CN114787010A - 驾驶安全性系统 - Google Patents

驾驶安全性系统 Download PDF

Info

Publication number
CN114787010A
CN114787010A CN201980102926.2A CN201980102926A CN114787010A CN 114787010 A CN114787010 A CN 114787010A CN 201980102926 A CN201980102926 A CN 201980102926A CN 114787010 A CN114787010 A CN 114787010A
Authority
CN
China
Prior art keywords
driving model
vehicle
model parameters
driving
situation
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
Application number
CN201980102926.2A
Other languages
English (en)
Inventor
I·阿尔瓦雷斯
F·盖斯勒
纪海涛
李飞
F·欧博利尔
R·罗萨莱斯
K-U·肖尔
吴向斌
张新欣
张志远
朱倩影
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mobileye Vision Technologies Ltd
Original Assignee
Mobileye Vision Technologies Ltd
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mobileye Vision Technologies Ltd, Intel Corp filed Critical Mobileye Vision Technologies Ltd
Publication of CN114787010A publication Critical patent/CN114787010A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • 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
    • B60W40/10—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 vehicle motion
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • 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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • 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
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • 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
    • B60W2556/40—High definition maps
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

提供了一种用于交通工具(100)的安全性系统(200)。该安全性系统(200)可包括一个或多个处理器(102)。一个或多个处理器(102)被配置成用于控制交通工具(100)以根据预定义存储的驾驶模型参数进行操作，用于在交通工具(100)的操作期间检测交通工具操作数据，用于基于检测到的交通工具操作数据和驾驶模型参数来确定是否改变预定义驾驶模型参数，用于将驾驶模型参数改变为经改变的驾驶模型参数，以及用于控制交通工具(100)以根据经改变的驾驶模型参数进行操作。

Description

驾驶安全性系统
技术领域
本公开的各方面总体上涉及驾驶安全性系统。
背景技术
自主驾驶(AD)需要可靠的驾驶安全性系统，该可靠的驾驶安全性系统处理自主交通工具(AV)的环境的检测到的数据，以实现该自主交通工具(AV)的驾驶策略。为此，已经开发了诸如各种安全性驾驶模型之类的各种驾驶模型。
发明内容
提供了一种用于交通工具的安全性系统。该安全性系统可包括一个或多个处理器。一个或多个处理器可被配置成用于控制交通工具以根据预定义驾驶模型参数进行操作，用于在交通工具的操作期间检测交通工具操作数据，用于基于检测到的交通工具操作数据和驾驶模型参数来确定是否改变预定义驾驶模型参数，用于将驾驶模型参数改变为经改变的驾驶模型参数，以及用于控制交通工具以根据所改变的驾驶模型参数进行操作。
附图说明
在附图中，贯穿不同的视图，相同的附图标记一般指代相同部分。这些附图不一定是按比例的，而是一般着重于说明本发明的原理。在以下描述中，参照以下附图描述本发明的各实施例，在附图中：
图1示出根据本公开的各个方面的自主交通工具；
图2示出交通工具的安全性系统的各种电子组件；
图3示出了根据本公开的各个方面的检测危险情形以及创建热图并向交通工具分发服务器创建的热图的过程；
图4示出了事故热图的示例；
图5示出了本公开的各个方面的算法、动作实体和物理组件的示例性建图；
图6示出了在由交通工具方实现的用于检测危险事件和适配辅助驾驶模型参数的辅助驾驶模型中运行的算法是如何彼此关联的；
图7示出了根据本公开的各方面的与创建、维护和传送观察到的危险情性的热图相关的示例性过程；
图8示出根据本公开的各个方面的示例性动态热图；
图9示出了操作交通工具的安全性系统的方法；
图10示出了操作交通工具的安全性系统的方法；
图11示出了经由基础设施发射器分发的安全性驾驶模型参数的图示；
图12A和图12B示出了具有驾驶模型参数集合数据库的安全性驾驶模型系统的图示；
图13示出从多个驾驶模型参数集合(例如安全性驾驶模型参数集合)中选择出驾驶模型参数集合(例如安全性驾驶模型参数集合)的过程；
图14示出了操作交通工具的安全性系统的方法；
图15示出了根据本公开的各方面的安全性系统的框图；
图16示出了根据本公开的各方面的安全性系统的鉴别器的功能；以及
图17示出了操作交通工具的安全性系统的方法。
具体实施方式
以下详细描述中对附图进行参考，附图以图示的方式示出了具体细节以及可在其中实施本发明的实施例。
在本申请中使用词“示例性”来意指“充当示例、实例或说明”。在本申请中被描述为“示例性”的任何实施例或设计不一定被解释为相对于其他实施例或设计是优选的或有优势的。
例如，如本文中所使用的术语“处理器”或“控制器”可被理解为允许处置数据的任何种类的实体。可根据由处理器或控制器执行的一个或多个特定功能来处置数据。进一步地，如本文中所使用的处理器或控制器可被理解为任何种类的电路，例如任何种类的模拟或数字电路。处理器或控制器因此可以是或可包括模拟电路、数字电路、混合信号电路、逻辑电路、处理器、微处理器、中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、集成电路、专用集成电路(ASIC)等、或其任何组合。下文将进一步详细描述的相应功能的任何其他种类的实现方式也可被理解为处理器、控制器或逻辑电路。应理解，本文中详述的处理器、控制器或逻辑电路中的任何两个(或更多个)可被实现为具有等效功能的单个实体等等，并且相反地，本文中详述的任何单个处理器、控制器或逻辑电路可被实现为具有等效功能的两个(或更多个)分开的实体等等。
“交通工具”应理解为包括任何类型的驾驶对象，并且可能包括汽车、公共汽车、小型公共汽车、货车、卡车、移动房屋、汽车拖车、摩托车、自行车、三轮车、移动机器人、个人运输工具。
“地面交通工具”应理解为在地面上(例如在街道上)驾驶的任何类型的对象。
术语“自主交通工具”是指能够在不具有驾驶员输入的情况下实现至少一种导航改变的交通工具。导航改变是指交通工具的转向、制动、或加速度/减速度中的一者或多者的改变。要成为自主的，交通工具不需要是完全自动的(例如，在没有驾驶员或没有驾驶员输入的情况下完全地操作的)。自主交通工具包括可以在某些时间段期间在驾驶员控制下操作且在其他时间段期间在没有驾驶员控制的情况下操作的那些交通工具。自主交通工具还可包括仅控制交通工具导航的一些方面的交通工具，交通工具导航的一些方面诸如转向(例如，在交通工具车道约束之间维持交通工具路线)或在某些情形下(但并非在所有情形下)的一些转向操作，但可能将交通工具导航的其他方面留给驾驶员(例如，制动或在某些情形下进行制动)。在一些方面中，自主交通工具可处置交通工具的制动、速率控制和/或转向中的一些方面或所有方面。
在本公开的上下文中，“交通工具操作数据”被理解为意味着与交通工具的操作相关的任何类型的特征，包括交通工具状态(诸如交通工具轮胎、交通工具类型、交通工具制造的时限以及因此更确切地说是静态交通工具操作数据。然而，“交通工具操作数据”还可能包括在交通工具操作期间改变的特征，诸如交通工具操作期间的天气状况或道路状况以及因此更确切地说是变化的交通工具操作数据。
贯穿本公开，下列术语将作为同义词来使用：驾驶参数集、驾驶模型参数集、安全性层参数集、驾驶员辅助和/或自动化驾驶模型参数集。
此外，贯穿本公开，下列术语将作为同义词来使用：驾驶参数、驾驶模型参数、安全性层参数、驾驶员辅助和/或自动化驾驶模型参数。
图1示出根据本公开的各个方面的包括安全性系统200(也参见图2)的交通工具100。取决于特定实现方式的要求，安全性系统200可以包括各种组件。如图1和图2所示，安全性系统200可以包括一个或多个处理器102、一个或多个图像采集设备104(诸如，例如一个或多个相机104)、位置传感器106(诸如全球导航卫星系统(GNSS)，例如全球定位系统(GPS))、一个或多个存储器202、地图数据库204、一个或多个用户接口206(诸如，例如显示器、触摸屏、麦克风、扬声器、一个或多个按钮和/或开关等)、以及一个或多个无线收发器208、210、212。无线收发器208、210、212可以根据不同的期望的无线电通信协议或标准来进行配置。作为示例，第一无线收发器208可以根据短程移动无线电通信标准(诸如，例如蓝牙、Zigbee等)来进行配置。此外，第二无线收发器210可以根据中程或宽程移动无线电通信标准(诸如例如，根据对应的多个3GPP(第三代合作伙伴计划)标准的3G(例如，通用移动通信系统(UMTS))、4G(例如，长期演进(LTE)、或5G移动无线电通信标准)来进行配置。第三无线收发器212可根据无线局域网通信协议或标准(诸如例如，根据IEEE 802.11(例如，802.11、802.11a、802.11b、802.11g、802.11n、802.11p、802.11-12、802.11ac、802.11ad、802.11ah等))来配置。一个或多个无线收发器208、210、212可以被配置成用于经由空中接口传送信号。图像捕获设备104可以各自包括适合于从交通工具100的环境中捕获至少一个图像的任何类型的设备。此外，可以使用任何数量的图像捕获设备104来采集用于输入到处理器(诸如图像处理器)的图像。
一个或多个处理器102可以包括应用处理器214、图像处理器216、通信处理器218、或任何其他合适的处理设备。类似地，取决于特定应用的要求，图像采集设备104可以包括任意数量的图像采集设备和组件。图像采集设备104可包括一个或多个图像捕捉设备(例如，相机、CCD(电荷耦合器件)、或任何其他类型的图像传感器)。安全性系统200还可以包括将一个或多个处理器102通信地连接至图像采集设备104的数据接口。例如，第一数据接口可以包括任何一个或多个有线和/或无线第一链路220，该一个或多个第一链路220用于将由图像采集设备104采集的图像数据传送到一个或多个处理器102(例如，传送到图像处理器216)。
无线收发器208、210、212可以例如经由第二数据接口耦合至一个或多个处理器102，例如耦合至通信处理器218，该第二数据接口可以包括用于将由无线收发器208、210、212获取的无线电传送的数据传送到一个或多个处理器102(例如传送到通信处理器218)的任何一个或多个有线和/或无线第二链路222。
存储器202以及一个或多个用户接口206可以例如经由第三数据接口耦合到一个或多个处理器102中的每一个处理器，第三数据接口可以包括任何一个或多个有线和/或无线第三链路224。此外，位置传感器106可例如经由第三数据接口耦合至一个或多个处理器102中的每个处理器。
此类传送还可以包括交通工具100与交通工具100的环境中的一个或多个其他(目标)交通工具之间的通信(单向或双向)(例如，以促进交通工具100鉴于在交通工具100的环境中的其他(目标)交通工具或与其他(目标)交通工具一起协作地导航)，或甚至包括向正在传送的交通工具100的附近区域中的未指定接收者进行的广播传送。
收发器208、210、212中的一者或多者可被配置成用于实现一个或多个交通工具对外界(V2X)通信协议。
一个或多个处理器102中的每个处理器214、216、218可包括各种类型的基于硬件的处理设备。作为示例，每个处理器214、216、218可包括微处理器、预处理器(诸如图像预处理器)、图形处理器、中央处理单元(CPU)、支持电路、数字信号处理器、集成电路、存储器，或适合用于运行应用以及用于图像处理和分析的任何其他类型的设备。在一些是实例中，每个处理器214、216、218可包括任何类型的单核或多核处理器、移动设备微控制器、中央处理单元等。这些处理器设计可以各自包括具有本地存储器和指令集的多个处理单元。此类处理器可包括用于从多个图像传感器接收图像数据的视频输入，并且还可包括视频输出能力。
本文中所公开的处理器214、216、218中的任一者可被配置成用于根据可被存储在一个或多个存储器202中的存储器中的程序指令来执行某些功能。换言之，一个或多个存储器202中的一个存储器可存储在由处理器(例如，由一个或多个处理器102)执行时控制系统(例如，安全性系统)的操作的软件。例如，一个或多个存储器104中的存储器可存储一个或多个数据库和图像处理软件、以及经训练的系统(诸如神经网络、或深度神经网络)。一个或多个存储器104可包括任何数量的随机存取存储器、只读存储器、闪存、盘驱动器、光存储、磁带存储、可移动存储、以及其他类型的存储。
在一些实施例中，安全性系统可进一步包括诸如用于测量交通工具200的速度的速度传感器(例如，速度计)之类的组件。安全性系统还可包括用于测量交通工具100沿一个或多个轴线的加速度的一个或多个(单轴或多轴)加速度计(未示出)。安全性系统可进一步包括附加传感器或不同的传感器类型，诸如一个或多个无线电检测与测距(radar)传感器110、一个或多个光检测与测距(LIDAR)传感器112(其可集成在交通工具100的前照灯中)等等。第三数据接口可以将一个或多个无线电检测与测距传感器110和一个或多个光检测与测距传感器112耦合到一个或多个处理器102中的每个处理器。
一个或多个存储器202可将数据存储在例如数据库中或以任何不同格式存储数据，这些数据例如指示已知地标的位置。一个或多个处理器102可以处理交通工具100的环境的传感信息(诸如图像、无线电检测与测距信号、来自对两个或更多个图像的光检测与测距或立体处理的深度信息)以及位置信息(诸如GPS坐标、交通工具的自我运动等)，以确定交通工具100相对于已知地标的当前位置，并细化交通工具位置。该技术的某些方面被包括在定位技术(诸如建图和路线选择模型)中。
地图数据库204可包括存储用于交通工具100(例如，用于安全性系统)的(数字)地图数据的任何类型的数据库。地图数据库204可以包括与各种项目(包括道路、水景、地理特征、商业、感兴趣的点、餐馆、加油站等)在参考坐标系中的位置相关的数据。地图数据库204不仅可以存储此类项目的位置，还可以存储与这些项目相关的描述符，包括例如与存储的特征中的任何特征相关联的名称。在此类实施例中，一个或多个处理器102中的处理器可通过到通信网络的有线或无线数据连接(例如，通过蜂窝网络和/或互联网等)从地图数据库204下载信息。在一些情形下，地图数据库204可存储稀疏数据模型，包括针对交通工具100的某些道路特征(例如，车道标记)或目标轨迹的多项式表示。地图数据库204还可以包括各种识别出的地标的所存储的表示，这些所存储的表示可被提供以确定或更新交通工具100相对于目标轨迹的已知位置。地标表示可以包括诸如地标类型、地标位置、以及其他潜在标识符之类的数据字段。
此外，安全性系统可包括例如在高级驾驶辅助系统(ADAS)和/或驾驶辅助系统及自动化驾驶系统中实现的驾驶模型。作为示例，安全性系统可以包括(例如，作为驾驶模型的一部分的)形式模型(诸如，安全性驾驶模型)的计算机实现方式。安全性驾驶模型可以是或可包括对适用于自驾驶(地面)交通工具的法律的解释进行形式化的数学模型。安全性驾驶模型可被设计用于实现例如三个目标：首先，对法律的解释应该是合理的，即它符合人类如何解释法律。其次，解释应该带来有用的驾驶策略，这意味着它将带来灵活的驾驶策略，而不是过度防御性的驾驶，该过度防御性的驾驶不可避免地会使其他人类驾驶员感到迷惑，并且将阻塞交通，并进而限制系统部署的可扩展性。第三，从可以严格地证明自动化(自主)交通工具正确地实施法律的解释的意义上说，解释应该是高效地可验证的。说明性地，安全性驾驶模型可以是或可包括安全性保障的数学模型，该数学模型使得能够标识危险情形并执行对危险情形的恰当响应，使得可以避免自身导致的事故。
安全性驾驶模型可以实现应用驾驶行为规则的逻辑，诸如以下五条规则：
-不要从后面撞到人。
-不要鲁莽地变道超车。
-通行权是给予的，不是取得的。
-注意能见度有限的区域。
-如果你能避免事故而不引起另一次事故，你必须这样做。
应注意，这些规则不是限制性的并且也不是排他性的，并且可以根据需要在各个方面进行修改。这些规则而是表示社会驾驶合约，该社会驾驶合约取决于地区而可能是不同的，并且还可能随着时间的推移而发展。虽然这五条规则目前适用于大多数国家，但它们可能并不完整并且可能会被修改。
如上文所述，交通工具100可包括安全性系统，还参考图2来描述该安全性系统200。
交通工具100可包括例如与交通工具100的引擎控制单元(ECU)集成或分离的一个或多个处理器102。
一般而言，安全性系统可生成数据来控制或辅助控制ECU和/或交通工具100的其他组件，以直接地或间接地控制对交通工具100的驾驶。
在下文中，可以提供一种基于建图和路线选择模型的方法。该方法可被提供用于通过所收获的危险情形统计信息的建图来进行事故预防，如将在下文中进一步详细描述。建图和路线选择模型提供了使用将静态环境数据和动态环境数据进行聚合的收获代理的众包建图机制(例如，使用存储在一个或多个存储器202中的一个或多个数字地图和/或数据库204)。在本公开的各个方面，提供了用于捕获遇到的如由安全性驾驶模型度量所定义的危险情形的统计信息的建图和路线选择模型方法。说明性地，在建图和路线选择模型之上提供表示对(数字)地图中的一个或多个路段的风险值的热图层。应注意的是，热图是热图数据的可视化可能性。然而，热图数据可以以不同的格式(诸如以数据结构或任何其他所需的方式)来表示和/或处理。该方法允许对相应交通工具100的安全性驾驶模型参数(作为驾驶模型参数的示例)进行微调，使得基于所聚集的经验证据在高风险场采用更合适的驾驶策略。
虽然下列各方面将与安全性驾驶模型相关联地描述，但在替代实现方式中可提供任何其他驾驶模型和/或建图和路线选择模型以外的其他建图机制。
交通工具100的一个或多个处理器102可实现下列各方面和方法。
常规的安全性系统监测方法(诸如安全性驾驶模型)提供了基于环境感知和内部参数的驾驶策略的框架。然而，常规的安全性驾驶模型和其他类似的方法并没有直接将关于在空间和时间的特定点处可能由未知原因触发的、对所提供的驾驶模型的潜在增加的风险的过往证据考虑在内。此外，人类可能会从险些发生事故的场景中学习，并在针对随后的场合驾驶同一道路时采用其行为。然而，对于自动化系统而言，由人类获取的经验不容易被大规模聚集。世界各地的政府/警察部门已经建立并公开了交通事故的数据库。这些数据可用于特定数字地图的可视化，该特定数字地图也可被称为数字热图。在该情境下，应注意，对来自数据库的交通事故的排他使用可能会遗漏可能已经或接近成为事故的大量事件。这对于自动驾驶交通工具的发展可能变得很重要，因为不能期望避免事故的人类反应与机器的反应相同。
本公开的各个方面可以在建图和路线选择模型的众包方法之上定义地图层(例如，在传统数字地图之外或与传统数字地图合并的附加数字地图)，以聚集高风险位置的证据，并且随后可以使用该信息来微调安全性驾驶模型参数，以最小化未来的危险事件。
各方面可以提供以下方面的一个或多个方面的组合:
1)用于基于安全性驾驶模型或任何其他驾驶模型的严格定义来检测危险情形的方法；
2)以分布式的方式在所有收获代理上实现如在建图和路线选择模型中提出的检测算法；
3)用于聚集众包危险事件并将其存储到热图层的统计方法；以及
4)根据交通工具在道路302中的位置来约束交通工具的安全性驾驶模型参数的调整过程。
各个方面可使得能够实现使基于安全性驾驶模型或任何其他驾驶模型的安全性系统监视器适配未知场景的高效方式，在这些未知场景中，安全性驾驶模型和安全性驾驶模型参数或任何其他驾驶模型和它们相应参数未被优化。各方面可以利用现实生活经验知识来不断增加道路安全性，包括尚未理解的人类驾驶和自动化驾驶的混合场景。该示例性方法将允许部署这样的系统：该系统自我适配以增加安全性，并且因此增加客户对基于安全性驾驶模型的技术的信任。
如图3所示，在一些道路302中，存在发生事故的可能性高于基于简单模型的风险估计的地方。例如，这可能是由于非理想条件的组合，诸如在很短的时间内感知到意外的交通工具的道路弯道期间的直射阳光(从潮湿的表面反射的或从日落反射的阳光)。
交通工具100的一个或多个处理器102可以(基于由一个或多个传感器(例如如上所述的一个或多个传感器、例如由一个或多个相机和/或一个或多个位置传感器和/或一个或多个无线电检测和测距传感器和/或一个或多个光检测和测距传感器等检测的各种数据)检测一个或多个危险情形，例如安全系统的用户或安全系统的开发者可以在相应驾驶模型中预定义该一个或多个危险情形并将其存储在一个或多个存储器104中。例如，如果一个或多个危险标准被满足(例如，如果一个或多个距离和/或速度阈值被低估或超过)，则安全性系统可以检测交通工具的危险情形。
作为示例，安全系统的用户或安全系统的开发者可以在安全性驾驶模型中对以下危险情形进行预定义，并且一个或多个处理器102可以根据安全性驾驶模型来检测它们：
-危险的纵向情形；
-危险的横向情形；
-作为危险纵向情形和危险横向情形的组合的危险情形。
此外，其他交通工具也可以在操作期间检测危险情形，并且可以在其一个或多个存储器中存储该危险情形(框304)。
在306中，交通工具100和其他交通工具可以(例如使用一个或多个收发器208、210、212)将检测到的危险情形传送到地图聚合服务器308，如下文将更详细地描述。地图聚合服务器308可以收集由交通工具100和其他交通工具(换句话说，由收获代理)接收到的危险情形，并且可以创建动态安全性地图层(诸如例如热图层，换句话说，包括与安全性/风险相关联的元数据的动态层—例如，安全性地图层可以以任何期望的格式和诸如以任何期望的数据结构实现)，该动态安全性地图层包括分配给相应危险情形发生的相应路段的危险情形。然后，在310中，地图聚合服务器308可以将所创建的安全性地图层(换句话说，安全性元数据(诸如热图层))传送给交通工具100和其他交通工具，然后这些交通工具可以根据所接收的热图和包括在其中的危险信息调整其安全性驾驶模型参数(框312)。
一个或多个处理器102可以将所创建的动态安全性地图层与事故元数据(换句话说，如图4所示的(例如，以事故热图400的格式的)事故地图层，该事故地图层包括地图的路段中的先前事故)合并，或者至少将其一起考虑。如上所述，事故元数据(换句话说，(例如以事故热图400的格式的)事故地图层提供具有高风险的物理位置的所记录的证据。例如，图4示出丹佛市的地点402、地点404、地点406、地点408、地点410，这些地点往往发生更多的事故。
通过遵循类似于建图和路线选择模型的方法来收集由收获代理(该收获代理在交通工具(诸如在交通工具100中)中被实现)在运行时收集到的危险情形，危险情形被提供用于创建动态危险地图，该动态危险地图包含更倾向于发生事故(甚至在事故出现之前)的地方(例如，一般区域中的路段)的信息。此外，它允许关闭反馈回路，并且向交通工具实时地提供该信息，以减少发生此类事故的几率。
例如，为了检测危险情形，驾驶模型(诸如安全性驾驶模型)可以在收获代理的车队上(在多个交通工具中)实现，并将该模型传达到服务器308，例如由此在建图和路线选择模型中提供的云服务器308(例如地图聚合服务器308)。服务器308(例如云服务器308)可将检测到的危险情形(以及根据检测到的危险情形确定的可能的“事件”)作为数字动态安全性地图层或地图元数据聚合到数字地图中，该数字动态安全性地图层或地图元数据包括分配给发生危险情形的(多个)区域的危险情形。然后，安全性系统可以向交通工具100提供所创建的动态热图或与他们的位置相关的所创建的动态安全性地图层或地图元数据的部分，以例如通过将本地安全性驾驶模型参数适配到驾驶模型的更谨慎的行为来影响更安全的驾驶。
图5示出了本公开的各个方面的算法502、动作实体504和物理组件506的示例性建图500。
示例性建图提供了如例如由建图和路线选择模型定义的以下动作实体504：
-一个或多个收获代理508；
-一个或多个安全性地图层或地图元数据服务器(例如，一个或多个热图聚合服务器308)；以及
-一个或多个安全性地图层或地图元数据消费代理(例如一个或多个热图消费代理510)。
此外，示例性建图规定了例如由建图和路线选择模型定义的以下算法建图：
一个或多个收获代理508可被配置成用于实现例如以下算法中的一个或多个算法或全部算法：
-根据驾驶模型(例如根据安全性驾驶模型)的危险情形检测算法512；和/或
-用于提取与相应危险情形相关联的事件的算法514。
一个或多个安全性地图层或地图元数据(例如热图)消费代理510可被配置成用于实现例如算法516以基于所接收的动态安全性地图层或地图元数据(例如热图)来适配本地安全性驾驶模型参数。
一个或多个安全性地图层或地图元数据(例如热图)聚合服务器308可以被配置成用于实现例如以下算法中的一个或多个算法或全部算法：
-算法518，用于接收危险情形和/或危险事件并相应地更新动态安全性地图层或地图元数据(例如热图)；和/或
-维护过程520，用于管理热图中的事件的时间寿命；和/或
-传送过程522，用于将安全性地图层或地图元数据(例如热图)的相关子集分发给收获代理，例如分发给一个或多个交通工具(诸如交通工具100)。
物理组件506可包括：
-一个或多个交通工具100；
-一个或多个相机(诸如安装在交通工具100上的相机104或交通基础设施的相机)；和/或
-一个或多个通信天线，该一个或多个通信天线可以是交通工具100的一个或多个收发器208、210、212的一部分或交通基础设施的一个或多个通信天线；和/或
-一个或多个处理器节点524，该一个或多个处理器节点524可以是交通基础设施的一部分。
一个或多个收获代理508、一个或多个安全性地图层或地图元数据(例如热图)聚合服务器308以及一个或多个安全性地图层或地图元数据(例如热图)消费代理510可以经由通信链路526通信地耦合。
一个或多个安全性地图层或地图元数据(例如热图)聚合服务器308可以位于云528中并且作为云528的一部分，该云528可以耦合到云通信天线530和进一步的云处理器节点532。
在下文中，将对各种算法提供更详细的解释。
图6示出在由交通工具(诸如交通工具100)实现的驾驶模型中运行的用于检测危险事件和适配辅助驾驶模型(例如安全性驾驶模型)参数的三种算法是如何彼此关联。说明性地，在代理过程中--交通工具在通过例如安全性驾驶模型体验到危险情形时众包危险情形，并例如通过建图和路线选择模型或任何其他合适的通信连接将它们传送到服务器308(例如热图聚合服务器308)。然后，服务器308可向交通工具通知与先前经历有关的信息，该信息可用于适配驾驶模型参数(例如安全性驾驶模型参数)以供持续学习。
一个或多个处理器102可以根据驾驶模型(例如根据安全性驾驶模型)实现(例如执行)危险情形检测算法512，如下：
危险情形检测算法算法512基于在操作期间在交通工具100上执行安全性驾驶模型。危险情形检测算法算法512可包括用于在每当安全性驾驶模型标识危险情形时进行监测和检测。例如，实现安全性驾驶模型的运行实例602可以检测到特定时间t是“纵向危险的”，因为根据相应驾驶模型(诸如安全性驾驶模型)，两个交通工具之间的距离是不安全的。在604中，危险情形检测算法512可以进一步包括将检测到的危险情形记录日志。一个或多个处理器102可将一个或多个检测到的、记录在危险情形数据消息606中的危险情形供应给算法514，以提取与相应危险情形相关联的事件。
作为示例，一个或多个处理器102可以实现安全性驾驶模型运行时监测器，并且可以聚集涵盖在安全性驾驶模型中作为相应的一个或多个危险情形数据消息606定义的子集危险情形或所有危险情形的安全性驾驶模型危险情形报告。每个危险情形报告连同以下被存储(换句话说，每个危险情形数据消息606可以包括)：
a)时间戳T,
b)物理位置L,
c)危险情形类别id I，
d)安全性驾驶模型响应R，以及任选地
e)用于扩展的元数据M，例如，用于对事件进行更细化的描述。
时间戳T可以指示几十年的时间尺度和毫秒的分辨率。物理位置L可以指定三维空间中的、具有从厘米到几米变化的可配置分辨率/准确性的点。情形类别I的可能值由安全性驾驶模型中定义的危险情形集合(例如：{“危险纵向情形”、“危险横向情形”、“危险情形”、…})定义。安全性驾驶模型响应R可以传达关于响应于相应危险情形所采取的动作的信息，并且可以被定义为例如在安全性驾驶模型中定义的可能动作集合。元数据M可以定义可变长度的字段，该字段可以传达文本、安全性状态(事故、无事故)、认证和安全性令牌等。
危险情形数据消息606的可能消息格式在表1中示出：
Figure BDA0003688195940000141
表1—单个危险情形数据消息606的日志格式
在任选的后续过程中，处理器可以对所聚集的危险情形报告进行融合和/或过滤和/或压缩。
一个或多个处理器102可以实现(例如执行)算法514以提取与相应危险情形相关联的事件，例如如下：
算法514接收一个或多个危险情形数据消息606。由于危险情形的数量可以与相同的根本原因相关联，因此可以提供对其进行预处理，以标识空间上和时间上的触发事件地方、其寿命和危急度。然后，该过程可以将观察到的危险情形压缩为要传送的单个事件。
作为示例，如果交通工具(例如交通工具100)由于违反安全性距离而必须突然中断，则一个或多个处理器102可以在安全性距离仍未实现的时间段期间连续地报告危险情形。一个或多个处理器102可以将这一系列所报告的危险情形压缩成在某个时间点开始的、具有一定持续时间并且根据所触发的响应和最终状态具有一定危急度的安全性距离违反的单个事件。
一个或多个处理器102可以将安全性驾驶模型危险情形报告压缩成具有相关联的id、开始、持续时间和危急度度量的一个或多个单一事件(在608中)，并且可以因此生成危险情形事件消息610。事件的开始T和持续时间D可分别被定义为关联的危险情形报告集合被检测为开始和被检测为结束时的物理坐标和时间坐标。危急度度量C可以是事件严重性的主观衡量，并且可被定义为函数C:X→[0,1]，其中X描述以下参数：
a)危险情形持续时间(短、长)，
b)安全性驾驶模型响应的强度(完全减速、或平稳)，以及
c)结束状态(事故或无事故)。
危险情形事件消息610的可能消息格式在表2中示出：
Figure BDA0003688195940000151
表2—单个危险情形事件消息610的日志格式
为了将危险情形报告融合到单个事件中，处理器可以在报告的数据库中搜索相同类别id的连续报告，即在其时间戳中形成相同报告类型的不间断序列的报告。该序列中的安全性驾驶模型响应的最大值可用于危急度C的计算。
危急度函数C的可能实现方式可以是如下：
危急度函数C的实现方式的伪代码
Figure BDA0003688195940000152
Figure BDA0003688195940000161
然后，一个或多个收获代理508可以将一个或多个危险情形事件消息610发送到热图聚合服务器308。
一个或多个处理器102可以实现(例如执行)算法516，以基于接收到的动态热图来适配本地安全性驾驶模型参数。
从逻辑上讲，该过程是端到端系统中的最后一个。由地图聚合服务器308执行的过程，换句话说，云行为者执行的过程是该过程的先例。在614中，该过程接收完整的动态热图或在地图聚合服务器308处聚合的动态热图的子集作为输入，并且可以在616中相应地适配本地安全性驾驶模型参数。
针对每个网格点接收到的危险情形事件的元组包含每个危险情形类别的事件数量和平均危急度的概述。
在该过程中，一个或多个处理器102可以在618中适配与每种情形类别相关的安全性驾驶模型参数。
说明性地，可以提供用于约束作为所接收的热图网格点上的“温度”元组的函数的值或安全性驾驶模型参数。对于每个危险情形类别I，定义函数Z以约束相关安全性驾驶模型参数P的子集的可能值。
例如，为了避免再次遇到被标记为在交通工具100正在接近的道路位置(并且在当前时间范围内被标记为)有规律地发生的“危险纵向情形”事件，该过程可以减少最大加速度参数以迫使较早的制动反应。
约束函数Z的可能实现方式可以是如下：
约束函数Z的实现方式的伪代码
Figure BDA0003688195940000171
图7示出了根据本公开的各个方面的与对观察到的危险情形的动态热图702(其为数字风险地图的示例性实现方式)的创建、维护和传送相关的示例性过程。在服务器进程中，一个或多个热图聚合服务器308可以将从收获代理508接收到的危险事件转化为动态热图702，该动态热图702捕获危险情形，而不仅仅是事故，并且将该信息传送给交通工具以改善其安全性关键决策。
一个或多个热图聚合服务器308可以实现(例如执行)算法518以接收危险情形和/或危险事件，并相应地更新动态热图。
在704中，云服务器(例如，一个或多个热图聚合服务器308)从一些或所有收获代理508接收危险情形事件消息610，并将其存储在表示新的危险情形层的热图数据库中。动态热图702可以包括3D空间网格或基本上由3D空间网格组成，该3D空间网格具有空间中的每个点处的相关联的“温度”值。该温度可以指示在由阈值参数Tr定义的整个大时间跨度内遇到的危险情形的数量和危急度。
说明性地，在706中，一个或多个热图聚合服务器308可以将温度值与同物理道路相对应的时空网格中的每个点相关联。温度值可被定义为元组(I，T，D，C)的向量，其中I代表危险情形的类别id。T和D代表危险情形事件的开始时间戳和结束时间戳以及物理位置。C代表危急度度量。网格具有由多个增量定义的可参数化的分辨率，该多个增量定义用于对事件进行聚合和索引的空间粒度。作为示例，在由动态热图702表示的物理区域中，动态热图702的网格的分辨率可以在约1m至约50m的范围内。在708中，该过程可以包括由在危险情形事件消息610中接收到的相应危险情形事件来修改动态热图702。
图8示出根据本公开的各个方面的示例性动态热图702。
在每个网格点802处，事件向量804存储由人群观察到的危险情形事件。每个事件向量804包含情形id、开始时间戳和结束时间戳/位置以及危急度度量。经过的交通工具可接收与他们当前位置相关(附近)的网格的子集。
在网格点802内，事件向量804(也被称为元组)包含事件位置的更精确信息，并且因此空间分辨率不会丢失。然而，网格点802对于高效地存储事件以通过物理接近度索引快速检取事件是有用的。在该过程中，所接收的危险情形事件根据其开始参数T按照索引i、j和k进行存储，使得具有位于网格区域点的覆盖范围内的起始位置(x,y,z)的危险情形事件被一起存储在同一事件向量804中。
一个或多个热图聚合服务器308可以实现(例如执行)维护过程520以管理动态热图702中的事件的时间寿命。
参考图7，在710中，该过程520从可能不再相关的旧事件中清理动态热图702。该过程可以任选地移除比预定义时间阈值Tr更旧的事件。更进一步，在712中，该过程可以通过将信息数据相应地适配为动态热图702的格式来将从其他数据库接收的事故记录进行整合。
一个或多个热图聚合服务器308可以实现(例如执行)传送过程522以将热图702的相关子集分配给收获代理，例如分配给诸如交通工具100的一个或多个交通工具。
在714中，一个或多个热图聚合服务器308可以将完整的动态热图702或动态热图702的一个或多个相关子集传送到经过的交通工具。为了减少要传送的信息量，可以将感兴趣的点处的事件元组的实例累积在一起，使得如果这些实例的时间戳与当前时间点接近，则交通工具(例如交通工具100)接收到每个网格点和危险情形的类别id的单个元组、实例的总数以及这些实例的危急度的平均值。这可以将包括相同类别id I的每个网格点802的元组的事件向量或基本上由相同类别id I的每个网格点802的元组的事件向量组成的热图减少到包含每个点和每个类别id的单个元组的动态热图702。
每个类别id的所得的元组可以用以下元素定义：
a)类别id I，
b)在网格点区域处检测到的事件总数N，以及
c)平均危急度A。
该元组的可能格式如表3所示：
Figure BDA0003688195940000191
表3-总结用于向交通工具传送的相同类别的事件的元组
说明性地，传送过程522可以包括根据目标代理的位置传送例如动态热图702的子集，使得所接收的热图仅覆盖所定义的时间窗口内的本地可到达区域。
交通工具的可达区域能以两种方式实现：
a)独立于交通工具的存在，以及
b)针对每个交通工具定制。
在情况(a)中，路边设备将连续地广播预定义区域内的动态热图702网格点802。
在情况(b)中，单播或多播传送可以专门用于每个交通工具。所传送的动态热图702网格点802将取决于所报告的交通工具位置和速度。
图9示出了操作交通工具的安全性系统的方法900。
该方法900可以包括，在902中，在交通工具操作期间检测交通工具操作数据，在904中，根据预定义驾驶策略使用交通工具操作数据确定一个或多个危险情形，在906中，将一个或多个危险情形分类为一个或多个预定义情形类别，以及在908中，生成包括与一个或多个经分类的情形类别有关的信息的情形报告消息，该一个或多个经分类的情形类别与时间信息并且与位置信息相关联，该时间信息指示相应经分类的情形类别发生的时间，该位置信息指示相应经分类的情形类别发生的位置。情形报告消息可进一步包括在危险情形期间生效的安全性系统参数和可能影响致动的任何其他交通工具参数，以及其他交通工具的观察到的变量(例如，从观察或从无线通信得出的位置、速度和安全性参数)。
图10示出操作安全性系统服务器的方法1000。
方法1000可以包括，在1002中，接收包括与一个或多个经分类的情形类别有关的信息的情形报告消息，该一个或多个经分类的情形类别与时间信息并且与位置信息相关联，该时间信息指示相应经分类的情形类别发生的时间，该位置信息指示在交通工具处发生相应经分类的情形类别的位置，以及在1004中，生成或更新数字风险地图，该数字风险地图包括其中基于所接收的至少一个情形报告消息来指示一个或多个危险情形的一个或多个概率的一个或多个区域，其中一个概率被分配给一个相应的危险情形。情形报告消息可进一步包括在危险情形期间生效的安全性系统参数和可能影响致动的任何其他交通工具参数，以及其他交通工具的观察到的变量(例如，从观察或从无线通信得出的位置、速度和安全性参数)。
在下文中，将详细描述经由基础设施和数字地图或经由任何其他手段(诸如交通工具乘客输入(手动输入或语音输入等))的在线安全性驾驶模型参数更新。
如上文已经描述的，自动驾驶(AD)的巨大挑战是确保AD交通工具是安全的，即不造成事故或碰撞。为此，正式的数学安全性驾驶模型应该保证无碰撞的交通流。
在常规的安全性驾驶模型中，应假设涵盖所有交通参与者和交通状况(即交通密度、交通情形、天气状况等)的最坏情况参数，以保证所承诺的安全性。例如，最大加速度和制动的参数既需要重视具有较弱的制动和引擎的旧汽车，又需要重视具有较强的引擎和制动的新高性能交通工具。此外，路面状况，以及原则上还有天气状况，都会影响到所提供的驾驶模型的参数设置，并且因此也应该被考虑。因此，如果仅使用单个驾驶模型参数集合来涵盖所有可能的情况，那么所得的驾驶行为是非常保守的，并且如果将单个驾驶模型参数集合用于所有状况，则需要巨大的安全性裕度。
为了克服该问题，并使包括驾驶模型(诸如安全性驾驶模型)的安全性系统在现实世界中更可用，各方面提供了使用多个(多个)驾驶参数集合来动态地适配改变的道路/天气/交通情形(类似于动态速度限制)。安全性系统被提供来执行(换句话说，允许)参数适配。对于特定情形的适当驾驶参数集合的抉择或选择可以仅使用交通工具内传感器信息通过基础设施和/或通过数字地图和相关的数字地图更新来执行，可能还考虑如上所述的动态热图702。
图11示出了经由基础设施发射器或收发器1102分发的、用于增加安全性裕度以及取决于交通工具能力而使用不同的车道(在图11中，假设所有交通工具从左到右驾驶)的安全性驾驶模型参数的图示1100。图11示出三条车道，例如，第一(最上)车道1104，第二(中间)车道1106，和第三(最下)车道1108。车道1104、1106、1108可以是高速公路、州街道、联邦街道等的车道。
可以提供针对不同(例如高速公路)车道1104、1106、1108使用不同的安全性驾驶模型参数，以改善整体交通流。例如，与常规的优先车道类似，可以为没有实现安全性驾驶模型的交通工具预留一条车道(例如第三条车道1108)，为需要更保守的参数的交通工具预留另一条车道(例如第二条车道1106)，以及为具有更激进参数的交通工具预留另一条车道(例如第一条车道1104)。该机制允许对具有类似驾驶特性的交通工具进行分组，因此可以避免不必要的长安全性裕度。将交通工具分配到相应车道1104、1106、1108可以例如通过标志来完成，或者也可以由基础设施例如经由基础设施发射器或收发器1102(其可以与交通工具(例如交通工具100)协商适当的驾驶参数设置和车道抉择)自动地完成。
各方面可以向实现驾驶模型(诸如安全性驾驶模型)的安全性系统提供以下扩展中的一个或多个扩展：
-使用驾驶模型(诸如安全性驾驶模型)与改变的驾驶模型参数集合，而不是对所有驾驶状况使用固定的(标准)驾驶模型参数集。
-说明如果没有固定的、硬编码的驾驶模型参数集合，如何可提供驾驶模型参数(诸如安全性驾驶模型参数)的安全性系统。不同驾驶模型参数的来源可以是交通工具乘客、数字地图和/或基础设施(交通工具到基础设施(V2I)通信)。
-说明驾驶模型参数(诸如安全性驾驶模型参数)在运行时可如何被改变的安全性系统。
-各方面提供用于将具有类似配置的交通工具编组(列队)以改善交通流的列队系统。
为了增强驾驶模型(诸如安全性驾驶模型)的可用性，各方面提供使用多个驾驶模型参数集合以能够根据例如道路状况、交通状况和/或天气状况，例如通过为相应当前情形选择最适当的驾驶模型参数集合来优化驾驶体验。更合适的驾驶模型参数集合可以被保持在交通工具内并且基于情形需求进行选择，或者可以通过基础设施或通过数字地图更新来提供(如上文所述的建图和路线选择模型机制)。
考虑到最小/最大加速度、制动力、当前速度和反应时间，安全性驾驶模型可以使用数学等式来计算例如自我交通工具(例如交通工具100)与任何其他交通参与者(例如进一步的交通工具1110、1112、1114、1116、1118、1120、1122、1124、1126、1128、1130)之间的纵向安全性距离和横向安全性距离。例如，两个交通工具之间的纵向安全性裕度定义如下：
Figure BDA0003688195940000221
在此方面中，dmin是两个交通工具之间的纵向安全性距离，即，确保在前方交通工具以amax.brake(给定前方交通工具的当前速度为vf)制动的情况下，后方交通工具以amax,accel(给定后方交通工具的当前速度为vr)加速了ρ秒之后至少能以amin,brake制动的距离。
如上所述，存在该等式中涉及的大量的参数：
-amin,brake：最小制动力[m/s2]，
-amax.brake：最大制动力[m/s2]，
-amax,accel：最大加速度[m/s2]，以及
-ρ:以秒为单位的反应时间。
为了保证交通工具(例如交通工具100)始终保持安全，应该非常保守地选择这些参数。例如，虽然布加迪威龙(Bugatti Veyron)可以达到14m/s2的最大减速度，但大多数交通工具仅能达到约9m/s2至10m/s2。同样，现代跑车能以超过10m/s2进行加速，其中大多数其他交通工具和在大多数状况下的加速度值要低得多。类似的论证也适用于不同的道路状况和天气状况。因此，为了应对所有可能的交通工具和情况，最大的制动加速度必须选择成与所有可用交通工具中的最大值(类似的最大加速度)相匹配。然而，这导致了多余的安全性裕度(参见上面的等式)。
为了克服常规驾驶模型(诸如安全性驾驶模型)的这个问题，各方面可以提供对常规驾驶模型(诸如安全性驾驶模型)的以下扩展的一个或多个扩展：
-多个驾驶模型参数集合的使用下，应该在该多个驾驶模型参数集合中选择最适合每种情形的驾驶模型参数参数。
-对最佳驾驶模型参数集合的选择可通过数字地图数据或通过基础设施触发。
-在具有多条车道的道路上(例如高速公路)，各方面为每条车道提供不同的驾驶模型参数设置，以将具有类似驾驶特性的交通工具进行组合，并且因此改善整体交通流。
下面将更详细地描述这些扩展中的两个扩展：
多个安全性驾驶模型参数集合的使用
为了支持使用多个驾驶模型参数集合，例如安全性驾驶模型本身不需要被修改。唯一的要求是，整个安全性驾驶系统能够从一个安全性驾驶模型参数集合切换到另一个。因此，需要对安全性驾驶系统进行扩展，这将在接下来解释。
现在将讨论不同驾驶模型参数集合的源。图12A和图12B示出了具有驾驶模型参数集合数据库的安全性驾驶系统的图示。一般来说，存在两个选项：
选项1)如图12A所示，第一增强型安全性驾驶系统1200可能已经包含多个驾驶模型参数集合1202(其可以例如存储在一个或多个存储器202的存储器202中，例如存储在数据库1204中)，例如以获得对应于干燥状况和潮湿状况等的舒适度和运动驾驶简档。然后，基于一些外部输入，驾驶模型(诸如安全性驾驶系统)可以选择对应的驾驶模型参数集合。该输入可以来自乘客1206(舒适、运动)、来自交通工具传感器1208(干燥、潮湿)、来自用于自动驾驶(城市、高速公路)的高清(HD)数字地图1210或者甚至来自基础设施1212。在该情况下，安全性驾驶系统可以提供附加的数据库(例如，数据库1204)以保存所有驾驶模型参数集合1202，以及对应的选择器事件。
选项2)如图12B所示，在第二增强型安全性驾驶系统1250中，驾驶模型参数集合1252可以直接从外部输入被提供至安全性驾驶系统。在该情况下，可能不需要交通工具的安全性驾驶系统内部的数据库。相反，所有驾驶模型参数被直接提供。然而，然后可以在参数提供方(例如，使用乘客数据库1256的乘客1254、使用基础设施数据库1260的基础设施1258、使用地图数据库1264的数字地图1262、使用交通工具传感器数据库的交通工具传感器、或者使用动态热图数据库的动态热图，等等)内部使用数据库。在该选项中，安全性驾驶模型检查器1270被配置成用于检查相应安全性驾驶模型参数集合1252中分别提供的安全性驾驶模型参数的可采性。
要注意的是，上述选项1)和选项2)两者均可以例如由进一步的云处理器节点532中的一个或多个云处理器节点一起实现和使用。
经由交通工具内信息、地图或基础设施的安全性驾驶模型参数选择
具有如上所述的扩展安全性驾驶系统1200或1250，外部输入源被定义为提供数据库选择器或直接提供完整的安全性驾驶模型参数集合。
除了使用来自交通工具乘客或交通工具传感器的输入外，也可能从用于自动驾驶的数字(例如高清)地图或通过V2X接口从基础设施推断该信息。
-交通工具内：假设安全性驾驶系统包含多个安全性驾驶模型参数集合1202，可以通过传感器1208或乘客1206信息进行选择。如果传感器1208检测到轨道状况的改变，例如由于开始下雨，一个或多个处理器102中的处理器可以发起对适当的安全性驾驶模型参数集合的改变。类似地，乘客1206可以能够例如从舒适型安全性驾驶模型参数集合改变为运动型安全性驾驶模型参数集合，或者反之亦然，因为乘客1206例如感到对驾驶过于接近其他交通工具而感到不舒服。
-高清地图1210：对于高清地图1210中的每个路段，可以提供安全性驾驶模型参数和/或数据库选择器。这些安全性驾驶模型参数也可以取决于一天的时间而改变，并且也可以随着每次地图更新(对于诸如地图和路由模型之类的服务)而改变。一个或多个处理器102的处理器可执行该过程。
-基础设施1212：路边基础设施1212可以直接通过V2X接口将选择器或安全性驾驶模型参数发送给交通工具(例如给交通工具100)。这是最灵活的解决方案，因为可以动态地更新参数或选择器，以便对改变的天气状况或交通状况立即做出反应，或者以期望的方式控制交通。
在所有情况下，挑战在于参数选择不应违反安全性保证。例如，从舒适型简档到运动型简档的改变可能会影响最小的制动加速度。只要它仅影响自我交通工具的参数，而不影响其他交通参与者的最小制动加速度，这就有效。
因此，可以提供预定义驾驶模型参数集合，诸如预定义安全性驾驶模型参数集合。经授权的实例(诸如交通工具制造商或驾驶模型开发者)可以验证预定义驾驶模型参数集合(诸如预定义安全性驾驶参数集合)不违反任何安全性法规。因此，将确保当改变驾驶模型参数集合时，确保新的驾驶模型参数集合是可行的。这意味着一方面，自我交通工具(例如交通工具100)在物理上能够应用这些驾驶模型参数集合，但是也意味着周围的交通被从多个预定义驾驶模型参数集合中分别选择的驾驶模型参数集合的这些参数所覆盖。
为了解决这一点，在没有提供经授权的实例的情况下，可以应用协商，例如，如果基础设施提供驾驶模型参数集合的话。因此，基础设施发送提议，并且交通工具(例如，交通工具100的一个或多个处理器102的处理器)检查该驾驶模型参数集合是否可行的。如果是，则“OK(可行)”信号从交通工具被发送回基础设施，例如经由基础设施收发器1102被发送回基础设施。否则，“Not-OK(不可行)”信号例如经由基础设施收发器1102从处理器被发送到基础设施，然后基础设施可能进而发送驾驶模型回退参数集合。这可能具有受影响路段的所有交通工具随后可能会被提供经更新的驾驶模型参数，以匹配该驾驶模型回退参数集的后果。在地图提供了驾驶模型参数集合的情况下，那么只有可以应用这些驾驶模型参数的交通工具才允许使用对应的道路。所有其他人将不得不使用替代道路。
在所涉及的通信和协商的情况下，应考虑到这些过程的等待时间。也就是说，在这种情况下，相应交通工具选择并使用保守的驾驶模型参数集合，直到协商结束。为了减少等待时间，可能期望使用如上所述的选项1)。
需要考虑的另一点是，上面提到的选项1)和2)并不是排他性的。这意味着它们可以一起使用，以加强驱动模型参数选择过程。例如，地图更新可能太慢，以致于无法立即改变，为此，可以使用车载传感器或基础设施。
此外，应注意的是，在任何情况下，都不允许使用与当前状况和交通工具特性不兼容的驾驶模型参数集合。因此，各方面提供如图13所示的过程1300，以确保安全性。所提供的检查既可以(使用地图和传感器信息)在交通工具内部执行，但也可以包括基础设施。
图13示出从多个驾驶模型参数集合(例如安全性驾驶模型参数集合)中选择出驾驶模型参数集合(例如安全性驾驶模型参数集合)的过程1300。
过程1300确保每个交通工具仅从多个驾驶模型参数集合(例如安全性驾驶模型参数集合)中使用/选择出可执行驾驶模型参数集合(例如安全性驾驶模型参数集合)。
一个或多个处理器102中的处理器可实现和执行过程1300。
过程1300可以包括，在1302中，接收和存储预计算的(例如预定义)和有序的驾驶模型参数集合(例如安全性驾驶模型参数集合)，任选地包括所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)。此外，在1304中，过程1300可以进一步包括选择所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)，以及在1306中，检查所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)在交通工具的100能力下是否可行。如果所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)在交通工具的100能力下是可行的(1306中的“Yes(是)”)，则在1308中，过程1300任选地继续检查所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)在预定义环境状况下是否是可行的。如果所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)在预定义环境状况下是可行的(1308中的“Yes(是)”)，则在1310中，驾驶模型(例如安全性驾驶模型)可以使用所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)。如果所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)在交通工具100的能力下是不可行的(1306中的“No(否)”)，则过程1300在1312中继续进行，以转到多个驾驶模型参数集合(例如多个安全性驾驶模型参数集合)的下一内联驾驶模型参数集合1314(例如下一内联安全性驾驶模型参数集合1314)。在这种情况下，过程1300在1306中针对下一在线驾驶模型参数集合1314(例如，下一内联安全性驾驶模型参数集合1314)继续进行。如果不存在下一内联驾驶模型参数集合1314(例如没有下一个内联安全性驾驶模型参数集合1314)可用(1316)，则过程1300在1318中继续，得出不存在适当的驾驶模型参数集合(例如没有适当的安全性驾驶模型参数集合)可用的结论。此外，该过程可以包括在1318中发起预定义紧急动作(例如对驾驶员的警告、交通工具100的平稳减速和/或停车，和/或选择并执行预定义紧急驾驶模型参数集合(例如紧急安全性驾驶模型参数集合)。如果所推荐的驾驶模型参数集合(例如所推荐的安全性驾驶模型参数集合)在预定义环境状况下不可行(1308中的“否”)，则过程1300在1312中继续。
多车道高速公路上的安全性驾驶模型参数选择
如果道路包含每个驾驶方向(例如高速公路)的多车道(例如车道1104、1106、1108)，则驾驶模型参数集合(和协商)可以利用该情况。在未来的交通中，可能具有带有不同安全性驾驶模型参数集合的车道，类似于今天的优先车道或公交车道。如果交通工具100接受基础设施的优选参数集合，则该交通工具100被允许使用“最佳”车道(例如，具有最低的安全性距离，以实现高吞吐量，例如，第一车道1104)。如果交通工具100仅接受回退选项，则该交通工具100仅能使用“中间”车道(例如第二条车道1106)，并且如果交通工具100不对握手过程进行响应，则该交通工具100仅被允许使用“最差”车道(例如，针对人类交通的车道，例如第三条车道1108)。总体而言，这可以改善交通吞吐量和交通流，因为具有类似简档的交通工具可以被编组为“列队”。
图14示出了操作交通工具的安全性系统的方法1400。
该方法1400可以包括：在1402中，在交通工具的操作期间检测交通工具操作数据，在1404中，控制交通工具以根据来自多个驾驶模型参数集合的预定义存储的驾驶模型参数集合和驾驶模型进行操作，在1406中，在交通工具的操作期间检测交通工具操作数据，在1408中，基于检测到的交通工具操作数据和来自多个驾驶模型参数集合的驾驶模型参数集合来确定是否从多个驾驶模型参数集合中选择出另一存储的驾驶模型参数集合，在1410中，从多个驾驶模型参数集合中选择驾驶模型参数集合为新选择的驾驶模型参数集合，以及在1412中，控制交通工具以根据新选择的驾驶模型参数集合进行操作。
在下文中，将详细描述动态且安全的安全性驾驶模型参数运行时配置方法。
如上所述，真实的交通非常复杂，并且总是在改变。然而，目前的安全性驾驶模型参数通常被设计成在交通工具启动前被设置。恒定的安全性驾驶模型参数不能满足各种交通情形。例如，如果在交通工具运行期间开始下雨，制动距离可能需要改变为更长。另一种情况是，如果在良好的天气下交通非常顺畅，则交通工具100可能需要更快加速并保持更短的跟车距离。
在各个方面，提供了在运行时动态且安全的配置安全性驾驶模型参数。
说明性地，例如一个或多个处理器102中的处理器可以实现该方法，并且可以收集安全性的影响因素并进行评估/鉴别以形成具有去抖动和分级的实时安全性评估。根据安全性评估，将选择某个安全性驾驶模型参数集合(换句话说，安全性驾驶模型参数集合，一般地，驾驶模型参数集合)，并与当前参数进行比较，以保证平滑切换。该安全性驾驶模型参数集合还将循环返回以评估影响因素，从而保持稳定的运行时切换。
各方面可以改善安全性驾驶模型规则的灵活性以满足各种交通环境。此外，各方面可以同时增强安全性并且改善驾驶效率。
图15示出了图示出根据各方面的安全性系统的框图1500。如上所述，交通工具100的一个或多个处理器102可以实现安全性系统并执行如参考图15所述的方法。
如图15所示，该配置方法可以包括或基本上由四个主要功能组成：评估器1502、鉴别器1504、匹配处理器1506和安全性驾驶模型检查器1508。
由安全性系统实现的方法的工作流程可以如下：
-一个或多个处理器102可以收集影响因素1510(天气/照明/等)并将其输入到评估器1502。
-评估器1504可以利用权重和输出作为安全性指数来计算和分析所有影响因素。
-鉴别器1506可以获得一个或多个预定义触发电平1512(其可以存储在交通工具100的一个或多个存储器202中)，并且可以使用一个或多个预定义触发电平对安全性指数进行量化。然后，所生成的经量化的安全性指数将搜索安全性驾驶模型参数列表，以找到并选择对应的参数集合。安全性驾驶模型参数列表可以例如由交通工具制造商和/或由安全性系统开发者等预设，并且可以仔细地验证以保证安全性。
-如果差异过大，则所选择的安全性驾驶模型参数集合1514将与当前的安全性驾驶模型参数集合1516进行比较，以确保安全性系统的平滑配置过程。
-安全性驾驶模型检查器1508可以双重检查最终选择的安全性驾驶模型参数集合1514是否是有效的，并将其发送给交通工具动作和控制模块1518以对安全性驾驶模型进行配置。同时它将更新当前的安全性驾驶模型参数集合1516，并循环回到评估器1502以保持闭环运行。
一个或多个处理器102可以根据所选择的和经验证的安全性驾驶模型参数集合1514控制交通工具100。
图16示出安全性系统的鉴别器1504的功能。上图1602示出输入到鉴别器1504的信号。它直接反映了从评估器1502输入的实时安全性评估结果信号1604。安全性评估结果信号1604包括大量的抖动和噪声。鉴别器1504将通过把安全性评估结果信号1604量化为具有多个触发电平1512(例如，作为触发电平1512示例的第一触发电平V1、第二触发电平V2、第三触发电平V3)的相应安全性指数1608来对此类噪声和抖动进行过滤，如下方图1606所示。因此，图16示出三个触发电平V1、V2、V3的示例，它们可能导致不同的安全性指数值，例如在沿时间轴t 1616的各种时间间隔期间的第一安全性指数值1610、第二安全性指数值1612和第三安全性指数值1614。
匹配处理器1506可以被配置成用于确保根据所选择的安全性驾驶模型参数集合1514对安全性系统的配置是平滑的。
下面是用于解释匹配处理器1506的功能的伪代码的表示。它类似于交通工具中的变速箱来控制交通工具的速度。
Figure BDA0003688195940000301
图17示出了操作交通工具的安全性系统的方法1700。该方法1700可以包括，在1702中，控制交通工具以根据预定义驾驶模型参数和驾驶模型进行操作，在1704中，在交通工具操作期间检测交通工具操作数据，在1706中，确定所检测的交通工具操作数据的加权组合，在1708中，确定该加权组合是否触发驾驶模型参数向经改变的驾驶模型参数的改变，以及在1710中，控制交通工具以根据经改变的驾驶模型参数进行操作。
在下文中，将对本公开的各个方面进行说明：
示例1是一种用于交通工具的安全性系统。该安全性系统可任选地包括存储驾驶模型参数的存储器。安全性系统可以包括一个或多个处理器，该一个或多个处理器被配置成用于控制交通工具以根据预定义驾驶模型参数进行操作，用于在交通工具的操作期间检测交通工具操作数据，用于基于检测到的交通工具操作数据和驾驶模型参数来确定是否改变预定义驾驶模型参数，用于将驾驶模型参数改变为经改变的驾驶模型参数，并且用于控制交通工具以根据经改变的驾驶模型参数进行操作。
示例2是一种用于交通工具的安全性系统。该安全性系统可以包括一个或多个处理器，该一个或多个处理器被配置成用于在交通工具的操作期间检测交通工具操作数据，用于根据预定义驾驶策略使用交通工具操作数据确定一个或多个危险情形，用于将一个或多个危险情形分类为一个或多个预定义情形类别，以及用于生成情形报告消息。情形报告消息包括与一个或多个经分类的情形类别有关的信息，该一个或多个经分类的情形类别与时间信息并且与位置信息相关联。时间信息指示相应经分类的情形类别发生的时间。该位置信息指示相应经分类的情形类别发生的位置。情形报告消息可进一步包括在危险情形期间生效的安全性系统参数和可能影响致动的任何其他交通工具参数，以及其他交通工具的观察到的变量(例如，从观察或从无线通信得出的位置、速度和安全性参数)。
在示例3中，示例2的主题可任选地包括，一个或多个处理器被配置成用于实现预定义驾驶策略。
在示例4中，示例3的主题可任选地包括，一个或多个处理器被配置成用于实现包括预定义驾驶策略的高级驾驶员辅助系统。
在示例5中，示例4的主题可任选地包括，高级驾驶员辅助系统包括安全性驾驶模型。
在示例6中，示例2至5中任一项的主题可任选地包括，一个或多个处理器被配置成用于在(例如，仅在)预定义时间段内已确定一个或多个危险情形中的危险情形的情况下，将该危险情形分类为一个或多个预定义情形类别中的预定义情形类别。
在示例7中，示例2至6任一项的主题可任选地包括，情形报告消息进一步包括指示安全性系统对一个或多个危险情形中的危险情形如何做出反应的响应信息。
在示例8中，示例2至7任一项的主题可任选地包括，情形报告消息进一步包括指示一个或多个危险情形中的危险情形的时间持续期的持续期信息。
在示例9中，示例2至8任一项的主题可任选地包括，情形报告消息进一步包括指示一个或多个危险情形中的危险情形的严重性度量的危急度信息。
在示例10中，示例2至9中任一项的主题可任选地包括，一个或多个处理器被配置成用于将情形报告消息发送到另一个设备。
在示例11中，示例10的主题可任选地包括，该另一设备包括一个或多个安全性系统服务器。
在示例12中，示例2至11中任一项的主题可任选地包括，一个或多个危险情形包括多个危险情形。危险情形的概率被分配给多个危险情形中的每个危险情形。
在示例13中，示例2至12中任一项的主题可任选地包括，一个或多个处理器被配置成用于提供交通工具控制信息，以根据数字风险地图控制交通工具，该数字风险地图包括其中指示相关联的危险情形的概率的一个或多个区域。
示例14是一种安全性系统服务器。安全性系统服务器可以包括一个或多个处理器，该一个或多个处理器被配置成用于接收至少一个情形报告消息，该至少一个情形报告消息包括与一个或多个分类情形类别有关的信息，该一个或多个分类情形类别与时间信息并且与位置信息相关联。时间信息指示在交通工具处发生相应经分类的情形类别的时间。该位置信息指示在交通工具处发生相应经分类的情形类别的位置。情形报告消息可进一步包括在危险情形期间生效的安全性系统参数和可能影响致动的任何其他交通工具参数，以及其他交通工具的观察到的变量(例如，从观察或从无线通信得出的位置、速度和安全性参数)。一个或多个处理器可进一步被配置成用于生成或更新数字风险地图，该数字风险地图包括其中基于所接收的至少一个情形报告消息来指示一个或多个危险情形的一个或多个概率的一个或多个区域。一个概率被分配给一个相应的危险情形。
在示例15中，示例14的主题可任选地包括，一个或多个处理器被配置成用于分别从多个交通工具接收至少一个情形报告消息。
在示例16中，示例14或15中任一项的主题可任选地包括，数字风险地图包括网格结构，该网格结构在数字风险地图所表示的物理区域中具有约1米至约50米范围内(例如，约2米至约20米的范围内)的分辨率。
在示例17中，示例14至16中任一项的主题可任选地包括，一个或多个处理器被配置成用于使用以下各项中的至少一项来确定特定区域中的危险情形的概率：指示一个或多个危险情形的严重性度量的危急度信息，以及一个或多个危险情形的危险情形的时间持续期。
在示例18中，示例14至17中任一项的主题可任选地包括，一个或多个处理器被配置成用于将所生成的或经更新的数字风险地图发送到一个或多个交通工具。
在示例19中，示例14至18中任一项的主题可任选地包括，一个或多个处理器被配置成用于根据一个或多个交通工具的位置将所生成的或经更新的数字风险地图的一部分发送到一个或多个交通工具。
示例20是一种操作交通工具的安全性系统的方法。该方法可包括在交通工具的操作期间检测交通工具操作数据，根据预定义驾驶策略使用交通工具操作数据确定一个或多个危险情形，将一个或多个危险情形分类为一个或多个预定义情形类别，以及生成情形报告消息。情形报告消息包括与一个或多个经分类的情形类别有关的信息，该一个或多个经分类的情形类别与时间信息和位置信息相关联。时间信息指示相应经分类的情形类别发生的时间。该位置信息指示相应经分类的情形类别发生的位置。情形报告消息可进一步包括在危险情形期间生效的安全性系统参数和可能影响致动的任何其他交通工具参数，以及其他交通工具的观察到的变量(例如，从观察或从无线通信得出的位置、速度和安全性参数)。
在示例21中，示例20的主题可任选地包括，该方法进一步包括实现预定义驾驶策略。
在示例22中，示例21的主题可任选地包括，该方法进一步包括实现包括预定义驾驶策略的高级驾驶员辅助系统。
在示例23中，示例22的主题可任选地包括，高级驾驶员辅助系统包括安全性驾驶模型。
在示例24中，示例20至23中任一项的主题可任选地包括，该方法进一步包括仅在预定义时间段内已确定一个或多个危险情形中的危险情形的情况下，将该危险情形分类为一个或多个预定义情形类别中的预定义情形类别。
在示例25中，示例20至24任一项的主题可任选地包括，情形报告消息进一步包括指示安全性系统对一个或多个危险情形中的危险情形如何做出反应的响应信息。
在示例26中，示例20至25任一项的主题可任选地包括，情形报告消息进一步包括指示一个或多个危险情形中的危险情形的持续时间的持续期信息。
在示例27中，示例20至26任一项的主题可任选地包括，情形报告消息进一步包括指示一个或多个危险情形中的危险情形的严重性度量的危急度信息。
在示例28中，示例20至27中任一项的主题可任选地包括，该方法进一步包括将情形报告消息发送到另一个设备。
在示例29中，示例28的主题可任选地包括，该另一设备包括一个或多个安全性系统服务器。
在示例30中，示例20至29中任一项的主题可任选地包括，一个或多个危险情形包括多个危险情形。危险情形的概率被分配给多个危险情形中的每一个危险情形。
在示例31中，示例20至30中任一项的主题可任选地包括，该方法进一步包括提供交通工具控制信息，以根据数字风险地图控制交通工具，该数字风险地图包括其中指示危险情形的概率的一个或多个区域。
示例32是一种操作安全性系统服务器的方法。该方法可包括接收至少一个情形报告消息。情形报告消息包括与一个或多个经分类的情形类别有关的信息，该一个或多个经分类的情形类别与时间信息和位置信息相关联。时间信息指示在交通工具处发生相应经分类的情形类别的时间。该位置信息指示在交通工具处发生相应经分类的情形类别的位置。情形报告消息可进一步包括在危险情形期间生效的安全性系统参数和可能影响致动的任何其他交通工具参数，以及其他交通工具的观察到的变量(例如，从观察或从无线通信得出的位置、速度和安全性参数)。该方法可进一步包括生成或更新数字风险地图，该数字风险地图包括其中基于所接收的至少一个情形报告消息来指示一个或多个危险情形的一个或多个概率的一个或多个区域。一个概率被分配给一个相应的危险情形。
在示例33中，示例32的主题可任选地包括，方法进一步包括分别从多个交通工具接收至少一个情形报告消息。
在示例34中，示例32或33中任一项的主题可任选地包括，数字风险地图包括网格结构，该网格结构在数字风险地图所表示的物理区域中具有约1米至约50米范围内(例如，约2米至约20米的范围内)的分辨率。
在示例35中，示例32至34中的任一项的主题可任选地包括，使用以下各项中的至少一项来确定特定区域中的危险情形的概率：指示一个或多个危险情形中的危险情形的严重性度量的危急度信息，以及一个或多个危险情形中的危险情形的时间持续期。
在示例36中，示例32至35中任一项的主题可任选地包括，该方法进一步包括将所生成的或经更新的数字风险地图发送到一个或多个交通工具。
在示例37中，示例32至36中任一项的主题可任选地包括，该方法进一步包括根据一个或多个交通工具的位置将所生成的或经更新的数字风险地图的一部分发送到一个或多个交通工具。
示例38是一种用于交通工具的安全性系统。该安全性系统可任选地包括用于存储驾驶模型参数的存储器装置。安全性系统可包括用于控制交通工具以根据预定义驾驶模型参数进行操作的装置，用于在交通工具的操作期间检测交通工具操作数据的装置，用于基于检测到的交通工具操作数据和驾驶模型参数来确定是否改变预定义驾驶模型参数的装置，用于将驾驶模型参数改变为所改变的驾驶模型参数的装置，以及用于控制交通工具以根据所改变的驾驶模型参数进行操作的装置。
示例39是一种安全性系统服务器。安全性系统服务器可以包括用于接收至少一个情形报告消息的装置，该至少一个情形报告消息包括与一个或多个经分类的情形类别有关的信息，该一个或多个经分类的情形类别与时间信息和位置信息相关联。时间信息指示在交通工具处发生相应经分类的情形类别的时间。该位置信息指示在交通工具处发生相应经分类的情形类别的位置。情形报告消息可进一步包括在危险情形期间生效的安全性系统参数和可能影响致动的任何其他交通工具参数，以及其他交通工具的观察到的变量(例如，从观察或从无线通信得出的位置、速度和安全性参数)。该安全性系统服务器可进一步包括：用于生成或更新数字风险地图的装置，该数字风险地图包括其中基于所接收的至少一个情形报告消息来指示一个或多个危险情形的一个或多个概率的一个或多个区域。一个概率被分配给一个相应的危险情形。
示例40是一种存储指令的非暂态计算机可读存储介质，该指令在由处理器执行时，实现示例20至31中任一项的操作交通工具的安全性系统的方法。
示例41是一种存储指令的非暂态计算机可读存储介质，该指令在由处理器执行时，实现示例32至37中任一项的操作交通工具的安全性系统的方法。
示例42是一种用于交通工具的安全性系统。该安全性系统可以包括：一个或多个处理器，该一个或多个处理器被配置成用于在交通工具的操作期间检测交通工具操作数据，用于控制交通工具以根据来自多个驾驶模型参数集合的预定义存储的驾驶模型参数集合和驾驶模型进行操作，用于在交通工具的操作期间检测交通工具操作数据，用于基于检测到的交通工具操作数据和来自多个驾驶模型参数集合的驾驶模型参数集合来确定是否从多个驾驶模型参数集合中选择出另一个存储的驾驶模型参数集合，用于从多个驾驶模型参数集合中选择驾驶模型参数集合作为新选择的驾驶模型参数集合，以及用于控制交通工具以根据新选择的驾驶模型参数集合进行操作。
在示例43中，示例42的主题可任选地包括，安全性系统进一步包括存储器，该存储器存储多个驾驶模型参数集合，该多个驾驶模型参数集合中的每个驾驶模型参数集合包括多个驾驶模型参数。
在示例44中，示例42或43中任一项的主题可任选地包括多个驾驶模型参数集合中的每个驾驶模型参数集合被预先认证。
在示例45中，示例42或44中任一项的主题可任选地包括多个驾驶模型参数集合中的每个驾驶模型参数集合由以下各项中的至少一项接收：交通工具的制造商、驾驶模型的编程者和/或认证驾驶模型的受信任实例。
在示例46中，示例42或45中任一项的主题可任选地包括多个驾驶模型参数集合中的每个驾驶模型参数集合包括以下驾驶模型参数中的至少一个驾驶模型参数：后方交通工具的最小制动力、前方交通工具的最大制动力、后方交通工具的最大加速度、安全性系统的反应时间、不同交通工具的横向加速度、不同交通工具(前方、后方、左方、右方)的响应时间和波动裕度(按允许在相应车道内漂移的程度)等。
在示例47中，示例42至46中任一项的主题可任选地包括，交通工具操作数据从以下各项组成的组中选择：交通工具正在驾驶的道路的道路状况、交通工具的环境中的天气状况、包括其中指示危险情形概率的一个或多个区域的数字风险地图、交通工具的类型、交通工具的状态、数字地图和乘客输入。
在示例48中，示例42至47中任一项的主题可任选地包括，一个或多个处理器被配置成用于根据从经由V2X通信接收到的路边基础设施接收到的选择指令从多个驾驶模型参数集合中选择驾驶模型参数集合。
在示例49中，示例42至48中任一项的主题可任选地包括，一个或多个处理器被配置成用于检查新选择的驾驶模型参数集合是否满足根据驾驶模型的安全性保证，并且仅在新选择的驾驶模型参数集合满足根据驾驶模型的安全性保证的情况下，使用新选择的驾驶模型参数集合来控制交通工具以根据新选择的驾驶模型参数集合进行操作。
在示例50中，示例49的主题可任选地包括，一个或多个处理器被配置成用于与另一设备进行协商以选择多个驾驶模型参数集合中的又一驾驶模型参数集合。
在示例51中，示例42至50中任一项的主题可任选地包括，多个存储的驾驶模型参数集合中的至少一些驾驶模型参数集合与驾驶车道特性相关联。一个或多个处理器被配置成用于确定交通工具正在驾驶的驾驶车道的驾驶车道特性，并且根据所确定的驾驶车道特性选择多个驾驶模型参数集合中的驾驶模型参数集合。
在示例52中，示例42至51中任一项的主题可任选地包括，驾驶车道特性包括以下各项中的至少一项：相关联的驾驶车道的优先级、相关联的驾驶车道上允许的最大速度、相关联的驾驶车道上允许的最小速度和/或允许在相关联的驾驶车道上驾驶的交通工具类型。
在示例53中，示例42至52中任一项的主题可任选地包括，一个或多个处理器被配置成用于实现包括驾驶模型的高级驾驶员辅助系统。
在示例54中，示例53的主题可任选地包括，一个或多个处理器被配置成用于实现包括预定义驾驶策略的高级驾驶员辅助系统。
在示例55中，示例42至54中任一项的主题可任选地包括，一个或多个处理器被配置成用于实现安全性驾驶模型。
示例56是一种操作交通工具的安全性系统的方法。该方法可以包括：在交通工具的操作期间检测交通工具操作数据，控制交通工具以根据来自多个驾驶模型参数集合的预定义存储的驾驶模型参数集合和驾驶模型进行操作，在交通工具的操作期间检测交通工具操作数据，基于检测到的交通工具操作数据和来自多个驾驶模型参数集合的驾驶模型参数集合来确定是否从多个驾驶模型参数集合中选择出另一存储的驾驶模型参数集合，从多个驾驶模型参数集合中选择驾驶模型参数集合作为新选择的驾驶模型参数集合，以及控制交通工具以根据新选择的驾驶模型参数集合进行操作。
在示例57中，示例56的主题可任选地包括，该方法进一步包括存储器，该存储器存储多个驾驶模型参数集合，该多个驾驶模型参数集合中的每个驾驶模型参数集合包括多个驾驶模型参数。
在示例58中，示例56或57中任一项的主题可任选地包括多个驾驶模型参数集合中的每个驾驶模型参数集合被预先认证。
在示例59中，示例56或58中任一项的主题可任选地包括多个驾驶模型参数集合中的每个驾驶模型参数集合由以下各项中的至少一项接收：交通工具的制造商、驾驶模型的编程者和认证驾驶模型的受信任实例。
在示例60中，示例56或59中任一项的主题可任选地包括多个驾驶模型参数集合中的每个驾驶模型参数集合包括以下驾驶模型参数中的至少一个驾驶模型参数：后方交通工具的最小制动力、前方交通工具的最大制动力、后方交通工具的最大加速度、安全性系统的反应时间、不同交通工具的横向加速度、不同交通工具(前方、后方、左方、右方)的响应时间和波动裕度(按允许在相应车道内漂移的程度)等。
在示例61中，示例56至60中任一项的主题可任选地包括，交通工具操作数据从以下各项组成的组中选择：交通工具正在其上驾驶的道路的道路状况、交通工具的环境中的天气状况、包括其中指示危险情形概率的一个或多个区域的数字风险地图、交通工具的类型、交通工具的状态、数字地图和乘客输入。
在示例62中，示例56至61中任一项的主题可任选地包括，该方法进一步包括根据从经由V2X通信接收到的路边基础设施接收到的选择指令从多个驾驶模型参数集合中选择驾驶模型参数集合。
在示例63中，示例56至62中任一项的主题可任选地包括，该方法进一步包括检查新选择的驾驶模型参数集合是否满足根据驾驶模型的安全性保证，并且仅在新选择的驾驶模型参数集合满足根据驾驶模型的安全性保证的情况下，使用新选择的驾驶模型参数集合来控制交通工具以根据新选择的驾驶模型参数集合进行操作。
在示例64中，示例63的主题可任选地包括，该方法进一步包括与另一设备进行协商以选择多个驾驶模型参数集合中的又一驾驶模型参数集合。
在示例65中，示例56至64中任一项的主题可任选地包括，多个存储的驾驶模型参数集合中的至少一些驾驶模型参数集合与驾驶车道特性相关联。该方法进一步包括确定交通工具正在驾驶的驾驶车道的驾驶车道特性，并且根据所确定的驾驶车道特性选择多个驾驶模型参数集合中的驾驶模型参数集合。
在示例66中，示例56至65中任一项的主题可任选地包括，驾驶车道特性包括以下各项中的至少一项：相关联的驾驶车道的优先级、相关联的驾驶车道上允许的最大速度、相关联的驾驶车道上允许的最小速度和允许在相关联的驾驶车道上驾驶的交通工具的类型。
在示例67中，示例56至66中任一项的主题可任选地包括，该方法进一步包括实现包括驾驶模型的高级驾驶员辅助系统。
在示例68中，示例67的主题可任选地包括，该方法进一步包括实现包括预定义驾驶策略的高级驾驶员辅助系统。
在示例69中，示例68的主题可任选地包括，高级驾驶员辅助系统包括安全性驾驶模型。
示例70是一种用于交通工具的安全性系统。该安全性系统可以包括：用于在交通工具的操作期间检测交通工具操作数据的装置，用于控制交通工具以根据来自多个驾驶模型参数集合的预定义存储的驾驶模型参数集合和驾驶模型进行操作的装置，用于在交通工具的操作期间检测交通工具操作数据的装置，用于基于检测到的交通工具操作数据和来自多个驾驶模型参数集合的驾驶模型参数集合来确定是否从多个驾驶模型参数集合中选择出另一存储的驾驶模型参数集合的装置，用于从多个驾驶模型参数集合中选择驾驶模型参数集合作为新选择的驾驶模型参数集合的装置，以及用于控制交通工具以根据新选择的驾驶模型参数集合进行操作的装置。
示例71是一种存储指令的非暂态计算机可读存储介质，该指令在由处理器执行时，实现示例56至69中任一项的操作交通工具的安全性系统的方法。
示例72是一种用于交通工具的安全性系统。该安全性系统可以包括：一个或多个处理器，该一个或多个处理器被配置成用于控制交通工具以根据预定义驾驶模型参数和驾驶模型进行操作，用于在交通工具操作期间检测交通工具操作数据，用于确定所检测的交通工具操作数据的加权组合，用于确定该加权组合是否触发驾驶模型参数向经改变的驾驶模型参数的改变，并且用于控制交通工具根据经改变的驾驶模型参数进行操作。
在示例73中，示例72的主题可任选地包括，交通工具操作数据从以下各项组成的组中选择：交通工具正在其上驾驶的道路的道路状况、交通工具的环境中的天气状况、包括其中指示危险情形概率的一个或多个区域的数字风险地图、交通工具的类型和/或交通工具的状态。
在示例74中，示例72或73中任一项的主题可任选地包括，一个或多个处理器被配置成用于对检测到的交通工具操作数据的加权组合进行量化，并且用于确定经量化的加权组合是否触发驾驶模型参数向经改变的驾驶模型参数的改变。
在示例75中，示例72至74中任一项的主题可任选地包括，一个或多个处理器被配置成用于在控制交通工具根据经改变的驾驶模型参数进行操作时，检查所改变的驾驶模型参数是否满足预定义平滑度准则，该预定义平滑度准则描述驾驶模型参数向经改变的驾驶模型参数的改变的平滑度，并且仅在满足平滑度标准时使用经改变的驾驶模型参数来控制交通工具操作。
在示例76中，示例75的主题可任选地包括，一个或多个处理器被配置成用于在所改变的驾驶模型参数不满足预定义平滑度标准时，拒绝使用所改变的驾驶模型参数来控制交通工具操作。
在示例77中，示例72至76中任一项的主题可任选地包括，一个或多个处理器被配置成用于检查经改变的驾驶模型参数是否满足根据驾驶模型的安全性保证，并且仅在经改变的驾驶模型参数满足根据驾驶模型的安全性保证的情况下，使用新改变的驾驶模型参数来控制交通工具以根据经改变的驾驶模型参数集合进行操作。
在示例78中，示例72至77中任一项的主题可任选地包括，一个或多个处理器被配置成用于实现包括驾驶模型的高级驾驶员辅助系统。
在示例79中，示例78的主题可任选地包括，一个或多个处理器被配置成用于实现包括预定义驾驶策略的高级驾驶员辅助系统。
在示例80中，示例79的主题可任选地包括，高级驾驶员辅助系统包括安全性驾驶模型。
示例81是一种操作交通工具的安全性系统的方法。该方法可以包括：控制交通工具以根据预定义驾驶模型参数和驾驶模型进行操作，在交通工具操作期间检测交通工具操作数据，确定所检测的交通工具操作数据的加权组合，确定该加权组合是否触发驾驶模型参数向经改变的驾驶模型参数的改变，以及控制交通工具根据经改变的驾驶模型参数进行操作。
在示例82中，示例81的主题可任选地包括，交通工具操作数据从以下各项组成的组中选择：交通工具正在其上驾驶的道路的道路状况、交通工具的环境中的天气状况、包括其中指示危险情形概率的一个或多个区域的数字风险地图、交通工具的类型和交通工具的状态。
在示例83中，示例81或82中任一项的主题可任选地包括，该方法进一步包括对检测到的交通工具操作数据的加权组合进行量化，以及确定经量化的加权组合是否触发驾驶模型参数到经改变的驾驶模型参数的改变。
在示例84中，示例81至83中任一项的主题可任选地包括，该方法进一步包括在控制交通工具根据经改变的驾驶模型参数进行操作时，检查经改变的驾驶模型参数是否满足预定义平滑度准则，该预定义平滑度准则描述驾驶模型参数向经改变的驾驶模型参数的改变的平滑度，并且仅在满足平滑度标准时使用经改变的驾驶模型参数来控制交通工具操作。
在示例85中，示例84的主题可任选地包括，该方法进一步包括在经改变的驾驶模型参数不满足预定义平滑度标准时，拒绝使用经改变的驾驶模型参数来控制交通工具操作。
在示例86中，示例81至85中任一项的主题可任选地包括，检查经改变的驾驶模型参数是否满足根据驾驶模型的安全性保证，以及仅在经改变的驾驶模型参数满足根据驾驶模型的安全性保证的情况下，使用经改变的驾驶模型参数来控制交通工具以根据经改变的驾驶模型参数集合进行操作。
在示例87中，示例81至86中任一项的主题可任选地包括，该方法进一步包括实现包括驾驶模型的高级驾驶员辅助系统。
在示例88中，示例87的主题可任选地包括，该方法进一步包括实现包括预定义驾驶策略的高级驾驶员辅助系统。
在示例89中，示例88的主题可任选地包括，高级驾驶员辅助系统包括安全性驾驶模型。
示例90是一种用于交通工具的安全性系统。该安全性系统可以包括：用于控制交通工具以根据预定义驾驶模型参数和驾驶模型进行操作的装置，用于在交通工具操作期间检测交通工具操作数据的装置，用于确定所检测的交通工具操作数据的加权组合的装置，用于确定该加权组合是否触发驾驶模型参数向经改变的驾驶模型参数的改变的装置，以及用于控制交通工具根据经改变的驾驶模型参数进行操作的装置。
示例91是包括示例1至13、38、42至55、70、72至80、或90中任一项的安全性系统的交通工具。
示例91是一种存储指令的非暂态计算机可读存储介质，该指令在由处理器执行时，实现示例81至89中任一项的操作交通工具的安全性系统的方法。
虽然已经参照具体实施例具体地示出和描述了本发明，但本领域技术人员应当理解，可对本发明作出形式上和细节上的各种变化而不背离如所附权利要求所限定的本发明的精神和范围。因此，本发明的范围由所附权利要求表示并且因此旨在涵盖落在权利要求的等效含义和范围内的所有变化。

Claims (25)

1.一种用于交通工具的安全性系统，所述安全性系统包括：
一个或多个处理器，所述一个或多个处理器被配置成用于：
控制交通工具以根据预定义驾驶模型参数进行操作；
在交通工具的操作期间检测交通工具操作数据；
基于检测到的交通工具操作数据和所述驾驶模型参数来确定是否改变预定义驾驶模型参数；以及
将所述驾驶模型参数改变为经改变的驾驶模型参数；以及
控制所述交通工具以根据所述经改变的驾驶模型参数进行操作。
2.一种用于交通工具的安全性系统，所述安全性系统包括：
一个或多个处理器，所述一个或多个处理器被配置成用于：
在所述交通工具的操作期间检测交通工具操作数据；
根据预定义驾驶策略使用所述交通工具操作数据确定一个或多个危险情形；
将所述一个或多个危险情形分类为一个或多个预定义情形类别；以及
生成包括与一个或多个经分类的情形类别有关的信息的情形报告消息，所述一个或多个经分类的情形类别与时间信息相关联，其中所述时间信息指示相应经分类的情形类别发生的时间，并且其中所述一个或多个经分类的情形类别进一步与指示相应经分类的情形类别发生的位置的位置信息相关联。
3.如权利要求2所述的安全性系统，
其中，所述一个或多个处理器被配置成用于实现安全性驾驶模型。
4.如权利要求2或3中任一项所述的安全性系统，
其中，所述一个或多个处理器被配置成用于仅在预定义时间段内已确定所述一个或多个危险情形中的危险情形分类的情况下，将所述危险情形分类为所述一个或多个预定义情形类别中的预定义情形类别。
5.如权利要求2或3中任一项所述的安全性系统，
其中，所述情形报告消息进一步包括以下各项中的至少一个项：
响应信息，所述响应信息指示所述安全性系统对所述一个或多个危险情形中的危险情形如何做出反应；
持续期信息，所述持续期信息指示所述一个或多个危险情形中的危险情形的时间持续期；
危急度信息，所述危急度信息指示所述一个或多个危险情形中的危险情形的严重性度量；
在所述危险情形期间生效的安全性系统参数；
影响致动的交通工具参数；
交通工具的观察到的变量。
6.如权利要求2或3中任一项所述的安全性系统，
其中，所述一个或多个危险情形包括多个危险情形；以及
其中危险情形的概率被分配给所述多个危险情形中的每一危险情形。
7.如权利要求2或3中任一项所述的安全性系统，
其中所述一个或多个处理器被配置成用于提供交通工具控制信息，以根据数字风险地图控制所述交通工具，所述数字风险地图包括其中指示相关联的危险情形的概率的一个或多个区域。
8.一种安全性系统服务器，所述安全性系统服务器包括：
一个或多个处理器，所述一个或多个处理器被配置成用于：
接收包括与一个或多个经分类的情形类别有关的消息的至少一个情形报告消息，所述一个或多个经分类的情形类别与时间信息相关联，其中所述时间信息指示相应经分类的情形类别发生的时间，并且其中所述一个或多个经分类的情形类别进一步与位置信息相关联，其中所述位置信息指示在交通工具处发生相应经分类的情形类别的位置；
生成或更新数字风险地图，所述数字风险地图包括其中指示一个或多个危险情形的一个或多个概率的一个或多个区域，其中所述数字风险地图基于所接收的至少一个情形报告消息来生成或更新，其中至少一个概率被分配给至少一个相应的危险情形。
9.如权利要求8所述的安全性系统服务器，
其中，所述一个或多个处理器被配置成用于分别从多个交通工具接收至少一个情形报告消息。
10.一种用于交通工具的安全性系统，所述安全性系统包括：
一个或多个处理器，所述一个或多个处理器被配置成用于：
在所述交通工具的操作期间检测交通工具操作数据；
控制交通工具以根据来自多个驾驶模型参数集合的预定义存储的驾驶模型参数集合和驾驶模型进行操作；
在交通工具的操作期间检测交通工具操作数据；
基于检测到的交通工具操作数据和来自所述多个驾驶模型参数集合的所述驾驶模型参数集合来确定是否从所述多个驾驶模型参数集合中选择出第二存储的驾驶模型参数集合；以及
从所述多个驾驶模型参数集合中选择所述驾驶模型参数集合作为新选择的驾驶模型参数集合；以及
控制所述交通工具以根据所述新选择的驾驶模型参数集合进行操作。
11.如权利要求10所述的安全性系统，进一步包括：
存储器，所述存储器存储所述多个驾驶模型参数集合，所述多个驾驶模型参数集合的每个驾驶模型参数集合包括多个驾驶模型参数。
12.如权利要求10或11中任一项所述的安全性系统，
其中，所述多个驾驶模型参数组中的每个驾驶模型参数组是预先认证的。
13.如权利要求10或11中任一项所述的安全性系统，
其中，所述交通工具操作数据从以下各项组成的组中选择：
所述交通工具正在行进的道路的当前道路状况；
所述交通工具的环境中的天气状况；
包括其中指示危险情形概率的一个或多个区域的数字风险地图；
所述交通工具的类型；
所述交通工具的状态；
数字地图；以及
乘客输入。
14.如权利要求10或11中任一项所述的安全性系统，
其中，所述一个或多个处理器被配置成用于根据从经由交通工具对外界(V2X)通信接收到的路边基础设施接收到的选择指令从所述多个驾驶模型参数集合中选择所述驾驶模型参数集合。
15.如权利要求10或11中任一项所述的安全性系统，
其中所述一个或多个处理器被配置成用于：
检查所述新选择的驾驶模型参数集合是否满足根据所述驾驶模型的安全性保证；以及
仅在所述新选择的驾驶模型参数集合满足根据所述驾驶模型的安全性保证的情况下，使用所述新选择的驾驶模型参数集合来控制所述交通工具以根据所述新选择的驾驶模型参数集合进行操作。
16.如权利要求10或11中任一项所述的安全性系统，
其中，所述一个或多个处理器被配置成用于与另一设备进行协商以选择所述多个驾驶模型参数集合中的又一驾驶模型参数集合。
17.如权利要求10或11中任一项所述的安全性系统，
其中，所述多个存储的驾驶模型参数集合中的至少一些驾驶模型参数集合与驾驶车道特性相关联；
其中所述一个或多个处理器被配置成用于：
确定所述交通工具正在驾驶的所述驾驶车道的驾驶车道特性；以及
根据所确定的驾驶车道特性选择所述多个驾驶模型参数集合中的所述驾驶模型参数集合。
18.如权利要求10或11中任一项所述的安全性系统，
其中所述驾驶车道特性包括以下各项中的至少一项：
相关联的驾驶车道的优先级；
所述相关联的驾驶车道上允许的最大速度；
所述相关联的驾驶车道上允许的最小速度；
允许在所述相关联的驾驶车道上驾驶的交通工具的类型。
19.如权利要求10或11中任一项所述的安全性系统，
其中，所述一个或多个处理器被配置成用于实现安全性驾驶模型。
20.一种用于交通工具的安全性系统，所述安全性系统包括：
一个或多个处理器，所述一个或多个处理器被配置成用于：
控制交通工具以根据预定义驾驶模型参数和驾驶模型进行操作；
在交通工具的操作期间检测交通工具操作数据；
确定检测到的交通工具操作数据的加权组合；以及
确定所述加权组合是否触发所述驾驶模型参数向经改变的驾驶模型参数的改变；以及
控制所述交通工具以根据所述经改变的驾驶模型参数进行操作。
21.如权利要求20所述的安全性系统，
其中，所述交通工具操作数据从以下各项组成的组中选择：
所述交通工具正在驾驶的道路的道路状况；
所述交通工具的环境中的天气状况；
包括其中指示危险情形概率的一个或多个区域的数字风险地图；
所述交通工具的类型；
所述交通工具的状态。
22.如权利要求20或21中任一项所述的安全性系统，
其中所述一个或多个处理器被配置成用于：
对检测到的交通工具操作数据的加权组合进行量化；以及
确定所述经量化的加权组合是否触发所述驾驶模型参数向所改变的驾驶模型参数的改变。
23.如权利要求20或21中任一项所述的安全性系统，
其中所述一个或多个处理器被配置成用于检查所述经改变的驾驶模型参数是否满足预定义平滑度准则，其中所述预定义平滑度准则描述在控制所述交通工具的控制系统根据所述经改变的驾驶模型参数进行操作时所述驾驶模型参数向所述经改变的驾驶模型参数的改变的平滑度，并且其中所述一个或多个处理器被进一步配置成用于在满足所述平滑度标准时使用所述经改变的驾驶模型参数来控制所述交通工具的控制系统来操作。
24.如权利要求20或21中任一项所述的安全性系统，
其中所述一个或多个处理器被配置成用于：
检查所述经改变的驾驶模型参数是否满足根据所述驾驶模型的安全性保证；以及
如果所述经改变的驾驶模型参数满足根据所述驾驶模型的安全性保证，则使用所述经改变的驾驶模型参数来控制所述交通工具的所述控制系统根据所述经改变的驾驶模型参数进行操作。
25.一种交通工具，包括如权利要求1至3、10或11、20或21中任一项所述的安全性系统。
CN201980102926.2A 2019-12-27 2019-12-27 驾驶安全性系统 Pending CN114787010A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/129169 WO2021128278A1 (en) 2019-12-27 2019-12-27 Driving safety systems

Publications (1)

Publication Number Publication Date
CN114787010A true CN114787010A (zh) 2022-07-22

Family

ID=76573492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980102926.2A Pending CN114787010A (zh) 2019-12-27 2019-12-27 驾驶安全性系统

Country Status (4)

Country Link
US (1) US20220324467A1 (zh)
EP (1) EP4081431A4 (zh)
CN (1) CN114787010A (zh)
WO (1) WO2021128278A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114981852A (zh) * 2020-01-24 2022-08-30 三菱电机株式会社 控制装置、移动体、管理服务器、基站、通信系统以及通信方法
US11977385B2 (en) * 2021-11-11 2024-05-07 Gm Cruise Holdings Llc Obstacle detection based on other vehicle behavior
US12005914B2 (en) * 2022-02-22 2024-06-11 Mitsubishi Electric Research Laboratories, Inc. Method and system for driving condition-agnostic adaptation of advanced driving assistance systems
CN116302010B (zh) * 2023-05-22 2023-07-28 安徽中科星驰自动驾驶技术有限公司 自动驾驶系统升级包生成方法、装置、计算机设备及介质

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010021210A1 (de) * 2010-05-21 2011-11-24 Audi Ag Verfahren zum Betreiben eines Kraftfahrzeugs, sowie Kraftfahrzeug
US9046378B2 (en) * 2010-07-27 2015-06-02 Toyota Jidosha Kabushiki Kaisha Driving assistance device
SE536269C2 (sv) * 2011-12-22 2013-07-23 Scania Cv Ab En modul och en metod avseende modval vid bestämning av referensvärden
US20180210463A1 (en) * 2013-03-15 2018-07-26 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US9701424B2 (en) * 2015-03-31 2017-07-11 Gulfstream Aerospace Corporation Detachable detection and warning system for an aircraft
US10262259B2 (en) * 2015-05-08 2019-04-16 Qualcomm Incorporated Bit width selection for fixed point neural networks
EP3159235B1 (en) * 2015-10-22 2021-08-04 Honda Research Institute Europe GmbH Method and system for assisting a driver of a vehicle in driving the vehicle and computer program
JP6361634B2 (ja) * 2015-11-12 2018-07-25 トヨタ自動車株式会社 ハイブリッド自動車
US20180239359A1 (en) * 2016-08-16 2018-08-23 Faraday&Future Inc. System and method for determining navigational hazards
CN106740854A (zh) * 2016-11-21 2017-05-31 百度在线网络技术（北京）有限公司 交通工具的动力控制方法及装置
US10745009B2 (en) * 2016-12-21 2020-08-18 Samsung Electronics Co., Ltd. Electronic apparatus for determining a dangerous situation of a vehicle and method of operating the same
KR102012550B1 (ko) * 2017-02-20 2019-08-20 엘지전자 주식회사 돌발 장애물을 식별하는 방법 및 이를 구현하는 로봇
JP6575933B2 (ja) * 2017-03-29 2019-09-18 マツダ株式会社 車両運転支援システム
US10387298B2 (en) * 2017-04-04 2019-08-20 Hailo Technologies Ltd Artificial neural network incorporating emphasis and focus techniques
US10710592B2 (en) * 2017-04-07 2020-07-14 Tusimple, Inc. System and method for path planning of autonomous vehicles based on gradient
US10501091B2 (en) * 2017-05-23 2019-12-10 Uber Technologies, Inc. Software version and mode switching for autonomous vehicles
KR20190105172A (ko) * 2018-02-22 2019-09-16 자동차부품연구원 스마트 운전 에이전트 시스템 및 방법
US10864910B2 (en) * 2018-05-16 2020-12-15 GM Global Technology Operations LLC Automated driving systems and control logic using sensor fusion for intelligent vehicle control
KR102234224B1 (ko) * 2019-08-07 2021-03-31 엘지전자 주식회사 자율 주행 시스템에서 차량의 주행을 관리하기 위한 방법 및 장치
US11868136B2 (en) * 2019-12-19 2024-01-09 Woven By Toyota, U.S., Inc. Geolocalized models for perception, prediction, or planning

Also Published As

Publication number Publication date
WO2021128278A1 (en) 2021-07-01
EP4081431A1 (en) 2022-11-02
US20220324467A1 (en) 2022-10-13
EP4081431A4 (en) 2023-08-23

Similar Documents

Publication Publication Date Title
EP3629059B1 (en) Sharing classified objects perceived by autonomous vehicles
US11520331B2 (en) Methods and apparatus to update autonomous vehicle perspectives
US11314258B2 (en) Safety system for a vehicle
US11909817B2 (en) Scalable and secure vehicle to everything communications
CN111123933B (zh) 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车
US10427655B2 (en) Systems and methods for detecting surprising events in vehicles
US20200026289A1 (en) Distributed traffic safety consensus
US11597395B2 (en) Systems and methods to manage vehicles under anomalous driving behavior
US9576480B1 (en) Centrally-managed vehicle network
US11334090B2 (en) Method and system for determining autonomous vehicle (AV) action based on vehicle and edge sensor data
KR20210055617A (ko) 미리 계산되거나 동적으로 생성된 궤적 뱅크로부터의 궤적 예측
CN114787010A (zh) 驾驶安全性系统
EP3895950B1 (en) Methods and systems for automated driving system monitoring and management
US11568688B2 (en) Simulation of autonomous vehicle to improve safety and reliability of autonomous vehicle
US11495064B2 (en) Value-anticipating cooperative perception with an intelligent transportation system station
US11887324B2 (en) Cross-modality active learning for object detection
US20220289198A1 (en) Automated emergency braking system
US11877217B2 (en) Message processing for wireless messages based on value of information
US20230419200A1 (en) Decentralized parking fulfillment service
CN111801954B (zh) 在多层v2x系统中中继事件信息的方法
US20240087445A1 (en) Method for providing an object message about an object, which is recognized in the surroundings of a road user, in a communication network for the communication with other road users
US20240233534A1 (en) Multi-level disengagement service for autonomous vehicles
WO2023044759A1 (en) Multi-level disengagement service for autonomous vehicles
DK180220B1 (en) Sharing classified objects perceived by autonomous vehicles
US20230339508A1 (en) Medical emergency detection in-vehicle caretaker

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
TA01 Transfer of patent application right

Effective date of registration: 20240408

Address after: Israel Jerusalem

Applicant after: Mobile eye vision technology Co.,Ltd.

Country or region after: Israel

Address before: California, USA

Applicant before: INTEL Corp.

Country or region before: U.S.A.

Applicant before: Mobile eye vision technology Co.,Ltd.

Country or region before: Israel

TA01 Transfer of patent application right