CN116348353A - 定义用于辅助驾驶系统的驾驶包络 - Google Patents

Abstract

一种计算机实施的方法，包括：从与第一人相关联的第一车辆的传感器接收传感器数据，该传感器数据由所述传感器生成；将机器学习算法应用于传感器数据以定义用于辅助驾驶系统的驾驶包络，该辅助驾驶系统安装在第二车辆中；以及向安装在第二车辆中的辅助驾驶系统提供驾驶包络。

Description

定义用于辅助驾驶系统的驾驶包络

相关申请的交叉引用

本申请要求2020年10月15日提交的名称为“DEFINING DRIVING ENVELOPE FORASSISTED-DRIVING SYSTEM”的美国专利申请号16/949,158的优先权，其公开内容通过引用整体并入本文。

技术领域

本文件涉及定义用于辅助驾驶系统的驾驶包络(driving envelope)。

背景技术

车辆运输在当今社会无处不在。许多国家的大部分人口都具有驾驶一种或多种车辆的驾驶执照，或者有能力驾驶一种或多种车辆。虽然这些人可以驾驶许多不同类型的车辆，但是许多驾驶员的驾驶风格也彼此不同。任何在交通中行进的人都可以观察到驾驶员在驾驶技能、驾驶偏好和驾驶实践方面的显著差异。没有两个驾驶员是完全一样的。

发明内容

一种计算机实施的方法，包括：从与第一人相关联的第一车辆的传感器接收传感器数据，该传感器数据由所述传感器生成；将机器学习算法应用于传感器数据以定义用于辅助驾驶系统的驾驶包络，该辅助驾驶系统安装在第二车辆中；以及向安装在第二车辆中的辅助驾驶系统提供驾驶包络。

实施方式可以包括以下任何或所有功能。辅助驾驶系统使用至少一个配置参数运行，并且其中辅助驾驶系统使用驾驶包络确定配置参数的值。配置参数控制辅助驾驶系统的至少一个方面，该方面包括第二车辆和物体之间的距离、第二车辆的速度、第二车辆的轨迹或第二车辆的加速度中的一个或多个。应用机器学习算法包括：在传感器数据中识别至少一个事件；以及将标签应用于所识别的事件。辅助驾驶系统也安装在第一车辆中，并且其中识别至少一个事件还包括当传感器生成传感器数据时考虑到安装在第一车辆中的辅助驾驶系统的自动驾驶操作水平。辅助驾驶系统也安装在第一车辆中，并且其中识别至少一个事件由辅助驾驶系统执行。识别至少一个事件还包括考虑到第一人何时从安装在第一车辆中的辅助驾驶系统接管对第一车辆的控制。该计算机实施的方法还包括基于传感器在一段时间内产生的附加传感器数据来执行驾驶包络的分批更新。当第一人驾驶第一车辆时，接收传感器数据。当辅助驾驶系统至少部分地控制第一车辆时，接收传感器数据，并且其中传感器数据包括来自辅助驾驶系统上的第一人的反馈。该反馈包括第一人至少部分地从辅助驾驶系统接管控制。该反馈包括第一人在辅助驾驶系统上的输入。辅助驾驶系统使用驾驶包络来执行关于第二车辆的动作。该计算机实施的方法还包括接收来自第一人的关于辅助驾驶系统执行动作的用户反馈，并基于用户反馈更新辅助驾驶系统的配置参数的值。用户反馈包括第一人至少部分地从辅助驾驶系统接管控制。该计算机实施的方法还包括向第一人提示要求用户反馈，其中响应于该提示接收用户反馈。当驾驶包络被提供给安装在第二车辆中的辅助驾驶系统时，第二车辆正由第二人驾驶。该计算机实施的方法还包括接收关于第一车辆的情境(context)数据，当传感器生成传感器数据时该情境数据属于第一车辆，该情境数据包括定量或定性的外因度量。第二车辆是第一车辆。安装在第二车辆中的辅助驾驶系统向配置管理器提供查询，并且其中配置管理器响应于该查询向辅助驾驶系统提供驾驶包络。安装在第二车辆中的辅助驾驶系统在对第二车辆采取动作之前向配置管理器提供查询，其中驾驶包络指定了动作的一个方面。安装在第二车辆中的辅助驾驶系统在采取动作之前确定是否在采取动作之前向配置管理器提供查询。安装在第二车辆中的辅助驾驶系统在确定是否在采取动作之前向配置管理器提供查询时考虑到关于第二车辆的实时数据。驾驶包络被定义以增加第一人从辅助驾驶系统成功接管的可能性。

在第二方面，一种计算机程序产品被有形地包含在非暂时性存储介质中，该计算机程序产品包括当被执行时使处理器执行操作的指令，该操作包括：从与第一人相关联的第一车辆的传感器接收传感器数据，该传感器数据由传感器生成；将机器学习算法应用于所述传感器数据以定义用于辅助驾驶系统的驾驶包络，所述辅助驾驶系统安装在第二车辆中，所述驾驶包络被定义以增加所述第一人从所述辅助驾驶系统成功接管的可能性；以及向安装在第二车辆中的辅助驾驶系统提供驾驶包络。

附图说明

图1示出了定义驾驶包络的系统的示例。

图2示出了收集用于定义驾驶包络的数据的示例的流程图。

图3示出了定义驾驶包络的示例的流程图。

图4示出了由车辆的辅助驾驶系统使用的驾驶包络的示例的流程图。

图5A-5B示出了开发用于车辆的驾驶包络并使用它来执行关于车辆的动作的示例。

图6示出了在执行关于车辆的动作时使用驾驶包络的另一个示例。

图7示出了在执行关于车辆的动作时使用驾驶包络的另一个示例。

图8A-8B示出了在执行关于车辆的动作时使用驾驶包络的其他示例。

图9示出了在执行关于车辆的动作时使用驾驶包络的另一个示例。

图10示出了可用于实施本公开的各方面的计算设备的示例架构。

各附图中的相同附图标记表示相同的元件。

具体实施方式

本文件描述了用于定义用于辅助驾驶系统的驾驶包络的系统和技术的示例。驾驶包络可以以提高安全性为目的来定义，例如在驾驶员被要求作为动态驾驶任务或非动态驾驶任务(例如由辅助驾驶系统执行的任务)的后备的情况下。例如，在由SAE International出版的J3016分类系统中定义了所谓的SAE 2级和3级模式，并且当自动系统存在未决的故障时，依靠驾驶员从自动系统接管。这种和其他场景是基于隐含的假设，即驾驶员当时实际上能够接管并保持对车辆的控制，这可能并不总是有效的假设。本文描述的系统和技术可以推断驾驶场景的情况和情境，并且计算驾驶包络，驾驶包络与驾驶员在没有自动化的情况下将操作的驾驶包络相似或相同。使用这样的驾驶包络，辅助驾驶系统可以以提高驾驶员成功接管车辆控制的机会(例如，增加或优化可能性)的方式计划辅助驾驶系统的行为和动作。此外，可以在数据库(例如，车载或云中)中维护多个这样的驾驶包络并使其可用，以便为任意数量的驾驶员定制辅助驾驶系统。本主题可以应用于以上述1-5级中的任何一级运行的车辆。

在一些实施方式中，可以在不同的环境条件下以及在不同的驾驶事件发生时收集驾驶员行为信息和相关的情境信息。这可以基于交通密度；天气条件；驾驶情境是高速公路、城市或乡村环境，这里仅举几个例子。这种数据的积累及其处理使得能够提取描述驾驶员行为的一个或多个方面(例如，行驶速度、到另一物体的距离和/或其他因素)。可以基于从这种经处理的数据中提取的至少一个方面来定义驾驶包络。

在一些实施方式中，如本文所述的驾驶包络的定义以及辅助驾驶系统对其的使用可以促进至少以下两个方面。首先，将驾驶包络应用于辅助驾驶系统可以寻求确保辅助驾驶系统不会超出该驾驶员对于接管感到舒适或能够接管的情况的极限。第二，这可以使得辅助驾驶系统在自动化阶段以使人更舒适的方式运行。例如，可以使人的乘坐更加愉快，和/或该体验可以向人确认辅助驾驶系统正在安全地运行。

一些实施方式可以提供一个或多个优点。例如，通过增加驾驶员从辅助驾驶系统成功接管的可能性，可以使得自动化一些或所有车辆功能的整体活动更安全。可以改善用户体验和/或用户对辅助驾驶系统的信任。例如，可以不要求驾驶员根据他或她的个人驾驶技能、驾驶偏好或驾驶实践来定制辅助驾驶系统。可以简化车辆设计。例如，车辆设计者可以不需要识别和定义系统配置设置(其可以数十或数百个单独可调节的参数运行)，或者为它们创建单独的输入控制。

本文的示例涉及车辆。车辆是运输乘客或货物或两者的机器。车辆可以具有一个或多个使用至少一种燃料或其他能源(例如电)的马达。车辆的例子包括但不限于轿车、卡车和公共汽车。车轮的数量在不同类型的车辆之间可以不同，并且一个或多个(例如，全部)车轮可以用于车辆的推进。车辆可以包括容纳一个或多个人的乘客车厢。至少一名车辆乘坐者可被视为驾驶员；然后可以向驾驶员提供各种工具、器具或其他装置。在本文的示例中，作为示例主题的车辆(例如，具有辅助驾驶系统的车辆)有时被称为“自我车辆”。一个或多个其它车辆有时被称为“前导车辆”。

本文的示例涉及辅助驾驶(例如，由辅助驾驶系统执行)。辅助驾驶涉及至少部分自动化一个或多个动态驾驶任务。高级驾驶员辅助系统(ADAS)可以执行辅助驾驶，并且是辅助驾驶系统的一个例子。辅助驾驶部分基于一个或多个传感器的输出来执行，传感器通常位于车辆上、车辆下或车辆内。虽然自主车辆(autonomous vehicle)是执行辅助驾驶的系统的一个例子，但并不是每个辅助驾驶系统都被设计成提供完全自主的车辆。SAEInternational定义了驾驶自动化的几个级别，通常分别称为0、1、2、3、4和5级。例如，0级系统或驾驶模式可以不涉及系统的持续车辆控制。例如，1级系统或驾驶模式可以包括自适应巡航控制、紧急制动辅助、自动紧急制动辅助、车道保持和/或车道居中。例如，2级系统或驾驶模式可以包括高速公路辅助、自主避障和/或自主停车。例如，3级或4级系统或驾驶模式可以包括通过辅助驾驶系统的对车辆的逐渐增加的控制。例如，5级系统或驾驶模式可以不需要对辅助驾驶系统的人工干预。

本文的示例涉及传感器。传感器被配置成检测事件和/或其环境的一个或多个方面的变化，并输出反映该检测的信号。仅作为说明性示例，传感器可以表明车辆和物体之间的距离、车辆的速度、车辆的轨迹、车辆的加速度或驾驶员关于车辆采取的动作中的一个或多个。可以与一个或多个实施例一起使用的传感器的例子包括但不限于：光传感器(例如，摄像头)；扫描系统(例如，激光雷达)；基于无线电的传感器(例如，雷达)；声学传感器(例如，超声波装置和/或麦克风)；惯性测量单元(例如，陀螺仪和/或加速度计)；速度传感器(例如，用于车辆或其部件)；由驾驶员操纵的车辆控制(例如，开关、按钮、滑块)；由用户操纵的车辆输入控制；位置传感器(例如，用于车辆或其部件)；取向传感器(例如，用于车辆或其部件)；扭矩传感器；温度传感器(例如，初级或次级温度计)；压力传感器(例如，用于环境空气或车辆部件)；湿度传感器(例如，雨水检测器)；或者座位占用传感器。

本文的示例涉及驾驶包络。驾驶包络包括函数、表格或曲线。驾驶包络将多个车辆状态关联在一起，使得驾驶包络可以用于确定或产生辅助驾驶系统的至少一个配置参数的一个或多个值(例如，值的范围)。仅举两个例子，这些值可以包括配置参数和/或配置约束。配置参数可以被定义为控制辅助驾驶系统的至少一个方面。驾驶包络可以针对单个驾驶员或驾驶员的类型或类别。针对特定驾驶员个性化的驾驶包络是该人的驾驶风格的某些方面的表示，以便定义该驾驶员对其感到舒适(或不舒适)的驾驶方面。取决于当前负责车辆的是人还是辅助驾驶系统，这种偏好可以不同。因此，单个驾驶员关于他或她自己驾驶的偏好不一定转化为辅助驾驶系统的相同驾驶包络。相反，两者之间可以存在偏好差异。驾驶包络可以基于一个或多个自变量来定义。例如，驾驶包络可以是检测到的事件的情境、车辆横摆率和车辆速度的函数。

本文的示例提到了成功接管的可能性。接管是人类驾驶员从辅助驾驶系统接管控制的情况。这可以在辅助驾驶系统进入其请求驾驶员取得控制的状态时(例如，在检测到故障时)发生，或者人可以自愿选择负责车辆。如果人类驾驶员在接管时和此后的有限时间内对呈现自己的驾驶任务感到舒适，那么接管可以被认为是成功的。在一些实施方式中，如果驾驶员没有在预定时间内重新启用辅助驾驶系统，则可以认为自愿接管成功。在上述示例中，特定时间的长度可以取决于情况和/或驾驶员。例如，在成功接管之后，驾驶员可以以正常方式控制车辆至少大约几秒钟(例如，几秒钟或几十秒钟)。

本文的示例涉及作为车辆驾驶员的人。如本文所用，术语驾驶员包括由车辆运送的人，而不管车辆配备的自动化状态(如果有自动化)，也不管车辆的辅助驾驶系统当前是否是活动的。因此，为了简单起见，当人驾驶车辆时和当辅助驾驶系统运行时，人在这里都可以被称为车辆的驾驶员。

本文的示例涉及事件。事件是可以被一个或多个系统检测到的具体或抽象的发生。事件可以包括被识别为离散集合的成员的一个或多个操纵。事件可以包括彼此同时发生的或者在由事件定义的公共时间跨度内发生的子事件。事件的例子包括但不限于：车道变更、跟随前导车辆、在没有前导车辆的情况下保持在车道中、或者产生间隙以允许另一车辆进入车道。事件可以包括动态驾驶任务和/或非动态驾驶任务的任务(包括但不限于保持车辆当前速度和当前横向车道位置)。

本文的示例涉及与驾驶员和/或车辆相关的情境。情境是与事件暂时相关的一个或多个定量或定性外部度量。相对于车辆或驾驶员的外部度量是分别在车辆及其系统和/或驾驶员外部的度量。情境与事件之间的因果关系有时可以是明显的或被推断出来的，但因果关系不是必要条件。情境的例子包括但不限于：天气(例如，降水、温度或光条件)；交通状况(例如，平均速度、密度或有序度)；车辆状况(例如，速度、加速度、轨迹、占用人数、乘客舱室气候或信息娱乐系统运行状态)；道路状况(例如，曲线半径、倾斜角、车道数量、表面材料、表面状况、表面牵拉力)。

本文的示例涉及机器学习算法。如本文所用，机器学习算法可以包括人工智能的实现，其中诸如辅助驾驶系统的机器具有感知其环境并采取行动来实现一个或多个目标的能力。机器学习算法可以应用一个或多个数据挖掘原理来从收集的关于车辆及其相关情况的数据中导出驾驶包络。可以在一个或多个方面对机器学习算法进行训练。例如，可以执行监督、半监督和/或无监督训练。在一些实施方式中，机器学习算法可以利用一个或多个分类器。例如，分类器可以将一个或多个标签分配给在已处理数据中识别的实例。在一些实施方式中，机器学习算法可以利用一种或多种形式的回归分析。例如，机器学习算法可以应用回归来确定一个或多个数值。在一些实施方式中，机器学习算法可以被配置为收集和存储数据，使用数据来检测事件，使用数据来识别情境，并且至少部分地基于检测到的事件和情境生成驾驶包络。

图1示出了定义驾驶包络的系统100的示例。系统100可以与本文别处描述的一个或多个其他示例一起使用。系统100和/或其一个或多个部件可以通过至少一个处理器执行存储在计算机可读介质中的指令来运行，例如下面参考图10所描述的。在一些实施方式中，系统100可以被配置成以增加人从辅助驾驶系统成功接管的可能性的方式来定义驾驶包络。

系统100可以部分地通过收集和处理关于人如何操作车辆的数据来定义驾驶包络。系统100接收一个或多个输入102，这里概念性地示出为方框。输入102可以包括来自车辆的任何或所有传感器的传感器读数。例如，输入102可以反映或以其他方式表明关于车辆的情况和/或驾驶员采取的动作。在存在一个或多个情境参数的情况下，输入102可以反映或以其他方式表明一个或多个事件和/或驾驶员触发的发生。例如，输入102可以反映或以其他方式表明车道变更事件。作为另一个例子，输入102可以反映或以其他方式表明驾驶员采取(或不采取)一个或多个将触发车辆响应的动作。作为另一个例子，输入102可以反映或以其他方式表明一个或多个周围环境状况的存在或不存在(例如，特定天气现象的存在或不存在)。在一些实施方式中，输入102可以包括反映人如何驾驶车辆的传感器数据。例如，这可以允许分析人的驾驶偏好和驾驶特征，并在生成驾驶包络时对其加以考虑。在一些实施方式中，输入102可以包括反映用户对辅助驾驶系统如何控制车辆的反应的传感器数据。例如，用户可以通过从辅助驾驶系统接管对车辆的控制来提供反馈。作为另一个例子，用户可以通过在用户界面(例如反馈表)中输入关于用户对辅助驾驶系统如何控制车辆的意见来提供反馈。

系统100包括用于数据采集和存储的系统104。系统104可以接收一个或多个输入102，处理输入102，并生成至少一个输出。在一些实施方式中，系统104安装在车辆中。例如，系统104可以表征为车载系统。

系统104可以包括事件检测部件106。在一些实施方式中，事件检测部件106可以检测驾驶员执行的行为和/或操纵。在一些实施方式中，事件检测部件106可以监测驾驶员的行为，以将操纵识别为一个或多个离散集合的成员。示例包括但不限于车道变更、在车道中跟随前导车辆、在没有前导车辆的情况下保持在车道中、紧急制动、或时间间隔的减少或增加。事件检测部件106可以识别与事件相关联或表征事件的定量或定性内因度量。示例包括但不限于，确定车道变更的持续时间和/或速度，确定跟随时与前导车辆的时间间隔，确定当没有前导车辆存在时驾驶员保持在车道中的速度，和/或确定当在自我车辆前方产生间隙以允许另一车辆进入车道时的负加速度。事件检测部件106可以包括机器学习算法的一个或多个方面。在一些实施方式中，事件检测部件106可以依赖于车辆的辅助驾驶系统，或者由车辆的辅助驾驶系统提供。例如，辅助驾驶系统可以安装在同一车辆中，并且事件的检测可以由辅助驾驶系统执行。在一些实施方式中，事件检测部件106可以从输入102的数据中识别至少一个事件，并将标签应用于所识别的事件。

事件检测部件106可以安装在没有辅助驾驶系统或者具有辅助驾驶系统的车辆中。在后一种情况下，当系统104正在收集数据时，辅助驾驶系统可以是活动的或不活动的。例如，如果辅助驾驶系统正在运行，则系统104检测到的事件可以部分归因于驾驶员，部分归因于辅助驾驶系统。因此，事件检测部件106可以依赖于辅助驾驶系统的运行状态来检测事件。例如，识别事件可以包括当传感器数据由输入102的传感器生成时，考虑到安装在车辆中的辅助驾驶系统的自动驾驶操作水平。

检测事件可以包括确定驾驶员接管了对车辆的控制。例如，事件检测部件106可以确定虽然辅助驾驶系统没有进入故障状态或请求驾驶员接管，但是驾驶员在特定时间取得对车辆的控制。这种确定可以与事件检测相关。

系统100可以安装在车辆中，用于收集关于人操作该车辆的数据。当人驾驶具有辅助驾驶系统的车辆时，可以处理这种数据以定义要应用的一个或多个驾驶包络。应用驾驶包络的车辆可以是与收集数据的车辆相同的车辆，或者是与收集数据的车辆相同的车辆型号和/或品牌。作为另一个例子，应用驾驶包络的车辆可以是与收集数据的车辆不同的车辆。

这里，系统104包括情境识别部件108。情境识别部件108可以检测外部操作条件，在该外部操作条件下，驾驶员执行(或不执行)被检测为事件的操作。在一些实施方式中，情境识别部件108可以收集与事件相关的定量或定性的外因度量。在一些实施方式中，情境识别部件108可以标记天气、交通状况、道路曲率和/或道路状态。情境识别部件108可以包括机器学习算法的一个或多个方面。

这里，系统104包括车载数据记录器110。车载数据记录器110可以记录由事件检测部件106和情境识别部件108输出的信息。在一些实施方式中，车载数据记录器110可以通过存储装置112帮助将数据保存在一个或多个位置。例如，存储装置112可以包括现场/云数据存储114。作为另一个例子，存储装置112可以包括车载数据存储116。放置在存储装置112中的数据可以具有一种或多种适合于稍后执行的处理的格式。例如，来自事件检测部件106和/或情境识别部件108的输出可以在存储之前被格式化。

这里，系统100包括部件118，其任务是组成驾驶包络并为辅助驾驶系统120生成配置。在一些实施方式中，部件118将识别辅助驾驶系统120的至少一个配置参数，确定配置参数的值，并将该值提供给辅助驾驶系统120。这种配置参数可以控制辅助驾驶系统120的至少一个方面。例如，驾驶包络可以调节当前应用于车辆前轮的横摆率r和车辆当前具有的侧滑β之间的关系。在一些实施方式中，部件118可以实施基于学习的软件算法，以从关于由人执行的驾驶的信息中推断驾驶包络。例如，可以从数据中推断出，当下雨超过每小时0.5英寸时，在没有路上行驶的车辆的情况下，在65英里/小时的高速公路上，对于半径大约为200米的弯道，该人通常减速到大约55英里/小时(mph)。可以做出其他类型的推断，包括相同或不同的标准。在一些实施方式中，部件118可以区分当驾驶员处于控制中时驾驶员对某一操纵感到舒适，与当辅助驾驶系统120控制车辆时、在相同的道路和天气条件下、驾驶员可能对相同的操纵或多或少感到舒适。

驾驶包络可以以允许方便地访问(例如，通过查询操作)与辅助驾驶系统120的一个或多个决策相关的信息的格式存储。在一些实施方式中，一个或多个配置值可以存储在表格122中。例如，表格122可以为辅助驾驶系统120的情境驱动和事件驱动配置而被调整。

辅助驾驶系统120可以从表格122中获得信息，用于决定是否执行一个或多个动作。例如，辅助驾驶系统120可以向部件118查询这种信息。作为另一个例子，辅助驾驶系统120可以直接访问表格122。所获得的信息可以允许辅助驾驶系统120选择应用于一个或多个决策的操作极限。在一些实施方式中，可以为由一个或多个操作极限定义的区域设计成本函数。例如，这样的操作极限可以描述成本函数有效的区域。在一些实施方式中，给定适用情境，由该函数定义的成本可以随着车辆在道路上的轨迹偏离的正常驾驶包络而增加。

上述示例说明了一种方法可以包括从第一车辆的传感器接收传感器数据(例如，通过输入102)。当第一人驾驶第一车辆时，这种传感器数据可以由传感器生成。该方法可以包括将机器学习算法(例如，来自系统100)应用于传感器数据以定义辅助驾驶系统(例如，辅助驾驶系统120)的驾驶包络(例如，通过部件118)。辅助驾驶系统可以安装在第二车辆中。该方法可以包括向安装在第二车辆中的辅助驾驶系统提供驾驶包络(例如，作为表格122)。

图2示出了收集用于定义驾驶包络的数据的示例200的流程图。示例200可以与本文别处描述的一个或多个其他示例一起使用。示例200和/或其一个或多个部件可以通过执行存储在计算机可读介质中的指令的至少一个处理器来运行，例如，如下面参考图10所描述的。在一些实施方式中，示例200可以用于以增加人从辅助驾驶系统成功接管的可能性的方式来定义驾驶包络。

数据202进入示例200。在一些实施方式中，数据202可以被表征为原始实时车辆数据。数据可以来自车辆的一个或多个传感器(例如，来自辅助驾驶系统专用的传感器套件)。

数据202可以被提供给示例200的一个或多个方面。数据202可以被提供给部件204。在一些实施方式中，部件204可以负责检测数据202中的事件，并根据检测来标记数据。例如，部件204可以在其运行中应用机器学习算法的一个或多个方面。数据202可以被提供给云206。

数据208进入示例200。在一些实施方式中，数据208可以被表征为原始实时外因数据，并且可以是与被监测的车辆有关的情境数据。数据可以来自车辆的一个或多个传感器(例如，来自专用于辅助驾驶系统的传感器套件)和/或来自外部源(例如，天气报告服务、地图服务或道路状况报告器)。

数据208可以被提供给示例200的一个或多个方面。数据208可以被提供给部件210。在一些实施方式中，部件210可以负责检测数据208中的情境，并根据检测来标记数据。例如，部件210可以在其运行中应用机器学习算法的一个或多个方面。数据208可以被提供给云206。

部件204可以生成输出212。在一些实施方式中，输出212反映了车辆驾驶员的行为或操纵。输出212可以具有合适的格式，并且可以存储在数据库214中。

部件210可以生成输出216。在一些实施方式中，输出216反映输出212的定性或定量情境(例如，与车辆驾驶员的行为或操纵相关)。输出216可以具有合适的格式，并且可以存储在数据库214中。

数据库214可以定期地或在随机时间地用新的信息更新。在一些实施方式中，当部件204和/或210生成新的输出时，数据库214被更新。例如，这可以导致数据库214的更新彼此相隔一分钟或多分钟发生。随着数据在数据库214中积累，软件算法可以更新一个或多个驾驶包络，并增加其边界的准确度或精度。

图3示出了定义驾驶包络的示例300的流程图。示例300可以与本文别处描述的一个或多个其他示例一起使用。示例300和/或其一个或多个部件可以通过执行存储在计算机可读介质中的指令的至少一个处理器来运行，例如，如下面参考图10所描述的。在一些实施方式中，示例300可以被配置成以增加人从辅助驾驶系统成功接管的可能性的方式来定义驾驶包络。

在示例300中，数据库214向被配置成基于信息执行一个或多个推断的部件302提供该信息。在一些实施方式中，部件302可以推断关于其数据被收集和处理(例如，标记)的驾驶员的驾驶员技能、驾驶员偏好和/或驾驶员实践。部件302可以输出一个或多个驾驶包络304。在一些实施方式中，驾驶包络304可以定义辅助驾驶系统的一个或多个可控方面。例如，驾驶包络304也可以或替代地被表征为可控性包络。示例300可以向配置管理器306提供驾驶包络304。在一些实施方式中，配置管理器306控制要应用于辅助驾驶系统的配置，以便有利于驾驶员的安全接管和愉快的乘坐舒适性。例如，配置管理器306可以包括一个或多个数据库。

配置管理器306的数据库可以定期地或在随机时间地用新的信息更新。在一些实施方式中，当部件302生成新的输出时，数据库被更新。例如，这可以导致数据库的更新彼此相隔一日或多日发生。在一些实施方式中，基于传感器在一段时间内产生的额外传感器数据来执行驾驶包络304的分批更新。

图4示出了由车辆的辅助驾驶系统使用的驾驶包络的示例400的流程图。示例400可以与本文别处描述的一个或多个其他示例一起使用。示例400和/或其一个或多个部件可以通过执行存储在计算机可读介质中的指令的至少一个处理器来运行，例如，如下面参考图10所描述的。在一些实施方式中，示例400可以被配置成提供驾驶包络，该驾驶包络增加了人从辅助驾驶系统成功接管的可能性。

这里，辅助驾驶系统402正在确定是否在当前由情况404表示的情境中采取行动。仅作为示例，辅助驾驶系统402可以即将决定是否发起车道变更操纵。辅助驾驶系统402可以向配置管理器306制定查询406。在一些实施方式中，查询406表明设想的操纵。辅助驾驶系统402可以查询配置管理器306，以努力确保预期的行为和操纵在驾驶员感到舒适或能够接管的包络内。这可以寻求确保驾驶员能够在必要时取得对车辆的控制。例如，这可以包括确定车辆没有行驶得更快，没有更靠近其他车辆，和/或没有比驾驶员自己操作车辆更急地转弯。该查询可以寻求确保驾驶员在操纵期间感到安全和舒适。例如，这可以增加对辅助驾驶系统402的信任以及驾驶员对车辆和体验的总体满意度。

对查询406的响应可以包括配置管理器306访问一个或多个数据库。配置管理器306可以响应于查询406而生成驾驶包络408，或者驾驶包络408可以是响应于查询406而提供的预定驾驶包络(例如，大数据集)。在一些实施方式中，驾驶包络408包括对辅助驾驶系统402所设想的动作的应用或实施的一个或多个限制。例如，驾驶包络408可以包括速度限制。作为另一个例子，驾驶包络408可以包括纵向和/或横向加速度的限制。在一些实施方式中，可以使用限制的组合。应用驾驶包络408的结果可以是，辅助驾驶系统402仅在相邻车道中的间隔(即，车辆之间的间距)至少为x英尺并且辅助驾驶系统402有y秒或更多时间来完成该动作时才启动车道变更。

假设辅助驾驶系统402决定启动动作，辅助驾驶系统402可以做出一个或多个输出。在一些实施方式中，辅助驾驶系统402输出对应于轨迹410的信息。驾驶包络408可以已经指定或规定了轨迹410的一个或多个方面。轨迹410可以对应于使车辆呈现特定位置、速度、加速度和加速度变化率(有时称为“急动度”)。例如，轨迹410可以通过设置车轮的转向角和推进马达的扭矩输出来实现。这里，实行412概念性地表示驾驶包络408正在用于执行基于轨迹410的动作。驾驶员414是人类，并且在此使用圆圈示意性地示出。驾驶员414受到由辅助驾驶系统402计划和执行的动作的实行412。

在一些实施方式中，辅助驾驶系统402可能不需要为要采取的每个动作查询配置管理器306。关于一个或多个特定动作，驾驶包络408基本上可以由至少一个数字组成，辅助驾驶系统402可以将该数字保存在无需查询即可访问的本地存储装置中。例如，当已知驾驶员414对横向加速度敏感时，辅助驾驶系统402可以确保，不需要每次都查询配置管理器306，不应该计划将横向加速度增加到某个值以上的操纵。也就是说，这种调试参数对于驾驶员414总是有效的。

配置管理器306和/或辅助驾驶系统402可以受益于实时数据提供者416的输入。实时数据提供者416可以提供在生成驾驶包络408时要考虑到的一条或多条信息。在一些实施方式中，对事件(例如，车道变更)的舒适偏好可以取决于手边的情况，这可以通过来自实时数据提供者416的输入而被反映。例如交通密度或自我车辆的速度。在较低速度下，驾驶员414的舒适度可以不是重要因素，但是在较高速度下，舒适度可以成为重要因素。继续上面关于无查询动作实行的例子，辅助驾驶系统402可以被提供有本质上声明在可视条件下应用的参数值的信息。如果天气变化，这可以触发辅助驾驶系统402提交查询406。也就是说，安装在车辆中的辅助驾驶系统402在确定是否在采取动作之前向配置管理器提供查询时可以考虑到关于车辆的实时数据。

驾驶员414可以为了至少配置管理器306的利益而提供反馈418。反馈418可以通过人机界面(HMI)420来提供。仅举一些例子，驾驶员414可以通过采取关于车辆的行动(例如，通过至少部分地从AD系统402接管控制)来表明反馈418，或者将反馈418输入到图形用户界面中，或者将反馈418说出到音频界面中。在一些实施方式中，驾驶员414在AD系统402根据驾驶包络408执行驾驶任务时接管对车辆控制的事实可以被检测为用户反馈418。例如，用户反馈418可以触发配置管理器306来调整、消除和/或添加驾驶包络408的至少一个方面。在一些实施方式中，示例400可以向驾驶员414提示要求反馈418，并且反馈418可以响应于该提示由HMI 420接收。在一些实施方式中，驾驶员414可以提供反馈418，无论示例400是否被配置为提示要求反馈，以及无论是否发生了任何提示。

为了提示要求反馈，HMI 420可以向驾驶员414指出待讨论的动作(例如，“刚刚执行的车道变更”)，或者该提示可以以其他方式在时间上接近该动作来呈现，以避免模糊。例如，可以使“喜欢”按钮和/或“不喜欢”按钮可供驾驶员414选择。HMI 420可以向配置管理器306提供反馈418。在一些实施方式中，反馈418可以用于进一步调整(或消除)驾驶包络408。例如，被执行的动作被基本上实时地标记为受驾驶员414喜欢或不喜欢，和/或配置参数的值基于反馈418被更新。

在一些实施方式中，在此作为辅助驾驶系统402执行的动作的主体的驾驶员414可以是与配置管理器306在定义驾驶包络408中使用的从其驾驶中获得数据的人相同的人。例如，这可以提供这样的优点，即驾驶体验紧密根据作为驾驶员414的特定个人而被调整。

在一些实施方式中，驾驶包络408可以基于来自两个或更多个驾驶员414的驾驶数据来生成。作为另一个例子，驾驶包络408可以被应用于涉及不同人作为驾驶员414的多个相应驾驶情况。在涉及所谓的拼车活动的场景中，两个或更多不同的个人在不同的时间充当同一车辆的驾驶员414。在这样的计划中，反馈418可以从两个或更多个拼车驾驶员处收集，并用于调整驾驶包络408，以合理地适合预期成为驾驶员414的一群人。

图5A-5B示出了为车辆504开发驾驶包络并使用它来执行关于车辆504的动作的示例500和502。示例500或502可以与本文别处描述的一个或多个其他示例一起使用。车辆504当前正行驶在道路506上，道路506在两个相邻车道的任一个具有行进的单向交通。这里，车辆508也存在于道路506上。特别地，车辆504当前位于右车道，车辆508A-508B当前位于左车道。术语“右”和“左”在这里是从车辆504的驾驶员的角度使用的。

车辆504的驾驶员将被称为驾驶员A。假设驾驶员A希望进行车道变更并从右车道移动到左车道。在该示例中，沿着道路506，车辆508A-508B之间当前存在距离510。驾驶员A认为距离510足以进行车道变更，因此完成该操纵。监测车辆504的数据收集系统跟踪相关数据并对其进行标记。例如，经处理的数据可指示在道路506的当前条件下(例如，交通密度、道路质量、天气)和车辆504的当前条件下(例如，速度、占用人数)，驾驶员A对于在距离510的当前长度下完成车道变更(该动作可以使车辆504承受一定的纵向和横向加速度)感到舒适。在为驾驶员A生成驾驶包络时，可以考虑到上述情况(例如，与其他观察到的操纵一起)。

当已经生成驾驶员A的驾驶包络时，可以将其应用于安装在车辆中的辅助驾驶系统504。现在，假设当辅助驾驶系统活动时，出现与图5A中所示类似的情况。也就是说，辅助驾驶系统设想进行车道变更并从右车道移动到左车道。辅助驾驶系统可以查询配置管理器并找出相关参数。例如，配置管理器可以通知辅助驾驶系统，只要车辆508A-508B之间的距离至少等于距离510，并且其他条件与标记驾驶员数据时的条件相当，它就可以执行车道变更。在这个例子中，辅助驾驶系统然后将执行该动作。这对于驾驶员A来说将是舒适的体验。此外，如果发生驾驶员A需要在动作期间接管对车辆504的控制的情况，可以预期接管将具有很高的成功可能性。

现在转到图5B，车辆504’的驾驶员将被称为驾驶员B。在该示例中，沿着道路506在车辆508A-508B之间当前存在距离510’，距离510’大于图5A中的距离510。假设驾驶员B希望进行车道变更，并从右车道移动到左车道。驾驶员B认为距离510’足以进行车道变更，因此完成该操纵。监测车辆504’的数据收集系统跟踪相关数据并对其进行标记。例如，经处理的数据可指示在道路506的当前条件(例如，交通密度、道路质量、天气)和车辆504’(例如，速度、占用人数)的当前条件下，驾驶员B对于在距离510’的当前值下完成车道变更(该动作可使车辆504’受到一定的纵向和横向加速度)感到舒适。在为驾驶员B生成驾驶包络时，可以考虑到上述情况(例如，与其他观察到的操纵一起)。

当已经生成驾驶员B的驾驶包络时，可以将其应用于安装在车辆504’中的辅助驾驶系统。现在，假设当辅助驾驶系统活动时，出现与图5B所示类似的情况。也就是说，辅助驾驶系统设想进行车道变更并从右车道移动到左车道。辅助驾驶系统可以查询配置管理器并找出相关参数。例如，配置管理器可以通知辅助驾驶系统，只要车辆508A-508B之间的距离至少等于距离510’，并且其他条件与标记驾驶员数据时的条件相当，它就可以执行车道变更。在这个例子中，辅助驾驶系统然后将执行该动作。这对于驾驶员B来说将是舒适的体验。此外，如果发生驾驶员B需要在动作期间接管对车辆504’的控制的情况，可以预期接管将具有很高的成功可能性。

相比之下，将驾驶员A的驾驶包络应用于载有驾驶员B的车辆504’可能不会具有与上述两个示例中同等成功的结果。如果当车辆508A-508B之间的距离仅约等于距离510时车辆504’受到车道变更操纵，这可能导致驾驶员B对辅助驾驶系统失去信任。例如，驾驶员B可能认为该动作主观上有风险或不舒服。此外，如果在这种场景下出现驾驶员B需要接管对车辆504’的控制的情况，则接管具有相对较低的成功可能性。

类似地，将驾驶员B的驾驶包络应用于载有驾驶员A的车辆504可能不会具有与将驾驶员A的驾驶包络应用于驾驶员A时同样成功的结果。如果车辆504在车辆508A-508B之间的距离仅约等于距离510时设想车道变更操纵，则辅助驾驶系统可以放弃该动作，因为距离510比距离510’短。驾驶员A可能变得烦躁，并且对辅助驾驶系统有负面的体验。

图6示出了在执行关于车辆602的动作时使用驾驶包络的另一示例600。示例600可以与本文别处描述的一个或多个其他示例一起使用。这个例子涉及自适应巡航控制。当车辆602在同一车道上行驶在车辆604后面时，辅助驾驶系统在车辆602和604之间保持大约至少一个距离606。如果车辆604加速，辅助驾驶系统作为响应可以加速车辆602(可选地达到预定的最大速度)。如果车辆604减速，辅助驾驶系统作为响应可以制动车辆602，以至少保持它们之间的距离606。距离606可以是驾驶包络的主题。

在一些实施方式中，驾驶员C可能偏好比驾驶员D偏好的距离更短的距离606。例如，当驾驶员C乘坐在车辆602中时，距离606的相对较短的范围可以导致辅助驾驶系统更频繁地制动车辆602。然而，由于距离606相对较短，驾驶员C可以偏好相对较少的车辆切入车辆602和604之间的车道。

相比之下，当驾驶员D乘坐在车辆602时中，与驾驶员D的驾驶包络相关联的距离606的相对较长的范围可以导致更多的车辆切入车辆602和604之间的车道。然而，驾驶员D可以喜欢由于距离606相对较长、辅助驾驶系统更不频繁地制动车辆602。

图7示出了在执行关于车辆702的动作时使用驾驶包络的另一示例700。示例700可以与本文别处描述的一个或多个其他示例一起使用。车辆702当前正以速度706行进通过弯道704，速度706被示意性地示为速度向量。由于曲线704导致的车辆702的转向对应于车辆702(和驾驶员)受到横向加速度708，横向加速度708示意性地示为力矢量。横向加速度708取决于曲线704有多尖锐(例如，它在每一点的曲率半径)，并且取决于速度706。驾驶员E可能偏好对于弯道具有速度706的最小减缓(或不减缓)，并且可能不介意当行进通过弯道704时横向加速度708的相对高的情况。在为驾驶员E生成驾驶包络时，可以考虑到上述情况(例如，与其他观察到的操纵一起)。

另一方面，驾驶员F可能偏好对于弯道具有速度706的明显减缓，并且可能对行进通过弯道704时横向加速度708的相对较高的情况感到不舒服。在为驾驶员F生成驾驶包络时，可以考虑到上述情况(例如，与其他观察到的操纵一起)。

图8A-8B示出了在执行关于车辆804的动作时使用驾驶包络的其他示例800和802。示例800和802可以与本文别处描述的一个或多个其他示例一起使用。在示例800中，车辆804当前停在道路810上的车辆808后面的距离806处，车辆808也是静止的。也就是说，在道路810上没有可见的车辆当前正在移动，例如由于拥堵或交通灯。驾驶员G控制车辆804并根据驾驶员G的偏好或通常习惯停在离车辆808的距离806处。在为驾驶员G生成驾驶包络时，可以考虑到上述情况(例如，与其他观察到的操纵一起)。

在示例802中，车辆804由驾驶员H控制，并且当前停在道路810上已经开始向前移动的车辆808后面的距离812处。也就是说，道路810上可见的车辆可能最近已经停止，例如由于拥堵或交通灯，并且距离812由于车辆808的移动、同时车辆804保持静止而正在增加。当与车辆804和808静止时的距离相比，离车辆808的距离812已经增加到一定长度时，驾驶员H开始向前移动车辆804。驾驶员H这样做是出于偏好或通常习惯。在为驾驶员H生成驾驶包络时，可以考虑到上述情况(例如，与其他观察到的操纵一起)。

图9示出了在执行关于车辆的动作时使用驾驶包络的另一示例900。示例900可以与本文别处描述的一个或多个其他示例一起使用。车辆902当前正行驶在道路904上，道路904在两个相邻车道的任一个中具有行进的单向交通。这里，大型车辆906(例如，具有一个或多个半拖车的拖拉机，或公共汽车)也存在于道路904上。大型车辆906和车辆902当前在道路904上彼此并排。例如，大型车辆906和车辆902可能以相同的速度行驶，或者大型车辆906或车辆902中的任一个可能正在超过另一个。车辆902当前位于右车道，大型车辆906当前位于左车道。术语“右”和“左”在这里是从车辆902的驾驶员的角度使用的。驾驶员I控制车辆902，并且由于驾驶员I的偏好或通常习惯，已经产生了与大型车辆906的距离908。例如，距离908可以被称为车道偏离。

在一些实施方式中，驾驶员I可以创建距离908，作为从车辆902的辅助驾驶系统至少部分接管控制的一部分。例如，驾驶员I可能感觉辅助驾驶系统关于于大型车辆906使用太少(或太多)的车道偏离，因此可能偏好接管控制以增加(或减少)车道偏离。因此，辅助驾驶系统可以将驾驶员I的接管解释为对车道偏离的用户反馈，以便从那时起应用不同的车道偏离(例如，对应于距离908)。

在为驾驶员I生成驾驶包络时，可以考虑到上述情况(例如，与其他观察到的操纵一起)。

图10示出了计算设备1000的示例架构，该计算设备1000可以用于实施本公开的各方面，包括本文描述的任何系统、设备和/或技术，或者可以在各种可能的实施例中使用的任何其他系统、设备和/或技术。

图10中所示的计算设备可以用于执行本文描述的操作系统、应用程序和/或软件模块(包括软件引擎)。

在一些实施例中，计算设备1000包括至少一个处理设备1002(例如，处理器)，诸如中央处理单元(CPU)。各种处理设备可从各种制造商处获得，例如Intel或Advanced MicroDevices。在该示例中，计算设备1000还包括系统存储器1004，以及将包括系统存储器1004在内的各种系统部件耦合到处理设备1002的系统总线1006。系统总线1006是可以使用的任何数量类型的总线结构之一，包括但不限于存储器总线或存储器控制器；外围总线；和使用多种总线架构中的任何总线架构的本地总线。

可以使用计算设备1000实施的计算设备的示例包括台式计算机、膝上型计算机、平板计算机、移动计算设备(诸如智能电话、触摸板移动数字设备或其他移动设备)，或者被配置为处理数字指令的其他设备。

系统存储器1004包括只读存储器1008和随机存取存储器1010。基本输入/输出系统1012包含用于诸如在启动时在计算设备1000内传输信息的基本例程，可以存储在只读存储器1008中。

在一些实施例中，计算设备1000还包括辅助存储设备1014，例如硬盘驱动器，用于存储数字数据。辅助存储设备1014通过辅助存储接口1016连接到系统总线1006。辅助存储设备1014及其相关联的计算机可读介质为计算设备1000提供计算机可读指令(包括应用程序和程序模块)、数据结构和其他数据的非易失性和非暂时性存储。

尽管本文描述的示例环境采用硬盘驱动器作为辅助存储设备，但是在其他实施例中也使用其他类型的计算机可读存储介质。这些其他类型的计算机可读存储介质的例子包括盒式磁带、闪存卡、数字视频盘、伯努利盒式磁带、光盘只读存储器、数字多功能盘只读存储器、随机存取存储器或只读存储器。一些实施例包括非暂时性介质。例如，计算机程序产品可以有形地包含在非暂时性存储介质中。此外，这种计算机可读存储介质可以包括本地存储或基于云的存储。

多个程序模块可以存储在辅助存储设备1014和/或系统存储器1004中，包括操作系统1018、一个或多个应用程序1020、其他程序模块1022(例如这里描述的软件引擎)和程序数据1024。计算设备1000可以利用任何合适的操作系统，诸如Microsoft Windows^TM、Google Chrome^TM OS、Apple OS、Unix或Linux及变体以及适用于计算设备的任何其他操作系统。其他示例可以包括Microsoft、Google或Apple操作系统，或者平板计算设备中使用的任何其他合适的操作系统。

在一些实施例中，用户通过一个或多个输入设备1026向计算设备1000提供输入。输入设备1026的示例包括键盘1028、鼠标1030、麦克风1032(例如，用于语音和/或其他音频输入)、触摸传感器1034(例如，触摸板或触敏显示器)和手势传感器1035(例如，用于手势输入)。在一些实施方式中，输入设备1026提供基于存在、接近和/或运动的检测。在一些实施方式中，用户可以走进他们的家，并且这可以触发对处理设备的输入。例如，输入设备1026然后可以帮助用户的自动化体验。其他实施例包括其他输入设备1026。输入设备可以通过联接到系统总线1006的输入/输出接口1036连接到处理设备1002。这些输入设备1026可以通过任意数量的输入/输出接口连接，例如并行端口、串行端口、游戏端口或通用串行总线。仅举几个例子，在一些可能的实施例中，输入设备1026和输入/输出接口1036之间的无线通信也是可能的，并且包括红外、

无线技术、802.11a/b/g/n、蜂窝、超宽带(UWB)、ZigBee或其他射频通信系统。

在该示例实施例中，诸如监视器、液晶显示设备、发光二极管显示设备、投影仪或触敏显示设备等显示设备1038也经由诸如视频适配器1040等接口连接到系统总线1006。除了显示设备1038之外，计算设备1000可以包括各种其他外围设备(未示出)，诸如扬声器或打印机。

计算设备1000可以通过网络接口1042连接到一个或多个网络。网络接口1042可以提供有线和/或无线通信。在一些实施方式中，网络接口1042可以包括一个或多个天线，用于发送和/或接收无线信号。当在局域网环境或广域网环境(如因特网)中使用时，网络接口1042可以包括以太网接口。其他可能的实施例使用其他通信设备。例如，计算设备1000的一些实施例包括用于跨网络通信的调制解调器。

计算设备1000可以包括至少某种形式的计算机可读介质。计算机可读介质包括可由计算设备1000访问的任何可用介质。举例来说，计算机可读介质包括计算机可读存储介质和计算机可读通信介质。

计算机可读存储介质包括在被配置成存储诸如计算机可读指令、数据结构、程序模块或其他数据的信息的任何设备中实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质包括但不限于随机存取存储器、只读存储器、电可擦除可编程只读存储器、闪存或其他存储技术、光盘只读存储器、数字多功能盘或其他光存储装置、磁带盒、磁带、磁盘存储装置或其他磁存储设备，或者可用于存储所需信息并可由计算设备1000访问的任何其他介质。

计算机可读通信介质通常包含计算机可读指令、数据结构、程序模块或诸如载波或其他传输机制的调制数据信号中的其他数据，并且包括任何信息传递介质。术语“调制数据信号”指的是以在信号中编码信息的方式设置或改变其一个或多个特征的信号。作为示例，计算机可读通信介质包括有线介质，例如有线网络或直接线连接，以及无线介质，例如声学、射频、红外线和其他无线介质。任何上述的组合也包括在计算机可读介质的范围内。

图10中所示的计算设备也是可编程电子设备的示例，其可以包括一个或多个这样的计算设备，并且当包括多个计算设备时，这样的计算设备可以与合适的数据通信网络联接在一起，以便共同执行本文公开的各种功能、方法或操作。

本说明书中使用的术语“基本上”和“大约”用于描述和说明小的波动，例如由于加工中的变化。例如，它们可以指小于或等于±5％，例如小于或等于±2％，例如小于或等于±1％，例如小于或等于±0.5％，例如小于或等于±0.2％，例如小于或等于±0.1％，例如小于或等于±0.05％。此外，当在本文中使用时，不定冠词如“一”或“一个”表示“至少一个”。

应该理解，前述概念和下面更详细讨论的附加概念的所有组合(假设这些概念不是相互矛盾的)被认为是本文公开的发明主题的一部分。特别地，出现在本公开末尾的要求保护的主题的所有组合被认为是本文公开的发明主题的一部分。

已经描述了许多实施方式。然而，应当理解，在不脱离本说明书的精神和范围的情况下，可以进行各种修改。

此外，图中描绘的逻辑流程不需要所示的特定顺序或连续顺序来实现期望的结果。此外，可以提供其他过程，或者可以从所描述的流程中删除过程，并且可以向所描述的系统添加其他部件，或者从所描述的系统中删除其他部件。因此，其他实施方式在所附权利要求的范围内。

尽管如本文所述，已经示出了所述实施方式的某些特征，但是本领域技术人员现在将会想到许多修改、替换、改变和等同物。因此，应当理解，所附权利要求旨在覆盖落入实施方式范围内的所有这些修改和变化。应该理解的是，它们仅仅是以示例的方式给出的，而不是限制，并且可以进行形式和细节上的各种改变。本文描述的装置和/或方法的任何部分可以以任何组合来组合，除了互斥的组合。本文描述的实施方式可以包括所描述的不同实施方式的功能、部件和/或特征的各种组合和/或子组合。

Claims (25)

1.一种计算机实施的方法，包括：

从与第一人相关联的第一车辆的传感器接收传感器数据，所述传感器数据由所述传感器生成；

将机器学习算法应用于所述传感器数据以定义用于辅助驾驶系统的驾驶包络，所述辅助驾驶系统安装在第二车辆中；和

向安装在所述第二车辆中的所述辅助驾驶系统提供所述驾驶包络。

2.根据权利要求1所述的计算机实施的方法，其中，所述辅助驾驶系统使用至少一个配置参数运行，并且其中，所述辅助驾驶系统使用所述驾驶包络确定所述配置参数的值。

3.根据权利要求2所述的计算机实施的方法，其中，所述配置参数控制所述辅助驾驶系统的至少一个方面，所述方面包括所述第二车辆与物体之间的距离、所述第二车辆的速度、所述第二车辆的轨迹或所述第二车辆的加速度中的一个或多个。

4.根据权利要求1所述的计算机实施的方法，其中，应用所述机器学习算法包括：

在所述传感器数据中识别至少一个事件；和

将标签应用到所识别的事件。

5.根据权利要求4所述的计算机实施的方法，其中，所述辅助驾驶系统也安装在所述第一车辆中，并且其中，识别所述至少一个事件还包括当所述传感器生成所述传感器数据时考虑到安装在所述第一车辆中的辅助驾驶系统的操作的自动驾驶水平。

6.根据权利要求4所述的计算机实施的方法，其中，所述辅助驾驶系统也安装在第一车辆中，并且其中，识别所述至少一个事件由所述辅助驾驶系统执行。

7.根据权利要求4所述的计算机实施的方法，其中，识别所述至少一个事件还包括考虑到所述第一人何时从安装在所述第一车辆中的辅助驾驶系统接管对所述第一车辆的控制。

8.根据权利要求1所述的计算机实施的方法，还包括基于在一段时间内由所述传感器生成的附加传感器数据执行所述驾驶包络的分批更新。

9.根据权利要求1所述的计算机实施的方法，其中，当所述第一人驾驶所述第一车辆时接收所述传感器数据。

10.根据权利要求1所述的计算机实施的方法，其中，当所述辅助驾驶系统至少部分地控制所述第一车辆时，接收所述传感器数据，并且其中，所述传感器数据包括来自所述第一人的对所述辅助驾驶系的反馈。

11.根据权利要求10所述的计算机实施的方法，其中，所述反馈包括所述第一人至少部分地从所述辅助驾驶系统接管控制。

12.根据权利要求10所述的计算机实施的方法，其中，所述反馈包括所述第一人在所述辅助驾驶系统上的输入。

13.根据权利要求1所述的计算机实施的方法，其中，所述辅助驾驶系统在执行关于所述第二车辆的动作时使用所述驾驶包络。

14.根据权利要求13所述的计算机实施的方法，还包括从所述第一人接收关于所述辅助驾驶系统执行动作的用户反馈，并基于所述用户反馈更新所述辅助驾驶系统的配置参数的值。

15.根据权利要求14所述的计算机实施的方法，其中，所述用户反馈包括所述第一人至少部分地从所述辅助驾驶系统接管控制。

16.根据权利要求14所述的计算机实施的方法，还包括向所述第一人提示要求用户反馈，其中响应于所述提示接收所述用户反馈。

17.根据权利要求13所述的计算机实施的方法，其中，当所述驾驶包络被提供给安装在所述第二车辆中的辅助驾驶系统时，所述第二车辆由第二人驾驶。

18.根据权利要求1所述的计算机实施的方法，还包括接收关于所述第一车辆的情境数据，当所述传感器生成所述传感器数据时，所述情境数据与所述第一车辆有关，所述情境数据包括定量或定性的外因度量。

19.根据权利要求1所述的计算机实施的方法，其中，所述第二车辆是所述第一车辆。

20.根据权利要求1所述的计算机实施的方法，其中，安装在所述第二车辆中的辅助驾驶系统向配置管理器提供查询，并且其中，所述配置管理器响应于所述查询向所述辅助驾驶系统提供所述驾驶包络。

21.根据权利要求20所述的计算机实施的方法，其中，安装在所述第二车辆中的辅助驾驶系统在对所述第二车辆采取动作之前向所述配置管理器提供所述查询，其中所述驾驶包络指定所述动作的方面。

22.根据权利要求21所述的计算机实施的方法，其中，安装在所述第二车辆中的辅助驾驶系统在采取所述动作之前确定是否在采取所述动作之前向所述配置管理器提供所述查询。

23.根据权利要求22所述的计算机实施的方法，其中，安装在所述第二车辆中的辅助驾驶系统在采取所述动作之前确定是否向所述配置管理器提供所述查询时考虑到关于所述第二车辆的实时数据。

24.根据权利要求1所述的计算机实施的方法，其中，所述驾驶包络被定义以增加所述第一人从所述辅助驾驶系统成功接管的可能性。

25.一种计算机程序产品，有形地体现在非暂时性存储介质中，所述计算机程序产品包括当被执行时使处理器执行操作的指令，所述操作包括：

从与第一人相关联的第一车辆的传感器接收传感器数据，所述传感器数据由所述传感器生成；

将机器学习算法应用于所述传感器数据以定义用于辅助驾驶系统的驾驶包络，所述辅助驾驶系统安装在第二车辆中，所述驾驶包络被定义以增加所述第一人从所述辅助驾驶系统成功接管的可能性；和

向安装在所述第二车辆中的所述辅助驾驶系统提供所述驾驶包络。

Images