CN114347996A - 车辆行为监控 - Google Patents
车辆行为监控 Download PDFInfo
- Publication number
- CN114347996A CN114347996A CN202110498586.9A CN202110498586A CN114347996A CN 114347996 A CN114347996 A CN 114347996A CN 202110498586 A CN202110498586 A CN 202110498586A CN 114347996 A CN114347996 A CN 114347996A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- target vehicle
- distraction
- host vehicle
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 230000004044 response Effects 0.000 claims abstract description 18
- 230000003542 behavioural effect Effects 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 11
- 238000012502 risk assessment Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 51
- 238000004891 communication Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 11
- 230000001149 cognitive effect Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 9
- 206010041349 Somnolence Diseases 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000002996 emotional effect Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 7
- 230000003068 static effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000001771 impaired effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000036461 convulsion Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000035987 intoxication Effects 0.000 description 2
- 231100000566 intoxication Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010014020 Ear pain Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 208000005298 acute pain Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001668 ameliorated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm 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
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
-
- 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
- B60W2556/50—External transmission of data to or from the vehicle for navigation systems
-
- 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
- B60W2556/65—Data transmitted between vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Abstract
车辆行为监控包括确定目标车辆操作者分心的测量,表征分心的类型或类别,确定目标车辆造成的风险水平,以及调用各种响应,包括主车辆通知和规避动作以及外部通知和信息共享。
Description
技术领域
本公开涉及道路车辆中的情境感知。
背景技术
已知车辆系统监控车辆周围的区域,以提高车辆操作者的情境感知。常见的例子包括前后测距、测距率和视觉系统。这种系统可以是自主和半自主车辆控制中的使能器,例如自适应巡航控制、辅助停车、车道偏离警告、车道保持和盲点警告。
提出了车辆系统来监控车辆操作者。这种系统可以采用视觉系统、红外传感器、陀螺仪传感器和其他技术来监控车辆操作者的眼睛注视、眨眼/闭眼、头部姿势和其他度量。这些度量可以用于确定车辆操作者分心、困倦、疲劳等。
发明内容
在一个示例性实施例中,设备可以包括具有主车辆运动学信息的主车辆和接收主车辆运动学信息和对应于目标车辆的目标车辆运动学信息的相邻车辆监控模块。相邻车辆监控模块可以包括置信跟踪器模块,其基于主车辆运动学信息和目标车辆运动学信息产生目标车辆的操作者的分心的测量。该设备可以包括执行模块,该执行模块基于目标车辆的操作者的分心的测量来调用响应。
除了这里描述的一个或多个特征之外,相邻车辆监控模块还可以包括行为度量确定模块,该行为度量确定模块接收包括主车辆运动学信息和目标车辆运动学信息的分类输入。行为度量确定模块可以从分类输入中导出与目标车辆相关的行为度量,并将行为度量提供给置信跟踪器模块。
除了这里描述的一个或多个特征之外,置信跟踪器模块可以包括贝叶斯分类器和朴素贝叶斯分类器中的至少一个。
除了在此描述的一个或多个特征之外,相邻车辆监控模块还可以包括行为威胁估计模块,该行为威胁估计模块接收目标车辆的操作者的分心的测量,并基于分心的测量产生威胁估计。执行模块可以接收威胁估计并基于威胁估计调用响应。
除了这里描述的一个或多个特征之外,分类输入还可以包括车道度量和驾驶环境信息。
除了这里描述的一个或多个特征之外,主车辆还可以包括外部物体传感器和V2X通信系统中的至少一个,其中目标车辆运动学信息可以由主车辆从外部物体传感器和V2X通信系统中的至少一个接收。
除了在此描述的一个或多个特征之外,置信跟踪器模块可以接收临时驾驶环境信息,并且可以进一步基于临时驾驶环境信息来产生目标车辆的操作者分心的测量。
除了这里描述的一个或多个特征之外,行为威胁估计模块可以接收主车辆运动学信息、目标车辆运动学信息、车道度量和驾驶环境信息,并且可以进一步基于主车辆运动学信息、目标车辆运动学信息、车道度量和驾驶环境信息来产生威胁估计。
除了在此描述的一个或多个特征之外,相邻车辆监控模块还可以包括将目标车辆运动学信息转换成全局参考系的参考系转换模块。
除了这里描述的一个或多个特征之外,分心的测量可以包括可能性置信。
除了这里描述的一个或多个特征之外,威胁估计可以基于分心的测量与基于环境的阈值和基于严重性的阈值中的至少一个的比较来产生。
除了这里描述的一个或多个特征之外,由执行模块调用的响应可以包括发出主车辆警告、发出目标车辆警告、发出第三方警告和调用主车辆辅助控制中的至少一个。
除了这里描述的一个或多个特征之外,分心的度量可以包括视觉-手动分心、认知分心、情绪分心、困倦分心和受损分心中的至少一种。
在另一个示例性实施例中,设备可以包括提供主车辆运动学信息的主车辆,其中主车辆可以包括提供目标车辆运动学信息的外部物体传感器。该设备还可以具有接收分类输入的行为度量确定模块,该分类输入包括主车辆运动学信息和目标车辆运动学信息,其中行为度量确定模块可以从分类输入中导出与目标车辆相关的行为度量。该设备还可以具有接收行为度量的置信跟踪器模块,其中置信跟踪器模块可以基于行为度量的子集提供分类分心的测量。该设备还可以具有行为威胁估计模块,其接收分类分心的测量,并基于分类分心的测量产生威胁估计。该设备还可以具有基于威胁估计调用响应的执行模块。
除了这里描述的一个或多个特征之外,置信跟踪器模块可以接收临时驾驶环境信息,并且可以进一步基于临时驾驶环境信息来产生分类分心的测量。
除了这里描述的一个或多个特征之外,行为威胁估计模块可以接收主车辆运动学信息、目标车辆运动学信息、车道度量和驾驶环境信息,并且可以进一步基于主车辆运动学信息、目标车辆运动学信息、车道度量和驾驶环境信息来产生威胁估计。
在又一示例性实施例中,一种方法可以包括接收对应于目标车辆和主车辆的运动学信息,基于运动学信息导出与目标车辆相关的行为度量,基于行为度量的子集提供分类分心的测量,分析分类分心的测量并产生行为风险评估信息,接收行为风险评估信息并确定目标车辆对主车辆威胁估计,以及基于威胁估计,从主车辆调用响应。
除了在此描述的一个或多个特征之外,接收对应于目标车辆的运动学信息可以包括经由主车辆上的V2X传输和外部物体传感器中的至少一个从目标车辆接收运动学信息。
除了这里描述的一个或多个特征之外,导出与目标车辆相关的行为度量还可以基于车道度量和驾驶环境信息。
除了这里描述的一个或多个特征之外,基于行为度量的子集提供分类分心的测量可以包括在朴素贝叶斯分类器处接收行为度量的子集,并且从朴素贝叶斯分类器提供分类分心的可能性置信。
当结合附图时,根据以下详细描述,本公开的上述特征和优点以及其他特征和优点将变得显而易见。
附图简述
其他特征、优点和细节仅作为示例出现在以下详细描述中,详细描述参考附图,其中:
图1示出了根据本公开的示例性主车辆、目标车辆、和与主车辆进行目标车辆行为监控相关的系统;
图2示出了根据本公开的图1的系统的更详细视图;和
图3示出了根据本公开的图1和图2的系统的部分的扩展细节的实施例。
具体实施方式
以下描述本质上仅仅是示例性的,并不旨在限制本公开、其应用或使用。在所有附图中,相应的附图标记表示相似或相应的部件和特征。如本文所用,控制模块、模块、控制件、控制器、控制单元、电子控制单元、处理器和类似术语是指一个或多个专用集成电路(ASIC)、电子电路、中央处理单元(优选为微处理器)和相关存储器和存储装置(只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、硬盘驱动器等)中的任何一个或各种组合、或执行一个或多个软件或固件程序或例程的微控制器、组合逻辑电路、输入/输出(I/O)电路和设备、适当的信号调节和缓冲电路、高速时钟、模数(A/D)和数模(D/A)电路以及提供所述功能的其他组件。控制模块可以包括各种通信接口,包括点到点或离散线以及到网络的有线或无线接口,所述网络包括广域网和局域网、车辆控制器局域网以及厂内和服务相关网络。本公开中阐述的控制模块的功能可以在几个网络化控制模块之间的分布式控制架构中执行。软件、固件、程序、指令、例程、代码、算法和类似术语表示任何控制器可执行指令集,包括校准、数据结构和查找表。控制模块具有一组被执行来提供所述功能的控制例程。例程例如由中央处理单元执行,并且可操作来监控来自感测设备和其他网络控制模块的输入,并且执行控制和诊断例程来控制致动器的操作。在正在进行的发动机和车辆运行期间,可以定期执行程序。可选地,例程可以响应于事件、软件调用的发生或者经由用户界面输入或请求的需求而被执行。
在车辆操作者半自主或全自主地对车辆进行道路操作期间,车辆可以是驾驶场景中的观察者,该驾驶场景包括驾驶环境,例如包括道路及其特征、界限、状况和特征、周围基础设施、物体、标志、危险和共享道路的其他车辆。观察车辆在这里可以被称为主车辆。共享道路的其他车辆在这里可以被称为目标车辆。
主车辆可以配备各种传感器和通信硬件和系统。根据本公开,示例性主车辆101在图1中示出,其示出了用于目标车辆行为监控的示例性系统100。主车辆101可以是非自主车辆或者自主或半自主车辆。术语“自主或半自主车辆”可包括无需车辆操作员请求,或响应车辆操作员执行请求或确认响应,能够自动执行与驾驶相关的动作或功能的任何车辆,并可包括汽车工程师协会(SAE)驾驶自动化标准1-5级范围内的动作。主车辆101可以包括控制系统102,该控制系统102包括多个联网的电子控制单元(ECU),这些电子控制单元可以通过总线结构111通信耦合,以执行控制功能和信息共享,包括本地或以分布式方式执行控制例程。总线结构111可以是控制器局域网(CAN)或其他类似网络的一部分,如本领域普通技术人员所熟知的。车辆网络可以是有线的、无线的或其组合。一个示例性的ECU可以包括发动机控制模块(ECM)115,其主要基于多个输入121执行与内燃机监控、控制和诊断相关的功能。虽然输入121被示为直接耦合到ECM 115,但是输入可以从总线结构111上的各种众所周知的传感器、计算、推导、合成、其他ECU和传感器被提供给ECM 115或在ECM 115内被确定,如本领域普通技术人员所理解的。本公开中特别感兴趣的主车辆101总线数据可以包括各种车辆运动学数据。其他ECU 117可以是主车辆101上的控制器网络的一部分,并且可以执行与各种其他车辆系统和操作(例如,底盘、转向、制动、稳定性控制、变速器、通信、信息娱乐、车辆自动驾驶等)相关的功能。各种与主车辆101相关的信息通常可由所有联网的ECU获得和访问,例如车辆动态和运动学信息,例如速度、航向、转向角、多轴加速度和急动、偏航、俯仰、滚转等。另一个示例性的ECU可以包括外部物体计算模块(EOCM)113,其主要执行与感测车辆101外部环境相关的功能,更具体地,与道路车道、路面和物体感测相关的功能。除了主车辆101信息之外,EOCM 113可以从各种外部物体传感器119和其他来源接收信息。仅作为示例而非限制,EOCM 113可以从一个或多个雷达系统、激光雷达系统、超声波系统、视觉系统、全球定位系统(GPS)、地理信息系统(GIS)、车对车通信系统和车对基础设施通信系统,以及从车上或车外数据库(例如地图和基础设施数据库)接收信息。因此,EOCM 113可以访问位置数据、距离数据、速率数据和基于图像的数据,这些数据在道路和目标车辆信息的确定中是有用的,例如道路特征、界限、状况和特征以及目标车辆位置、距离和速度信息等。外部物体传感器119可以位于车辆周围的各种周界点,包括前部、后部、拐角、侧面等。如车辆101中那些位置的大点所示。外部物体传感器119可以有效地覆盖车辆周围的整个区域,或者可以选择性地覆盖预定的感兴趣区域。外部物体传感器119可以作为离散输入耦合到EOCM 113,如图所示,或者可以通过总线结构111向EOCM 113提供数据,如本领域普通技术人员所理解的。主车辆101可以配备有无线通信能力,总体上以123示出,其能够进行GPS卫星107通信、车辆到车辆(V2V)通信和车辆到基础设施(V2I)通信、通过已知的自组织网络的车辆到行人(V2P)通信、车辆到云(V2C)通信(例如通过地面无线电(例如蜂窝)塔105)或车辆到一切(V2X)通信中的一个或多个。在本公开中,对V2X的引用被理解为表示将车辆连接到车辆外的资源和系统的任何一种或多种无线通信能力,包括但不限于V2V、V2I、V2P、V2C。这里对用于目标车辆行为监控的示例性系统100的描述并不旨在穷举。各种示例性系统的描述也不应被解释为是完全必需的。因此,本领域普通技术人员将理解,根据本公开,来自所描述的示例性系统100的一些、所有和附加技术可以用于目标车辆行为监控的各种实现中。
参考图2,图2的系统100的用于由主车辆101进行目标车辆103行为监控的部分,包括EOCM 113,被更详细地示出。EOCM 113可以包括相邻车辆监控模块219,用于执行与监控、分析和作用于目标车辆的行为相关的功能。由相邻车辆监控模块219执行的功能可以包括确定目标车辆103的操作者分心的度量,表征分心的类型或类别(例如,视觉-手动、认知、情绪、困倦、受损),确定目标车辆造成的风险水平,并调用各种响应,包括主车辆通知和规避动作以及外部通知和信息共享。分类分心可能包括视觉-手动、认知、情绪、困倦和受损分心的例子。额外的或可替代的分类分心可以包括本文未阐述的其他内容,但是对于本领域的普通技术人员来说是显而易见的,例如通过人机交互研究、其他经验方法或直觉识别。根据本公开,可以使用少至一个的分类分心。
视觉-手动分心的特征可能是由操作员执行的任务,这些任务需要在视觉上观察任务项目的同时与任务项目进行物理交互,从而将注意力从主要任务(在这种情况下是驾驶)上转移开。非详尽的例子可能是发短信、阅读、吃饭或与车辆接口/收音机/HVAC控制装置互动。当这种分心的行为持续一段时间后,操作者的行为开始在他们的车辆动力学中表现出来。诸如伸手/把视线从路上移开的动作往往会导致操作者向他们正在看/伸手的方向漂移。由于脚离开或进入踏板,车速也会发生类似的变化。分心可以完全是视觉的(广告牌)或手动的(伸手够到物体而不用看),并有类似的效果。认知分心的特征可能是操作者对非驾驶相关项目的思考会影响对驾驶的注意力。非限制性的例子是打电话或做白日梦。这可能会导致操作员处理环境的效率降低,反应更慢。虽然车辆的横向运动可能是视觉-手动分心的特征,但认知分心可能表现为操作者对当前驾驶环境没有反应,或者反应缓慢或延迟。非限制性的例子可以包括当前面的车辆刹车时的延迟刹车或者没有从他们周围的车辆、标志或他们的镜子/仪表组中得到提示。脑力劳动不需要很费力,只需要思考到足以影响操作员的表现。例如,耳痛对认知要求不高,但任何急性疼痛都可能分散认知。情绪分心的特征可能是操作员处于高度或集中的情绪状态,这可能是由个人创伤事件(如家庭死亡、未解决的冲突或其他个人触发因素)引起的。这种高度的情绪状态可能导致操作者以更冲动的方式做出更少考虑的反应,并可能被描述为攻击性或危险行为。困倦分心可能只是因为操作员的身体试图入睡而导致注意力下降。它导致认知和身体反应差。当它显现时,就像视觉-手动分心和认知分心合二为一一样。但它可能更具攻击性,因为个人在驾驶时能力越来越差。可能会有重复或长期的不良行为,如横向漂移或不保持速度。醉酒分心也可能出现类似的情况,但操作者始终保持清醒和反应。醉酒操作员的行为可能与严重认知分心的操作员相似。然而,醉酒分心并不能通过振动带或险些失手这样的负面强化来改善,因为醉酒操作员不能立即改善醉酒的程度。
相邻车辆监控模块219的功能可以主要基于观察到的和/或提供的目标车辆运动学信息,并且在一些实施例中,附加信息例如GPS和GIS数据以及驾驶环境数据。目标车辆103可以受到主车辆101的主动或被动识别。在一个实施例中,可以通过与主车辆101相关联的一个或多个外部物体传感器119主动识别目标车辆103。被动识别指的是主车辆101通过V2X传输从目标车辆103接收相关信息,如这里进一步讨论的,例如通过V2V传输直接从目标车辆103接收。通常,本领域技术人员将理解,通过外部物体传感器119的物体检测需要主车辆101和目标车辆103之间的清晰视线,并且可能受到主车辆101和目标车辆103之间的距离的限制,并且对于一些传感器类型,受到周围环境/天气条件的限制。在一个实施例中,与主车辆101相关联的外部物体传感器119也可以主动识别道路特征、界限、条件和特性以及其他基础设施物体。
根据本公开,主要感兴趣的信息涉及目标车辆103的位置和运动(目标车辆运动学信息),并且可以基于外部物体传感器119。附加的上下文信息,例如道路和基础设施特征、限制和特征(车道度量)以及驾驶环境数据(环境条件),也可能是期望的,并且可以基于外部物体传感器119有利地导出。在一个实施例中,目标车辆运动学信息模块205可以从外部物体传感器119接收并导出目标车辆运动学信息,外部物体传感器119包括一个或多个具有距离/速率能力的传感器,例如雷达、激光雷达、超声波和视觉传感器,其提供直接对应于目标车辆103位置及其时间导数的数据。也就是说,目标车辆103在主车辆101的参考系内的位置、距离、速度、加速度和加加速度可从这种具有距离/速率能力的传感器获得。此外,众所周知,距离/速率传感器也可以在主车辆101的参考系内提供目标车辆偏航率。外部物体传感器119优选地以车辆标准纵向(X)和横向(Y)解析分量提供目标车辆103的位置、距离、速度、加速度和加加速度。否则,这种解析可以在下游传感器处理模块211中执行。根据“传感器处”信号处理的程度,下游传感器处理模块211可以包括各种过滤。此外,在外部物体传感器119是数字和/或拓扑流形的情况下,下游传感器处理模块211可以包括传感器融合。因此,应当理解,目标车辆运动学信息可以包括:目标车辆103纵向位置(VtPx)、速度(VtVx)和加速度(VtAx);目标车辆103横向位置(VtPy)、速度(VtVy)和加速度(VtAy);和目标车辆偏航率同样在主车辆101的参考系内,来自主车辆101的总线数据可以向主车辆运动学信息模块213提供主车辆运动学信息,包括:主车辆103纵向位置(VhPx)、速度(VhVx)和加速度(VhAx);主车辆103横向位置(VhPy)、速度(VhVy)和加速度(VhAy);和主车辆偏航率还可以包括基于车辆侧倾、俯仰和竖直的信息。
在另一个实施例中,主车辆101和目标车辆103可以是V2X 201,其能够允许从目标车辆103传输相关信息,以便由主车辆101利用例如专用短程通信(DSRC)来接收。因此,相对于目标车辆103总线数据的V2X通信,目标车辆103可以提供目标车辆运动学信息,包括VtPx,VtVx,VtAx,VtPy,VtVy,VtAy,和因此,应当理解,从目标车辆103总线数据提供的目标车辆运动学信息在目标车辆103的参考系内。本领域普通技术人员将认识到,V2X信息传输可以直接在车辆之间进行,或者通过V2V网状网络经由一个或多个其他相邻节点(周围的车辆或基础设施)进行。类似地,本领域普通技术人员将认识到,V2X信息传输可以通过V2C路由通信的方式进行,这可以包括额外的云资源和数据增强和处理,以及延长主车辆101和目标车辆103之间的通信距离。除了以上针对目标车辆103和主车辆101中的每一个阐述的示例性运动学信息之外,相应的运动学信息模块205、213可以导出并提供信息的公共时间和样本相关统计测量,包括例如平均值、范围和标准偏差等。这种统计的、衍生的、从属的或相关的信息被理解为包括在对运动学信息的任何引用中。
目标车辆运动学信息可以被提供给相邻车辆监控模块219。类似地,主车辆运动学信息也可以被提供给相邻车辆监控模块219。相邻车辆监控模块219可以包括参考系转换模块221,用于基于目标车辆运动学信息和主车辆运动学信息将从外部物体传感器119识别的目标车辆运动学信息转换成目标车辆103参考系。因此,相邻车辆监控模块219可以提供并进一步处理独立于主车辆101运动的目标车辆运动学信息。替代地或附加地,目标车辆运动学信息和主车辆运动学信息都可以根据需要或有益于附加处理而被转换成全局参考系。例如,如果利用目标车辆相对于诸如道路主方向的全局参考系的运动,则可以消除主车辆的运动变化。出于本公开的目的,对目标车辆运动学信息的进一步引用可以是关于任何有效的参考系。
车道度量模块207可以负责确定车道度量,包括目标车辆103附近的车道限制和宽度。当从主车辆101上的外部物体传感器119获得时,车道界限和宽度可以由视觉传感器数据导出。例如,众所周知,视觉传感器可以识别道路车道。附加信息可能有助于识别道路车道的鲁棒性。例如,来自GPS卫星107的GPS数据结合地图和其他GIS数据(其可从基于云的GIS数据库215或车载数据库217提供)可有助于车道度量模块207对车道限制和宽度的鲁棒确定。此外,V2I通信可以通过基础设施车道标志提供直接的车道限制信息。目标车辆103横向位置VtPy可被提供给车道度量模块207,用于目标车辆103到车道线和目标车辆103车道交叉的距离的额外确定。
环境条件模块209可以负责向主车辆101提供驾驶环境信息。驾驶环境信息可以进一步分为静态或准静态(以下称为静态)驾驶环境信息(例如,地理、道路、基础设施、速度限制和一天中的时间)和临时或情境(以下称为临时)驾驶环境信息(例如,天气和相关路况/能见度、交通状况/行为、相邻和主车辆分心/行为)。环境条件模块209可以依赖于主车辆101总线数据和传感器以及车外源。例如,某些可见度条件可以从环境光感测、前灯/雾灯使用、刮水器使用和雨感测等推断出来。附加信息基于来自GPS卫星107的GPS数据以及地图和其他GIS数据,这些数据可以从基于云的GIS数据库215中提供。例如,基于可用的GIS数据源,可以有利地提供包括雾、降水和影响能见度的其他天气影响条件的局部天气信息。此外,张贴的速度限制和道路坡度可能与GPS和GIS数据、视觉传感器数据或其他数据相关。此外,V2V和V2I通信可以以额外的粒度向主车辆101通知能见度条件,例如局部雾斑和未照明路段。交通拥堵、速度度量、交通堵塞、临时的和静态的道路危险,例如残疾车辆、坑洼、弯路和车道关闭以及其他驾驶环境信息可以类似地通过V2X通信提供给主车辆101。驾驶环境信息的静态和临时变化在相邻车辆监控模块219中都可能有用;然而,这两种变体可以在不同的过程节点上找到效用,这将随着本文的进一步公开而变得明显。
相邻车辆监控模块219可以进一步包括行为度量确定模块223、置信跟踪器模块225和行为威胁评估模块227。执行模块229从相邻车辆监控模块219的行为威胁评估模块227接收威胁评估输出,用于调用一个或多个适当的动作。通常,相邻车辆操作者模块219可以基于从在给定时间戳和之前收集的度量得出的动态来估计目标车辆103在给定时间戳分心的可能性。该状态被更新以确定车辆操作者目前分心的可能性。认识到不同的分心表现不同,可以使用各种度量来跟踪目标车辆103是否以独特的方式分心的置信,并由此确定可能构成何种威胁。例如,情绪分心的车辆操作者可能更有可能进行侵略性或攻击性驾驶。行为威胁评估可以基于分类分心的可能性置信,以及对所造成的威胁的性质以及可以采取什么和是否可以采取任何执行动作的确定来进行。
图3示出了关于图2在此阐述的相邻车辆监控模块219的行为度量确定模块223、置信跟踪器模块225和行为威胁评估模块227的一个实施例的详细视图。在图3的左侧,示出了行为度量确定模块223的分类输入303、305、307。输入303可以对应于目标车辆运动学信息和主车辆运动学信息,如前面关于图2的目标车辆运动学信息模块205和目标车辆运动学信息模块213所述。输入305可对应于如本文先前针对图2的车道度量模块207所阐述的车道度量。类似地,输入307可以对应于驾驶环境信息,如之前关于图2的环境条件模块209所述。更具体地,输入307可以对应于静态驾驶环境信息(例如,地理、道路、基础设施、速度限制)。行为度量确定模块223可以对分类输入303、305、307进行操作,以从中导出多个行为度量309,这些行为度量309将观察到的或提供的目标车辆运动学信息、车道度量和驾驶环境信息的个体或组合与目标车辆103操作者分心的指示符相关联。行为度量309可以表示为基本连续或离散值的标准化标量。分类输入303、305、307可以经受数据过滤,例如以确保合理的数据和平滑以及平均数据或数据持续时间信息的提供。例如,目标车辆103车道交叉频率或车道位置偏差(例如,一段时间内车辆相对于其车道中心的横向位置的标准偏差)可以基于目标车辆103车道交叉事件或用一个或多个不同的时间常数过滤的车辆位置记录来计算,因为不同的时间常数可能与不同类型或类别的分心相关。在较短的时间常数内,视觉-手动分心可能与频繁的车道交叉或车道位置偏差密切相关,而困倦分心可能与不频繁的车道交叉或较长时间常数内车道位置的较大偏差相关。因此,在给定的时间范围内,视觉-手动分心的可能性通常会随着频繁的车道交叉或车道位置偏差而增加。可以确定更复杂的行为度量309。例如,目标车辆103操作者投入转向校正的能量的量的指示(转向熵)可以从诸如目标车辆103大且频繁的横向速度事件和/或大且频繁的偏航率之类的输入来确定。因此,转向校正水平和频率的增加可能反映了视觉-手动分心的可能性增加。尽管转向熵可以与临时校正事件相关,但是另一个示例性行为度量可以与较长时间段上的横向变化相关,并且在某些目标车辆103操作者分心的可能性预测中是有用的。例如,基于目标车辆103横向位置和速度的标准偏差,可以获得一个或多个横向方差度量。尽管横向速度的较大变化与横向位置的较大变化相结合可能指示视觉-手动分心的较高可能性,但是横向速度的较小变化与横向位置的较大变化相结合可能更可能指示操作者执行变道或困倦操作者的较高可能性。其他行为度量309可以在分类输入303、305、307和其他对本领域普通技术人员来说显而易见的约束内确定。额外的非限制性示例包括预计碰撞时间、比较值,例如目标车辆103相对于张贴的速度限制的纵向速度或交通拥挤速度(例如,附近车辆的平均速度)、目标车辆103纵向速度的偏差度量、加速踏板释放时间或熵、制动踏板释放时间或熵、目标车辆103加速和/或制动熵,这些可以通过主动识别或被动识别技术来确定。例如,预计碰撞时间小于可能是车辆速度的函数的阈值,可能表示视觉-手动分心的可能性更高。替代地或附加地,当多个车辆接近事件(即,预计碰撞)的预定部分的预计碰撞时间小于车辆速度的函数,例如,也可以指示视觉-手动分心的更高可能性。对于本领域普通技术人员来说,其他行为度量309可能是显而易见的。这里详细描述的那些仅仅是通过非限制性的例子来提供的。
行为度量309传递到置信跟踪器模块225,在那里它们可以经受数据过滤,如本领域普通技术人员所公知的。在一个实施例中,来自图2的环境条件模块209的临时驾驶环境信息(例如,天气和相关的道路状况/能见度、交通状况/行为、相邻和主车辆分心/行为)可以以类似的方式传递给置信跟踪器模块225,并用作行为度量309。在一个实施例中,置信跟踪器模块225可以包括对应于各自的分类分心(例如,视觉-手动、认知、情绪、困倦、受损)的一个或多个分类器模块(M1,M2,M3,…Mn)。在一个实施例中,分类器模块可以基于行为度量309中的一些或全部来采用相应分类分心的可能性分类器。因此,每个单独的分类器模块可以包括相应的分类器,并且接收行为度量309的相应子集作为其输入,行为度量309的相应子集可以被称为行为度量的分类器输入矩阵,或者简称为分类器输入矩阵308。分类器模块(M1,M2,M3,…Mn)因此可以提供置信输出323,其是基于行为度量的子集的分类分心的度量。
在示例性分类器模块M1中,在一个实施例中,分类器输入矩阵308M1可以从行为度量309的子集构建。在一个实施例中,分类器模块M1可以包括具有相应原始分类器输出312的贝叶斯分类器(Bayesian classifier)311。替代实施例可以包括支持向量机(SVM)或人工神经网络(ANN)来执行相同的功能。考虑到车载数据处理资源和减少信息等待时间的愿望,贝叶斯分类器311可以是朴素贝叶斯分类器(Bayes classifier)可能是有益的,其中本领域普通技术人员认识到分类器输入矩阵308M1的个体行为度量的条件独立性的假设可以显著减少车载和训练期间的实现开销。原始分类器输出312可以是目标车辆103的车辆操作者分心的可能性。可以对分类器输出312进行时间平均或者过滤310,以提供当前分类器输出312(t)和先验分类器输出312(t-1)。先验分类器输出312(t-1)可以作为分类器输入矩阵308M1的行为度量之一被反馈。当前分类器输出312(t)在0-未分心和1-分心之间更新分类器模块M1的可能性置信314。因此,分类器模块M1的可能性置信314在置信输出323处提供了具有适当惯性性能的分心的平滑和稳定的测量。在另一个实施例中,通过附加的后处理,例如可能性置信314的阈值比较,置信输出323可以被简化为车辆操作者分心相对于各自的分类分心的二元状态(即,0-未分心或1-分心)。
置信跟踪器模块225可以将来自相应的一个或多个分类器模块(M1,M2,M3,…Mn)的置信输出323传递到行为威胁评估模块227,用于与例如基于置信输出323的个体和/或集体分析的风险评估/量化相关的进一步操作,以产生行为风险评估信息316。置信输出323可以由分心评估模块313接收,在分心评估模块313处,例如,与个体置信输出的阈值比较可以消除对相应的分类分心的进一步考虑(例如,视觉-手动、认知、情绪、困倦、受损),将其指定为威胁,或根据程度进一步量化(例如,低、中、高威胁级别)。可选地或附加地,可以相对于彼此进行个体置信输出的比较,以对可动作的分心进行优先排序。此外,可以分析个体置信输出的组合,以确定个体可能不被认为是可操作的分类分心的可操作组合。这些前面的例子不是限制性的,其他例子对于本领域普通技术人员来说是显而易见的。
分心评估模块313可以将行为风险评估信息316传递给威胁评级模块315,在威胁评级模块315处,例如,可以确定威胁估计输出318,包括目标车辆103对主车辆101的威胁评级。在一个实施例中,模块205、207、209和/或213可以向威胁评级模块315提供它们各自的信息。运动学信息模块205、213可以分别向威胁等级模块315提供目标车辆运动学信息和主车辆运动学信息,如之前参考图2详细描述的。车道度量模块207可以向威胁评级模块315提供车道度量,包括车道限制和宽度,如前面参考图2详细描述的。环境条件模块209可以向威胁等级模块315提供静态驾驶环境信息(例如,地理、道路、基础设施、速度限制)和/或临时驾驶环境信息(例如,天气和相关路况/能见度、交通状况/行为、相邻和主车辆分心/行为)。威胁评级模块315可以使用行为风险评估信息316以及各种运动学信息、车道度量和驾驶环境信息来评估例如行为是否由于环境、条件或紧急情况而被降低或其重要性被提高。例如,某些环境条件(例如,天气和能见度)可以合理地预期目标车辆103的操作者会表现出表现为某些分类分心的行为,从而降低了威胁等级,这表明目标车辆103的行为可以被忽略或者对其的响应减弱。某些严重性度量也可以用于确定主车辆101的响应。例如,在紧邻车道的目标车辆盲点中的主车辆101,其中目标车辆103表现出以车道交叉或车道位置偏差为特征的分类分心,可以被认为是关键的,从而提高威胁等级,由此主车辆101的一些回避策略可能是谨慎的。或者,目标车辆103表现出分类分心和朝向与主车辆101碰撞的轨迹可以提高威胁等级,建议主车辆101进行回避操作,而目标车辆103远离主车辆101的轨迹可以替代地降低威胁等级,向主车辆101操作者建议较小响应,例如信息警告。类似地,目标车辆103与主车辆101的接近度可以提高或降低目标车辆103的威胁等级。因此,威胁评级模块315可以将每个分类分心的威胁水平与已经为每个分类分心建立的一个或多个阈值进行比较。每个分类分心可能有多个阈值,例如:一个用于干昼条件,一个用于湿昼条件,一个用于冰/雪昼条件,一个用于干夜条件,一个用于湿夜条件,一个用于冰/雪夜条件。对于不同程度的分心,每个分类分心也可能有不同的阈值。然后,可以相对于这些阈值来确定威胁估计输出318。这些前面的例子不是限制性的,其他例子对于本领域普通技术人员来说是显而易见的。
行为威胁估计模块227可以将威胁估计输出318传递给执行模块229,在执行模块229处,例如,可以调用对目标车辆103行为的响应,这些响应在情境上和机会上适合于威胁估计输出318,并且与主车辆101的能力一致。例如,第一类主车辆101能力317可以向主车辆101操作者发出警告,例如在仪表板显示器、屏幕、平视显示器等上的可视显示的灯、图标、图形、文字消息等。警告也可以是可听的,包括音调、警报、模式和口头作品。触觉装置也可用于方向盘和座位区的触觉警告。这种警告可以向主车辆101的操作者传达估计的威胁的存在、风险水平、位置或建议的行动路线以及其他信息。第二类主车辆101能力319可以向目标车辆103的操作者发出警报,例如喇叭鸣笛和灯光闪烁,包括前灯、角标志灯、刹车灯和其他适当模式、频率、强度或颜色的警报。额外的目标车辆103操作者警告可以通过从主车辆101发出的V2X通信发起任何种类的警告或警报,如这里针对第一类主车辆101能力317所阐述的。第三类主车辆101能力321可以将相关信息传递给预定范围或相关道路内的除目标和主车辆之外的车辆,或者第三方和服务提供商。也可酌情联系执法人员和公路巡逻服务。这种通信可以是由主车辆101发起或请求的V2X通信,包括通过第三方服务提供商,例如第四类主车辆101能力323可以调用例如主车辆101系统的不同级别的辅助控制来避免情况、准备和减轻即将发生的碰撞。例如,通过自主或半自主车辆系统控制,主车辆101制动、推进、转向、乘员保护或路线规划和执行系统可被要求增加主车辆101和目标车辆103的分离,避免碰撞路径,采取规避动作,取消或修改路线或机动或为即将发生的碰撞做准备,以及其他任务。主车辆101能力的示例性类别可能不是详尽的,每个类别内的特定示例也不是详尽的。主车辆101能力的示例性类别可以不相互排斥,并且主车辆101可以在所有或一些类别中具有能力。在执行模块229中,可以将威胁评估输出与一个或多个阈值进行比较,以确定采取了任何动作317、319、321、323将如何。例如,如果提醒司机,反应更迅速,或者在调整路线规划之前更有信心。这些阈值可以与行为威胁估计模块227中使用的阈值相同或不同。
除非明确描述为“直接的”,否则当在上述公开中描述第一和第二元件之间的关系时,该关系可以是在第一和第二元件之间不存在其他介入元件的直接关系,但是也可以是在第一和第二元件之间存在一个或多个介入元件(在空间上或功能上)的间接关系。
应当理解,方法中的一个或多个步骤可以以不同的顺序(或同时)执行,而不改变本公开的原理。此外,尽管每个实施例在上面被描述为具有某些特征,但是关于本公开的任何实施例描述的那些特征中的任何一个或多个可以在任何其他实施例中实现和/或与任何其他实施例的特征相结合,即使该结合没有被明确描述。换句话说,所描述的实施例不是相互排斥的,并且一个或多个实施例彼此的置换仍在本公开的范围内。
虽然已经参考示例性实施例描述了上述公开,但是本领域技术人员将理解,在不脱离本发明的范围的情况下,可以进行各种改变,并且等同物可以替代其元件。此外,在不脱离本公开的基本范围的情况下,可以进行许多修改以使特定情况或材料适应本公开的教导。因此,意图是本公开不限于所公开的特定实施例,而是将包括落入其范围内的所有实施例。
Claims (10)
1.一种设备,包括:
主车辆,包括主车辆运动学信息;
相邻车辆监控模块,接收主车辆运动学信息和对应于目标车辆的目标车辆运动学信息,所述相邻车辆监控模块包括置信跟踪器模块,所述置信跟踪器模块基于主车辆运动学信息和目标车辆运动学信息产生目标车辆的操作者分心的测量;和
执行模块,基于目标车辆的操作者的分心的测量来调用响应。
2.根据权利要求1所述的设备,其中,所述置信跟踪器模块包括贝叶斯分类器和朴素贝叶斯分类器中的至少一个。
3.根据权利要求1所述的设备,其中,所述分心的测量包括可能性置信。
4.一种设备,包括:
提供主车辆运动学信息的主车辆,所述主车辆包括提供目标车辆运动学信息的外部物体传感器;
行为度量确定模块,接收包括主车辆运动学信息和目标车辆运动学信息的分类输入,所述行为度量确定模块从所述分类输入中导出与目标车辆相关的行为度量;
置信跟踪器模块,接收所述行为度量,所述置信跟踪器模块基于行为度量的子集提供分类分心的测量;
行为威胁估计模块,接收分类分心的测量,并基于分类分心的测量产生威胁估计;和
执行模块,基于威胁估计调用响应。
5.根据权利要求4所述的设备,其中,所述置信跟踪器模块接收临时驾驶环境信息,并进一步基于临时驾驶环境信息产生分类分心的测量。
6.根据权利要求4所述的设备,其中,所述行为威胁估计模块接收主车辆运动学信息、目标车辆运动学信息、车道度量和驾驶环境信息,并进一步基于主车辆运动学信息、目标车辆运动学信息、车道度量和驾驶环境信息产生威胁估计。
7.一种方法,包括:
接收对应于目标车辆和主车辆的运动学信息;
基于运动学信息导出与目标车辆相关的行为度量;
基于行为度量的子集提供分类分心的测量;
分析分类分心的测量并产生行为风险评估信息;
接收行为风险评估信息,并确定目标车辆对主车辆威胁估计;和
基于威胁估计,从主车辆调用响应。
8.根据权利要求7所述的方法,其中,接收对应于所述目标车辆的运动学信息包括经由V2X传输和所述主车辆上的外部物体传感器中的至少一个从所述目标车辆接收运动学信息。
9.根据权利要求7所述的方法,其中,导出与目标车辆相关的行为度量进一步基于车道度量和驾驶环境信息。
10.根据权利要求7所述的方法,其中,基于行为度量的子集提供分类分心的测量包括在朴素贝叶斯分类器处接收行为度量的子集,并从朴素贝叶斯分类器提供分类分心的可能性置信。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/068,065 | 2020-10-12 | ||
US17/068,065 US11708090B2 (en) | 2020-10-12 | 2020-10-12 | Vehicle behavioral monitoring |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114347996A true CN114347996A (zh) | 2022-04-15 |
Family
ID=80818228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110498586.9A Pending CN114347996A (zh) | 2020-10-12 | 2021-05-08 | 车辆行为监控 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11708090B2 (zh) |
CN (1) | CN114347996A (zh) |
DE (1) | DE102021112566A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11877217B2 (en) * | 2021-02-01 | 2024-01-16 | Toyota Motor Engineering & Manufacturing North America, Inc. | Message processing for wireless messages based on value of information |
US11673570B2 (en) * | 2021-04-26 | 2023-06-13 | Nissan North America, Inc. | Vehicle driving behavior monitoring and warning system |
US11767021B2 (en) * | 2021-09-15 | 2023-09-26 | Toyota Research Institute, Inc. | Systems and methods for remotely assisting an operator |
US20230399010A1 (en) * | 2022-06-09 | 2023-12-14 | GM Global Technology Operations LLC | Environmental state detection by observing road vehicle behaviors |
EP4358058A1 (en) * | 2022-10-17 | 2024-04-24 | Ningbo Geely Automobile Research & Development Co. Ltd. | A vehicular system and method for notifying a vehicle occupant of a nearby emergency vehicle |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150050046A (ko) * | 2013-10-31 | 2015-05-08 | 한국전자통신연구원 | 사고 발생 전 주행정보를 이용한 차량 제어장치 및 제어방법 |
US20160035220A1 (en) * | 2013-03-12 | 2016-02-04 | Inria Institut National De Recherche En Informatique Et En Automatique | Method and System to Assess Abnormal Driving Behaviour of Vehicles Travelling on Road |
CN105691390A (zh) * | 2016-02-04 | 2016-06-22 | 长安大学 | 一种车辆预警装置和预警方法 |
WO2018086805A1 (de) * | 2016-11-09 | 2018-05-17 | Robert Bosch Gmbh | Verfahren zur warnung des fahrers eines ersten kraftfahrzeugs vor einem herannahenden zweiten kraftfahrzeug |
US20190337512A1 (en) * | 2018-05-03 | 2019-11-07 | Honda Motor Co., Ltd. | Systems and methods for distracted driving detection |
US20200218935A1 (en) * | 2016-11-22 | 2020-07-09 | Japan Aerospace Exploration Agency | System, Method, and Program for Predicting Diminished Attentiveness State, and Storage Medium on Which Program Is Stored |
US20200225664A1 (en) * | 2014-10-24 | 2020-07-16 | Clearpath Robotics Inc. | Systems and methods for executing a task with an unmanned vehicle |
US10762786B1 (en) * | 2018-01-09 | 2020-09-01 | State Farm Mutual Automobile Insurance Company | Vehicle collision alert system and method for detecting driving hazards |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200131640A (ko) * | 2019-05-14 | 2020-11-24 | 현대자동차주식회사 | 차량 및 그 제어방법 |
US11180023B2 (en) * | 2019-08-30 | 2021-11-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicle for detection of impaired drivers of other vehicles |
US20220032924A1 (en) * | 2020-07-30 | 2022-02-03 | Morgan State University | System and method for driver distraction detection and classification |
-
2020
- 2020-10-12 US US17/068,065 patent/US11708090B2/en active Active
-
2021
- 2021-05-08 CN CN202110498586.9A patent/CN114347996A/zh active Pending
- 2021-05-14 DE DE102021112566.9A patent/DE102021112566A1/de active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160035220A1 (en) * | 2013-03-12 | 2016-02-04 | Inria Institut National De Recherche En Informatique Et En Automatique | Method and System to Assess Abnormal Driving Behaviour of Vehicles Travelling on Road |
KR20150050046A (ko) * | 2013-10-31 | 2015-05-08 | 한국전자통신연구원 | 사고 발생 전 주행정보를 이용한 차량 제어장치 및 제어방법 |
US20200225664A1 (en) * | 2014-10-24 | 2020-07-16 | Clearpath Robotics Inc. | Systems and methods for executing a task with an unmanned vehicle |
CN105691390A (zh) * | 2016-02-04 | 2016-06-22 | 长安大学 | 一种车辆预警装置和预警方法 |
WO2018086805A1 (de) * | 2016-11-09 | 2018-05-17 | Robert Bosch Gmbh | Verfahren zur warnung des fahrers eines ersten kraftfahrzeugs vor einem herannahenden zweiten kraftfahrzeug |
US20200218935A1 (en) * | 2016-11-22 | 2020-07-09 | Japan Aerospace Exploration Agency | System, Method, and Program for Predicting Diminished Attentiveness State, and Storage Medium on Which Program Is Stored |
US10762786B1 (en) * | 2018-01-09 | 2020-09-01 | State Farm Mutual Automobile Insurance Company | Vehicle collision alert system and method for detecting driving hazards |
US20190337512A1 (en) * | 2018-05-03 | 2019-11-07 | Honda Motor Co., Ltd. | Systems and methods for distracted driving detection |
Also Published As
Publication number | Publication date |
---|---|
US20220111867A1 (en) | 2022-04-14 |
DE102021112566A1 (de) | 2022-04-14 |
US11708090B2 (en) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11312378B2 (en) | System and method for vehicle control using vehicular communication | |
US11338813B2 (en) | System and method for merge assist using vehicular communication | |
US10421459B2 (en) | Contextual-assessment vehicle systems | |
US10737667B2 (en) | System and method for vehicle control in tailgating situations | |
US10625742B2 (en) | System and method for vehicle control in tailgating situations | |
CN109383415B (zh) | 具有自适应人群感测能力的情景感知车辆通信系统和控制逻辑 | |
US11708090B2 (en) | Vehicle behavioral monitoring | |
US10331141B2 (en) | Systems for autonomous vehicle route selection and execution | |
US20190250622A1 (en) | Controlling autonomous vehicles using safe arrival times | |
CN111137284B (zh) | 一种基于驾驶分心状态的预警方法及预警装置 | |
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 | |
US20170369069A1 (en) | Driving behavior analysis based on vehicle braking | |
US11587461B2 (en) | Context-sensitive adjustment of off-road glance time | |
US20060117297A1 (en) | Device and method for controlling at least one system component of an information system | |
JP2018135068A (ja) | 情報処理システム、情報処理方法及びプログラム | |
US20240037964A1 (en) | Systems and methods for performing operations in a vehicle using gaze detection | |
Antony et al. | Advanced driver assistance systems (ADAS) | |
CN112289075A (zh) | 车辆主动安全系统报警策略自适应设定方法及系统 | |
US20230150552A1 (en) | System and method of managing a driver take-over from an autonomous vehicle based on monitored driver behavior | |
US11267402B1 (en) | Systems and methods for prioritizing driver warnings in a vehicle | |
Pérez et al. | Vehicle control in ADAS applications: State of the art | |
US20230365133A1 (en) | Lane keeping based on lane position unawareness | |
US20230079116A1 (en) | Adaptive communication for a vehicle in a communication network | |
Howard | Enhanced driver safety with advanced vision systems | |
US11926259B1 (en) | Alert modality selection for alerting a driver |
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 |