CN116022143A - 基于连续交通灯的时序的车辆速度规划 - Google Patents

Abstract

提供了基于交通灯的时序进行车辆速度规划的方法和系统。在示例性实施例中，公开的系统包括车辆的一个或多个传感器；收发器；和处理器。一个或多个传感器被配置成获得与车辆操作相关的车辆传感器数据。收发器被配置为获得关于车辆所行驶的路径或道路上的多个交通灯的交通灯数据。处理器联接到一个或多个传感器和收发器，并且被配置为至少有助于：基于车辆传感器数据、交通灯数据和与车辆相关的一个或多个优化标准来确定车辆的期望的运动控制；以及基于对车辆的期望的运动控制采取车辆动作。

Description

基于连续交通灯的时序的车辆速度规划

技术领域一般涉及车辆，更具体地说，涉及使用基于交通灯的时序(timing)的车辆规划来控制车辆的方法和系统。

背景技术

当今的某些车辆包括用于控制车辆运动的某些方面的系统，例如自适应巡航控制。然而，这种现有的车辆系统可能不总是提供最优的车辆控制规划，例如关于车辆行驶的道路上的不同路段。

因此，期望提供用于控制车辆的改进的方法和系统，包括使用基于沿着车辆行驶的道路的交通灯的车辆规划。此外，结合附图以及前述技术领域和背景技术，从随后的详细描述和所附权利要求中，本公开的其他期望特征和特性将变得显而易见。

发明内容

根据示例性实施例，提供了一种方法，该方法包括：(i)经由车辆的一个或多个传感器获得与车辆操作相关的车辆传感器数据；(ii)通过收发器获得关于沿着车辆所行驶的路径或道路的多个交通灯的交通灯数据；(iii)基于车辆传感器数据、交通灯数据和与车辆相关的一个或多个优化标准，通过处理器确定对车辆的期望的运动控制；以及(iv)基于对车辆的期望的运动控制，根据处理器提供的指令采取车辆动作。

还在一示例性实施例中，确定期望的运动控制的步骤包括基于车辆传感器数据、交通灯数据以及与车辆相关的一个或多个优化标准，经由处理器确定车辆的期望速度。

还在一示例性实施例中，采取车辆动作的步骤包括通过处理器提供的指令以及通过联接到处理器的一个或多个车辆系统对指令的实施，自动控制车辆速度以满足期望速度。

还在一示例性实施例中，车辆速度的自动控制作为车辆的自适应巡航控制系统的一部分实现。

还在一示例性实施例中，采取车辆动作的步骤包括经由由处理器提供并由联接到处理器的车辆显示系统实现的指令，向车辆驾驶员提供关于期望速度的通知。

还在一示例性实施例中，获得车辆传感器数据的步骤包括从车辆的一个或多个传感器获得车辆的测量的速度和测量的加速度；获得交通灯数据的步骤包括通过收发器获得关于多个交通灯中每一个的颜色变化频率数据；并且确定期望的速度的步骤包括基于测量的速度、测量的加速度、颜色变化频率数据以及与车辆相关的一个或多个优化标准，经由处理器确定车辆的期望速度。

还在一示例性实施例中，一个或多个优化标准包括防止车辆必须在多个交通灯处完全停止。

还在一示例性实施例中，一个或多个优化标准还包括最小化车辆的燃料消耗。

还在一示例性实施例中，一个或多个优化标准还包括最小化对车辆控制的调整。

还在一示例性实施例中，确定期望速度的步骤包括通过处理器基于测量的速度、测量的加速度、颜色变化频率数据和一个或多个优化标准使用基于处理器的算法通过以下两者来确定车辆的期望速度：基于车辆传感器数据并结合来自多个交通灯中的多个连续交通灯或第一交通灯的交通灯数据对车辆进行粗粒度速度规划，和基于车辆传感器数据并结合来自多个交通灯中的多个连续交通灯或第一交通灯的交通灯数据对车辆进行细粒度速度规划。

还在一示例性实施例中，粗粒度速度规划、细粒度速度规划或两者都基于相对于多个交通灯中的一个或多个的估计队列。

在另一示例性实施例中，提供了一种系统，该系统包括：车辆的一个或多个传感器，其被配置为获得与车辆操作相关的车辆传感器数据；收发器，被配置为获得关于车辆所行驶的路径或道路上的多个交通灯的交通灯数据；以及处理器，其联接到所述一个或多个传感器和所述收发器，并且被配置为至少有助于：基于所述车辆传感器数据、所述交通灯数据以及与所述车辆相关的一个或多个优化标准来确定对所述车辆的期望的运动控制；以及基于对车辆的期望的运动控制采取车辆动作。

还在一示例性实施例中，处理器还被配置成至少有助于：基于车辆传感器数据、交通灯数据以及与车辆相关的一个或多个优化标准来确定车辆的期望速度；以及基于对车辆的期望的运动控制来采取车辆动作。

还在一示例性实施例中，处理器还被配置成至少有助于车辆速度的自动控制以满足期望速度。

还在一示例性实施例中，该系统还包括车辆的显示系统；其中，所述处理器还被配置为向所述显示系统提供指令，以向所述车辆的驾驶员提供关于期望速度的通知，并且所述显示系统被配置为实施所述指令，以向所述驾驶员提供关于期望速度的通知。

还在一示例性实施例中，一个或多个传感器被配置成获得车辆的测量的速度和测量的加速度；交通灯数据包括获得关于多个交通灯中的每一个的颜色变化频率数据；并且处理器被配置成至少有助于基于测量的速度、测量的加速度、颜色变化频率数据以及与车辆相关的一个或多个优化标准来确定车辆的期望速度。

还在一示例性实施例中，一个或多个优化标准包括防止车辆必须在多个交通灯处完全停止。

此外，在示例性实施例中，处理器被配置成至少有助于使用基于处理器的算法基于测量速度、测量加速度、颜色变化频率数据和关于车辆的一个或多个优化标准使用基于处理器的算法通过以下两者确定车辆的期望速度：基于车辆传感器数据结合来自多个交通灯中的多个连续交通灯或第一交通灯的交通灯数据对车辆进行粗粒度速度规划；以及基于车辆传感器数据结合来自多个交通灯中的多个连续交通灯或第一交通灯的交通灯数据对车辆进行细粒度速度规划。

还在一示例性实施例中，处理器被配置成实现粗粒度速度规划、细粒度速度规划或两者，且其基于相对于多个交通灯中的一个或多个的估计队列。

在另一示例性实施例中，提供了一种车辆，其包括：车身；驱动系统，被配置为产生车身的运动；布置在车辆上的一个或多个传感器，其被配置为至少有助于获得与车辆操作相关的车辆传感器数据；收发器，其设置在车辆上，并被配置为获得关于沿着车辆所行驶的路径或道路的多个交通灯的交通灯数据；以及处理器，其设置在车辆上并联接到一个或多个传感器、收发器和驱动系统，该处理器被配置成至少有助于：基于车辆传感器数据、交通灯数据和与车辆相关的一个或多个优化标准，确定对包括其车身在内的车辆的运动的期望控制；以及基于对车辆的期望的运动控制采取车辆动作。

附图说明

下文将结合以下附图描述本公开，其中相同的附图标记表示相同的元件，并且其中：

图1是根据示例性实施例的车辆的功能框图，该车辆包括用于控制车辆运动的控制系统，包括关于连续交通灯的时序；

图2是根据示例性实施例的用于控制车辆相对于连续交通灯的时序的运动的过程的流程图，该过程可以结合图1的车辆和控制系统来实现；和

图3是根据示例性实施例的图2的过程的示例性实现的图示，包括车辆通过连续交通灯的时序。

具体实施方式

以下详细描述本质上仅仅是示例性的，并不旨在限制本公开或其应用和用途。此外，不打算受前文背景技术或下文的具体实施方式中提出的任何理论的约束。

图1示出了根据示例性实施例的车辆100。如下文更详细描述的，根据示例性实施例，车辆100包括控制系统102，该控制系统102被配置用于控制车辆100的运动，包括关于连续交通灯的时序(timing)进行控制。

在各种实施例中，车辆100包括汽车。在某些实施例中，车辆100可以是多种不同类型的汽车中的任何一种，例如轿车、货车、卡车或运动型多功能车(SUV)，并且可以是两轮驱动(2WD)(即后轮驱动或前轮驱动)、四轮驱动(4WD)或全轮驱动(AWD)，和/或各种其他类型的车辆。在某些实施例中，车辆100还可以包括摩托车或其他车辆，例如飞机、航天器、船只等，和/或一个或多个其他类型的移动平台(例如，机器人和/或其他移动平台)。

车辆100包括布置在底盘116上的车身104。车身104基本上包围车辆100的其他部件。车身104和底盘116可以共同形成框架。车辆100还包括多个车轮112。车轮112每个都在车身104的相应拐角附近可旋转地连接到底盘116，以便于车辆100的运动。在一个实施例中，车辆100包括四个车轮112，尽管这可以在其他实施例中变化(例如对于卡车和某些其他车辆)。

驱动系统110安装在底盘116上，并例如通过轴114驱动车轮112。在某些实施例中，驱动系统110包括推进系统。在某些示例性实施例中，驱动系统110包括内燃发动机和/或电动机/发电机，并与其变速器连接。在某些实施例中，驱动系统110可以变化，和/或可以使用两个或更多个驱动系统110。举例来说，车辆100还可以结合多种不同类型的推进系统中的任何一种或其组合，例如汽油或柴油燃料的内燃发动机、“柔性燃料车辆”(FFV)发动机(即使用汽油和酒精的混合物)、气体化合物(例如氢气和/或天然气)燃料的发动机、燃烧/电动机混合发动机和电动机。

如图1所示，在各种实施例中，车辆还包括制动系统106和转向系统108。在示例性实施例中，制动系统106使用制动部件控制车辆100的制动，该制动部件通过由驾驶员提供的输入(例如，在某些实施例中，通过制动踏板)和/或通过控制系统102自动控制。还在一示例性实施例中，转向系统108经由转向部件(例如，联接到轴114和/或车轮112的转向柱)控制车辆100的转向，该转向部件经由由驾驶员提供的输入(例如，在某些实施例中经由方向盘)和/或经由控制系统102自动控制。

在图1所示的实施例中，控制系统102连接到制动系统106和驱动系统110。在某些实施例中，控制系统102也可以联接到转向系统108。同样如图1所示，在各种实施例中，控制系统102包括传感器阵列120、一个或多个收发器122和显示系统124、定位系统126和控制器140。

在各种实施例中，传感器阵列120包括获得传感器数据的各种传感器，所述传感器数据用于控制车辆100的运动，包括关于在车辆100行驶的道路或路径(在此统称为“道路”)上行驶通过连续交通灯的时序进行控制。在所示实施例中，传感器阵列120包括速度传感器130、加速度传感器132和输入传感器134。在某些实施例中，传感器阵列120还可以包括一个或多个其他传感器136(例如，在某些实施例中，一个或多个转向传感器、制动传感器等)。

在各种实施例中，速度传感器130包括一个或多个车轮速度传感器和/或被配置成测量车辆100的速度和/或速率和/或用于计算车辆100的速度和/或速率的数据的其他传感器。

另外在各种实施例中，加速度传感器132包括一个或多个加速度计和/或被配置成测量车辆100的加速度(例如，一段时间内的加速和/或瞬时加速度)和/或用于计算车辆100加速度的数据的其他传感器。

另外在各种实施例中，输入传感器134包括一个或多个传感器，其被配置成接收来自驾驶员和/或车辆100的一个或多个其他操作者和/或用户的输入。例如，在某些实施例中，输入传感器134可以包括一个或多个触摸屏、拨号盘、按钮、音频传感器(例如，麦克风)和/或被配置成从驾驶员和/或其他用户接收关于驾驶员和/或用户意图(例如，关于预期目的地、预期行驶路线、自适应巡航控制和/或其他车辆特征的预期接入、车辆100的预期转向方向和幅度、车辆100的预期制动幅度等)的输入的其他传感器。

此外，在某些实施例中，其他传感器136可以包括用于车辆的一个或多个转向角度传感器(例如，经由转向系统108，诸如经由用于车辆100的转向系统108的一个或多个车轮112、轴114和/或转向柱等)。

在各种实施例中，一个或多个收发器122在车辆100和一个或多个其他车辆、远程服务器、交通灯、其他基础设施和/或车辆100外部的其他实体之间接收和发送消息。在某些实施例中，收发器122从一个或多个其他车辆、远程服务器、交通灯、其他基础设施和/或车辆100外部的其他实体接收关于车辆100正在行驶的道路上的即将到来的交通灯的操作的无线消息(包括，例如，在各种实施例中，预期交通灯具有比如红色和绿色的不同颜色的特时间间段)。

在各种实施例中，一个或多个显示系统124提供控制系统102和车辆100的一个或多个驾驶员和/或其他用户之间的通信。例如，在某些实施例中，一个或多个显示系统124基于由控制系统102提供的指令和做出的确定，为车辆100的驾驶员或其他用户提供指令和/或建议，用于调整和/或保持车辆100的速度，以便最佳地为即将到来的交通灯计时。在各种实施例中，显示系统124可以包括各种部件，例如，除了其他可能的部件之外：(i)提供音频指令和/或推荐的音频部件；(ii)提供视觉指示和/或建议的视觉部件；和/或(iii)触觉部件，其提供触觉指令和/或建议和/或提供对音频和/或视觉指令和/或建议的触觉增强。

另外在各种实施例中，定位系统126被配置成获得和/或生成关于车辆所处和/或行驶的位置和/或方位的数据。在某些实施例中，定位系统126包括和/或联接到基于卫星的网络和/或系统，例如全球定位系统(GPS)和/或其他基于卫星的系统。

在各种实施例中，控制器140联接到传感器阵列120、收发器122、显示系统124和定位系统126，并向其提供指令和控制其操作。在各种实施例中，控制器140还可以联接到制动系统106、转向系统108、驱动系统110和/或一个或多个其他车辆系统和/或部件，向其提供指令，并控制其操作。另外在各种实施例中，控制器140包括计算机系统(这里也称为计算机系统140)，并且包括处理器142、存储器144、接口146、存储设备148和计算机总线150。在各种实施例中，控制器(或计算机系统)140基于有控制器140利用传感器数据和经由控制系统102获得的其他数据和/或信息而进行的处理来控制车辆操作，包括车辆100鉴于即将到来的交通灯的移动(并且包括限制车辆100的完全停止、限制车辆运动指令的重新调整以及优化车辆100的燃料消耗)。在各种实施例中，控制器140根据图2的过程的步骤和具有图3的范例的策略来提供这些和其他功能。

在各种实施例中，控制器140(以及在某些实施例中，控制系统102本身)设置在车辆100的车身104内。在一个实施例中，控制系统102安装在底盘116上。在某些实施例中，控制器140和/或控制系统102和/或其一个或多个部件可以设置在车身104的外部，例如远程服务器上、云端或远程地进行图像处理的其他设备上。

应当理解，控制器140可以不同于图1所示的实施例。例如，控制器140可以联接到或者可以利用一个或多个远程计算机系统和/或其他控制系统，例如作为一个或多个上述车辆100设备和系统的一部分。

在所描绘的实施例中，控制器140的计算机系统包括处理器142、存储器144、接口146、存储设备148和总线150。处理器142执行控制器140的计算和控制功能，并且可以包括任何类型的一个或多个处理器、诸如微处理器的单个集成电路、或者任何合适数量的集成电路设备和/或电路板，它们协同工作以实现处理单元的功能。在操作期间，处理器142执行包含在存储器144中的一个或多个程序152，并且因此控制控制器140和控制器140的计算机系统的一般操作，通常是在执行这里描述的过程的过程中，例如下面结合图2进一步讨论的过程200和具有图3范例的策略。

存储器144可以是任何类型的合适存储器。例如，存储器144可以包括各种类型的动态随机存取存储器(DRAM)，例如SDRAM、各种类型的静态RAM和各种类型的非易失性存储器(PROM、EPROM和闪存)。在某些示例中，存储器144位于和/或共同位于与处理器142相同的计算机芯片上。在所描绘的实施例中，存储器144存储上述程序152以及地图数据154(例如，来自和/或结合定位系统126使用)、一个或多个表格155(例如，用于控制车辆动作的查找表，包括车辆速度)和一个或多个存储值156(例如，在各种实施例中，包括用于控制车辆动作的一个或多个阈值，包括车辆速度)。

总线150用于在控制器140的计算机系统的各种部件之间传输程序、数据、状态和其他信息或信号。接口146允许例如从系统驱动器和/或另一个计算机系统到控制器140的计算机系统的通信，并且可以使用任何合适的方法和装置来实现。在一个实施例中，接口146从传感器阵列120、收发器122和/或定位系统126以及其他可能的数据源获得各种数据。接口146可以包括一个或多个网络接口，以与其他系统或部件通信。接口146还可以包括一个或多个网络接口以与技术人员通信，和/或一个或多个存储接口以连接到存储设备，例如存储设备148。

存储设备148可以是任何合适类型的存储装置，包括各种不同类型的直接存取存储器和/或其他存储设备。在一个示例性实施例中，存储设备148包括程序产品，存储器144可以从该程序产品接收程序152，该程序152执行本公开的一个或多个过程的一个或多个实施例，例如下面结合图2进一步讨论的过程200的步骤和图3的示例的策略。在另一个示例性实施例中，程序产品可以直接存储在存储器144和/或磁盘(例如，磁盘157)中和/或由存储器144和/或磁盘(例如，磁盘157)访问，如下所述。

总线150可以是连接计算机系统和部件的任何合适的物理或逻辑器件。这包括但不限于直接硬连线连接、光纤、红外和无线总线技术。在操作期间，程序152存储在存储器144中，并由处理器142执行。

应当理解，虽然在全功能计算机系统的上下文中描述了该示例性实施例，但是本领域技术人员将认识到，本公开的机制可以是分布式的，作为程序产品，其具有一种或多种类型的非暂时性计算机可读信号承载介质，用于存储程序及其指令并实行其分布，例如承载程序并包含存储在其中的计算机指令的非暂时性计算机可读介质，用于使计算机处理器(例如处理器142)实施和执行程序。这种程序产品可以采取多种形式，并且本公开同样适用，而不管用于实行分布的计算机可读信号承载介质的特定类型。信号承载介质的例子包括：可记录介质，例如软盘、硬盘、存储卡和光盘，以及传输介质，例如数字和模拟通信链路。应当理解，在某些实施例中也可以利用基于云的存储和/或其他技术。类似地，可以理解，控制器140的计算机系统也可以不同于图1所示的实施例，例如，控制器140的计算机系统可以联接到或者可以利用一个或多个远程计算机系统和/或其他控制系统。

图2是根据示例性实施例的用于相对于连续交通灯的时序控制车辆的运动的过程200的流程图。在各种实施例中，过程200可以结合图1的车辆100和控制系统102及其部件来实现。根据示例性实施例，过程200还将在下面进一步参考图3进行讨论，图3提供了在图2的过程200中使用的示例性规划策略的图示300，包括车辆通过连续交通灯的时序。

如图2所示，在各种实施例中，过程200开始于步骤202。在一个实施例中，当车辆驾驶或点火循环开始时，过程200开始，例如当驾驶员接近或进入车辆100时，或者当驾驶员打开车辆和/或其点火装置时(例如，通过转动钥匙、接入钥匙扣(keyfob)或启动按钮等)。在一个实施例中，过程200的步骤在车辆运行期间连续进行。

获得交通灯信息(步骤202)。在某些实施例中，交通灯信息包括与车辆100行驶的道路或路径上的多个交通灯相关的相位信息。例如，在某些实施例中，对于每个交通灯，交通灯信息包括：(i)交通灯将是绿色的即将到来的时间段；以及(ii)交通灯不是绿色(例如黄色和/或红色)的即将到来的时间段。

例如，参考图3，图示300包括两个连续的交通灯，即：(i)第一交通灯301；和(ii)第二交通灯302，两者都沿着车辆100行驶的道路。作为附加背景，图形化的图示300包括表示时间的x轴线301和表示沿着道路方向的距离的y轴线302。如图3所示，第一交通灯301预期在时间段311、313和315期间是绿色的(即，允许通过第一交通灯301)，并且预期在时间段312和314期间是红色的(或黄色的)(即，禁止或不鼓励通过第一交通灯301)。同样如图3所示，第二交通灯302预期在时间段321、323和325期间是绿色的(即，允许通过第二交通灯302的行驶)，并且预期在时间段322和324期间是红色的(或黄色的)(即，禁止或不鼓励通过第二交通灯302的行驶)。

返回参考图2，在步骤204期间，相对于第一和第二交通灯301、302，该交通灯信息(包括关于交通灯的颜色和相关颜色变化的频率)被包括作为步骤204的交通灯信息的一部分。此外，在各种实施例中，在步骤204期间，还获得关于沿着车辆100正在行驶的交通道路或路径(并且，在某些实施例中，在车辆100即将行驶的道路上，例如基于用户先前可能已经输入的所选目的地和/或行驶路线等)的按顺序排列的其他交通灯的类似交通灯信息。

在各种实施例中，交通灯信息经由一个或多个无线通信网络经由图1的车辆100的一个或多个收发器122获得。在某些实施例中，收发器122例如经由车辆对车辆通信从同一道路上的一个或多个车辆接收交通灯信息。在某些其他实施例中，收发器122从远程服务器接收交通灯信息。在某些其他实施例中，收发器122从一个或多个交通灯自身和/或从道路沿线的一个或多个其他基础设施、设备和/或系统接收交通灯信息，例如通过车辆到基础设施的通信。

另外在各种实施例中，打开车辆传感器数据(步骤206)。在各种实施例中，从图1的传感器阵列120获得关于车辆100的操作参数的车辆传感器数据。在某些实施例中，为车辆100获得车辆速度和车辆加速度的当前值。在某些实施例中，这种速度和加速度值通过图1的一个或多个速度传感器130和加速度计132获得。在某些其他实施例中，这种速度和加速度值可以替代地经由图1的一个或多个输入传感器134获得，例如表示由车辆100的驾驶员或其他用户设置的一个或多个速度和/或加速度值和/或极限，例如作为车辆100的自适应巡航控制(ACC)功能的设置。

此外，在某些实施例中，确定车辆的位置(步骤208)。在某些实施例中，通过图1的定位系统126(例如，GPS系统)来确定和/或识别图1的车辆100的一个或多个时空位置。

另外在各种实施例中，获得交通信息(步骤210)。在各种实施例中，通过图1的收发器122获得关于车辆100行驶的道路或路径的实时交通信息。在某些实施例中，这种实时交通信息可以包括，例如，关于沿着道路的许多其他车辆及其速度的信息，以及队列是否已经沿着道路形成，其他车辆是否已经切入队列，队列的估计持续时间(包括队列结束状态)等等。在各种实施例中，交通信息经由收发器122经由一个或多个无线网络从远离车辆100的一个或多个源获得，包括从其他车辆(车辆对车辆通信)、远程服务器、和/或从交通灯和/或道路沿线的其他基础设施(车辆对基础设施通信)等。

另外在各种实施例中，获得其他车辆信息(步骤212)。在各种实施例中，步骤212的信息可以包括与车道变化和驾驶员意图相关的数据和信息以及其他可能的信息。例如，在某些实施例中，这可以包括关于车辆100当前是否正在改变车道或即将改变车道的信息。这种数据可以例如从图1的一个或多个输入传感器134(例如，关于驾驶员对转向信号指示器的激活)和/或图1的其他传感器136(例如，关于车辆100的一个或多个车轮112和/或车辆100的转向柱、制动踏板、加速踏板等的角度或其变化)获得。

在各种实施例中，利用数据预处理来进行条件判断(步骤214)。在某些实施例中，在步骤214期间，使用步骤204-212的数据，对车辆100满足一个或多个预定目标的最佳速度进行初步确定。例如，在某些实施例中，图1的处理器142基于在交通灯为“绿色”时穿过连续的交通灯(例如，图3的第一和第二交通灯301、302)使得车辆100不需要完全停止来做出关于车辆100的最佳速度的一个或多个初步确定。在某些实施例中，初步确定还可以至少部分基于一个或多个其他预定标准，例如最小化燃料消耗、最小化车辆控制所需的变化(例如最小化车辆速度的变化)等。在某些实施例中，在步骤214期间，对步骤204-212中的每一个的数据进行预处理，以便于通过处理器142进行对速度规划的后续处理。另外在某些实施例中，步骤214的处理可以包括下面结合步骤224-228进一步描述的一些或所有计算(下文进一步描述)，但是例如以简化的方式(在某些实施例中)。另外在各种实施例中，处理器142在步骤214中(以及在下面进一步描述的步骤224-228中)使用基于机器学习的判断方法。在某些实施例中，在步骤214(以及下面进一步描述的步骤224-228)中利用一个或多个基于处理器的算法实施机器学习(和/或在某些实施例中，一个或多个其他基于处理器的算法技术，例如伪谱(pseudo spectrum)、基于查找表的数值优化等)。在某些实施例中，步骤214可以为步骤230提供一些近似结果，并且随后可以计算与先前导出的规划结果的一些预定义差异。

另外在各种实施例中，进行分支选择(步骤216)。在各种实施例中，图1的处理器142基于步骤214的确定进行分支选择。具体而言，在各种实施例中，在步骤214期间，处理器142确定过程200采取以下哪个分支，即：(i)“多段重新导出”分支(下面结合步骤218进一步描述)；(ii)“小调整”分支(下面结合步骤进一步描述)；或者(iii)“不更新”分支(下面结合步骤228进一步描述)。在某些实施例中，在步骤216期间：(i)如果没有关于当前路段的先前导出的规划结果，则选择“多路段重新导出”分支；以及(ii)否则，该过程计算由步骤214给出的近似结果和具有预定义差异度量的先前导出的规划结果之间的差异，然后将该差异与一些预定义阈值进行比较，并且基于该比较来确定分支选择。

当在步骤216中选择“多段重新导出”分支时，则过程进行到步骤218。在步骤218期间，实施“多段重新导出”分支的选择，并且通过处理器142相应地使直到此时可获得的数据可用于该分支的实施。在该实施例中，在步骤224期间，处理器142利用数据进行关于第一交通灯的粗粒度速度规划。在各种实施例中，处理器142利用车辆100的粗粒度车辆速度规划，以评估沿着车辆100行驶的道路(并且在各种实施例中，沿着车辆100的相同行驶方向)通过最近的交通灯的可能通过时间的有利性。例如，在各种实施例中，处理器142利用步骤204-214的数据以及基于处理器的算法，包括机器学习技术(和/或在某些实施例中，一种或多种其他基于处理器的算法技术，例如伪谱、基于查找表的数值优化等)，为车辆100的最佳速度提供粗粒度分析，以便车辆100成功地行驶通过图1的第一交通灯301，而不必完全停止。在某些实施例中，一个或多个基于处理器的算法被用于实施机器学习(和/或在某些实施例中，一个或多个其他基于处理器的算法技术，例如伪谱、基于查找表的数值优化等)。注意，在某些实施例中，与步骤214(如上所述)的先前计算相比，步骤218的计算具有不同的目标。例如，在某些实施例中，步骤214的预处理基于一个或多个区域的信号时序、(高的和低的)速度限制以及交叉路口排队的建模，确定在即将到来的交通灯处不停车通过的一个或多个区域(例如，下面结合图3进一步描述的)的大致范围；而在某些实施例中，步骤218中的计算旨在对即将到来的交通灯处的可能通过时间范围进行进一步的表征，例如，用一个或多个定量度量来评估该范围的每个子范围的有利性。

同样在“多段重新导出”分支期间，产生粗粒度速度规划结果(步骤226)。在各种实施例中，粗粒度速度规划结果经由步骤224的确定生成，并且在各种实施例中表示步骤224的输出。在各种实施例中，粗粒度速度规划结果包括相对于第一交通灯的车辆到达情况的时间-空间位置的列表或范围，以及与车辆100的不同车辆速度相关联的偏好值(和/或在某些实施例中的置信度值)以及它们对车辆100能够通过第一交通灯而不必完全停下来的预期影响。在各种实施例中，这些输出被确定为步骤224的处理的结果，该处理至少部分地基于通过测量在特定时间点可能通过具有“绿色”信号的第一交通灯的有利性(favorability)来优化行驶时间，在可能利用机器学习技术的某些可行性约束下具有一些预定义的优化目标函数。在某些实施例中，一个或多个基于处理器的算法被用于实施机器学习(和/或在某些实施例中，一个或多个其他基于处理器的算法技术，例如伪谱、基于查找表的数值优化等)。

另外在各种实施例中，在“多段重新导出”分支期间，过程然后前进到步骤228。如下文更详细描述的，在步骤228期间，关于车辆100行驶的道路上的第一交通灯或多个连续交通灯(例如，在各种实施例中，关于图3的第一和第二交通灯301、302和/或沿着车辆100行驶的道路上的附加连续交通灯)进行细粒度速度规划。

在某些实施例中，取决于例如包括车辆100和/或道路呈现的一个或多个实时情况的因素，步骤224、226和/或228可以仅基于第一交通灯进行，或者基于多个连续交通灯进行，等等。

返回参考步骤216，当替代地在步骤216期间确定了选择“小调整”分支时，则过程进行到步骤220。在步骤220期间，实施“小调整”分支的选择，并且处理器142相应地使直到此时可获得的数据可用于该分支的实施。具体而言，在该实施例中，当处于“小调整”分支时，该过程跳过(即，绕过)步骤224和226，而直接前进到步骤228，在步骤228中，相对于车辆100行驶的道路上的第一交通灯或多个连续交通灯进行细粒度速度规划(如下面更详细描述的)。

同样回到步骤216，当在步骤216期间确定了选择“不更新”分支时，则过程进行到步骤222。在步骤222期间，实施“不更新”分支的选择，并且处理器142相应地使直到此时可获得的数据可用于该分支的实施。具体而言，在该实施例中，当处于“不更新”分支时，该过程同样跳过(即，绕过)步骤224和228，而直接前进到步骤230，对于该步骤，先前导出的规划结果被直接呈现给执行模块，并适当地参考时间指示(如下面更详细描述的)。

如上所述，在步骤228期间，关于沿着车辆100行驶的道路的第一交通灯或多个连续交通灯(例如，在各种实施例中，关于图3的第一和第二交通灯301、302和/或沿着车辆100行驶的道路的附加连续交通灯)进行细粒度速度规划。在各种实施例中，在步骤228期间，处理器142利用来自步骤214和216的结果进行其确定和处理，并且在某些情况下还利用来自步骤224和226的结果。具体地，当过程200处于这三个分支(即，“多段重新导出”分支、“小调整”分支或“不更新”分支)中的任何一个时，利用来自步骤214和216的结果。此外，当过程200处于“多段重新导出”分支时，除了来自步骤214和216的结果之外，还利用来自步骤224和226的结果。

在各种实施例中，在步骤228期间，处理器142使用这些各种结果(例如，如上文在226中所述)作为输入，以在一个或多个可行性和平滑度约束下，利用一个或多个预定义的优化目标函数，为车辆100在道路的近距离范围内的最佳速度轨迹提供细粒度速度规划。在各种实施例中，进行该处理，以优化沿着道路行驶通过两个或更多个连续交通灯而车辆100不必停止的概率，和/或优化一个或多个标准(例如，最小化燃料消耗和/或最小化对车辆控制规划的所需更新或改变等)。

在某些实施例中，处理器142利用优化目标函数，该优化目标函数将滚动摩擦、空气动力阻力和其他相关因素的建模(例如，捕捉支配效应的建模的非理想性的一些微小校正)结合到车辆100的燃料消耗中，约束条件施加在速度、加速度和距离上。根据一个这样的示例性实施例，优化可以由以下方程给出：

受以下限制：

v_min≤v(t)≤v_max(v_min>0),a_min≤a(t)≤a_max(a_min<0)  (方程2)，

和

其中：(i)v(t)和a(t)分别表示速度和加速度，两者都用时间的(离散化)函数表示，(ii)M表示车辆的质量；(iii)c₁表示与气动阻力相关的常数；(iv)c₂表示与辅助动力有关的常数；(v)c_effi(sign(a(t)))表示效率系数；(vi)F_comb(sign(a(t)))表示滚动摩擦、道路倾斜和车辆制动的合力；(vii)c_effi和F_comb仅依赖于符号a(t)；(viii)f_corr(v(t),a(t))表示微小校正功能；(ix)t_start表示当前时间；(x)t_end表示细粒度规划的结束时间；(xi)D表示距细粒度规划结束的当前距离。

在各种实施例中，步骤228的处理和确定的结果被提供在步骤230中。在各种实施例中，基于上述步骤228的处理，步骤230的结果包括具有粒度确定的速度规划结果。在各种实施例中，速度规划结果包括车辆的速度调节

在各种实施例中，实施步骤228和230的结果(包括车辆100的速度规划和速度调节)(步骤232)。在各种实施例中，图1的处理器142向一个或多个车辆系统和/或部件(例如制动系统106和/或驱动系统110)提供指令，用于实施用于车辆运动的车辆控制命令，包括实施来自步骤228和230的速度规划和速度调节。在各种实施例中，这些用于车辆控制动作的基于处理器的指令，例如车辆100的速度规划和速度调节，随后由制动系统106、驱动系统110和/或其他车辆系统和/或部件实施。例如，在某些实施例中，车辆100的加速和/或制动可以以这种方式自动调节，例如作为车辆100的自适应巡航控制功能的一部分。

另外在各种实施例中，作为步骤232的一部分，为车辆100的驾驶员或用户提供一个或多个通知。在某些实施例中，处理器142为图1的显示系统124提供指令，以基于步骤228和230的结果，包括来自步骤228和230的建议的速度规划和速度调节，向车辆100的驾驶员或其他用户提供关于车辆运动的建议和/或选项的信息。在某些实施例中，显示系统124通过提供车辆100的推荐速度规划和速度调节的视觉和/或音频通知来实现基于处理器的指令，所述指令随后可以由车辆100的驾驶员来实施。例如，在某些实施例中，通知可以包括令车辆100的速度增加或降低(和/或优化的目标速度)的一个或多个建议，以便满足优化标准，例如通过连续的交通灯而不停车(和/或在某些实施例中，用于最小化燃料消耗、最小化车辆命令调节等)。在某些实施例中，可以向驾驶员提供用于实现这些目标的多个选项(例如，通过增加速度以通过一组时间窗行进通过连续的交通灯，和/或降低速度以便通过另一组时间窗行进通过交通灯，等等)。

在各种实施例中，步骤228-232的建议和/或动作(例如，针对驾驶员的建议和/或针对自适应巡航控制系统的自动实施)可以针对各种条件和/或约束进行过滤，例如速度限制、交通拥堵等。

另外在各种实施例中，步骤228-230的结果也在新的迭代中被实施到步骤214中，如图2所示。例如，步骤228-230的结果(包括车辆控制命令，包括速度规划和速度调节)可以在各种实施例中用作步骤214的一个或多个后续迭代中的数据预处理的一部分。

另外在某些实施例中，可以确定(例如，在步骤232之后，和/或在过程200期间的一个或多个不同时间)过程200是否完成(例如，在某些实施例中，车辆100是否关闭，和/或使用过程200的功能或系统是否关闭)。

在各种实施例中，如果过程200尚未完成，则过程200在新的迭代中返回到步骤208。在各种实施例中，在步骤208的新迭代期间，为车辆100提供新的和/或更新的时间-空间位置，并且过程200继续。

相反，在各种实施例中，如果确定过程200完成，则过程200在步骤236终止。

再次参考图3，过程200的某些特征被更详细地示出。图形图示300(上面提到的)提供了速度规划方法的高级图示，该速度规划方法旨在通过由交通灯(例如，通过图3中描绘的和上面提到的第一和第二交通灯301、302)控制的两个或更多个连续的十字路口而不完全停止。

注意，图3描绘了需要车辆100在图3的第一和第二交通灯301、302中的一个或两个处完全停止的速度轨迹330。

另外如图3所示，描绘了车辆100的当前空间和时间位置304，以及具有高置信度的最大可行速度340。图3中还描绘了具有高置信度的场景特定的最小速度350。图3中还描绘了车辆的可避免车辆100完全停止的速度轨迹(在自由流中)的预期区域360。

此外，在某些实施例中，避免完全停止的预期范围可以基于相对于交通灯遇到的任何潜在队列来进一步细化。例如，图3描绘了当第一交通灯301为红色时，第一交通灯301的预期队列长度370。此外，还相对于第一交通灯301的队列描绘了当第一交通灯301为红色时的队列消散速度380(例如，队列消散速度由负斜率反映)。

此外，图3还描绘了速度轨迹的受队列影响的预期范围390，其可以在考虑了交通灯队列及其消散之后，避免车辆100在第一交通灯301处完全停止。在某些实施例中，关于第一和第二交通灯301、302之间可能的不确定性，可以类似地进行类似的交叉路口排队分析(图中未示出)，类似于在第一交通灯301之前，这可以进一步界定车辆在没有完全停止的情况下通过第一交通灯的可能时间范围。

如图3所示，根据示例性实施例，图2的过程200提供了一条或多条通过连续交通灯的路径。此外，如图3所示并如上所述，这样的路径可以包括区域的组合，这些区域不仅受到与其相关联的交通灯状态以及排队特征的影响，还受到与下一个路段相关的那些属性的影响，例如，如通过图2的过程200在多阶段方法中所述。

在各种实施例中，可以理解的是，实际情况可能不同于图3中的描绘，图3表示了这样的情况：车辆有足够高的概率在没有完全停止的情况下通过第一交通灯，并且第二交通灯对车辆在第一交通灯处的可能通过时间有显著影响。例如，在某些实施例中，取决于与交通灯相关联的信号时序和不确定性，实际情况可能导致车辆100在没有完全停止的情况下通过第一交通灯301的概率非常低，或者第二交通灯302对车辆100在第一交通灯301的可能通过时间的影响可以忽略不计。在某些实施例中，在这些不同的情况下，图2所描绘的框架仍然适用，唯一的区别是基础优化标准(目标函数和相应的约束)可能不同。

因此，提供了考虑到沿着车辆所行驶的道路或路径的多个交通灯来控制车辆运动的方法、系统和车辆。在各种实施例中，利用各种交通灯数据、车辆数据和道路数据来规划和执行车辆运动(包括车辆的速度规划和速度调节)，这有助于防止车辆100完全停止(例如，在一个交通灯处完全停止)，和/或有助于优化一个或多个其他预定标准(例如，最小化燃料消耗、最小化对车辆控制的调整等)。

应当理解，系统、车辆和方法可以不同于附图中描绘的和本文描述的那些。例如，图1的车辆100、其控制系统102和/或图1的其部件可以在不同的实施例中变化。类似地，可以理解的是，过程200的步骤可以不同于图2所示的步骤，和/或过程200的各个步骤可以同时发生和/或以不同于图2所示的顺序发生。类似地，应当理解，图3的实施在各种实施例中也可以不同。

虽然在前面的详细描述中已经呈现了至少一个示例性实施例，但是应当理解，存在大量的变化。还应当理解，一个或多个示例性实施例仅是示例，并不旨在以任何方式限制本公开的范围、适用性或配置。相反，前述详细描述将为本领域技术人员提供用于实现一个或多个示例性实施例的便利路线图。应当理解，在不脱离所附权利要求及其法律等同物中阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。

Claims (10)

1.一种方法，包括：

经由车辆的一个或多个传感器获得与车辆操作相关的车辆传感器数据；

经由收发器获得关于沿着车辆所行驶的路径或道路的多个交通灯的交通灯数据；

经由处理器，基于车辆传感器数据、交通灯数据和与车辆相关的一个或多个优化标准，确定车辆的期望的运动控制；和

基于车辆的期望的运动控制，根据处理器提供的指令，采取车辆动作。

2.根据权利要求1所述的方法，其中确定期望的运动控制的步骤包括：

经由处理器，基于车辆传感器数据、交通灯数据以及与车辆相关的一个或多个优化标准，确定车辆的期望速度。

3.根据权利要求2所述的方法，其中采取车辆动作的步骤包括：

通过处理器提供的指令以及通过联接到处理器的一个或多个车辆系统对指令的实施，自动控制车辆速度以满足期望速度。

4.根据权利要求2所述的方法，其中采取车辆动作的步骤包括：

经由由处理器提供并由联接到处理器的车辆显示系统实施的指令，向车辆驾驶员提供关于期望速度的通知。

5.根据权利要求2所述的方法，其中：

获得车辆传感器数据的步骤包括从车辆的一个或多个传感器获得车辆的测量的速度和测量的加速度；

获得交通灯数据的步骤包括通过收发器获得关于多个交通灯中每一个的颜色变化频率数据；和

确定期望速度的步骤包括基于测量的速度、测量的加速度、颜色变化频率数据以及与车辆相关的一个或多个优化标准，经由处理器确定车辆的期望速度。

6.根据权利要求2所述的方法，其中，所述一个或多个优化标准包括防止车辆必须在多个交通灯处完全停止。

7.根据权利要求6所述的方法，其中所述一个或多个优化标准还包括最小化车辆的燃料消耗。

8.根据权利要求6所述的方法，其中所述一个或多个优化标准还包括最小化对车辆控制的调整。。

9.根据权利要求5所述的方法，其中确定期望速度的步骤包括通过处理器基于测量的速度、测量的加速度、颜色变化频率数据和一个或多个优化标准使用基于处理器的算法通过以下两者确定车辆的期望速度：

基于车辆传感器数据并结合来自多个交通灯中的多个连续交通灯或第一交通灯的交通灯数据，对车辆进行粗粒度速度规划；和

基于车辆传感器数据并结合来自多个交通灯中的多个连续交通灯或第一交通灯的交通灯数据，对车辆进行细粒度速度规划；

其中所述粗粒度速度规划、所述细粒度速度规划或两者都基于相对于多个交通灯中的一个或多个的估计队列。

10.一种系统，包括：

车辆的一个或多个传感器，其被配置为获得与车辆操作相关的车辆传感器数据；

收发器，被配置为获得关于车辆所行驶的路径或道路上的多个交通灯的交通灯数据；和

处理器，其联接到所述一个或多个传感器和所述收发器，并且被配置为至少有助于：

基于车辆传感器数据、交通灯数据和与车辆相关的一个或多个优化标准来确定车辆的期望的运动控制；和

基于对车辆的期望的运动控制采取车辆动作。

Images