CN116403435A - 为自主和辅助驾驶交通工具调配对等方辅助安全模型的系统和方法 - Google Patents
为自主和辅助驾驶交通工具调配对等方辅助安全模型的系统和方法 Download PDFInfo
- Publication number
- CN116403435A CN116403435A CN202211586118.8A CN202211586118A CN116403435A CN 116403435 A CN116403435 A CN 116403435A CN 202211586118 A CN202211586118 A CN 202211586118A CN 116403435 A CN116403435 A CN 116403435A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- security model
- security
- vehicles
- vehicle
- 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
Links
- 238000000034 method Methods 0.000 title abstract description 45
- 230000004044 response Effects 0.000 claims abstract description 17
- 230000015654 memory Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 23
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 27
- 230000003068 static effect Effects 0.000 description 24
- 230000009466 transformation Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000003607 modifier Substances 0.000 description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004387 environmental modeling Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000008261 resistance mechanism Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 229920002803 thermoplastic polyurethane Polymers 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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
- B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
-
- 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
-
- 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
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了为自主和辅助驾驶交通工具调配对等方辅助安全模型的系统和方法。本文公开的是用于自主和辅助驾驶交通工具的对等方辅助安全模型的系统和方法。在实施例中,安全模型服务从目标交通工具接收对安全模型的安全模型请求。该安全模型服务响应于接收到安全模型请求而将一个或多个源交通工具标识为安全模型输入源。该安全模型服务接收与所标识的一个或多个交通工具相关联的安全模型数据。该安全模型服务基于安全模型请求和所接收的安全模型数据,生成用于目标交通工具的目标交通工具安全模型。该安全模型服务将目标交通工具安全模型传输到目标交通工具,供由目标交通工具使用。
Description
技术领域
本公开的实施例涉及辅助驾驶交通工具、自主交通工具、机器人、机器学习、可执行安全模型,并且更具体地涉及用于所有类型的自主和辅助驾驶交通工具(包括汽车、卡车、摩托车、踏板车、轻便摩托车、人力车等等)的对等方(peer)辅助安全模型的系统和方法,以及其他技术领域。
背景技术
随着自主(例如,自驾车)和辅助驾驶交通工具以及其他机器人在当今现代社会变得越来越普遍,牢记驾驶员、乘客、行人和其他人的安全仍然是重要的。为此,许多自主和辅助驾驶交通工具包括被称为安全模型的事物,该安全模型在交通工具的操作期间被执行。在操作时,典型的安全模型可以计算各种安全约束,这些安全约束既涉及到静态安全关切(例如,坑洞、建筑、道路上的急转弯等),又涉及到动态安全关切(例如,行人、其他交通工具、倒下的树木、环境状况等)。因此,许多交通工具在操作期间执行静态安全模型和动态安全模型中的一个或执行这两者。
附图说明
可以从以下说明书中获得更详细的理解,以下说明书通过示例结合以下附图的方式呈现,其中在附图中结合类似要素使用类似的参考数字。
图1描绘了根据至少一个实施例的示例通信情境。
图2描绘了根据至少一个实施例的示例边缘节点体系结构。
图3描绘了根据至少一个实施例的示例目标交通工具体系结构。
图4描绘了根据至少一个实施例的第一示例方法。
图5描绘了根据至少一个实施例的第二示例方法。
图6描绘了根据至少一个实施例的第三示例方法。
图7描绘了根据至少一个实施例的示例四轮到两轮变换图。
图8描绘了根据至少一个实施例的示例两轮到四轮变换图。
图9描绘了根据至少一个实施例的示例计算机系统。
具体实施方式
本公开的实施例应用于众多不同类型的自主和辅助操作交通工具以及其他自主或半自主代理和机器人。为了简单起见,并不是为了限制,本公开中最常描述的示例与辅助驾驶交通工具有关。给定的辅助驾驶交通工具可以包括一个在本领域中被称为高级驾驶员辅助系统(ADAS)的系统。简而言之,辅助驾驶交通工具在本公开中有时被称为"ADAS交通工具"。示例ADAS交通工具的一个功能组件是安全模块管理器(或安全模块或安全系统,以及其他可以使用的名称)。典型的安全模型管理器在交通工具操作期间执行作为安全"看门狗"种类的运行时安全模型,以验证或改变交通工具规划和控制操作。
根据至少一个实施例,在ADAS交通工具中,安全模型的实现方式可以被配置为接收来自板载传感器(即,ADAS交通工具上的传感器)以及无线通信接口(来自例如其他交通工具、基础设施元件、移动设备,诸如,智能手机和/或类似设备)的输入。此类接口可以根据专用短程通信(Dedicated Short-Range Communication,DSRC)、交通工具对交通工具(vehicle-to-vehicle,V2V)基础设施、蜂窝网络、Wi Fi网络和/或一个或多个其他合适的协议、网络类型等操作。如上所述,该安全模型可以被配置用于评估静态安全约束(例如,坑洞、急转弯等)和动态安全约束(例如,行人运动、其他交通工具的动作、落石、环境状况(如雨或雾)等)两者。安全模型经常也考虑到占主导的状况(例如,黑暗、天气等)。在操作时,如果给定的计算出的轨迹规划(包括例如,针对加速、制动、转弯等的所规划的近期设置)被给定的安全模型(或交通工具的另一个功能组件)认为是不安全的(例如,与小于特定的阈值聚合安全度量相关联),则交通工具可以转而根据受约束的轨迹规划(即,已经被修改以便受到由该安全模型生成的安全约束的约束的轨迹规划)来操作。安全模型可以计算对总速度、交通工具之间的驾驶距离、加速、制动、转弯半径等的此类约束。安全模型可替代地被称为交通工具操作安全模型(vehicle operation safety model,VSOM)。
在道路上存在具有许多不同类型的ADAS的许多不同类型的交通工具。这些ADAS可在计算能力、通信系统、板载传感器、板载传感器配置等方面有所不同。此外,在涉及诸如轮子数量、交通工具大小和轮距等方面以及诸如最高速度、加速、制动距离、转弯半径、机动性、稳定性等运动学能力时,不同的交通工具简单地说是彼此不同的。本公开的实施例涉及到由智能基础设施安全服务和交通工具协作辅助的交通工具安全。在世界上许多国家,特别是在大量轻型交通工具(例如,两轮和三轮交通工具,本文中有时也称为"两轮车"和"三轮车")与较重的四轮车、半卡车等共享道路的地方,交通工具事故是严重的问题。一般来说,与例如四轮车形成对照,针对操作摩托车的那些人的死亡风险高得多。因此,对操作两轮车和三轮车的那些人的安全的改善是重要的。
先前的交通工具和交通工具支持系统的一个问题在于,与有四个或更多轮子的交通工具相比,两轮车(例如,摩托车、滑板车、自行车等)和三轮车(例如,机动化人力车)倾向于具有有限的传感器阵列和计算资源。因此,为诸如汽车和卡车之类的大型的、更“复杂”的机动车设计的安全模型规则(例如,来自的责任敏感型安全(Responsibility-Sensitive Safety)、或来自/>的安全力场(Safety Force Field))不一定完全适用于较简单的交通工具和运输形式。本公开的实施例至少部分地通过利用装备更完善的交通工具的感测和计算能力来解决这一问题,以使诸如两轮车和三轮车之类的交通工具受益。在本公开的用语中,两轮车和三轮车有时被表征为"轻型交通工具"、"能力较差的交通工具"、"装备较差的交通工具"、"简单(或更简单)的交通工具",等等。相反,四轮车和更大型的交通工具在本公开中有时会使用诸如"重型交通工具"、"能力更强的交通工具"、"装备更多的交通工具"、"复杂(或更复杂)的交通工具"等术语来描述。一般来说,这些术语与这些不同交通工具的运动学性能、计算能力和/或感测装备的水平有关,并且也可反映其他方面。
在本公开的实施例中,轻型交通工具受益于由重型交通工具和/或一个或多个基础设施元件计算的动态道路和环境安全信息模型中。轻型交通工具可以经由无线基础设施,例如V2X(其包括V2V和交通工具至基础设施(vehicle-to-infrastructure,V2I))、蜂窝网络、Wi Fi网络和/或一个或多个其他合适的协议、网络类型等,从重型交通工具和/或基础设施元件接收模型和模型输入数据(例如,特征数据(又称"特征"))。此外,在至少一些实施例中,为给定的轻型交通工具计算、由其接收以及由其执行的安全模型可以反映从重型交通工具的情境(例如,更多和/或不同的传感器、不同的交通工具运动学等等)到轻型交通工具的情境(例如,更少和/或不同的传感器、不同的交通工具尺寸和运动学等)的变换。在此类场景中的轻型交通工具在本公开中经常被称为"目标交通工具",因为安全模型和模型输入数据是为该交通工具创建并被提供给该交通工具的,而提供数据的复杂交通工具在本文中有时被称为"源交通工具"。
此外,由于诸如道路上的交通水平、道路状况、不同的当地的驾驶习惯、具有不同特性的交通工具、不同的和变化的占主导的天气状况等因素,在许多道路上,在不同时间的驾驶体验是不同的。重型交通工具常在其上部署了大量的能力,诸如,牵引控制、防抱死制动系统(anti-locking braking system,ABS),等等。另一方面,轻型交通工具,倾向于具有有限的传感器以及有限的板载计算和通信装备(并因此具有有限的能力)。在本公开的实施例中,轻型交通工具受益于专门为其建立的安全模型、以及由更复杂的交通工具收集和提供的数据。在一些实施例中,该收集的数据被变换成更适合由目标交通工具处理的格式。另外,本文描述的实施例中的许多实施例可以扩展到行人的移动设备和众多其他类型的终端。例如,根据本公开的安全模型服务可以为行人创建安全模型,并在例如非典型和/或危险的情况下将该模型(从例如一个或多个基础设施元件,诸如,路边单元(roadside unit,RSU),或从蜂窝或Wi Fi网络,等等)广播到该用户的移动设备。因此,根据本公开的实施例,能力更强的交通工具共享其实时数据,以供轻型交通工具用作轻型交通工具自身定制的安全模型的输入。
本公开的实施例包括静态安全模型和动态安全模型两者的使用。在一些情况下,在行程之前,用户可以加载与预期路线相关的一个或多个静态安全模型。在一些实施例中,目标交通工具可以根据需要在本地重新调整下载的安全模型。此类模型可以在目标交通工具上被缓存,并且可以被更新、被删除,等等。对于动态安全事件,本公开的一些实施例支持对针对目标交通工具的安全相关度量的感知和计算。此外,针对特定时间、地点等、为特定目标交通工具建立的定制安全模型可以将感知到的安全事件转化为由目标交通工具作出的可行动响应。
在许多情况下,给定同一时间相同的道路状况和相同的以及安全关切,给定的复杂交通工具(执行其自身的复杂安全模型)和给定的目标交通工具(根据本公开执行所提供的目标交通工具安全模型)也会产生不同的决策、推荐、约束等。例如,轻型交通工具可以简单地移动到交通车道的一侧以避开坑洞,而复杂交通工具由于交通工具大小、交通等原因可能没有那个选项,因此可能会减速,以尽量使遇到坑洞的负面影响最小化。另外,众多其他示例可以在这里被提供,并且将会被受益于本公开的本领域技术人员想到。
一个实施例采取系统的形式,该系统包括至少一个硬件处理器,并且还包括存储指令的至少一个存储器,该指令在由该至少一个硬件处理器执行时使该至少一个硬件处理器执行操作,该操作包括:从目标交通工具接收对安全模型的安全模型请求。该操作还包括:响应于接收到安全模型请求,将一个或多个源交通工具标识为安全模型输入源。该操作还包括:接收与所标识的一个或多个源交通工具相关联的安全模型数据;以及基于该安全模型请求和所接收的安全模型数据,生成用于目标交通工具的目标交通工具安全模型。该操作还包括:将目标交通工具安全模型传输到目标交通工具,以供由目标交通工具使用。
如本文所述,本公开的一个或多个实施例采取包括多个操作的方法的形式。一个或多个其他实施例采取系统的形式,该系统包括至少一个硬件处理器并且还包括一种或多种非暂态计算机可读存储介质,该一种或多种非暂态计算机可读存储介质包含指令,该指令在由至少一个硬件处理器执行时,使该至少一个硬件处理器执行多个操作(在一些实施例中,这些操作与在本文公开的方法实施例中执行的操作相对应,而在其他实施例中,操作与在本文公开的方法实施例中执行的操作不对应)。另外的一个或多个其他实施例采取一种或多种包含指令的非暂态计算机可读存储介质(computer-readable storage media,CRM)的形式,这些指令在由至少一个硬件处理器执行时,使该至少一个硬件处理器执行多个操作(类似地,在一些实施例中,这些操作与在本文公开的方法实施例中执行的操作和/或由本文公开的系统实施例执行的操作相对应,而在其他实施例中,这些操作与在本文公开的方法实施例中执行的操作和/或由本文公开的系统实施例执行的操作不对应)。
此外,本文中描述了实施例的大量变化和排列,并且明确注意,本公开中描述的任何变化或排列都可以针对任何类型的实施例来实现。例如,在本公开中主要结合方法实施例描述的变化或排列也可以或可替代地结合系统实施例和/或CRM实施例来实现。此外,尽管存在用于描述和/或表征此类实施例和/或其任何一个或多个要素的任何略微不同的语言(例如,过程、方法、方法论、步骤、操作、功能等),但实施例的这种灵活性和交叉适用性仍然存在。
进一步关于安全模型,在至少一些实施例中,用于给定交通工具的安全模型被定义为是可执行软件或至少包括可执行软件,该可执行软件评估通过嵌入式传感器获得的和/或在外部获得的(经由例如V2X服务、蜂窝网络、Wi Fi网络等等)交通工具的交通情境,并实时地向交通工具的驾驶行为提供性能约束。在至少一个实施例中,安全模型的功能包括:在交通工具的驾驶性能方面充当看门狗,无论驾驶逻辑是通过自动化还是人类驾驶员执行的;以及当不安全情况被检查到时,以命令的形式向交通工具的致动机构提供约束或向人类操作员提供警告。许多安全模型被设计成试图在交通工具的实用性和现实世界的固有风险之间取得平衡。
在本公开的实施例中,安全模型服务跨交通基础设施通信并且与其他交通工具进行通信,以便聚合安全相关的信息,并向目标用户提供安全模型定制。根据实施例的安全模型服务可以连续地(例如,频繁地)聚合来自路边基础设施传感器和被连接的交通工具的数据。安全事件(例如,安全模型输入)可以作为日志被收集,并使用主成分分析(principlecomponents analysis,PCA)、知识提炼、统计平均和/或其他适用的技术被处理。如本文所述,在至少一些实施例中,安全模型被分类为静态安全模型或动态安全模型。
在实施例中,静态安全模型至少部分地与静态地理定位的预知事件有关。一些示例包括道路几何学,诸如,急转弯处的安全速度,接近具有遮挡物的交叉路口或处于道路建设或有坑洞的区域。本公开的实施例将静态安全事件映射到与目标交通工具相关联的动态能力(和限制)。此类信息可以被变换,以便为目标交通工具定制,甚至在所报告的安全数据主要已经由一种类型的交通工具(例如,乘用车)捕获的情况下也是如此。在实施例中,用于指定的兴趣区域的静态安全模型在目标交通工具的请求下被生成,然后被目标交通工具缓存,从而仅需要沿着运行时应用的路线的GPS定位。在一些实施例中,视觉地标被用作驾驶员行动的提示。
在一些实施例中,动态安全模型至少部分地与动态行为有关,这些动态行为是由目标交通工具与道路上的一个或多个代理之间的交互(或至少潜在的交互)导致的。动态安全模型典型地需要使用实时传感器信息和运动学值假设。至少一个实施例涉及可归纳的动态安全模型的应用,这些可归纳的动态安全模型在目标交通工具周围建立安全包络,尽管这些安全包络是通过对目标交通工具的运动学能力参数化来定制的。动态安全模型可以被高效地下载到目标交通工具上。此外,根据本公开的实施例的安全模型服务在行程期间与目标交通工具维持通信,以提供有关道路使用者的经更新的聚合信息以及专门为目标交通工具定制的安全包络计算的经更新的参数化。安全模型服务可以管理来自多个源的数据处理,并且也可以在旅程期间结合准备和支持对动态安全模型的更新来管理对目标交通工具的服务质量。在一些实施例中,目标交通工具具有请求终止这项服务或沿着旅程更新该服务的选项。
图1描绘了根据至少一个实施例的示例通信情境100。在所描述的示例中,目标交通工具102是三轮机动化人力车。此外,还描绘了目标交通工具的移动设备104,它可与目标交通工具102的主要操作者相关联。目标交通工具102和目标交通工具移动设备104在图1中被一起表示为目标交通工具系统106。还描绘了在计算系统、服务器或节点处实现的安全模型服务108,该安全模型服务108与目标交通工具102通信地连接,并且也经由网络110与边缘节点112通信地连接。在这个所描绘的布置中,边缘节点112与交通灯114相关联,并且可以控制交通灯114。
边缘节点112位于两条街道的示例交叉口附近,并且可包括被认为适合于给定实现方式的任何数量的相机、雷达传感器、激光雷达传感器等,和/或可与被认为适合于给定实现方式的任何数量的相机、雷达传感器、激光雷达传感器等通信。在一些实施例(诸如,下面结合图2描述的实施例)中,安全模型服务108不作为独立式服务,而是作为边缘节点112的功能部分来操作,该边缘节点112可以是被称为路边单元(RSU)的事物或可包括被称为路边单元(RSU)的事物。当然众多其他潜在的布置也可以被使用。被描绘为当前在交通灯114附近行驶的是源交通工具116,源交通工具118,源交通工具120,源交通工具122,和源交通工具124。在各种情况下,源交通工具116-124中的一个或多个可以比目标交通工具102能力更强(例如,更多装备)。
图1中描绘了各种通信。在示例序列中,目标交通工具102向安全模型服务108传输安全模型请求,该安全模型服务108响应性地查询源交通工具116-124中的每个源交通工具(例如,向源交通工具116-124中的每个源交通工具发放安全模型输入请求)。然后那些源交通工具116-124可以用被标记为安全模型输入的内容进行响应。在实施例中,安全模型服务108然后使用所提供的安全模型输入、以及来自安全模型请求的关于目标交通工具102的能力的信息来为目标交通工具102建立定制的安全模型126。安全模型服务108将安全模型126传输到目标交通工具102,供目标交通工具102在操作时使用。此外,源交通工具116-124可以继续经由安全模型服务108(或直接)向目标交通工具102传输安全模型输入数据。在实施例中,安全模型126的一个或多个特征是由源交通工具116-124中的一个或多个源交通工具收集的值。目标交通工具102因此被提供有一个安全模型126,该安全模型126比仅基于目标交通工具102的能力建立的安全模型可能会达到的情况更稳健且更有用。
图2描绘了根据至少一个实施例的示例边缘节点体系结构200。具体而言,图2描述了来自图1的边缘节点112的示例边缘节点体系结构200。如上所述,图2中所示的内容是这样的示例,其中边缘节点112内的安全模型服务206的功能取代在那里所示的布置中由安全模型服务108执行的内容中的至少一些。如下所述,图2描述了这样的实施例,其中动态安全模型以及针对安全模型126的定制轨迹更新被提供给目标交通工具102,以便在由目标交通工具102执行时考虑。如图2所示,边缘节点体系结构200包括V2X节点202、目标跟踪器204、上述安全模型服务206、以及一组一个或多个边缘节点传感器208。
V2X节点202可用于由边缘节点112与各种不同的交通工具通信(V2V),与各种不同的基础设施元件通信(V2I),等等。在实施例中,本文描述的与安全模型请求、安全模型、安全模型更新、模型特征、交通工具状态、路线状态、目标轨迹等相关的通信可以经由V2X节点202进行。如图所示,V2X节点202可以经由网络110交换数据。在一些实施例中,边缘节点112也可以具有一个或多个其他通信接口,诸如但不限于5G、LTE、Wi-Fi、以太网、光纤等等。
目标跟踪器204的功能可以是向安全模型服务206提供关于目标交通工具102(以及在一些实例中,一个或多个其他目标交通工具)的当前位置、状态等的经更新的信息。安全模型服务206可以实施在本文中被描述为由安全模型服务执行的操作,并且这些操作可以包括在本文中被描述为由安全模型服务108执行的一个或多个操作。安全模型服务206可以接收来自目标交通工具的安全模型请求、来自目标交通工具的安全模型改进请求、来自源交通工具的模型输入数据、和来自其自身的边缘节点传感器208的传感器数据、以及可由安全模型服务206接收的其他类型的信息。此外,安全模型服务206传输所建立的安全模型、改进的安全模型、向源交通工具对于模型输入数据的请求、目标交通工具轨迹规划等等。
边缘节点传感器208可以包括任何数量的相机、雷达传感器、激光雷达传感器、环境声音检测器、环境光检测器、温度检测器、针对其他天气状况(诸如,大风、降水)的检测器,等等。此外,边缘节点传感器208可以包括被本领域技术人员认为适合于给定实现方式的任何其他类型的传感器中的一个或多个。
图3描绘了根据至少一个实施例的示例目标交通工具体系结构300。具体而言,图3描述了来自图1的目标交通工具102的示例目标交通工具体系结构300。如图3所示,目标交通工具体系结构300包括经由网络110交换数据的V2X节点302、安全模型管理器304、规划器306、目标交通工具传感器308、导航器314、轨迹-规划选择器316、交通工具控制器310和交通工具组件312。
V2X节点302可以处置在(i)目标交通工具102的规划器306与(ii)网络110(以及因此安全模型服务108和/或边缘节点112等)之间的本文所述的消息传递的通信。规划器306可以从目标交通工具传感器308接收关于目标交通工具102的状态和环境的传感器数据,并且也可以从导航器314接收路线规划数据。如图所示,目标交通工具102的所感测的状态也可以被传输到安全模型126,该安全模型126正在由安全模型管理器304执行。规划器306将传感器数据与路线计划数据一起处理,以生成轨迹规划,规划器306将该轨迹规划提供给安全模型126。轨迹规划可以包括用于交通工具加速、制动、转弯等的近期指令、规则或标准,以及完成此类加速、制动、转弯等的子系统的相关联的控制。
安全模型126可以处理轨迹规划,并生成一个或多个安全约束,安全模型126可将这一个或多个安全约束提供给轨迹规划选择器316。然后轨迹规划选择器316(使用,将例如聚合安全度量用作与阈值比较)作出关于该轨迹规划是否安全的判断。如果判断结果是该轨迹规划是安全的,则该轨迹规划被提供给交通工具控制器310。如果相反判断结果是该轨迹规划不是安全的,则受约束的轨迹规划被提供给交通工具控制器310。受约束的轨迹规划会基于由安全模型126生成的安全约束以某种方式(例如,速度)受到约束。无论哪个轨迹规划被提供给交通工具控制器310,交通工具控制器310随后都向交通工具组件312发出一个或多个交通工具控制命令,以使交通工具采取该轨迹规划。本例中的交通工具组件312包括诸如转向机构、制动机构、加速机构等组件。
图4描绘了根据至少一个实施例的示例方法400。该方法400可以由安全模型服务108、边缘节点112的安全模型服务206等执行。在对图4的描述中,方法400以示例的方式被描述为由安全模型服务108和伴随的计算服务器、节点或平台执行。该方法400的各种操作贯穿本公开被更加充分地描述。
在操作402处,安全模型服务108从目标交通工具102接收对安全模型的安全模型请求。在操作404处,安全模型服务108响应于在操作402处接收到安全模型请求,将源交通工具标识为安全模型输入源。在操作406处,安全模型服务108接收来自所标识的一个或多个源交通工具116、120、122和124的安全模型输入。在这个示例中,安全模型服务108不选择源交通工具118,该源交通工具118可以具有与目标交通工具102相当类似或比目标交通工具102甚至更低的能力。在操作408处,安全模型服务108基于安全模型请求和所接收的安全模型输入,生成用于目标交通工具102的目标交通工具安全模型126。在操作410处,安全模型服务108将目标交通工具安全模型126传输到目标交通工具102,供目标交通工具102在操作时使用。在实施例中,安全模型服务108指令所标识的源交通工具116、120、122和124向目标交通工具102传输模型特征数据,以便由目标交通工具安全模型126处理。
图5描绘了根据至少一个实施例的示例方法500。该方法500以示例的方式被描述为由目标交通工具102和安全模型服务108的组合实施。该方法500结合所请求的与变道机动有关的安全模型以示例方式来描述。
在操作502处,目标交通工具102向安全模型服务108发送对安全模型的请求。这个操作恰好也可以被说成安全模型服务108接收来自目标交通工具102的此类请求。在这个示例中,目标交通工具102可能已经具有安全模型,并可能正在为变道请求对该安全模型的改进。在实施例中,在安全模型请求中,目标交通工具102可以指示用于选择源交通工具的要求(或偏好)(例如,声誉排名、能力、过去的经验、匹配的驾驶行为等等)。在操作504处,安全模型服务108选择源交通工具116、120、122和124,在一些示例中,考虑那些所请求的因素中的一个或多个因素。
在操作506处,安全模型服务108生成用于目标交通工具102的安全模型126。在构建模型时,安全模型服务108可以使用一种或多种与机器学习、深度学习等有关的特征选择技术和/或一种或多种特征约简技术。示例包括过滤方法(例如,皮尔逊相关性(Pearson’sCorrelation),线性判别分析(linear discriminant analysis,LDA),方差分析(analysisof variance,anova),卡方(Chi-square)),封装器(wrapper)方法,嵌入式方法,PCA等等。在操作508处,安全模型服务108将安全模型传输到目标交通工具。
在操作510处,安全模型服务108请求被选择的源交通工具116、120、122、124向目标交通工具102提供模型特征输入。因此,一旦被选择,给定的源交通工具就可以从例如其可用的传感器供应所请求的输入。因此,动态输入将继续被供应给目标交通工具102,使得安全模型126能够被适当地执行。在至少一个实施例中,一个或多个特征输入可以反映驾驶行为,改善安全性,并使经训练的安全模型实例更特定于驾驶员并对驾驶员更个性化。此外,在至少一个实施例中,一个或多个源交通工具提供一个或多个板载诊断(on-boarddiagnostics,OBD)端口值,用于校准和/或作为模型特征。这些可以是控制器局域网络(Controller Area Network,CAN)值,局域互连网络(Local Interconnection Network,LIN)值等等。这种校准可对于传感器性能随着时间推移的潜在恶化给予帮助。此外,具有对给定传感器模型的相同或不同的操作实例的驾驶员之间的差异可以用此类校准数据来解释。
在操作512处,目标交通工具102遵循所提供的安全模型126。在一些实施例中,由于汽车在另一车道上而不应当进行的变道事件可以被检测到,并且警报(例如,鸣喇叭)可以被指令为要由该另一汽车发出。那么,一般来说,目标交通工具102随后可以在行程期间应用接收到的安全模型126,并使用该信息来做出安全决策。在针对给定用例的相关时间段已过去之后,给定的安全模型可以由用户手动终止,由系统自动终止,和/或以一种或多种其他方式被终止。
图6描绘了根据至少一个实施例的示例方法600。通过示例的方式,该方法600以示例的方式被描述为由目标交通工具102执行。方法600的许多方面在本公开中的其他地方讨论过,因此在此不进行赘述。在操作602处,目标交通工具102将对安全模型的请求传输到安全模型服务108。在操作604处,目标交通工具102接收来自安全模型服务108的目标交通工具安全模型126。
在操作606处,目标交通工具102从由安全模型服务108选择的一个或多个源交通工具接收安全模型特征输入数据。在至少一个实施例中,安全模型服务108还可以保存用于特定的目标交通工具、驾驶员等的特征集。此外,当被请求时,安全模型服务108可以在修改为适合目标交通工具102后向目标交通工具102供应所保存的特征集。事实上,交通工具模型特征典型地由制造商宣布(例如,公布),这促进了针对给定的目标交通工具的请求而对模型特征的收集、保存和基于用例的选择。在一些实例中,安全模型服务可以供应预先建立的特定于用例的特征,这些特定于用例的特征与其他示例数据中的特定于驾驶员行为的特征集一起可以被用于生成针对给定交通工具类型、给定驾驶员、给定骑手等等定制的安全模型实例。在操作608处,目标交通工具102在操作期间执行目标交通工具安全模型126。
图7描绘了根据至少一个实施例的示例四轮到两轮变换图。图7和图8两者都提供了根据本公开的实施例进行的模型变换的示例。图7的四轮到两轮变换图700示出这样的示例,其中四轮交通工具(例如,豪华轿车)被用作针对两轮(例如,摩托车)目标交通工具102的安全模型的源交通工具。在左边,示出了源交通工具上的传感器和系统的示例集合。其中的三个,如由图例中的"***"所示,在这里被标识为在目标交通工具上的传感器和系统的集合中具有类似的类似物。与目标交通工具102有关的静态和动态事件的示例集在右边示出。这两个所标识的传感器是"坑洞/颠簸检测"和"陀螺仪/加速器",这两者都会与摩托车有关。此外,应注意到,在本文中被描述为在给定的两轮车、三轮车、四轮车等上可用的传感器仅作为示例被提供,而不应被解释为限制性的。此外,本公开中提供的作为在多于一种类型的交通工具上可用和/或适用于多于一种类型的交通工具的传感器的几个示例旨在也是说明性的,因为在任何给定的实现方式中可能存在不同和/或更多量的交叉传感器。
四轮车的各层被描绘为通过目标两轮车的环境建模和仿真层被处理。基于两轮车的检测和分析层、利用来自四轮车的、结合"坑洞/颠簸检测"和"陀螺仪/加速器"的数据的增强辅助,安全模型被生成。在实施例中,数据通过使用四轮车的传感器被收集,并且被变换,以创建两轮车的安全模型。四轮车可以向安全模型服务108提供各种可用的输入,该安全模型服务108随后可以审查其中的各种信息条目的适用性。不适用的输入可被丢弃,并且其余的可在为目标交通工具102建立安全模型126之前被传递到变换层以进行进一步处理。
图8描绘了根据至少一个实施例的示例两轮到四轮变换图800。图8的两轮到四轮变换图800在结构上与图7的四轮到两轮变换图700类似,因此没有非常详细地进行描述。图8基本上示出与图7中所示相反的过程。也就是说,在图8的两轮到四轮变换图800中,是两轮的源交通工具和四轮的目标交通工具。如图所示,在这个示例中,两轮车的、被认为与四轮车上的传感器足够相似而对于建模有用的三个传感器是"陀螺仪/加速器"(再次)、"坑洞/颠簸检测"(再次)和"基于短程传感器雷达的头盔"。因此,较简单的交通工具可以被用作针对较复杂的目标交通工具的源交通工具。
以下情景可能发生在这样的示例中,其中用户正在计划行程,并且选择提前使用根据实施例的安全模型服务来辅助规划过程。这种场景涉及与静态安全模型有关的处理,并且将被理解为当前公开的方式的非限制性示例。
·用户可以登录安全模型服务,共享其行程和交通工具能力细节,并且向相关安全模型咨询适用于目标交通工具的位置特定的事件和路线。
·安全模型服务可以提供适用于路线并考虑到目标交通工具运动学模型能力的可用的静态安全模型。安全模型服务可以通过运行(例如,仿真)路线事件和核验安全度量来验证具有给定交通工具能力的静态模型。其他有能力的设备(移动设备、基础设施设备等)也可以处理、准备和/或重新调整安全模型,并且根据请求与目标交通工具共享。
·目标交通工具在开始其旅程之前可以接收静态模型,并且将安全模型与规划的路线图合并。安全模型服务和/或目标交通工具可以接受安全模型的权限,并且配置用户界面警报。
·如果需要,则用户可以将所有的静态安全模型输入到目标交通工具并开始行程。
·目标交通工具可以检测所列举的事件位置,并确定静态安全模型是否可用并适用于该事件位置。如果不是,则目标交通工具可以像以前一样继续操作。如果是,则目标交通工具可以遵循所标识的静态安全模型。
·在一些情况下,可以向目标交通工具提供诸如安全、不安全、中等安全等等的预测准确性度量、以及用于提高预测准确性的推荐。
·给定的安全模型可以通过大量不同的方式中的任何一种被停止。一些示例包括由用户手动停止,由交通工具自动停止,和/或通过安全模型服务发出的通知的方式被停止。
此外,以下操作可发送在其中用户已经开始行程的示例中。以下操作可结合在动态安全模型的处理而发生。
·用户可以登录到网络(例如,边缘计算或云计算网络)并访问实体(例如,安全模型服务),分享其路线的端点(例如,出发地和目的地,当前位置和目的地等等),共享其交通工具能力细节,请求创建用于沿所规划路线的动态事件的动态安全模型。
·安全模型服务可以向目标交通工具发送安全模型,并且该安全模型服务还可以标识目标交通工具上不可用的一个或多个特征、传感器等等,并且可以查询一个或多个周围有能力的交通工具以供应该信息。
·目标交通工具可以安排接收来自安全模型服务的输入。
·安全模型服务可以从一个或多个(例如,预先授权和/或预先认证的)有能力的源交通工具接收一个或多个输入。安全模型服务还可以执行传感器融合、重新调整等等,以便创建智能输入,用于提供给目标交通工具。
·安全模型服务可以评估它已经为发送至目标交通工具而准备的输入相对于与诸如安全性和准确性之类的度量有关的阈值是否是可接受的。如果不是,则安全模型服务可以执行重新调整,这可涉及检查关于改善安全性、准确性等等的方式的推荐。
·如果来自安全模型服务的输入相对于与诸如安全性和准确性之类的度量有关的阈值是可接受的,则安全模型服务随后可以将所开发的安全模型发送给目标交通工具,该目标交通工具可以通过所提供的安全模型执行来进行操作。
·安全模型服务可以继续标识目标交通工具上不可用的一个或多个特征、传感器等等,并且可以查询一个或多个周围有能力的交通工具以供应该信息。
·如上所述,给定的安全模型可以通过大量不同方式中的任何一种方式被停止。一些示例包括由用户手动停止,由交通工具自动停止,通过超时被停止,和/或通过安全模型服务发出的通知的方式被停止。
本文描述的各种实施例涉及用于供目标交通工具请求安全模型(和/或经由例如移动设备代表它们而使安全模型被请求)的不同消息传递和处理流程。在各种不同的实施例中,执行处理以创建一个或多个安全模型,用于处理供由请求方交通工具(目标交通工具)在特定的公路形成期间使用的静态和/或动态事件。当给定的用户开始给定的旅程时(或在给定的用户开始给定的旅程之前),他们的目标交通工具可以查询安全模型服务,这可转而将请求分布到一个或多个云/边缘组件。安全模型服务可以利用安全模型数据库以及一个或多个所部署的边缘设备来收集对目标交通工具有用的先前适用的安全模型和针对特定路线的当前事件信息,并且使用该收集的信息以生成用于由目标交通工具规划的路线的一个或多个安全模型。任何给定的安全模型可以与所有给定的旅程或给定旅程中的一些相关。
如果给定的目标交通工具没有外部连接性,则用户可以使用移动设备收集和/或查询静态安全模型数据,并且随后可以使用该数据,以基于诸如运动学能力、尺寸、传感器等等的目标交通工具的特定特性来创建用于目标交通工具的安全模型。然后用户可以手动地将构建的安全模型加载到目标交通工具上。在目标交通工具没有外部连接性的此类情况下,行程期间可用的信息可以限于在开始旅程前被收集的信息、以及在一些实例中沿途经由移动设备可能发生的更新,然后此类更新可以从该移动设备被上传至交通工具。在一些实施例中,移动设备与目标交通工具之间的通信是通过移动设备与通信地连接至目标交通工具的OBD的加密狗之间的蓝牙连接进行的。
在一些实施例中,给定的目标交通工具可以利用其自身的先前使用的模型和特征集。此外,它可以利用其自身的传感器,并且它可以从外部基础设施和/或从其他交通工具收集数据。在一些实施例中,主成分分析(PCA)被用于特征集,步步高却随后被用于计算主成分,以改善预测准确性。如本领域中所知,PCA是通过将大的变量集变换为一个仍然包含大集合中的信息中的大部分信息的较小的变量集、通过舍弃一些准确性而经常被用于降低大数据集的维度的降维方法。随着特征集大小减少,它可以显著地节省特征集的传输所需的带宽。
当给定的目标交通工具开始给定的旅程时,目标交通工具也可以寻求发现和/或查询前进到同一目的地或沿同一路线的至少一部分行进的装备良好的有能力的交通工具,以满足各种驾驶安全要求。同时,装备较好的交通工具可以使用其自身的资源,也可以协作地使用可用的基础设施,以创建用于其他(目标)交通工具的用例驱动的情境安全模型。在这样做的时候,该装备较好的交通工具可以考虑到给定目标交通工具的能力、驾驶模式和/或其他可观察和/或公开的参数。在一些实施例中,装备良好的交通工具可以使用V2I将所创建的模型传达给基础设施,或者使用V2V将所创建的模型传达给目标交通工具。在一些实例中,给定的基础设施元件(例如,交通灯、路边单元、专用设备等)存储此类所提供的模型,并且使用其他协议将它们也传达给其他感兴趣的目标交通工具。
此外,在至少一个实施例中,给定的目标交通工具可以联系一个或多个其他交通工具、一个或多个基础设施元件等,以请求临时安全模型的创建和/或调整(例如,重新调整)。基于大量不同的因素(例如,品牌、型号、运动学能力、传感器集合、传感器配置等),驾驶员评级可例如由诸如保险公司之类的各种不同的实体提供。此外,与驾驶倾向、行为等有关的进一步数据可以从驾驶员档案、交通违规记录等获得。当然,在很多情况下,此类数据适当地受到隐私措施保护,并且可能会需要由给定的用户在选择加入的基础上被共享。基于这些和/或其他因素中的一个或多个,安全模型(例如,最佳匹配安全模型)可以被选择用于提供给给定的目标交通工具。在一些实例中,一个或多个安全模型可以由目标交通工具的驾驶员选择。
此外,在一些实施例中,多个不同的安全模型同时由给定的目标交通工具执行。在示例中,第一执行安全模型可以自动地请求用户当在困难的天气状况下进入盲区转弯的特定坐标时启动明亮的前照灯,而第二执行安全模型可以执行针对在即将到来的曲线上的安全导航的计算(例如,安全倾斜)。并且当然这里也可以列出众多其他示例。在各种不同的实施例中,在给定交通工具上独立地(或相互依赖地)执行的安全模型可以共享一个或多个输入,来自一个或多个传感器的一个或多个馈送,等等。每个安全模型都可以根据需要并且适当地变换所接收的数据,以供由该执行安全模型使用。
图9描绘了示例计算机系统900,在该示例计算机系统900内可以执行用于使计算机系统900执行本文讨论的方法中的任何一个或多个方法的指令902(例如,软件、固件、程序、应用程序、小程序、应用、脚本、宏和/或其他可执行代码)。在至少一个实施例中,指令902的执行使计算机系统900执行本文所描述的方法中的一个或多个方法。在至少一个实施例中,指令902将一般的、非编程的计算机系统变换成被编程用于执行所描述的和所图示的功能的特定的计算机系统900。计算机系统900可以作为独立式设备进行操作或可被耦合(例如,联网)到一个或多个其他设备、机器、系统,等等,和/或与一个或多个其他设备、机器、系统等等耦合(例如,联网)。在网络部署中,计算机系统900可在一个或多个服务器-客户端关系中作为服务器和/或客户端来操作,或者可在对等(或分布式)网络环境中作为一个或多个对等方操作。
计算机系统900可以是以下每一个中的一个或多个,或包括但不限于以下每一个中的一个或多个:服务器计算机或设备、客户端计算机或设备、个人计算机(personalcomputer,PC)、平板电脑、膝上型电脑、上网本、机顶盒(set-top box,STB)、个人数字助理(personal digital assistant,PDA)、娱乐媒体系统、蜂窝电话、智能手机、移动设备、可穿戴设备(例如,智能手表)、智能家居设备(例如,智能设备)、另一智能设备(例如,物联网(Internet of Things,IoT)设备)、网络设备、网络路由器、网络交换机、网络桥接器,和/或能够顺序地或以其他方式执行指定要由计算机系统900采取的动作的指令902的任何其他机器。并且,虽然仅图示出单个计算机系统900,但是也可以存在单独地或联合地执行指令902以执行本文中所讨论的方法中的任何一个或多个方法的计算机系统的集合。
如图9所描绘,计算机系统900可以包括可以被配置成用于经由总线910彼此进行通信的处理器904、存储器906、和I/O组件908。在示例实施例中,作为示例,处理器904(例如,中央处理单元(central processing unit,CPU)、精简指令集计算(ReducedInstruction Set Computing,RISC)处理器、复杂指令集计算(Complex Instruction SetComputing,CISC)处理器、图形处理单元(graphics processing unit,GPU)、数字信号处理器(digital signal processor,DSP)、专用集成电路(application-specific circuit,ASIC)、射频集成电路(radio-frequency integrated circuit,RFIC)、另一处理器和/或其任何合适的组合)可以包括执行指令902的处理器912和处理器914。术语“处理器”旨在包括多核心处理器,该多核心处理器可包括可同时执行指令的两个或更多个独立的处理器(有时称为“核心”)。尽管图9示出多个处理器904,但计算机系统900可以包括具有单个核心的单个处理器、具有多个核心的单个处理器(例如,多核心处理器)、具有单个心核的多个处理器、具有多个核心的多个处理器,或其任何组合。
如图9所描绘,存储器906包括主存储器916、静态存储器918、和存储单元920,这些存储器中的每一者都可由处理器904经由总线910访问。存储器906、静态存储器918、和/或存储单元920可存储可执行用于执行本文所述的方法或功能中的任何一个或多个方法或功能的指令902。指令902还可以或可替代地在由计算机系统900对其执行期间完全地或部分地驻留在主存储器916内,驻留在静态存储器918内,驻留在存储单元920内的机器可读介质922内,驻留在处理器904中的至少一个处理器内(例如,驻留在处理器904中的给定的一个处理器的存储存储器内),和/或上述各种情况的任何合适的组合。在至少一个实施例中,机器可读介质922包括一个或多个非暂态计算机可读存储介质。
此外,同样如图9所描绘,I/O组件908可以包括用于接收输入、产生和/或提供输出、传输信息、交换信息、捕获测量等的各种各样的组件。在计算机系统900的特定实例中所包括的特定I/O组件908将取决于机器的类型。例如,便携式机器(诸如,移动电话)可包括触摸输入设备或其他此类输入机构,而无头服务器机器可能不包括此类触摸输入设备。此外,I/O组件908可包括图9中未示出的许多其他组件。
在各个示例实施例中,I/O组件908可以包括输入组件932和输出组件934。输入组件932可以包括字母数字输入组件(例如,键盘、被配置成用于接收字母数字输入的触摸屏、光学键盘、和/或其他字母数字输入组件)、基于指向的输入组件(例如,鼠标、触摸板、轨迹球、操纵杆、运动传感器、和/或一个或多个其他基于指向的输入组件)、触觉输入组件(例如,实体按钮、对触摸位置和/或力或触摸手势作出响应的触摸屏、和/或一个或多个其他触觉输入组件)、音频输入组件(例如,麦克风)等。输出组件934可以包括视觉组件(例如,显示器,诸如,等离子显示面板(plasma display panel,PDP)、发光二极管(light emittingdiode,LED)显示器、液晶显示器(liquid crystal display,LCD)、投影仪、和/或阴极射线管(cathode ray tube,CRT))、声学组件(例如,扬声器)、触觉组件(例如,振动电机、阻力机构)、其他信号发生器等。
在进一步的示例实施例中,作为示例,I/O组件908可以包括生物计量组件936、运动组件938、环境组件940、和/或位置组件942,以及各种各样的可能的组件。作为示例,生物计量组件936可以包括用于检测情感表现(例如,手部情感表现、面部表情、声音情感表现、身体姿势、或眼睛跟踪等)、测量生物信号(例如,血压、心率、体温、汗液、脑电波等)、标识人员(通过例如,语音标识、视网膜标识、面部标识、指纹标识、和/或基于脑电图的标识等)等的组件。运动组件938可以包括加速度感测组件(例如,加速度计)、重力感测组件、旋转感测组件(例如,陀螺仪)等。
作为示例,环境组件940可以包括照明感测组件(例如,光度计)、温度感测组件(例如,一个或多个温度计)、湿度感测组件、压力感测组件(例如,气压计)、声学感测组件(例如,一个或多个麦克风)、接近度感测组件(例如,用于检测附近对象的红外传感器、毫米(mm)波雷达)、气体感测组件(例如,用于为了安全性检测危险气体的浓度和/或用于测量大气中的污染物的气体检测传感器)、和/或可提供与周围物理环境相对应的指示、测量、信号等的其他组件。位置组件942可包括位置感测组件(例如,诸如全球定位系统(GlobalPositioning System,GPS)接收器之类的全球导航卫星系统(Global NavigationSatellite System,GNSS)接收器)、海拔高度感测组件(例如,高度计和/或检测可从其中导出海拔高度的气压的气压计)、取向感测组件(例如,磁力计)等。
通信可以使用各种各样的技术来实现。I/O组件908可进一步包括通信组件944,该通信组件944可操作以分别经由耦合928和/或耦合930将计算机系统900通信地耦合到一个或多个网络924和/或一个或多个设备926。例如,通信组件944可以包括网络接口组件或者用于与给定的网络924接口连接的另一合适的设备。在进一步的示例中,通信组件944可以包括有线通信组件、无线通信组件、蜂窝通信组件、近场通信(Near Field Communication,NFC)组件、蓝牙(例如,蓝牙低能量)组件、Wi-Fi组件、和/或用于经由一个或多个其他模态提供通信的其他通信组件。设备926可以包括一个或多个其他机器和/或各种各样的外围设备中的任何一个外围设备(例如,经由通用串行总线(universal serial bus,USB)连接而被耦合的外围设备)。
此外,通信组件944可以检测标识符或包括可操作以检测标识符的组件。例如,通信组件944可以包括射频标识(radio frequency identification,RFID)标签阅读器组件、NFC智能标签检测组件、光学读取器组件(例如,用于检测一维条形码(诸如,通用产品代码(Universal Product Code,UPC)条形码)、多维条形码(诸如,快速响应(Quick Response,QR)码、阿兹特克(Aztec)码、数据矩阵、Dataglyph、MaxiCode、PDF417、超码(Ultra Code)、UCC RSS-2D条形码和/或其他光学码)的光学传感器)、和/或声学检测组件(例如,用于标识加标签的音频信号的麦克风)。另外,可以经由通信组件944导出各种信息,诸如经由IP地理定位导出的位置、经由Wi-Fi信号三角测量导出的位置、经由检测可指示特定位置的NFC信标信号导出的位置,等等。
各种存储器(例如,存储器906、主存储器916、静态存储器918、和/或处理器904中的一个或多个处理器的(例如,缓存)存储器)中的一个或多个和/或存储单元920可存储具体化本文所描述的方法或功能中的任何一个或多个方法或功能或者由本文所描述的方法或功能中的任何一个或多个方法或功能使用的一个或多个集合的指令(例如,软件)和/或数据结构。这些指令(例如,指令902)当由处理器904中的一个或多个处理器执行时,引起各种操作执行以实现本公开的各实施例。
可以经由网络接口设备(例如,通信组件944中所包括的网络接口组件)、使用传输介质、并使用大量传输协议(例如,会话发起协议(Session Initiation Protocol,SIP)、超文本传输协议(Hyper Text Transfer Protocol,HTTP)等)中的任何一个传输协议、通过一个或多个网络924传输或接收指令902。类似地,指令902可以经由耦合930(例如,对等耦合)、使用传输介质传输到一个或多个设备926或从一个或多个设备926接收。在一些实施例中,IoT设备可以使用消息排队遥测传输(Message Queue Telemetry TransportMQTT)消息传递进行通信,这可以是相对更紧凑且高效的。
鉴于上述公开,下面列出了实施例的各种示例。应当注意,单独或组合获取的示例的一个或多个特征都应当被认为是在本申请的公开范围内。
示例1是一种系统,包括:至少一个硬件处理器;和至少一个存储器,该至少一个存储器存储指令,该指令在由该至少一个硬件处理器执行时使该至少一个硬件处理器运行操作,以:从目标交通工具接收对安全模型的安全模型请求;响应于接收到安全模型请求,将一个或多个源交通工具标识为安全模型输入源;接收与所标识的一个或多个源交通工具相关联的安全模型数据;基于安全模型请求和所接收的安全模型数据,生成目标交通工具的目标交通工具安全模型;以及将目标交通工具安全模型传输到目标交通工具,供由目标交通工具使用。
示例2是示例1的系统,其中安全模型请求包括目标交通工具概况数据,该目标交通工具概况数据指示目标交通工具的大小、目标交通工具的运动学能力和目标交通工具的板载系统配置中的一项或多项。
示例3是示例2的系统,其中所标识的一个或多个源交通工具包括以下一个或多个:一个或多个具有与目标交通工具不同的大小的一个或多个源交通工具;具有与目标交通工具不同的运动学能力的一个或多个源交通工具;以及具有与目标交通工具不同的板载系统配置的一个或多个源交通工具。
示例4是示例1-3中的任何一个的系统,其中将一个或多个源交通工具标识为安全模型输入源包括:标识一个或多个源交通工具在目标交通工具的当前位置或预期位置的附近。
示例5是示例1-4中任何一个的系统,其中基于安全模型请求和所接收的安全模型数据生成用于目标交通工具的目标交通工具安全模型包括:基于至少一个所标识的源交通工具与目标交通工具之间的所标识的差异,变换从至少一个所标识的源交通工具接收的数据。
示例6是示例1-5中任何一个的系统,该操作进一步包括:响应于接收到来自目标交通工具的模型修改请求,修改目标交通工具安全模型。
示例7是示例1-6中任何一个的系统,其中目标交通工具安全模型提供多个安全规则或标准,用于控制目标交通工具的一个或多个子系统中的操作。
示例8是示例1-7中任何一个的系统,该操作进一步包括:指令一个或多个所标识的源交通工具将模型特征数据传输到目标交通工具,供由目标交通工具安全模型处理。
示例9是至少一种包含指令的非暂态计算机可读存储介质,该指令在由计算机系统的至少一个硬件处理器执行时,使该至少一个硬件处理器执行操作,以:从目标交通工具接收对安全模型的安全模型请求;响应于接收到安全模型请求,将一个或多个源交通工具标识为安全模型输入源;接收与所标识的一个或多个源交通工具相关联的安全模型数据;基于安全模型请求和所接收的安全模型数据,生成用于目标交通工具的目标交通工具安全模型;以及将目标交通工具安全模型传输到目标交通工具,供由目标交通工具使用。
示例10是示例9的至少一种非暂态计算机可读存储介质,其中安全模型请求包括目标交通工具概况数据,该交通工具概况数据指示目标交通工具的大小、目标交通工具的运动学能力以及目标交通工具的板载系统配置中的一项或多项。
示例11是示例10的至少一种非暂态计算机可读存储介质,其中所标识的一个或多个源交通工具包括以下一个或多个:具有与目标交通工具不同的大小的一个或多个源交通工具;具有与目标交通工具不同的运动学能力的一个或多个源交通工具;以及具有与目标交通工具不同的板载系统配置的一个或多个源交通工具。
示例12是示例9-11中的任何一个的至少一种非暂态计算机可读存储介质,其中将一个或多个源交通工具标识为安全模型输入源包括:标识一个或多个源交通工具在目标交通工具的当前位置或预期位置的附近。
示例13是示例9-12中的任何一个的至少一种非暂态计算机可读存储介质,其中基于该安全模型请求和所接收的安全模型数据生成用于目标交通工具的目标交通工具安全模型包括:基于至少一个所标识的源交通工具与目标交通工具之间的所标识的差异,变换从至少一个所标识的源交通工具接收的数据。
示例14是示例9-13中的任何一个的至少一种非暂态计算机可读存储介质,该操作进一步包括:响应于接收到来自目标交通工具的模型修改请求,修改目标交通工具安全模型。
示例15是示例9-14中的任何一个的至少一种非暂态计算机可读存储介质,其中目标交通工具安全模型提供多个安全规则或标准,这些多个安全规则或标准用于控制目标交通工具的一个或多个子系统中的操作。
示例16是示例9-15中的任何一个的至少一种非暂态计算机可读存储介质,该操作进一步包括:指令一个或多个所标识的源交通工具将模型特征数据传输到目标交通工具,供由目标交通工具安全模型处理。
示例17是一种设备,包括:用于从目标交通工具接收对安全模型的安全模型请求的装置;用于响应于接收到安全模型请求将一个或多个源交通工具标识为安全模型输入源的装置;用于接收与所标识的一个或多个源交通工具相关联的安全模型数据的装置;用于基于安全模型请求和所接收的安全模型数据生成用于目标交通工具的目标交通工具安全模型的装置;以及用于将目标交通工具安全模型传输到目标交通工具供由目标交通工具使用的装置,一个或多个所标识的源交通工具被配置为用于将模型特征数据传输到目标交通工具,供由目标交通工具安全模型处理。
示例18是示例17的设备,进一步包括:用于从安全模型请求获取目标交通工具概况数据的装置,该目标交通工具概况数据指示目标交通工具的大小、目标交通工具的运动学能力和目标交通工具的板载系统配置中的一项或多项。
示例19是示例18的设备,进一步包括:用于从以下一个或多标识所标识的一个或多个源交通工具的装置:具有与目标交通工具不同的大小的一个或多个源交通工具;具有与目标交通工具不同的运动学能力的一个或多个源交通工具;以及具有与目标交通工具不同的板载系统配置的一个或多个源交通工具。
示例20是示例17-19中任何一个的设备,进一步包括:用于标识一个或多个源交通工具在目标交通工具的当前位置或预期位置附近的装置。
示例21是示例17-20中任何一个的设备,进一步包括:用于基于至少一个所标识的源交通工具与目标交通工具之间的所标识差异来变化从至少一个所标识的源交通工具接收的数据的装置。
示例22是示例17-21中的任何一个的设备,进一步包括:用于响应于接收到来自目标交通工具的模型修改请求而修改目标交通工具安全模型的装置。
示例23是示例17-22中任何一个的设备,进一步包括:用于定义目标交通工具安全模型以提供多个安全规则或标准的装置,该多个安全规则或标准用于控制目标交通工具的一个或多个子系统中的操作。
示例24是示例17-23中任何一个的设备,进一步包括:用于指示一个或多个所标识的源交通工具将模型特征数据传输到目标交通工具供由目标交通工具安全模型处理的装置。
为促进对本公开的原理的理解,在附图中示出了各实施例。本文所公开的实施例并非旨在是穷举性的也不旨在将本公开限于在上述具体实施方式中公开的精确形式。相反,所描述的实施例已被选择,使得本领域其他技术人员可以利用其教导。因此,不打算由此限制本公开的范围。
如本公开中(包括在权利要求书中)所使用,"A和B中的至少一个"、"A、B和C中的至少一个"等形式的短语应被解释为就好像"A和/或B"、"A、B和/或C"等语言已被用来代替整个短语。除非结合特定实例另外明确地陈述,这种措辞方式在本公开中并不限于仅意指"A中的至少一个和B中的至少一个","A中的至少一个,B中的至少一个,以及C中的至少一个",等等。相反,正如本文中所使用,双元素版本涵盖了以下各项:A中的一个或多个且没有B,B中的一个或多个且没有A,以及A中的一个或多个和B中的一个或多个。并且对于三元素版本和更多元素版本也是类似的。再一次地,除非结合特定实例另外明确地陈述,否则对于使用"一个或两个"、"一个或多个"等代替"至少一个"的短语也应当被给予类似的解释。
在其中数字修饰语(诸如,第一、第二和第三)被用于引用组件、数据(例如,值、标识符、参数等)和/或任何其他要素的本公开中的任何实例中,包括在权利要求书中,此类修饰语的此类使用并不旨在表示或规定以这种方式引用的要素的任何特定或要求的顺序。相反,此类修饰语的任何此类使用旨在辅助读者将要素彼此区分开,并且不应被解释为坚持任何特定顺序或具有任何其他意义,除非本文明确地且肯定地解释了此类顺序或其他意义。
此外,在本公开中,在一个或多个实施例、示例等中,情况可能是一个或多个设备、系统等的一个或多个组件被称为实施(例如,运行、执行等)各种功能的模块。关于本公开中的任何此类使用,模块既包括硬件又包括指令。硬件可包括一个或多个处理器、一个或多个微处理器、一个或多个微控制器、一个或多个微芯片、一个或多个专用集成电路(ASIC)、一个或多个现场可编程门阵列(field programmable gate array,FPGA)、一个或多个图形处理单元(GPU)、一个或多个张量处理单元(tensor processing unit,TPU),和/或本领域技术人员认为适合于给定实现方式的任何其他类型的一个或多个设备和/或组件。
在至少一个实施例中,用于给定模块的指令可由硬件执行以用于实施本文描述的模块的一个或多个功能,并且指令可以包括存储在本领域技术人员认为适合于给定实现方式的任何一种或多种非暂态计算机可读存储介质中的硬件(例如,硬接线)指令、固件指令、软件指令等。每个此类非暂态计算机可读存储介质可以是或可包括存储器(例如,随机存取存储器(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasable programmable read-only memory,EPROM)、电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM,又称E2PROM)、闪存存储器、和/或一种或多种其他类型的存储器)和/或一种或多种其他类型的非暂态计算机可读存储介质。模块可以被实现为单个组件,或者跨多个组件被分布。在一些情况下,模块可以被称为单元。
此外,与本文描述的实体和布置(包括在附图中描绘和结合附图描绘的实体和布置)作为示例而非以限制性的方式被呈现的事实一致,任何和所有关于特定附图"描绘"的陈述或其他指示、特定附图中的或本公开中以其他方式提及的特定要素或实体"是"或"具有"的内容、以及没有通过诸如“在至少一个实施例中”之类的条款的方式而明确地自限定的、并且因此可以被孤立地和脱离上下文地被解读为绝对的、并且因此作为对所有实施例的限制的任何和所有类似陈述仅能适当地被解读为通过此类条款推定性地被限定。出于与呈现的简洁性和清晰性类似的原因,在本公开中不老调常谈地重复该隐含限定条款。
Claims (24)
1.一种系统,包括:
至少一个硬件处理器;以及
至少一个存储器,所述至少一个存储器存储指令,所述指令在由所述至少一个硬件处理器执行时,使所述至少一个硬件处理器执行操作,以:
从目标交通工具接收对安全模型的安全模型请求;
响应于接收到所述安全模型请求,将一个或多个源交通工具标识为安全模型输入源;
接收与所标识的一个或多个源交通工具相关联的安全模型数据;
基于所述安全模型请求和所接收的安全模型数据,生成用于所述目标交通工具的目标交通工具安全模型;以及
将所述目标交通工具安全模型传输到所述目标交通工具,供由所述目标交通工具使用。
2.如权利要求1所述的系统,其中所述安全模型请求包括目标交通工具概况数据,所述目标交通工具概况数据指示所述目标交通工具的大小、所述目标交通工具的运动学能力和所述目标交通工具的板载系统配置中的一项或多项。
3.如权利要求2所述的系统,其中所述所标识的一个或多个源交通工具包括以下一个或多个:
具有与所述目标交通工具不同的大小的一个或多个源交通工具;
具有与所述目标交通工具不同的运动学能力的一个或多个源交通工具;以及
具有与所述目标交通工具不同的板载系统配置的一个或多个源交通工具。
4.如权利要求1或权利要求2所述的系统,其中将所述一个或多个源交通工具标识为安全模型输入源包括:标识所述一个或多个源交通工具在所述目标交通工具的当前位置或预期位置附近。
5.如权利要求1或权利要求2所述的系统,其中基于所述安全模型请求和所述所接收的安全模型数据生成用于所述目标交通工具的所述目标交通工具安全模型包括:基于至少一个所标识的源交通工具与所述目标交通工具之间的所标识的差异,变换从所述至少一个所标识的源交通工具接收的数据。
6.如权利要求1或权利要求2所述的系统,所述操作进一步包括:响应于接收到来自所述目标交通工具的模型修改请求,修改所述目标交通工具安全模型。
7.如权利要求1或权利要求2所述的系统,其中所述目标交通工具安全模型提供多个安全规则或标准,所述多个安全规则或标准用于控制所述目标交通工具的一个或多个子系统中的操作。
8.如权利要求1或权利要求2所述的系统,所述操作进一步包括:指令一个或多个所标识的源交通工具将模型特征数据传输到所述目标交通工具,供由所述目标交通工具安全模型处理。
9.至少一种非暂态计算机可读存储介质,包含指令,所述指令在由计算机系统的至少一个硬件处理器执行时,使所述至少一个硬件处理器执行操作,以:
从目标交通工具接收对安全模型的安全模型请求;
响应于接收到所述安全模型请求,将一个或多个源交通工具标识为安全模型输入源;
接收与所标识的一个或多个源交通工具相关联的安全模型数据;
基于所述安全模型请求和所接收的安全模型数据,生成用于所述目标交通工具的目标交通工具安全模型;以及
将所述目标交通工具安全模型传输到所述目标交通工具,供由所述目标交通工具使用。
10.如权利要求9所述的至少一种非暂态计算机可读存储介质,其中所述安全模型请求包括目标交通工具概况数据,所述目标交通工具概况数据指示所述目标交通工具的大小、所述目标交通工具的运动学能力和所述目标交通工具的板载系统配置中的一项或多项。
11.如权利要求10所述的至少一种非暂态计算机可读存储介质,其中所述所标识的一个或多个源交通工具包括以下一个或多个:
具有与所述目标交通工具不同的大小的一个或多个源交通工具;
具有与所述目标交通工具不同的运动学能力的一个或多个源交通工具;以及
具有与所述目标交通工具不同的板载系统配置的一个或多个源交通工具。
12.如权利要求9或权利要求10所述的至少一种非暂态计算机可读存储介质,其中将所述一个或多个源交通工具标识为安全模型输入源包括:标识所述一个或多个源交通工具在所述目标交通工具的当前位置或预期位置附近。
13.如权利要求9或权利要求10所述的至少一种非暂态计算机可读存储介质,其中基于所述安全模型请求和所接收的安全模型数据生成用于所述目标交通工具的所述目标交通工具安全模型包括:基于至少一个所标识的源交通工具与目标交通工具之间的所标识的差异,变换从所述至少一个所标识的源交通工具接收的数据。
14.如权利要求9或权利要求10所述的至少一种非暂态计算机可读存储介质,所述操作进一步包括:响应于接收到来自所述目标交通工具的模型修改请求,修改所述目标交通工具安全模型。
15.如权利要求9或权利要求10所述的至少一种非暂态计算机可读存储介质,其中所述目标交通工具安全模型提供多个安全规则或标准,所述多个安全规则或标准用于控制所述目标交通工具的一个或多个子系统中的操作。
16.如权利要求9或权利要求10所述的至少一种非暂态计算机可读存储介质,所述操作进一步包括:指令一个或多个所标识的源交通工具将模型特征数据传输到所述目标交通工具,以供由所述目标交通工具安全模型处理。
17.一种设备,包括:
用于从目标交通工具接收对安全模型的安全模型请求的装置;
用于响应于接收到所述安全模型请求将一个或多个源交通工具标识为安全模型输入源的装置;
用于接收与所标识的一个或多个源交通工具相关联的安全模型数据的装置;
用于基于所述安全模型请求和所接收的安全模型数据生成用于所述目标交通工具的目标交通工具安全模型的装置;以及
用于将所述目标交通工具安全模型传输到所述目标交通工具供由所述目标交通工具使用的装置。
18.如权利要求17所述的设备,进一步包括:用于从所述安全模型请求获取目标交通工具概况数据的装置,所述目标交通工具概况数据指示所述目标交通工具的大小、所述目标交通工具的运动学能力和所述目标交通工具的板载系统配置中的一项或多项。
19.如权利要求18所述的设备,进一步包括用于从以下一个或多个标识所述所标识的一个或多个源交通工具的装置:
具有与所述目标交通工具不同的大小的一个或多个源交通工具;
具有与所述目标交通工具不同的运动学能力的一个或多个源交通工具;以及
具有与所述目标交通工具不同的板载系统配置的一个或多个源交通工具。
20.如权利要求17或权利要求18所述的设备,进一步包括:用于标识一个或多个源交通工具在所述目标交通工具的当前位置或预期位置附近的装置。
21.如权利要求17或权利要求18所述的设备,进一步包括:用于基于至少一个所标识的源交通工具与所述目标交通工具之间的所标识差异来变换从所述至少一个所标识的源交通工具接收的数据的装置。
22.如权利要求17或权利要求18所述的设备,进一步包括:用于响应于接收到来自所述目标交通工具的模型修改请求而修改所述目标交通工具安全模型的装置。
23.如权利要求17或权利要求18所述的设备,进一步包括:用于定义所述目标交通工具安全模型以提供多个安全规则或标准的装置,所述多个安全规则或标准用于控制所述目标交通工具的一个或多个子系统中的操作。
24.如权利要求17或权利要求18所述的设备,进一步包括:用于指令一个或多个所标识的源交通工具将模型特征数据传输到所述目标交通工具供由所述目标交通工具安全模型处理的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/645,725 US20220111870A1 (en) | 2021-12-22 | 2021-12-22 | Systems and methods for brokering peer-assisted safety models for autonomous and assisted-driving vehicles |
US17/645,725 | 2021-12-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116403435A true CN116403435A (zh) | 2023-07-07 |
Family
ID=81078808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211586118.8A Pending CN116403435A (zh) | 2021-12-22 | 2022-12-09 | 为自主和辅助驾驶交通工具调配对等方辅助安全模型的系统和方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220111870A1 (zh) |
CN (1) | CN116403435A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210101619A1 (en) * | 2020-12-16 | 2021-04-08 | Mobileye Vision Technologies Ltd. | Safe and scalable model for culturally sensitive driving by automated vehicles |
-
2021
- 2021-12-22 US US17/645,725 patent/US20220111870A1/en active Pending
-
2022
- 2022-12-09 CN CN202211586118.8A patent/CN116403435A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220111870A1 (en) | 2022-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110036425B (zh) | 用于操纵车辆的方法和系统以及非暂时性计算机可读介质 | |
US10915101B2 (en) | Context-dependent alertness monitor in an autonomous vehicle | |
US10527450B2 (en) | Apparatus and method transitioning between driving states during navigation for highly automated vechicle | |
CN112740134B (zh) | 电子装置和电子装置的车辆控制方法、服务器和提供服务器的精确地图数据的方法 | |
US10685570B2 (en) | Electronic device for identifying external vehicle with changed identification information based on data related to movement of external vehicle and method for operating the same | |
EP3810474B1 (en) | Method of assisting autonomous vehicle, and apparatus therefor | |
EP3195287B1 (en) | Personalized driving of autonomously driven vehicles | |
US20200104289A1 (en) | Sharing classified objects perceived by autonomous vehicles | |
US9754501B2 (en) | Personalized driving ranking and alerting | |
JP2019145074A (ja) | 少なくとも1つの道路と関連するインフラベースの安全警報を与えるためのシステム及び方法 | |
JP2017191516A (ja) | サーバー及び情報提供装置 | |
JP2022041923A (ja) | 接続されたデータ分析プラットフォームを用いた車両経路指定 | |
US20220058314A1 (en) | Hardware In Loop Testing and Generation of Latency Profiles for Use in Simulation | |
CN116403435A (zh) | 为自主和辅助驾驶交通工具调配对等方辅助安全模型的系统和方法 | |
US11897503B2 (en) | Method and apparatus for detecting unexpected control state in autonomous driving system | |
JP2024504115A (ja) | ローカルダイナミックマップデータモデルを使用したビークルツーエブリシング(v2x)不正行為検出 | |
WO2024158465A1 (en) | Alert modality selection for alerting a driver | |
US20240017741A1 (en) | Validation of trajectory planning for autonomous vehicles | |
US12030509B1 (en) | Realism in log-based simulations | |
US20240199060A1 (en) | Method for determining an optimal location to wait for a left turn to minimize traffic impact |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |