CN114502444A - 用于提供本地动态地图数据的边缘系统 - Google Patents
用于提供本地动态地图数据的边缘系统 Download PDFInfo
- Publication number
- CN114502444A CN114502444A CN202080069205.9A CN202080069205A CN114502444A CN 114502444 A CN114502444 A CN 114502444A CN 202080069205 A CN202080069205 A CN 202080069205A CN 114502444 A CN114502444 A CN 114502444A
- Authority
- CN
- China
- Prior art keywords
- data
- mobile device
- ldm
- processor
- ldm data
- 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
Links
- 238000000034 method Methods 0.000 claims abstract description 96
- 238000013499 data model Methods 0.000 claims abstract description 47
- 230000004044 response Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 89
- 238000007726 management method Methods 0.000 description 49
- 238000012545 processing Methods 0.000 description 37
- 238000013439 planning Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 32
- 230000004927 fusion Effects 0.000 description 31
- 230000015654 memory Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 29
- 230000033001 locomotion Effects 0.000 description 28
- 238000003860 storage Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 23
- 230000006399 behavior Effects 0.000 description 19
- 230000005540 biological transmission Effects 0.000 description 14
- 238000000926 separation method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 230000001413 cellular effect Effects 0.000 description 8
- 230000008447 perception Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000001953 sensory effect Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- LHMQDVIHBXWNII-UHFFFAOYSA-N 3-amino-4-methoxy-n-phenylbenzamide Chemical compound C1=C(N)C(OC)=CC=C1C(=O)NC1=CC=CC=C1 LHMQDVIHBXWNII-UHFFFAOYSA-N 0.000 description 1
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
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
- B60W60/001—Planning or execution of driving tasks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- 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
-
- 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
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor 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]
-
- 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]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- B60W2556/35—Data fusion
-
- 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 of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
实施例包括由诸如边缘应用服务器(504)的边缘计算设备的处理器执行的用于生成本地动态地图(LDM)数据的方法。处理器可以接收边缘计算设备的服务区域的新的或更新的(“第一”)LDM数据。处理器可将第一LDM数据集成到LDM数据模型中。处理器可以确定LDM数据模型的、与车辆或移动设备(510)相关的第二LDM数据。处理器可以将所确定的第二LDM数据提供给车辆或移动设备(510)。
Description
相关申请
本申请要求2019年10月8日提交的标题为“Edge System for Providing LocalDynamic Map Data”的美国临时申请第62/912,601号的优先权,该临时申请的全部内容在此通过引用并入本文以用于所有目的。
背景技术
本地动态地图(LDM)是通常由移动设备构建的数据模型。移动设备从一个或多个传感器获得关于其环境的信息,并且可以从其他移动设备(例如,经由车辆到一切(V2X)通信系统)或从诸如基于云的服务器的网络元件接收其他LDM数据。从移动设备传感器和其他移动设备接收的LDM数据受到移动设备的传感器和其他移动设备的传感器的感知限制的限制。从远程网络单元接收的LDM数据通常遭受等待时间,并且可能无法反映高度动态的环境条件。此外,移动设备通常接收关于远离并且与移动设备无关的条件和事件的信息。
发明内容
各个方面包括由边缘计算设备执行的用于为诸如自主和半自主车辆的移动设备生成本地动态地图(LDM)数据的方法。
各个方面包括由边缘计算设备执行的、用于生成LDM数据的方法,包括接收边缘计算设备的服务区域的第一LDM数据,将第一LDM数据集成到LDM数据模型中,确定LDM数据模型的、与移动设备相关的第二LDM数据,以及将所确定的第二LDM数据提供给移动设备。在一些方面中,LDM数据模型可以被维护在边缘计算设备中,并且包括边缘计算设备的服务区域的LDM数据。
在一些方面中,移动设备是车辆中的计算设备。在这样的方面中,将所确定的第二LDM数据提供给移动设备可以包括生成包含车辆的预定距离内的区域的数字地图,以及将数字地图发送到车辆,其中可以以适用于车辆的自主导航的格式生成和发送数字地图。
一些方面还可以包括从移动设备接收注册消息,其中确定与移动设备相关的第二LDM数据可以包括基于与注册消息一起包括的信息确定与移动设备相关的第二LDM数据。
一些方面还可以包括由边缘计算设备接收关于移动设备的计划路线的信息,其中确定与移动设备相关的第二LDM数据可以包括沿着计划路线确定与移动设备相关的第二LDM数据。
一些方面还可以包括从移动设备接收移动设备运动学信息,其中确定与移动设备相关的第二LDM数据可以包括基于移动设备运动学信息确定与移动设备相关的第二LDM数据。
在一些方面中,接收边缘计算设备的服务区域的第一LDM数据可以包括从移动设备接收数据,其中所接收的数据包括由移动设备获得的传感器数据、图像数据、音频数据或操作状态数据中的一个或多个,以及从所接收的数据确定应该集成到LDM数据模型中的信息。
在一些方面中,第一LDM数据可以包括如在相关欧洲电信标准协会标准中定义的高度动态的信息的数据。在一些方面中,第一LDM数据可以包括在阈值时间量内从传感器或另一信息源获得的数据。在一些方面中,阈值可以是两秒。在一些方面中,确定的第二LDM数据可以包括如在相关欧洲电信标准协会标准中定义的高度动态的LDM信息。在一些方面中,可以经由边缘网络接口接收第一数据。
一些方面还可以包括生成移动设备的状态表示。在这样的方面中,确定与移动设备相关的第二LDM数据可以包括基于所生成的移动设备的状态表示来确定与移动设备相关的第二LDM数据。这些方面还可以包括基于状态表示和第二LDM数据确定增量信息,并将所确定的增量信息提供给移动设备。这些方面还可以包括接收LDM数据查询,以及基于所生成的移动设备的状态表示和所接收的LDM数据查询来确定与移动设备相关的第二LDM数据。
一些方面还可以包括基于多个信任参数确定所接收的第一LDM数据的信任度量,以及确定信任度量是否超过信任度量阈值。在这样的方面中,将第一LDM数据集成到LDM数据模型中可以包括响应于确定信任度量超过信任度量阈值,将第一LDM数据集成到LDM数据模型中。
其他方面可以包括具有被配置为执行上述任何方法的一个或多个操作的处理器的移动设备。其他方面可以包括非暂时性处理器可读存储介质,其上存储处理器可执行指令,该处理器可执行指令被配置为使移动设备的处理器执行上述方法的操作。其他方面包括具有用于执行上述方法的功能的部件的移动设备。其他方面包括用于移动设备中的片上系统,该移动设备包括被配置为执行上述方法的一个或多个操作的处理器。其他方面包括封装中的系统,该封装中的系统包括用于移动设备中的两个片上系统,该移动设备包括被配置为执行上述方法的一个或多个操作的处理器。
附图说明
并入本文并构成本说明书一部分的附图示出了权利要求的示例性实施例,并且与上面给出的一般描述和下面给出的详细描述一起用于说明权利要求的特征。
图1A是示出了适用于各种实施例的示例通信系统的系统框图。
图1B和1C是示出了适于实施各种实施例的车辆的组件框图。
图1D是示出了适于实施各种实施例的车辆的组件的组件框图。
图1E是示出了适用于实施各种实施例的边缘网络的方面的系统框图。
图2A是示出了根据各种实施例的示例车辆管理系统的组件的组件框图。
图2B是示出了根据各种实施例的另一示例车辆管理系统的组件的组件框图
图3是示出了根据各种实施例的用于车辆的片上系统的组件的框图。
图4是示出了根据各种实施例的被配置为生成本地动态地图数据的系统的组件框图。
图5是示出了适用于各种实施例的示例边缘计算系统的系统框图。
图6是示出了根据各种实施例的由边缘计算设备的处理器执行的用于生成LDM数据的方法的操作的处理流程图。
图7-图15是示出了根据各种实施例的作为用于生成LDM数据的方法的一部分可以由边缘计算设备的处理器执行的操作的处理流程图。
图16是适用于各种实施例的边缘计算设备的组件框图。
图17是适用于各种实施例的移动设备的组件框图。
具体实施方式
将参考附图详细描述各种实施例。在可能的情况下,在整个附图中将使用相同的附图标记来指代相同或相似的部分。对特定示例和实现的引用是为了说明的目的,并不旨在限制权利要求的范围。
术语“移动设备”在本文中用于指无线路由器设备、无线电器、蜂窝电话、智能手机、便携式计算设备、个人或移动多媒体播放器、膝上型计算机、平板计算机、智能本、超级本、掌上计算机、无线电子邮件接收器,多媒体互联网蜂窝电话、医疗设备和装备、生物识别传感器/设备、可穿戴设备,其包括智能手表、智能服装、智能眼镜、智能腕带、智能珠宝(例如智能戒指、智能手镯等)、娱乐设备(例如无线游戏控制器、音乐和视频播放器,卫星无线电等)、支持无线网络的物联网(IoT)设备,其包括智能仪表/传感器、工业制造装备、家用或企业用的大小机械和电器、自动和半自动车辆内的无线通信元件,固定在或并入各种移动平台的移动设备、全球定位系统设备和包括存储器、无线通信组件和可编程处理器的类似电子设备。
术语“片上系统”(SOC)在本文中用于指包含集成在单个基板上的多个资源和/或处理器的单个集成电路(IC)芯片。单个SOC可包含用于数字、模拟、混合信号和射频功能的电路。单个SOC还可以包括任意数量的通用和/或专用处理器(数字信号处理器、调制解调器处理器、视频处理器等)、存储器块(例如ROM、RAM、Flash等)和资源(例如定时器、电压调节器、振荡器等)。SOC还可以包括用于控制集成资源和处理器以及用于控制外围设备的软件。
术语“封装中的系统”(SIP)可在本文中用于指包含两个或多个IC芯片、基板或SOC上的多个资源、计算单元、核心和/或处理器的单个模块或封装。例如,SIP可以包括单个基板,在该基板上以垂直配置堆叠多个IC芯片或半导体晶片。类似地,SIP可以包括一个或多个多芯片模块(MCM),在该多芯片模块上多个IC或半导体晶片被封装到统一基板中。SIP还可以包括多个独立的SOC,这些SOC经由高速通信电路耦合在一起并紧密封装,诸如在单个主板上或单个移动设备中。SOC的邻近有助于高速通信以及存储器和资源的共享。
术语“多核处理器”可在本文中用于指包含被配置为读取和执行程序指令的两个或多个独立处理核心(例如,CPU核心、互联网协议(IP)核心、图形处理器单元(GPU)核心等)的单个集成电路(IC)芯片或芯片封装。SOC可以包括多个多核处理器,并且SOC中的每个处理器可以被称为核心。术语“多处理器”可在本文中用于指包括被配置为读取和执行程序指令的两个或多个处理单元的系统或设备。
如在本申请中使用的,术语“组件”、“系统”、“单元”、“模块”等包括计算机相关实体,诸如但不限于硬件、固件、硬件和软件的组合、软件或执行中的软件,它们被配置为执行特定操作或功能。例如,组件可以是但不限于在处理器、处理器、对象、可执行文件、执行线程、程序和/或计算机上运行的进程。作为说明,在通信设备上运行的应用和通信设备都可以被称为组件。一个或多个组件可以驻留在执行的进程和/或线程中,并且组件可以本地化在一个处理器或内核上和/或分布在两个或多个处理器或内核之间。此外,这些组件可以从其上存储有各种指令和/或数据结构的各种非暂时性计算机可读介质执行。组件可以通过本地和/或远程过程、函数或过程调用、电子信号、数据分组、存储器读/写以及其他已知的计算机、处理器和/或过程相关的通信方法进行通信。
通常,车辆或移动设备使用从一个或多个传感器(例如,相机、雷达、激光雷达等)、从一个或多个其他移动设备或车辆和/或从远程数据源和诸如基于云的服务器的网络元件获得的信息来构建LDM。处理这些信息并将LDM数据呈现为可用或可呈现的形式,诸如数字地图,需要大量处理器密集型操作。
车辆或移动设备使用的信息通常限于可存储在存储器中的数据(例如,静态地图)和来自车载传感器的数据。从车载传感器和其他移动设备接收的LDM数据受到每个传感器的灵敏度、视野和感知限制的限制。从远程网络元件接收的LDM数据通常不包括移动设备的车辆附近环境的最新变化,因此可能无法反映高度动态的环境条件(例如,道路封闭、施工、事故等)。
LDM数据可以以反映此类信息可能动态变化的程度的各种类型来结构化。例如,LDM数据可以分类为(例如,在相关的欧洲电信标准协会(ETSI)标准中):类型1用于永久静态信息,诸如道路位置和地理特征;类型2用于瞬态静态信息,诸如速度限制;类型3用于瞬态动态信息,诸如天气、交通信息;类型4用于高度动态的信息,诸如其他运动车辆的位置、行人、停放的车辆、交通信号的状态和其他高度瞬态条件。特别地,来自远程网络元件的LDM数据不包括高度动态的信息(例如,类型4信息),因为详细瞬态条件的收集、存储、组织和分发可能过于复杂和昂贵。此外,依赖LDM数据的车辆和其他移动设备不能从接收关于远处条件和事件的信息中受益,因此与操作(诸如导航)无关。因此,从远程数据源发送LDM数据可能会因需要处理不相关的数据而不必要地增加移动设备的计算负担。
这些缺点中的许多可以通过使用边缘计算资源来组装、处理LDM数据并将其分发到附近的车辆/移动设备来解决。边缘计算是一种分布式计算范式,它使网络计算设备和数据存储位于更靠近诸如移动设备的设备。可以部署边缘计算通过在边缘计算设备内执行一些处理任务并将处理后的结果发送到移动设备来补充移动设备的处理能力。与在距离移动设备更远的网络位置处执行的更传统的基于云的处理相比,边缘计算系统可以改善响应时间并节省带宽。
各种实施例提供了被配置为在边缘计算设备处收集、组装和生成LDM数据,并将经处理的LDM数据传送到附近的车辆和移动设备的方法和计算设备。一些实施例利用边缘计算资源的更大计算能力以及边缘计算资源与车辆和移动设备的相对接近性来提供包括超出车辆和移动设备上的传感器范围但与每个车辆和移动设备相关的高度动态的信息的经处理的LDM数据。
在各种实施例中,边缘计算设备可以接收边缘计算设备的服务区域的新的或更新的(称为“第一”)LDM数据。在一些实施例中,边缘计算设备可以从除车辆和移动设备之外的一个或多个数据源(诸如其他车辆和移动设备、路边单元(RSU)、可以发送协作意识消息(CAM)消息或分散环境通知消息(DENM)消息的数据源以及各种基于互联网或云的资源)接收第一LDM数据。在一些实施例中,边缘计算设备可以经由边缘网络接口接收第一LDM数据。在一些实施例中,接收的第一LDM数据可以是反映高度瞬态条件的类型4信息或“高度动态”信息。在一些实施例中,可以在诸如两秒、一秒、250毫秒或另一适当的阈值或时间窗口的阈值时间量内从传感器或另一信息源获得所接收的LDM数据。在一些实施例中,第一LDM数据可以包括由车辆和移动设备的传感器收集并发送到边缘计算设备的数据,诸如传感器数据、图像数据、音频数据或车辆/设备操作状态数据。在这样的实施例中,边缘计算设备可以确定从车辆和移动设备接收到的应该集成到LDM数据模型中的信息。
在一些实施例中,LDM数据模型表示边缘计算设备的服务区域的LDM数据的聚合。在一些实施例中,边缘计算设备可以确定LDM数据模型的、与特定车辆和移动设备相关的第二LDM数据,并且可以将所确定的第二LDM数据提供给车辆和移动设备。在一些实施例中,边缘计算设备确定的与特定车辆和移动设备相关的LDM数据(即,第二LDM数据)可以是高度动态的LDM信息(例如,如在相关ETSI标准中定义的此类信息)。
在一些实施例中,移动设备可以是车辆中的计算设备,诸如自主车辆或半自主车辆的导航单元或车辆控制系统。在一些实施例中,将所确定的第二LDM数据提供给车辆和移动设备可以包括生成包含每个车辆的预定距离内的区域的数字地图,以及将所生成的车辆特定数字地图发送到车辆。在这些实施例中,可以以适用于车辆计算设备用于自主导航的格式来生成和发送数字地图。
在一些实施例中,边缘计算设备可以从车辆和移动设备接收注册消息。注册消息可以注册车辆或移动设备以从边缘应用服务器接收作为服务的LDM数据。在一些实施例中,边缘计算设备可以从移动设备接收包括在注册消息中或与注册消息一起的信息,诸如关于移动设备的位置的信息、关于移动设备的计划路线的信息、关于移动设备的运动学的信息以及来自移动设备的其他信息。在一些实施例中,边缘计算设备可以使用任何这样的信息来确定与车辆和移动设备中的每一个相关的第二LDM数据。在各种实施例中,边缘计算设备可以通过边缘网络接口向车辆和移动设备中的每一个提供第二LDM数据。
各种实施例通过利用边缘计算资源来聚合和处理边缘计算设备表面区域本地的LDM数据,并将该聚合和处理的LDM数据提供给车辆和移动设备来改进车辆和移动设备的操作。各种实施例通过利用边缘计算资源来确定与特定车辆和移动设备相关的LDM数据并将该相关的LDM数据提供给相应的车辆或移动设备来改进车辆和移动设备的操作。各种实施例可以向车辆和移动设备提供否则可能对车辆和移动设备不可用的LDM数据,从而改善使用LDM数据的应用和系统的准确性。各种实施例减少了与处理LDM数据相关联的车辆和移动设备上的处理负担,该处理负担可能是高度资源密集型的。
图1A示出了适用于实施各种实施例的通信系统100的示例。通信系统100可以是5GNR网络或任何其他合适的通信网络(例如,4G LTE、3G等)。
通信系统100可以包括异构网络架构,该异构网络架构包括核心网络132和各种移动设备(在图1中示为移动设备120a-120e)。通信系统100可以包括边缘网络134,提供靠近移动设备的网络计算资源。通信系统100还可以包括多个基站(图示为BS 110a、BS 110b、BS110c和BS 110d)和其他网络实体。基站是与移动设备(移动设备)通信的实体,并且还可以被称为NodeB、NodeB、LTE演进的NodeB(eNB)、接入点(AP)、无线电头、发送接收点(TRP)、新无线电基站(NR BS)、5G NodeB(NB)、下一代NodeB(gNB)等。每个基站可以为特定地理区域提供通信覆盖。在3GPP中,术语“小区”可指基站的覆盖区域、服务该覆盖区域的基站子系统或其组合,这取决于使用该术语的上下文。
基站110a-110d可以为宏小区、微微小区、毫微微小区、另一类型的小区或其组合提供通信覆盖。宏小区可以覆盖相对较大的地理区域(例如,半径数公里),并且可以允许具有服务订阅的移动设备进行不受限制的接入。微微小区可以覆盖相对较小的地理区域,并且可以允许移动设备通过服务订阅进行不受限制的接入。毫微微小区可以覆盖相对较小的地理区域(例如,家庭),并且可以允许与毫微微小区相关联的移动设备(例如,封闭订户组(CSG)中的移动设备)进行受限接入。用于宏小区的基站可被称为宏BS。用于微微小区的基站可被称为微微BS。用于毫微微小区的基站可被称为毫微微BS或家庭BS。在图1所示的示例中,基站110a可以是用于宏小区102a的宏BS,基站110b可以是用于微微小区102b的微微BS,并且基站110c可以是用于毫微微小区102c的毫微微BS。基站110a-110d可以支持一个或多个(例如,三个)小区。术语“eNB”、“基站”、“NR BS”、“gNB”、“TRP”、“AP”、“节点B”、“5G NB”和“小区”可在本文中互换使用。
在一些示例中,小区可能不是静止的,并且小区的地理区域可以根据移动基站的位置而移动。在一些示例中,基站110a-110d可以使用任何合适的传输网络,通过各种类型的回程接口(例如直接物理连接、虚拟网络或其组合)彼此互连,以及与通信系统100中的一个或多个其他基站或网络节点(未示出)互连。
基站110a-110d可以通过有线或无线通信链路126与核心网络132通信。移动设备120a-120e可以通过无线通信链路122与基站110a-110d通信。
有线通信链路126可以使用各种有线网络(例如,以太网、电视电缆、电话、光纤和其他形式的物理网络连接),其可以使用一个或多个有线通信协议,诸如以太网、点对点协议、高级数据链路控制(HDLC)、高级数据通信控制协议(ADCCP)和传输控制协议/互联网协议(TCP/IP)。
通信系统100还可以包括中继站(例如,中继BS 110d)。中继站是能够从上游站(例如,基站或移动设备)接收数据传输并将数据传输发送到下游站(例如,移动设备或基站)的实体。中继站还可以是可以为其他移动设备中继传输的移动设备。在图1所示的示例中,中继站110d可以与宏基站110a和移动设备120d通信,以便促进基站110a和移动设备120d之间的通信。中继站也可以被称为中继基站、中继基站、中继等。
通信系统100可以是异构网络,其包括不同类型的基站,例如,宏基站、微微基站、毫微微基站、中继基站等。这些不同类型的基站可以具有不同的发送功率水平、不同的覆盖区域,以及对通信系统100中的干扰的不同影响。例如,宏基站可以具有高发送功率水平(例如,5到40瓦),而微微基站、毫微微基站和中继基站可以具有较低的发送功率水平(例如,0.1到2瓦)。
网络控制器130可以耦合到基站集合,并且可以为这些基站提供协调和控制。网络控制器130可以经由回程与基站通信。基站还可以例如经由无线或有线回程直接或间接地彼此通信。
移动设备120a、120b、120c可以分散在整个通信系统100中,并且每个移动设备可以是静止的或移动的。移动设备还可以被称为接入终端、终端、移动站、订户单元、站等。
宏基站110a可以通过有线或无线通信链路126与通信网络132通信。移动设备120a、120b、120c可以通过无线通信链路122与基站110a-110d通信。
无线通信链路122、124可以包括多个载波信号、频率或频带,每个载波信号、频率或频带可以包括多个逻辑信道。无线通信链路122和124可以利用一个或多个无线接入技术(RAT)。可在无线通信链路中使用的RAT的示例包括3GPP LTE、3G、4G、5G(例如,NR)、GSM、码分多址(CDMA)、宽带码分多址(WCDMA)、全球微波接入互操作性(WiMAX)、时分多址(TDMA),以及其他移动电话通信技术蜂窝RAT。可在通信系统100内的各种无线通信链路122、124中的一个或多个中使用的RAT的进一步示例包括诸如Wi-Fi、LTE-U、LTE-Direct、LAA、MuLTEfire的中距离协议,以及诸如ZigBee、蓝牙和蓝牙低能耗(LE)的相对短距离RAT。
某些无线网络(例如LTE)在下行链路上利用正交频分复用(OFDM),在上行链路上利用单载波频分复用(SC-FDM)。OFDM和SC-FDM将系统带宽划分为多个(K个)正交子载波,这些子载波通常也称为频调、bin等。每个子载波可以用数据进行调制。通常,调制符号在频域中使用OFDM发送,在时域中使用SC-FDM发送。相邻子载波之间的间隔可以是固定的,并且子载波的总数(K)可以取决于系统带宽。例如,子载波的间隔可以是15KHz,最小资源分配(称为“资源块”)可以是12个子载波(或180KHz)。因此,对于1.25、2.5、5、10或20兆赫(MHz)的系统带宽,标称快速文件传输(FFT)大小可分别等于128、256、512、1024或2048。系统带宽也可以被划分成子带。例如,子带可以覆盖1.08MHz(即,6个资源块),并且对于1.25、2.5、5、10或20MHz的系统带宽,可以分别具有1、2、4、8或16个子带。
虽然一些实施例的描述可以使用与LTE技术相关联的术语和示例,但是各种实施例可以适用于其他无线通信系统,诸如新无线电(NR)或5G网络。NR可以在上行链路(UL)和下行链路(DL)上利用具有循环前缀(CP)的OFDM,并且包括对使用时分双工(TDD)的半双工操作的支持。可以支持100MHz的单分量载波带宽。NR资源块可以跨越12个子载波,子载波带宽为75kHz,持续时间为0.1ms。每个无线电帧可以由长度为10ms的50个子帧组成。因此,每个子帧可以具有0.2ms的长度。每个子帧可以指示用于数据传输的链路方向(即,DL或UL),并且每个子帧的链路方向可以动态切换。每个子帧可以包括DL/UL数据以及DL/UL控制数据。可以支持波束形成,并且可以动态地配置波束方向。还可以支持具有预编码的多输入多输出(MIMO)传输。DL中的MIMO配置可以支持最多8个发送天线,每个移动设备具有最多8个流和最多2个流的多层DL传输。可以支持每个移动设备具有多达2个流的多层传输。多个小区的聚合可以由多达八个服务小区来支持。替代地,除了基于OFDM的空中接口之外,NR可以支持不同的空中接口。
一些移动设备可以被认为是机器类型通信(MTC)或演进或增强的机器类型通信(eMTC)移动设备。MTC和eMTC移动设备包括例如机器人、无人机、远程设备、传感器、仪表、监视器、位置标签等,其可与基站、另一设备(例如,远程设备)或一些其他实体通信。例如,无线节点可经由有线或无线通信链路为网络(例如,诸如因特网或蜂窝网络的广域网)提供连接或提供到网络的连接。一些移动设备可以被认为是物联网(IoT)设备或可以被实现为NB-IoT(窄带物联网)设备。移动设备120a-e可包括在容纳移动设备的组件(诸如处理器组件、存储器组件、类似组件或其组合)的外壳内。
通常,可以在给定的地理区域中部署任意数量的通信系统和任意数量的无线网络。每个通信系统和无线网络可以支持特定的无线电接入技术(RAT),并且可以在一个或多个频率上操作。RAT还可以被称为无线电技术、空中接口等。频率还可以被称为载波、频道等。每个频率可以支持给定地理区域中的单个RAT,以避免不同RAT的通信系统之间的干扰。在某些情况下,可以部署NR或5G RAT网络。
在一些实施方式中,两个或多个移动设备120a-e(例如,图示为移动线设备120a和移动设备120e)可以使用一个或多个侧行链路信道124直接通信(例如,不使用基站110作为彼此通信的中介)。例如,移动设备120a-e可使用对等(P2P)通信、设备到设备(D2D)通信、车辆到一切(V2X)协议(其可包括车辆到车辆(V2V)协议、车辆到基础设施(V2I)协议或类似协议)、网状网络或类似网络或其组合进行通信。在这种情况下,移动设备120a-e可以执行调度操作、资源选择操作以及本文别处描述的由基站110a执行的其他操作。
可以在各种车辆内实施各种实施例,其中的示例车辆101在图1A和图1B中示出。参考图1A和图1B,车辆101可包括控制单元140和多个传感器144-170,包括卫星地理定位系统接收器142、占用传感器144、146、148、150、152、轮胎压力传感器154、156、相机158、160、麦克风162、164、冲击传感器166、雷达168和激光雷达170。设置在车辆内或车辆上的多个传感器144-170可用于各种目的,诸如自主和半自主导航和控制、碰撞避免、位置确定等,以及提供关于车辆101内或车辆101上的对象和人的传感器数据。传感器144-170可以包括能够检测对导航和避免碰撞有用的各种信息的各种传感器中的一个或多个。传感器144-170中的每一个可以与控制单元140以及彼此进行有线或无线通信。具体地,传感器可以包括一个或多个相机158、160或其他光学传感器或光电传感器。传感器还可以包括其他类型的对象检测和测距传感器,诸如雷达168、激光雷达170、IR传感器和超声波传感器。传感器还可以包括轮胎压力传感器154、156、湿度传感器、温度传感器、卫星地理定位传感器142、控制输入传感器145、加速度计、振动传感器、陀螺仪、重力仪、冲击传感器166、测力计、应力计、应变传感器、流体传感器、化学传感器、气体含量分析仪、pH传感器、辐射传感器、盖革计数器、中子探测器、生物材料传感器、麦克风162、164、占用传感器144、146、148、150、152、接近传感器和其他传感器。
车辆控制单元140可以配置有处理器可执行指令,以使用从各种传感器(特别是相机158、160)接收的信息来执行导航和碰撞避免操作。在一些实施例中,控制单元140可以使用可以从雷达168和/或激光雷达170传感器获得的距离和相对位置(例如,相对方位角)来补充相机图像的处理。控制单元140还可以被配置为使用关于使用各种实施例确定的其他车辆的信息来控制车辆101在自主或半自主模式下操作时的转向、中断和速度。
图1D是示出适用于实施各种实施例的组件和支持系统的通信系统100的组件框图。参照图1A-图1D,车辆101可包括控制单元140,其可包括用于控制车辆101的操作的各种电路和设备。在图1D所示的示例中,控制单元140包括处理器140a、存储器140b、输入模块140c、输出模块140d和无线电模块140e。控制单元140可以耦合到并被配置为控制车辆101的驱动控制组件172a、导航组件172b和一个或多个传感器172c。处理器140a可配置有处理器可执行指令,以控制车辆101的操纵、导航和/或其他操作,包括各种实施例的操作。处理器140a可以耦合到存储器140b。
无线电模块140e可以被配置用于无线通信。无线电模块140e可以经由与网络收发器(例如,基站110)的通信链路122交换信号(例如,用于控制操纵的命令信号、来自导航设施的信号等),并且可以将信号提供给处理器140a和/或导航单元172b。在一些实施例中,无线电模块140e可使车辆101能够通过无线通信链路124与无线通信设备120通信。无线通信链路124可以是双向或单向通信链路,并且可以使用所述的一个或多个通信协议。
输入模块140c可以接收来自一个或多个车辆传感器172c的传感器数据以及来自包括驱动控制组件172a和导航组件172b的其他组件的电子信号。输出模块140d可以与车辆101的各种组件(包括驱动控制组件172a、导航组件172b和传感器172c)通信或激活这些组件。
控制单元140可耦合到驱动控制组件172a以控制与车辆的操纵和导航有关的车辆101的物理元件,诸如发动机、电动机、油门、转向元件、飞行控制元件、制动或减速元件等。驱动控制组件172a还可以包括控制车辆的其他设备的组件,包括环境控制(例如,空调和加热)、外部和/或内部照明、内部和/或外部信息显示器(其可以包括显示屏或用于显示信息的其他设备)、安全设备(例如,触觉设备、声音警报等)以及其他类似设备。
控制单元140可以耦合到导航组件172b,并且可以从导航组件172b接收数据,并且被配置为使用这些数据来确定车辆101的当前位置和方位,以及朝向目的地的适当路线。导航组件172b可以包括或耦合到使得车辆101能够使用GNSS信号确定其当前位置的全球导航卫星系统(GNSS)接收器系统(例如,一个或多个全球定位系统(GPS)接收器)。替代地或附加地,导航组件172b可包括无线电导航接收器,用于从无线电节点(诸如Wi-Fi接入点、蜂窝网络站点、无线电台、远程计算设备、其他车辆等)接收导航信标或其他信号。通过对驱动控制元件172a的控制,处理器140a可以控制车辆101进行导航和操纵。处理器140a和/或导航组件172b可以被配置为经由无线通信链路122与诸如通信网络(例如,核心网络132)中的服务器的网络元件通信,以接收控制操纵的命令、接收用于导航的数据、提供实时位置报告以及评估其他数据。
控制单元140可以耦合到一个或多个传感器172c。传感器172c可以包括所述的传感器144-170,并且可以被配置为向处理器140a提供各种数据。
虽然控制单元140被描述为包括单独的组件,但在一些实施例中,组件中的一些或全部(例如,处理器140a、存储器140b、输入模块140c、输出模块140d和无线电模块140e)可以集成在单个设备或模块中,诸如片上系统(SOC)处理设备。这样的SOC处理设备可以被配置用于车辆中并且被配置有诸如在处理器140a中执行的处理器可执行指令,以在安装在车辆中时使用LDM数据来执行导航和避免碰撞的操作。
图1E是示出适用于实施各种实施例的边缘网络134的方面的系统框图。在一些实施例中,每个车辆101(或任何其他移动设备)可以配置有应用客户端101a和边缘使能器客户端101b。在一些实施例中,应用客户端101a和边缘使能器客户端101b可以经由无线通信链路与边缘使能器服务器(EAS)184a-184c通信。边缘使能器服务器184a-184c中的每一个可以经由有线或无线通信链路与边缘使能器服务器180通信。边缘使能器服务器180可以与LDM数据库182通信。边缘使能器服务器184a-184c中的每一个还可以直接与LDM数据库182通信。以上关于图1A描述了各种有线和无线通信链路的方面。在一些实施例中,每个EAS184a-184c和180可以在一个或多个计算设备(诸如网络服务器或另一适当的计算设备)上执行。
在各种实施例中,LDM数据库182可以存储LDM数据和/或LDM数据模型。EAS 180可以从LDM数据库182维护、更新、添加和删除信息。在一些实施例中,EAS 180可以经由用于边缘服务区的EAS 184a-184c从车辆101接收新的或更新的LDM数据,并且可以将LDM数据集成到LDM数据模型中。在一些实施例中,EAS 180可以执行一个或多个认证或安全功能,以在LDM数据被包括或集成到LDM数据库182中的LDM数据模型之前验证LDM数据。
在一些实施例中,EAS 184a-184c可以在每个车辆101的计算设备上运行。在一些实施例中,EAS 184a-184c可以确定要提供给相关联车辆101的LDM数据子集,然后将所确定的LDM数据子集提供给车辆101。在一些实施例中,EAS 184a-184c可以向EAS 180和/或LDM数据库182查询适用于车辆101的LDM信息。在一些实施例中,与车辆101相关联的EAS 184a-184c可以为相关联的车辆101生成车辆状态表示。在一些实施例中,车辆状态表示可以包括关于相关联车辆的信息,诸如位置、运动方向、速度、占用率、状态(例如,操作状态,诸如“开启”、“停放”、“运动中”等)、关于车辆的大小、尺寸和/或体积信息以及其他车辆描述信息。一些实施例还可以应用于其他移动设备(例如,在车辆以外),对于这些移动设备,EAS184a-184c可以确定并维护可应用的状态表示(例如,包括可应用于特定移动设备的参数)。在一些实施例中,EAS 184a-184c可以使用车辆状态表示来确定要提供给车辆101的相关LDM信息。在一些实施例中,EAS 184a-184c可以向EAS 180提供车辆状态表示,以使EAS 180能够确定要提供给车辆101的相关LDM信息。在一些实施例中,车辆状态表示还可以包括由相关联车辆101存储或由相关联车辆101使用的当前LDM子集。
图2A是示出示例车辆管理系统200的组件的组件框图。车辆管理系统200可包括可在车辆101内使用的各种子系统、通信元件、计算元件、计算设备或单元。参考图1A-图2A,车辆管理系统200内的各种计算元件、计算设备或单元可在相互通信数据和命令(例如,由图2A中的箭头指示)的互连计算设备的系统(即,子系统)内实施。在一些实施方式中,车辆管理系统200内的各种计算元件、计算设备或单元可在单个计算设备内实施,诸如单独的线程、进程、算法或计算元件。因此,图2A中示出的每个子系统/计算元件在本文中也通常被称为构成车辆管理系统200的计算“堆栈”内的“层”。然而,在描述各种实施例时使用术语层和堆栈并不旨在暗示或要求在单个自主(或半自主)车辆管理系统计算设备内实现相应的功能,尽管这是潜在的实施方式实施例。相反,术语“层”的使用旨在包括在一个或多个计算设备中运行的具有独立处理器、计算元件(例如,线程、算法、子例程等)的子系统,以及子系统和计算元件的组合。
车辆管理系统堆栈可以包括雷达感知层202、相机感知层204、定位引擎层206、地图融合和仲裁层208、路线规划层210、传感器融合和道路世界模型(RWM)管理层212、运动规划和控制层214、以及行为规划和预测层216。层202-216仅仅是车辆管理系统堆栈200的一个示例配置中的一些层的示例。在其他配置中,可以包括其他层,诸如用于其他感知传感器的附加层(例如,激光雷达感知层等)、用于规划和/或控制的附加层、用于建模的附加层等,和/或可以从车辆管理系统堆栈200中排除某些层202-216。如图2A中的箭头所示,层202-216中的每一层可以交换数据、计算结果和命令。此外,车辆管理系统堆栈200可以接收和处理来自传感器(例如,雷达、激光雷达、相机、惯性测量单元(IMU)等)、导航系统(例如,GPS接收器、IMU等)、车辆网络(例如,控制器局域网(CAN)总线)和存储器中的数据库(例如,数字地图数据)的数据。车辆管理系统堆栈200可以将车辆控制命令或信号输出到线控驱动(DBW)系统/控制单元220,该系统/控制单元220是直接与车辆转向、油门和制动控制接口的系统、子系统或计算设备。图2A中示出的车辆管理系统堆栈200和DBW系统/控制单元220的配置仅仅是示例配置,并且可以使用车辆管理系统和其他车辆组件的其他配置。作为示例,图2A中所示的车辆管理系统堆栈200和DBW系统/控制单元220的配置可用于被配置用于自主或半自主操作的车辆,而不同的配置可用于非自主车辆。
雷达感知层202可以从一个或多个检测和测距传感器(诸如雷达(例如132)和/或激光雷达(例如138))接收数据,并处理该数据以识别和确定车辆100附近内的其他车辆和对象的位置。雷达感知层202可以包括使用神经网络处理和人工智能方法来识别对象和车辆,并将这些信息传递给传感器融合和RWM管理层212。
相机感知层204可以从一个或多个相机(诸如相机(例如122、136))接收数据,并处理该数据以识别和确定车辆100附近内的其他车辆和对象的位置。相机感知层204可以包括使用神经网络处理和人工智能方法来识别对象和车辆,并将这些信息传递给传感器融合和RWM管理层212。
定位引擎层206可以从各种传感器接收数据并处理该数据以确定车辆100的位置。各种传感器可以包括但不限于GPS传感器、IMU和/或经由CAN总线连接的其他传感器。定位引擎层206还可以利用来自一个或多个相机(例如相机(例如122、136))和/或任何其他可用传感器(诸如雷达、激光雷达等)的输入。
车辆管理系统200可以包括或耦合到车辆无线通信子系统230。无线通信子系统230可被配置为诸如经由车辆到车辆(V2V)通信链路与其他车辆计算设备和高速公路通信系统通信和/或经由诸如5G网络的蜂窝无线通信系统与诸如基于云的资源的远程信息源通信。在各种实施例中,无线通信子系统230可经由无线通信链路与边缘计算设备通信以接收LDM数据。
地图融合和仲裁层208可以访问从边缘计算设备接收的LDM数据,并接收从定位引擎层206接收的输出,并且处理该数据以进一步确定车辆101在地图内的位置,诸如在交通车道内的位置、在街道地图内的位置等。LDM数据可以存储在存储器(例如,存储器166)中。例如,地图融合和仲裁层208可以将来自GPS的纬度和经度信息转换为包含在LDM数据中的道路表面地图内的位置。GPS位置修复包括误差,因此地图融合和仲裁层208可用于基于GPS坐标和LDM数据之间的仲裁来确定车辆在道路内的最佳猜测位置。例如,虽然GPS坐标可以将车辆放置在LDM数据中的两车道道路的中间附近,但地图融合和仲裁层208可以根据行进方向确定车辆最有可能与和行进方向一致的行进车道对齐。地图融合和仲裁层208可以将基于地图的位置信息传递给传感器融合和RWM管理层212。
路线规划层210可以利用LDM数据以及来自操作员或调度员的输入来规划车辆101要遵循的到特定目的地的路线。路线规划层210可以将基于地图的位置信息传递给传感器融合和RWM管理层212。然而,不需要由诸如传感器融合和RWM管理层212等的其他层使用先前的地图。例如,其他堆栈可以在没有提供地图的情况下仅基于感知数据来操作和/或控制车辆,在接收到感知数据时构建车道、边界和本地地图的概念。
传感器融合和RWM管理层212可以接收由雷达感知层202、相机感知层204、地图融合和仲裁层208以及路线规划层210产生的数据和输出,并使用这些输入中的一些或全部来估计或细化车辆101相对于道路、道路上的其他车辆以及车辆100附近内的其他对象的位置和状态。例如,传感器融合和RWM管理层212可以将来自相机感知层204的图像数据与来自地图融合和仲裁层208的仲裁地图位置信息组合,以细化车辆在交通车道内的确定位置。作为另一示例,传感器融合和RWM管理层212可以将来自相机感知层204的对象识别和图像数据与来自雷达感知层202的对象检测和测距数据组合,以确定和细化在车辆附近的其他车辆和对象的相对位置。作为另一示例,传感器融合和RWM管理层212可以从车辆到车辆(V2V)通信(诸如经由CAN总线)接收关于其他车辆位置和行进方向的信息,并将该信息与来自雷达感知层202和相机感知层204的信息组合,以细化其他车辆的位置和运动。传感器融合和RWM管理层212可以向运动规划和控制层214和/或行为规划和预测层216输出车辆100的精确位置和状态信息,以及车辆附近的其他车辆和对象的精确位置和状态信息。
作为另一示例,传感器融合和RWM管理层212可使用指示车辆101改变速度、车道、行进方向或其他导航元素的动态交通控制指令,并将该信息与其他接收到的信息组合,以确定精细的位置和状态信息。传感器融合和RWM管理层212可以经由无线通信,诸如通过C-V2X连接、其他无线连接等,将车辆100的细化位置和状态信息以及车辆100附近的其他车辆和对象的细化位置和状态信息输出到运动规划和控制层214、行为规划和预测层216和/或远离车辆100的设备,诸如数据服务器、其他车辆等。
作为又一示例,传感器融合和RWM管理层212可以监视来自各种传感器的感知数据,诸如来自雷达感知层202、相机感知层204、其他感知层等的感知数据,和/或来自一个或多个传感器本身的数据,以分析车辆传感器数据中的条件。传感器融合和RWM管理层212可以被配置为检测传感器数据中的条件,诸如传感器测量处于、高于或低于阈值、发生的某些类型的传感器测量等,并且可以经由无线通信,诸如通过C-V2X连接、其他无线连接等,将传感器数据作为车辆101的细化位置和状态信息的一部分输出给行为规划和预测层216和/或远离车辆100的设备,诸如数据服务器、其他车辆等。
细化的位置和状态信息可以包括与车辆以及车辆所有者和/或操作者相关联的车辆描述符,诸如:车辆规格(例如尺寸、重量、颜色、车载传感器类型等);车辆位置、速度、加速度、行进方向、姿态、方位、目的地、燃料/功率水平和其他状态信息;车辆紧急状况(例如,车辆是紧急车辆还是紧急情况下的私人车辆);车辆限制(例如,重/宽负载、转弯限制、高载客车辆(HOV)授权等);车辆的能力(例如,全轮驱动、四轮驱动、雪地轮胎、链条、支持的连接类型、车载传感器工作状态、车载传感器分辨率级别等);设备问题(例如,低胎压、弱刹车、传感器故障等);所有者/操作者的出行偏好(例如,首选车道、道路、路线和/或目的地、避免收费或高速公路的偏好、对最快路线的偏好等);向数据代理服务器(例如,184)提供传感器数据的权限;和/或所有者/操作者标识信息。
自主车辆系统栈200的行为规划和预测层216可以使用从传感器融合和RWM管理层212输出的车辆101的细化位置和状态信息以及其他车辆和对象的位置和状态信息来预测其他车辆和/或对象的未来行为。例如,行为规划和预测层216可以使用这样的信息来基于自己的车辆位置和速度以及其他车辆的位置和速度来预测车辆附近的其他车辆的未来相对位置。这种预测可以考虑来自LDM数据和路线规划的信息,以预测当主车辆和其他车辆沿着道路时相对车辆位置的变化。行为规划和预测层216可以向运动规划和控制层214输出其他车辆和对象行为和位置预测。另外,行为规划和预测层216可以结合位置预测使用对象行为来规划和生成用于控制车辆100的运动的控制信号。例如,基于路线规划信息、道路信息中的细化位置以及其他车辆的相对位置和运动,行为规划和预测层216可以确定车辆101需要改变车道和加速,诸如保持或实现与其他车辆的最小间距,和/或准备转弯或出口。结果,行为规划和预测层216可以计算或以其他方式确定车轮的转向角和要向运动规划和控制层214和DBW系统/控制单元220命令的油门设置的改变,以及实现这种车道改变和加速所需的各种参数。一个这样的参数可以是计算的方向盘指令角。
运动规划和控制层214可以接收来自传感器融合和RWM管理层212的数据和信息输出以及来自行为规划和预测层216的其他车辆和对象行为以及位置预测,并使用该信息来规划和生成用于控制车辆101的运动的控制信号,并验证这些控制信号是否满足车辆100的安全要求。例如,基于路线规划信息、道路信息中的细化位置以及其他车辆的相对位置和运动,运动规划和控制层214可以验证各种控制命令或指令并将其传递给DBW系统/控制单元220。
DBW系统/控制单元220可以从运动规划和控制层214接收命令或指令,并将这些信息转换成用于控制车辆100的车轮角度、制动和油门的机械控制信号。例如,DBW系统/控制单元220可以通过向方向盘控制器发送相应的控制信号来响应计算出的方向盘指令角。
在各种实施例中,无线通信子系统230可经由无线通信链路与边缘计算设备通信,以发送传感器数据、位置数据、车辆数据和由车载传感器收集的关于车辆周围环境的数据。边缘计算设备可以使用这些信息来更新LDM数据,以中继到每个边缘计算设备的本地区域内的车辆。
在各种实施例中,车辆管理系统堆栈200可包括对可能影响车辆和乘员安全的各种层的各种命令、计划或其他决策执行安全检查或监督的功能。这种安全检查或监督功能可以在专用层内实施,或者分布在各个层之间,并作为功能的一部分被包括在内。在一些实施例中,各种安全参数可以存储在存储器中,并且安全检查或监督功能可以将所确定的值(例如,与附近车辆的相对间距、与道路中心线的距离等)与相应的安全参数进行比较,并在违反或将要违反安全参数时发出警告或命令。例如,行为规划和预测层216(或在单独的层中)中的安全或监督功能可确定另一车辆(如由传感器融合和RWM管理层212定义)与车辆(例如,基于由传感器融合和RWM管理层212细化的世界模型)之间的当前和未来分离距离,将该分离距离与存储在存储器中的安全分离距离参数进行比较,并且如果当前或预测的分离距离违反安全分离距离参数,则向运动规划和控制层214发出指令以加速、减速或转弯。作为另一示例,运动规划和控制层214(或单独层)中的安全或监督功能可将所确定的或命令的方向盘指令角与安全车轮角度限制或参数进行比较,并响应于命令角超过安全车轮角度限制而发出超控指令和/或警报。
存储在存储器中的一些安全参数可以是静态的(即,不随时间变化),诸如最大车辆速度。存储在存储器中的其他安全参数可以是动态的,因为这些参数是基于车辆状态信息和/或环境条件连续地或周期性地确定或更新的。安全参数的非限制性示例包括最大安全速度、最大制动压力、最大加速度和安全车轮角度限制,所有这些都可以是道路和天气条件的函数。
图2B示出了车辆管理系统250内的子系统、计算元件、计算设备或单元的示例,其可在车辆100内使用。参考图1A-图2B,在一些实施例中,车辆管理系统堆栈200的层202、204、206、208、210、212和216可以类似于参考图2A描述的层,并且车辆管理系统堆栈250可以类似于车辆管理系统堆栈200进行操作,除了车辆管理系统堆栈250可以将各种数据或指令传递给车辆安全和碰撞避免系统252而不是DBW系统/控制单元220。例如,图2B所示的车辆管理系统堆栈250和车辆安全和碰撞避免系统252的配置可用于非自主车辆。
在各种实施例中,行为规划和预测层216和/或传感器融合和RWM管理层212可以向车辆安全和碰撞避免系统252输出数据。例如,传感器融合和RWM管理层212可以输出传感器数据,作为提供给车辆安全和碰撞避免系统252的车辆101的细化位置和状态信息的一部分。车辆安全和碰撞避免系统252可以使用车辆101的细化位置和状态信息来做出关于车辆101和/或车辆100的乘员的安全确定。作为另一示例,行为规划和预测层216可以向车辆安全和碰撞避免系统252输出与其他车辆的运动相关的行为模型和/或预测。车辆安全和碰撞避免系统252可以使用与其他车辆的运动相关的行为模型和/或预测来做出关于车辆101和/或车辆100的乘员的安全确定。
在各种实施例中,车辆安全和碰撞避免系统252可包括对可能影响车辆和乘员安全的各种层的各种命令、计划或其他决策以及人类驾驶员动作执行安全检查或监督的功能。在一些实施例中,各种安全参数可以存储在存储器中,并且车辆安全和碰撞避免系统252可以将所确定的值(例如,与附近车辆的相对间距、与道路中心线的距离等)与相应的安全参数进行比较,并在违反或将要违反安全参数时发出警告或命令。例如,车辆安全和碰撞避免系统252可确定另一车辆(如由传感器融合和RWM管理层212定义的)与车辆(例如,基于由传感器融合和RWM管理层212细化的世界模型)之间的当前和未来分离距离,将该分离距离与存储在存储器中的安全分离距离参数进行比较,并且如果当前或预测的分离距离违反安全分离距离参数,则向驾驶员发出指令以加速、减速或转弯。作为另一示例,车辆安全和碰撞避免系统252可以将人类驾驶员在方向盘角度上的变化与安全车轮角度限制或参数进行比较,并响应于方向盘角度超过安全车轮角度限制而发出超控命令和/或警报。
图3示出了适于在车辆中实施各种实施例的处理设备SOC 300的示例片上系统(SOC)架构。参考图1A-图3,处理设备SOC 300可以包括多个异构处理器,诸如数字信号处理器(DSP)303、调制解调器处理器304、图像和对象识别处理器306、移动显示处理器307、应用处理器308以及资源和电源管理(RPM)处理器317。处理设备SOC 300还可以包括连接到异构处理器303、304、306、307、308、317中的一个或多个的一个或多个协处理器310(例如,矢量协处理器)。每个处理器可以包括一个或多个核心,以及独立/内部时钟。每个处理器/核心可以独立于其他处理器/核心执行操作。例如,处理设备SOC 300可以包括执行第一类型操作系统(例如FreeBSD、LINUX、OS X等)的处理器和执行第二类型操作系统(例如,MicrosoftWindows)的处理器。在一些实施例中,应用处理器308可以是SoC 300主处理器、中央处理单元(CPU)、微处理器单元(MPU)、算术逻辑单元(ALU)等。图形处理器306可以是图形处理单元(GPU)。
处理设备SOC 300可以包括模拟电路和定制电路314,用于管理传感器数据、模数转换、无线数据传输,以及用于执行其他专用操作,诸如处理编码的音频和视频信号以在web浏览器中呈现。处理设备SOC 300还可以包括系统组件和资源316,诸如电压调节器、振荡器、锁相环、外围桥、数据控制器、存储器控制器、系统控制器、接入端口、定时器,以及其他类似组件,用于支持在无线设备上运行的处理器和软件客户端(例如web浏览器)。
处理设备SOC 300还包括用于相机致动和管理(CAM)的专用电路305,其包括、提供、控制和/或管理一个或多个相机158、160(例如,主相机、webcam、3D相机等)的操作、来自相机固件的视频显示数据、图像处理、视频预处理、视频前端(VFE)、在线JPEG、高清晰度视频编解码器等。CAM 305可以是独立的处理单元和/或包括独立或内部时钟。
在一些实施例中,图像和对象识别处理器306可以配置有处理器可执行指令和/或被配置为执行各种实施例中涉及的图像处理和对象识别分析的专用硬件。例如,图像和对象识别处理器306可以被配置为执行处理经由CAM 305从相机(例如,122、136)接收的图像的操作,以识别和/或标识其他车辆,并且以其他方式执行所述的相机感知层204的功能。在一些实施例中,处理器306可被配置为处理雷达或激光雷达数据并执行所述雷达感知层202的功能。
系统组件和资源316、模拟和定制电路314和/或CAM 305可以包括与外围设备(诸如相机158、160、雷达168、激光雷达170、电子显示器、无线通信设备、外部存储器芯片等)接口的电路。处理器303、304、306、307、308可以经由互连/总线模块324互连到一个或多个存储器元件312、系统组件和资源316、模拟和定制电路314、CAM 305和RPM处理器317,互连/总线模块324可以包括可重构逻辑门阵列和/或实施总线架构(例如,CoreConnect、AMBA等)。通信可以由高级互连提供,诸如高性能片上网络(NoC)。
处理设备SOC 300还可以包括输入/输出模块(未示出),用于与SOC外部的资源(诸如时钟318和电压调节器320)通信。SOC外部的资源(例如,时钟318、电压调节器320)可以由两个或更多个内部SOC处理器/核心(例如,DSP 303、调制解调器处理器304、图形处理器306、应用处理器308等)共享。
在一些实施例中,处理设备SOC 300可以包括在用于车辆(例如,100)的控制单元(例如,140)中。控制单元可以包括用于与所述电话网络(例如,180)、互联网和/或网络服务器(例如,184)通信的通信链路。
处理设备SOC 300还可以包括适用于从传感器收集传感器数据的附加硬件和/或软件组件,传感器包括运动传感器(例如,IMU的加速度计和陀螺仪)、用户接口元件(例如,输入按钮、触摸屏显示器等)、麦克风阵列、用于监视物理条件的传感器(例如,位置、方向、运动、方位、振动、压力等)、相机、指南针、GPS接收器、通信电路(例如,蓝牙WLAN、WiFi等)以及现代电子设备的其他众所周知的组件。
图4是示出了根据各种实施例的被配置为生成本地动态地图数据的系统400的组件框图。在一些实施例中,系统400可以包括一个或多个计算平台402和/或一个或多个移动设备404。参考图1A-图4,边缘计算设备402可以包括处理器(例如,164)、处理设备(例如,300)和/或控制单元(例如,104)(不同地称为“处理器”)。边缘计算设备可以是边缘网络134的一部分和/或网络元件。移动设备404可以包括车辆(例如,100)的处理器(例如,164)、处理设备(例如,300)和/或控制单元(例如,104)(不同地称为“处理器”)。
边缘计算设备402可以由机器可执行指令406配置。机器可执行指令406可以包括一个或多个指令模块。指令模块可以包括计算机程序模块。指令模块可以包括LDM数据接收模块408、LDM数据集成模块410、LDM数据确定模块412、LDM数据提供模块414、地图生成模块416、地图发送模块418和/或其他指令模块中的一个或多个。
LDM数据接收模块408可以被配置为接收边缘计算设备的服务区域的新LDM数据。在一些实施例中,LDM数据接收模块408可以被配置为从车辆和移动设备接收注册消息。在一些实施例中,LDM数据接收模块408可以被配置为从车辆和移动设备接收计划路线信息。在一些实施例中,LDM数据接收模块408可以被配置为从车辆和移动设备接收移动设备运动学信息。在一些实施例中,LDM数据接收模块408可以被配置为从车辆和移动设备接收数据,诸如例如,传感器数据、图像数据、音频数据或由车辆和移动设备获得的操作状态数据。
LDM数据集成模块410可以被配置为将新的LDM数据集成到LDM数据模型中。在一些实施例中,LDM数据模型可以包括边缘计算设备的服务区域的LDM数据。
LDM数据确定模块412可以被配置为确定与特定车辆和移动设备相关的LDM数据模型的LDM数据。在一些实施例中,LDM数据确定模块412可被配置为基于与注册消息一起包括的信息来确定与移动设备相关的LDM数据。在一些实施例中,LDM数据确定模块412可被配置为基于计划路线信息确定与特定车辆和移动设备相关的LDM数据。在一些实施例中,LDM数据确定模块412可被配置为基于运动学信息确定与特定车辆和移动设备相关的LDM数据。在一些实施例中,LDM数据确定模块412可被配置为从接收的数据中确定与LDM数据相关的信息。在一些实现中,LDM数据确定模块412可以经由边缘网络接口接收新数据。
LDM数据提供模块414可被配置为将所确定的相关LDM数据提供给车辆和移动设备。在一些实施例中,确定的相关LDM数据可以包括高度动态的LDM信息。
地图生成模块416可以被配置为生成包括在车辆和移动设备的预定距离内的区域的数字地图。在一些实施例中,地图发送模块418可被配置为将数字地图发送到车辆和移动设备。可以以适用于车辆的自主导航中使用的格式生成和发送数字地图。
在一些实施方式中,边缘计算设备402、车辆和移动设备404和/或外部资源430可以经由一个或多个电子通信链路可操作地链接。例如,这种电子通信链路可以至少部分地经由诸如互联网和/或其他网络的网络来建立。将理解,这并不旨在限制,并且本公开的范围包括其中边缘计算设备402、车辆和移动设备404和/或外部资源430可以经由一些其他通信介质可操作地链接的实施方式。
移动设备404可以包括被配置为执行计算机程序模块的一个或多个处理器。计算机程序模块可以被配置为使与给定车辆或移动设备404相关联的专家或用户能够与系统400和/或外部资源430接口,和/或提供本文中归属于车辆和移动设备404的其他功能。
外部资源430可以包括系统400外部的信息源、参与系统400的外部实体和/或其他资源。在一些实施方式中,本文中归属于外部资源430的一些或全部功能可由系统400中包括的资源提供。
边缘计算设备402可以包括电子存储432、一个或多个处理器434和/或其他组件。边缘计算设备402可以包括通信线路或端口,以使得能够与网络和/或其他计算平台交换信息。图4中的边缘计算设备402的图示并不旨在限制。边缘计算设备402可以包括多个硬件、软件和/或固件组件,它们一起操作以提供本文归属于边缘计算设备402的功能。例如,边缘计算设备402可以由作为边缘计算设备402一起操作的计算平台的云来实施。
电子存储432可以包括以电子方式存储信息的非暂时性存储介质。电子存储432的电子存储介质可以包括与边缘计算设备402一体(即,基本上不可移动)提供的系统存储器和/或可经由例如端口(例如,通用串行总线(USB)端口、火线端口等)或驱动器(例如,磁盘驱动器等)可移动地连接到边缘计算设备402的可移动存储器中的一个或两者。电子存储432可以包括光可读存储介质(例如,光盘等)、磁可读存储介质(例如,磁带、磁硬盘驱动器、软盘驱动器等)、基于电荷的存储介质(例如,EEPROM、RAM等)、固态存储介质(例如,闪存驱动器等)和/或其他电子可读存储介质中的一个或多个。电子存储432可以包括一个或多个虚拟存储资源(例如,云存储、虚拟专用网络和/或其他虚拟存储资源)。电子存储432可以存储软件算法、由处理器434确定的信息、从边缘计算设备402接收的信息、从移动设备404接收的信息和/或使边缘计算设备402能够如本文所述地工作的其他信息。
处理器434可以被配置为在边缘计算设备402中提供信息处理能力。因此,处理器434可以包括数字处理器、模拟处理器、设计成处理信息的数字电路、设计成处理信息的模拟电路、状态机和/或用于电子处理信息的其他机制中的一个或多个。尽管处理器434在图4中被示为单个实体,但这仅用于说明目的。在一些实施方式中,处理器434可以包括多个处理单元。这些处理单元可以物理地位于同一设备内,或者处理器434可以表示协同操作的多个设备的处理功能。处理器434可以被配置为执行模块408、410、412、414、416、418和/或其他模块。处理器434可以被配置为通过软件执行模块408、410、412、414、416、418和/或其他模块;硬件;固件;软件、硬件和/或固件的某种组合;和/或用于在处理器434上配置处理能力的其他机制。如本文所使用的,术语“模块”可指执行归属于模块的功能的任何组件或组件集。这可以包括在执行处理器可读指令期间的一个或多个物理处理器、处理器可读指令、电路、硬件、存储介质或任何其他组件。
应当理解,尽管模块408-418在图4中示出为在单个处理单元内实施,但在其中处理器434包括多个处理单元的实施方式中,模块408-418中的一个或多个可以在远离其他模块的地方实施。下面描述的对由不同模块408-418提供的功能的描述是为了说明目的,而不是为了限制,因为模块408-418中的任何一个可以提供比所描述的更多或更少的功能。例如,可以去除模块408-418中的一个或多个,并且其部分或全部功能可以由模块408-418中的其他模块提供。作为另一示例,处理器434可被配置为执行一个或多个附加模块,这些附加模块可执行以下归属于模块408-418之一的一些或全部功能。
图5是示出了适用于各种实施例的示例边缘计算系统500的系统框图。在一些实施例中,边缘计算系统500可以包括边缘网络502和被配置为经由3GPP核心网络530进行通信的移动设备510。边缘数据网络502可以包括与边缘配置服务器508通信的边缘应用服务器504和一个或多个边缘使能器服务器506。移动设备510可以包括与一个或多个边缘使能器客户端514通信的应用客户端512。边缘计算系统500的每个元件可以通过边缘接口(例如,EDGE-1、EDGE-2、…EDGE-9)进行通信。
边缘应用服务器504和应用客户端512中的每一个可以被配置为处理计算任务,并且可以经由3GPP核心网络530通信应用数据业务量(即,与计算任务相关的数据)。边缘使能器服务器506可以被配置为维护和通告(例如,向诸如移动设备510的设备)由边缘应用服务器504提供的应用。边缘配置服务器508可以被配置为管理一个或多个边缘数据网络502内以及之间的通信。
边缘应用服务器504可以经由EDGE-3接口向边缘使能器服务器506提供关于其应用及其能力的信息。边缘使能器服务器506可以经由边缘6接口向边缘配置服务器508提供关于边缘数据网络502的信息。边缘应用服务器504和边缘使能器服务器506可以分别经由EDGE-7接口和EDGE-2接口与3GPP核心网530通信。
在一些实施例中,边缘使能器客户端514可以经由EDGE-1接口从边缘使能器服务器508(和/或经由EDGE-4接口从边缘配置服务器508)获得关于可用边缘数据网络502的信息。在一些实施例中,边缘使能器客户端514可以经由EDGE-4接口获得关于边缘应用服务器504的信息,诸如可用应用及其能力。在一些实施例中,边缘使能器客户端514、边缘使能器服务器506和边缘配置服务器508可以经由它们各自的边缘接口采用发现和供应过程。
应用客户端512可以经由EDGE-5接口与边缘使能器客户端514通信。在一些实施例中,边缘使能器客户端514可以经由EDGE-4接口从边缘配置服务器508获得关于可用边缘数据网络502的信息,并且可以经由EDGE-1接口协调边缘应用服务器504与边缘使能器服务器506的使用。边缘使能器服务器506可以经由EDGE-9接口彼此协调。
图6是示出了根据各种实施例的由边缘计算设备的处理器执行的用于生成LDM数据的方法600的操作的处理流程图。参考图1-图6,方法600的操作可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在框602中,处理器可以接收边缘计算设备的服务区域的新的或更新的(称为“第一”)LDM数据。在一些实施例中,边缘计算设备可以经由边缘网络接口接收第一LDM数据。在一些实施例中,第一LDM数据可以是高度动态的信息(例如,如相关ETSI标准中定义的)。在一些实施例中,可以在阈值时间量(例如,两秒、一秒、250毫秒等)内从传感器或另一信息源获得第一LDM数据。在一些实施例中,第一LDM数据可以包括来自车辆和移动设备的数据,诸如传感器数据、图像数据、音频数据或车辆和移动设备的操作状态数据。在这样的实施例中,边缘计算设备可以确定应该集成到LDM数据模型中的信息。
在框604中,处理器可将第一LDM数据集成到LDM数据模型中。在一些实施例中,LDM数据模型表示边缘计算设备的服务区域的LDM数据的聚合。
在框606中,处理器可确定LDM数据模型的、与特定车辆或移动设备相关的第二LDM数据。在一些实施例中,边缘计算设备可以确定LDM数据模型的、与特定移动设备相关的第二LDM数据,并且可以将所确定的相关LDM数据(即,第二LDM数据)提供给特定车辆或移动设备。在一些实施例中,第二LDM数据可以是高度动态的LDM信息(例如,如相关ETSI标准中定义的)。
在框608中,处理器可将所确定的第二LDM数据提供给特定车辆或移动设备。
在可选操作610中,处理器可重复框602-608的操作以接收第一LDM数据并确定与特定车辆或移动设备相关的第二LDM数据。
图7是示出了根据各种实施例的作为用于生成LDM数据的方法600的一部分可以由边缘计算设备的处理器执行的操作的处理流程图。参考图1-图7,该操作可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在框702中,处理器可生成包含车辆的预定距离内的区域的数字地图。例如,在一些实施例中,移动设备可以包括车辆中的计算设备。在一些实施例中,处理器可以使用距车辆的预定距离来生成包含预定距离内的区域的数字地图。在一些实施例中,处理器可以基于关于车辆的信息动态地确定与车辆的距离。这样的信息可以包括例如车辆位置、车辆方向和运动速度、其他车辆运动学信息以及关于车辆周围的道路和地理特征(例如,附近的道路、地形特征等)的静态LDM数据。这样的信息还可以包括,例如,观察到的路线或车辆的路径、来自车辆的路径规划信息(例如,预期的或计划的行进路线)以及其他合适的信息。
在框704中,处理器可将数字地图发送到车辆。在一些实施例中,可以以适用于车辆的自主导航中使用的格式生成和发送数字地图。
处理器可以执行所述的方法600的可选操作610(图6)。
图8是示出了根据各种实施例的作为用于生成LDM数据的方法600的一部分可以由边缘计算设备的处理器执行的操作的处理流程图。参考图1-图8,该操作可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。在框602和604中,处理器可以执行所述方法600的类似编号框的操作。
在框802中,处理器可以从特定车辆或移动设备接收注册消息。在一些实施例中,注册消息可以包括从边缘计算设备接收作为服务的LDM数据的请求。在一些实施例中,注册消息可以包括或与来自特定车辆或移动设备的其他信息一起发送,诸如计划路线信息、关于特定车辆或移动设备的运动学的信息、和/或来自特定车辆或移动设备的其他合适信息。
在框804中,处理器可以基于与注册消息一起包括的信息来确定与特定车辆或移动设备相关的第二LDM数据。在一些实施例中,处理器可以使用从特定车辆或移动设备接收的任何信息来确定与特定车辆或移动设备相关的第二LDM数据。例如,处理器可以使用从特定车辆或移动设备发送的信息,诸如计划路线信息、关于特定车辆或移动设备的运动学的信息等来识别特定车辆或移动设备可能沿着或穿过的路线、路径或区域。作为另一示例,处理器可以使用从特定车辆或移动设备发送的信息来确定特定车辆或移动设备周围的半径、椭圆形或其他区域。在一些实施例中,处理器可以使用为特定车辆或移动设备、任何识别的路线、路径或区域和/或特定车辆或移动设备周围的任何确定的半径、椭圆形或其他区域发送的信息来确定与特定车辆或移动设备相关的第二LDM数据。在一些实施例中,处理器可以确定与特定车辆或移动设备相关的高度动态的LDM信息。
处理器可以执行所述的方法600的框608的操作(图6)。
图9是示出了根据各种实施例的作为用于生成LDM数据的方法600的一部分可以由边缘计算设备的处理器执行的操作的处理流程图。参考图1-图9,该操作可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在框902中,处理器可以从特定车辆或移动设备接收关于移动设备的计划路线的信息。例如,处理器可以从特定车辆或移动设备接收与特定车辆或移动设备的预期运动或行进有关的路径规划或路线规划信息。
在框904中,处理器可基于计划路线信息确定与特定车辆或移动设备相关的第二LDM数据。例如,处理器可以使用路径规划或路线规划信息来确定与特定车辆或移动设备相关的第二LDM数据。在一些实施例中,处理器可以确定与特定车辆或移动设备相关的高度动态的LDM信息。
处理器可以执行所述的方法600的框608的操作(图6)。
图10是示出了根据各种实施例的作为用于生成LDM数据的方法600的一部分可以由边缘计算设备的处理器执行的操作的处理流程图。参考图1-图10,该操作可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在框1002中,处理器可以执行包括从车辆和移动设备接收车辆或移动设备运动学信息的操作。在一些实施例中,运动学信息可以包括车辆和移动设备的可观察到的运动,例如方向、速度、已经行进的路径或路线、航路点、进行的停止以及其他合适的可观察到的运动信息。
在框1004中,处理器可以执行包括基于特定车辆或移动设备运动学信息确定与特定车辆或移动设备相关的第二LDM数据的操作。例如,处理器可以使用运动学来确定与特定车辆或移动设备相关的第二LDM数据。在一些实施例中,处理器可以确定与特定车辆或移动设备相关的高度动态的LDM信息。
处理器可以执行所述的方法600的框608的操作(图6)。
图11是示出了根据各种实施例的作为用于生成LDM数据的方法600的框602的一部分可以由边缘计算设备的处理器执行的操作的处理流程图。参考图1-图11,该操作可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在框1102中,处理器可以从车辆、移动设备和其他数据源接收数据。在一些实施例中,接收的数据可以包括由车辆和移动设备获得的传感器数据、图像数据、音频数据或操作状态数据中的一个或多个。在一些实施例中,处理器可以从其他数据源(诸如路边单元(RSU)、可以发送协作意识消息(CAM)消息或分散环境通知消息(DENM)消息的数据源以及各种基于互联网或云的资源)接收数据。
在框1104中,处理器可以从接收到的数据确定是否存在应集成到LDM数据模型中的任何信息。例如,处理器可以从接收的传感器数据、图像数据、音频数据、操作状态数据和/或从其他数据源接收的输入中选择将增强或改进LDM数据模型的信息,而可以忽略对LDM数据模型是冗余或无关的信息。在一些实施例中,处理器可以确定高度动态的LDM信息,因为这种信息是在相关ETSI标准中定义的,应该集成到LDM数据模型中。
处理器可以执行所述的方法600的框608的操作(图6)。
图12是示出了根据各种实施例的作为用于生成LDM数据的方法600的框602的一部分可以由边缘计算设备的处理器执行的操作的处理流程图。参考图1-图12,方法602的操作可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在框1202中,处理器可以从移动设备(例如,车辆中的计算设备)接收数据。在一些实施例中,接收的数据可以包括由移动设备获得的传感器数据、图像数据、音频数据或操作状态数据中的一个或多个。
在框1204中,处理器可从接收的数据确定是否应将任何信息集成到LDM数据模型中。例如,处理器可以选择移动设备传感器数据、图像数据、音频数据和/或操作状态数据以确定将增强、更新或以其他方式增强LDM数据模型的LDM数据。在一些实施例中,处理器可以确定高度动态的LDM信息,因为这种信息是在相关ETSI标准中定义的,应该集成到LDM数据模型中。
处理器可以执行所述的方法600的框608的操作(图6)。
图13是示出了根据各种实施例的作为用于生成LDM数据的方法600的一部分可以由边缘计算设备的处理器执行的操作1300的处理流程图。参考图1-图13,操作1300可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在执行方法600的框604的操作之后,处理器可以在框1302中生成移动设备的状态表示。例如,EAS 184a-184c可以生成移动设备的状态表示。如上所述,状态表示可以包括设备描述信息,包括位置、运动方向、速度、操作状态和其他合适的信息。在一些实施例中,状态表示还可以包括由移动设备存储或由移动设备使用的当前LDM子集。
在框1304中,处理器可基于所生成的状态表示来确定与移动设备相关的第二LDM数据。在一些实施例中,处理器可以使用状态表示中的设备描述信息来基于状态表示中的一个或多个参数确定与移动设备相关的第二LDM数据。例如,基于位置和/或运动方向,处理器可以在第二LDM数据中包括靠近该位置、沿着运动方向等的某些LDM数据。
在框1306中,处理器可基于状态表示和第二LDM数据来确定增量信息。如上所述,在一些实施例中,处理器可以确定表示移动设备的状态表示与当前或最近更新的LDM数据之间的差异的增量信息。
在框1308中,处理器可将所确定的增量信息提供给移动设备。在一些实施例中,增量信息可使移动设备能够快速且有效地接收并实施对由移动设备存储和使用的LDM数据的更新。
处理器然后可以执行所述方法600的框608的操作(图6)。
图14是示出了根据各种实施例的作为用于生成LDM数据的方法600的一部分可以由边缘计算设备的处理器执行的操作1400的处理流程图。参考图1-图14,操作1400可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在执行方法1300(图13)的框1302的操作之后,处理器可以在框1402中接收LDM数据查询。例如,处理器可以接收对位置(例如,特定地址、商店、建筑物等)、商店类型或某个位置的建筑物(例如,“杂货店”、“咖啡店”、“银行”等)或位置类型(例如,“公园”、“游泳池”、“停车位”、“海滩”等)的查询。作为另一示例,处理器可以接收对到某个位置的路径或方向的查询。作为另一示例,处理器可以接收对高度动态地图数据的查询(例如,“我所在地区的食品卡车”、“施工区域”、“事故”、“速度陷阱”等)。
在框1404中,处理器可基于所生成的移动设备的状态表示和所接收的LDM数据查询来确定与移动设备相关的第二LDM数据。例如,基于LDM数据查询“为我找到一个停车位”和移动设备(在此示例中为车辆)的状态表示(例如,位置和矢量),处理器可以扫描LDM数据以识别移动设备的阈值距离(例如,500米)内或沿着行进路径(例如,在街道的车辆侧而不是在街道与车辆的相对侧)的数据停车位。处理器可以使用来自状态表示的其他信息来进一步确定或细化相关LDM数据的确定。例如,处理器可以使用关于车辆的尺寸或形状的信息来识别车辆可以容纳在其中的停车位,并丢弃不能容纳车辆的停车位。
处理器然后可以执行所述方法1300的框1306的操作(图13)。
图15是示出了根据各种实施例的作为用于生成LDM数据的方法600的一部分可以由边缘计算设备的处理器执行的操作1500的处理流程图。参考图1-图15,操作1500可以由边缘网络(例如,边缘网络134、502)中的边缘计算设备(例如,边缘应用服务器504)的处理器执行。
在执行方法600(图6)的框602的操作之后,处理器可以在框1502中基于多个移动设备参数确定接收的第一LDM数据的信任度量。在一些实施例中,处理器可以执行安全功能以保护LDM数据的完整性,免受例如不准确的LDM、虚假的LDM数据、试图将不准确或虚假的信息引入LDM数据、太“嘈杂”而不可靠的LDM数据等的影响。在一些实施例中,处理器可以基于接收的LDM数据的多个参数来确定信任度量。在一些实施例中,处理器可以在每个数据的基础上确定信任度量,例如每次从移动设备(诸如车辆)接收到新的LDM数据时。
在一些实施例中,信任度量可以表示接收的LDM数据的可信度得分或可信度等级。在一些实施例中,信任度量可以包括信任图或另一类似的可信度得分。处理器可以基于多个因素和/或确定来确定信任度量,其中每一个因素和/或确定可以增加或减少总体信任度量。每个这样的因素或确定在此被称为“信任参数”。
例如,处理器可以确定从一个移动设备接收的LDM数据是否可以与来自另一个源(例如,另一个移动设备、路边单元、服务器等)的LDM数据相证实。处理器可以确定能够被证实的LDM数据比不能被证实的LDM数据更可信,并且能够被证实的LDM数据可以增加信任度量。作为另一示例,处理器可以评估与接收LDM数据的通信链路相关的一个或多个因素。此类因素可以包括,例如,连接类型(蜂窝通信通常比蓝牙或Wi-Fi通信更可信);源设备和处理器之间的网络节点跳数(例如,EAS 184);通信链路安全级别(例如,加密与非加密、使用传输级别安全(TLS)等);诸如此类。作为另一示例,处理器可以评估源设备的可信度,诸如该设备是否已经被认证、由源设备呈现的任何认证证书的类型和稳健性、处理器是否能够验证该证书、源设备是否向网络(例如,3GPP网络)注册、源设备是否向边缘计算设备(例如EAS 184)注册,等等。
在确定框1504中,处理器可以确定信任度量是否超过信任度量阈值。信任度量阈值可以是可以由网络运营商、设备制造商、政府实体、标准机构、执法实体等设置的可配置值。在一些实施例中,信任度量阈值可以根据车辆的类型、车辆的乘员、位置和其他参数而变化。
响应于确定信任度量不超过信任度量阈值(即,确定框1504=“否”),在框1506中,处理器可以不将LDM数据集成到LDM数据模型中。
响应于确定信任度量超过信任度量阈值(即,确定框1504=“是”),处理器可以执行所述方法(图6)的框604的操作,以将LDM数据集成到LDM数据模型中。
在框604的操作之后,处理器可以执行所述方法600的框606的操作(图6)。
可以在各种网络设备上实施各种实施例,其示例在图16中以边缘计算设备1600的形式示出,边缘计算设备1600用作通信网络的网络元件,例如边缘应用服务器、边缘使能器服务器或边缘数据网络配置服务器。这种网络计算设备可以至少包括图16所示的组件。参考图1-图16,边缘计算设备1600通常可以包括耦合到易失性存储器1602的处理器1601和诸如磁盘驱动器1603的大容量非易失性存储器。边缘计算设备1600还可以包括外围存储器接入设备,诸如耦合到处理器1601的软盘驱动器、压缩盘(CD)或数字视频盘(DVD)驱动器1606。边缘计算设备1600还可以包括耦合到处理器1601的网络接入端口1604(或接口),用于建立与诸如因特网和/或耦合到其他系统计算机和服务器的局域网的网络的数据连接。边缘计算设备1600可以包括用于发送和接收电磁辐射的一个或多个天线1607,该天线1007可以连接到无线通信链路。边缘计算设备1600可以包括附加的接入端口,例如USB、Firewire、Thunderbolt等,用于耦合到外围设备、外部存储器或其他设备。
除了参考图1B-图2B描述的车辆系统之外,各种实施例可在各种移动设备(例如,移动设备120a-120E)上实施,其示例在图17中以智能手机1700的形式示出。智能手机1700可以包括耦合到第二SOC 1724(例如,支持5G的SOC)的第一SOC 1722(例如,SOC-CPU)。第一和第二SOC 1722、1724可以耦合到内部存储器1706、1716、显示器1712和扬声器1714。另外,智能手机1700可以包括用于发送和接收电磁辐射的天线1704,该天线1104可以连接到无线数据链路和/或耦合到第一和/或第二SOC 1722、1724中的一个或多个处理器的蜂窝电话收发器1708。智能手机1700通常还包括用于接收用户输入的菜单选择按钮或摇臂开关1720。
典型的智能手机1700还包括声音编码/解码(CODEC)电路1710,其将从麦克风接收到的声音数字化为适用于无线传输的数据分组,并且对接收到的声音数据分组进行解码以产生提供给扬声器以产生声音的模拟信号。此外,第一和第二SOC 1722、1724、无线收发器1708和CODEC 1710中的一个或多个处理器可以包括数字信号处理器(DSP)电路(未单独示出)。
边缘计算设备1600和智能电话1700的处理器可以是任何可编程微处理器、微型计算机或多处理器芯片或可以由软件指令(应用)配置以执行各种功能(包括下面描述的各种实施例的功能)的芯片。在一些移动设备中,可以提供多个处理器,例如SOC 204内专用于无线通信功能的一个处理器和SOC202内专用于运行其他应用的一个处理器。通常,软件应用可以在它们被访问和加载到处理器之前存储在存储器1706、1716中。处理器可以包括足以存储应用软件指令的内部存储器
许多不同的蜂窝和移动通信服务和标准在未来是可用的或预期的,所有这些服务和标准都可以实施并受益于各种实施例。这些服务和标准包括,例如,第三代伙伴关系项目(3GPP)、长期演进(LTE)系统、第三代无线移动通信技术(3G)、第四代无线移动通信技术(4G)、第五代无线移动通信技术(5G)、全球移动通信系统(GSM)、通用移动通信系统(UMTS)、3GSM、通用分组无线电服务(GPRS)、码分多址(CDMA)系统(例如,cdmaOne、CDMA1020TM)、增强的GSM演进数据速率(EDGE)、高级移动电话系统(AMPS)、数字AMPS(IS-136/TDMA),演进数据优化(EV-DO)、数字增强无绳通信(DECT)、全球微波接入互操作性(WiMAX)、无线局域网(WLAN)、Wi-Fi保护接入I&II(WPA、WPA2)和综合数字增强网络(iDEN)。这些技术中的每一种都涉及例如语音、数据、信令和/或内容消息的发送和接收。应当理解,对与单个电信标准或技术相关的术语和/或技术细节的任何引用仅用于说明性目的,并且除非在权利要求书语言中特别叙述,否则不意图将权利要求书的范围限制到特定通信系统或技术。
所示出和描述的各种实施例仅作为示例来提供,以说明权利要求的各种特征。然而,关于任何给定实施例示出和描述的特征不一定限于相关联的实施例,并且可以与示出和描述的其他实施例一起使用或组合。此外,权利要求不旨在受到任何一个示例实施例的限制。例如,方法600、800、1300、1400和1500的一个或多个操作可以被方法600、800、1300、1400和1500的一个或多个操作替换或与之组合。
上述方法描述和过程流程图仅作为说明性示例而提供,并不意在要求或暗示必须以所呈现的顺序执行各种实施例的操作。如本领域技术人员将理解的,上述实施例中的操作顺序可以以任何顺序执行。诸如“此后”、“然后”、“下一步”等词并不意图限制操作的顺序;这些词是用来指导读者概观方法的描述。此外,对单数形式的权利要求要素的任何引用,例如,使用冠词“一”、“一个”或“该”,不应被解释为将要素限制为单数形式。
结合本文公开的实施例描述的各种说明性逻辑块、模块、组件、电路和算法操作可以实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,上面已经大体上就其功能性描述了各种说明性组件、块、模块、电路和操作。这些功能是实现为硬件还是软件取决于施加在整个系统上的特定应用和设计约束。技术人员可以针对每个特定应用以不同的方式实施所描述的功能,但是这种实施例决定不应被解释为导致偏离本权利要求的范围。
用于实施结合本文公开的实施例描述的各种说明性逻辑、逻辑块、模块和电路的硬件可以用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑器件、分立门或晶体管逻辑、分立硬件组件或设计用于执行本文所述的功能的其任何组合来实施或执行。通用处理器可以是微处理器,但是在替代方案中,处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器还可以实施为接收器智能对象的组合,例如,DSP和微处理器、多个微处理器的组合、一个或多个微处理器与DSP核心的结合、或任何其他这样的配置。或者,一些操作或方法可以由特定于给定功能的电路来执行。
在一个或多个实施例中,所述功能可以在硬件、软件、固件或其任何组合中实现。如果在软件中实施,则这些功能可以作为一个或多个指令或代码存储在非暂时性计算机可读存储介质或非瞬态处理器可读存储介质上。本文所公开的方法或算法的操作可以体现在处理器可执行软件模块或处理器可执行指令中,该处理器可执行软件模块或处理器可执行指令可以驻留在非暂时性计算机可读或处理器可读存储介质上。非暂时性计算机可读或处理器可读存储介质可以是可由计算机或处理器访问的任何存储介质。作为示例而非限制,此类非暂时性计算机可读或处理器可读存储介质可包括RAM、ROM、EEPROM、闪存、CD-ROM或其他光盘存储、磁盘存储或其他磁存储智能对象,或可用于以指令或数据结构的形式存储所需的程序代码并可由计算机访问的任何其他媒介。本文所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中磁盘通常以磁性方式再现数据,而光盘则以激光光学方式再现数据。上述的组合也包括在非暂时性计算机可读和处理器可读介质的范围内。另外,方法或算法的操作可以作为代码和/或指令的一个或任意组合或集合驻留在可并入计算机程序产品的非暂时性处理器可读存储介质和/或计算机可读存储介质上。
提供所公开实施例的前述描述以使本领域技术人员能够做出或使用权利要求。对这些实施例的各种修改对于本领域技术人员来说将是显而易见的,并且本文中定义的一般原理可以应用于其他实施例而不脱离权利要求的范围。因此,本公开并不意图局限于本文所示的实施例,而是将被赋予与以下权利要求以及本文所公开的原理和新颖特征一致的最宽范围。
Claims (30)
1.一种由边缘计算设备执行的用于生成本地动态地图(LDM)数据的方法,包括:
接收所述边缘计算设备的服务区域的第一LDM数据;
将所述第一LDM数据集成到LDM数据模型中;
确定所述LDM数据模型的、与移动设备相关的第二LDM数据;以及
将所确定的第二LDM数据提供给所述移动设备。
2.根据权利要求1所述的方法,其中,所述LDM数据模型被维护在所述边缘计算设备中,并且包括所述边缘计算设备的所述服务区域的LDM数据。
3.根据权利要求1所述的方法,其中,所述移动设备是车辆中的计算设备,并且将所确定的第二LDM数据提供给所述移动设备包括:
生成包含所述车辆的预定距离内的区域的数字地图;以及
将所述数字地图发送到所述车辆,其中,所述数字地图以适用于所述车辆的自主导航的格式而被生成和发送。
4.根据权利要求1所述的方法,还包括从所述移动设备接收注册消息,
其中,确定与移动设备相关的所述第二LDM数据包括基于与所述注册消息一起包括的信息确定与移动设备相关的所述第二LDM数据。
5.根据权利要求1所述的方法,还包括由所述边缘计算设备接收关于所述移动设备的计划路线的信息,
其中,确定与移动设备相关的所述第二LDM数据包括沿着所述计划路线确定与所述移动设备相关的所述第二LDM数据。
6.根据权利要求1所述的方法,还包括从所述移动设备接收移动设备运动学信息;
其中,确定与移动设备相关的所述第二LDM数据包括基于所述移动设备运动学信息确定与移动设备相关的第二LDM数据。
7.根据权利要求1所述的方法,其中,接收所述边缘计算设备的服务区域的第一LDM数据包括:
从所述移动设备接收数据,其中所接收的数据包括由所述移动设备获得的传感器数据、图像数据、音频数据或操作状态数据中的一个或多个;以及
从所接收的数据确定应该集成到所述LDM数据模型中的信息。
8.根据权利要求1所述的方法,其中,所述第一LDM数据包括如在相关欧洲电信标准协会标准中定义的高度动态的信息的数据。
9.根据权利要求1所述的方法,其中,所述第一LDM数据包括在阈值时间量内从传感器或另一信息源获得的数据。
10.根据权利要求1所述的方法,其中,所确定的第二LDM数据包括如在相关欧洲电信标准协会标准中定义的高度动态的LDM信息。
11.根据权利要求1所述的方法,其中,所述第一数据是经由边缘网络接口被接收的。
12.根据权利要求1所述的方法,还包括:
生成所述移动设备的状态表示,
其中,确定与所述移动设备相关的所述第二LDM数据包括基于所生成的所述移动设备的状态表示来确定与移动设备相关的所述第二LDM数据。
13.根据权利要求12所述的方法,还包括:
基于所述状态表示和所述第二LDM数据确定增量信息;以及
将所确定的增量信息提供给所述移动设备。
14.根据权利要求12所述的方法,还包括:
接收LDM数据查询,
其中,确定与所述移动设备相关的所述第二LDM数据包括基于所生成的所述移动设备的状态表示和所接收的LDM数据查询确定与移动设备相关的所述第二LDM数据。
15.根据权利要求1所述的方法,还包括:
基于多个信任参数确定所接收的第一LDM数据的信任度量;以及
确定所述信任度量是否超过信任度量阈值;
其中,将所述第一LDM数据集成到所述LDM数据模型中包括响应于确定所述信任度量超过所述信任度量阈值,将所述第一LDM数据集成到所述LDM数据模型中。
16.一种被配置为用作边缘计算设备的计算设备,包括:
处理器,其配置有处理器可执行指令以执行操作,所述操作包括:
接收所述计算设备的服务区域的第一本地动态地图(LDM)数据;
将所述第一LDM数据集成到LDM数据模型中;
确定所述LDM数据模型的、与移动设备相关的第二LDM数据;以及
将所确定的第二LDM数据提供给所述移动设备。
17.根据权利要求16所述的计算设备,其中,所述移动设备是车辆中的计算设备,并且其中所述处理器配置有处理器可执行指令以执行操作,使得将所确定的第二LDM数据提供给所述移动设备包括:
生成包含所述车辆的预定距离内的区域的数字地图;以及
将所述数字地图发送到所述车辆,其中,所述数字地图以适用于所述车辆的自主导航的格式而被生成和发送。
18.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,所述操作还包括从所述移动设备接收注册消息,以及
其中,所述处理器配置有处理器可执行指令以执行操作,使得确定与移动设备相关的所述第二LDM数据包括基于与所述注册消息一起包括的信息确定与移动设备相关的所述第二LDM数据。
19.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,所述操作还包括由所述计算设备接收关于所述移动设备的计划路线的信息,
其中,所述处理器配置有处理器可执行指令以执行操作,使得确定与移动设备相关的所述第二LDM数据包括沿着所述计划路线确定与所述移动设备相关的所述第二LDM数据。
20.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,所述操作还包括从所述移动设备接收移动设备运动学信息;
其中,所述处理器配置有处理器可执行指令以执行操作,使得确定与移动设备相关的所述第二LDM数据包括基于所述移动设备运动学信息确定与移动设备相关的第二LDM数据。
21.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,使得接收所述计算设备的服务区域的第一LDM数据包括:
从所述移动设备接收数据,其中所接收的数据包括由所述移动设备获得的传感器数据、图像数据、音频数据或操作状态数据中的一个或多个;以及
从所接收的数据确定应该集成到所述LDM数据模型中的信息。
22.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,使得接收第一LDM数据包括接收如在相关欧洲电信标准协会标准中定义的高度动态的信息的数据。
23.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,使得接收第一LDM数据包括接收在阈值时间量内从传感器或另一信息源获得的数据。
24.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,使得确定第二LDM数据包括确定如在相关欧洲电信标准协会标准中定义的高度动态的LDM信息。
25.根据权利要求16所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,所述操作还包括生成所述移动设备的状态表示,
其中,所述处理器配置有处理器可执行指令以执行操作,使得确定与所述移动设备相关的所述第二LDM数据包括基于所生成的所述移动设备的状态表示来确定与移动设备相关的所述第二LDM数据。
26.根据权利要求25所述的计算设备,其中,所述处理器配置有处理器可执行指令以执行操作,所述操作还包括:
基于所述状态表示和所述第二LDM数据确定增量信息;以及
将所确定的增量信息提供给所述移动设备。
27.根据权利要求12所述的计算设备,还包括:
接收LDM数据查询,
其中,确定与所述移动设备相关的所述第二LDM数据包括基于所生成的所述移动设备的状态表示和所接收的LDM数据查询确定与移动设备相关的所述第二LDM数据。
28.根据权利要求16所述的计算设备,还包括:
基于多个信任参数确定所接收的第一LDM数据的信任度量;以及
确定所述信任度量是否超过信任度量阈值;
其中,将所述第一LDM数据集成到所述LDM数据模型中包括响应于确定所述信任度量超过所述信任度量阈值,将所述第一LDM数据集成到所述LDM数据模型中。
29.一种在其上存储有处理器可执行指令的非暂时性处理器可读介质,所述处理器可执行指令被配置为使边缘计算设备的处理器执行操作,所述操作包括:
接收所述计算设备的服务区域的第一本地动态地图(LDM)数据;
将所述第一LDM数据集成到LDM数据模型中;
确定所述LDM数据模型的、与移动设备相关的第二LDM数据;以及
将所确定的第二LDM数据提供给所述移动设备。
30.一种被配置为用作边缘计算设备的计算设备,包括:
用于接收所述计算设备的服务区域的第一本地动态地图(LDM)数据的部件;
用于将所述第一LDM数据集成到LDM数据模型中的部件;
确定所述LDM数据模型的、与移动设备相关的第二LDM数据;以及
用于将所确定的第二LDM数据提供给所述移动设备的部件。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962912601P | 2019-10-08 | 2019-10-08 | |
US62/912,601 | 2019-10-08 | ||
US17/016,924 | 2020-09-10 | ||
US17/016,924 US20210101612A1 (en) | 2019-10-08 | 2020-09-10 | Edge System for Providing Local Dynamic Map Data |
PCT/US2020/050426 WO2021071621A1 (en) | 2019-10-08 | 2020-09-11 | Edge system for providing local dynamic map data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114502444A true CN114502444A (zh) | 2022-05-13 |
CN114502444B CN114502444B (zh) | 2024-01-05 |
Family
ID=75274811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080069205.9A Active CN114502444B (zh) | 2019-10-08 | 2020-09-11 | 用于提供本地动态地图数据的边缘系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210101612A1 (zh) |
EP (1) | EP4042661A1 (zh) |
CN (1) | CN114502444B (zh) |
WO (1) | WO2021071621A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11387985B2 (en) * | 2020-10-01 | 2022-07-12 | Toyota Motor North America, Inc. | Transport occupant data delivery |
US11844122B2 (en) * | 2021-08-03 | 2023-12-12 | Qualcomm Incorporated | Vehicle-to-everything (V2X) communication transmit parameter selection using joint communication-radar side information |
US11875611B2 (en) * | 2021-08-03 | 2024-01-16 | GM Global Technology Operations LLC | Remote observation and reporting of vehicle operating condition via V2X communication |
WO2023183866A1 (en) * | 2022-03-25 | 2023-09-28 | Northeastern University | Vehicular edge intelligence in unlicensed spectrum bands |
WO2023209409A1 (en) | 2022-04-26 | 2023-11-02 | Commsignia Kft. | Data processing method and system for iterative sensor fusion, computer program product and computer readable medium for implementing the method |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883382A (zh) * | 2014-02-27 | 2015-09-02 | 哈曼国际工业有限公司 | 数据聚合与递送 |
CN107449433A (zh) * | 2016-05-11 | 2017-12-08 | 赫力环球有限公司 | 基于地图的用于车辆观测的反馈循环 |
US20180299274A1 (en) * | 2017-04-17 | 2018-10-18 | Cisco Technology, Inc. | Real-time updates to maps for autonomous navigation |
CN109405841A (zh) * | 2017-08-15 | 2019-03-01 | 通用汽车环球科技运作有限责任公司 | 用于参与地图异常检测和校正的方法和设备 |
US20190244517A1 (en) * | 2019-02-05 | 2019-08-08 | Hassnaa Moustafa | Enhanced high definition maps for a vehicle |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10375150B2 (en) * | 2015-09-18 | 2019-08-06 | Google Llc | Crowd-based device trust establishment in a connected environment |
US10154048B2 (en) * | 2016-03-18 | 2018-12-11 | Qualcomm Incorporated | Methods and systems for location-based authentication using neighboring sensors |
US9851212B2 (en) * | 2016-05-06 | 2017-12-26 | Ford Global Technologies, Llc | Route generation using road lane line quality |
EP3576460A1 (en) * | 2018-05-30 | 2019-12-04 | Vodafone GmbH | Handover for mobile edge computing applications in mobile networks |
CN111936973A (zh) * | 2018-06-29 | 2020-11-13 | 英特尔公司 | 用于提供在云边缘处对服务的高效迁移的技术 |
US11153721B2 (en) * | 2018-12-27 | 2021-10-19 | Intel Corporation | Sensor network enhancement mechanisms |
US11375352B2 (en) * | 2020-03-25 | 2022-06-28 | Intel Corporation | Devices and methods for updating maps in autonomous driving systems in bandwidth constrained networks |
-
2020
- 2020-09-10 US US17/016,924 patent/US20210101612A1/en active Pending
- 2020-09-11 CN CN202080069205.9A patent/CN114502444B/zh active Active
- 2020-09-11 EP EP20780519.3A patent/EP4042661A1/en active Pending
- 2020-09-11 WO PCT/US2020/050426 patent/WO2021071621A1/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883382A (zh) * | 2014-02-27 | 2015-09-02 | 哈曼国际工业有限公司 | 数据聚合与递送 |
CN107449433A (zh) * | 2016-05-11 | 2017-12-08 | 赫力环球有限公司 | 基于地图的用于车辆观测的反馈循环 |
US20180299274A1 (en) * | 2017-04-17 | 2018-10-18 | Cisco Technology, Inc. | Real-time updates to maps for autonomous navigation |
CN109405841A (zh) * | 2017-08-15 | 2019-03-01 | 通用汽车环球科技运作有限责任公司 | 用于参与地图异常检测和校正的方法和设备 |
US20190244517A1 (en) * | 2019-02-05 | 2019-08-08 | Hassnaa Moustafa | Enhanced high definition maps for a vehicle |
Also Published As
Publication number | Publication date |
---|---|
US20210101612A1 (en) | 2021-04-08 |
WO2021071621A1 (en) | 2021-04-15 |
EP4042661A1 (en) | 2022-08-17 |
CN114502444B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114502444B (zh) | 用于提供本地动态地图数据的边缘系统 | |
US20220110018A1 (en) | Intelligent transport system congestion and multi-channel control | |
CN114730527A (zh) | 基于责任敏感安全性的易受伤害道路使用者安全性技术 | |
CN114514758A (zh) | 交通工具网络中的操纵协调服务 | |
EP3987501A1 (en) | For enabling collective perception in vehicular networks | |
US11715370B2 (en) | Managing a driving condition anomaly | |
WO2021141770A1 (en) | Intelligent transport system vulnerable road user clustering, user profiles, and maneuver coordination mechanisms | |
US11589236B2 (en) | Detecting misbehavior conditions in vehicle-to-everything (V2X) messages | |
US20230292243A1 (en) | Low-power modes for vulnerable road user equipment | |
US11553319B2 (en) | Evaluating vehicle-to-everything (V2X) information | |
US12008895B2 (en) | Vehicle-to-everything (V2X) misbehavior detection using a local dynamic map data model | |
US20230138163A1 (en) | Safety metrics based pre-crash warning for decentralized environment notification service | |
WO2022235973A1 (en) | Misbehavior detection using data consistency checks for collective perception messages | |
CN115516540A (zh) | 易受伤害道路使用者基本服务通信协议框架和动力学状态 | |
KR20230134482A (ko) | 로컬 동적 맵 데이터 모델을 사용한 V2X(Vehicle-to-Everything)오작동 검출 | |
KR20230144539A (ko) | 차량 임계 모델들을 이용한 포지션 겹침 검사에서 신뢰값을 생성하기 위한 방법 및 시스템 | |
US20230336956A1 (en) | Managing transmission of misbehavior reports | |
US20240020192A1 (en) | Cross-Type Misbehavior Detection In A Vehicle-to-Everything (V2X) Message | |
US20230388765A1 (en) | Managing Processing Of A Basic Safety Message | |
CN116746187A (zh) | 使用本地动态地图数据模型的车辆到一切(v2x)不当行为检测 |
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 |