CN117584960A - 带用于超过关联预测减速事件的远距车辆系统的自主车辆 - Google Patents

Abstract

一种自主车辆，包括系统，该系统具有用于产生与远距车辆相关联的输入信号的一个或多个输入装置。该系统还包括计算机，该计算机具有编程为从输入装置接收输入信号的一个或多个处理器。处理器还编程为基于输入信号确定远距车辆的速度曲线，基于输入信号确定远距车辆是交通障碍，并且确定与交通障碍和速度曲线相关联的预测的减速事件。处理器还编程为响应于处理器确定速度曲线、交通障碍以及预测的减速事件而产生致动信号。通知装置响应于通知装置从处理器接收到致动信号而向用户提供预测减速事件的通知。

Description

带用于超过关联预测减速事件的远距车辆系统的自主车辆

技术领域

本公开涉及监视交通堵塞并且基于交通堵塞控制车辆的系统，更具体地涉及具有用于确定预测减速事件并且使自主车辆能够超过与预测减速事件相关联的远距车辆的系统的自主车辆。

背景技术

自适应巡航控制系统(ACC系统)使自主(EGO)车辆保持在远距车辆之后的预定距离处并且在相关联的速度限制内。ACC系统基于一个或多个输入信号(例如，与直接在自主车辆上游的远距车辆的实时速度相关联的输入信号)自动地调节自主车辆的速度。然而，当远距车辆妨碍交通时(例如，远距车辆以低于预定速度阈值限制的速度行驶、以低于预定加速度阈值的加速度行驶、进行预定次数的停止等)，ACC系统可能无法操作自主车辆超过远距车辆。远距车辆可能妨碍交通，使得远距车辆增加自主车辆的行驶时间并且使自主车辆延迟到达最终目的地。因此，自主车辆增加的行驶时间会增加用于操作自主车辆的车辆资源(例如，燃料、电池资源，处理资源和/或存储资源)和/或网络资源(例如，时域资源和/或频域资源)的消耗等。

因此，尽管现有的ACC系统实现了其预期目的，但是仍需要一种解决这些问题的新的改进的系统。

发明内容

根据本公开的若干方面，一种自主车辆，包括用于控制推进致动装置和/或制动致动装置的纵向控制子模块。自主车辆还包括用于控制转向致动装置的侧向控制子模块。自主车辆还包括系统，该系统具有用于产生与远距车辆相关联的输入信号的一个或多个输入装置。该系统还包括一个或多个通知装置，用于向用户提供远距车辆是与预测减速事件相关联的交通障碍的通知。该系统还包括计算机，该计算机具有一个或多个处理器，处理器以电子方式连接到纵向控制子模块、侧向控制子模块、输入装置以及通知装置。计算机还包括非暂时性计算机可读存储介质(CRM)，该CRM存储有指令，使得处理器编程为从输入装置接收输入信号。处理器还编程为基于输入信号确定远距车辆是交通障碍。处理器还编程为基于输入信号确定远距车辆的速度曲线。处理器还编程为基于输入信号确定与交通障碍和速度曲线相关联的预测减速事件。处理器还编程为响应于处理器确定速度曲线、交通障碍以及预测减速事件而产生致动信号。通知装置响应于通知装置从处理器接收到致动信号而向用户提供通知，以指示预测的减速事件。

在一个方面，纵向控制子模块响应于纵向控制子模块从处理器接收到致动信号而控制推进致动装置和/或制动致动装置，以使自主车辆能够超过远距车辆。侧向控制子模块响应于侧向控制子模块从处理器接收到致动信号而控制转向致动装置，以使自主车辆能够超过远距车辆。

在另一方面，处理器还编程为响应于处理器从输入装置接收到输入信号而确定远距车辆的类别。处理器还编程为响应于处理器确定远距车辆的类别而将该类别与查找表进行比较，该查找表包括多个预定类别和多个相关联的经验速度曲线。处理器还编程为响应于处理器在查找表中识别出远距车辆的类别而确定远距车辆的速度曲线。

在另一个方面，处理器还编程为响应于处理器从输入装置接收到输入信号而确定一个或多个周围车辆，其中远距车辆和周围车辆位于共同的区域中并且具有共同的品牌、共同的型号、共同的型号年份、共同的发动机类型和/或共同的发动机尺寸。处理器还编程为确定周围车辆的周围速度曲线。处理器还编程为将远距车辆的速度曲线限定为周围车辆的周围速度曲线。

在另一方面，处理器还编程为响应于处理器确定远距车辆是交通障碍并且还基于与以下情况相关联的输入信号来确定预测的减速事件：位于远距车辆下游的交叉路口；位于远距车辆下游的高速公路入口匝道；位于远距车辆下游的高速公路出口匝道；位于远距车辆下游的交通控制装置；位于远距车辆下游的停止标志；位于远距车辆下游的公共汽车站；位于远距车辆下游的邮筒；位于远距车辆下游的业务配送入口；位于远距车辆下游的列车交叉口；和/或位于远距车辆下游的路边垃圾收集点。

在另一方面，处理器还编程为响应于处理器接收到输入信号而确定自主车辆要导航以超过远距车辆的目标车道。处理器还编程为响应于处理器从输入装置接收到输入信号而确定与目标车道相关联的阻碍水平。处理器还编程为将阻碍水平与预定阻碍阈值进行比较。处理器还编程为响应于处理器确定阻碍水平低于预定阻碍阈值而确定目标车道没有阻碍。处理器还编程为响应于处理器确定目标车道没有阻碍而产生致动信号。处理器还编程为响应于处理器确定阻碍水平不低于预定阻碍阈值而确定目标车道存在阻碍。处理器还编程为响应于处理器确定目标车道存在阻碍而避免产生致动信号。

在另一方面，处理器还编程为确定自主车辆即将发生的转弯以及即将发生的转弯与远距车辆的当前位置之间的相关联的接近距离。处理器还编程为将相关联的接近距离与接近距离阈值进行比较。处理器还编程为还响应于处理器确定相关联的接近距离高于接近距离阈值而产生致动信号。处理器还编程为响应于处理器确定相关联的接近距离不高于接近距离阈值而避免产生致动信号。

在另一方面，速度曲线指示远距车辆的平均加速度，并且处理器还编程为将远距车辆的平均加速度与加速度阈值进行比较。处理器还编程为响应于处理器确定平均加速度低于加速度阈值而确定远距车辆是交通障碍。

在另一方面，速度曲线指示远距车辆的估计重量，并且处理器还编程为将远距车辆的估计重量与预定重量阈值进行比较。处理器还编程为响应于处理器确定估计重量高于预定重量阈值而确定远距车辆是交通障碍。

在另一方面，速度曲线指示远距车辆的平均速度，并且处理器还编程为将远距车辆的平均速度与预定平均速度阈值进行比较。处理器还编程为响应于处理器确定平均速度低于预定平均速度阈值而确定远距车辆是交通障碍。

在另一方面，速度曲线指示远距车辆的最大速度，并且处理器还编程为将远距车辆的最大速度与速度阈值进行比较。处理器还编程为响应于处理器确定最大速度低于速度阈值而确定远距车辆是交通障碍。

根据本公开的若干方面，一种用于自主车辆的系统的计算机，包括一个或多个处理器，处理器以电子方式连接到纵向控制子模块、侧向控制子模块、一个或多个输入装置以及一个或多个通知装置。该计算机还包括非暂时性计算机可读存储介质(CRM)，CRM存储有指令，使得处理器编程为从输入装置接收输入信号，其中输入信号与远距车辆相关联。处理器还编程为基于输入信号确定远距车辆是交通障碍。处理器还编程为基于输入信号确定远距车辆的速度曲线。处理器还编程为基于输入信号确定与交通障碍和速度曲线相关联的预测减速事件。处理器还编程为响应于处理器确定速度曲线、交通障碍以及预测减速事件而产生致动信号。通知装置响应于通知装置从处理器接收到致动信号而向用户提供远距车辆是与预测减速事件相关联的交通障碍的通知。

在一个方面，纵向控制子模块响应于纵向控制子模块从处理器接收到致动信号而控制推进致动装置和/或制动致动装置，以使自主车辆能够超过远距车辆。侧向控制子模块响应于侧向控制子模块从处理器接收到致动信号而控制转向致动装置，以使自主车辆能够超过远距车辆。

在另一方面，处理器还编程为响应于处理器从输入装置接收到输入信号而确定远距车辆的类别。处理器还编程为响应于处理器确定远距车辆的类别而将远距车辆的类别与查找表进行比较，该查找表包括多个预定类别和多个相关联的经验速度曲线。处理器还编程为响应于处理器在查找表中识别出远距车辆的类别而确定远距车辆的速度曲线。处理器还编程为响应于处理器从输入装置接收到输入信号而确定一个或多个周围车辆，其中远距车辆和周围车辆位于共同的区域中并且具有共同的品牌、共同的型号、共同的型号年份、共同的发动机类型和/或共同的发动机尺寸。处理器还编程为确定周围车辆的周围速度曲线，并且将远距车辆的速度曲线限定为周围速度曲线。

在另一方面，处理器还编程为确定自主车辆要导航以使自主车辆超过远距车辆的目标车道。处理器还编程为响应于处理器从输入装置接收到输入信号而确定与目标车道相关联的阻碍水平。处理器还编程为将阻碍水平与预定阻碍阈值进行比较。处理器还编程为响应于处理器确定阻碍水平低于预定阻碍阈值而确定目标车道没有阻碍。处理器还编程为还响应于处理器确定目标车道没有阻碍而产生致动信号。处理器还编程为响应于处理器确定阻碍水平不低于预定阻碍阈值而确定目标车道存在阻碍。处理器还编程为响应于处理器确定目标车道存在阻碍而避免产生致动信号。

在另一方面，处理器还编程为确定自主车辆即将发生的转弯以及即将发生的转弯与远距车辆的当前位置之间的相关联的接近距离。处理器还编程为将相关联的接近距离与接近距离阈值进行比较。处理器还编程为响应于处理器确定相关联的接近距离高于接近距离阈值而产生致动信号。处理器还编程为响应于处理器确定相关联的接近距离不高于接近距离阈值而避免产生致动信号。

根据本公开的若干方面，一种操作自主车辆的方法，包括通过一个或多个输入装置产生与远距车辆相关联的输入信号。该方法还包括通过计算机的处理器从至少一个输入装置接收输入信号。该方法还包括通过处理器基于输入信号来确定远距车辆是交通障碍。该方法还包括通过处理器基于输入信号来确定远距车辆的速度曲线。该方法还包括通过处理器基于输入信号来确定预测减速事件。该方法还包括响应于处理器确定速度曲线、交通障碍以及预测减速事件而产生致动信号。该方法还包括响应于通知装置从处理器接收到致动信号而通过通知装置向用户提供远距车辆是与预测减速事件相关联的交通障碍的通知。

在一个方面，该方法还包括响应于纵向控制子模块从处理器接收到致动信号而通过系统的纵向控制子模块来控制推进致动装置和/或制动致动装置，以使自主车辆能够超过远距车辆。该方法还包括响应于侧向控制子模块从处理器接收到致动信号而通过侧向控制子模块来控制转向致动装置，以使自主车辆能够超过远距车辆。

在另一方面，该方法还包括响应于处理器从输入装置接收到输入信号而通过处理器确定远距车辆的类别。该方法还包括响应于处理器确定远距车辆的类别而通过处理器将远距车辆的类别与查找表进行比较，该查找表具有多个预定类别和多个相关联的经验速度曲线。该方法还包括响应于处理器在查找表中识别出远距车辆的类别而通过处理器确定远距车辆的速度曲线。该方法还包括响应于处理器从输入装置接收到输入信号而通过处理器确定一个或多个周围车辆，其中远距车辆和周围车辆位于共同的区域中并且具有以下中的至少一项：共同的品牌、共同的型号、共同的型号年份、共同的发动机类型和/或共同的发动机尺寸。该方法还包括通过处理器确定周围车辆的周围速度曲线。该方法还包括通过处理器将远距车辆的速度曲线限定为周围车辆的周围速度曲线。

从本文提供的描述中，进一步的适用领域将变得显而易见。应理解，描述和具体示例仅用于说明目的，并不旨在限制本公开的范围。

附图说明

本文描述的附图仅用于说明目的，而不旨在以任何方式限制本公开的范围。

图1是具有包括计算机的系统的自主车辆的一个示例的示意图，该计算机用于确定与远距车辆相关联的预测减速事件，其中该系统还包括用于使自主车辆能够超过远距车辆的纵向控制模块和侧向控制模块；

图2是图1的自主车辆的示意图，展示了系统响应于系统确定即将发生的转弯与远距车辆之间的接近距离不超过接近距离阈值而使自主车辆能够超过远距车辆；

图3是图1的自主车辆的示意图，展示了系统基于周围车辆的已知速度曲线确定远距车辆的速度曲线，其中远距车辆和周围车辆位于共同的区域中并且具有共同的品牌、型号年份、发动机类型和/或发动机尺寸；

图4是操作图1中的自主车辆的方法的一个示例的流程图。

具体实施方式

以下描述本质上仅是示例性的，并且不旨在限制本公开、应用或用途。

本公开描述了具有系统102(系统)的自主车辆100(图1)的一个示例，该系统具有计算机104，该计算机确定与位于自主车辆100上游的远距车辆106相关联的预测减速事件，使得自主车辆100可以超过远距车辆106(图2)。自主车辆100和/或远距车辆106(例如，轿车108、轻型卡车、重型卡车、运动型用途车辆、货车、房车、客车、商用卡车110、废物收集车辆、多用途车辆、配送车辆、应急车辆等)的非限制性示例可以包括自动车辆、半自动车辆或者具有相关联的推进系统(例如，内燃发动机和/或电动机、氢燃料电池等)的非自动(手动)车辆。由于自主车辆100超过了远距车辆106，因此自主车辆100可以减少行驶时间，这进而可以减少用于操作自主车辆的车辆资源(例如，燃料资源、电池资源、处理资源和/或存储资源)和/或网络资源(例如，时域资源和/或频域资源)的消耗等。

参照图1，自主车辆100的一个非限制性示例是自动车辆，该自动车辆包括用于控制推进致动装置114和/或制动致动装置116的纵向控制子模块112。自主车辆100可以还包括用于控制自主车辆100的转向致动装置120的侧向控制子模块118。在其他非限制性示例中，自主车辆是具有由驾驶员手动操作的加速器、制动器和方向盘的半自动车辆或非自动车辆。

自主车辆100还包括系统102，该系统具有一个或多个输入装置122。每个输入装置122配置成产生与远距车辆106相关联的输入信号。更具体地，输入信号可以指示与自主车辆100和/或远距车辆106相关联的数据(例如，绝对实时速度、绝对实时航向、相对实时速度、相对实时航向、平均加速度、估计重量、平均速度、最大速度等)。输入信号还可以指示与道路几何形状和弱势道路使用者(VRU)(例如，行人；道路工人；操作轮椅或其他个人移动装置(无论是否机动化)的人；操作电动踏板车或类似装置的人；以及操作自行车或其他非机动化交通工具的人)相关联的数据。

输入装置122的非限制性示例可以包括用于产生与自主车辆100、远距车辆106和/或VRU的移动相关联的输入信号的安装到自主车辆100的多个车载装置(例如，雷达装置124、激光雷达装置126、面向外部的相机128、夜视相机130、红外相机132、超声装置134、方向盘角度传感器136、制动传感器138、车轮速度传感器140、加速度计142和/或自动驾驶系统144(ADS)等)。输入装置122的非限制性示例还可以包括在数据和通信网络146(例如，蜂窝网络148、专用短程通信(DSRC)网络150、车辆到基础设施(V2X)网络152、全球定位卫星(GPS)网络154、Wi-Fi网络156、道路交通监视网络158、道路数据库160、因特网网络162等)中的非车载装置。然而，可以设想，输入装置可以包括其他合适的驾驶员监视装置、车载装置或非车载装置。可以设想，输入信号可以指示用户(例如，诸如驾驶员和/或乘客的车辆乘员、远离车辆的操作者等)、自主车辆、远距车辆、道路几何形状以及VRU等的其他合适参数。

输入装置122还可以包括用于产生道路信号的道路检测模块164。在该非限制性示例中，道路检测模块164可以包括雷达装置124、激光雷达装置126、面向外部的相机128、夜视相机130、红外相机132、超声装置134、蜂窝网络148、DSRC网络150、V2X网络152、GPS网络154、Wi-Fi网络156、道路交通监视网络158、道路数据库160和/或因特网网络162等。

道路信号可以以如下形式指示道路几何形状：位于远距车辆106下游的交叉路口166(图2)；位于远距车辆106下游的高速公路入口匝道；位于远距车辆106下游的高速公路出口匝道；位于远距车辆106下游的交通控制装置；位于远距车辆106下游的停止标志；位于远距车辆106下游的公共汽车站；位于远距车辆106下游的邮筒；位于远距车辆106下游的业务配送入口；位于远距车辆106下游的列车交叉口；和/或位于远距车辆106下游的路边垃圾收集点等。

系统102还包括通知装置168(例如，人机界面(HMI)、扬声器、诸如增强现实平视显示器(ARHUD)的显示装置等)，用于向用户提供通知(例如，与通知“超过交通障碍”等相关联的显示消息、口头通告和/或显示符号)，以指示远距车辆106是与预测减速事件相关联的交通障碍。

系统102还包括计算机104，该计算机包括一个或多个处理器170，处理器以电子方式连接到纵向控制子模块112、侧向控制子模块118、输入装置122以及通知装置168。计算机104还包括非暂时性计算机可读存储介质(CRM)172，该CRM存储有指令，使得处理器170编程为从至少一个输入装置122接收输入信号。

处理器170还编程为基于输入信号确定远距车辆106的速度曲线。更具体地，在一个非限制性示例中，处理器170可以还编程为响应于处理器170从输入装置122接收到输入信号而确定远距车辆106的类别(例如，轿车108、轻型卡车、重型卡车、运动型多用途车辆、货车、房车、客车、商用卡车110、废物收集车辆、多用途车辆、配送车辆、应急车辆等)。处理器170还编程为响应于处理器170确定远距车辆106的类别而将远距车辆106的类别与查找表(例如，在远距数据库中等)进行比较，该查找表包括多个预定类别和多个相关联的经验速度曲线(例如，与每个类别相关联的平均加速度、估计重量、平均速度和/或最大速度；诸如与客车相关联的多个公共汽车站位置、与废物收集车辆相关联的多个路边垃圾收集点等停靠站的预测频率)。

在另一个非限制性示例中，处理器170还可以编程为响应于处理器170从输入装置122接收到输入信号而确定一个或多个周围车辆174(图3)，其中远距车辆106和周围车辆174位于共同的区域中并且具有共同的品牌、共同的型号、共同的型号年份、共同的发动机类型和/或共同的发动机尺寸等。处理器170还可以编程为确定周围车辆174的周围速度曲线，并且将远距车辆106的速度曲线限定为周围车辆174的周围速度曲线。

处理器170还编程为基于输入信号确定远距车辆106是交通障碍。在一个非限制性示例中，处理器170还编程为将远距车辆106的预测停止频率与停止频率阈值进行比较，并且响应于处理器170确定预测停止频率高于停止频率阈值而确定远距车辆106是交通障碍。处理器170还编程为将远距车辆106的平均加速度与加速度阈值进行比较，并且响应于处理器170确定平均加速度低于加速度阈值而确定远距车辆106是交通障碍。处理器170还编程为将远距车辆106的估计重量与预定重量阈值进行比较，并且响应于处理器确定估计重量高于预定重量阈值而确定远距车辆106是交通障碍。处理器还编程为将远距车辆106的平均速度与预定平均速度阈值进行比较，并且响应于处理器170确定平均速度低于预定平均速度阈值而确定远距车辆106是交通障碍。处理器170还编程为将远距车辆106的最大速度与速度阈值进行比较，并且响应于处理器170确定最大速度低于速度阈值而确定远距车辆106是交通障碍。可以设想，处理器可以基于与上述参数、其他合适的参数以及相关联的阈值的任何组合相关联的输入信号来确定远距车辆是交通障碍。

处理器170还编程为基于输入信号确定与交通障碍和速度曲线相关联的预测减速事件。更具体地，在一个非限制性示例中，处理器170还编程为响应于处理器170确定远距车辆106是交通障碍并且还基于与以下情况中的至少一者相关联的输入信号来确定预测减速事件：位于远距车辆下游且距远距车辆106在预定距离D内的交叉路口166(图2)、位于远距车辆106下游且在与远距车辆106相距预定距离内的高速公路入口匝道、位于远距车辆106下游且在与远距车辆106相距预定距离内的高速公路出口匝道、位于远距车辆106的下游且在与远距车辆106相距预定距离内的交通控制装置、位于远距车辆106下游且在与远距车辆106相距预定距离内的停止标志、位于远距车辆106下游且在与远距车辆106相距预定距离内的公共汽车站、位于远距车辆106下游且在与远距车辆106相距预定距离内的邮筒、位于远距车辆106下游且在与远距车辆106相距预定距离内的业务配送入口、位于远距车辆106下游且在与远距车辆106相距预定距离内的列车交叉口，以及位于远距车辆106下游且在与远距车辆106相距预定距离内的路边垃圾收集点。可以设想，处理器可以编程为基于与这些参数、其他合适的参数以及相关联的阈值的任何组合相关联的输入信号来确定预测减速事件。

处理器170还编程为响应于处理器170确定速度曲线、交通障碍以及预测的减速事件而产生致动信号。更具体地，在该非限制性示例中，处理器170还编程为响应于处理器170接收到输入信号而确定自主车辆100要导航以超过远距车辆106的目标车道176(图2)。处理器170还编程为响应于处理器170从输入装置122接收到输入信号而确定与目标车道176相关联的阻碍水平。处理器170还编程为将阻碍水平与预定阻碍阈值进行比较。处理器170还编程为响应于处理器170确定阻碍水平低于预定阻碍阈值而确定目标车道176没有阻碍。处理器170还编程为还响应于处理器170确定目标车道176没有阻碍而产生致动信号。处理器170还编程为响应于处理器170确定阻碍水平不低于预定阻碍阈值而确定目标车道176存在阻碍。处理器170还编程为响应于处理器170确定目标车道176存在阻碍而避免产生致动信号。

处理器170还编程为确定自主车辆100即将发生的转弯178以及即将发生的转弯178与远距车辆106的当前位置之间的相关联的接近距离D。处理器170还编程为将相关联的接近距离D与接近距离阈值进行比较。处理器170还编程为还响应于处理器170确定相关联的接近距离D高于接近距离阈值而产生致动信号。处理器170还编程为响应于处理器170确定相关联的接近距离D不高于接近距离阈值而避免产生致动信号。

通知装置168响应于通知装置168从处理器170接收到致动信号而向用户提供通知，以指示预测的减速事件。纵向控制子模块112响应于纵向控制子模块112从处理器170接收到致动信号而控制推进致动装置114和/或制动致动装置116，以使自主车辆100能够超过远距车辆106。侧向控制子模块118响应于侧向控制子模块118从处理器170接收到致动信号而控制转向致动装置120，以使自主车辆100能够超过远距车辆106。

参照图4，提供了用于操作图1的系统102的方法200。方法200开始于框202，通过输入装置122产生与远距车辆106相关联的输入信号。方法200前进到框204。

在框204，方法200还包括通过计算机104的处理器170从输入装置122接收输入信号。方法200前进到框206。

在框206，方法200还包括通过处理器170基于输入信号来确定远距车辆106的速度曲线。在该非限制性示例中，速度曲线可以通过框206至框210和/或框234至框238确定。更具体地，方法200包括响应于处理器170从输入装置122接收到输入信号而通过处理器170确定远距车辆106的类别。方法200前进到框208。

在框208，方法200还包括响应于处理器170确定远距车辆的类别而通过处理器170将远距车辆106的类别与查找表进行比较，查找表包括预定类别和相关联的经验速度曲线。响应于处理器170在查找表中识别出与远距车辆106的类别相匹配的预定类别，方法200前进到框210。响应于处理器170没有在查找表中识别出与远距车辆106的类别相匹配的预定类别，方法200前进到框234。

在框210处，方法200还包括通过将远距车辆106的速度曲线限定为与远距车辆106的类别相匹配的预定类别的预定速度曲线，通过处理器170来确定远距车辆106的速度曲线。方法200前进到框212。

在框212，方法200还包括通过处理器170基于输入信号来确定远距车辆106是交通障碍。处理器170可以经由框212、框214以及框242至框246来确定远距车辆106是交通障碍。更具体地，在该非限制性示例中，方法200包括通过处理器170将远距车辆106的预测停止频率与停止频率阈值进行比较。响应于处理器170确定预测停止频率高于停止频率阈值，方法200前进到框214。响应于处理器170确定预测停止频率不高于停止频率阈值，方法200前进到框240。

在框214，方法200还包括通过处理器170确定远距车辆106是交通障碍。方法200前进到框216。

在框216，方法200还包括响应于处理器170确定远距车辆106是交通障碍并且还基于输入信号与关联于框216、框218以及框248至框282的一个或多个情况相关联，而通过处理器170确定预测减速事件(例如，在远距车辆106的当前位置的下游位置处等)。方法200可以包括通过处理器170将交叉路口值(例如，基于输入信号)与交叉路口阈值进行比较。响应于处理器170确定交叉路口值高于交叉路口阈值，方法200前进到框218。响应于处理器170确定交叉路口值不高于交叉路口阈值，方法200前进到框248。

在框218，方法200包括通过处理器170确定交叉路口166(图2)位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框220，方法200还包括响应于处理器170接收到输入信号而通过处理器170确定自主车辆100要导航以超过远距车辆106的目标车道176(图2)。方法200前进到框222。

在框222，方法200还包括响应于处理器170从输入装置122接收到输入信号而通过处理器170确定与目标车道176相关联的阻碍水平。方法200还包括通过处理器170将阻碍水平与预定阻碍阈值进行比较。响应于处理器170确定阻碍水平低于预定阻碍阈值，方法200前进到框224。响应于处理器170确定阻碍水平不低于预定阻碍阈值，方法200前进到框284。

在框224，方法200还包括响应于处理器170确定阻碍水平低于预定阻碍阈值而通过处理器170确定目标车道176没有阻碍。方法200前进到框226。

在框226，方法200还包括通过处理器170确定自主车辆100即将发生的转弯178以及即将发生的转弯178与远距车辆106的当前位置之间的相关联的接近距离D。方法200前进到框228。

在框228，方法200还包括通过处理器170将相关联的接近距离D与接近距离阈值进行比较。响应于处理器170确定接近距离D高于接近距离阈值，方法200前进到框230。响应于处理器170确定接近距离D不高于接近距离阈值，方法200前进到框288。

在框230，方法200还包括响应于处理器170确定速度曲线、交通障碍以及预测减速事件，还响应于处理器170确定目标车道176没有障碍，并且还响应于处理器170确定相关联的接近距离D高于接近距离阈值，通过处理器170产生致动信号。方法200前进到框232。

在框232，方法200还包括响应于通知装置从处理器170接收到致动信号而通过通知装置168向用户提供通知，以指示预测的减速事件。纵向控制子模块112响应于纵向控制子模块112从处理器170接收到致动信号而控制推进致动装置114和/或制动致动装置116，以使自主车辆100能够超过远距车辆106。侧向控制子模块118响应于侧向控制子模块118从处理器170接收到致动信号而控制转向致动装置120，以使自主车辆100能够超过远距车辆106。方法200前进到框234。

在框234，方法200还包括响应于处理器170从输入装置122接收到输入信号而通过处理器170确定周围车辆174(图3)的存在，其中远距车辆106和周围车辆174位于共同的区域中并且具有共同的品牌、共同的型号、共同的型号年份、共同的发动机类型和/或共同的发动机尺寸。响应于处理器170确定远距车辆106和周围车辆174位于共同的区域中并且具有共同的品牌、共同的型号、共同的型号年份、共同的发动机类型和/或共同的发动机尺寸，方法200前进到框236。响应于处理器170没有确定远距车辆106和周围车辆174位于共同的区域中并且具有共同的品牌、共同的型号、共同的型号年份、共同的发动机类型和/或共同的发动机尺寸，方法200返回到框202。

在框236，方法200还包括通过处理器170经由例如查找表来确定周围车辆174的周围速度曲线。方法200前进到框238。

在框238，方法200还包括通过处理器170将远距车辆106的速度曲线限定为周围车辆174的周围速度曲线。方法200前进到框212。

在框240，方法200还包括通过处理器170将远距车辆106的平均加速度与加速度阈值进行比较。响应于处理器170确定平均加速度低于加速度阈值，方法200前进到框214。响应于处理器170确定平均加速度不低于加速度阈值，方法200前进到框242。

在框242，方法200还包括通过处理器170将远距车辆106的估计重量与预定重量阈值进行比较。响应于处理器170确定估计重量高于预定重量阈值，方法前进到框214。响应于处理器170确定估计重量不高于预定重量阈值，方法前进到框244。

在框244，方法200还包括通过处理器170将远距车辆106的平均速度与预定平均速度阈值进行比较。响应于处理器170确定平均速度低于预定平均速度阈值，方法200前进到框214。响应于处理器170确定平均速度不低于预定平均速度阈值，方法200前进到框246。

在框246，方法200还包括将远距车辆106的最大速度与速度阈值进行比较。响应于处理器170确定最大速度低于速度阈值，方法200前进到框214。响应于处理器170确定最大速度不低于速度阈值，方法200返回到框202。可以设想，处理器可以基于与上述参数、其他合适的参数以及相关联的阈值的任何组合相关联的输入信号来确定远距车辆是交通障碍。

在框248，方法200还包括通过处理器170将高速公路入口匝道值(例如，基于输入信号)与预定高速公路入口匝道阈值进行比较。响应于处理器170确定高速公路入口匝道值高于预定高速公路入口匝道阈值，方法200前进到框250。响应于处理器170确定高速公路入口匝道值不高于预定高速公路入口匝道阈值，方法200前进到框252。

在框250，方法200还包括通过处理器170确定高速公路入口匝道位于远距车辆106下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框252，方法200还包括通过处理器170将高速公路出口匝道值(例如，基于输入信号)与预定高速公路出口匝道阈值进行比较。响应于处理器170确定高速公路出口匝道值高于预定高速公路出口匝道阈值，方法200前进到框254。响应于处理器170确定高速公路出口匝道值不高于预定高速公路出口匝道阈值，方法200前进到框256。

在框254，方法200还包括通过处理器170确定高速公路出口匝道位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框256，方法200还包括通过处理器170将交通控制装置值(例如，基于输入信号)与预定交通控制装置阈值进行比较。响应于处理器170确定交通控制装置值高于交通控制装置阈值，方法200前进到框258。响应于处理器170确定交通控制装置值不高于预定交通控制装置阈值，方法200前进到框260。

在框258，方法200还包括通过处理器170确定交通控制装置位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框260，方法200还包括通过处理器170将停止标志值(例如，基于输入信号)与预定停止标志阈值进行比较。响应于处理器170确定停止标志值高于停止标志阈值，方法200前进到框262。响应于处理器170确定停止标志值不高于预定停止标志阈值，方法200前进到框264。

在框262，方法200还包括通过处理器170确定停止标志位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框264，方法200还包括通过处理器170将公共汽车站值(例如，基于输入信号)与预定公共汽车站阈值进行比较。响应于处理器170确定公共汽车站值高于停止标志阈值，方法200前进到框266。响应于处理器170确定公共汽车站值不高于预定公共汽车站阈值，方法200前进到框268。

在框266，方法200还包括通过处理器170确定公共汽车站位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框268，方法200还包括通过处理器170将邮筒值(例如，基于输入信号)与预定邮筒阈值进行比较。响应于处理器170确定邮筒值高于邮筒阈值，方法200前进到框270。响应于处理器170确定邮筒值不高于预定邮筒阈值，方法200前进到框272。

在框270，方法200还包括通过处理器170确定邮筒位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框272，方法200还包括通过处理器170将业务配送入口值(例如，基于输入信号)与预定业务配送入口阈值进行比较。响应于处理器170确定业务配送入口值高于业务配送入口阈值，方法200前进到框274。响应于处理器170确定业务配送入口值不高于预定业务配送入口阈值，方法200前进到框276。

在框274，方法200还包括通过处理器170确定业务配送入口位于位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框276，方法200还包括通过处理器170将列车交叉口值(例如，基于输入信号)与预定列车交叉口阈值进行比较。响应于处理器170确定列车交叉口值高于列车交叉口阈值，方法200前进到框278。响应于处理器170确定列车交叉口值不高于预定列车交叉口阈值，方法200前进到框280。

在框278，方法200还包括通过处理器170确定列车交叉口位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框280，方法200还包括通过处理器170将路边垃圾收集点值(例如，基于输入信号)与预定路边垃圾收集点阈值进行比较。响应于处理器170确定路边垃圾收集点值高于路边垃圾收集点阈值，方法200前进到框282。响应于处理器170确定路边垃圾收集点值不高于预定路边垃圾收集点阈值，方法200返回到框202。

在框282，方法200还包括通过处理器170确定路边垃圾收集点位于远距车辆106的下游且距远距车辆106在预定距离D内，并且与预测的减速事件相关联。方法200前进到框220。

在框284，方法200还包括响应于处理器170确定阻碍水平不低于预定阻碍阈值，通过处理器170确定目标车道176存在阻碍。方法200前进到框286。

在框286，方法200还包括响应于处理器170确定目标车道176存在阻碍而通过处理器170避免产生致动信号。方法200返回到框202。

在框288，方法200还包括响应于处理器170确定相关联的接近距离D不高于接近距离阈值而通过处理器170避免产生致动信号。方法200返回到框202。

计算机和计算装置通常包括计算机可执行指令，其中指令可以由一个或多个诸如上文列出的那些计算装置执行。计算机可执行指令可以由使用各种编程语言和/或技术创建的计算机程序来编译或解释，编程语言和/或技术包括但不限于(以单独的或组合的形式)：JAVA、C、C++、MATLAB、SIMULINK、STATEFLOW、VISUAL BASIC、JAVA SCRIPT、PERL、HTML、TENSORFLOW、PYTORCH、KERAS等。这些应用程序中的一些应用程序可以在诸如JAVA VIRTUALMACHINE、DALVIK虚拟机等虚拟机上编译和执行。通常，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收指令，并且执行这些指令，从而执行一个或多个过程，包括一个或多个本文描述的过程。可以使用各种计算机可读介质来存储和传输这样的指令和其他数据。计算装置中的文件通常是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据集合。

处理器可以例如经由车辆通信模块可通信地联接到例如自主车辆100中包括的电子处理器单元(ECU)等中所包括的多于一个的本地处理器，以用于监视和/或控制各种车辆部件。处理器170通常布置成用于经由内部有线和/或无线网络(例如，自主车辆100中的总线等、如控制器区域网络(CAN)等和/或其他有线和/或无线机构)在车辆通信模块上进行通信。经由车辆通信模块，处理器170可以将消息传输到自主车辆100中的各种装置并且/或者从各种装置接收消息，装置例如是车辆传感器、致动器、车辆部件、人机界面(HMI)等。替代性地或附加地，在处理器包括多个装置的情况下，车辆通信网络可以用于在本公开中表示为计算机的装置之间的通信。进一步地，各种处理器和/或车辆传感器可以向计算机提供数据。处理器可以基本上连续地和/或周期性地接收和分析来自传感器的数据。进一步地，可以例如在基于激光雷达传感器、相机传感器等数据的处理器中使用对象分类或识别技术，来识别车道标记、对象类型(例如车辆、人、石块、坑洞、自行车、摩托车等)以及对象的物理特征。

存储器可以包括计算机可读介质(也称为处理器可读介质)，计算机可读介质包括参与提供可以由计算机(例如，由计算机的处理器)读取的数据(例如，指令)的任何非暂时性(例如，有形)介质。这种介质可以采取多种形式，包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他永久存储器。易失性介质可以包括例如通常构成主存储器的动态随机存取存储器(DRAM)。这样的指令可以通过一个或多个传输介质传输，传输介质包括同轴电缆、铜线和光纤；包括包含联接到ECU的处理器的系统总线的线路。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD ROM、DVD、任何其他光学介质、打孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、FLASH EEPROM、任何其他存储器芯片或盒式存储器、或者计算机可以读取的任何其他介质。

本文描述的数据库、数据存储库或其他数据存储可以包括用于存储、访问和检索各种数据的各种机制，这些机制包括层次数据库、文件系统中的一组文件、专有格式的应用程序数据库、关系数据库管理系统(RDBMS)等。每种这样的数据存储通常包括在采用诸如上文提及的那些计算机操作系统之一的计算装置内，并且经由网络以各种方式中的任何一种或多种来访问。可以从计算机操作系统访问文件系统，并且文件系统可以包括以各种格式存储的文件。RDBMS除了使用用于创建、存储、编辑和执行存储过程的语言之外，通常还采用结构化查询语言(SQL)，比如上述PL/SQL语言。

在一些示例中，系统元件可以实施为在一个或多个计算装置(例如，服务器、个人计算机等)上、存储在与其相关联的计算机可读介质(例如，盘、存储器等)上的计算机可读指令(例如，软件)。计算机程序产品可以包括存储在计算机可读介质上的用于执行本文描述的功能的这样的指令。

关于本文描述的介质、过程、系统、方法、启发法等，应当理解，尽管已将这些过程等的步骤描述为根据一定的有序顺序发生，但是这些过程可以通过以与本文所描述顺序不同的顺序执行的所描述的步骤来实践。还应当理解，某些步骤可以同时执行，可以添加其他步骤，或者可以省略本文描述的某些步骤。换言之，本文中对过程的描述是出于说明某些实施例的目的而提供，而绝不应解释为限制权利要求。

因此，应当理解，以上描述旨在是说明性的而非限制性的。在阅读以上描述之后，除了所提供的示例之外，许多实施例和应用对于本领域技术人员将是显而易见的。本发明的范围不应参照以上描述来确定，而应参照所附权利要求以及这些权利要求所赋予的等效物的全部范围来确定。可以预期和想到，在本文所讨论的领域中将出现未来的发展，并且所公开的系统和方法将结合到这些未来的实施例中。总之，应当理解，本发明能够进行修改和变化，并且仅由以下权利要求限定。

权利要求中使用的所有术语都旨在被赋予其如本领域技术人员所理解的简单普通的含义，除非本文做出相反的明确指示。特别地，如“一”、“该”、“所述”等单数冠词的使用应解读为叙述一个或多个所指示的元件，除非权利要求叙述了相反的明确限制。

本公开的描述本质上仅仅是示例性的，并且不背离本公开的主旨的变化旨在落入本公开的范围内。这些变化不应视为背离了本公开的精神和范围。

Claims (10)

1.一种自主车辆，包括：

纵向控制子模块，用于控制所述自主车辆的推进致动装置和制动致动装置中的至少一者；

侧向控制子模块，用于控制所述自主车辆的转向致动装置；以及

系统，包括：

至少一个输入装置，用于产生与远距车辆相关联的输入信号；

至少一个通知装置，用于向用户提供所述远距车辆是与预测减速事件相关联的交通障碍的通知；以及

计算机，包括至少一个处理器，所述至少一个处理器以电子方式连接到所述纵向控制子模块、所述侧向控制子模块、所述至少一个输入装置以及所述至少一个通知装置，并且所述计算机还包括非暂时性计算机可读存储介质CRM，所述CRM存储有指令，使得所述至少一个处理器编程为：

从所述至少一个输入装置接收所述输入信号；

基于所述输入信号确定所述远距车辆的速度曲线；

基于所述输入信号确定所述远距车辆是交通障碍；

基于所述输入信号确定与所述交通障碍和所述速度曲线相关联的预测减速事件；以及

响应于所述至少一个处理器确定所述交通障碍、所述速度曲线以及所述预测减速事件而产生致动信号；并且

其中，所述至少一个通知装置响应于所述至少一个通知装置从所述至少一个处理器接收到所述致动信号而向所述用户提供所述远距车辆是与预测减速事件相关联的交通障碍的所述通知。

2.根据权利要求1所述的自主车辆，其中，所述纵向控制子模块响应于所述纵向控制子模块从所述至少一个处理器接收到所述致动信号而控制所述推进致动装置和所述制动致动装置中的至少一者，以使所述自主车辆能够超过所述远距车辆，并且所述侧向控制子模块响应于所述侧向控制子模块从所述至少一个处理器接收到所述致动信号而控制所述转向致动装置，以使所述自主车辆能够超过所述远距车辆。

3.根据权利要求2所述的自主车辆，其中，所述至少一个处理器还编程为：

响应于所述至少一个处理器从所述至少一个输入装置接收到所述输入信号而确定所述远距车辆的类别；

响应于所述至少一个处理器确定所述远距车辆的类别而将所述远距车辆的类别与查找表进行比较，所述查找表包括多个预定类别和多个相关联的经验速度曲线；以及

响应于所述至少一个处理器将所述远距车辆的类别与所述查找表进行比较而确定所述远距车辆的速度曲线。

4.根据权利要求2所述的自主车辆，其中，所述至少一个处理器还编程为：

响应于所述至少一个处理器从所述至少一个输入装置接收到所述输入信号而确定至少一个周围车辆，其中，所述远距车辆和所述至少一个周围车辆位于共同的区域中并且具有以下中的至少一项：共同的品牌、共同的型号、共同的型号年份、共同的发动机类型以及共同的发动机尺寸；

确定所述至少一个周围车辆的周围速度曲线；以及

将所述远距车辆的速度曲线限定为所述至少一个周围车辆的周围速度曲线。

5.根据权利要求2所述的自主车辆，其中，所述远距车辆的速度曲线指示预测停止频率，并且所述至少一个处理器还编程为：

将所述远距车辆的所述预测停止频率与停止频率阈值进行比较；以及

响应于所述至少一个处理器确定所述预测停止频率高于所述停止频率阈值而确定所述远距车辆是交通障碍。

6.根据权利要求2所述的自主车辆，其中，所述至少一个处理器还编程为响应于所述至少一个处理器确定所述远距车辆是交通障碍、并且还基于与以下情况中的至少一者相关联的所述输入信号来确定所述预测减速事件：

位于所述远距车辆下游的交叉路口；

位于所述远距车辆下游的高速公路入口匝道；

位于所述远距车辆下游的高速公路出口匝道；

位于所述远距车辆下游的交通控制装置；

位于所述远距车辆下游的停止标志；

位于所述远距车辆下游的公共汽车站；

位于所述远距车辆下游的邮筒；

位于所述远距车辆下游的业务配送入口；

位于所述远距车辆下游的列车交叉口；以及

位于所述远距车辆下游的路边垃圾收集点。

7.根据权利要求2所述的自主车辆，其中，所述至少一个处理器还编程为：

响应于所述处理器接收到所述输入信号而确定所述自主车辆要导航以超过所述远距车辆的目标车道；

响应于所述处理器从所述输入装置接收到所述输入信号而确定与所述目标车道相关联的阻碍水平；

将所述阻碍水平与预定阻碍阈值进行比较；

响应于所述至少一个处理器确定所述阻碍水平低于所述预定阻碍阈值而确定所述目标车道没有阻碍；

还响应于所述至少一个处理器确定所述目标车道没有阻碍而产生所述致动信号；

响应于所述处理器确定所述阻碍水平不低于所述预定阻碍阈值而确定所述目标车道存在阻碍；以及

响应于所述至少一个处理器确定所述目标车道存在阻碍而避免产生所述致动信号。

8.根据权利要求2所述的自主车辆，其中，所述至少一个处理器还编程为：

确定所述自主车辆即将发生的转弯以及所述即将发生的转弯与所述远距车辆的当前位置之间的相关联的接近距离；

将所述相关联的接近距离与接近距离阈值进行比较；

还响应于所述至少一个处理器确定所述相关联的接近距离高于所述接近距离阈值而产生所述致动信号；以及

响应于所述至少一个处理器确定所述相关联的接近距离不高于所述接近距离阈值而避免产生所述致动信号。

9.根据权利要求2所述的自主车辆，其中，所述速度曲线指示所述远距车辆的平均加速度，并且所述至少一个处理器还编程为：

将所述远距车辆的平均加速度与加速度阈值进行比较；以及

响应于所述至少一个处理器确定所述平均加速度低于所述加速度阈值而确定所述远距车辆是交通障碍。

10.根据权利要求2所述的自主车辆，其中，所述速度曲线指示所述远距车辆的估计重量，并且所述至少一个处理器还编程为：

将所述远距车辆的估计重量与预定重量阈值进行比较；以及

响应于所述至少一个处理器确定所述估计重量高于所述预定重量阈值而确定所述远距车辆是交通障碍。