CN117917351A - Ads开发 - Google Patents

Ads开发 Download PDF

Info

Publication number
CN117917351A
CN117917351A CN202311365481.1A CN202311365481A CN117917351A CN 117917351 A CN117917351 A CN 117917351A CN 202311365481 A CN202311365481 A CN 202311365481A CN 117917351 A CN117917351 A CN 117917351A
Authority
CN
China
Prior art keywords
ads
safe driving
parameter
map
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
Application number
CN202311365481.1A
Other languages
English (en)
Inventor
马格努斯·吉伦哈马尔
弗雷德里克·桑德布隆
加布里埃尔·罗德里格斯·德·坎普斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhe Xi Co
Original Assignee
Zhe Xi Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhe Xi Co filed Critical Zhe Xi Co
Publication of CN117917351A publication Critical patent/CN117917351A/zh
Pending legal-status Critical Current

Links

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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • 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
    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of 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
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开涉及ADS开发。一种方法由ADS开发系统执行，包括：基于安全要求和针对ADS的操作参数集合的可预定模型，推导出对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性；识别由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，该标准过滤出分别指示对应的操作参数需要被进一步观察的不确定性，以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略；识别符合ADS的数字地图的至少第一地理位置，其呈现允许需要进一步遵守的操作参数被观察的条件；生成将所识别的至少第一地理位置与需要进一步遵守的操作参数相关联的映射。

Description

ADS开发
技术领域
本公开涉及支持证明满足对ADS施加的安全要求。
背景技术
在汽车领域内，多年来一直有开发自主车辆的活动。越来越多的现代车辆具有高级驾驶员辅助系统(advanced driver-assistance system，ADAS)，以提高车辆安全性，并且更一般而言提高道路安全性。ADAS(其例如可以由自适应巡航控件(ACC)、车道对中、自动车道改变、半自动停车等表示)是在驾驶时能够帮助车辆驾驶员的电子系统。此外，在不太远的将来，自主驾驶(Autonomous Driving，AD)将在较大程度上会实现在现代车辆中。在本文中AD和ADAS在通用术语下将被称为对应于所有不同的自动化水平(例如，由驾驶自动化的SAE J3016级别(0-5)定义)的自动驾驶系统(Automated Driving System，ADS)。ADS可以被理解为各种组件的复杂组合，这些组件可以被定义为其中车辆的感知、决策和操作(至少部分地)由电子设备和机械而不是人类驾驶员来执行的系统。这可以包括对周围环境的意识以及对车辆的处理。虽然自动化系统具有对车辆的控制，但是自动化系统允许人工操作员将所有或至少一些职责留给系统。例如，处于第4级别或更高级别的ADS(例如，由SAEJ3016定义)可以提供无人监督的自动驾驶，这因此可以通过允许车辆乘员(例如，驾驶员)进行与驾驶无关的任务、或通过允许车辆(例如，商用车辆)可以在根本没人的情况下操作来实现增强的舒适性和便利性。为了感知其周围环境，ADS通常组合各种传感器，例如，雷达、激光机载扫描(LIDAR)、声纳、相机、导航和/或定位系统(例如，诸如GPS之类的GNSS)、里程表和/或惯性测量单元，在此基础上高级控制系统可以解释感觉信息(sensoryinformation)以识别适当的导航路径以及障碍物和/或相关标志。
在ADS大量进入市场之前，确保安全可以说是最大的持久挑战之一。一个中心方面是如何提供满足安全要求的证据，特别是如何产生考虑了ADS中是否存在故障的可预测和可靠的安全情况。为了提供这样的证据，需要描述和建模ADS的不同元件及其操作环境，例如，事件暴露模型、感测和感知模型、以及例如本领域中已知的致动和闭环行为表示。然而，虽然对ADS及其操作环境的更多了解(由更多所收集的数据或操作小时数测量)有助于提高ADS性能，同时确保满足ADS安全要求，但是在证明满足所述安全要求方面存在改进空间。
发明内容
因此，本文实施例的目的是提供一种方法，该方法用于以改进的和/或替代的方式支持证明对ADS施加的安全要求的满足。
上述目的可以通过本文公开的主题来实现。在所附权利要求、以下描述和附图中阐述了各实施例。
所公开的主题涉及一种方法，该方法由ADS开发系统执行，用于支持证明满足对ADS施加的安全要求。ADS开发系统基于ADS的安全要求和操作参数集合的可预定模型，推导出对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性。ADS开发系统还识别由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，该标准过滤出分别指示对应的操作参数需要被进一步观察(observe)的不确定性，以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略。此外，ADS开发系统识别例如符合ADS的数字地图的至少第一地理位置，该至少第一地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件。此外，ADS开发系统生成将所识别的至少第一地理位置与需要进一步遵守(observance)的(一个或多个)操作参数相关联的映射(mapping)。
所公开的主题还涉及一种ADS开发系统，用于(和/或适用于和/或被配置为)支持证明满足对ADS施加的安全要求。ADS开发系统包括策略推导单元，用于(和/或适用于和/或被配置为)基于ADS的安全要求和操作参数集合的可预定模型，推导出对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性。ADS开发系统还包括策略识别单元，用于(和/或适用于和/或被配置为)识别由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，该标准过滤出分别指示对应的操作参数需要被进一步观察的不确定性，以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略。此外，ADS开发系统包括位置识别单元，用于(和/或适用于和/或被配置为)识别例如符合ADS的数字地图的至少第一地理位置，该至少第一地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件。ADS开发系统还包括映射生成单元，用于(和/或适用于和/或被配置为)生成将所识别的至少第一地理位置与需要进一步遵守的(一个或多个)操作参数相关联的映射。
此外，所公开的主题涉及一种布置(例如，车外系统和/或车辆)，包括本文描述的ADS开发系统。
此外，所公开的主题涉及一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序具有计算机程序代码手段，计算机程序代码手段被布置为使计算机或处理器执行本文描述的ADS开发系统的步骤，该计算机程序产品被存储在计算机可读介质或载波上。
所公开的主题还涉及一种非易失性计算机可读存储介质，其上存储有所述计算机程序产品。
因此，引入了一种方法，该方法能够实现改进和/或优化的ADS性能增长和/或开发增益(例如，增量改进)。即，因为基于ADS的安全要求和操作参数集合的可预定模型，推导出对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性，所以从ADS的(一个或多个)建模框架中获得和/或计算一个或多个安全驾驶策略(例如，安全驾驶速度，每个安全驾驶速度都被相应的不同操作参数(例如，事件速率和/或传感器故障概率)约束)，每个该安全驾驶策略都是由从对应约束操作参数的不确定性继承的相应不确定性引起的。相应地，可以对相应操作参数对ADS的安全驾驶行为(随后对其性能)的影响进行模建，ADS的安全驾驶行为(和其性能)受施加在ADS上的安全要求约束，其中，例如，当前允许操纵ADS的安全驾驶行为可以例如由所推导出的安全驾驶行为中的最严格的安全驾驶行为(例如，由所推导出的安全驾驶速度中的最低安全驾驶速度)规定。换言之，如果给出了用于推导出安全驾驶策略的方法或系统，以及例如本领域中已知的安全要求集合和操作参数估计(例如，事件暴露、系统误差率、紧急能力等)，则可以推导出满足ADS安全要求的当前被允许的最佳性能策略。考虑到对这样的参数的更多了解，还可以从对每个所估计的操作参数(例如，由增量改进表示)的改变推导出影响。这在示例性图3中示出，图3以示例性方式描绘了当考虑到感知误差率和事件暴露率的更新估计时，对被允许的ADS安全驾驶行为(本文中是安全速度)的增量改进。相应地，影响ADS性能的操作参数以及改进每个相应参数估计的努力可以从可预定模型(例如，速率估计模型)和/或(一个或多个)建模框架推导出。
此外，即，因为识别由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，该标准过滤出分别指示对应的操作参数需要被进一步观察的不确定性，以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略，所以可以发现限制(和/或下一个要限制)ADS性能的一个或多个操作参数。相应地，可以从推导出的参数特定ADS安全驾驶策略集合中选择和/或查明被认为与进一步遵守相关的至少第一参数特定ADS安全驾驶策略。因此，通过由被约束的相应操作参数评估和/或评定ADS安全驾驶策略和其相应被引起的不确定性，可以用其相应不确定性很大程度地和/或最大程度地过滤出ADS安全驾驶策略(并且随后过滤出操作参数)，该操作参数影响ADS安全驾驶行为，从而影响性能。相应地，可以识别什么数据(即，哪里的附加数据)将对ADS的性能具有很大和/或最大的影响。换句话说，可以分析并且随后过滤出当前限制和/或下一个限制ADS性能的(一个或多个)操作参数，对于该(一个或多个)操作参数，进行进一步的了解和估计将和/或可能具有提高ADS效率的高潜力，例如，通过收集更多的数据来放宽大部分ADS安全驾驶策略。换句话说，首先可以识别安全的参数集合，因为它们是相对于不确定性被保守地选择的，然后根据安全的参数集合分析哪些参数限制ADS并且还具有相关联的很大不确定性，这表明更多证据可以使ADS更高效。当使用操作数据并且估计例如其速率时，还可以推导出实现对例如速率估计的期望影响所需的数据量。因此，除了具有对ADS的(例如，安全)性能的影响因素之外，还可以推导出达到下一个性能增加和/或跳跃所需的努力(例如，图3中以示例性方式示出的增量改进)，可预定标准可能另外考虑该性能增加和/或跳跃。
此外，即，因为识别例如符合ADS的数字地图的至少第一地理位置，该至少第一地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件，所以发现了诸如区域、路段、道路场景、静止交通环境等位置，这些位置是例如HD和/或SD地图中的位置、在HD和/或SD地图中和/或从HD和/或SD地图中推导出的和/或与地理坐标和/或地理区域相关联，该地理坐标和/或地理区域具有支持(一个或多个)操作参数的特性、属性和/或特点，这些操作参数特定于满足不确定性条件的一个或多个参数特定ADS安全驾驶策略，该条件是可观察的或至少是潜在可观察的。相应地，可以查明能够实现操作参数(例如，事件速率和/或传感器故障的概率)的位置，其被识别为需要进一步观察以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略，该ADS安全驾驶策略可能在时间约束下被观察。
此外，即，因为生成了将所识别的至少第一地理位置与需要进一步遵守的(一个或多个)操作参数相关联的映射，所以编译和/或创建映射(例如，热图)，该映射将被识别和/或被确定为需要进一步遵守的(一个或多个)操作参数连接到(赋予给)被发现呈现条件的地理位置，该条件允许所述(一个或多个)操作参数被观察。相应地，在映射中，包括(一个或多个)对应地理位置(被赋予(一个或多个)相应的相关操作参数)，该(一个或多个)对应地理位置被识别为与使在所述(一个或多个)位置处的潜在的配备ADS的车辆经受和/或暴露给(一个或多个)对应操作参数有关。因此，提供了一种映射(例如，热图)，该映射指出可能表示一些情形的位置，(一个或多个)所识别的操作参数在时间约束下(例如，在一天的某个时间期间等)可能在这些情形中被经历和/或观察。因此，针对性的数据收集可以被支持，使得随后的车队测试和/或数据收集能够针对一些位置，对所述操作参数的了解和估计在这些位置将具有提高ADS效率的高潜力和具有可能测量的高潜力。换言之，根据所引入的概念，支持并且随后实现了改进的和/或优化的数据收集，因此支持并且随后实现了ADS的连续的、改进的和/或优化的性能增长，具有降低上市时间和/或开发成本的附加益处。
为此，提供了一种方法，该方法用于以改进的和/或替代的方式支持证明对ADS施加的安全要求的满足。
在下文中，将更详细地讨论上述方法的技术特征和对应的优点。
附图说明
非限制性实施例的各个方面，包括特定的特征和优点，将从以下详细描述和附图中容易地被理解，其中：
图1是根据本公开实施例的示出示例性ADS开发系统的示意框图；
图2是根据本公开实施例的描绘由ADS开发系统执行的示例性方法的流程图；
图3以示例性方式示出了根据本公开实施例的对被允许的ADS安全驾驶行为的增量改进；以及
图4以示例性方式示出了根据本公开实施例的示例性概率密度函数值。
具体实施方式
现在将在下文中参考附图更全面地描述本公开的非限制性实施例，在附图中示出了本公开的当前地优选实施例。然而，本公开可以被体现在许多不同的形式，并且不应当被理解为限定于本文阐述的实施例。相同的附图标记始终表示相同的元件。图中一些框的虚线表示这些单元或动作是可选的而不是强制性的。
在下文中，根据本文实施例(其涉及支持证明满足对ADS施加的安全要求)，将公开一种方法，该方法能够实现改进和/或优化的ADS性能增长和/或开发增益(例如，增量改进)。
现在参考附图，在图1中描绘了根据本公开实施例的示例性ADS开发系统1的示意框图。ADS开发系统1适用于支持证明满足对ADS施加的安全要求。ADS可以由例如本领域中已知的和/或待开发的任何任意的ADAS或AD系统表示。另一方面，被施加在ADS上的安全要求可以由任何可行的(例如，已知的)安全要求来表示，并且还包括其例如在本领域中已知的任何数量和/或组合。
短语“ADS开发系统”可以指“ADS开发支持系统”、“ADS支持系统”和/或“位置映射系统”，并且根据示例还可以指“路径影响系统”。另一方面，“由ADS开发系统执行的方法”可以指“由ADS开发系统执行的至少部分计算机实现的方法”。此外，短语“用于支持证明满足安全要求”可以指“用于支持提供满足安全要求的证据”和/或“用于支持证明满足可预定的、设定的和/或推导出的安全要求”，而“施加在ADS上的安全要求”可以指“针对ADS规定和/或被绑定在ADS上的安全要求”。此外，“用于支持证明满足对ADS施加的安全要求”可以指“用于支持对ADS的开发”，并且根据示例还可以指“用于支持自适应、选择性和/或定向现场数据和/或由ADS瞄准和/或收集的操作数据”。
如在示例图1中以示例方式示出的，ADS开发系统1(例如，通过策略推导单元101)适用于和/或被配置为：基于ADS21的安全要求和操作参数集合的可预定模型，推导出对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性。因此，从ADS21的(一个或多个)建模框架中获得和/或计算一个或多个安全驾驶策略(例如，安全驾驶速度)，每个安全驾驶策略都被相应的不同操作参数(例如，事件速率和/或传感器故障概率)约束，每个该安全驾驶策略都是由从对应约束操作参数的不确定性继承的相应不确定性引起的。相应地，可以对相应操作参数对ADS的安全驾驶行为(随后对其性能)的影响进行模建，该ADS21的安全驾驶行为(和其性能)被施加在ADS21上的安全要求约束，其中，例如，当前允许操纵ADS21的安全驾驶行为可以例如由所推导出的安全驾驶行为中的最严格的安全驾驶行为(例如，由所推导出的安全驾驶速度中的最低安全驾驶速度)规定。换言之，如果给出了用于推导出安全驾驶策略的方法或系统，以及例如本领域中已知的安全要求集合和操作参数估计(例如，事件暴露、系统误差率、紧急能力等)，则可以推导出满足ADS21安全要求的当前被允许的最佳性能策略。考虑到对这样的参数的更多了解，还可以从对每个所估计的操作参数(例如，由增量改进表示)的改变推导出影响。这在示例性图3中示出，图3以示例性方式描绘了当考虑到感知误差率和事件暴露率的更新估计时，对被允许的ADS安全驾驶行为(本文中是安全速度)的增量改进。相应地，影响ADS性能的操作参数以及改进每个相应参数估计的努力可以从可预定模型(例如，速率估计模型)和/或(一个或多个)建模框架推导出。
ADS可以由例如本领域中已知的和/或待开发的任何任意的ADAS或AD系统表示。ADS21还可以被集成(和/或规划和/或符合要被集成)到车辆中，例如，在图1中所例示的配备ADS的车辆2。此外，配备ADS的车辆2(其可以被称为主车辆或自我车辆)可以由任何任意的(例如，已知的)有人驾驶或无人驾驶车辆(例如，发动机驱动的或电力驱动的车辆，例如，轿车、卡车、货车、厢式货车、公共汽车和/或拖拉机)来表示。此外，术语“车辆”可以指“自主和/或至少部分地自主车辆”、“无人驾驶和/或至少部分地无人驾驶车辆”、和/或“自驱动和/或至少部分地自驱动车辆”，并且根据示例还可以指“生产车辆”、“车队车辆”、“投放车辆”、“道路交通车辆”和/或“公共道路车辆”。
此外，可预定模型可以由任何可行的(例如，已知的)一个或多个假设模型和/或(一个或多个)建模框架来表示，该一个或多个假设模型和/或(一个或多个)建模框架考虑到被绑定在ADS上的安全要求对ADS21的不同元件及其操作环境(因此对操作参数)进行描述和建模。所述模型可以相应地例如由事件暴露模型、感测和感知模型、致动和闭环行为表示等表示和/或包括事件暴露模型、感测和感知模型、致动和闭环行为表示等。可预定模型可以例如驻留在车辆(例如，在图1中所描绘的示例性配备ADS的车辆2)的车辆节点113中，和/或驻留在车辆外的系统114中，例如，在一个或多个服务器上的例如后端系统和/或集中式系统。另一方面，操作参数集合可以由任何可行的(例如，已知的)ADS21的一个或多个操作参数(例如，事件速率、传感器故障概率、可用制动等)来表示。此外，基于安全要求和可预定模型推导出的对应的参数特定ADS安全驾驶策略集合可以由任何可行的(例如，已知的)一个或多个相应的安全驾驶策略来表示，每个安全驾驶策略由ADS21的相应操作参数约束、管理和/或与ADS21的相应操作参数相关。因此，本文所公开的ADS安全驾驶策略例如可以由安全驾驶速度来表示。其他示例可以包括安全定位(例如，定位配备ADS的车辆在某些高暴露区域中还离例如右车道很远)、到其他车辆的安全间隙距离、最大转向率等。此外，由操作参数(其约束特定安全驾驶策略)的不确定性在每个安全驾驶策略上引起的相应不确定性可以(例如，已知的)由任何可行的不确定性来表示，该不确定性例如在更多操作数据(其包括对应的操作参数)被收集和/或在例如与其相关联的不确定性被证明时可以进一步减小。根据示例，事件可以由不利天气、动态交通流量、例如堵塞中的车辆塞入频率等来表示。
短语“基于所述安全要求和可预定模型推导出”可以指“基于所述安全要求和可预定模型获得、计算和/或确定”、“基于所述安全要求和可预定模型推导出”和/或“基于包括和/或考虑所述安全要求和可预定模型的建模框架导出”，而“可预定模型”可以指“所获得和/或所预定的模型”、“可预定假设模型”和/或“可预定操作参数模型”。此外，“针对ADS的操作参数集合推导出[……]”可以指“针对ADS的操作参数推导出[……]”和/或“针对ADS及其操作环境的操作参数推导出[……]”。另一方面，短语“对应的参数特定ADS安全驾驶策略集合”可以指“对应的不确定性限制的参数特定ADS安全驾驶策略集合”、“参数特定ADS安全驾驶策略集合”和/或“各个对应的参数特定ADS安全驾驶策略”，而“策略”可以指“行为”，并且根据示例还可以指“速度”。可以注意的是，“集合”可以包括一个或多个策略。此外，“参数特定ADS安全驾驶策略”可以指“取决于参数的ADS安全驾驶策略”和/或“分别由相应的操作参数约束的ADS安全驾驶策略”。此外，“每个安全驾驶策略呈现相应不确定性”可以指“每个安全驾驶策略被强加、相关联、携带和/或展现相应不确定性”，而“由对应操作参数的不确定性引起的相应不确定性”可以指“由对应操作参数的不确定性继承、获得、推导和/或施加的相应不确定性”。根据示例，短语“[……]推导出对应的参数特定ADS安全驾驶策略集合[……]”可以指“[……]推导出对应的参数特定ADS安全驾驶速度集合[……]，其中，满足所述安全要求的ADS的当前被允许的限制性、约束性和/或支配性ADS安全驾驶策略由参数特定ADS安全驾驶行为中的最严格、最具限制性和/或最具约束性的参数特定ADS安全驾驶行为规定”和/或“[……]推导出对应的参数特定ADS安全驾驶速度集合[……]，其中，满足所述安全要求的ADS的当前被允许的限制性、约束性和/或支配性ADS安全驾驶策略由安全驾驶速度中的最低安全驾驶速度规定”。
如在示例性图1中以示例性方式示出的，ADS开发系统1还(例如，通过策略识别单元102)适用于和/或被配置为：识别由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，该标准过滤出分别指示对应的操作参数需要被进一步观察的不确定性，以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略。因此，可以发现限制(和/或下一个要限制)ADS21的性能的一个或多个操作参数。相应地，可以从推导出的参数特定ADS安全驾驶策略集合中选择和/或查明被认为与进一步遵守相关的至少第一参数特定ADS安全驾驶策略。因此，通过由被约束的相应操作参数评估和/或评定ADS安全驾驶策略和其相应被引起的不确定性，可以用其相应不确定性很大程度地和/或最大程度地过滤出ADS安全驾驶策略(并且随后过滤出操作参数)，该操作参数影响ADS安全驾驶行为，从而影响性能。相应地，可以识别什么数据(即，哪里的附加数据)将对ADS21的性能具有很大和/或最大的影响。换句话说，可以分析并且随后过滤出当前限制和/或下一个限制ADS21性能的(一个或多个)操作参数，对于该(一个或多个)操作参数进行进一步的了解和估计将和/或可能具有提高ADS效率的高潜力，例如，通过收集更多的数据来放宽大部分ADS安全驾驶策略。换句话说，首先可以识别安全的参数集合，因为它们是相对于不确定性被保守地选择的，然后根据安全的参数集合分析哪些参数限制ADS21并且还具有相关联的很大不确定性，这表明更多证据可以使ADS21更高效。当使用操作数据并且估计例如其速率时，还可以推导出实现对例如速率估计的期望影响所需的数据量。因此，除了具有对ADS21的(例如，安全)性能的影响因素之外，还可以推导出达到下一个性能增加和/或跳跃所需的努力(例如，图3中以示例性方式示出的增量改进)，可预定标准可能另外考虑该性能增加和/或跳跃。
可预定的标准可以由任何可行的条件和/或阈值来表示，该条件和/或阈值例如过滤出一个或多个参数特定ADS安全驾驶策略或其组合，该参数特定ADS安全驾驶策略或其组合例如具有最高(和/或第二、第三最高)不确定性，和/或以最大程度(和/或第二、第三最大程度)限制安全驾驶行为(例如，安全速度)，ADS21被允许通过该安全驾驶行为操纵，同时仍然满足安全要求。
短语“识别至少第一参数特定ADS安全驾驶策略”可以指“选择、区分优先级、查明和/或过滤出至少第一参数特定ADS安全驾驶策略”，而“由满足可预定标准的不确定性引起的参数特定ADS安全驾驶策略”可以指“与满足可预定标准的不确定性相关联、被赋予和/或具有满足可预定标准的不确定性的参数特定ADS安全驾驶策略”。此外，“满足可预定标准”可以指“鉴于参数特定ADS安全驾驶策略的所引起的不确定性而满足规定条件的可预定标准”。此外，“标准”可以指“动态标准”、“不确定性标准”和/或“限制标准”，而“所述标准过滤出不确定性”可以指“所述标准规定和/或包括过滤出不确定性的条件”。另一方面，短语“过滤出不确定性”可以指“选择、查明和/或识别不确定性”、“过滤出参数特定ADS安全驾驶策略”和/或“过滤出参数特定ADS安全驾驶策略的不确定性”，而“不确定性指示”可以指“不确定性显示和/或发出信号”、“不确定性用于”和/或“不确定性具有”。此外，“对应操作参数”可以指“其对应的操作参数”，而“需要被进一步观察”可以指“被认为、被确定、被识别和/或视为需要被进一步观察”、“需要经受进一步遵守”和/或“需要和/或受益于进一步遵守”。根据示例，“需要进一步观察”可以指“需要(和/或下一次需要)进一步观察”。另一方面，短语“以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略”可以指“以便放宽满足所述安全要求的ADS的当前被允许的ADS安全驾驶策略”和/或“以便放宽对ADS性能的(一个或多个)限制、和/或达到对ADS性能的增加和/或改进，同时满足所述安全要求”，并且根据示例还可以指“以便降低该参数(以及随后降低其对应参数特定ADS驾驶策略)的不确定性”。
如在示例性图1中以示例性方式示出的，ADS开发系统1还(例如，通过位置识别单元103)适用于和/或被配置为：识别例如符合ADS的数字地图的至少第一地理位置，该至少第一地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件。因此，发现了诸如区域、路段、道路场景、静止交通环境等位置，这些位置是例如高清晰度(HD)和/或标准清晰度(SD)地图中的位置，在高清晰度(HD)和/或标准清晰度(SD)地图中和/或从高清晰度(HD)和/或标准清晰度(SD)地图中推导出的和/或与地理坐标和/或地理区域相关联，该地理坐标和/或地理区域具有支持(一个或多个)操作参数的特性、属性和/或特点，这些操作参数特定于满足不确定性条件的一个或多个参数特定ADS安全驾驶策略，该条件是可观察的或至少是潜在可观察的。相应地，可以查明能够实现操作参数(例如，事件速率和/或传感器故障的概率)的位置，该操作参数被识别为需要进一步观察以便放宽ADS的当前被允许的满足安全要求的ADS安全驾驶策略，该ADS安全驾驶策略可能在时间约束下(例如，在一天的某个时间期间等)被观察。
地理位置可以例如在任何可行的一个或多个数字地图中被识别，例如在符合ADS的、面向ADS的和/或支持ADS的数字地图中，和/或基于地理坐标(例如，GPS坐标和/或地理区域)被识别，以及还例如在配备ADS的车辆的车外(例如，在可选的车外系统114中)被识别。根据示例，“映射”可以被认为是操作设计域(Operational Design Domain，ODD)的子集。此外，地理位置可以由位于世界的(一个或多个)任何可行地理部分的任何可行尺寸和/或大小的任何适用区域和/或道路段来表示。所识别的位置的数量还可以是任意大小，例如其范围从单个位置到几十、几百或甚至几千或更多位置。此外，(一个或多个)地理位置呈现允许对应于所识别的至少第一参数特定ADS安全驾驶策略的操作参数(例如，速度限制、道路类型、车道或车道标记、曲率和/或斜率)被观察的条件，可以以任何可行的方式(例如，通过鉴于操作参数对比和/或评估位置条件)识别该(一个或多个)地理位置。对该操作参数的映射可以在该地理位置处是可观察的，可以在任何时间点发生或已经发生(例如，过早或实时发生)。附加地或替代地，对位置的这种映射和/或识别可以例如利用算法和/或通过例如机器学习来实现。潜在地，(一个或多个)地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件，该(一个或多个)地理位置可以另外与一个或多个时间约束(例如，其仅在某个(些)时间间隔、时间段和/或时刻等呈现所述条件)相关联。
短语“识别至少第一地理位置”可以指“发现、提取和/或确定至少第一地理位置”，并且根据示例还可以指“识别符合ADS的、面向ADS的和/或支持ADS的数字地图中的、与符合ADS的、面向ADS的和/或支持ADS的数字地图相关联的和/或符合ADS的、面向ADS的和/或支持ADS的数字地图的至少第一地理位置”和/或“识别可预定地理区域的至少第一地理位置”。此外，“至少第一地理位置呈现条件”可以指“至少第一地理位置呈现被认为的和/或被确定的条件”、“至少第一地理位置呈现具有、包括和/或被赋予条件”和/或“至少第一地理位置呈现特性和/或环境”，并且根据示例还可以指“至少第一地理位置呈现道路特性、属性、结构、拓扑、特征和/或几何结构等”。另一方面，短语“呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件”可以指“呈现允许需要进一步遵守的(一个或多个)所识别的操作参数被观察的条件”、“呈现允许需要进一步遵守的一个或多个操作参数被观察的条件”、“呈现允许对应于所识别的至少第一参数特定ADS安全驾驶策略的操作参数被观察的条件”、“呈现允许需要所收集的操作数据的(一个或多个)操作参数被观察的条件”、“呈现支持和/或实现需要进一步遵守的(一个或多个)操作参数被观察的条件(和/或提供支持和/或实现需要进一步遵守的(一个或多个)操作参数被观察的情况)和/或“与需要进一步遵守的(一个或多个)操作参数相关联”和/或过早地和/或已经与需要进一步遵守的(一个或多个)操作参数相关联"。此外，“需要进一步遵守(observance)”在全文中可以指“需要进一步观察(observation)”。此外，“被观察”可以指“潜在地被观察”、“预期被观察”和/或“被学习”，并且根据示例还可以指“被观察，用于支持和/或实现降低该参数(以及随后其对应参数特定ADS驾驶策略)的不确定性”。根据示例，“识别呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件的[……]的至少第一地理位置”可以包括“识别呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件的[……]的至少第一地理位置，所述至少第一地理位置与所述条件被呈现的时间的时间约束相关联”。
如在示例性图1中以示例方式示出的，ADS开发系统1还(例如，通过映射生成单元104)适用于和/或被配置为：生成将所识别的至少第一地理位置与需要进一步遵守的(一个或多个)操作参数相关联的映射。因此，编译和/或创建映射(例如，热图)，该映射将被识别和/或被确定为需要进一步遵守的(一个或多个)操作参数连接到(赋予给)被发现呈现条件的地理位置，该条件允许所述(一个或多个)操作参数被观察。相应地，在映射中，包括(一个或多个)对应地理位置(被赋予(一个或多个)相应的相关操作参数)，该(一个或多个)对应地理位置被识别为与使在所述(一个或多个)位置处的潜在的配备ADS的车辆经受和/或暴露给(一个或多个)对应操作参数有关。因此，提供了一种映射(例如，热图)，该映射指出可能表示一些情形的位置，(一个或多个)所识别的操作参数在时间约束下(例如，在一天的某个时间期间等)可能在这些情形中被经历和/或观察。因此，针对性的数据收集可以被支持，使得随后的车队测试和/或数据收集能够针对一些位置，对所述操作参数的了解和估计在这些位置将具有提高ADS效率的高潜力和具有可能测量的高潜力。换言之，根据所引入的概念，支持并且随后实现了改进的和/或优化的数据收集，因此支持并且随后实现了ADS的连续的、改进的和/或优化的性能增长，具有降低上市时间和/或开发成本的附加益处。
映射(其可以覆盖世界上任何可行的地理部分)可以包括任何可行数量的所识别的地理位置(例如，从单个地理位置到几十、几百或几千或甚至更多地理位置)，并且还与任何可行数量的所识别的操作参数有关，例如，单个操作参数、或几十、几百或几千或甚至更多个操作参数。根据示例，“映射”可以意味着查看操作设计域(ODD)的内部。所述映射还可以是任何可行的格式(例如，数字格式)，例如被捕获在例如矩阵和/或表格中，和/或(例如，如在前述内容中所提及的)由热图表示和/或包括热图。即，可选地，生成映射可以包括(和/或映射生成单元104可以适用于和/或被配置为)生成热图，在该热图中，所识别的至少第一地理位置被赋予需要进一步遵守的(一个或多个)操作参数。因此，热图可以反映虚拟地理图，(一个或多个)所识别的地理位置被映射到该虚拟地理图，并且(至少)被分别赋予对应的(一个或多个)操作参数。
短语“生成映射”可以指“编译、创建和/或构建映射”、“生成数字映射”和/或“生成连接和/或关联”，并且根据示例还可以指“生成热图”。此外，“映射将所识别的至少第一地理位置与需要进一步遵守的操作参数相关联”可以指“映射将需要进一步遵守的(一个或多个)操作参数赋予、附加、连接、组合和/或映射到所识别的至少第一地理位置”。
可选地，如在示例性图1中以示例性方式示出的，ADS开发系统1还可以(例如，通过可选的地图实现单元105)适用于和/或被配置为：在可从配备ADS的车辆2访问的数字地图22中实现映射。因此，可以在配备ADS的车辆2中例如实时地利用所生成的映射(例如，热图)。随后，鉴于规划收集现场数据和/或操作数据，映射可以提供输入和/或形式基础，该现场数据和/或操作数据包括或可能包括需要进一步遵守的(一个或多个)操作参数。映射可以以任何可行的方式在数字地图22中实现，例如，被嵌入在其层中。此外，数字地图22可以由任何可行的至少第一数字地图22(例如，HD地图或SD地图)或其等价物或换代产品表示，并且还被例如提供在配备ADS的车辆2上和/或至少第一远程可访问服务器中。根据示例，数字地图22可以潜在地由先前讨论的数字地图表示。短语“在可从配备ADS的车辆访问的数字地图中实现所述映射”可以指“在可从配备ADS的车辆访问的数字地图中嵌入和/或并入所述映射”和/或“在可由配备ADS的车辆访问的数字地图中实现所述映射”，并且根据示例还可以指“在可从配备ADS的车辆访问的数字地图层中实现所述映射”和/或“在配备ADS的车辆上的数字地图中实现所述映射”。
进一步可选地，如在示例性图1中以示例性方式示出的，ADS开发系统1还可以(例如，通过可选的路径检索单元106)适用于和/或被配置为：检索配备ADS的车辆2的一个或多个潜在车辆路径。然后，ADS开发系统1还可以(例如，通过可选的路径选择单元107)适用于和/或被配置为：从所述潜在车辆路径中选择包括一个或多个至少第一地理位置的路径。因此，在两个地理地点之间(例如，在起点和目的地之间)推导出，一个或多个切实可行路径，该一个或多个切实可行路径与配备ADS的车辆2相关和/或适用于配备ADS的车辆2可能行驶。此外，因此，可以例如基于相应的(一个或多个)所识别的地理位置的条件来选择路径，该路径以被认为有利的、相关的和/或优选的方式将ADS21很大程度地和/或最大程度地暴露于一个或多个所识别的地理位置。相应地，可以将数据收集引导到一些区域或操作条件，后续ADS版本的改进的性能在这些区域中或操作条件下预期在很大程度上或最大程度上改进。因此，在一个比一个有利的路径中，基于位于相应路径上的所识别的地理位置，可以根据需要进一步遵守的(一个或多个)操作参数来选择可能和/或最可能使ADS21暴露于相关场景和/或情形的路径。例如，可以优选包括最大数量的所识别的地理位置的路径。附加地或替代地，可以选择包括最大数量的所识别的地理位置的路径，该所识别的地理位置呈现允许最具限制性的(一个或多个)操作参数被观察的条件。此外，附加地或替代地，可以选择包括所识别的地理位置的路径，该地理位置分别地和/或组合地呈现允许一系列(例如最、第二最和/或第三最)具限制性的(例如可预定)操作参数被观察的条件，从而能够改进在一个和相同地理位置和/或沿着一个和相同路径的多于一个的操作参数。相应地，因此可以拟定可选的可预定路径选择标准，选择被认为对ADS21的性能具有很大和/或最大影响的路径。
一个或多个车辆路径可以由任意可行数量的路径表示，例如从单个路径到若干个、甚至几十个或更多个路径。此外，中间延伸一个或多个潜在车辆路径的地理地点(例如，起点和目的地)可以和/或已经以任意可行的方式(例如由配备ADS的车辆2的操作者(例如，乘员)和/或例如由ADS21)选择。此外，检索一个或多个潜在车辆路径可以以任何可行(例如，已知)的方式来实现，例如，通过和/或利用导航系统(未示出)、路径规划系统(未示出)、ADS21等中的一个或多个来实现。潜在车辆路径可以以任何可行的方式来计算、提议和/或确定，例如，考虑诸如到达时间、燃料消耗、交通状况等之类的约束，还潜在地考虑(一个或多个)所识别的地理位置。
短语“检索一个或多个潜在车辆路径”可以指“推导出、获得和/或确定一个或多个潜在车辆路径”、“检索一个或多个相关和/或适用的潜在车辆路径”，并且根据示例还可以指“检索所选的第一地理地点和所选的第二地理地点之间的一个或多个潜在车辆路径”。此外，“潜在的车辆路径”可以指“切实可行的、有利的、被建议的、可能的和/或可行的车辆路径”，而“车辆路径”可以指“行驶路径”和/或仅指“路径”。根据另一示例，“检索一个或多个潜在车辆路径”可以指“检索车辆起点和车辆目的地”。此外，短语“选择路径”可以指“偏爱和/或优选路线”、“选择被认为和/或被视为有利、有益、优选的所述配备ADS的车辆的行驶路径和/或选择被认为和/或被视为与所述配备ADS的车辆相关的行驶路径”、“确定优选路径”和/或“选择至少一条路径”，而“包括一个或多个所述至少第一地理位置”可以指“考虑和/或基于一个或多个所述至少第一地理位置”。此外，根据示例，“从所述潜在车辆路径中选择包括一个或多个所述至少第一地理位置的路径”可以指“从所述潜在车辆路径中选择包括一个或多个所述至少第一地理位置的路径，所选路径的地理位置满足可预定的路径选择标准”。
例如，当配备ADS的车辆2正在行驶时，可以执行由ADS开发系统1可选地执行的以下动作。因此，可选地，如在示例性图1中以示例性方式示出的，ADS开发系统1还可以(例如，通过可选的位置确定单元108)适用于和/或被配置为：利用定位系统23确定配备ADS的车辆2的沿所选路径的地理位置。然后，ADS开发系统1还可以(例如，通过可选的数据收集单元109)适用于和/或被配置为：当车辆位置在相应一个或多个至少第一地理位置的可预定距离和/或时间范围内时，收集操作数据。因此，配备ADS的车辆2位于沿着所选路径的相应被识别的地理位置处和/或其附近时，通过收集操作数据可以引起和/或实现有针对性的、有引导性的和/或选择性的数据收集，配备ADS的车辆2在沿着所选路径的相应被识别的地理位置处暴露于(或很有可能暴露于)观察需要进一步遵守的(一个或多个)操作参数。相应地，可以将数据收集在一些区域中或操作条件下激活，后续ADS版本的改进的性能在这些区域中或操作条件下预期在很大或最大程度上改进。
根据示例，例如考虑其中不包括所选路径的场景，ADS开发系统1可以基于配备ADS的车辆的地理位置(例如，利用定位系统23)确定所述车辆在至少第一地理位置中的一个地理位置附近，并且随后当车辆位置在所述一个或多个至少第一地理位置的可预定距离和/或时间范围内时，收集操作数据。因此，配备ADS的车辆位于(一个或多个)被识别的地理位置处和/或其附近时，通过收集操作数据可以引起和/或实现有针对性的、有引导性的和/或选择性的数据收集，配备ADS的车辆2在(一个或多个)被识别的地理位置处暴露于(或很有可能暴露于)观察需要进一步遵守的(一个或多个)操作参数。相应地，可以将数据收集在一些区域中或操作条件下激活，预期后续ADS版本的改进的性能将在这些区域中或操作条件下在很大程度上或最大程度上改进。
操作数据可以由与ADS21和/或需要进一步遵守的(一个或多个)操作参数相关的任何可行数据表示。因此，操作数据可以包括例如原始数据、对象级别数据、与ADS相关的状态和/或状态数据(例如，与车载传感器24、总线和/或应用接口等相关联和/或来自车载传感器24、总线和/或应用接口等)和/或配备ADS的车辆2中的基本全部和/或所有数据(与((一个或多个))所识别的地理位置附近的数据有关)。例如，操作数据可以包括指示当前感觉信息的数据，例如，该当前感觉信息来自周围的检测传感器、(一个或多个)制动传感器和/或(一个或多个)故障传感器等。这样的传感器数据和/或操作数据可以例如以任何可行(例如，已知)的方式(例如，连续地和/或间歇地)被获得，并且还可以例如在配备ADS的车辆2行驶时和/或静止不动时被获得。此外，操作数据可以是任何可行(例如，已知)的格式，并且所收集的操作数据的程度还可以是任何可行的量。
定位系统23可以由支持配备ADS的车辆2的地理定位的任意(例如，已知的)(一个或多个)系统、(一个或多个)传感器和/或(一个或多个)算法来表示，例如，配备ADS的车辆2包括诸如GPS之类的GNSS和/或包括诸如先前所讨论的数字地图22之类的数字地图。另一方面，离相应一个或多个至少第一地理位置的可预定距离和/或时间范围(其中操作数据被收集)可以是任何可行的量，例如，从几米到几百或甚至几千米和/或从小于一秒到若干秒或甚至几十秒或更多秒。短语“确定[……]地理位置”可以指“确定[……]当前和/或基本上当前地理位置”和/或“估计[……]地理位置”，而“利用定位系统”可以指“利用被包括在所述车辆中和/或所述车辆上的定位系统”。此外，“[……]确定所述配备ADS的车辆的沿所选路径的地理位置”可以仅指“[……]确定地理位置”。另一方面，短语“收集操作数据”可以指“收集和/或存储操作数据”、“收集现场数据”、“捕获和/或推导出操作数据”和/或“收集所述配备ADS的车辆上的操作数据”。此外，“当车辆位置在可预定距离和/或时间范围内时”可以指“假设所述车辆位置在可预定距离和/或时间范围内”。
进一步可选地，如在示例性图1中以示例性方式示出的，ADS开发系统1还可以(例如，利用可选的模型更新单元110)适用于和/或被配置为：用所收集的数据的至少一部分更新所述模型。因此，可以基于所收集的操作数据更新对ADS21的不同元素及其操作环境进行描述和建模的可预定模型(例如，事件暴露模型、感测和感知模型、致动和闭环行为)。相应地，由所收集的数据覆盖的对(一个或多个)操作参数的更多了解(例如，降低的不确定性)可以帮助对被允许的ADS安全驾驶行为(例如，在图3中以示例性方式描绘的安全速度)实现增量改进。因此，根据示例，鉴于所降低的不确定性，可以识别满足安全要求的新的策略。模型的更新可以发生在任何可行的位置(例如，在配备ADS的车辆2上和/或车辆2的外面(例如，在先前所讨论的车外系统114中))，并且更新模型因此可以潜在地包括在所述更新之前将所收集的数据提供(例如，传输)到模型驻留的地方。换言之，配备ADS的车辆2的车外以及车上支持更新手动和/或自动驾驶策略。此外，“更新所述模型”可以指“更新所述模型的至少一部分”。
图1中还示出，ADS开发系统1包括策略推导单元101、策略识别单元102、位置识别单元103、映射生成单元104、可选地图实现单元105、可选路径检索单元106、可选路径选择单元107、可选位置确定单元108、可选数据收集单元109和可选模型更新单元110，所有这些已经在上文中较详细地描述。此外，用于支持证明满足对ADS施加的安全要求的本文实施例可以通过一个或多个处理器(例如，处理器110，例如，由至少第一中央处理单元(CPU)、至少第一图形处理单元(GPU)、至少第一张量处理单元(TPU)、和/或至少第一现场可编程门阵列(FPGA)表示)和用于执行本文实施例的功能和动作的计算机程序代码来实现。所述程序代码还可以作为计算机程序产品提供，例如，以承载计算机程序代码的数据载体的形式，该计算机程序代码当本文的实施例被加载到ADS开发系统1中时用于执行本文的实施例。一种这样的载体可以采用CD/DVD ROM盘和/或硬盘驱动器的形式，然而对于其它的数据载体也是可行的。此外，计算机程序代码可以作为服务器上的纯程序代码提供，并且被下载到ADS开发系统1。ADS开发系统1还可以包括存储器112，该存储器112包括一个或多个存储单元。存储器112可选地包括高速随机存取存储器(例如，DRAM、SRAM、DDR RAM)或其它随机存取固态存储器设备，并且还可选地包括非易失性存储器(例如，一个或多个磁盘存储设备、光盘存储设备、闪存设备或其它非易失性固态存储设备)。此外，存储器112可以被布置为用来存储例如信息，并且还被布置为存储数据、配置、调度和应用，以当本文的方法在ADS开发系统1中被执行时执行这些方法。。例如，计算机程序代码可以被实现在嵌入式处理器111的被存储在闪存112中的固件中，和/或可以例如从车外服务器被无线地下载。此外，单元101至单元110、可选的处理器111和/或可选的存储器112可以至少部分地被包括在配备ADS的车辆2的车外的(例如，由后端系统和/或集中式系统表示的)一个或多个系统114中，和/或被包括在(例如，在ADS21中的和/或与ADS21相关联的)一个或多个节点113(例如，配备ADS的车辆2的ECU)中。因此，应当理解，所描述的解决方案的部分可能可以在位于外部车辆的系统114中实现，或在内部车辆和外部车辆的组合中实现，例如在分布式系统和/或解决方案中实现，例如还在所谓的云解决方案中实现。本领域技术人员还将理解，上述的所述单元101至单元110以及本文描述的任何其他单元、接口、系统、控制器、模块、设备、元件、特征等可以指、包括、包含如下项和/或在如下项中或由如下项实现：模拟和数字电路和/或一个或多个处理器的组合，所述一个或多个处理器被配置有例如被存储在诸如存储器112之类的存储器中的软件和/或固件，该软件和/或固件当由诸如处理器111之类的一个或多个处理器执行时执行如在此描述的操作。这些处理器中的一个或多个处理器以及其它的数字硬件可以被包括在单个专用集成电路(ASIC)或若干个处理器中，并且各种数字硬件可以被分布在若干个单独的组件中，无论是独自地被封装还是被组装到片上系统(SoC)。
图2是根据本公开实施例的描绘由ADS开发系统1执行的示例性方法的流程图。所述方法用于支持证明满足对ADS施加的安全要求。示例性方法可以被连续重复，包括利用图1以及在某种程度上利用图3和图4讨论的以下动作中的一个或多个动作。此外，这些动作可以以任何合适的顺序进行和/或一个或多个动作可以同时被执行和/或在适用时以交替的顺序执行。
动作1001
在动作1001中，ADS开发系统1(例如，利用策略推导单元101)基于ADS21的所述安全要求和操作参数集合的可预定模型，推导出对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性。
动作1002
在动作1002中，ADS开发系统1(例如，利用策略识别单元102)识别由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，该标准过滤出分别指示对应的操作参数需要被进一步遵守的不确定性，以便放宽ADS21的当前被允许的满足安全要求的ADS安全驾驶策略。
动作1003
在动作1003中，ADS开发系统1(例如，利用位置识别单元103)识别例如符合ADS的数字地图的至少第一地理位置，该至少第一地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被遵守的条件。
动作1004
在动作1004中，ADS开发系统1(例如，利用映射生成单元104)生成将所识别的至少第一地理位置与需要进一步遵守的(一个或多个)操作参数相关联的映射。
可选地，生成映射的动作1004可以包括(和/或映射生成单元104可以适用于和/或被配置为)生成热图，在该热图中，所识别的至少第一地理位置被赋予需要进一步遵守的(一个或多个)操作参数。
动作1005
在可选动作1005中，ADS开发系统1可以(例如，利用可选地图实现单元105)在可从配备ADS的车辆2访问的数字地图22中实现所述映射。
动作1006
在可选动作1006中，ADS开发系统1可以(例如，利用可选路径检索单元106)检索配备ADS的车辆2的一个或多个潜在车辆路径。
动作1007
在可选动作1007(其可以跟随在可选动作1006之后)中，ADS开发系统1可以(例如，利用可选路径选择单元107)从潜在车辆路径中选择包括一个或多个至少第一地理位置的路径。
动作1008
在可选动作1008中，ADS开发系统1可以(例如，利用可选位置确定单元108)通过定位系统23确定配备ADS的车辆2的沿所选路径的地理位置。
动作1009
在可选动作1009(其可以跟随在可选动作1008之后)中，当车辆位置在相应一个或多个至少第一地理位置的可预定距离和/或时间范围内时，ADS开发系统1可以(例如，利用可选数据收集单元109)收集操作数据。
动作1010
在可选动作1010中，ADS开发系统1可以(例如，利用可选模型更新单元110)用所收集的数据的至少一部分更新该模型。
因此，当鉴于优化ADS21的性能增长而执行路径规划时，本文引入的概念映射(例如，由热图表示)可以(如在前述内容中所提及的)例如被利用和/或构成所谓的ADS性能影响热图。根据示例，并且如结合图4以示例性方式所描绘的，在此引入的概念的实施方式和/或实施例因此可以潜在地被如下解释、表示和/或执行。
在图4的示例中，假设已经设计了ADS，该ADS已经被示出为使用起来安全，并且还假设所述ADS在使用中。根据定义，ADS限于精确地完成所显示的能够实现的内容，即，在现有的操作设计域(ODD)中的用例。此外，假设该ADS被设计为平衡在运行时所有与安全相关的风险，使得其驱动速度不比其知道的能够驱动的速度更快，就像人类做的或应该做的那样。可以注意到的是，基于确定知道你不能做某事的限制可能以与基于不知道特定能力的限制相同的方式影响驾驶，并因此避免这样做；“安全性优于抱歉”。该系统的特征在于被一系列约束限制，这一系列约束全部需要被满足。此外，通常以安全速度来表达这些限制，其中，在任何时间的ADS安全速度等于相对于特定后果安全的速度中的最低速度，配备ADS的车辆被设计为避免该特定后果：
SafeSpeed＝MIN(SafeSpeed 1、……、SafeSpeed_N)，
在ADS中，运行时风险可以被评估为同时一起避免“N”个结果。
每个SafeSpeed_i(安全速度i，i在1、……N中)根据一系列参数和假设(即，模型)来计算，为了使ADS安全，每个参数和假设需要被证明为代表ADS用例。如果这些参数是不确定的，则(如示例性图4所示出的)SafeSpeed也将是不确定的。这不一定是可观察到的，但是本文建立了这样的连接。因此，示例性图4描绘了示例性的相应概率密度函数值(p(v1)、p(v2)、……)。它可以在一个范围上积分以表示随机变量在该范围内的概率P(A<x<B)＝int_(A)^(B)p(x)dx。参数向量\lambda包含用于计算安全速度的所有参数，并且可以包括例如某些事件的发生速率、可用制动、感测故障的概率等。在示例性图4中，可以推导出v_2几乎不能被大大改进，因为概率分布已经相当窄。这意味着对实际限制有很好的理解，因此不能期望更多的信息以较大的程度改变安全速度。相反，然而，v_3是非常不确定的，并且关于什么是“速度至少大于此”的安全值的确信(其在图4中由点估计^v_1、^v_2、^v_3指示)可以预期随着更多信息的观察而在很大程度上发生改变。然而，分析可能显示当前限制系统的实际上是v_1(可以注意的是，本文的曲线图对于运行时的时间点是有效的，因为实际上对速度也可能存在本文不包括的其他限制；例如，驾驶速度慢于任何限制v1、……、v_N的先行车辆在限速的情况下自然可以是规范的)。因此，可以得出结论，v_1需要被更好地学习。分析集中在向量\lambda上，因为类似的视图将示出每个元素对整体安全性有多少贡献。一旦识别哪些元素对v_1和v_3有贡献，则期望更多地了解这些元素，目的是所得到的(因此所更新的)分布将与p(v_2)类似，但是如果更新示例性图4的曲线图，则更远离右边。为了这样做，期望知道在哪里观察这些元素。建模框架提供该信息，这与例如AI是否已经被用于生成例如黑盒设置中的驾驶策略相反。例如，如果重要的是知道行人可以预期移动的最大速度，则期望在可以很大程度上观察到行人的位置驾驶。另一个示例是知道例如驼鹿可能多久走到道路上，或替代地，如果在道路上，则驼鹿在什么距离处被检测到。前一与驼鹿相关的速率例如可以仅在打算驾驶的位置被知道，而后者可以在另一道路上被知道。知道这一点对于设计未来的数据收集很重要。明确地，配备ADS的车辆将来所行驶的路径可以例如使用不同的激励来鼓励，以在可以学习这些参数的区域驾驶。使用配备ADS的车辆或甚至在使用非ADS车辆可适用时，知道何处可观察到参数对于一些参数是可以提前完成的。后一种情况的一个这样的示例是根据温度的制动性能，其可以使用例如任何汽车来学习。例如，到地理位置的连接可以是：举例来说，如果特别感兴趣知道在路面上温度变化大约是零度期间的性能，则可能期望(甚至规划)在有许多桥梁的道路上驾驶，因为在寒冷天气下，桥梁上的温度可能不同于固体地面上的温度。接下来，结合图4的实施方式和/或实施例被提出，以在收集数据的给定时间段之后预测ADS的改进和/或预期增益，并且识别哪些数据最具有改进ADS的潜力，并且最后识别可以在哪里发现这样的数据。在这些步骤之后，可以估计有多少更新值得做，并且潜在地为配备ADS的车辆的用户选择激励以促进这种情况的发生。因此，以上内容可以通过创建不确定性in\lambda^i_j和安全速度v^safe_i的之间的联系来实现，以计算改变的预期影响dv/d\lambda。可以注意的是，这可以促使理解多个参数在不同的的程度上是有趣的。预期影响可以例如被表示为：
增益＝g(驾驶公里数，观察速率)
然后，g()可以用于确定(lambdas的)为预期距离提供最大增益的哪个观察速率将要被进行。接下来，可以搜索配备ADS的车辆可以行驶的路径，在这些路径中所选择的参数预期将被观察到。然后，可以潜在地向驾驶员或ADS调度员提供激励以促进该驾驶。
可以注意的是，使用最近被证明的(或至少先前被证明的)系统收集数据可能是重要的，其目的是表明系统的未来版本也将是安全的。
本领域技术人员认识到，本公开决不限于上述优选实施例。相反，在所附权利要求的范围内，许多修改和变化是可能的。还应当注意，附图不一定是按比例的，并且为了清楚起见，某些特征的尺寸可能被放大。而是，重点在于说明本文的实施例的原理。附加地，在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一个”或“一”不排除多个。

Claims (15)

1.一种方法，所述方法由ADS开发系统(1)执行，用于支持证明满足对自动驾驶系统ADS施加的安全要求，所述方法包括：
基于ADS(21)的所述安全要求和操作参数集合的可预定模型，推导出(1001)对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性；
识别(1002)由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，所述标准过滤出分别指示对应的操作参数需要被进一步观察的不确定性，以便放宽ADS(21)的当前被允许的满足安全要求的ADS安全驾驶策略；
识别(1003)例如符合ADS的数字地图的至少第一地理位置，所述至少第一地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件；以及
生成(1004)将所识别的至少第一地理位置与所述需要进一步遵守的(一个或多个)操作参数相关联的映射。
2.根据权利要求1所述的方法，其中，生成(1004)所述映射包括生成热图，在所述热图中，所述所识别的至少第一地理位置被赋予所述需要进一步遵守的(一个或多个)操作参数。
3.根据权利要求1或2所述的方法，还包括：
在可从配备ADS的车辆(2)访问的数字地图(22)中实现(1005)所述映射。
4.根据权利要求3所述的方法，还包括：
检索(1006)所述配备ADS的车辆(2)的一个或多个潜在车辆路径；以及
从所述潜在车辆路径中选择(1007)出包括所述至少第一地理位置中的一个或多个地理位置的路径。
5.根据权利要求4所述的方法，还包括：
利用定位系统(23)确定(1008)所述配备ADS的车辆(2)的沿所选路径的地理位置；以及
当车辆位置在所述至少第一地理位置中的相应一个或多个地理位置的可预定距离和/或时间范围内时，收集(1009)操作数据。
6.根据权利要求5所述的方法，还包括：
用所收集的数据的至少一部分更新(1010)所述模型。
7.一种ADS开发系统(1)，用于支持证明满足对自动驾驶系统ADS施加的安全要求，所述ADS开发系统(1)包括：
策略推导单元(101)，用于基于ADS(21)的所述安全要求和操作参数集合的可预定模型，推导出(1001)对应的参数特定ADS安全驾驶策略集合，每个安全驾驶策略呈现由对应操作参数的不确定性引起的相应不确定性；
策略识别单元(102)，用于识别(1002)由满足可预定标准的不确定性引起的至少第一参数特定ADS安全驾驶策略，所述标准过滤出分别指示对应的操作参数需要被进一步观察的不确定性，以便放宽ADS(21)的当前被允许的满足安全要求的ADS安全驾驶策略；
位置识别单元(103)，用于识别(1003)例如符合ADS的数字地图的至少第一地理位置，所述至少第一地理位置呈现允许需要进一步遵守的(一个或多个)操作参数被观察的条件；以及
映射生成单元(104)，用于生成(1004)将所识别的至少第一地理位置与所述需要进一步遵守的(一个或多个)操作参数相关联的映射。
8.根据权利要求7所述的ADS开发系统(1)，其中，所述映射生成单元(104)适用于和/或被配置为生成热图，在所述热图中，所述所识别的至少第一地理位置被赋予所述需要进一步遵守的(一个或多个)操作参数。
9.根据权利要求7或8所述的ADS开发系统(1)，还包括：
地图实现单元(105)，用于在可从配备ADS的车辆(2)访问的数字地图(22)中实现(1005)所述映射。
10.根据权利要求9所述的ADS开发系统(1)，还包括：
路径检索单元(106)，用于检索(1006)所述配备ADS的车辆(2)的一个或多个潜在车辆路径；以及
路径选择单元(107)，用于从所述潜在车辆路径中选择(1007)出包括所述至少第一地理位置中的一个或多个地理位置的路径。
11.根据权利要求10所述的ADS开发系统(1)，还包括：
位置确定单元(108)，用于利用定位系统(23)确定(1008)所述配备ADS的车辆(2)的沿所选路径的地理位置；以及
数据收集单元(109)，用于当车辆位置在所述至少第一地理位置中的相应一个或多个地理位置的可预定距离和/或时间范围内时，收集(1009)操作数据。
12.根据权利要求11所述的ADS开发系统(1)，还包括：
模型更新单元(110)，用于用所收集的数据的至少一部分更新(1010)所述模型。
13.一种布置，例如，车外系统(114)和/或车辆(2)，包括根据权利要求7至12中任一项所述的ADS开发系统(1)。
14.一种计算机程序产品，包括计算机程序，所述计算机程序包含计算机程序代码手段，所述计算机程序代码手段被布置为使计算机或处理器执行根据权利要求1至6中任一项所述的方法的步骤，所述计算机程序产品存储在计算机可读介质或载波上。
15.一种非易失性计算机可读存储介质，其上存储有根据权利要求14所述的计算机程序产品。
CN202311365481.1A 2022-10-21 2023-10-20 Ads开发 Pending CN117917351A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP22202948.0 2022-10-21
EP22202948.0A EP4357212A1 (en) 2022-10-21 2022-10-21 Ads development

Publications (1)

Publication Number Publication Date
CN117917351A true CN117917351A (zh) 2024-04-23

Family

ID=83903225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311365481.1A Pending CN117917351A (zh) 2022-10-21 2023-10-20 Ads开发

Country Status (3)

Country Link
US (1) US20240227857A9 (zh)
EP (1) EP4357212A1 (zh)
CN (1) CN117917351A (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220126878A1 (en) * 2019-03-29 2022-04-28 Intel Corporation Autonomous vehicle system
WO2022006418A1 (en) * 2020-07-01 2022-01-06 May Mobility, Inc. Method and system for dynamically curating autonomous vehicle policies
EP3971526B1 (en) * 2020-09-18 2024-05-08 Zenuity AB Path planning in autonomous driving environments

Also Published As

Publication number Publication date
EP4357212A1 (en) 2024-04-24
US20240227857A9 (en) 2024-07-11
US20240132106A1 (en) 2024-04-25

Similar Documents

Publication Publication Date Title
US11537134B1 (en) Generating environmental input encoding for training neural networks
JP2023528078A (ja) 自律エージェントの不確実性推定に基づく決定論的軌道選択のための方法およびシステム
US20210389133A1 (en) Systems and methods for deriving path-prior data using collected trajectories
CN104730949A (zh) 自主车辆中的情感型用户界面
US11804136B1 (en) Managing and tracking scouting tasks using autonomous vehicles
CN110998469A (zh) 对具有自主驾驶能力的车辆的操作进行干预
CN114199263A (zh) 自动驾驶环境中的路径规划
US11604075B2 (en) Systems and methods for deriving planned paths for vehicles using path priors
US20190377342A1 (en) Navigational constraints for autonomous vehicles
EP4194304A1 (en) Precautionary planning of minimal risk maneuvers
CN115269371A (zh) 用于自动驾驶系统的路径规划系统开发的平台
US20220342804A1 (en) Vehicle software shadow mode testing
US20240166213A1 (en) Dynamic assignment of friction coefficient using sensor data for use in simulation
US11897501B2 (en) ADS perception development
US20240227857A9 (en) Ads development
US20220397405A1 (en) Information processing device, information processing method and information processing system
US20230256994A1 (en) Assessing relative autonomous vehicle performance via evaluation of other road users
US20220089162A1 (en) Systems and methods for vehicles resolving a standoff
US20230094220A1 (en) Ads feature verification
EP4372566A1 (en) Ads driving scenario generation
US20230303093A1 (en) Event buffer storage prioritization
US20240003704A1 (en) Identifying locations crucial to an ads-equipped vehicle
US12061537B2 (en) Testing software changes and determining a repeatability of software tests
US20240184947A1 (en) Attribution of reproducibility results of autonomous vehicle subsystem
US20240248212A1 (en) Object tracking based on unused sensor data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication