CN114620068B - 自动驾驶系统的物理信息优化 - Google Patents

Abstract

本公开涉及了一种方法，所述方法包括基于自动驾驶车辆(AV)的路线的坡度数据，识别具有满足阈值坡度值的坡度值的路线的路段。所述方法还包括响应于识别所述路段，基于坡度数据和AV的物理车辆数据，生成所述路线的路段的驾驶约束数据。所述方法还包括基于所述路线的路段的驾驶约束数据，使得所述AV的路线模块以生成与所述路段的一部分相对应的短时程路线数据。AV基于短时程路线数据行驶所述路线的路段的一部分。

Description

自动驾驶系统的物理信息优化

技术领域

本说明书通常涉及自动驾驶车辆。更具体地，本说明书涉及实现关于自动驾驶车辆的物理信息优化(physical-informed optimization)。

背景技术

自动驾驶车辆(autonomous vehicle，AV)通过用各种传感器感测外部环境并基于感测的数据、全球定位系统(Global Positioning System，GPS)数据和道路地图数据绘制环境的行驶路径来操作。自动驾驶车辆包括用于长途运输货物的卡车。卡车运输行业对各种成本非常敏感，尤其是燃料成本。为了提高燃料效率，人类卡车司机使用各种驾驶技术，诸如尽可能保持恒定的速度，加速通过道路的下坡段，以便获得附加的动量将车辆带入随后的上坡段，以及其他技术，这些技术对自动驾驶车辆同样有用。然而，这些方法的成功实现取决于道路条件。当交通不拥挤时，效率通常会更高。相比之下，承载不同负载并以不同速度移动的大量其他卡车，以及乘用车、房车和其他车辆的存在通常对驾驶性能不利。具有挑战性的天气条件会带来进一步的不确定性，增加成本，并且对预期交付时间产生负面影响。

附图说明

本公开通过示例而非限制的方式示出，并且当结合附图考虑时，可以参考以下详细描述来更全面地理解本公开，附图中:

图1是示出根据本公开的一些实现的为自动驾驶车辆(AV)提供物理信息优化的系统的示例架构的组件的图。

图2是示出了根据本公开的一些实现的系统的示例架构的组件和与物理信息优化相关的示例数据流的图。

图3A-图3B描绘了根据本公开的一些实现的执行物理信息优化的示例方法的流程图。

图4描绘了根据本公开的一些实现的用于物理信息优化的路线。

图5描绘了根据本公开的一些实现的示例计算机设备的框图，其中指令的集合可以被执行用于使机器执行本文讨论的一个或多个方法中的任何一种。

发明内容

在一个实现中，公开了一种方法，该方法包括基于自动驾驶车辆(AV)的路线的坡度数据，识别具有满足阈值坡度值的坡度值的路线的路段。所述方法还包括响应于识别路段，基于坡度数据和AV的物理车辆数据，生成路线的路段的驾驶约束数据。所述方法还包括使得AV的路线模块基于路线的路段的驾驶约束数据来生成与路段的一部分相对应的短时程(short time horizon)路线数据，其中AV基于短时程路线数据行驶路线的路段的所述一部分。AV基于短时程路线数据行驶路线的路段的所述一部分。

在其他实现中，公开了一种系统，包括存储器设备和耦合到存储器设备的处理设备。所述处理设备基于自动驾驶车辆(AV)的路线的坡度数据，识别具有满足阈值坡度值的坡度值的路线的路段。所述处理设备还响应于识别路段，基于坡度数据和AV的物理车辆数据，生成路线的路段的驾驶约束数据。所述处理设备还使得AV的路线模块基于路线的路段的驾驶约束数据来生成与路段的一部分相对应的短时程路线数据，其中AV基于短时程路线数据行驶路线的路段的所述一部分。

在其他实现中，公开了一种非暂时性计算机可读存储介质，其上存储有指令，当指令由处理设备执行时，所述指令使得处理设备基于自动驾驶车辆(AV)的路线的坡度数据，识别具有满足阈值坡度值的坡度值的路线的路段。所述处理设备还响应于识别路段，基于坡度数据和AV的物理车辆数据，生成路线的路段的驾驶约束数据。所述处理设备还使得AV的路线模块基于路线的路段的驾驶约束数据来生成与路段的一部分相对应的短时程路线数据，其中AV基于短时程路线数据行驶路线的路段的所述一部分。AV基于短时程路线数据行驶路线的路段的所述一部分。

具体实现

车辆(例如，卡车)沿着从起始位置到目的地位置的路线行驶。路线包括具有不同长度的不同坡度(例如，海拔、坡段(pitch)、上坡、下坡)的路段。路线还包括具有不同曲率半径的路段(例如，不同长度和坡度的蜿蜒(winding)道路)。一些路线路段与历史数据相关联，诸如历史风力路段、历史高交通量路段、历史推荐的路段车道等。

自动驾驶车辆(AV)执行车辆动作，诸如制动、转向和节流，以沿着路线将AV从起始位置移动到目的地位置。AV具有(例如，从服务器)接收路线数据的规划模块，该路线数据包括从起始位置到目的地位置行驶的特定道路。规划模块(本文也被称为“路线模块”)从感知系统(例如，车辆传感器)接收指示其他对象位置的传感器数据。路线模块使用传感器数据和路线数据来生成短时程路线数据。短时程路线数据包括如何在短时间间隔(例如，下一10秒)内控制AV的指令。短时程路线数据可以非常频繁地(例如，每100毫秒(ms))生成(例如，再生、刷新)。通过非常频繁地生成，短时程路线数据可以响应车辆或世界的变化(例如，发动机衰退、其他对象改变路线或速度或突然出现)。路线模块向运动控制模块提供短时程路线数据。运动控制模块基于短时程计划数据(例如，刷新或再生的短时程规划)在下一时间间隔(例如，下一10秒，下一100ms)内控制车辆系统。路线模块基于来自感知系统的路线数据和当前传感器数据，继续为后续时间间隔生成(例如，刷新)新的短时程路线数据。运动控制模块基于新的短时地平线规划数据继续控制车辆。

由于短时程路线数据的生成可能是计算密集型的(例如，基于传感器数据和路线数据确定如何控制车辆系统)，并且短时程路线数据具有快速刷新率(例如，每100毫秒生成新的短时程路线数据)，因此传统上路线模块只能考虑路线数据和传感器数据，以在小时间间隔内生成短时程路线数据。

一些车辆动作在较短的距离上是合适的，而在较长的距离上是不合适的。例如，对于仅持续10秒的短下坡坡度，AV的路线模块可以适当地指示运动控制模块应用摩擦制动。在其他示例中，对于10英里(mi)长的较长下坡坡度，专业驾驶员将考虑坡度的陡度和坡度的长度来确定策略(例如，降档、发动机制动)。AV的传统路线模块通常只知道下一短时间间隔(例如，下一10秒)，并且可能不适当地指示运动控制模块应用摩擦制动(例如，代替降档、发动机制动等可能更适合于较长的下坡路段)。运动控制模块通常在没有上下文的情况下操作，并执行来自路线模块的轨迹。通过仅知道下一短时间间隔，传统的路线模块可能使得AV执行对车辆组件有负面影响的动作(例如，过早磨损制动衬块)。

在其他示例中，对于较长的上坡坡度，其中规定的速度限制是65英里每小时(miles per hour，mph)，基于AV的总质量，AV可能只能以50mph行驶。传统的路线模块可以指示运动控制模块以规定的速度限制行驶。通过指示运动控制模块以高于AV能够行驶的速度限制行驶，可能会出现累积误差(例如，在路线模块投射AV的位置和AV的实际位置之间)。在某些情况下，也可能发生碰撞(例如，试图以AV目前无法达到的规定的速度限制通过车辆)。

本公开的各方面通过生成用于控制AV的物理信息数据(例如，驾驶约束数据、路线的路段的制动类型、路线的计算的最大速度等)来解决上述挑战以及其他挑战。

在一些实现中，策略模块(例如，位于服务器中或AV上)识别物理数据。物理数据可以包括物理路线信息，诸如路线的路段的长度值和路线的路段的坡度值。物理数据还可以包括物理车辆数据，诸如AV的总质量、AV的制动能力、AV的变速器齿轮比、AV的轴距数据或AV的发动机能力中的至少一个。

策略模块可以使用物理数据来为AV要行驶的路线的路段生成物理信息策略数据(physics-informed strategy data)(本文也被称为“物理信息数据(physics-informeddata)”或“驾驶约束数据(driving constraint data)”)。在一些实现中，策略模块将规则应用于物理数据，以生成物理信息策略数据。当满足指定条件时，规则可以指定一个或多个条件(例如，基于路线的路段的一个或多个特征和AV的一个或多个特征)和要执行的一个或多个推荐的AV动作(和/或对要使用的AV动作的推荐的约束)。在一些示例中，第一规则指定，对于路线的路段的阈值下坡坡度值(例如，2％的下坡坡度或更大)、路线的路段的阈值距离值(例如，至少1英里)、AV的阈值质量以及特定的制动能力(例如，发动机制动和摩擦制动)，AV将使用制动的类型(例如，发动机制动)来降低路线的路段上的速度。策略模块可以将第一规则应用于包括第一路段的物理路线数据(例如，坡度值、距离值等)的路线的第一路段的物理数据和AV的物理车辆数据(例如，总质量、制动能力等)来确定AV将对路线的第一路段使用发动机制动。通过将规则应用于路线的每个路段的物理数据，策略模块可以确定路线的每个路段的物理信息策略数据(例如，制动类型)。物理信息策略数据可以包括路线不同路段的推荐的车辆动作(和/或对车辆动作的约束)。路线的每个路段可以具有基本恒定的坡度(例如，第一路段在第一路段的长度上具有基本3％的上坡坡度，等)。

在一些实现中，物理信息策略数据包括路线的特定路段的相应类型的制动。例如，对于具有10英里下坡坡度的路段，物理信息策略数据可以指示对该路段使用降档和/或发动机制动来代替摩擦制动，以避免摩擦制动过早磨损。

在一些实现中，物理信息策略数据包括路线的路段的计算的最大速度(例如，低于最大规定的速度)。例如，对于具有1英里上坡坡度的路段，该路段具有65mph的规定最大速度限制和特定的AV总质量，物理信息策略数据可以指示使用50mph的计算的最大速度限制来避免累积误差和避免碰撞。

策略模块可以使路线模块基于路线的路段的物理信息策略数据(例如，通过向路线模块提供物理信息策略数据)来生成短时域路线数据。例如，对于给定的路段，物理信息策略数据可以指示计算的最大速度，并且路线模块可以基于计算的最大速度(例如，代替规定的最大速度)生成短时程路线数据。在一些实现中，策略模块使得运动控制模块物理信息策略数据(例如，使用特定的齿轮比、使用特定的制动系统等)来控制AV的致动器。

在一些实现中，策略模块识别AV的路线的坡度数据和AV的物理车辆数据。策略模块可以基于坡度数据确定路线的路段(例如，具有相应的基本恒定的坡度的每个路段)。策略模块基于坡度数据来识别具有满足阈值坡度值(例如，阈值坡度和/或长度)的坡度值(例如，陡度和/或长度)的路线的路段，并且基于坡度数据和AV的物理车辆数据来生成路线的路段的驾驶约束数据(例如，物理信息策略数据)。策略模块使得AV的路线模块基于驾驶约束数据来生成与路段的一部分(例如，下一十秒)相对应的短时程路线数据。策略模块可以使AV的运动控制模块基于驾驶约束数据来控制AV的致动器(例如，制动系统、变速器齿轮等)。

本文公开的方面和实现提供了优于现有技术的许多优点。通过基于针对路线的路段的物理信息策略数据生成短时程路线数据，路线模块向运动控制模块发送指令，在AV上生成较少的磨损、避免碰撞、避免误差累积、更省燃料等。通过基于路线的路段的物理信息策略数据来生成短时程路线数据，路线模块实现超出短时程规划的短间隔(例如，10秒)的策略，而不会导致附加的处理器开销和较慢的刷新率。通过物理信息策略数据控制致动器，运动控制模块实现物理信息策略，而不会导致附加的处理器开销。

图1是示出根据本公开的一些实现的为自动驾驶车辆(AV)101提供物理信息优化的系统的示例架构100的组件的图。尽管可选地称为“卡车”，但是自动驾驶车辆可以包括任何机动车辆(诸如汽车、拖拉机(带有或不带有拖车)、公共汽车、摩托车、全地形车辆、休闲车辆、任何专门的农业或建筑AV等)，或者能够以自动驾驶模式操作的任何其他自动推进车辆(没有人类的输入或者较少的人类的输入)。自动驾驶车辆可以包括具有各种自主级别的车辆，诸如2级(部分自主)到5级(完全自主)。自动驾驶车辆可以包括使用内燃机(例如，燃气发动机、柴油发动机等)、电动发动机(电动机)，或其组合(例如，混合AV)的车辆。AV 101能够在铺设路面和/或未铺设路面的道路上、越野、在农业(或其他农业)土地上遇到的各种表面上、在工业工厂的驾驶环境(包括室内环境)中行驶等。

AV 101可以包括传感系统120。感测系统120可以包括各种电磁(例如，光学)和非电磁(例如，声学)感测子系统和/或可以用于对象感测(例如，距离感测、速度感测、加速度感测、旋转运动感测等)以促进自主驾驶的设备。例如，光学感测可以利用人眼可见的光范围(例如，380至400纳米(nm)波长范围)、UV范围(低于380nm)、红外范围(高于400nm)、射频范围(高于1m)等。在实现中，“光学的”可以包括电磁波谱的任何其他合适的范围。

感测系统120可以包括一个或多个LiDAR 122(例如，LiDAR测距仪)，其可以是能够确定到AV 101周围环境中的对象的距离(例如，使用飞行时间(time-of-flight，ToF)技术)的基于激光的单元。例如，(多个)LiDAR传感器122可以发射一个或多个传播到对象的激光信号(脉冲)，然后检测从对象反射的到达信号。通过确定信号发射和反向反射的波到达之间的时间延迟，ToF LiDAR传感器122可以确定到对象的距离。(多个)LiDAR传感器122可以向各个方向发射信号，以获得外部环境的宽阔视野。(多个)LiDAR传感器122可以利用比无线电波波长更短的电磁波波长，因此，与雷达单元124相比，可以提供更高的空间分辨率和灵敏度。在一些实现中，(多个)LiDAR传感器122可以是(或包括)(多个)相干LiDAR传感器，诸如(多个)调频连续波(frequency-modulated continuous-wave，FMCW)LiDAR传感器。(多个)FMCW LiDAR传感器(或一些其他相干LiDAR传感器)可以使用光外差探测用于即时速度确定。(多个)LiDAR传感器122可以包括产生和发射信号的一个或多个激光源以及从对象反射回来的信号的一个或多个检测器、滤除具有波长(频率)不同于发射信号的波长(频率)的寄生电磁波的一个或多个光谱滤波器、滤除沿着不同于发射信号的方向到达检测器的电磁波的一个或多个定向滤波器(例如，孔径、衍射光栅等)、以及可以增强(多个)LiDAR传感器122的感测能力的其他组件。在一些实现中，(多个)LiDAR传感器122可以确保水平方向上的360度视图和垂直方向上高达90度的视图。

感测系统120可以包括一个或多个雷达单元124，其可以是利用无线电或微波频率信号来感测AV 101的驾驶环境内的对象的任何系统。雷达单元124可以被配置为感测对象的空间位置(包括它们的空间维度)和它们的速度(例如，使用多普勒频移技术)，诸如平移速度和角(旋转)速度。在一些实现中，感测系统120还可以包括一个或多个声纳126，其可以是超声波声纳。

感测系统120还可以包括一个或多个相机128，以捕获驾驶环境的图像。图像可以是驾驶环境(或驾驶环境的一部分)在相机的投影平面(平面或非平面，例如，鱼眼)上的二维投影。传感系统120的一些相机128可以是被配置为捕获驾驶环境的连续(或准连续)图像流的摄像机。

由感测系统120获得的感测数据可以由感知系统130处理，该感知系统130可以被配置为检测和追踪驾驶环境中的对象并识别检测到的对象。例如，感知系统130可以分析由相机128捕获的图像，并且能够检测交通灯信号、道路标志、道路布局(例如，交通车道的边界、十字路口的拓扑、停车位的指定等)、障碍物的存在等。感知系统130还可以接收LiDAR感测数据(相干多普勒数据和非相干ToF数据)，以确定到环境中各种对象的距离和这些对象的速度。在一些实现中，感知系统130可以结合相机128捕获的数据来使用LiDAR数据。在一个示例中，相机128可以检测部分阻碍交通车道的岩石的图像。使用来自相机128的数据，感知系统130能够确定岩石的角度大小，但不能确定岩石的线性大小。使用LiDAR数据，感知系统130可以确定从岩石到AV的距离，因此，通过将距离信息与岩石的角度大小相结合，感知系统130也可以确定岩石的线性尺寸。

在其他实现中，使用LiDAR数据，感知系统130可以确定检测到的对象离AV有多远，并且可以进一步确定对象沿着AV运动方向的速度分量。此外，使用由相机获得的一系列快速图像，感知系统130还可以确定检测的对象在垂直于AV运动方向的方向上的横向速度。在一些实现中，可以仅根据LiDAR数据来确定横向速度，例如，通过标识对象的边缘(使用水平扫描)并进一步确定对象的边缘在横向上移动的速度。

感知系统130还可以从GPS收发器(未示出)接收信息，该GPS收发器被配置为获得关于AV相对于地球的位置的信息，并结合感测数据使用GPS数据来帮助准确确定AV相对于驾驶环境的固定对象(诸如道路、车道边界、十字路口、人行道、人行横道、路标、周围建筑物等)的位置，这些对象的位置可以由感知系统130可访问的地图信息来提供。在一些实现中，感知系统130可以接收非电磁数据，诸如声纳数据(例如，超声波传感器数据)、温度传感器数据、压力传感器数据、气象数据(例如，风速和风向、降水数据)或其他环境监测数据。

在一些实现中，感知系统130可以提供、生成或用于帮助生成与车辆的路线相关的传感器数据194(例如，环境感测数据、场景感测数据、GPS数据等)。本文，“路线”是指目标车辆可以在起始点(“起始”)和目的地点(“目的地”)之间行驶的一系列物理位置(例如，地理标记)。起始和/或目的地不必是车辆在驾驶任务中的初始和最终位置，而是可以是沿着这样的任务的任意两个点(例如，A和B)。因此，本文的“任务”是指整个驾驶任务的任何部分。

路线数据182可以包括关于路线的起始点、中间点和目的地点的信息(例如，沿着路线的点的经度和纬度信息)，并且包括各种路线的物理特征。“轨迹”是指针对沿路线上的各个位置指定的驾驶设置，并且包括速度、油门、制动等控制，其确定车辆沿路线的前进。例如，轨迹可以包括油门设置、作为沿着路线的位置L的函数的T(L)、车辆的目标速度S(L)、档位选择序列等等。位置L可以通过行驶的距离、GPS坐标、道路标记(例如，里程标)或其组合，或以任何其他方式来识别。

地形数据184可以包括关于道路地形的信息(例如，坡度和曲率半径、间距、海拔等)或沿路线的地形。

地图数据186可以包括关于沿着路线的道路网络的信息，诸如道路表面的质量、车道的数量、规定的速度限制(例如，规定的最大速度限制、规定的最小速度限制)、出口坡道的类型和数量、加油站的可用性等。地图数据186还可以包括交通数据，该交通数据包括关于路线沿线或附近的历史交通模式或当前交通状况的信息。

车辆数据188可以包括关于AV 101的数据。车辆数据188可以是物理车辆数据，诸如AV 101的总质量、AV的制动能力(例如，再生制动、摩擦制动、发动机制动、降档、排气制动、使用传动系减速器(drive line retarder)等)、AV的变速器齿轮比，AV的轴距数据，AV的发动机能力，横向动力学数据(例如，AV对刮风道路的反应)等。

策略和启发数据190可以包括与最佳实践相关的数据，诸如专业驾驶员策略和启发。策略和启发数据190可以包括数据，诸如适合于特定坡度的道路路段长度的不同类型的制动(例如，在具有特定下坡坡度的特定道路长度的发动机制动和/或降档)、适合于特定坡度和速度的道路路段长度的齿轮比、适合于道路和坡度的曲率半径的特定减速度(例如，基于车辆的横向动力学)等。

历史数据192可以包括数据，诸如推荐的车道数据(例如，要并入，历史上最好在某个车道上)、历史风力数据(例如，特定道路路段历史上具有特定的风速和风向)、交通数据(例如，历史上特定道路路段在特定时间或日期的特定交通量、历史上车辆在特定道路路段在特定时间或日期的特定速度等)。在一些实现中，历史数据192随着时间从AV 101收集(例如，经由感测系统120、经由感知系统130、发送到AV服务器150等)。历史数据192可以用作关于未来场景的预测数据。例如，传感器数据194可以指示其他车辆在相邻车道中并且具有接合的转向信号(engaged turn signal,)，历史数据192可以包括指示历史上车辆将在3秒内进入AV 101当前占据的相同车道并且将在那时在AV 101前方大约3米的信息。在一些实现中，预报数据(例如，预测数据、估计数据等)可以基于历史数据。历史数据192可以指收集的历史数据、估计的历史数据、外推数据、预报数据、估计数据、预测数据等。如本文所使用的，代替历史数据192、除了历史数据192之外、或者包括历史数据192，预报数据(例如，预报交通、预报风、预报推荐的车道等)等可以用于生成物理信息策略数据196和/或短时程路线数据。

传感器数据194(例如，环境感测数据)可以包括由感测系统120获得的数据和/或包括已经使用来自感测系统120的数据生成的来自感知系统130的数据。例如，传感器数据194(例如，环境感测数据)可以包括描述AV101的环境或其附近的信息(例如，其他车辆、障碍物或其他元素相对于AV 101的位置)。

由感知系统130生成的数据以及各种附加数据(例如，GPS数据、路线数据182、地形数据184、地图数据186、车辆数据188、策略和启发数据190、历史数据192、传感器数据194、物理信息策略数据196等)可以被自动驾驶系统(诸如AV 101控制系统(AVCS 140))使用。AVCS 140可以包括一个或多个控制AV 101在各种驾驶情况和环境中如何表现的算法。例如，AVCS 140可以包括用于确定到目的地点的全球驾驶路线的导航系统。AVCS140还可以包括用于选择通过直接驾驶环境的特定路径的驾驶路径选择系统，其可以包括选择交通车道、协商交通拥堵、选择掉头地点、选择停车操作的轨迹等。AVCS 140还可以包括避障系统，用于安全地避开AV驾驶环境中的各种障碍物(岩石、熄火的车辆、乱穿马路的行人等)。避障系统可以被配置为评估障碍物的大小和障碍物的轨迹(如果障碍物是动画的)并选择最佳驾驶策略(例如，制动、转向、加速等)来避开障碍物。

AVCS 140的算法和模块可以为车辆的各种系统和组件(诸如车辆系统160(例如，动力系、转向和制动162、车辆电子设备164和信号166)，以及图1中未明确示出的其他系统和部件)生成指令。动力系、转向和制动162可以包括发动机(内燃机、电动发动机(电动机)等)、变速器(例如，变速器齿轮)、差速器、车轴、车轮、转向机构、制动机构和其他系统。AV车辆电子设备164可以包括车载计算机、发动机管理、点火、通信系统、车载计算器(carputer)、远程信息处理、车内娱乐系统以及其他系统和组件。信号166可以包括远近光灯、停车灯、转向灯和倒车灯、喇叭和警报器、车内照明系统、仪表板通知系统、乘客通知系统、无线电和无线网络传输系统等。由AVCS 140输出的一些指令可以直接传递到动力系、转向和制动162(或信号166)，而由AVCS 140输出的其他指令首先传递到电子设备164，电子设备164可以生成对动力系、转向和制动162和/或信号166的命令。

在一个示例中，AVCS 140可以通过使车辆减速直到达到安全速度，随后使车辆围绕障碍物转向，来确定要避开由感知系统130识别的障碍物。AVCS 140可以(直接或经由电子设备164)向动力系、转向和制动162输出指令以1)通过修改油门设置来减少到发动机的燃料流量以降低发动机rpm，2)经由自动变速器将动力系降档到低速档位，3)接合制动单元以降低(并且与发动机和变速器协同作用)车辆速度直到达到安全速度，以及4)使用动力转向机构执行转向操纵直到障碍物被安全绕过。随后，AVCS 140可以(直接或经由电子设备164)向动力系、转向和制动162输出指令以恢复车辆的先前速度设置。

在一些实现中，架构100还可以包括AV服务器150，以向AV 101发送相关信息并从AV 101接收相关信息。例如，相关信息可以包括交通信息、天气信息、路线信息以及其他信息。在一些实现中，AV服务器150至少有时可以经由网络170与AV 101通信。在一些实现中，AV 101可以最多或一直连接到网络170。在一些实现中，当适当的网络信号可用时，AV 101可以间歇地建立到网络170的连接。在一些实现中，AV 101可以在开始驾驶任务之前连接到网络170。网络170可以使用无线连接，诸如宽带蜂窝连接(例如，3G、4G、4G LTE、5G、连接等)、无线局域网(WLAN)、无线广域网(WWAN)、有线连接、卫星连接等。可以经由网络接口106(在AV 101侧)和网络接口152(在AV服务器150侧)来促进到网络170的连接。网络接口106和152可以包括天线、网络控制器、无线电电路、放大器、模数转换器和数模转换器、物理层(physical layer，PHY)、媒体访问控制层(MAC)等。

在一些实现中，架构100还可以包括数据储存库180。在一些实现中，数据储存库180是存储器(例如，随机存取存储器)、驱动器(例如，硬盘驱动器、闪存驱动器)、数据库系统或能够存储数据的其他类型的组件或设备。在一些实现中，数据储存库180包括跨越多个计算设备(例如，多个服务器计算机)的多个储存器组件(例如，多个驱动器或多个数据库)。在一些实现中，数据储存库180存储路线数据182、地形数据184、地图数据186、车辆数据188、策略和启发数据190、历史数据192、传感器数据194、物理信息策略数据196等中的一个或多个。在一些实现中，图1所示的存储在数据储存库180中的数据的至少一部分存储在AV服务器150和/或AV 101中。

在一些实现中，架构100包括策略模块142。在一些实现中，策略模块142由AV服务器150托管。在一些实现中，策略模块142由AV 101托管(例如，在AVCS 140中)。在一些实现中，AVCS包括策略模块142(例如，约束的、完整路线规划模块)、路线模块144和/或运动控制模块146中的一个或多个。

在一些实现中，路线模块144接收数据，诸如路线数据182、地图数据186和传感器数据194，并基于该数据生成短时程规划数据。例如，路线模块144接收指示AV 101将沿着特定道路行驶的路线数据182、指示特定道路的规定的速度限制的地图数据186、以及指示车辆和/或靠近AV 101的对象的位置的传感器数据194。路线模块144基于路线数据182、地图数据186和传感器数据194生成短时程路线数据，该短时程路线数据包括下一间隔(例如，10秒)的AV 101的车辆动作的指令(例如，命令)。路线模块144将短时程路线数据传输到运动控制模块146，并且运动控制模块146基于下一间隔(例如，10秒)的短时程路线数据来控制AV 101的一个或多个致动器(例如，车辆系统160)。路线模块144(例如，基于当前路线数据182、地图数据186和传感器数据194)继续生成(例如，再生、刷新)短时程路线数据(例如，每100ms)，将短时程路线数据传输到运动控制模块146，并且运动控制模块基于短时程规划数据控制致动器。

在一些实现中，策略模块142可以与路线模块144和运动控制模块146接口。策略模块142的操作将在下面结合附图进一步描述。策略模块142识别(例如，从数据储存库180检索或从适当的AV组件或AV服务器接收)数据，诸如路线数据182、地形数据184、地图数据186、车辆数据188、策略和启发数据190、历史数据192、传感器数据194等。策略模块142基于所识别的数据，为将由AV 101行驶的路线的路段生成物理信息策略数据196。在一些实现中，策略模块将一个或多个规则应用于所识别的数据(例如，应用于所识别的数据中的特定参数或特征)。

在一些实现中，规则指定响应于所识别的满足阈值坡度值、阈值距离值、阈值质量和制动能力类型的数据，将用于路线的路段的制动类型。在一些示例中，规则指定响应于所识别的包括路段的2％或更大的下坡坡度值、路段的0.1英里或更小的距离值、AV的阈值质量以及具有摩擦制动的AV的数据，使用摩擦制动。在一些示例中，规则指定响应于所识别的具有2％或更大的下坡坡度值、至少0.5英里距离值、AV的阈值质量以及具有发动机制动能力的AV的数据，使用发动机制动。

在一些实现中，规则指定响应于所识别的满足阈值坡度值、阈值距离值、阈值质量和动力系能力(例如，发动机能力)的数据，将用于路线的路段的特定速度值(例如，计算的速度、计算的最大速度)。在一些示例中，规则指定响应于所识别的数据，将使用30mph的速度值，所识别的数据包括3％的上坡坡度值、至少0.5英里距离值、AV的阈值质量以及具有特定发动机能力的AV。

在一些实现中，规则指定响应于所识别的满足路段的阈值坡度值、路段的阈值曲率半径值和总质量的数据，将用于路线的路段的减速度率值和/或速度值。

在一些实现中，规则指定响应于所识别的指示短时程路线数据220的10秒范围之外的即将到来的并入或退出的数据(例如，路线数据182)、指示车辆通常在哪个车道中行驶的历史数据192、指示接近AV 101的车辆数量的传感器数据194等，要行驶的特定车道。

物理信息策略数据196(例如，驾驶约束数据、物理信息数据)包括路线的相应路段的相应类型的制动、基于AV 101的物理限制的路线的相应路段的相应计算的最大速度(例如，小于规定的最大速度)、用于路线的相应路段的相应档位、路线的相应路段的相应速度变化率、路线的相应路段的相应车道等中的一个或多个。物理信息策略数据196可以包括指令(例如，以脚本、命令等的形式)、特定格式的文本建议、或任何其他类型/格式的数据。策略模块142向路线模块144和运动控制模块146提供物理信息策略数据196。路线模块144基于物理信息策略数据196生成短时程路线数据(例如，使用计算的最大速度代替规定的最大速度、使用下坡坡度上曲率半径之前的减速度等)。

在一些实现中，路线模块144接收指示AV 101将要行驶的道路的路线数据182、指示道路细节的地图数据186(例如，规定的速度限制、车道、曲率半径等)、传感器数据194(例如，指示接近AV 101的对象)和物理信息策略数据196(例如，使用什么制动系统、保持什么速度、使用什么档位、速度变化率等)。路线模块144可以生成包括AV 101将如何在下一10秒内移动(例如，继续直线行驶、向左或向右转向、加速、减速、保持速度等)的指令(例如，脚本、命令等)的短时程路线数据。短时程路线数据包括基于物理信息策略数据196(例如，制动系统、速度、档位、速度变化等)的指令。

运动控制模块146基于短时程路线数据和基于物理信息策略数据196(例如，使用一种制动系统)来控制致动器。在一些实现中，短时程路线数据包括指令(例如，基于根据物理信息策略数据196计算的更新的速度限制)，并且运动控制模块146执行指令以控制车辆系统160。在一些实现中，物理信息策略数据196包括如何使用车辆系统160的指示(例如，使用特定类型的制动、使用特定档位等)并且运动控制模块146生成指令(例如，脚本、命令)或调整从路线模块144接收的指令(例如，脚本、命令)以控制车辆系统160。

在一些示例中，路线的第一路段是持续时间短于10秒的4％的下坡坡度，路线的第二路段可以是平坦的，路线的第三路段是持续10分钟的4％的下坡坡度。策略模块142可以基于该数据生成物理信息策略数据196。AVCS 140可以使用该物理信息策略数据196来使得AV 101在路线的第一路段用发动机制动滑行(例如，不换档)，并且当在路线的平坦的第二路段时回滚到目标道路速度。AVCS 140可以使用物理信息策略数据196在开始路线的第三路段的下降之前降档到适当的档位并减速到坡度目标速度。适当地换挡和减速对燃料经济性有显著的积极影响，

在一些示例中，路线的路段在相应的高度(altitude)具有上坡坡度。策略模块142可以基于数据生成物理信息策略数据196。AVCS 140可以使用该物理信息策略数据来使AV101以低于规定的最大速度限制的计算的最大速度限制移动。基于影响最大发动机功率(例如，高度)和当前车辆有效载荷的外部变量，AV 101可以沿上坡行驶的计算的最大速度限制(例如，针对该坡度的调整后的道路速度限制)可以显著低于规定的最大速度限制(例如，一般道路速度限制)。

通过生成和使用物理信息策略数据196，路线模块144不必使用任意大的规划范围(horizon)。在一些实现中，策略模块142将物理信息策略数据196嵌入地图数据186中，然后路线模块144使用地图数据186来生成短时程路线数据。在一些示例中，策略模块142将规则应用于接收到的数据(例如，AV 101的质量、发动机能力、坡度值、可用的变速器齿轮比等)来确定AV 101在要行驶路线的路段的调整后的速度值(例如，AV 101可以基于AV 101的物理约束爬坡的速度)。策略模块142然后使地图数据186用调整后的速度值更新。在一些示例中，策略模块142将一个或多个规则应用于接收到的数据(例如，地图数据186，诸如规定的速度限制、发动机能力、总质量等)来确定AV 101将用于行驶路线的路段的推荐的档位。

物理信息策略数据196的使用提供了物理信息优化，诸如减少AV 101的车辆系统160上的磨损、减少累积误差、减少碰撞概率、提供节能(例如，节能动作)等。节能动作可以指导致AV消耗的能量减少的AV动作。对于具有内燃机(internal combustion engine，ICE)的AV，节能动作可以包括节油动作。对于具有电动发动机(例如，电动机)或混合AV的AV，节能动作可以包括动力或节电动作。在一些实现中，节能动作可以包括AV动力系的分离、暂停向AV的发动机供应能量或再生能量动作中的至少一个。动力系的分离可以包括将AV置于空档(例如，滑行)或者将发动机的动力与车轮脱离。暂停向AV 101的发动机供应能量可以包括减少或停止向ICE的燃料喷射或者减少或停止向电动发动机(例如，电动机)提供电力。再生能量动作可以包括返回到AV或为AV产生能量的动作。可以实施通过制动或其他再生技术将能量返回到AV的再生制动技术。

图2是示出了根据本公开的一些实现的系统的示例架构200的组件和与物理信息优化相关的示例数据流的图。图1的组件用于帮助描述图2的各方面。

在一些实现中，策略模块142为AV提供物理信息优化。在一些实现中，AV服务器150包括策略模块142。在一些实现中，AV的AVCS 140包括策略模块142。

策略模块142接收上下文数据210，诸如路线数据182、地形数据184、地图数据186、车辆数据188、策略和启发数据190、历史数据192、传感器数据194等中的一个或多个。在一些实现中，策略模块142从车辆系统160接收传感器数据194(例如，在策略模块142和车辆系统160之间交换的数据)。策略模块142基于上下文数据210生成物理信息策略数据196。在一些实现中，物理信息策略数据196是文本文件、脚本、可执行二进制文件等。在一些实现中，策略模块142将物理信息策略数据196嵌入到其他数据中，诸如地图数据186。策略模块142向路线模块144和运动控制模块146提供物理信息策略数据196(例如，单独地、嵌入在其他数据中等)。

在一些实现中，路线模块144是涉及AV的定位和操作的规划和决策的主要权限和/或组件。路线模块144接收数据，诸如物理信息策略数据196、路线数据182、地图数据186和传感器数据194，并基于接收的数据做出关于AV相对于外部环境的定位的决策。

路线模块144基于至少一部分物理信息策略数据196生成短时程路线数据220(例如，与在下一10秒内移动AV相关联)，并将短时程路线数据220发送到运动控制模块146。在一些实现中，短时程路线数据220是文件(例如，文本文件等)并且运动控制器146基于短时程路线数据220生成命令(例如，脚本、指令)来控制车辆系统160。在一些实现中，短时间路线数据220包括命令(例如，脚本、指令等)并且运动控制模块146将命令(例如，当接收到或更新命令后)传递给车辆系统160以控制车辆系统160。运动控制模块146根据物理信息策略数据196(例如，约束，诸如要使用的制动类型)执行短时程路线数据220(例如，命令，诸如计算的最大速度限制)。在一些实现中，AVCS 140基于非常严格的容差(例如，距离所请求的位置几厘米内)来控制AV的位置。例如，AVCS 140可以评估接收到的数据(例如，指示AV附近的对象的位置的传感器数据194)并确定AV相对于外部环境的位置以移动AV。在一些示例中，路线模块144接收指示其他车辆领先AV两秒的传感器数据。然后，路线模块144生成短时程路线数据220，指示制动系统将被致动以使AV落后于其他车辆至少三秒。在一些实现中，运动控制模块146被期望在由短时程路线数据220(例如，鉴于物理信息策略数据196)施加的约束内使用短时程路线数据220(例如，鉴于物理信息策略数据196)，使得由AVCS 140确定的AV的位置可以被精确控制。

在一些示例中，物理信息策略数据196可以针对路线的路段指示计算的最大速度(例如，小于规定的最大速度)、制动类型、要使用的齿轮比、减速度率和/或行驶车道。策略模块142可以发送物理信息策略数据196的至少第一部分(例如，计算的最大速度、减速度率、行驶车道等)到路线模块144和物理信息策略数据196的至少第二部分(例如，制动类型、齿轮比等)到运动控制模块146。路线模块144可以根据物理信息策略数据196的至少第一部分(例如，计算的最大速度、减速度率、行驶车道等)生成下一时间间隔(例如，10秒)的短时程路线数据220。运动控制模块146可以根据物理信息策略数据196的至少第二部分(例如，物理信息策略数据196的制动类型和/或齿轮比，以及基于短时程路线数据220)来控制车辆系统160。

图3A-图3B描绘了根据本公开的一些实现的执行物理信息优化的示例方法300A-B的流程图。方法300A-B和/或方法300A-B的各个功能、例程、子例程或操作中的每一个可以由处理设备来执行，该处理设备具有一个或多个处理单元(CPU)和通信地耦合到CPU的存储器设备。执行方法300A-B的处理设备可以是服务器(位于自动驾驶车辆外部，诸如AV服务器150)或客户端处理模块(位于自动驾驶车辆内或自动驾驶车辆处，诸如AVCS140)，或其任意组合的一部分。在一些实现中，方法300A-B可以由单个处理线程执行，或者由两个或多个处理线程执行，每个线程执行该方法的一个或多个单独的功能、例程、子例程或操作。如下所述的方法300A-B可以由处理逻辑来执行，该处理逻辑可以包括硬件(例如，处理设备、电路、专用逻辑、可编程逻辑、微码、设备硬件、集成电路等)、软件(例如，在处理设备上运行或执行的指令)或其组合。在一些实现中，方法300A-B由图1和2中描述的策略模块142执行。尽管以特定的顺序或次序示出，除非另有说明，操作的次序可以修改。因此，所示的实现应该仅被理解为示例，并且所示的操作可以以不同的顺序执行，而一些操作可以并行执行。此外，在一些实现中，可以省略一个或多个操作。因此，并非每个实现都需要所有图示的操作，并且其他处理流程也是可能的。在一些实现中，可以执行相同、不同、更少或更多的操作。

参考图3A，在方法300A的操作302，处理逻辑识别物理数据。物理数据可以存储在至少一个数据储存库中，并且可以从数据储存库中检索。或者，处理逻辑可以从AV的各种组件和/或从服务器接收一些或全部物理数据。在一些实现中，物理数据包括AV的路线的物理路线数据和AV的物理车辆数据。在一些实现中，物理数据还包括历史数据，该历史数据包括推荐的车道数据、历史风力数据或交通数据中的一个或多个。在一些实现中，路线(例如，规划的路线、道路网络中的特定路径)是基于已经定义的任务(例如，期望的起始和结束位置)生成的。

在一些实现中，物理路线数据包括与路线的每个路段相对应的相应长度值和于路线的每个路段相对应的相应坡度值。在一些实现中，路线被分成多个路段，其中每个路段具有相应的坡度值，该坡度值在路线的相应路段的相应长度上基本恒定(例如，路段是不同的长度)。在一些示例中，路线的第一路段在10英里内基本平坦，第二路段在1英里内具有3％的上坡坡度。在一些实现中，对于路线的每个相应的曲率半径，对于具有历史数据(例如，历史风力、历史交通等)的路线的每个部分，路线被进一步被分成不同于路线的其他部分的路段等。

在一些实现中，物理车辆数据包括AV的总质量、AV的制动能力、AV的变速器齿轮比、AV的轴距数据、AV的发动机能力等中的至少一个。

在操作304，处理逻辑基于物理数据为AV要行驶的路线的路段生成物理信息数据(也被称为“物理信息策略数据”)。在一些实现中，物理信息数据包括上下文和/或约束，以改善路线的一个或多个路段的致动器使用。

路线数据、地形数据、地图数据(例如，道路数据、最大和最小速度限制等)、车辆数据(例如，当前车辆配置、总质量、轴距等)、最佳实践(例如，专业驾驶员策略、启发等)、历史数据(例如，交通、天气等)等可以被提供给处理逻辑。处理逻辑可以结合该数据来为路线的各路段创建物理信息数据。路线的路段的物理信息数据可以包括路线模块的改进的道路和轨迹约束(例如，改变的基于位置的最大道路速度限制、适应的基于位置的轨迹限制等)和用于运动控制模块的附加上下文或约束，以改善致动器的使用(例如，推荐的档位选择或坡度严重性的表示，诸如距离加陡度，基于位置的致动器策略，诸如变速器等)。

在一些实现中，物理信息数据包括路线的一个或多个路段的相应类型的制动。在一些例子中，物理信息数据推荐在短下坡坡度进行摩擦制动(例如，使用摩擦制动垫)。在一些示例中，物理信息数据推荐在较长的下坡坡度降档(例如，将AV置于低速档)和/或发动机制动，而不是摩擦制动。对于相应的路段，物理信息数据可以推荐再生制动、摩擦制动、发动机制动、降档、排气制动或使用传动系减速器中的一个或多个。

在一些实现中，物理信息数据包括基于AV的物理限制的路线的一个或多个路段的相应计算的最大速度(例如，低于规定的最大速度)。在一些示例中，计算的最大速度基于AV的总质量、AV的发动机能力等。

在一些实现中，物理信息数据包括用于路线的一个或多个路段的相应档位(例如，齿轮比)。在一些实现中，相应档位基于计算的最大速度、降档、减速度等中的一个或多个。

在一些实现中，物理信息数据包括路线的一个或多个路段的相应速度变化率(例如，加速度、减速度)。在一些示例中，物理信息数据包括具有曲率半径的下坡坡度的推荐的减速度。

在一些实现中，物理信息数据包括路线的一个或多个路段的相应车道。在一些示例中，对于AV要并入到其他道路上的路线的路段，物理信息数据推荐AV在相应车道中。

在一些实现中，处理逻辑进一步识别来自AV的感知系统的传感器数据(例如，处理逻辑从车辆系统接收传感器数据)。在一些实现中，传感器数据与AV的环境相关联(例如，风力数据、对象接近度数据等)。在一些实现中，传感器数据与AV的一个或多个车辆系统相关联。在一些实现中，处理逻辑进一步基于传感器数据生成物理信息数据。

在一些示例中，传感器数据指示当前风力值，地形数据指示下坡坡度，地图数据指示曲率半径，并且AV数据指示AV的总质量。处理逻辑应用一个或多个规则，以响应于所识别满足阈值风力值、阈值下坡坡度值、道路具有阈值曲率半径以及AV满足阈值质量的数据，来确定AV将以特定最大速度行驶。

在一些示例中，传感器数据指示超出短时程路线数据的间隔(例如，10秒)的缓慢移动的对象(例如，堵塞交通)。该处理应用一个或多个规则，以基于指示阈值距离内的对象以阈值速度移动的传感器数据，在对象处于短时程路线数据的间隔(例如，10秒窗口)内之前，确定AV要减速到特定速度。

在一些实现中，处理逻辑识别更新的数据(例如，与当前车辆容量相关联的更新的车辆数据、与当前环境条件相关联的更新的传感器数据等)并且处理逻辑基于更新的数据来修改物理信息数据。在一些实现中，处理逻辑应用一个或多个规则来基于更新的数据来生成更新的或新的物理信息数据(例如，处理逻辑基于更新的数据重复操作304)。

在操作306，处理逻辑使得AV的路线模块根据路线路段的物理信息数据生成与路线的路段之一相对应的短时程路线数据。在一些实现中，短时程路线数据用于下一个时间间隔(例如，下一10秒，下一100ms)。AV将基于短时程路线数据行驶该路段路线(例如，下一10秒)。在一些实现中，短时程路线数据包括根据物理信息数据的附加约束。

在一些示例中，在没有物理信息数据的情况下生成的短时程路线数据将包括使用65mph的规定的最大速度的指令。根据路线的路段的物理信息数据生成的短时程路线数据将使用50mph的计算的最大速度(例如，基于坡度的AV的物理约束、坡度的长度、曲率半径等)。

在操作308，处理逻辑使得AV的运动控制模块根据路线的路段的物理信息数据(例如，在AV在路线上行驶期间)来控制AV的一个或多个致动器。所述一个或多个致动器还由运动控制模块基于短时程路线数据(例如，根据路线的路段的物理信息数据生成的)来控制，以使AV沿着路线行驶。一个或多个致动器可以包括一个或多个AV的发动机、AV的变速器齿轮、AV的一个或多个制动(例如，降速、减速)系统等。

在一些示例中，运动控制模块响应于从策略模块接收到物理信息数据，使得致动器(例如，车辆系统)在路线的一个或多个路段期间使用相应的制动系统和/或相应的变速器档位。在一些示例中，运动控制模块响应于从路线模块接收到短时程路线数据(例如，由路线模块基于路线路段的物理信息数据生成)，使得致动器控制油门以低于规定的最大速度限制的计算的最大速度移动AV。

在一些示例中，AV正在以65mph的速度限制接近高速公路上3％的上坡坡度。给定车辆的当前负载条件和推进单元(例如，柴油发动机、电动机等)的额定功率，基于地形和车辆容量的最大速度为55mph。物理信息数据(例如，预先计算的适配)通知路线模块改变的最大道路速度，解决路线模块的期望速度和AV物理能力之间的潜在差异。

在一些示例中，AV接近长达几分钟的4％的下坡坡度，这需要使用发动机制动来避免摩擦制动过热。处理逻辑使用所识别的数据来生成物理信息数据，该数据被提供给路线模块以生成与降低的局部最大道路速度相关联的短时程路线数据(例如，基于预先计算的路线信息)。运动控制模块也可以使用物理信息数据来使车辆系统使用优选的档位来产生正确的机械优势，以使发动机可用的发动机制动扭矩与该坡度的优选道路速度相匹配。这种物理信息数据提供了一种先验(priori)策略，允许系统最大限度地避免摩擦制动的使用。

在一些示例中，AV正在接近长达几秒的坡度，刚好超过当前短时程规划数据的当前时间间隔(例如，10秒)。物理信息数据(例如，预先计算的路线信息)可以通知运动控制模块当前坡度的相对低的严重性(例如，非常短但有些陡峭)(例如，不适应最大道路速度)。运动控制模块控制致动器使用发动机制动，以根据物理信息数据避免不必要的降档。

参考图3B，在方法300B的操作322，处理逻辑识别AV路线的坡度数据和AV的物理车辆数据。坡度数据可以包括路线的陡度值(例如，斜度、坡度)和长度值。例如，路线的第一部分可以具有5英里的4％的下坡坡度。物理车辆数据可以包括AV的总质量、AV的制动能力、AV的变速器齿轮比、AV的轴距数据和/或AV的发动机能力中的至少一个。

在操作324，处理逻辑可以基于坡度数据确定路线的路段。每个路段可以具有相应的基本恒定的坡度。例如，第一路段可以在第一路段的长度上具有基本4％的下坡坡度，第二路段可以在第二路段的长度上具有大致平坦的坡度，第三路段可以在第一路段的长度上具有基本1％的上坡坡度。在一些实现中，每个路段的坡度满足坡度值的阈值范围(例如，3.5-4.5％的下坡坡度)。在一些实现中，路线在坡度变化超过坡度值的阈值范围的部分被分割成路段。

在操作326，处理逻辑基于坡度数据识别具有满足阈值坡度值的坡度值的路线的路段。阈值坡度值可以包括阈值下坡坡度值和/或阈值上坡坡度值。

在一些实现中，坡度值包括线路段的陡度值和长度值。阈值坡度值可以包括阈值陡度值和阈值长度值。在一些实现中，存在多个阈值坡度值(例如，阈值陡度值和阈值长度值的多种组合)。在一些示例中，5英里的2％的下坡坡度满足第一阈值坡度值，1英里的4％的下坡坡度满足第二阈值坡度值。在一些实现中，不同的阈值坡度值可以进一步基于天气数据、交通数据、AV的物理车辆数据等。例如，在干燥道路条件下1英里的2％的下坡坡度可能不满足阈值坡度值，在光滑道路条件下1英里的2％的下坡坡度可能满足阈值坡度值。

在操作328，处理逻辑基于坡度数据和AV的物理车辆数据来生成路线的路段的驾驶约束数据(例如，物理信息数据)。驾驶约束数据可以进一步基于推荐的车道数据、历史风力数据和/或交通数据。

在一些示例中，响应于路段的坡度值满足阈值下坡坡度值，驾驶约束数据可包括制动类型(例如，再生制动、摩擦制动、发动机制动、降档、排气制动或使用传动系减速器中的一个或多个)。在一些示例中，响应于该路段的坡度值满足阈值上坡坡度，驾驶约束数据可以包括基于AV的物理限制的该路段的计算的最大速度。计算的最大速度可能小于相应的最大规定的速度。在一些示例中，驾驶约束数据可以包括用于行驶路段的档位、行驶路段的速度变化率和/或行驶路段的车道。

在操作330，处理逻辑使得AV的路线模块基于该路线的路段的驾驶约束数据生成与该路段的一部分相对应的短时程路线数据。在一些示例中，短时程路线数据用于下一短时间(例如，下一10秒)。短时程路线数据可以基于驾驶约束数据指示制动类型、计算的最大速度等。

在操作332，处理逻辑使得AV的运动控制模块基于AV在路线上行驶期间的驾驶约束数据来控制AV的一个或多个致动器(例如，发动机、变速器齿轮、一个或多个制动系统等)。运动控制模块还可以基于短时程路线数据来控制AV的一个或多个致动器，以使AV沿着路线行驶。在一些示例中，运动控制模块可以基于驾驶约束数据使用制动类型、特定档位等。

在一些实现中，处理逻辑接收更新的数据。在一些示例中，更新的数据包括从AV的感知系统接收的传感器数据。在一些示例中，更新的数据包括更新的路线(例如，具有更新的坡度数据)。在一些示例中，更新的数据包括更新的AV的物理车辆数据(例如，更新的轮胎压力、更新的动力传动系容量、更新的AV总质量等)。处理逻辑可以基于更新的数据重复方法300B的一个或多个操作。

图4描绘了根据本公开的一些实现的用于物理信息优化的路线400的剖面图。路线400的剖面图显示了路线不同部分的不同坡度(例如，陡度、坡度)。

路线400可以包括起始位置402和目的地位置404。在一些实现中，起始位置402和目的地位置404由处理逻辑(例如，图1-2的策略模块142)经由用户输入来接收。处理逻辑可以确定从起始位置402到目的地位置404之间的路线400。处理逻辑识别路线400的坡度数据。处理逻辑可以基于坡度数据确定路线400的路段410。在一些示例中，路段410是路线400的具有基本恒定坡度的一部分。参考图4，路段410A、410C、410E和410G各自具有基本平坦的坡度。路段410B和410D各自具有相应的下坡坡度。路段410F和410H各自具有相应的上坡坡度。处理逻辑可以确定路线400的具有满足阈值坡度值的坡度值的一个或多个路段410。坡度值可以包括陡度值和长度值，并且阈值坡度值可以包括阈值陡度值(例如，阈值斜度)和阈值长度值。在一些示例中，路段410B可以具有满足阈值下坡坡度值的下坡坡度值，而路段410D(例如，其长度比路段410B的长度短)可以具有不满足阈值下坡坡度值的下坡坡度值。在一些示例中，路段410H可以具有满足阈值上坡坡度的上坡坡度值，而路段410F(例如，其长度比路段410H的长度短)可以具有不满足阈值上坡坡度的上坡坡度值。

处理逻辑可以基于坡度数据和AV的物理车辆数据(例如，物理信息数据)生成路线400的一个或多个路段410的驾驶约束数据。在一些示例中，路段410B的第一驾驶约束数据包括使用降档和发动机制动(例如，响应于路段410B的坡度和/或长度满足第一阈值坡度和/或长度以及包括降档和发动机制动的物理车辆数据)。摩擦制动可用于路段410D(例如，路段410D的长度和/或坡度不足以满足降档和发动机制动的阈值坡度值)。在一些示例中，路段410H的第二驾驶约束数据包括使用低于路段410H的规定的最大速度的计算的最大速度(例如，响应于路段410H的坡度和/或长度满足第二阈值坡度和/或长度，并且物理车辆数据指示可以针对路段410H的坡度和长度保持计算的最大速度)。

处理逻辑可以为路线400的一个或多个路段410生成相应的驾驶约束数据。处理逻辑可以接收更新的数据(例如，更新的路线、天气数据、传感器数据、动力系能力数据、交通数据、风力数据等)并重新确定路线、路线的路段和/或路段的驾驶约束数据。

处理逻辑可以使得AV的路线模块基于驾驶约束数据生成与路段410的一部分(例如，下一十秒)相对应的短时程路线数据。在一些实现中，驾驶约束数据被嵌入提供给路线模块的地图数据中。路线模块可以在短时间间隔内刷新(例如，再生)短时程路线数据。路线模块可以将短时程数据提供给AV的运动控制模块，以控制AV的致动器，从而使AV沿着路线行驶。处理逻辑还可以使AV的运动控制模块基于驱动约束数据来控制AV的致动器。

图5描绘了根据本公开的一些实现的示例计算机设备500的框图，在该示例计算机设备500中可以执行指令的集合，用于使机器执行本文讨论的一个或多个方法中的任何一种。示例计算机设备500可以连接到LAN、内联网、外联网和/或互联网中的其他计算机设备。计算机设备500可以在客户端-服务器网络环境中以服务器的身份操作。计算机设备500可以是个人计算机(PC)、机顶盒(STB)、服务器、网络路由器、交换机或网桥，或者能够执行指定该设备要采取的动作的指令的集合(顺序的或其他的)的任何设备。此外，虽然仅示出了单个示例计算机设备，但是术语“计算机”包括单独或共同执行(多个)指令的集合以执行本文讨论的任何一个或多个方法的任何计算机集合。在一些实现中，计算机设备500是AV服务器150。在一些实现中，AV 101包括计算机设备500(例如，AVCS 140是计算机设备500)。在一些实现中，计算机设备500执行策略模块142。

示例计算机设备500可以包括处理设备502(也被称为处理器或CPU)，其可以包括处理逻辑503、主存储器504(例如，只读存储器(ROM)、闪存、诸如同步动态随机存取存储器(DRAM)(SDRAM)的DRAM等)、静态存储器506(例如，闪存、静态随机存取存储器(SRAM)等)、和辅助存储器(例如，数据储存器设备518)，它们可以经由总线530相互通信。

处理设备502代表一个或多个通用处理设备，诸如微处理器、中央处理单元等。更具体地，处理设备502可以是复杂指令集计算(complex instruction set computing，CISC)微处理器、精简指令集计算(reduced instruction set computing，RISC)微处理器、超长指令字(very long instruction word，VLIW)微处理器、实现其他指令集的处理器或实现指令集组合的处理器。处理设备502也可以是一个或多个专用处理设备，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。根据本公开的一个或多个方面，处理设备502可以被配置为执行指令，该指令执行由策略模块142执行的任何操作。

示例计算机设备500还可以包括网络接口设备508，其可以通信地耦合到网络520。示例计算机设备500还可以包括视频显示器510(例如，液晶显示器(LCD)、触摸屏或阴极射线管(CRT))、字母数字输入设备512(例如，键盘)、光标控制设备514(例如，鼠标)和声音信号生成设备516(例如，扬声器)。

数据储存器设备518可以包括计算机可读存储介质(或者更具体地，非暂时性计算机可读存储介质)528，其上存储有(多个)可执行指令的集合522。根据本公开的一个或多个方面，可执行指令522可以包括执行策略模块142的任何操作的可执行指令。

可执行指令522也可以在由示例计算机设备500执行期间完全或至少部分地驻留在主存储器504和/或处理设备502中，主存储器504和处理设备502也构成计算机可读存储介质。可执行指令522还可以经由网络接口设备508通过网络发送或接收。

虽然计算机可读存储介质528在图5中被示为单个介质，但是术语“计算机可读存储介质”应该被理解为包括存储(多个)VM操作指令的集合的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”包括能够存储或编码一组由机器执行的指令的任何介质，这些指令使得机器执行本文描述的任何一个或多个方法。术语“计算机可读存储介质”包括但不限于固态存储器以及光学和磁性介质。

前面详细描述的一些部分已经根据对计算机存储器内的数据位的操作的算法和符号表示来呈现。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们工作的实质传达给本领域其他技术人员的方式。算法在本文通常被认为是导致期望结果的自洽操作序列。这些操作需要对物理量进行物理操作。通常，尽管不是必须的，这些量采取能够被存储、组合、比较和以其他方式操纵的电信号或磁信号的形式。已经证明，有时将这些信号称为位、值、元素、符号、字符、术语、数字等是方便的，这主要是出于通用的原因。

然而，应该记住，所有这些和类似的术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便的标签。本公开可以指计算机系统或类似的电子计算设备的动作和过程，该计算机系统或类似的电子计算设备操纵在计算机系统的寄存器和存储器中表示为物理(电子)量的数据，并将该数据转换成在计算机系统的存储器或寄存器或其他这样的信息存储系统中类似地表示为物理量的其他数据。

本公开还涉及一种用于执行本文的操作的装置。该装置可以为预期目的而专门构造，或者它可以包括由存储在计算机中的计算机程序选择性激活或重新配置的通用计算机。这种计算机程序可以存储在计算机可读存储介质中，诸如但不限于任何类型的盘，包括软盘、光盘、CD-ROM和磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、或者任何类型的适于存储电子指令的介质，每个都耦合到计算机系统总线。

本文呈现的算法和显示并不固有地与任何特定的计算机或其他装置相关。根据本文的教导，各种通用系统可以与程序一起使用，或者可以证明构建更专用的装置来执行该方法是方便的。各种这些系统的结构将在下面的描述中出现。此外，本公开没有参考任何特定的编程语言来描述。应当理解，可以使用各种编程语言来实现本文描述的本公开的教导。

本公开可以作为计算机程序产品或软件来提供，其可以包括其上存储有指令的机器可读介质，该指令可以用于对计算机系统(或其他电子设备)进行编程以执行根据本公开的过程。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机制。在一些实现中，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质，诸如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备等。词语“示例”或“示例性的”在本文用于表示用作示例、实例或说明。本文中描述为“示例”或“示例性”的任何方面或设计不一定被解释为优于或优于其他方面或设计。相比之下，词语“示例”或“示例性”的使用旨在以具体的方式呈现概念。如在本申请中所使用的，术语“或”意在表示包含性的“或”，而不是排他性的“或”也就是说，除非另有说明，或者上下文清楚，“X包括A或B”意在表示任何自然的包括性置换。即如果X包括A；X包括B；或者X既包括A又包括B，则在前述任一情况下满足“X包括A或B”。此外，本申请和所附权利要求中使用的冠词“一”和“一个”通常可以被解释为表示“一个或多个”，除非另有说明或者从上下文中清楚地指向单数形式。此外，术语“实施例”、“一个实施例”、“一些实施例”、“实现”、“一个实现”、“一些实现”等的使用可能意味着也可能不意味着相同的实施例或实现。本文描述的一个或多个实施例或实现可以在特定的实施例或实现中组合。如本文所使用的术语“第一”、“第二”、“第三”、“第四”等是指用于区分不同元件的标签，并且根据它们的数字名称，不一定具有序数意义。

在前述说明书中，已经参考本公开的具体示例实现描述了本公开的实现。显而易见的是，可以对其进行各种修改，而不脱离如以下权利要求中阐述的本公开的更广泛的精神和实施范围。因此，说明书和附图被认为是说明性的，而不是限制性的。

Claims (20)

1.一种方法，包括:

基于自动驾驶车辆(AV)的路线的坡度数据，识别具有满足阈值坡度值的坡度值的路线的路段；

识别与路线相关联的道路网络的地图数据；

响应于识别路段，基于坡度数据和AV的物理车辆数据，生成路线的路段的驾驶约束数据；

将驾驶约束数据嵌入地图数据中以生成嵌入有驾驶约束数据的地图数据；

当AV正行驶路线的路段时，识别路线的路段的一部分的当前环境感测数据，所述当前环境感测数据与AV附近的一个或多个对象的位置相关联；

使得AV基于嵌入有用于路线的路段的驾驶约束数据的地图数据和与路线的路段的所述一部分相关联的当前环境感测数据来生成与路段的所述一部分相对应的短时程路线数据；和

使得AV基于短时程路线数据行驶路线的路段的所述一部分。

2.根据权利要求1所述的方法，其中:

坡度值包括路段的陡度值和长度值；和

阈值坡度值包括阈值陡度值和阈值长度值。

3.根据权利要求2所述的方法，其中阈值陡度值是阈值下坡陡度值，其中驾驶约束数据包括用于路段的制动类型，并且其中AV使用制动类型行驶路段的所述一部分。

4.根据权利要求3所述的方法，其中制动类型包括再生制动、摩擦制动、发动机制动、降档、排气制动或使用传动系减速器中的一个或多个。

5.根据权利要求2所述的方法，其中阈值陡度值是阈值上坡陡度值，其中驾驶约束数据包括基于AV的物理限制的路段的计算的最大速度，所述计算的最大速度小于相应的最大规定的速度，并且其中AV基于计算的最大速度行驶路段的所述一部分。

6.根据权利要求1所述的方法，还包括基于坡度数据，确定路线的多个路段，其中所述多个路段中的每个相应的路段都具有在相应的路段的长度上实质恒定的相应的坡度，并且其中所述多个路段包括所述路段。

7.根据权利要求1所述的方法，其中物理车辆数据包括AV的总质量、AV的制动能力、AV的变速器齿轮比、AV的轴距数据或AV的发动机能力中的至少一个。

8.根据权利要求1所述的方法，还包括:

使得AV基于AV在所述路线上行驶期间的驾驶约束数据来控制AV的一个或多个致动器，其中AV的所述一个或多个致动器将进一步基于短时程路线数据被控制，使得AV沿着所述路线行驶。

9.根据权利要求8所述的方法，其中所述一个或多个致动器包括AV的发动机、AV的变速器齿轮、或AV的一个或多个制动系统中的至少一个。

10.根据权利要求1所述的方法，其中，所述驾驶约束数据的生成还基于推荐的车道数据、历史风力数据或交通数据中的一个或多个。

11.根据权利要求1所述的方法，其中识别当前环境感测数据包括从AV的感知系统接收与AV的环境相关联的当前环境感测数据。

12.根据权利要求8所述的方法，其中驾驶约束数据包括用于行驶路段的档位、用于行驶路段的速度变化率、或用于行驶路段的车道中的至少一个。

13.一种系统，包括:

存储器设备；和

处理设备，耦合到存储器设备，其中处理设备:

基于自动驾驶车辆(AV)的路线的坡度数据，识别具有满足阈值坡度值的坡度值的路线的路段；

识别与路线相关联的道路网络的地图数据；

响应于识别路段，基于坡度数据和AV的物理车辆数据，生成路线的路段的驾驶约束数据；

将驾驶约束数据嵌入地图数据中以生成嵌入有驾驶约束数据的地图数据；

当AV正行驶路线的路段时，识别路线的路段的一部分的当前环境感测数据，所述当前环境感测数据与AV附近的一个或多个对象的位置相关联；

使得AV基于嵌入有用于路线的路段的驾驶约束数据的地图数据和与路线的路段的所述一部分相关联的当前环境感测数据来生成与路段的所述一部分相对应的短时程路线数据；和

使得AV基于短时程路线数据行驶路线的路段的所述一部分。

14.根据权利要求13所述的系统，其中:

坡度值包括路段的陡度值和长度值；和

阈值坡度值包括阈值陡度值和阈值长度值。

15.根据权利要求14所述的系统，其中阈值陡度值是阈值下坡陡度值，其中驾驶约束数据包括用于路段的制动类型，其中AV使用制动类型行驶路段的所述一部分，并且其中制动类型包括再生制动、摩擦制动、发动机制动、降档、排气制动或使用传动系减速器中的一个或多个。

16.根据权利要求14所述的系统，其中阈值陡度值是阈值上坡陡度值，其中驾驶约束数据包括基于AV的物理限制的路段的计算的最大速度，所述计算的最大速度小于相应的最大规定的速度，并且其中AV基于计算的最大速度行驶路段的所述一部分。

17.一种非暂时性计算机可读存储介质，其上存储有指令，当指令由处理设备执行时使得处理设备:

基于自动驾驶车辆(AV)的路线的坡度数据，识别具有满足阈值坡度值的坡度值的路线的路段；

识别与路线相关联的道路网络的地图数据；

响应于识别路段，基于坡度数据和AV的物理车辆数据，生成路线的路段的驾驶约束数据；

将驾驶约束数据嵌入地图数据中以生成嵌入有驾驶约束数据的地图数据；

当AV正行驶路线的路段时，识别路线的路段的一部分的当前环境感测数据，所述当前环境感测数据与AV附近的一个或多个对象的位置相关联；

使得AV基于嵌入有用于路线的路段的驾驶约束数据的地图数据和与路线的路段的所述一部分相关联的当前环境感测数据来生成与路段的所述一部分相对应的短时程路线数据；和

使得AV基于短时程路线数据行驶路线的路段的所述一部分。

18.根据权利要求17所述的非暂时性计算机可读存储介质，其中:

坡度值包括路段的陡度值和长度值；和

阈值坡度值包括阈值陡度值和阈值长度值。

19.根据权利要求18所述的非暂时性计算机可读存储介质，其中阈值陡度值是阈值下坡陡度值，其中驾驶约束数据包括用于路段的制动类型，其中AV使用制动类型行驶路段的所述一部分，并且其中制动类型包括再生制动、摩擦制动、发动机制动、降档、排气制动或使用传动系减速器中的一个或多个。

20.根据权利要求18所述的非暂时性计算机可读存储介质，其中阈值陡度值是阈值上坡陡度值，其中驾驶约束数据包括基于AV的物理限制的路段的计算的最大速度，所述计算的最大速度小于相应的最大规定的速度，并且其中AV基于计算的最大速度行驶路段的所述一部分。