元、车辆及车辆自动驾驶方法
CN112805199A (zh) 自动驾驶系统的自学习方法、装置、设备及存储介质
CN110356252B (zh) 行车控制方法、装置及计算机可读存储介质
CN105160424A (zh) 一种基于线性规划的应急救援车调度方法
CN105083263A (zh) 车辆驻车互锁系统和方法
CN114104007B (zh) 一种自动驾驶车辆最小风险控制策略
CN106875318A (zh) 一种停车位动态管理方法
CN109591642A (zh) 一种车辆充电方法、装置及系统
CN104466970B (zh) 一种备自投动态联切控制方法、装置和系统
CN110335484A (zh) 控制车辆行驶的方法及装置
CN105730448A (zh) 一种车辆的自动爬行与自动驻车的智能切换方法及装置
CN106385060B (zh) 用于无线充电系统的信息交互方法和系统
CN110065397A (zh) 一种电动汽车坡道起步辅助方法
CN102654194B (zh) 一种双离合器自动变速器车辆的弯道检测换档控制方法
CN109944935A (zh) 一种电动车辆自动降档控制方法和控制系统
CN106241539A (zh) 一种电梯安全运行的控制方法
CN111717221A (zh) 自动驾驶接管风险评估和人机友好预警方法及预警系统
CN104614986B (zh) 基于工况自学习的混合动力总成优化标定实验系统及方法
CN108109429A (zh) 一种代客泊车控制方法、装置及汽车
CN107274114A (zh) 巴士司机排班方法及系统

Legal Events

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