CN117296347A - 检测车辆的驾驶行为 - Google Patents
检测车辆的驾驶行为 Download PDFInfo
- Publication number
- CN117296347A CN117296347A CN202280033025.4A CN202280033025A CN117296347A CN 117296347 A CN117296347 A CN 117296347A CN 202280033025 A CN202280033025 A CN 202280033025A CN 117296347 A CN117296347 A CN 117296347A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- indication
- unsatisfactory
- vehicles
- 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 claims abstract description 100
- 238000004891 communication Methods 0.000 claims description 50
- 230000033228 biological regulation Effects 0.000 claims description 26
- 230000000266 injurious effect Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 120
- 238000001514 detection method Methods 0.000 description 109
- 230000006870 function Effects 0.000 description 35
- 230000006378 damage Effects 0.000 description 32
- 208000027418 Wounds and injury Diseases 0.000 description 30
- 208000014674 injury Diseases 0.000 description 30
- 238000010801 machine learning Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 21
- 230000004044 response Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 10
- 238000013507 mapping Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 238000000926 separation method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- B60W40/08—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 drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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]
-
- 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
- B60W40/105—Speed
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4046—Behavior, e.g. aggressive or erratic
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4049—Relationship among other objects, e.g. converging dynamic 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
- 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
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
公开了用于确定车辆是否以不安全或令人不满意的方式驾驶的系统和方法。在某些实现方式中,系统可以基于对该车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数。该系统可以基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示。该系统可以向一个或多个实体提供令人不满意的驾驶的指示。在某些方面,该系统可以基于从一个或多个设备接收到的观察,标识该车辆在时间段期间表现出的一个或多个危险驾驶属性。该系统还可以至少部分基于标识的危险驾驶属性生成令人不满意的驾驶的指示。
Description
相关申请的交叉引用
本专利申请要求2021年5月10日提交的申请号为17/315,609的标题为“DETECTINGDRIVING BEHAVIOR OF VEHICLES”的美国专利申请的优先权,该专利申请已转让给本申请的受让人。所有先前申请的公开内容视为本专利申请的一部分并通过引用纳入本专利申请中。
技术领域
本公开总体上涉及车辆,更具体而言,涉及用于确定车辆是否以不安全或令人不满意的方式驾驶的系统和方法。
背景技术
自主车辆可以在自动驾驶模式或半自动驾驶模式下运行,在这种模式下,自主车辆在驾驶员很少输入或驾驶员不输入的情况下导航。这些自主车辆通常包括各种传感器,这些传感器可以确定有关自主车辆运行环境的信息。例如,自主车辆通常包括光探测和测距(LIDAR)设备、摄像头和其他传感设备,以检测环境中的物体(例如,其他车辆、行人、交通信号灯、障碍物等)并确定检测到的物体的各种属性和特征(例如,大小、形状、轮廓、方位等)。这些传感设备还可以确定检测到的物体与自主车辆之间的距离,确定检测到的物体的运动和速度,并确定检测到的物体的轨迹。
尽管自主车辆的异物检测和决策能力不断提高,但自主车辆仍然容易发生事故,还存在机动性不稳定和危险驾驶的问题。此外,尽管在自主车辆行业运营的公司的数量不断增加,但没有相关的管理机构或标准来确保这些各种公司提供的不同导航平台、风险评估协议和防撞系统之间的兼容性。这些差异可能会加剧自主车辆的不稳定、不可预测和潜在危险驾驶。此外,由人类驾驶的车辆也容易发生事故,也会出现机动性不稳定和危险驾驶的问题。
发明内容
本公开的系统、方法和设备可用于观察车辆的驾驶行为并确定该驾驶行为是否令人不满意。当驾驶行为被确定为令人不满意时,可以向一个或多个实体发送令人不满意的驾驶行为的指示。
在某些实现方式中,该系统可以包括一个或多个收发机和一个或多个处理器。该一个或多个收发机可以被配置为与一个或多个其他系统或设备交换信号。一个或多个处理器可以耦接到一个或多个收发机,并且可以被可操作地配置为基于对车辆在一个时间段期间的驾驶行为的观察来确定车辆的一个或多个驾驶分数。一个或多个处理器还可以被可操作地配置为基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示。一个或多个处理器还可以被可操作地配置为向一个或多个实体提供令人不满意的驾驶的指示。在某些情况下,可以只有在一个或多个驾驶分数超出阈值多于时间段的一部分或百分比时,才生成令人不满意的驾驶的指示。
车辆可以是任何合适的车辆,诸如(但不限于)自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有高级驾驶员辅助系统(ADAS)的车辆。在某些实现方式中,一个或多个实体可以包括(但不限于)车辆的人类驾驶员、该车辆的人类乘客、该车辆的所有者、该车辆的承保方、该车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆。
在各种实现方式中,一个或多个收发机可以经由第五代新无线电(5G NR)系统的物理下行链路共享信道(PDSCH)、5G NR系统的车辆到万物(V2X)信道、5G NR系统的车辆到基础设施(V2I)信道、第四代无线电接入网(4GRAN)、非许可频带、点对点(P2P)通信链路、专用短程通信(DSRC)信道、无线局域网(WLAN)、或其任意组合从一个或多个设备接收观察。在某些实现方式中,一个或多个设备可以包括(但不限于)路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与该车辆相关联的麦克风、或其任何组合。
在某些实现方式中,一个或多个处理器还可以被可操作地配置为基于从一个或多个设备接收到的观察,标识该车辆在该时间段期间无视交通标志或违反交通法规而发生的每个事件。系统可以至少部分地基于时间段期间标识的事件的数量超过阈值数而生成令人不满意的驾驶的指示。
在某些其他的实现方式中,一个或多个处理器还可以被可操作地配置为基于从一个或多个设备接收到的观察,标识该车辆在时间段期间表现出的一个或多个危险驾驶属性。该系统可以至少部分基于标识的危险驾驶属性生成令人不满意的驾驶的指示。在某些情况下,可以只有在该时间段期间标识出的一个或多个危险驾驶属性超出阈值数多于一定量或百分比时,才生成令人不满意的驾驶的指示。一个或多个危险驾驶属性可以包括(但不限于):制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,该驾驶车辆距另一车辆小于一定距离,或该车辆的人类驾驶员注意力不集中。
在某些情况下,一个或多个处理器还可以被可操作地配置为确定在车辆的驾驶行为中是否不再观察到任何标识的危险驾驶属性。该系统可以基于确定调整一个或多个驾驶分数。在某些其他情况下,一个或多个处理器还可以被可操作地配置为生成指示在该时间段期间标识出的危险驾驶属性的数量的报告。该系统可以向一个或多个实体提供该报告。
在各种实现方式中,一个或多个处理器还可以被可操作地配置为在时间段的第一部分期间从一个或多个第一设备接收车辆的第一速度的第一指示。该系统可以在该时间段的第二部分期间从一个或多个第二设备接收车辆的第二速度的第二指示。该系统可以基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。在某些实现方式中,生成令人不满意的驾驶的指示可以至少部分地基于确定车辆超出速度限制多于一定量或者超出速度限制多于持续时间。
在某些实现方式中,一个或多个处理器还可以被可操作地配置为基于接收到的观察,确定车辆卷入车辆事故的可能性、车辆对车辆乘员造成伤害的可能性、车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合。系统可以向一个或多个实体提供确定的可能性。
在一种实现方式中,一个或多个处理器还可以被可操作地配置为响应于确定至少一个驾驶分数超过阈值来限制车辆的一个或多个操作。在某些情况下,一个或多个操作可以包括限制车辆的速度或将车辆的速度限制在超过公布的速度限制的一定量或百分比内,禁用或限制车辆的信息娱乐系统的一个或多个功能,禁用或限制车辆的手动驾驶模式的一个或多个功能,禁用或限制车辆的自主驾驶模式的一个或多个功能,限定车辆行驶到某些区域或限定车辆沿某些路线行驶,要求车辆增加该车辆与其他车辆之间的间距,在车辆到达目的地后使车辆禁用一段时间,或其任意组合。在另一实现方式中,一个或多个处理器还可以被可操作地配置为通知其他车辆远离该车辆或增加该车辆与其他车辆之间的距离。在另一实现方式中,一个或多个处理器还可以被可操作地配置为通知一个或多个路侧相机或路侧传感器聚焦在该车辆上。
在各种实现方式中,公开了一种确定车辆的一个或多个驾驶特性的方法。在某些实现方式中,该方法可以由系统执行,并且可以包括基于对该车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数。该方法可以包括基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示。该方法可以包括向一个或多个实体提供令人不满意的驾驶的指示。在某些情况下,可以只有在一个或多个驾驶分数超出阈值多于时间段的一部分或百分比时,才生成令人不满意的驾驶的指示。
该车辆可以是任何合适的车辆,诸如(但不限于)自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有ADAS的车辆。在某些实现方式中,一个或多个实体可以包括(但不限于)车辆的人类驾驶员、该车辆的人类乘客、该车辆的所有者、该车辆的承保方、该车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆。
在各种实现方式中,观察可以经由5G NR系统的PDSCH、5G NR系统的V2X信道、5GNR系统的V2I信道、4G RAN、P2P通信链路、DSRC信道、WLAN、或其任意组合从一个或多个设备接收。在某些实现方式中,一个或多个设备可以包括(但不限于)路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与该车辆相关联的麦克风、或其任何组合。
在某些实现方式中,该方法可以包括基于从一个或多个设备接收到的观察,标识车辆在时间段期间无视交通标志或违反交通法规发生的每个事件。方法还可以包括至少部分地基于时间段期间标识的事件的数量超过阈值数而生成令人不满意的驾驶的指示。
在某些其他实现方式中,该方法可以包括基于从一个或多个设备接收到的观察,标识该车辆在时间段期间表现出的一个或多个危险驾驶属性。该方法还可以包括至少部分基于标识的危险驾驶属性生成令人不满意的驾驶的指示。在某些情况下,可以只有在该时间段期间标识出的一个或多个危险驾驶属性超出阈值数多于一定量或百分比时,才生成令人不满意的驾驶的指示。一个或多个危险驾驶属性可以包括(但不限于):制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,该驾驶车辆距另一车辆小于一定距离,或该车辆的人类驾驶员注意力不集中。
在某些情况下,该方法可以包括确定在车辆的驾驶行为中是否不再观察到任何所标识的危险驾驶属性。该方法还可以包括基于确定调整一个或多个驾驶分数。在某些其他情况下,该方法可以包括生成指示在该时间段期间标识出的危险驾驶属性的数量的报告。该方法还可以包括向一个或多个实体提供该报告。
在各种实现方式中,该方法可以包括在时间段的第一部分期间从一个或多个第一设备接收该车辆的第一速度的第一指示。该方法还可以包括在时间段的第二部分期间从一个或多个第二设备接收该车辆的第二速度的第二指示。该方法还可以包括基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。在某些实现方式中,生成令人不满意的驾驶的指示可以至少部分地基于确定车辆超出速度限制多于一定量或者超出速度限制多于持续时间。
在某些实现方式中,该方法可以包括基于接收到的观察,确定车辆卷入车辆事故的可能性、车辆对车辆乘员造成伤害的可能性、车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合。该方法还可以包括向一个或多个实体提供该确定的可能性。
在一种实现方式中,该方法还可以包括响应于确定至少一个驾驶分数超过阈值来限制车辆的一个或多个操作。在某些情况下,一个或多个操作可以包括限制车辆的速度或将车辆的速度限制在超过公布的速度限制的一定量或百分比内,禁用或限制车辆的信息娱乐系统的一个或多个功能,禁用或限制车辆的手动驾驶模式的一个或多个功能,禁用或限制车辆的自主驾驶模式的一个或多个功能,限定车辆行驶到某些区域或限定车辆沿某些路线行驶,要求车辆增加该车辆与其他车辆之间的间距,在车辆到达目的地后使车辆禁用一段时间,或其任意组合。在另一实现方式中,该方法还可以包括通知其他车辆远离该车辆或增加该车辆与其他车辆之间的距离。在另一实现方式中,该方法还可以包括通知一个或多个路侧相机或路侧传感器聚焦在该车辆上。
在各种实现方式中,公开了一种系统。在某些实现方式中,该系统可以包括用于基于对该车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数的部件。该系统可以包括用于基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示的部件。该系统可以包括用于向一个或多个实体提供令人不满意的驾驶的指示的部件。在某些情况下,可以只有在一个或多个驾驶分数超出阈值多于时间段的一部分或百分比时,才生成令人不满意的驾驶的指示。
该车辆可以是任何合适的车辆,诸如(但不限于)自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有ADAS的车辆。在某些实现方式中,一个或多个实体可以包括(但不限于)车辆的人类驾驶员、该车辆的人类乘客、该车辆的所有者、该车辆的承保方、该车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆。
在各种实现方式中,观察可以经由5G NR系统的PDSCH、5G NR系统的V2X信道、5GNR系统的V2I信道、4G RAN、P2P通信链路、DSRC信道、WLAN、或其任意组合从一个或多个设备接收。在某些实现方式中,一个或多个设备可以包括(但不限于)路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与该车辆相关联的麦克风、或其任何组合。
在某些实现方式中,该系统可以包括用于基于从一个或多个设备接收到的观察,标识车辆在时间段期间无视交通标志或违反交通法规发生的每个事件的部件。该系统还可以包括用于至少部分地基于时间段期间标识的事件的数量超过阈值数而生成令人不满意的驾驶的指示的部件。
在某些其他实现方式中,该系统可以包括用于基于从一个或多个设备接收到的观察,标识该车辆在时间段期间表现出的一个或多个危险驾驶属性的部件。该系统还可以包括用于至少部分地基于标识的危险驾驶属性生成令人不满意的驾驶的指示的部件。在某些情况下,可以只有在该时间段期间标识出的一个或多个危险驾驶属性超出阈值数多于一定量或百分比时,才生成令人不满意的驾驶的指示。一个或多个危险驾驶属性可以包括(但不限于):制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,该驾驶车辆距另一车辆小于一定距离,或该车辆的人类驾驶员注意力不集中。
在某些情况下,该系统可以包括用于确定在车辆的驾驶行为中是否不再观察到任何所标识的危险驾驶属性的部件。该系统还可以包括用于基于确定调整一个或多个驾驶分数的部件。在某些其他情况下,该系统可以包括用于生成指示在该时间段期间标识出的危险驾驶属性的数量的报告的部件。该系统还可以包括用于向一个或多个实体提供该报告的部件。
在各种实现方式中,该系统可以包括用于在时间段的第一部分期间从一个或多个第一设备接收车辆的第一速度的第一指示的部件。该系统还可以包括用于在时间段的第二部分期间从一个或多个第二设备接收车辆的第二速度的第二指示的部件。该系统还可以包括用于基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间的部件。在某些实现方式中,生成令人不满意的驾驶的指示可以至少部分地基于确定车辆超出速度限制多于一定量或者超出速度限制多于持续时间。
在某些实现方式中,该系统可以包括用于基于接收到的观察,确定车辆卷入车辆事故的可能性、车辆对车辆乘员造成伤害的可能性、车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合的部件。该系统还可以包括用于向一个或多个实体提供该确定的可能性的部件。
在一种实现方式中,该系统还可以包括用于响应于确定至少一个驾驶分数超过阈值来限制车辆的一个或多个操作的部件。在某些情况下,一个或多个操作可以包括限制车辆的速度或将车辆的速度限制在超过公布的速度限制的一定量或百分比内,禁用或限制车辆的信息娱乐系统的一个或多个功能,禁用或限制车辆的手动驾驶模式的一个或多个功能,禁用或限制车辆的自主驾驶模式的一个或多个功能,限定车辆行驶到某些区域或限定车辆沿某些路线行驶,要求车辆增加该车辆与其他车辆之间的间距,在车辆到达目的地后使车辆禁用一段时间,或其任意组合。在另一实现方式中,该系统还可以包括用于通知其他车辆远离该车辆或增加该车辆与其他车辆之间的距离的部件。在另一实现方式中,该系统还可以包括用于通知一个或多个路侧相机或路侧传感器聚焦在该车辆上的部件。
在各种实现方式中,公开了一种存储计算机可执行代码的非暂时性计算机可读介质。由系统的一个或多个处理器执行计算机可执行代码可以使系统执行许多操作。在某些实现方式中,操作可以包括基于对该车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数。操作包括基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示。操作可以包括向一个或多个实体提供令人不满意的驾驶的指示。在某些情况下,可以只有在一个或多个驾驶分数超出阈值多于时间段的一部分或百分比时,才生成令人不满意的驾驶的指示。
该车辆可以是任何合适的车辆,诸如(但不限于)自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有ADAS的车辆。在某些实现方式中,一个或多个实体可以包括(但不限于)车辆的人类驾驶员、该车辆的人类乘客、该车辆的所有者、该车辆的承保方、该车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆。
在各种实现方式中,观察可以经由5G NR系统的PDSCH、5G NR系统的V2X信道、5GNR系统的V2I信道、4G RAN、P2P通信链路、DSRC信道、WLAN、或其任意组合从一个或多个设备接收。在某些实现方式中,一个或多个设备可以包括(但不限于)路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与该车辆相关联的麦克风、或其任何组合。
在某些实现方式中,操作可以包括基于从一个或多个设备接收到的观察,标识车辆在时间段期间无视交通标志或违反交通法规发生的每个事件。操作可以包括至少部分地基于时间段期间标识的事件的数量超过阈值数而生成令人不满意的驾驶的指示。
在某些其他实现方式中,该操作可以包括基于从一个或多个设备接收到的观察,标识该车辆在时间段期间表现出的一个或多个危险驾驶属性。操作还可以包括至少部分基于标识的危险驾驶属性生成令人不满意的驾驶的指示。在某些情况下,可以只有在该时间段期间标识出的一个或多个危险驾驶属性超出阈值数多于一定量或百分比时,才生成令人不满意的驾驶的指示。一个或多个危险驾驶属性可以包括(但不限于):制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,该驾驶车辆距另一车辆小于一定距离,或该车辆的人类驾驶员注意力不集中。
在某些情况下,操作可以包括确定在车辆的驾驶行为中是否不再观察到任何所标识的危险驾驶属性。操作还可以包括基于确定调整一个或多个驾驶分数。在某些其他情况下,操作可以包括生成指示在该时间段期间标识出的危险驾驶属性的数量的报告。操作还可以包括向一个或多个实体提供该报告。
在各种实现方式中,操作可以包括在时间段的第一部分期间从一个或多个第一设备接收车辆的第一速度的第一指示。操作还可以包括在时间段的第二部分期间从一个或多个第二设备接收车辆的第二速度的第二指示。操作可以包括基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。在某些实现方式中,生成令人不满意的驾驶的指示可以至少部分地基于确定车辆超出速度限制多于一定量或者超出速度限制多于持续时间。
在某些实现方式中,操作可以包括基于接收到的观察,确定车辆卷入车辆事故的可能性、车辆对车辆乘员造成伤害的可能性、车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合。操作还可以包括向一个或多个实体提供该确定的可能性。
在一种实现方式中,操作还可以包括响应于确定至少一个驾驶分数超过阈值来限制车辆的一个或多个操作。在某些情况下,一个或多个操作可以包括限制车辆的速度或将车辆的速度限制在超过公布的速度限制的一定量或百分比内,禁用或限制车辆的信息娱乐系统的一个或多个功能,禁用或限制车辆的手动驾驶模式的一个或多个功能,禁用或限制车辆的自主驾驶模式的一个或多个功能,限定车辆行驶到某些区域或限定车辆沿某些路线行驶,要求车辆增加该车辆与其他车辆之间的间距,在车辆到达目的地后使车辆禁用一段时间,或其任意组合。在另一实现方式中,操作还可以包括通知其他车辆远离该车辆或增加该车辆与其他车辆之间的距离。在另一实现方式中,操作还可以包括通知一个或多个路侧相机或路侧传感器聚焦在该车辆上。
本公开描述的主题的一个或多个实现方式的细节在附图和以下说明书中阐述。根据说明书、附图和权利要求书,其他特征、方面和优点将变得显而易见。请注意,以下附图的相对尺寸可能未按比例绘制。
附图说明
图1显示了可以在其中实现本公开的各个方面的示例环境的直观图。
图2显示了根据某些实现方式的示例自主车辆的框图。
图3显示了根据某些实现方式的示例移动计算设备的框图。
图4显示了根据某些实现方式的图1的驾驶行为检测系统的功能框图。
图5A显示了根据某些实现方式描绘用于确定车辆的速度或速率的示例操作的图示。
图5B和图5C显示了根据某些实现方式描绘用于确定车辆是否无视停车标志的示例操作的图示。
图6显示了根据某些实现方式描绘用于确定车辆的一个或多个驾驶特性的示例操作的流程图。
图7显示了根据某些实现方式描绘用于确定车辆的一个或多个驾驶特性的另一个示例操作的流程图。
图8显示了根据某些实现方式描绘用于确定车辆的一个或多个驾驶特性的另一个示例操作的流程图。
图9显示了根据某些实现方式描绘用于调整车辆的一个或多个驾驶分数的示例操作的流程图。
图10显示了根据某些实现方式描绘用于生成车辆的令人不满意的驾驶行为的报告的示例操作的流程图。
图11显示了根据某些实现方式描绘用于确定车辆造成的事故或伤害的可能性的示例操作的流程图。
图12显示了根据某些实现方式描绘用于确定车辆是否超过速度限制的示例操作的流程图。
图13显示了根据某些实现方式描绘用于采取与车辆相关联的纠正动作的示例操作的流程图。
图14显示了根据某些实现方式描绘用于采取与车辆相关联的纠正动作的示例操作的流程图。
图15显示了根据某些实现方式描绘用于采取与车辆相关联的纠正动作的示例操作的流程图。
不同附图中相同的附图标记和名称表示相同的元件。
具体实施方式
在以下描述和针对出于说明目的而提供的各种示例的相关附图中提供了本公开的各方面。可在不脱离本公开的范围的情况下设计出替代性方面。另外,不会详细描述本公开的公知元件或将省略公知元件,以免模糊本公开的相关细节。
本领域技术人员应当理解,可以使用各种不同科技和技术中的任一种来表示下文描述的信息和信号。例如,在以下整个说明书中可以引用的数据、指令、命令、信息、信号、比特、符号和码片(chip)可以由电压、电流、电磁波、磁场或粒子、光场或粒子或其任何组合代表,部分取决于特定的应用,部分取决于所需的设计,部分取决于相应的工艺等。
此外,根据由例如计算设备的元件来执行的动作的序列来描述许多方面。将认识到,本文描述的各种动作可由特定电路(例如,专用集成电路(ASIC))、由程序指令(正由一个或多个处理器执行)、或者由两者的组合来执行。另外,可以认为本文描述的动作序列完全体现在其中存储有对应的计算机指令集的任何形式的非暂时性计算机可读存储介质中,该计算机指令集在执行时将使得或指示设备的相关联的处理器执行本文描述的功能性。因此,可以以许多不同的形式来体现本公开的各个方面,所有这些形式都被认为在所要求保护的主题的范围内。另外,对于本文描述的每个方面,本文可以将任何此类方面的对应形式描述为例如“被配置为”执行所描述的动作的“逻辑”。因此,尽管本文针对自主或半自主车辆(也称为自动驾驶汽车或“SDC”)进行了描述,但本公开的各方面可在诸如(但不限于)汽车、卡车、摩托车、公共汽车、船、直升机、机器人、无人机、休闲车、游乐园车辆、建筑设备和高尔夫球车等其他车辆中实现。本公开的各个方面也可以或替代地应用于由人驾驶的车辆。
如所讨论的,某些车辆可以在自主模式或半自主模式下运行,并且在人类驾驶员很少输入或不输入的情况下行驶。这些车辆在本文中统称为自主车辆,通常包括多个传感器,这些传感器可以确定有关自主车辆运行环境的信息。例如,传感器可以提供绘图信息,从中可以生成周围环境的三维(3D)表示。自主车辆可以使用3D表示(在某些实现方式中可以是3D点云)选择行驶路线,然后以避免碰撞并遵守各种交通标志的指示、交通法规、和其他道路使用规则的方式沿着所选择的路线安全行驶。传感器还可以提供指示周围环境中存在物体的信息,以及检测到的物体的各种特征、属性、位置和运动。
尽管在异物检测、物体跟踪和决策能力方面不断进步,但自主车辆仍然容易发生事故、机动性不稳定和危险驾驶的问题。各种自主车辆采用的导航平台、风险评估协议和防撞系统之间的差异可能会增加自主车辆发生事故、机动性不稳定和危险驾驶的可能性。此外,由人类驾驶的车辆也容易发生事故,也会出现机动性不稳定和危险驾驶的问题。因此,需要系统和方法,该系统和方法能够监控车辆的驾驶行为并生成被监控车辆中相应的一个或多个是否以令人不满意的驾驶方式(例如,可能被认为是危险或不安全驾驶的方式)驾驶的指示,其中该令人不满意的驾驶方式可能会导致事故,或可能对相应被监控车辆的乘员或一辆或多辆其他车辆的乘员造成伤害。
根据本公开的某些方面,公开了驾驶行为检测系统和方法,该驾驶行为检测系统和方法可以确定车辆的驾驶行为(例如,车辆是否以令人不满意的方式驾驶、车辆是否表现出一种或多种危险驾驶属性,或者车辆是否表现出其他一些不安全或冒险的驾驶行为)。在某些实现方式中,本文公开的驾驶行为检测系统和方法还可以确定车辆是否以可能导致事故、可能对车辆乘员造成伤害和/或可能对一辆或多辆其他车辆的乘员造成伤害的方式驾驶。在某些情况下,本文公开的驾驶行为检测系统和方法可以生成相应车辆以不安全或令人不满意的方式驾驶的指示、相应车辆表现出一种或多种危险驾驶属性的指示、相应车辆以可能导致事故的方式驾驶的指示、或相应车辆以可能会对相应车辆的乘员造成伤害和/或对一辆或多辆其他车辆的乘员造成伤害的方式驾驶的指示。在各种实现方式中,这些指示可以被传送到一个或多个第三方实体,该第三方实体包括(但不限于)车辆的驾驶员、车辆的乘员、车辆的所有者、车辆的平视显示器、车辆的承保方、执法机构、一辆或多辆警车、政府机动车辆管理局、一辆或多辆其他车辆、和/或一个或多个其他相关方(例如,拼车运营商)。以这种方式,本文公开的驾驶行为检测系统和方法可以警告相关的实体特定车辆正在以令人不满意的(或其他冒险的)方式驾驶,和/或特定车辆表现出一种或多种危险驾驶属性。
现在将参考各种装置和方法来呈现自主车辆的几个方面。这些装置和方法将在以下详细描述中进行描述,并在附图中通过各种块、组件、电路、过程、算法等(统称为“元素”)进行说明。可以使用电子硬件、计算机软件或其任意组合来实施这些元素。将这些元素实施为硬件或者是软件取决于强加在整个系统上的特定的应用和设计约束。
作为示例,元素或元素的任何部分或元素的任何组合都可以被实施为包括一个或多个处理器的“处理系统”。处理器的示例包括微处理器、微控制器、图形处理单元(GPU)、中央处理器(CPU)、应用处理器、数字信号处理器(DSP)、精简指令集计算(RISC)处理器、片上系统(SoC)、基带处理器、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、状态机、逻辑门、离散硬件电路以及其他合适的硬件,这些硬件被配置为实施本公开中描述的各种功能。处理系统中的一个或多个处理器可以运行软件。无论是被称为软件、固件、中间件、微码、硬件描述语言还是其他形式,软件都应广义地解释为意指指令、指令集、代码、代码段、程序代码、程序、子程序、软件组件、应用、软件应用、软件包、例程、子例程、对象、可执行文件、执行线程、规程、功能等等。
因此,在一个或多个示例实现方式中,可以以硬件、软件、或其任何组合来实施所描述的功能。如果在软件中实现,则该功能可以作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质编码。计算机可读介质包含计算机存储介质。存储介质可以是计算机可以存取的任何可用介质。作为示例而非限制,这种计算机可读存储介质可以包括随机存取存储器(RAM)、只读存储器(ROM)、电可擦可编程只读存储器(EEPROM)、光盘存储器、磁盘存储器、其他磁性存储设备、前述类型的计算机可读介质的组合、或可用于以计算机可以存取的指令或数据结构形式存储计算机可执行代码的任何其他介质。
图1显示了可以在其中实现本文公开的主题的各个方面的示例环境100的直观图。环境100被示为包括(但不限于)驾驶行为检测系统110、车辆120、行人130、一个或多个路侧传感器140、一个或多个路侧单元(RSU)150、另一车辆160、一个或多个第三方实体170、通信网络180和多个移动计算设备190。尽管为简单起见未在图1中示出,但环境100可以包括其他车辆、人、物体、结构、障碍物、特征等(例如,道路、建筑物、桥梁、隧道、交通标志等)。
驾驶行为检测系统110可以包括任意数量的计算设备,诸如(但不限于)工作站、服务器、大型计算机、个人计算机、虚拟机和机器学习模型。检测系统110可以包括用于执行本文所述的各种功能和操作的硬件、软件或嵌入式逻辑组件或两个或更多个此类组件的组合。在某些方面,检测系统110可以将命令、指令或数据传送到对应车辆120内提供的车辆控制器(为简单起见未在图1中示出)。车辆控制器可以处理接收到的命令、指令或数据以使它们各自的车辆120执行由检测系统110指示的一个或多个操作或功能。这样,检测系统110可以同时监控多辆车辆120的驾驶行为。
在各种实现方式中,检测系统110可以在一个时间段期间观察车辆120的驾驶行为。检测系统110可以基于观察到的驾驶行为确定车辆120的一个或多个驾驶分数。在某些方面,驾驶分数可以与一个或多个阈值进行比较以确定车辆120的驾驶行为是否不安全或令人不满意。例如,如果驾驶分数中的一个或多个大于一个或多个对应的阈值,则检测系统110可以确定车辆120正在以令人不满意的方式驾驶。响应于令人不满意的驾驶的确定,检测系统110可以生成车辆120的令人不满意的驾驶行为的指示。指示可以被提供给实体170中的一个或多个。
相反,如果一个或多个驾驶分数小于对应的阈值,则检测系统110可以确定车辆120没有以令人不满意的方式驾驶。响应于确定车辆120没有以令人不满意的方式驾驶,检测系统110可以不生成令人不满意的驾驶的指示。在某些其他实现方式中,检测系统110可以在所有驾驶分数都小于对应的安全阈值时生成安全驾驶的指示。
在某些实现方式中,检测系统110可以确定车辆120在该时间段期间是否无视了一个或多个交通标志或违反了一个或多个交通法规。在某些情况下,检测系统110可以标识车辆120无视交通标志或违反交通法规的每个事件。检测系统110可以基于在该时间段期间标识出的无视交通标志或违反交通法规的事件的数量来生成驾驶分数中的至少一个。在其他实现方式中,检测系统110可以确定车辆120在该时间段期间是否表现出一个或多个危险驾驶属性。在某些情况下,危险驾驶属性可以包括(但不限于):制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,该驾驶车辆距另一车辆小于一定距离,或该车辆的人类驾驶员注意力不集中。这样,驾驶分数中的一个或多个可以至少部分地基于对车辆120在该时间段期间表现出的一个或多个危险驾驶属性的检测。
在各种实现方式中,检测系统110可以基于观察到的车辆120的驾驶行为生成一个或多个报告。例如,检测系统110可以生成报告,该报告指示车辆120在特定时间段期间、沿着特定道路或在特定地理区域内表现出危险驾驶属性中的哪些情况(以及多少情况)。检测系统110还可以生成报告,该报告指示车辆120卷入车辆事故的可能性、车辆120对车辆120的乘员造成伤害的可能性、或车辆120对一辆或多辆其他车辆的乘员造成伤害的可能性中的一个或多个。这些指示或报告中的一个或多个可以提供给第三方实体170中的一个或多个。
在某些实现方式中,车辆120可以是由人驾驶的传统车辆。在某些其他实现方式中,车辆120可以是能够在很少或没有人类驾驶员辅助的情况下行驶的自主车辆。尽管为简单起见未在图1中显示,但自主车辆可以包括车辆控制器、一个或多个通信接口、平视显示器、用户界面、以及与可以在自主或半自主驾驶模式中运行的车辆相关联的其他组件。在某些情况下,车辆120可以被配置用于乘客服务。即,车辆120可以被配置为标识乘客上车地点,驾驶到标识的上车地点并让乘客上车,驾驶到选定的下车地点,并在选定的下车地点让乘客下车。在图1的示例中,车辆120被示为运送携带移动计算设备190的人122。人122可以是车辆120的乘客、驾驶员或观察者。
行人130可以是位于能观察车辆120的驾驶行为的位置或有利地形的任何人或多个人。例如,当站在十字路口附近的人行道上时,行人130可能位于能目睹车辆120在十字路口无视停车标志继续行驶的位置。在某些情况下,行人130可以使用移动计算设备190来捕获车辆120无视停车标志继续行驶的视频。捕获的视频可以被传送到检测系统110。检测系统110可以分析捕获的视频以确定车辆120是否确实无视停车标志继续行驶。尽管为了简单起见在图1中仅示出了一个行人130,但是环境100可以包括任何合适数量的行人。
路侧传感器140可以是或可以包括任何合适的设备,该设备可以提供信息,车辆120的位置、速度、行驶方向、或取向都可以从这些信息中导出。在某些方面,路侧传感器140可以包括(但不限于)相机、录像机、RADAR设备、LIDAR设备、声学传感器等。例如,配备有相机的路侧传感器140可以在相机的视场(FOV)内捕获附近道路的图像。捕获的图像可以被传送到检测系统110。检测系统110可以使用捕获的图像来确定车辆120何时通过相机的FOV。在某些情况下,检测系统110可以分析由具有已知位置的多个路侧传感器140捕获的图像以确定车辆120在沿特定路线的一个点或多个点处的速率。在其他情况下,检测系统110可以分析由多个路侧传感器140捕获的图像,以标识车辆120变换车道、转向、不规则行驶等的一个或多个情况。
对于另一示例,配备有摄像头的路侧传感器140可以记录摄像头的FOV内的一部分道路的实时视频。捕获的视频可以被传送到检测系统110。检测系统110可以使用捕获的视频来观察车辆120的驾驶行为。在某些情况下,检测系统110可以分析捕获的视频以确定车辆120是否违反了一项或多项交通法规、无视了一个或多个交通标志、表现出一个或多个危险驾驶属性、和/或正在以一种可能导致事故或对车辆120的乘员造成伤害或对一辆或多辆其他车辆160的乘员造成伤害的方式驾驶。
在某些情况下,路侧传感器140可以包括可以确定车辆120的位置、速率和方向的RADAR设备。在其他情况下,路侧传感器140可以包括声学传感器,其中该声学传感器可以检测到其他车辆向车辆120鸣喇叭(这可以是车辆120正在危险驾驶的指示)。在某些其他情况下,路侧传感器140可以包括无线收发机,其可以基于从车辆120发送的无线信号(例如信标信号)来标识车辆120。可以分析这些无线信号以精确地确定车辆120何时经过配备有这种无线收发机的路侧传感器140中的每一个。车辆120何时经过具有已知位置的两个路侧传感器140的指示可用于确定车辆120的速率,以及车辆120何时经过具有已知位置的三个或更多路侧传感器140的指示可用于确定车辆120的加速度。
路侧传感器140可以部署在可以观察到车辆120的驾驶行为的任何合适的位置。例如,在某些情况下,路侧传感器140可以部署在道路、高速公路、桥梁、隧道和其他适合车辆120使用的直通街道旁边。路侧传感器140可以是独立的设备,或者可以附接到或安装在其他结构上。例如,在某些情况下,路侧传感器140可以位于地面上或安装在专用杆上。在某些其他情况下,路侧传感器140可以安装在其他结构上,诸如(但不限于)电话杆、交通信号灯、交通标志、桥梁、立交桥、建筑物、蜂窝式塔等。
路侧单元(RSU)150可以包括任何合适的无线通信设备,其可以在彼此、检测系统110、和/或车辆120之间中继无线信号。RSU 150可以具有检测系统110已知的固定位置,并且可以用于确定车辆120在不同时间的情况下或不同位置的地点、速率和方向。RSU 150可以使用任何合适的通信协议,包括(但不限于)蜂窝通信、Wi-Fi通信、点对点(P2P)通信、和/或卫星通信。在某些实现方式中,RSU 150可以是配备有专用短程通信(DSRC)的设备,其可以使用DSRC消息相互通信。DSRC消息是一种无线消息,专门配置为由高度移动的设备(诸如车辆和传统车辆)传送和接收。在其他实现方式中,RSU 150可以是5G兼容设备,其可以使用V2X通信(例如,侧链路和PC5连接)在彼此之间、检测系统110、车辆120和160、移动计算设备190、和/其他合适的设备发送和/或接收数据和其他信息。
在某些实现方式中,RSU 150中的一个或多个可以与多个路侧传感器140配对或相关联。也就是说,某些路侧传感器140可以与一个或多个对应的路侧单元150相关联(例如,与之通信)。在某些情况下,某些路侧传感器140可以是对应的路侧单元150的一部分。例如,相应的RSU 150可以将来自一个或多个相关联的路侧传感器140的图像、视频、测量结果和其他信息中继到检测系统110,并且可以将来自检测系统110的命令、配置数据或其他信息中继到一个或多个相关联的路侧传感器140。
在各种实现方式中,在RSU 150中的一个或多个内提供或与RSU 150中的一个或多个相关联的无线收发机可以用于基于从车辆120发送的无线信号(诸如信标信号)来标识车辆120。在某些情况下,相应RSU 150的无线收发机可用于例如通过与车辆120交换一个或多个无线信号在特定时间实例确定车辆120的位置。由具有已知位置的多个RSU 150提供的位置和时间信息可用于确定车辆120在特定位置和/或特定时间的速率和加速度。
在某些实现方式中,RSU 150可以被配置为与车辆120一起执行测距操作。例如,相应RSU 150和车辆120之间的距离可以基于在相应RSU 150和车辆120之间交换的信号的往返时间(RTT)来确定。车辆120与具有已知位置的三个或更多个RSU 150中的每一个之间的距离可用于使用众所周知的三边测量技术来确定车辆120的精确位置。在其他实现方式中,RSU 150可以使用其他合适的定位技术,包括例如辅助GNSS(A-GNSS)、观察的到达时间差(OTDOA)(例如,下行链路(DL)OTDOA或上行链路(UL)OTDOA)、实时动态(RTK)、精确单点定位(PPP)、差分GNSS(DGNSS)、增强型小区ID(E-CID)、到达角(AOA)、出发角(AOD)和/或其他定位方法来确定车辆的位置120。
其他车辆160可以包括处于观察车辆120的驾驶行为的位置或有利地形的自主车辆、半自主车辆和常规车辆。对于其他车辆是自主车辆的情况,自主车辆的一个或多个传感器可以用于捕获数据,诸如图像、视频、音频,或生成可以观察或确定该车辆120的驾驶行为的3D点云。对于其他车辆配备有计算机视觉的情况,计算机视觉可以用于至少在其他车辆的范围内时观察和记录车辆120的驾驶行为。
另外,或作为替代,另一车辆160的一个或多个乘员可以使用移动计算设备190来捕获数据,诸如车辆120的(多个)图像、视频和/或音频。捕获的图像、视频和/或音频可以被传送到检测系统110以确定车辆120是否表现出一种或多种危险驾驶属性、无视一个或多个交通标志、违反一项或多项交通法规、或以一种可能导致事故或造成人身伤害的方式行驶。例如,如果车辆120闯红灯而另一车辆160在相同的红灯处排队等候,则另一车辆160的乘员可能能够使用移动计算设备190来捕获闯红灯的车辆120的图像或视频。车辆120的捕获的图像或视频可以被发送到检测系统110。
在某些实现方式中,第三方实体170可以包括(但不限于)车辆120的人类驾驶员、车辆120的人类乘客、车辆120的所有者、车辆120的承保方、车辆120的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆中的一个或多个。在其他实现方式中,第三方实体170可以包括其他合适的人、机构、服务或公司。
通信网络180提供检测系统110、车辆120、行人130、路侧传感器140、RSU 150、其他车辆160、第三方实体170和移动计算设备190之间的通信链路。网络180可以是任何合适的一个或多个通信网络,包括例如因特网、广域网(WAN)、城域网(MAN)、无线局域网(WLAN)、个域网(PAN)、诸如第五代(5G)新无线电(NR)系统之类的无线电接入网络(RAN)、有线网络、电缆网、卫星网络、或其他合适的网络。
移动计算设备190可以是能够经由通信网络180与检测系统110进行通信的任何合适的设备。在某些情况下,移动计算设备190可以是蜂窝电话、智能电话、智能手表、耳机或其他移动计算设备。在其他情况下,移动计算设备190中的一个或多个可以是膝上型计算机、个人数字助理、平板计算机、游戏控制台、或电子书阅读器。
图2显示了根据某些实现方式的自主车辆200的框图。可以是图1的车辆120的一个示例的自主车辆200被示出为包括控制系统210、通信系统220、卫星定位系统(SPS)单元225、车辆控制器230、和数据存储器290。为简单起见,未示出自主车辆200的其他组件。自主车辆200可以被实施为任何数量的不同类型的车辆,包括能够运送人和/或货物并且能够在各种环境中行驶的车辆,并且应当理解,上述组件可以基于使用这些组件的车辆类型而千差万别。
控制系统可以包括转向控制212、驱动控制214和制动控制216。转向控制212可以包括一个或多个致动器和/或传感器,用于控制和接收来自该方向或转向部件的反馈,以使车辆200能够沿着期望的轨迹行进。驱动控制214可以被配置为控制自主车辆200的动力系。制动控制216可以被配置为控制一个或多个使车辆200减速或停止的制动器。
通信系统220可以用于在自主车辆200和检测系统110、一个或多个相关联的车辆控制器、以及一个或多个移动计算设备190之间建立和维护通信链路。通信系统220可以使用任何合适的通信协议,该协议包括例如由3GPP的一个或多个版本、由IEEE 802.11无线通信标准族的一个或多个修正案、蓝牙联盟、或其他合适的通讯技术指定的无线通信协议。
SPS单元225可以接收和解码卫星信号,其中该卫星信号与诸如全球定位系统(GPS)、全球导航卫星系统(GLONASS)、和伽利略的各种全球卫星服务,以及诸如印度区域导航卫星系统(IRNSS)的各种区域卫星服务相关联。卫星信号可以由自主车辆用于一般定位、导航和测绘目的。
可以使用任何模拟、数字或混合信号处理电路来实现以控制自主车辆200的各种操作的车辆控制器230被示出包括传感器240、处理器250、导航系统260、存储器270、和用户界面280。车辆控制器230可以与自主车辆的控制系统210接口,并且可以用于控制自主车辆200的各种操作,这些操作包括(但不限于)承担对自主车辆200的控制、向自主车辆200提供指令、为乘客服务配置自主车辆200、禁用自主车辆200、限制自主车辆200的一项或多项操作、以及限制自主车辆200的一项或多项驾驶指标。例如,在某些情况下,车辆控制器230可以用于限制自主车辆200的最大速度、自主车辆200的行驶距离等中的一项或多项。
传感器240可以包括任何合适的传感器或设备,这些传感器或设备可以单独使用或相互结合使用,以扫描周围环境中的物体、其他车辆、道路、道路状况、交通标志、交通信号灯、天气状况、环境特征、建筑物、危险状况、以及该周围环境的其他属性、特性或特征。在某些实现方式中,传感器240可以包括RADAR 242、LIDAR 244、定位传感器246、相机248和其他合适的传感设备。RADAR 242和LIDAR 244系统可用于检测周围环境中物体的存在,并确定物体与自主车辆200之间的距离。定位传感器246可用于使用卫星信号确定车辆在地球上的位置。相机248可以是或可以包括相机、录像机、图像传感器或能够捕获周围环境的至少一部分的图像、视频和/或音频的任何其他合适的设备或组件。
在某些实现方式中,LIDAR系统244可以将光脉冲发射或发送到环境中,并且可以接收由环境中的物体和其他反射表面反射的光脉冲以确定关于物体和其他反射表面的信息。在某些方面,与检测到的物体之间的距离可以基于LIDAR系统244对光脉冲的发射与LIDAR系统244对对应的反射光脉冲的接收之间的时间来确定。检测到的物体的尺寸、形状、方位、纹理和其他特征可以(至少部分地)基于多个此类接收到的光脉冲的幅度、脉冲宽度、定时信息、和其他特性来确定。从接收到的光脉冲生成的信息可用于生成点云,其中该点云指示在环境中检测到的物体和其他反射表面的位置、大小、形状、运动、方位、和其他特征。测量的距离可以与激光的取向相结合,以将3D位置与LIDAR系统接收到的每个光脉冲相关联。与多个接收到的光脉冲相关联的3D位置可用于生成指示环境中反射特征的位置的3D点图。自主车辆200可以使用这些3D点云中的一个或多个来在环境中导航(诸如沿着下车或上车位置之间的路线)而无需人工输入。
导航系统260可以设置在任何合适的位置或自主车辆200内。导航系统260可用于将自主车辆200从一个或多个起点导航到一个或多个目的地。例如,导航系统260可以使用地图数据和传感器数据来引导自主车辆200到达目的地而不会碰撞(或以其他方式避开)其他物体。在某些实现方式中,导航系统260可以访问或接收详细的地图信息(诸如3D点云),该信息包括关于道路、桥梁、建筑物、地标、海拔、施工区域、实时交通状况、天气信息、事件信息等来自一个或多个来源的信息,这些来源包括(但不限于)政府机构、基于订阅的服务、用户生成的地图集合、众包绘图信息、其他自主车辆提供的绘图信息等。在某些情况下,详细的地图信息可以由网络实体或服务器提供。在其他情况下,详细的地图信息(或至少其部分)可以由一辆或多辆其他自主车辆经由合适的无线信道(诸如5G RAN的V2V信道、RAN的侧链路信道、未授权的频段、或无线网络的专用短程通信(DSRC)信道)提供。
在各种实现方式中,详细的地图信息可用于选择适用于自主车辆200的一条或多条路线。详细的地图信息还可用于确定先前选择的路线对于自主车辆200是否仍然可行,并为自主车辆200选择一条或多条替代路线。在特定实现方式中,这可以在自主车辆200开始向特定目的地行驶之前完成。这样,自主车辆200可以选择最快或最方便的路线以其到特定目的地的速度和效率可能显著高于仅使用车载传感器来提供绘图信息的传统自主车辆200的速度和效率。在某些实现方式中,详细的地图信息可以周期性地或连续地(诸如实时地)与由传感器240提供或从传感器240导出的绘图信息融合、拼接或过滤。
在图2的示例中,导航系统260被示为包括定位子系统262和感知子系统264。定位子系统262可用于确定自主车辆200在其周围环境内以及通常在某个参考系内的位置和方位。在某些方面,自主车辆200的位置可以与相同环境中的一辆或多辆其他车辆的位置进行比较,作为为图4的检测系统400使用的机器学习模型中的一个或多个生成训练数据的一部分。感知子系统264可用于检测、跟踪和/或标识自主车辆200周围环境内的物体。在某些方面,感知子系统264生成的数据可用于训练图4的检测系统400使用的机器学习模型中的一个或多个。导航系统260可以使用由定位子系统262和感知子系统264生成的结果数据来预测自主车辆200在给定时间段内和/或到特定目的地的轨迹。在某些方面,预测的轨迹中的一个或多个可用于训练图4的检测系统400使用的机器学习模型中的一个或多个。
用户界面280可以是或可以包括任何合适的设备或组件,自主车辆200可以通过该设备或组件向操作员或乘客呈现问题、选项或其他信息,和/或操作员或乘客可以通过该设备或组件向自主车辆200提供回答或其他响应信息。在某些情况下,用户界面280可以包括平板计算机、触摸式显示屏、扬声器、麦克风等。在其他实现方式中,乘客或操作员可以使用位于计算设备(诸如移动计算设备190)上的应用程序或使用网络浏览器与自主车辆200交换通信。
数据存储器290可以存储导航信息、天气信息、用户配置文件、安全信息、驾驶分数、以及与自主车辆200、周围环境和/或自主车辆200的乘客或用户有关的其他信息。例如,导航数据可以包括乘客或用户请求的乘车路线信息、道路状况、交通信息、道路状况、天气状况、施工活动、以及与自主车辆200的操作相关联的任何其他信息。在某些情况下,导航数据可以包括地图数据和/或传感器数据,诸如特定区域的街道视图、特定区域的卫星视图等。
图3显示了根据某些实现方式的移动计算设备300的框图。可以是图1的移动计算设备190的一个示例的移动计算设备300被示为包括一个或多个收发机310、一个或多个处理器320、显示器330、I/O组件332、相机340、SPS单元350、存储器360和多个天线370(1)-370(n)。收发机310可以直接或通过天线选择电路(为简单起见未示出)耦接到天线370(1)-370(n),并且可以用于向其他设备发送信号和从其他设备接收信号。在某些情况下,收发机310可以促进移动计算设备300和图1的检测系统110之间的无线通信。尽管为简单起见未在图3中示出,但收发机310可以包括任意数量的发送链以处理信号并将信号经由天线370(1)-370(n)发送到其他无线设备,并且可以包括任意数量的接收链以处理从天线370(1)-370(n)接收到的信号。基带处理器(为简单起见未示出)可用于处理从处理器320或存储器360(或两者)接收的信号,并将处理后的信号转发到收发机310以经由天线370(1)-370(n)中的一个或多个进行传输,并可用于处理经由收发机310从天线370(1)–370(n)中的一个或多个接收的信号,并将处理后的信号转发到处理器320或存储器360(或两者)。
处理器320可以是任何合适的一个或多个处理器,其能够执行存储在移动计算设备300中(诸如存储器360内)的一个或多个软件程序的脚本或指令。在某些实现方式中,处理器320可以是或包括提供处理器功能的一个或多个微处理器,并且包括提供机器可读介质的至少一部分的外部存储器。在其他实现方式中,处理器320可以是或包括专用集成电路(ASIC),其中处理器、总线接口、客户接口和机器可读介质的至少一部分集成到单个芯片中。在某些其他实现方式中,处理器320可以是或包括一个或多个现场可编程门阵列(FPGA)或可编程逻辑器件(PLD)。
显示器330可以是可以在其上向用户呈现信息的任何合适的显示器或屏幕。在某些情况下,显示器330可以是允许用户控制、交互或启动移动计算设备300的多个功能和操作的触摸式显示屏。I/O组件332可以是或包括任何合适的机制、接口或设备以接收来自用户的输入(诸如命令)并向用户提供输出。例如,I/O组件332可以包括(但不限于)图形客户接口、键盘、鼠标、麦克风、扬声器等。在某些情况下,I/O组件332可以与显示器330一起工作。在某些其他情况下,I/O组件332可以包括显示器330或可以是显示器330的一部分。
相机340可以是或可以包括相机、录像机、或能够捕获情景的图像、视频和/或音频的任何其他合适的设备或组件。例如,移动计算设备300的用户可以使用相机340来捕获车辆120沿着街道或道路行驶、接近十字路口、停在停车标志处等的图像、视频和/或音频。车辆120的捕获图像、视频和/或音频可以经由收发机310和天线370(1)-370(n)发送到图1的检测系统110。
SPS单元350可以接收和解码卫星信号,其中该卫星信号与诸如GPS、GLONASS、和伽利略的各种全球卫星服务、以及诸如IRNSS的各种区域卫星服务相关联。移动计算设备300可以将卫星信号用于一般定位和导航目的。
存储器360可以包括存储移动计算设备300的配置文件信息的设备数据库361。设备数据库361还可以存储与图1的检测系统110相关联的信息。存储器360还可以存储多个移动应用程序362。在某些方面,移动应用程序362中的至少一个可以是与图1的检测系统110相关联的驾驶行为检测应用程序。例如,驾驶行为检测应用程序可用于与捕获的车辆图像、视频或音频接口并将其传送到检测系统110。在各种实现方式中,存储器360还可以包括可以存储计算机可执行指令的非暂时性计算机可读介质(诸如一个或多个非易失性存储器元件,诸如EPROM、EEPROM、闪存、硬盘驱动器等),当由处理器320执行时,该计算机可执行指令使移动计算设备300执行一个或多个对应的操作。
还参考图1,移动计算设备300可由行人130、其他车辆160的乘员或其他适当定位的人使用以捕获数据,诸如图像和/或视频,车辆120的驾驶行为可以从这些捕获的数据中观察或确定。举个例子,在十字路口附近行走的行人可以使用移动计算设备300来捕获车辆120在十字路口处因红灯而停止或在未因红灯而停止的情况下行驶通过十字路口的图像和/或视频。再举个例子,在十字路口处另一车辆160中的乘客162可以使用他的或她的移动计算设备300来捕获车辆120在十字路口处因红灯而停止或在未因红灯而停止的情况下行驶通过十字路口的图像和/或视频。在某些情况下,移动计算设备300可以经由通信网络180向检测系统110发送捕获的图像和/或视频。
图4显示了根据某些实现方式的示例驾驶行为检测系统400的功能框图。可以是图1的检测系统110的一个示例的检测系统400被示为包括一个或多个处理器410、存储器420、一个或多个收发机430、输入/输出(I/O)端口435、图像处理器440、用户界面450、机器学习引擎460和数据存储器470。一个或多个处理器410可以是或可以包括任意数量的商用微处理器或中央处理单元(CPU),能够执行存储在相关联的存储器(诸如存储器420)中的一个或多个软件程序的脚本或指令。此外,或替代地,处理器410可以是或可以包括任何数量的专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、图形处理单元(GPU)、数字信号处理器(DSP)、数据处理单元(DPU)、微控制器、(多个)硬件加速器、或其任意组合。
存储器420可以是包括非暂时性计算机可读介质的任何合适的存储器,该非暂时性计算机可读介质包括能够存储指令的一个或多个非易失性存储器元件(诸如EPROM、EEPROM、闪存、硬盘驱动器等),当由一个或多个处理器410执行时,这些指令使系统400执行参考图6、7、8、9、10、11和12中的一个或多个所描述的操作中的至少一些。在某些实现方式中,存储在存储器420中的指令或可执行代码可与可由处理器410执行的驾驶分数程序412、指示程序414或报告程序416中的一个或多个相关联。例如,在某些方面,驾驶分数程序412可以被执行以基于观察到的车辆120的驾驶行为来确定车辆120的一个或多个驾驶分数。指示程序414可由处理器410执行以生成车辆120的令人不满意的驾驶行为的指示。指示程序414还可以由处理器410执行以生成车辆120卷入事故或对车辆120的乘员(或对一辆或多辆其他车辆的乘员)造成伤害的可能性的指示。报告程序416可以被执行以生成报告,该报告指示车辆120的令人不满意的驾驶行为的一个或多个、车辆120表现的一个或多个危险驾驶属性(如果存在)、车辆120卷入事故的可能性、车辆120对车辆120的乘员造成伤害的可能性、和/或车辆120对一辆或多辆其他车辆的乘员造成伤害的可能性。在各种实现方式中,指示和报告可以被发送到图1的第三方实体170中的一个或多个。
可耦接到I/O端口435和处理器410的收发机430可用于将信息发送到一个或多个其他设备、系统或实体,并从一个或多个其他设备、系统或实体接收信息。例如,收发机430可以促进车辆120、行人130、路侧传感器140、RSU 150、一辆或多辆其他车辆160、一个或多个实体170、和移动计算设备190之间的通信(诸如信号和消息)交换。尽管为简单起见未在图4中示出,但收发机430可以包括任意数量的发送链以处理信号并将信号经由图1中的I/O端口435和通信网络180发送到其他无线设备,并且可以包括任意数量的接收链以处理从I/O端口435接收到的信号。收发机430可以被配置为根据一个或多个合适的无线通信协议进行操作,该无线通信协议包括(但不限于)由第三代合作伙伴计划(3GPP)的一个或多个版本、由IEEE 802.11无线通信标准族的一个或多个修正案、蓝牙联盟、或其他合适的通讯技术指定的无线通信协议。在各种实现方式中,收发机430还可被配置用于一种或多种合适的有线通信协议,包括(但不限于)以太网、同轴或光通信。
I/O端口435可以包括一个或多个无线通信接口和/或一个或多个有线通信接口。一个或多个无线通信接口可以包括天线、天线端口、天线切换电路、以及可以向其他设备或系统发送无线信号和从其他设备或系统接收无线信号的其他组件。一个或多个有线通信接口可以包括(但不限于)以太网接口、同轴电缆接口或光接口。
可以耦接到处理器410和存储器420的图像处理器440可以接收来自行人130、路侧传感器140、RSU 150、其他车辆160、移动计算设备190、或其他合适的来源中的一个或多个的原始图像和视频数据。在某些实现方式中,图像处理器440可以包括一个或多个图像处理电路,该图像处理电路可以处理原始图像和视频数据以标识各种道路特征(诸如道路、桥梁、隧道、十字路口、交通标志和信号等)、车辆120、行人130、其他车辆160、以及给定环境的各种其他物体、状况或属性。在某些方面,图像处理器440可以是执行存储在存储器(诸如存储器420)中的指令的通用处理单元。在其他方面,图像处理器440可以是专用集成电路(ASIC),其被配置为标识由原始图像和视频数据捕获的情景的各种物体、特征和特性。在某些其他方面,图像处理器440可以包括特定硬件和执行存储在存储器中的指令的能力的组合。
在各种实现方式中,图像处理器440可以融合、拼接或以其他方式组合从不同来源(诸如从多个路侧传感器140和/或RSU 150、来自行人130、路侧传感器140和/或RSU 150、其他车辆160、或移动计算设备190等的组合)接收的图像或视频数据以生成特定情景的复合3D点云。例如,图像处理器440可以融合、拼接或以其他方式组合交通相机提供的十字路口的图像数据、行人的智能电话提供的十字路口的图像数据、以及另一车辆的乘员提供的十字路口的图像数据以生成十字路口的合成图像数据。在某些方面,图像处理器440可以基于该合成图像数据生成十字路口的3D点云。3D点云可以被提供给机器学习引擎460以供进一步分析或处理。
用户界面450可以耦接到一个或多个处理器410和存储器420。用户界面450可以提供一种机制,用户可以通过该机制向车辆120传送命令、指示、警告、和其他信息,并且用户可以通过该机制从车辆120接收状态信息、位置信息、报告、和其他信息。用户界面450还可以提供一种机制,用户可以通过该机制向第三方实体170中的一个或多个传送指示和报告。在某些情况下,用户界面450可以包括显示屏、键盘、鼠标、扬声器、麦克风、和/或其他合适的输入/输出机制。
机器学习引擎460可以耦接到处理器410、图像处理器440和数据存储器470。机器学习引擎460可以包括物体检测和分类引擎462、驾驶行为引擎464、驾驶分数引擎466、和概率建模引擎468。在各种实现方式中,机器学习引擎460可以从诸如(但不限于)行人130、路侧传感器140、RSU 150、其他车辆160、或移动计算设备190的外部来源接收原始图像和视频数据。在某些实现方式中,机器学习引擎460可以从图像处理器440接收处理后的图像和视频数据。此外,在某些方面,机器学习引擎460可以从RADAR系统242、LIDAR系统244、相机248、或图2的车辆200的其他组件中的一个或多个接收感测、成像和/或绘图数据。
物体检测和分类引擎462可以解析和分析接收到的数据以检测和分类相关的环境、情景或地理区域中的各种物体。在各种实现方式中,物体检测和分类引擎462可以使用经过训练的机器学习模型来处理接收到的数据,以生成一个或多个边界框,该边界框对应于包括特定物体的3D点云或点图的一部分。在某些方面,机器学习模型可以使用先前捕获的图像数据、视频数据、和/或指示相关地理区域中每个交通标志的特征和位置的3D绘图信息来训练。
在某些实现方式中,物体检测和分类引擎462可以为每个边界框生成一个或多个分类,该分类指示特定物体的类别和类型。每个检测到的物体的类别和类型可以指示如何进一步处理与相应物体相关联的数据。在某些实现方式中,类别可以对应于物体检测和分类引擎462使用的一个或多个分类。在某些方面,至少某些类别可以与车辆、行人、交通标志、道路特征、天气状况等相关联,并且类型可以指示属于相应类别的物体的特定类型。例如,停车标志可能属于交通标志类别,并且可能具有指示停车标志的类型。再举个例子,速度限制标志可能属于交通标志类别,并且可能具有指示相应道路或公路的速度限制的类型。作为另一个示例,车辆120可能属于该车辆类别,并且可能具有指示车辆的类型。再举个例子,另一车辆160可能属于该车辆类别,并且可能具有指示其他车辆的类型。
驾驶行为引擎464可以解析和分析接收到的数据以确定车辆120是否无视了特定交通标志和/或违反了特定交通法规。在各种实现方式中,驾驶行为引擎464可以标识车辆120在某个时间段期间或在某个地理区域内无视特定交通标志或违反特定交通法规的每个事件。在某些方面,驾驶行为引擎464可以生成输出,该输出指示车辆120的观察到的驾驶行为与预期的驾驶行为之间的符合度和/或偏离度。在某些实现方式中,驾驶行为引擎464可以使用经过训练以标识和分类交通标志和交通法规的机器学习模型来处理接收到的数据。机器学习模型可以使用历史数据来训练,其中该历史数据指示与多个不同交通标志和交通法规中的每一个相关联的一个或多个预期的驾驶行为。
在某些实现方式中,该驾驶行为引擎464可以通过将观察到的车辆120的驾驶行为与对应于特定交通标志的预期的驾驶行为相关联来确定车辆120是否无视了特定交通标志。例如,驾驶行为引擎464可以基于观察到的车辆120的驾驶行为(例如,没有停在停车标志处)与对应的预期行为(例如,停在停车标志处)之间的关联确定车辆120是否无视了停车标志。在其他实现方式中,驾驶行为引擎464可以基于从路侧传感器140、RSU 150、其他车辆160、或移动计算设备190中的一个或多个接收的传感器数据来确定车辆120是否无视了特定交通标志。例如,驾驶行为引擎464可以通过比较车辆120的速率信息(例如,由车辆120、路侧传感器140、RSU 150、其他车辆160、或移动计算设备190中的一个或多个提供的传感器数据提供或从传感器数据导出)与指示的速度限制来确定车辆120无视了速度限制标志。
在各种实现方式中,驾驶行为引擎464可以通过将观察到的车辆120的驾驶行为与对应于特定交通法规的预期的驾驶行为相关联来确定车辆120是否无视了特定交通法规。在某些方面,驾驶行为引擎464可以确定与特定交通法规相关联的预期的驾驶行为,并将观察到的车辆120的驾驶行为与预期的驾驶行为相关联以确定观察到的驾驶行为与特定交通法规的符合度或偏离度。可以将所确定的符合度或偏离度与对应的阈值进行比较,以确定车辆120是否违反了特定交通法规。
例如,如果观察到车辆120在少于某个时间段(诸如2秒或3秒)内越过道路的双黄线几英寸,则驾驶行为引擎464可以确定车辆120没有违反禁止越过街道、道路和公路的双黄线的交通法规。相反地,如果驾驶行为引擎464确定整个车辆120越过双黄线超过一定次数或超过一定距离(诸如,在小于一英里中越过双黄线达十几次),则驾驶行为引擎464可以确定车辆120违反了禁止越过街道、道路和公路的双黄线的交通法规。
在某些实现方式中,驾驶行为引擎464可以解析和分析接收到的数据以确定车辆120的一个或多个驾驶属性。可以指示车辆120的驾驶行为的一个或多个驾驶属性可以包括(但不限于)以下:制动多于一定数量的实例、在车道内转弯、变换车道的次数超过第二实例的次数、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,所述驾驶车辆距另一车辆小于一定距离,或所述车辆的人类驾驶员注意力不集中。在某些方面,驾驶行为引擎464可以确定车辆120表现出的危险驾驶属性中的一个或多个与一个或多个相应阈值水平之间的偏差。此外,或替代地,驾驶行为引擎464可以确定车辆120先前表现出的任何危险驾驶属性是否不再存在。
驾驶分数引擎466可以基于驾驶行为引擎464生成的一个或多个输出来确定车辆120的驾驶分数或度量。在各种实现方式中,驾驶分数引擎466可以基于车辆120在某个时间段期间或在某个地理区域内无视交通标志或违反交通法规的事件的数量来生成驾驶分数。在某些实现方式中,驾驶分数还可以基于车辆120的观察到的驾驶行为与预期的驾驶行为之间的符合度和/或偏离度,其中该预期的驾驶行为与被无视的交通标志或违反的交通法规中的每个相关联。
在某些实现方式中,驾驶分数可以基于对车辆120在某个时间段期间或在某个地理区域内表现出的一个或多个危险驾驶属性的检测。如所讨论的,危险驾驶属性可以包括(但不限于)以下:制动多于一定数量的实例、在车道内转弯、变换车道的次数超过某个数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,该驾驶车辆距另一车辆小于某个距离、在车道转弯时或变换车道时未使用转向灯、或该车辆的人类驾驶员注意力不集中等。
在某些其他实现方式中,当车辆120先前表现出的危险驾驶属性中的一个或多个不再存在或由车辆120表现出时,可以调整驾驶分数。例如,如果在2小时的观察时间段的前几分钟内观察到车辆3次越过双黄线,但在该时间段的剩余时间内没有表现出任何危险驾驶属性,则在该时间段的前几分钟内生成的驾驶分数中的一个或多个可以被调整(例如,提高),以反映在该时间段的剩余时间内没有危险驾驶属性。此外,或可替代地,生成驾驶分数或度量的一个或多个方面可以通过使用一个或多个处理器410执行驾驶分数程序412来执行。
在各种实现方式中,驾驶分数引擎466可以针对相应车辆120确定一个以上的驾驶分数。也就是说,在某些实现方式中,该驾驶分数引擎466可以确定多个不同驾驶属性或类别中的每一个的驾驶分数。例如,该驾驶分数引擎466可以确定驾驶属性的驾驶分数,该驾驶属性包括(但不限于)违反交通法规、违反交通标志、超速、车道管理、驾驶员注意力、频繁制动、紧跟着前车、转弯、或未与其他车辆保持足够的距离。在某些情况下,该驾驶分数引擎466可以将加权值分配给单独的驾驶分数中的每一个,并且基于加权的单独的驾驶分数确定针对该车辆的总体驾驶分数。该驾驶分数引擎466可以通过选择和/或调整分配给单独的驾驶分数的加权值来确定每个单独的驾驶分数对总体驾驶分数的相对影响。以这种方式,该驾驶分数引擎466可以比其他驾驶分数(例如,频繁制动)更加注重某些驾驶分数(例如,超速)。
在某些实现方式中,个别驾驶分数中的每一个可以具有对应的不安全驾驶阈值,如果超过该阈值,则可能导致令人不满意的驾驶的确定结果,而与其他单独的驾驶分数无关。例如,如果车辆的速度限制分数超过对应的不安全阈值(例如,指示该车辆正超速或以鲁莽的速度行驶),即使车辆的其他单独的驾驶分数非常出色(例如,尽管该车辆具有出色的驾驶员注意力分数),检测系统400仍然可能会生成不安全或令人不满意的驾驶的指示。再举个例子,如果车辆的违反交通标志分数超过对应的不安全阈值(例如,指示车辆频繁无视停车标志继续行驶),即使车辆的其他单独的驾驶分数非常出色,检测系统400仍然可能会生成不安全或令人不满意的驾驶的指示。检测系统400可以响应于不安全或令人不满意的驾驶的指示向一个或多个相关的第三方传送通知。在其他实现方式中,该驾驶分数引擎466可以针对车辆的所有单独的驾驶分数使用单个阈值。
在一实现方式中,该检测系统400可以在第一位置和/或给定时间段的第一部分期间从一个或多个第一设备接收车辆120的第一速度的第一指示。检测系统400可以在第二位置和/或给定时间段的第二部分期间从第一设备或不同于该第一设备的一个或多个第二设备接收车辆120的第二速度的第二指示。第一设备和第二设备可以是能够确定车辆120的速率的任何合适的设备,并且可以包括(但不限于)路侧传感器140、RSU 150、其他车辆160、或移动计算设备190。在某些实现方式中,该驾驶分数引擎466可以基于该第一指示和第二指示确定车辆120是否超出速度限制多于一定量或超出速度限制多于持续时间。在其他实现方式中,该驾驶分数程序412可以由处理器410执行以基于该第一指示和第二指示确定车辆120是否超出速度限制多于一定量或超出速度限制多于持续时间。在某些情况下,该检测系统400可以至少部分地基于确定车辆120超出速度限制多于一定量(诸如5或10mph)或者超出速度限制多于持续时间(诸如5或10分钟)生成驾驶分数。
在各种实现方式中,该概率建模引擎468可以基于观察到的驾驶行为来确定车辆120卷入车辆事故的可能性。该概率建模引擎468还可以基于观察到的车辆120的驾驶行为来确定对车辆120的乘员或对一辆或多辆其他车辆160的乘员造成伤害的可能性。在某些实现方式中,该概率建模引擎468可以使用训练的机器学习模型来确定车辆120卷入车辆事故的可能性、确定车辆120对车辆120的乘员造成伤害的可能性、并且确定车辆120对一辆或多辆其他车辆的乘员造成伤害的可能性。在某些情况下,该机器学习模型可以用一个或多个数据集进行训练,这些数据集包括或指示各种驾驶行为和/或驾驶属性与卷入车辆事故或对一辆或多辆车辆的乘员造成身体伤害的概率之间的关联。
在某些其他实现方式中,概率建模引擎468可以确定车辆120在相对较短的时间段期间(例如,在接下来的20分钟、40分钟等)或在相对较短的距离内(例如,接下来的15英里、25英里等)造成事故、造成身体伤害、造成车辆120损坏、或产生其他不良行为的可能性。在某些情况下,概率建模引擎468可以确定在相对较长的时间段期间(例如,在接下来的一周或一个月内)造成事故、造成身体伤害、造成车辆120损坏或产生其他不良的行为的可能性。例如,在某些方面,概率建模引擎468可以确定持续进行某种驾驶行为使车辆卷入事故的可能性每年增加50%。
在各种实现方式中,一个或多个处理器410可以执行指示程序414以基于由驾驶分数引擎466(或驾驶分数程序412)提供的驾驶分数与阈值之间的比较来生成令人不满意的驾驶的指示。例如,指示程序414可以在驾驶分数大于阈值时生成令人不满意的驾驶的指示,并且当驾驶分数不大于阈值时可以不生成令人不满意的驾驶的指示。在某些情况下,可以只在该时间段期间标识的事件的数量超过阈值数时,该指示程序414才生成令人不满意的驾驶的指示。在某些情况下,可以只在标识出的事件的数量超过阈值数并且保持在该阈值数(或可能低于该阈值数的第二阈值数)之上达到某一时间或达到某一行驶的距离时,该指示程序414才生成令人不满意的驾驶的指示。
在某些实现方式中,检测系统400可以向第三方实体170中的一个或多个提供令人不满意的驾驶的指示。如所讨论的,一个或多个第三方实体可以包括(但不限于)车辆的人类驾驶员、车辆的人类乘客、车辆的所有者、车辆的承保方、车辆的平视显示器中、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆。
在多种实现方式中,检测系统400可以响应于确定至少一个驾驶分数超过阈值来限制该车辆的一个或多个操作。一个或多个操作可以被选择以通过表现出更安全的驾驶行为、遵循交通标志和遵守交通法规来激励车辆(或其人类驾驶员)改善其驾驶行为,从而提高其驾驶分数。在某些实现方式中,一个或多个操作可以包括(但不限于)限制车辆的最高速度、将车辆限制在超过公布的速度限制的一定量或百分比内的速度、禁止车辆使用HOV车道或收费车道,排除车队成员资格,取消车队成员资格,禁用或限制车辆的手动驾驶模式的一个或多个功能,禁用或限制车辆的自主驾驶模式的一个或多个功能,或其任何组合。
在某些情况下,一个或多个操作还可以包括禁用或限制车辆的信息娱乐系统的一个或多个功能。例如,检测系统400可以限制信息娱乐系统的音量级别,可以限制信息娱乐系统可以使用的时间量,可以限制信息娱乐系统上可用的无线电或卫星站的数量,可以限定信息娱乐系统呈现良好的驾驶技巧,可以减少信息娱乐系统的无线范围,可以基于车辆当前的驾驶行为增加或减少信息娱乐系统的一个或多个功能,或其任何组合。
在某些其他实现方式中,一个或多个操作可以加强安全驾驶实践,其中该安全驾驶实践包括(但不限于)要求车辆在公路的慢车道(例如,右车道)上行驶,要求车辆与其他车辆保持一定(或更多)距离,要求车辆不要超越其他车辆,要求车辆仅在某些区域内行驶,要求车辆仅沿某些路线行驶,或其任何组合。例如,在某些情况下,具有令人不满意的驾驶分数的车辆可能被限制在家与一个或多个选定位置(诸如(但不限于)学校、医生处、牙医处或杂货店之间行驶。在其他情况下,具有令人不满意的驾驶分数的车辆可能只允许在地面街道和双车道道路上行驶,和/或可能被禁止沿着具有超过一定数量的车道的道路或其速度限制高于一定速度的道路行驶。在某些其他情况下,具有令人不满意的驾驶分数的车辆可能会在到达目的地后禁用一段时间(诸如安全返回家中)。
在某些实现方式中,检测系统400可以警告其他车辆与行人该车辆的潜在安全风险。例如,在某些情况下,一个或多个操作可以包括(但不限于)激活视觉指示器(诸如车辆的危险警告灯)和/或音响指示器,以警告其他驾驶员该车辆的潜在安全风险。在某些其他情况下,一个或多个操作可以包括指示其他车辆远离车辆或增加它们各自与车辆的距离。
在各种实现方式中,检测系统400可以比被确定为构成最小风险的其他车辆更仔细地检查被确定为构成某种风险的车辆的驾驶行为。在某些实现方式中,检测系统400可以宣布在特定环境中存在相应车辆,并向环境中的各种传感和数据收集设备提供指示对相应车辆施加的限制和限定的信息。例如,该检测系统400可以通知一定区域内的一个或多个路侧传感器140或RSU 150,相应车辆被限制在50mph的最高速度并且不允许使用州际公路。以这种方式,如果从路侧传感器140或RSU 150接收到的数据捕获到在州际公路上行驶的相应车辆或指示相应车辆当前速度超过50mph,则检测系统400可以容易地确定该车辆不符合对车辆施加的限制和限定。当车辆不符合现有限制和限定时,该检测系统400还可以限制或禁用车辆的各种操作和功能。
在一种实现方式中,与具有令人不满意的驾驶分数的车辆的人类驾驶员相关联的实体可以参与选择对车辆(或其人类驾驶员)施加的限制和限定。例如,如果确定青少年表现出令人不满意的驾驶行为,则检测系统400可以将该令人不满意的驾驶行为通知青少年的父母并征求他们的意见,该意见关于应该禁用车辆的哪些操作或特征、车辆的哪些操作或作用应受到限定或限制,以及车辆的哪些操作或功能应保持在其当前状态。
对车辆施加的限制和限定可以保持任何合适的时间段。在某些情况下,限制和限定可以保持一个固定的时间段(诸如一周)。在其他情况下,限制和限定可以保持较短的时间段(诸如3天),然后在驾驶分数提高一定量或百分比时解除。在某些其他情况下,限制和限定可能会一直存在,直到青少年的父母(或某些其他相关的第三方)解除该限制或限定。
对车辆施加的限制和限定可能会逐渐或立即解除。例如,在某些情况下,检测系统400可以结合车辆的驾驶分数的增加逐渐增加车辆的最高速度。在其他情况下,检测系统400可以在驾驶分数提高一定量或百分比时立即允许车辆在HOV车道上行驶。在某些实现方式中,对车辆上施加的限制和限定的调整可以与驾驶分数成比例地变化。例如,小于第一个值的驾驶分数可能导致允许车辆以超过公布的速度限制10mph或更小的速率行驶,小于第二个值的驾驶分数可能导致允许车辆以超过公布的速度限制5mph或更小的速率行驶,并且小于第三个值的驾驶分数可能导致阻止车辆超过速度限制,其中第三个值小于第二个值,并且第二个值小于第一个值。
在某些实现方式中,一个或多个处理器410可以执行报告程序416以生成报告,该报告指示车辆120在某个时间段期间和/或在某个地理区域内表现出的每个危险驾驶属性的标识的事件的数量。在某些情况下,检测系统400可以向第三方实体170中的一个或多个提供该报告。
如本文所述的机器学习引擎460可以通过多种方法或方法的组合来执行,该方法包括(但不限于)监督学习、无监督学习、即时差分学习、或强化学习。可以根据本公开的各个方面使用的监督学习的某些非限制性示例包括人工神经网络、贝叶斯网络、决策树、高斯过程回归、最邻近算法、支持向量机、随机森林和隐马尔可夫模型。可以根据本公开的各个方面使用的无监督学习的某些非限制性示例包括神经网络、数据聚类、矢量量化和层次聚类。可以根据本公开的各个方面使用的即时差分学习的某些非限制性示例包括Q-学习和学习自动机。关于本文描述的监督学习、无监督学习、即时差分学习或其他机器学习的任何示例的具体细节是已知的并且在本公开的范围内。
可以耦接到存储器420和机器学习引擎460的数据存储器470可以是任何合适的存储器或存储设备,该存储器或存储设备适合于存储与确定观察到的车辆120的驾驶行为是否不安全或令人不满意相关联的信息或数据。在各种实现方式中,数据存储器470可以存储导航数据、一个或多个地理区域的详细绘图数据(诸如街道视图、卫星视图和3D点云)、指示一个或多个地理区域中的交通标志和交通信号的类型和位置的信息、指示一个或多个地理区域中的路侧传感器140和RSU 150的类型和位置的信息、一个或多个地理区域内的道路和街道的速度限制信息等。
在某些实现方式中,数据存储器470还可以存储天气信息、用户配置文件、安全信息、驾驶分数、以及与车辆120、周围环境和/或车辆120的乘员有关的其他信息。在某些方面,数据存储器470还可以存储用于机器学习引擎460中的一个或多个的训练数据。
图5A显示了根据某些实现方式描绘用于确定车辆的速度或速率的示例操作的图示500A。在各种实现方式中,该操作可以由图4的检测系统400的一个或多个组件执行。如图5A所示,车辆120正在沿着道路502行驶。第一RADAR设备511(其可以是路侧传感器140和/或RSU 150的示例)位于沿道路502的第一位置,并且第二RADAR设备512位于沿道路502的第二位置。随着车辆120接近第一RADAR设备511,该第一RADAR设备511在第一时间t1确定车辆120的第一速度。然后,随着车辆120接近第二RADAR设备512,该第二RADAR设备512在第二时间t2确定车辆120的第二速度。第一RADAR设备511可以将车辆120的第一速度传送到检测系统400。第二RADAR设备512可以将车辆120的第二速度传送到检测系统400。该检测系统400可以基于第一检测速度和第二检测速度确定车辆120是否超出适用于道路502的速度限制多于一定量和/或多于持续时间。
图5B和5C显示了根据某些实现方式描绘用于确定车辆120是否无视停车标志的示例操作的图示500B和500C。在各种实现方式中,该操作可以由图4的检测系统400的一个或多个组件执行。如图5B所示,车辆120正在沿着道路550行驶,接近与另一条道路552的十字路口560。另一车辆160停在十字路口560,该十字路口包括四向停车标志562(为简单起见仅示出一个停车标志562)。在某些实现方式中,物体检测和分类引擎462可以标识和分类该停车标志562。在其他实现方式中,车辆120(或其他实体,诸如其他车辆160)可以任何合适的方式标识停车标志562,诸如经由详细地图(例如,高清地图)。响应于此,该驾驶行为引擎464可以确定对应于停车标志的预期的驾驶行为。
稍后,如图5C所示,车辆120行驶通过十字路口560而不在停车标志562处停车。驾驶行为引擎464可以接收指示车辆120的驾驶行为的数据,该数据由与另一车辆160相关联的一个或多个传感器捕获和/或由与另一车辆160的一个或多个乘员相关联的一个或多个移动计算设备190捕获。在某些情况下,其他车辆的计算机视觉可以提供指示车辆120的驾驶行为的数据。在其他情况下,指示车辆120的驾驶行为的图像和/视频可以由一个或多个移动计算设备190捕获并提供给检测系统400。
驾驶行为引擎464可以将观察到的车辆120的驾驶行为与停车标志相关联的预期的驾驶行为进行比较。在该示例中,驾驶行为引擎464可以基于观察到的车辆120的驾驶行为(没有在停车标志562处停车)与和停车标志(在停车标志562处停车)相关联的预期的驾驶行为之间的不匹配确定车辆120无视了停车标志562。在某些情况下,可以通过观察到的车辆120的驾驶行为与预期的驾驶行为之间的关联小于某个关联值来指示该不匹配。在其他情况下,可以通过观察到的车辆120的驾驶行为与预期的驾驶行为之间的偏差大于某个偏差值来指示该不匹配。
在某些实现方式中,驾驶行为引擎464可以确定相应车辆违反或无视特定交通标志或交通法规的程度。例如,在某些情况下,驾驶行为引擎464可以确定相应车辆是否只是以相对较低的速度(诸如2-3mph)缓慢通过停车标志,或者相应车辆是否没有尝试减速而是以45mph的速度驶过该停车标志。由于以2mph或3mph的速度缓慢通过停车标志并不像以45mph的速度快速通过停车标志那样恶劣(并且造成事故或伤害的风险显著降低),因此驾驶检测系统可以基于违反停车标志的严重程度或鲁莽行为来确定驾驶分数。在该示例中,相应车辆的驾驶分数可能会受到与相应车辆通过停车标志的速度成比例的量的不利影响。
图6显示了根据某些实现方式描绘用于确定车辆的一个或多个驾驶特性的示例操作600的流程图。在各种实现方式中,该操作600可以由图4的驾驶检测系统400执行。在框602处,系统可以基于对该车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数。在框604处,系统可以基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示。在框606处,系统可以向一个或多个实体提供令人不满意的驾驶的指示。在某些实现方式中,可以只有在一个或多个驾驶分数超过阈值超过时间段的一部分或百分比时,才生成令人不满意的驾驶的指示。
该车辆可以是任何合适类型的车辆。例如,在某些实现方式中,车辆可以是自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有高级驾驶员辅助系统(ADAS)的车辆。在某些实现方式中,一个或多个实体可以包括(但不限于)车辆的人类驾驶员、车辆的人类乘客、车辆的所有者、车辆的承保方、车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆的至少一个。
在各种实现方式中,观察可以经由第五代新无线电(5G NR)系统的物理下行链路共享信道(PDSCH)、5G NR系统的车辆到万物(V2X)信道、5G NR系统的车辆到基础设施(V2I)信道、第四代无线电接入网(4G RAN)、未授权频段、点对点(P2P)通信链路、专用短程通信(DSRC)信道、无线局域网(WLAN)、或其任意组合从一个或多个设备接收。在某些实现方式中,一个或多个设备可以包括(但不限于)路侧相机140、路侧单元150、传感器、一辆或多辆其他车辆160的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人130的移动计算设备190、一辆或多辆其他车辆160的乘员162的移动计算设备190、与车辆相关联的麦克风、或其任何组合中的至少一个。
图7显示了根据某些实现方式描绘用于确定车辆的一个或多个驾驶特性的另一个示例操作700的流程图。在各种实现方式中,该操作700可以由图4的驾驶检测系统400执行。在某些情况下,操作700可以结合在图6的框604中生成令人不满意的驾驶的指示来执行。例如,在框702处,系统可以基于从一个或多个设备接收到的观察,标识车辆在时间段期间无视交通标志或违反交通法规的每个事件。在框704处,系统可以至少部分地基于时间段期间标识的事件的数量超过阈值数而生成令人不满意的驾驶的指示。
图8显示了根据某些实现方式描绘用于确定车辆的一个或多个驾驶特性的另一个示例操作800的流程图。在各种实现方式中,该操作800可以由图4的驾驶检测系统400执行。在某些情况下,操作800可以结合在图6的框604中生成令人不满意的驾驶的指示来执行。例如,在块802处,系统可以基于从一个或多个设备接收到的观察,标识该车辆在时间段期间表现出的一个或多个危险驾驶属性。在块804处,系统可以至少部分基于标识的危险驾驶属性生成令人不满意的驾驶的指示。
在某些实现方式中,一个或多个危险驾驶属性可以包括(但不限于)以下:制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,该驾驶车辆距另一车辆小于一定距离,或该车辆的人类驾驶员注意力不集中。在某些情况下,可以只有在该时间段期间标识出的一个或多个危险驾驶属性超出阈值数多于一定量或百分比时,才生成令人不满意的驾驶的指示。每种类型的危险驾驶属性的阈值数可以设置为任何合适的值。在各种实现方式中,可以将与不同危险驾驶属性对应的不同阈值设置为不同的值。例如,在某些情况下,系统可能不会生成超速指示,除非车辆超出适用的速度限制多于一定量(诸如5或10mph)或超出适用的速度限制多于一定百分比(诸如10或15百分比)。
在各种实现方式中,一个或多个第一设备可以标识车辆在第一位置和/或在第一时间表现出的第一数量的危险驾驶属性,并且一个或多个第二设备可以标识车辆在第二位置和/或第二时间表现出的第二数量的危险驾驶属性。即,在某些方面,一个或多个第一设备可以位于与一个或多个第二设备不同的位置。在某些实现方式中,第二数量的危险驾驶属性可以基于第一数量的危险驾驶属性的标识来分析。例如,如果系统标识出由一个或多个第一设备在第一位置和/或第一次观察到的车辆的多个相应危险驾驶属性,则系统可以确定任何相应危险驾驶属性是否也由一个或多个第二设备在第二位置和/或第二时间观察到。
在某些实现方式中,车辆的危险驾驶属性中的一个或多个可以由另一车辆连续捕获或提供。例如,在某些情况下,配备有传感器、计算机视觉和/或携带移动计算设备190的乘客的另一车辆可以跟随该车辆一段特定距离或时间段,在此时间段期间由另一车辆捕获的图像和/或视频可以发送到系统。该系统可以分析或处理接收到的图像和/或视频以确定观察到的车辆的驾驶行为是否表现出危险驾驶属性中的一种或多种。
图9显示了根据某些实现方式描绘用于调整车辆的一个或多个驾驶分数的示例操作900的流程图。在各种实现方式中,该操作900可以由图4的驾驶检测系统400执行。在某些情况下,操作900可以在图8的块804中生成令人不满意的驾驶的指示之后执行。例如,在框902处,系统可以确定在车辆的驾驶行为中是否不再观察到任何所标识的危险驾驶属性。在框904处,系统可以基于确定调整一个或多个驾驶分数。
图10显示了根据某些实现方式描绘用于生成车辆的令人不满意的驾驶行为的报告的示例操作1000的流程图。在各种实现方式中,该操作1000可以由图4的驾驶检测系统400执行。在某些情况下,操作1000可以在图8的块804中生成令人不满意的驾驶的指示之后执行。在块1002处,系统可以生成指示在该时间段期间标识出的危险驾驶属性的数量的报告。在块1004处,系统可以向一个或多个实体提供该报告。如所讨论的,在某些方面,一个或多个实体可以包括车辆的人类驾驶员、车辆的人类乘客、车辆的所有者、车辆的承保方、车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆的至少一个。
图11显示了根据某些实现方式描绘用于确定车辆造成的事故或伤害的可能性的示例操作1100的流程图。在各种实现方式中,该操作1100可以由图4的驾驶检测系统400执行。在某些情况下,操作1100可以在图6的操作600之前,期间或之后的任何时间执行。例如,在框1102处,系统可以基于接收到的观察,确定车辆卷入车辆事故的可能性、车辆对车辆乘员造成伤害的可能性、车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合。在框1102处,系统可以向一个或多个实体提供该确定的可能性。如所讨论的,在某些方面,一个或多个实体可以包括车辆的人类驾驶员、车辆的人类乘客、车辆的所有者、车辆的承保方、车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆的至少一个。
图12显示了根据某些实现方式描绘用于确定车辆是否超过速度限制的示例操作1200的流程图。在各种实现方式中,该操作1200可以由图4的驾驶检测系统400执行。在某些情况下,操作1200可以在图6的框606中提供令人不满意的驾驶的指示之前的任何合适的时间执行。例如,在框1202处,系统可以在时间段的第一部分期间从一个或多个第一设备接收车辆的第一速度的第一指示。在框1204处,系统可以在时间段的第二部分期间从一个或多个第二设备接收车辆的第二速度的第二指示。在框1206处,系统可以基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。
在各种实现方式中,第一指示可以由一个或多个第一设备捕获或提供,并且第二指示可以由一个或多个第二设备捕获或提供。在某些实现方式中,一个或多个第一设备可以位于与一个或多个第二设备不同的位置。在某些情况下,一个或多个第一设备可以是与一个或多个第二设备相同或相似的设备。在某些其他情况,一个或多个第一设备可以是与一个或多个第二设备不同的设备。
在某些实现方式中,第一指示或第二指示中的一个或多个可以由另一车辆捕获或提供。例如,在某些情况下,配备有传感器、计算机视觉和/或携带移动计算设备190的乘客的另一车辆可以跟随车辆一段特定距离或时间段,在此期间由另一车辆捕获的图像和/或视频可以发送到驾驶检测系统110。驾驶检测系统110可以分析或处理接收到的图像和/或视频以基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。在某些其他实现方式中,第一指示可以由靠近第一位置的一个或多个第一路侧传感器或RSU捕获或提供,并且第二指示可以由靠近不同于第一位置的第二位置的一个或多个第二路侧传感器或RSU捕获或提供。第一指示和第二指示可以被发送到检测系统110,该检测系统110可以分析或处理这些指示以确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。
图13显示了根据某些实现方式描绘用于采取与车辆相关联的纠正动作的示例操作1300的流程图。在各种实现方式中,该操作1300可以由图4的驾驶检测系统400执行。在某些情况下,操作1300可以在图6的操作600期间的任何合适的时间执行。在某些其他情况下,操作1300可以在图6的操作600之后执行。例如,在框1302处,系统可以响应于确定至少一个驾驶分数超过阈值来限制车辆的一个或多个操作。
在各种实现方式中,一个或多个操作可以包括限制车辆的速度或将车辆的速度限制在超过公布的速度限制的一定量或百分比内,禁用或限制车辆的信息娱乐系统的一个或多个功能,禁用或限制车辆的手动驾驶模式的一个或多个功能,禁用或限制车辆的自动驾驶模式的一个或多个功能,限定车辆行驶到某些区域或限定车辆沿某些路线行驶,要求车辆增加该车辆与其他车辆之间的间距,在车辆到达目的地后使车辆禁用一段时间,或其任意组合。
图14显示了根据某些实现方式描绘用于采取与车辆相关联的纠正动作的另一个示例操作1400的流程图。在各种实现方式中,该操作1400可以由图4的驾驶检测系统400执行。在某些情况下,操作1400可以在图6的操作600期间的任何合适的时间执行。在某些其他情况下,操作1400可以在图6的操作600之后执行。例如,在框1402处,系统可以响应于确定至少一个驾驶分数超过阈值来通知其他车辆远离该车辆或增加该车辆与其他车辆之间的距离。
图15显示了根据某些实现方式描绘用于采取与车辆相关联的纠正动作的另一个示例操作1500的流程图。在各种实现方式中,该操作1500可以由图4的驾驶检测系统400执行。在某些情况下,操作1500可以在图6的操作600期间的任何合适的时间执行。在某些其他情况下,操作1500可以在图6的操作600之后执行。例如,在块1502处,系统可以响应于确定至少一个驾驶分数超过阈值来指令一个或多个路侧相机或路侧传感器聚焦在该车辆上。
实现方式示例在以下编号的条款中描述:
1.一种系统,包括:
一个或多个收发机;以及
耦接到一个或多个收发机的一个或多个处理器,该一个或多个处理器被可操作地配置为:
基于对车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数;
基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示;并且
向一个或多个实体提供令人不满意的驾驶的指示。
2.根据条款1所述的系统,其中,车辆包括自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有高级驾驶员辅助系统(ADAS)的车辆。
3.根据条款1-2中任意一项或多项所述的系统,其中,一个或多个实体包括车辆的人类驾驶员、车辆的人类乘客、车辆的所有者、车辆的承保方、车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆的至少一个。
4.根据条款1-3中任意一项或多项所述的系统,其中,只有在一个或多个驾驶分数超出阈值多于该时间段的一部分或百分比时,才生成令人不满意的驾驶的指示。
5.根据条款1-4中任意一项或多项所述的系统,其中,一个或多个收发机被配置为经由第五代新无线电(5G NR)系统的物理下行链路共享信道(PDSCH)、5G NR系统的车辆到万物(V2X)信道、5G NR系统的车辆到基础设施(V2I)信道、第四代无线电接入网(4G RAN)、未授权频段、点对点(P2P)通信链路、专用短程通信(DSRC)信道、无线局域网(WLAN)、或其任意组合从一个或多个设备接收观察。
6.根据条款5所述的系统,其中,一个或多个设备包括路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与车辆相关联的麦克风、或其任何组合中的至少一个。
7.根据条款5所述的系统,其中,一个或多个处理器还被可操作地配置为:
基于从一个或多个设备接收到的观察,标识车辆在该时间段期间无视交通标志或违反交通法规发生的每个事件;并且
至少部分地基于时间段期间标识的事件的数量超过阈值数而生成令人不满意的驾驶的指示。
8.根据条款5所述的系统,其中,一个或多个处理器还被可操作地配置为:
基于从一个或多个设备接收到的观察,标识车辆在该时间段期间表现出的一个或多个危险驾驶属性;并且
至少部分基于标识的危险驾驶属性生成令人不满意的驾驶的指示。
9.根据条款8所述的系统,其中,只有在该时间段期间标识出的危险驾驶属性的数量超出阈值数多于一定量或百分比时,才生成令人不满意的驾驶的指示。
10.根据条款8-9中任意一项或多项所述的系统,其中,一个或多个危险驾驶属性包括以下中的至少一个:制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,驾驶车辆距另一车辆小于一定距离,或车辆的人类驾驶员注意力不集中。
11.根据条款8所述的系统,其中,一个或多个处理器还被可操作地配置为:
确定在车辆的驾驶行为中是否不再观察到任何所标识的危险驾驶属性;并且
基于确定调整一个或多个驾驶分数。
12.根据条款8所述的系统,其中,一个或多个处理器还被可操作地配置为:
生成报告,所述报告指示在该时间段期间标识出的危险驾驶属性的数量;并且
向一个或多个实体提供报告。
13.根据条款1-12中任意一项或多项所述的系统,其中,一个或多个处理器还被可操作地配置为:
在该时间段的第一部分期间从一个或多个第一设备接收车辆的第一速度的第一指示;
在该时间段的第二部分期间从一个或多个第二设备接收车辆的第二速度的第二指示;并且
基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。
14.根据条款13所述的系统,其中,生成令人不满意的驾驶的指示至少部分地基于确定车辆超出速度限制多于一定量或者超出速度限制多于持续时间。
15.根据条款1-14中任意一项或多项所述的系统,其中,一个或多个处理器还被可操作地配置为:
基于接收到的观察,确定车辆卷入车辆事故的可能性、车辆对车辆乘员造成伤害的可能性、车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合;并且
向一个或多个实体提供确定的可能性。
16.一种确定车辆的一个或多个驾驶特性的方法,包括:
基于对车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数;
基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示;并且
向一个或多个实体提供令人不满意的驾驶的指示。
17.根据条款16所述的方法,其中,车辆是自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有高级驾驶员辅助系统(ADAS)的车辆中的一个。
18.根据条款16-17中任意一项或多项所述的方法,其中,一个或多个实体包括车辆的人类驾驶员、车辆的人类乘客、车辆的所有者、车辆的承保方、车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆的至少一个。
19.根据条款16-18中任意一项或多项所述的方法,其中只有在一个或多个驾驶分数超出阈值多于该时间段的一部分或百分比时,才生成令人不满意的驾驶的指示。
20.根据条款16-19中任意一项或多项所述的方法,其中,观察是从一个或多个设备接收到的,该设备包括路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与车辆相关联的麦克风、或其任何组合中的至少一个。
21.根据条款20所述的方法,其中,方法还包括:
基于从一个或多个设备接收到的观察,标识车辆在该时间段期间无视交通标志或违反交通法规的每个事件;并且
至少部分地基于时间段期间标识的事件的数量超过阈值数而生成令人不满意的驾驶的指示。
22.根据条款20所述的方法,其中,方法还包括:
基于从一个或多个设备接收到的观察,标识车辆在该时间段期间表现出的一个或多个危险驾驶属性;并且
至少部分基于标识的危险驾驶属性生成令人不满意的驾驶的指示。
23.根据条款22所述的方法,其中,只有在该时间段期间标识出的危险驾驶属性的数量超出阈值数多于一定量或百分比时,才生成令人不满意的驾驶的指示。
24.根据条款22-23中任意一项或多项所述的方法,其中,一个或多个危险驾驶属性包括以下中的至少一个:制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,驾驶车辆距另一车辆小于一定距离,或车辆的人类驾驶员注意力不集中。
25.根据条款22所述的方法,其中,方法还包括:
确定在车辆的驾驶行为中是否不再观察到任何所标识的危险驾驶属性;并且
基于确定调整一个或多个驾驶分数。
26.根据条款25所述的方法,其中,方法还包括:
生成报告,所述报告指示在时间段期间标识出的危险驾驶属性的数量;并且
向一个或多个实体提供报告。
27.根据条款16-26中任意一项或多项所述的方法,其中,方法还包括:
在该时间段的第一部分期间从一个或多个第一设备接收车辆的第一速度的第一指示;
在该时间段的第二部分期间从一个或多个第二设备接收车辆的第二速度的第二指示;并且
基于第一指示和第二指示确定车辆是否超出速度限制多于一定量或超出速度限制多于持续时间。
28.根据条款16-27中任意一个或多个所述的方法,其中,方法还包括:
基于接收到的观察,确定车辆卷入车辆事故的可能性、车辆对车辆乘员造成伤害的可能性、车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合;并且
向一个或多个实体提供确定的可能性。
29.一种系统,包括:
用于基于对该车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数的部件;
用于基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示的部件;并且
用于向一个或多个实体提供令人不满意的驾驶的指示的部件。
30.一种存储计算机可执行代码的非暂时性计算机可读介质,当该代码由系统的一个或多个处理器执行时,使该系统执行包含以下的操作:
基于对车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数;
基于超过阈值的一个或多个驾驶分数中的至少一个生成令人不满意的驾驶的指示;并且
向一个或多个实体提供令人不满意的驾驶的指示。
31.根据条款1-15中任意一项或多项所述的系统,其中,一个或多个处理器还被可操作地配置为:
响应于确定至少一个驾驶分数超过阈值来限制车辆的一个或多个操作。
32.根据条款31所述的系统,其中一个或多个操作包括限制车辆的速度或将车辆的速度限制在超过公布的速度限制的一定量或百分比内。
33.根据条款32所述的系统,其中,一个或多个操作包括禁用或限制车辆的信息娱乐系统的一个或多个功能。
34.根据条款32所述的系统,其中,一个或多个操作包括禁用或限制车辆的手动驾驶模式的一个或多个功能。
35.根据条款32所述的系统,其中,一个或多个操作包括禁用或限制车辆的自主驾驶模式的一个或多个功能。
36.根据条款32所述的系统,其中一个或多个操作包括限定车辆行驶到某些区域或限定车辆沿某些路线行驶。
37.根据条款32所述的系统,其中一个或多个操作包括要求车辆增加该车辆与其他车辆之间的间距。
38.根据条款32所述的系统,其中一个或多个操作包括在车辆到达目的地后使车辆禁用一段时间。
39.根据条款1-15中任意一项或多项所述的系统,其中,一个或多个处理器还被可操作地配置为:
响应于确定至少一个驾驶分数超过阈值来通知其他车辆远离该车辆或增加该车辆与其他车辆之间的距离。
40.根据条款1-15中任意一项或多项所述的系统,其中,一个或多个处理器还被可操作地配置为:
响应于确定至少一个驾驶分数超过阈值来通知一个或多个路侧相机或路侧传感器聚焦在该车辆上。
如本文所用,涉及项目列表中的“至少一个”的短语是指那些项目的任何组合,包含单个成员。例如,“a、b或c中的至少一个”旨在涵盖:a、b、c、a-b、a-c、b-c和a-b-c。
结合本文公开的各种实现方式的各种说明性的逻辑、逻辑块、模块、电路和算法过程可以被实现为电子硬件、计算机软件、或二者的组合。硬件和软件的可互换性已在功能方面进行了一般性描述,并在上述各种说明性组件、块、模块、电路和过程中进行了说明。将这种功能性在硬件还是软件中实现取决于特定的应用和施加在整个系统上的设计约束。
结合本文公开的各方面描述的用于实现各种说明性逻辑、逻辑块、模块和电路的硬件和数据处理装置可以用被设计为执行在本文所述的功能的通用单芯片或多芯片处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、或其它可编程逻辑设备、分立门或晶体管逻辑、分立硬件组件、或它们的任何组合来实施或执行。通用处理器可以是微处理器,或任何常规处理器、控制器、微控制器或状态机。处理器也可以实现成计算设备的组合(诸如DSP和微处理器的组合)、多个微处理器、与DSP核心结合的一个或多个微处理器、或任何其他这样的配置。在某些实现方式中,特定过程和方法可以由特定于给定功能的电路来执行。
在一个或多个方面中,所描述的功能可以在硬件、数字电子电路、计算机软件、固件中实现,包括在本说明书中公开的结构及其结构等效物,或者以它们的任何组合。本说明书中描述的主题的实现方式也可以实现为一个或多个计算机程序,即,计算机程序指令的一个或多个模块,计算机程序指令在计算机存储介质上编码,用于由数据处理装置执行或控制数据处理装置的操作。
如果以软件实现,则功能可以作为一个或多个指令或代码存储在计算机可读介质上或经由该计算机可读介质发送。本文公开的方法或算法的过程可以在可以位于计算机可读介质上的处理器可执行软件模块中实现。计算机可读介质包括计算机存储介质和通信介质两者,该通信介质包括可以将计算机程序从一处转移到另一处的任何介质。存储介质可以是可以由计算机访问的任何可用介质。通过示例的方式而不是限制的方式,这种计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或者可以用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机访问的任何其它介质。而且,任何连接可以适当地称为计算机可读介质。如本文中使用的磁盘及光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)、软盘及蓝光光盘,其中磁盘通常磁性地再现数据,而光盘通过激光光学地再现数据。上述的组合也应包括在计算机可读介质的范围内。此外,方法或算法的操作可以作为一个或任何组合或一组代码和指令位于在机器可读介质和计算机可读介质上,它们可以并入计算机程序产品中。
对本公开描述的实现方式的各种修改对于本领域技术人员而言可以是显而易见的,并且在不脱离本公开的精神或范围的情况下,本文中定义的一般原理可以应用于其他实现方式。因此,本权利要求不旨在限于本文显示的实现方式,而应被赋予与本文公开的公开、原理和新颖性特征一致的最广泛范围。
Claims (30)
1.一种系统,包括:
一个或多个收发机;以及
耦接到所述一个或多个收发机的一个或多个处理器,所述一个或多个处理器被可操作地配置为:
基于对车辆在一个时间段期间的驾驶行为的观察确定所述车辆的一个或多个驾驶分数;
基于所述一个或多个驾驶分数中的至少一个超过阈值生成令人不满意的驾驶的指示;并且
向一个或多个实体提供所述令人不满意的驾驶的指示。
2.根据权利要求1所述的系统,其中,所述车辆包括自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有高级驾驶员辅助系统(ADAS)的车辆。
3.根据权利要求1所述的系统,其中,所述一个或多个实体包括所述车辆的人类驾驶员、所述车辆的人类乘客、所述车辆的所有者、所述车辆的承保方、所述车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆中的至少一个。
4.根据权利要求1所述的系统,其中,只有在所述一个或多个驾驶分数超过所述阈值多于所述时间段的一部分或百分比时,才生成所述令人不满意的驾驶的指示。
5.根据权利要求1所述的系统,其中,所述一个或多个收发机被配置为经由第五代新无线电(5G NR)系统的物理下行链路共享信道(PDSCH)、5GNR系统的车辆到万物(V2X)信道、5GNR系统的车辆到基础设施(V2I)信道、第四代无线电接入网(4G RAN)、非许可频带、点对点(P2P)通信链路、专用短程通信(DSRC)信道、无线局域网(WLAN)、或其任意组合从一个或多个设备接收所述观察。
6.根据权利要求5所述的系统,其中,所述一个或多个设备包括路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与所述车辆相关联的麦克风、或其任何组合中的至少一个。
7.根据权利要求5所述的系统,其中,所述一个或多个处理器还被可操作地配置为:
基于从所述一个或多个设备接收到的所述观察,标识所述车辆在所述时间段期间无视交通标志或违反交通法规发生的每个事件;并且
至少部分地基于所述时间段期间标识的事件的数量超过阈值数生成所述令人不满意的驾驶的指示。
8.根据权利要求5所述的系统,其中,所述一个或多个处理器还被可操作地配置为:
基于从所述一个或多个设备接收到的所述观察,标识所述车辆在所述时间段期间表现出的一个或多个危险驾驶属性;并且
至少部分基于所标识的危险驾驶属性生成所述令人不满意的驾驶的指示。
9.根据权利要求8所述的系统,其中,只有在所述时间段期间标识出的危险驾驶属性的数量超过阈值数多于一定量或百分比时,才生成所述令人不满意的驾驶的指示。
10.根据权利要求8所述的系统,其中,所述一个或多个危险驾驶属性包括以下中的至少一个:制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,驾驶所述车辆距另一车辆小于一定距离,或所述车辆的人类驾驶员注意力不集中。
11.根据权利要求8所述的系统,其中,所述一个或多个处理器还被可操作地配置为:
确定在所述车辆的所述驾驶行为中是否不再观察到任何所标识的危险驾驶属性;并且
基于所述确定调整所述一个或多个驾驶分数。
12.根据权利要求8所述的系统,其中,所述一个或多个处理器还被可操作地配置为:
生成报告,所述报告指示在所述时间段期间标识出的所述危险驾驶属性的数量;并且
向所述一个或多个实体提供所述报告。
13.根据权利要求1所述的系统,其中,所述一个或多个处理器还被可操作地配置为:
在所述时间段的第一部分期间从一个或多个第一设备接收所述车辆的第一速度的第一指示;
在所述时间段的第二部分期间从一个或多个第二设备接收所述车辆的第二速度的第二指示;并且
基于所述第一指示和所述第二指示确定所述车辆是否超出速度限制多于一定量或超出所述速度限制多于持续时间。
14.根据权利要求13所述的系统,其中,生成所述令人不满意的驾驶的指示至少部分地基于确定所述车辆超出所述速度限制多于一定量或者超出所述速度限制多于所述持续时间。
15.根据权利要求1所述的系统,其中,所述一个或多个处理器还被可操作地配置为:
基于所接收到的观察,确定所述车辆卷入车辆事故的可能性、所述车辆对所述车辆的乘员造成伤害的可能性、所述车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合;并且
向所述一个或多个实体提供所述确定的可能性。
16.一种确定车辆的一个或多个驾驶特性的方法,包括:
基于对所述车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数;
基于所述一个或多个驾驶分数中的至少一个超过阈值生成令人不满意的驾驶的指示;以及
向一个或多个实体提供所述令人不满意的驾驶的指示。
17.根据权利要求16所述的方法,其中,所述车辆包括自主车辆、半自主车辆、配置用于进行乘客服务的自主车辆、或由人类驾驶员操作并配备有高级驾驶员辅助系统(ADAS)的车辆。
18.根据权利要求16所述的方法,其中,所述一个或多个实体包括所述车辆的人类驾驶员、所述车辆的人类乘客、所述车辆的所有者、所述车辆的承保方、所述车辆的平视显示器、执法机构、一辆或多辆警车、政府机动车辆管理局、或一辆或多辆其他车辆中的至少一个。
19.根据权利要求16所述的方法,其中,只有在所述一个或多个驾驶分数超过所述阈值多于所述时间段的一部分或百分比时,才生成所述令人不满意的驾驶的指示。
20.根据权利要求16所述的方法,其中,所述观察是从一个或多个设备接收到的,所述设备包括路侧相机、路侧传感器、一个或多个其他车辆的计算机视觉系统、LIDAR设备、RADAR设备、一个或多个行人的移动计算设备、一辆或多辆其他车辆的乘员的移动计算设备、与所述车辆相关联的麦克风、或其任何组合中的至少一个。
21.根据权利要求20所述的方法,其中,所述方法还包括:
基于从所述一个或多个设备接收到的所述观察,标识所述车辆在所述时间段期间无视交通标志或违反交通法规而发生的每个事件;并且
至少部分地基于所述时间段期间标识的事件的数量超过阈值数而生成所述令人不满意的驾驶的指示。
22.根据权利要求20所述的方法,其中,所述方法还包括:
基于从所述一个或多个设备接收到的所述观察,标识所述车辆在所述时间段期间表现出的一个或多个危险驾驶属性;并且
至少部分基于所述标识的危险驾驶属性生成所述令人不满意的驾驶的指示。
23.根据权利要求22所述的方法,其中,只有在所述时间段期间标识出的危险驾驶属性的数量超出阈值数多于一定量或百分比时,才生成所述令人不满意的驾驶的指示。
24.根据权利要求22所述的方法,其中,所述一个或多个危险驾驶属性包括以下中的至少一个:制动多于一定数量的实例、在车道内转弯、变换车道多于第二数量的实例、跨越多个车道边界、对另一车辆闪烁大灯、紧跟另一车辆,驾驶所述车辆距另一车辆小于一定距离,或所述车辆的人类驾驶员注意力不集中。
25.根据权利要求22所述的方法,其中,所述方法还包括:
确定在所述车辆的所述驾驶行为中是否不再观察到任何所标识的危险驾驶属性;并且
基于所述确定调整所述一个或多个驾驶分数。
26.根据权利要求25所述的方法,其中,所述方法还包括:
生成报告,所述报告指示在所述时间段期间标识出的所述危险驾驶属性的数量;并且
向所述一个或多个实体提供所述报告。
27.根据权利要求16所述的方法,其中,所述方法还包括:
在所述时间段的第一部分期间从一个或多个第一设备接收所述车辆的第一速度的第一指示;
在所述时间段的第二部分期间从一个或多个第二设备接收所述车辆的第二速度的第二指示;并且
基于所述第一指示和所述第二指示确定所述车辆是否超出速度限制多于一定量或超出所述速度限制多于持续时间。
28.根据权利要求16所述的方法,其中,所述方法还包括:
基于所接收到的观察,确定所述车辆卷入车辆事故的可能性、所述车辆对所述车辆的乘员造成伤害的可能性、所述车辆对一辆或多辆其他车辆的乘员造成伤害的可能性、或其任何组合;并且
向所述一个或多个实体提供所述确定的可能性。
29.一种系统,包括:
用于基于对所述车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数的部件;
用于基于所述一个或多个驾驶分数中的至少一个超过阈值生成令人不满意的驾驶的指示的部件;以及
用于向一个或多个实体提供所述令人不满意的驾驶的指示的部件。
30.一种存储计算机可执行代码的非暂时性计算机可读介质,当所述代码由系统的一个或多个处理器执行时,使所述系统执行包含以下的操作:
基于对所述车辆在一个时间段期间的驾驶行为的观察确定车辆的一个或多个驾驶分数;
基于所述一个或多个驾驶分数中的至少一个超过阈值生成令人不满意的驾驶的指示;以及
向一个或多个实体提供所述令人不满意的驾驶的指示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/315,609 US11820387B2 (en) | 2021-05-10 | 2021-05-10 | Detecting driving behavior of vehicles |
US17/315,609 | 2021-05-10 | ||
PCT/US2022/020798 WO2022240483A1 (en) | 2021-05-10 | 2022-03-17 | Detecting driving behavior of vehicles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117296347A true CN117296347A (zh) | 2023-12-26 |
Family
ID=81325839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280033025.4A Pending CN117296347A (zh) | 2021-05-10 | 2022-03-17 | 检测车辆的驾驶行为 |
Country Status (8)
Country | Link |
---|---|
US (1) | US11820387B2 (zh) |
EP (1) | EP4338446A1 (zh) |
JP (1) | JP2024518931A (zh) |
KR (1) | KR20240006532A (zh) |
CN (1) | CN117296347A (zh) |
BR (1) | BR112023022905A2 (zh) |
TW (1) | TW202246093A (zh) |
WO (1) | WO2022240483A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10096067B1 (en) * | 2014-01-24 | 2018-10-09 | Allstate Insurance Company | Reward system related to a vehicle-to-vehicle communication system |
US11462111B2 (en) * | 2019-04-29 | 2022-10-04 | Qualcomm Incorporated | Method and apparatus for vehicle maneuver planning and messaging |
US11894129B1 (en) | 2019-07-03 | 2024-02-06 | State Farm Mutual Automobile Insurance Company | Senior living care coordination platforms |
US11367527B1 (en) | 2019-08-19 | 2022-06-21 | State Farm Mutual Automobile Insurance Company | Senior living engagement and care support platforms |
US11688516B2 (en) * | 2021-01-19 | 2023-06-27 | State Farm Mutual Automobile Insurance Company | Alert systems for senior living engagement and care support platforms |
KR20230019334A (ko) * | 2021-07-30 | 2023-02-08 | 현대자동차주식회사 | 차량 경로 제어 장치 및 차량의 경로 제어 방법 |
US20230286514A1 (en) * | 2022-03-08 | 2023-09-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | Detection of abnormal driving based on behavior profiles |
US12054172B2 (en) * | 2022-08-12 | 2024-08-06 | GM Global Technology Operations LLC | Vehicle occupant risky behavior recognition and risk mitigation |
CN117041503A (zh) * | 2023-10-10 | 2023-11-10 | 四川科泰智能电子有限公司 | 高性能闪存阵列视频识别设备及方法 |
Family Cites Families (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7389178B2 (en) * | 2003-12-11 | 2008-06-17 | Greenroad Driving Technologies Ltd. | System and method for vehicle driver behavior analysis and evaluation |
DE102004008894A1 (de) * | 2004-02-24 | 2005-09-08 | Robert Bosch Gmbh | Sicherheitssystem für ein Fortbewegungsmittel sowie hierauf bezogenes Verfahren |
US9848289B2 (en) * | 2006-03-08 | 2017-12-19 | Octo Advisory Inc. | Safe driving monitoring system |
US7839292B2 (en) * | 2007-04-11 | 2010-11-23 | Nec Laboratories America, Inc. | Real-time driving danger level prediction |
US9615213B2 (en) * | 2009-07-21 | 2017-04-04 | Katasi Llc | Method and system for controlling and modifying driving behaviors |
WO2011071177A1 (ja) * | 2009-12-11 | 2011-06-16 | オプテックス株式会社 | 運転挙動検出方法および装置 |
CA2735458A1 (fr) * | 2011-03-22 | 2012-09-22 | Denis Hugron | Systeme interactif pour la prevention des accidents automobiles causes par le non respect des regles de la circulation, procede de fabrication et utilisation du systeme avec des vehicules |
US9368028B2 (en) | 2011-12-01 | 2016-06-14 | Microsoft Technology Licensing, Llc | Determining threats based on information from road-based devices in a transportation-related context |
US20200064444A1 (en) * | 2015-07-17 | 2020-02-27 | Origin Wireless, Inc. | Method, apparatus, and system for human identification based on human radio biometric information |
US8758126B2 (en) * | 2012-11-08 | 2014-06-24 | Audible, Inc. | In-vehicle gaming system for passengers |
US9104535B1 (en) * | 2012-12-19 | 2015-08-11 | Allstate Insurance Company | Traffic based driving analysis |
US9105066B2 (en) * | 2013-03-10 | 2015-08-11 | State Farm Mutual Automobile Insurance Company | Trip-based vehicle insurance |
US10423982B2 (en) * | 2014-05-19 | 2019-09-24 | Allstate Insurance Company | Content output systems using vehicle-based data |
US11127042B2 (en) * | 2014-05-19 | 2021-09-21 | Allstate Insurance Company | Content output systems using vehicle-based data |
US20210133871A1 (en) * | 2014-05-20 | 2021-05-06 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle operation feature usage recommendations |
US10122736B2 (en) | 2014-06-02 | 2018-11-06 | Bastille Networks, Inc. | Ground and air vehicle electromagnetic signature detection and localization |
US10540723B1 (en) * | 2014-07-21 | 2020-01-21 | State Farm Mutual Automobile Insurance Company | Methods of providing insurance savings based upon telematics and usage-based insurance |
JP6486640B2 (ja) * | 2014-10-09 | 2019-03-20 | 株式会社日立製作所 | 運転特性診断装置、運転特性診断システム、運転特性診断方法、情報出力装置、情報出力方法 |
GB201420988D0 (en) * | 2014-11-26 | 2015-01-07 | Tomtom Telematics Bv | Apparatus and method for vehicle economy improvement |
US9669833B2 (en) * | 2015-07-21 | 2017-06-06 | GM Global Technology Operations LLC | Method and system for operating adaptive cruise control system |
CN105966404A (zh) * | 2015-11-06 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种驾驶行为评测方法及装置 |
US10720080B1 (en) * | 2015-11-18 | 2020-07-21 | State Farm Mutual Automobile Insurance Company | System and method for determining a quality of driving of a vehicle |
US9915543B2 (en) * | 2016-01-05 | 2018-03-13 | Allstate Insurance Company | Data processing system communicating with a map data processing system to determine or alter a navigation path based on one or more road segments |
US10529221B2 (en) | 2016-04-19 | 2020-01-07 | Navio International, Inc. | Modular approach for smart and customizable security solutions and other applications for a smart city |
US20180096629A1 (en) * | 2016-10-04 | 2018-04-05 | GM Global Technology Operations LLC | Virtual driving school |
US10134279B1 (en) * | 2017-05-05 | 2018-11-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for visualizing potential risks |
US10633001B2 (en) * | 2017-06-05 | 2020-04-28 | Allstate Insurance Company | Vehicle telematics based driving assessment |
KR102387240B1 (ko) * | 2017-06-20 | 2022-04-15 | 모셔널 에이디 엘엘씨 | 자율 주행 능력들을 갖는 차량들에 대한 위험 처리 |
US11151813B2 (en) * | 2017-06-28 | 2021-10-19 | Zendrive, Inc. | Method and system for vehicle-related driver characteristic determination |
WO2019048034A1 (en) * | 2017-09-06 | 2019-03-14 | Swiss Reinsurance Company Ltd. | ELECTRONIC TRACKING AND RECORDING IDENTIFICATION SYSTEM FOR TELEMATIC DEVICES, AND CORRESPONDING METHOD THEREOF |
US10878062B1 (en) * | 2017-09-06 | 2020-12-29 | State Farm Mutual Automobile Insurance Company | Systems and methods for analyzing captured biometric data |
US10300922B2 (en) * | 2017-09-29 | 2019-05-28 | Denso International America, Inc. | Risk assessment system for assessing current driver behavior relative to past behavior and behaviors of other drivers |
TWI674210B (zh) | 2017-12-04 | 2019-10-11 | 財團法人資訊工業策進會 | 偵測具威脅性車輛之系統及方法 |
US11009876B2 (en) | 2018-03-14 | 2021-05-18 | Micron Technology, Inc. | Systems and methods for evaluating and sharing autonomous vehicle driving style information with proximate vehicles |
US10614310B2 (en) * | 2018-03-22 | 2020-04-07 | Viisights Solutions Ltd. | Behavior recognition |
US11994860B2 (en) * | 2018-06-15 | 2024-05-28 | Allstate Insurance Company | Processing system for evaluating autonomous vehicle control systems through continuous learning |
US10915105B1 (en) * | 2018-06-25 | 2021-02-09 | Allstate Insurance Company | Preemptive logical configuration of vehicle control systems |
US20200055525A1 (en) * | 2018-08-20 | 2020-02-20 | Ford Global Technologies, Llc | Fuel consumption-based driving behavior scoring |
CN109085837B (zh) * | 2018-08-30 | 2023-03-24 | 阿波罗智能技术(北京)有限公司 | 车辆控制方法、装置、计算机设备及存储介质 |
US10703378B1 (en) | 2018-11-28 | 2020-07-07 | BlueOwl, LLC | System and method of reducing vehicle collisions based on driver risk groups |
US11181922B2 (en) * | 2019-03-29 | 2021-11-23 | Zoox, Inc. | Extension of autonomous driving functionality to new regions |
US10946862B1 (en) * | 2019-06-25 | 2021-03-16 | Allstate Insurance Company | Utilizing vehicle telematics to detect, evaluate, and respond to driving behaviors |
JP2021026718A (ja) * | 2019-08-08 | 2021-02-22 | トヨタ自動車株式会社 | 運転行動評価装置及びプログラム |
JP7212607B2 (ja) * | 2019-09-26 | 2023-01-25 | ペンタ・セキュリティ・システムズ・インコーポレーテッド | 車両can bus信号を利用した機械学習基盤運転者異常感知方法および装置 |
US11132565B2 (en) * | 2019-09-27 | 2021-09-28 | The Travelers Indemnity Company | Systems and methods for artificial intelligence (AI) driving analysis and incentives |
US20210110480A1 (en) * | 2019-10-13 | 2021-04-15 | TrueLite Trace, Inc. | Intelligent machine sensing and machine learning-based commercial vehicle insurance risk scoring system |
US20210125076A1 (en) * | 2019-10-29 | 2021-04-29 | Denso International America, Inc. | System for predicting aggressive driving |
US11007979B1 (en) * | 2020-02-18 | 2021-05-18 | Spireon, Inc. | Vehicle theft detection |
US11312386B2 (en) * | 2020-02-19 | 2022-04-26 | Autotalks Ltd. | System and method for driver risk grading based on vehicle-to everything (V2X) communication |
US20220005086A1 (en) * | 2020-07-06 | 2022-01-06 | ANI Technologies Private Limited | Performance assessment of drivers |
FI129297B (fi) * | 2021-02-19 | 2021-11-15 | Taipale Telematics Oy | Laite, menetelmä ja tietokoneohjelma ajoneuvon kuljettajan ajotavan määrittämiseksi |
US11615478B2 (en) * | 2021-02-19 | 2023-03-28 | Allstate Insurance Company | Selectively shared vehicle-based telematics |
US12005928B2 (en) * | 2021-08-10 | 2024-06-11 | Gm Cruise Holdings Llc | Dangerous road user detection and response |
-
2021
- 2021-05-10 US US17/315,609 patent/US11820387B2/en active Active
-
2022
- 2022-03-17 CN CN202280033025.4A patent/CN117296347A/zh active Pending
- 2022-03-17 KR KR1020237037837A patent/KR20240006532A/ko unknown
- 2022-03-17 WO PCT/US2022/020798 patent/WO2022240483A1/en active Application Filing
- 2022-03-17 BR BR112023022905A patent/BR112023022905A2/pt unknown
- 2022-03-17 JP JP2023568118A patent/JP2024518931A/ja active Pending
- 2022-03-17 EP EP22715824.3A patent/EP4338446A1/en active Pending
- 2022-03-18 TW TW111110197A patent/TW202246093A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
TW202246093A (zh) | 2022-12-01 |
KR20240006532A (ko) | 2024-01-15 |
US20220355802A1 (en) | 2022-11-10 |
WO2022240483A1 (en) | 2022-11-17 |
US11820387B2 (en) | 2023-11-21 |
BR112023022905A2 (pt) | 2024-01-23 |
JP2024518931A (ja) | 2024-05-08 |
EP4338446A1 (en) | 2024-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11820387B2 (en) | Detecting driving behavior of vehicles | |
US11990036B2 (en) | Driver behavior monitoring | |
US11879742B2 (en) | Autonomous vehicle application | |
US20240290201A1 (en) | Driver behavior monitoring | |
US10679497B1 (en) | Autonomous vehicle application | |
EP3703028A1 (en) | Operation of a vehicle in the event of an emergency | |
US9940834B1 (en) | Autonomous vehicle application | |
US11967230B2 (en) | System and method for using V2X and sensor data | |
CN110603497B (zh) | 自主车辆操作管理控制的自主车辆和方法 | |
KR20190107057A (ko) | 차량 움직임에 기반한 항법 | |
US20240025443A1 (en) | Path generation based on predicted actions | |
US20230221128A1 (en) | Graph Exploration for Rulebook Trajectory Generation | |
US11209830B2 (en) | Safety aware automated governance of vehicles | |
WO2023245073A1 (en) | Method and system for controlling an autonomous vehicle | |
US20240025444A1 (en) | Path generation based on predicted actions | |
US20230398866A1 (en) | Systems and methods for heads-up display | |
KR102608705B1 (ko) | 도로의 사고 발생 위험을 알리는 안전제어 신호를 생성하는 방법 및 장치 | |
US20230331256A1 (en) | Discerning fault for rule violations of autonomous vehicles for data processing | |
US12002357B2 (en) | Data consumable for intelligent transport system |
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 |