DE102018129048A1

DE102018129048A1 - Systeme und verfahren zum bestimmen von sicherheitsereignissen für ein autonomes fahrzeug

Info

Publication number: DE102018129048A1
Application number: DE102018129048.9A
Authority: DE
Inventors: Albert BONISKE; George Hines; Sandra Lennie
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2017-11-21
Filing date: 2018-11-19
Publication date: 2019-05-23
Anticipated expiration: 2038-11-20
Also published as: CN109814520A; DE102018129048B4; US20180074501A1; US10976737B2; CN109814520B

Abstract

Es sind Systeme und Verfahren zum Durchführen einer autonomen Fahrzeugbetriebsanalyse vorgesehen. Ein Verfahren beinhaltet Sensordaten werden, die für eine Umgebung und den Betrieb eines von Menschen betriebenen Fahrzeugs repräsentativ sind. Menschliche Ereignisdaten werden basierend auf den empfangenen Sensordaten bestimmt. Es werden Ereignisdaten empfangen, die dem Betrieb eines autonomen Fahrzeugs zugeordnet sind. Die Daten des menschlichen Ereignisses werden mit den Daten des autonomen Fahrzeugereignisses korreliert, basierend auf dem Grad der Ähnlichkeit von Ereignissen des von Menschen betriebenen Fahrzeugs und autonomen Fahrzeugereignissen in Bezug auf Fahrszenarien. Die sicherheitsbezogene Analyse wird durch den einen oder die mehreren Datenverarbeiter basierend auf den korrelierten menschenbetriebenen Fahrzeugereignissen und autonomen Fahrzeugereignissen erstellt.

Description

TECHNISCHES GEBIET
Die vorliegende Offenbarung bezieht sich im Allgemeinen auf autonome Fahrzeuge, und insbesondere auf Systeme und Verfahren zum Bestimmen von Sicherheitsereignissen für ein autonomes Fahrzeug.
EINLEITUNG
Ein autonomes Fahrzeug ist ein Fahrzeug, das in der Lage ist, seine Umgebung zu erfassen und mit geringfügiger oder gar keiner Benutzereingabe zu navigieren. Ein autonomes Fahrzeug erfasst seine Umgebung unter Verwendung von Sensorvorrichtungen, wie beispielsweise Radar-, Lidar-, Bildsensoren und dergleichen. Das autonome Fahrzeugsystem nutzt weiterhin Informationen von globalen Positioniersystemen (GPS), Navigationssystemen, Fahrzeug-Fahrzeug-Kommunikationen, Fahrzeug-Infrastruktur-Technologien und/oder drahtgesteuerten Systemen, um das Fahrzeug zu navigieren.
Die Fahrzeugautomatisierung wurde kategorisiert nach nummerischen Ebenen von null, entsprechend keiner Automatisierung mit voller menschlicher Kontrolle, bis Fünf, entsprechend der vollen Automatisierung ohne menschliche Kontrolle. Verschiedene automatisierte Fahrerassistenzsysteme, wie beispielsweise Geschwindigkeitsregelung, adaptive Geschwindigkeitsregelung und Parkassistenzsysteme, entsprechen niedrigeren Automatisierungsebenen, während echte „fahrerlose“ Fahrzeuge mit höheren Automatisierungsebenen übereinstimmen.
Autonome Fahrzeugsensoren erfassen eine signifikante Menge an Daten über Objekte, die das autonome Fahrzeug umgeben, sowie über andere Umweltfaktoren. Die Analyse und die Verwendung dieser Daten trägt zum sicheren Fahren bei. Dementsprechend ist es wünschenswert, Systeme und Verfahren vorzusehen, die das Verständnis für Daten von Sensoren und anderen Quellen und deren Zusammenhang mit dem sicheren Betrieb autonomer Fahrzeuge erleichtern. Es ist ferner wünschenswert, Verfahren und Systeme zum Klassifizieren von Sicherheitsereignissen im Zusammenhang mit autonomen Fahrzeugen vorzusehen. Ferner werden andere wünschenswerte Funktionen und Merkmale der vorliegenden Erfindung aus der nachfolgenden ausführlichen Beschreibung und den beigefügten Ansprüchen, in Verbindung mit den beigefügten Zeichnungen, sowie mit dem vorangehenden technischen Gebiet und Hintergrund ersichtlich offensichtlich.
KURZDARSTELLUNG
Es werden Systeme und Verfahren zum Steuern eines autonomen Fahrzeugs bereitgestellt. In einer Ausführungsform sind ein Verfahren und ein System zum Durchführen einer Betriebsanalyse für autonome Fahrzeuge vorgesehen. Sensordaten werden von Sensorvorrichtungen empfangen und sind repräsentativ für die Umgebung und den Betrieb eines personengesteuerten Fahrzeugs. Menschliche Ereignisdaten werden von einem oder mehreren Prozessoren basierend auf den erfassten Sensordaten bestimmt. Ereignisdaten, die dem Betrieb eines autonomen Fahrzeugs zugeordnet sind, werden von einem oder mehreren Datenverarbeitern empfangen. Die menschlichen Ereignisdaten werden von einem oder mehreren Datenverarbeitern mit den autonomen Fahrzeug-Ereignisdaten korreliert, basierend auf dem Grad der Übereinstimmung von menschlich betriebenen Fahrzeugereignissen und autonomen Fahrzeugereignissen in Bezug auf Fahrszenarien. Die sicherheitsbezogene Analyse wird durch den einen oder die mehreren Datenverarbeiter basierend auf den korrelierten menschenbetriebenen Fahrzeugereignissen und autonomen Fahrzeugereignissen erstellt.
In Ausführungsformen sind ein Verfahren und ein System zum Durchführen einer Betriebsanalyse für autonome Fahrzeuge vorgesehen. Sensordaten werden von Sensorvorrichtungen empfangen und sind repräsentativ für die Umgebung und den Betrieb eines menschlich betriebenen Fahrzeugs. Menschliche Ereignisdaten werden von einem oder mehreren Prozessoren basierend auf den erfassten Sensordaten bestimmt. Ereignisdaten, die dem Betrieb eines autonomen Fahrzeugs zugeordnet sind, werden von einem oder mehreren Datenverarbeitern empfangen. Die menschlichen Ereignisdaten werden von einem oder mehreren Datenverarbeitern mit den autonomen Fahrzeug-Ereignisdaten korreliert, basierend auf dem Grad der Übereinstimmung von menschlich betriebenen Fahrzeugereignissen und autonomen Fahrzeugereignissen in Bezug auf Fahrszenarien. Die sicherheitsrelevante Analyse wird durch den einen oder die mehreren Datenverarbeiter basierend auf den korrelierten personengesteuerten Fahrzeugereignissen und autonomen Fahrzeugereignissen erstellt. Die so erzeugte sicherheitstechnische Analyse bewertet den Grad der Fahrzeugsicherheit zwischen personengesteuerten Fahrzeugen und autonomen Fahrzeugen unter gleichwertigen Fahrszenarien.
Figurenliste
Die exemplarischen Ausführungsformen werden nachfolgend in Verbindung mit den folgenden Zeichnungen beschrieben, worin gleiche Bezugszeichen gleiche Elemente bezeichnen, und worin gilt:

1 ist ein Funktionsblockdiagramm, das ein autonomes Fahrzeug gemäß verschiedenen Ausführungsformen veranschaulicht;
2 ist ein Funktionsblockdiagramm, das ein Transportsystem mit einem oder mehreren autonomen Fahrzeugen aus 1 gemäß verschiedenen Ausführungsformen veranschaulicht;
3 ist ein Funktionsblockdiagramm, das ein autonomes Antriebssystem (ADS) in Verbindung mit einem autonomen Fahrzeug gemäß verschiedenen Ausführungsformen veranschaulicht;
4 ist ein Funktionsblockdiagramm, das ein Sicherheitsereignisverarbeitungssystem gemäß verschiedenen Ausführungsformen darstellt;
Die 5 und 6 sind Funktionsblockdiagramme, welche das Verarbeiten von Fahrzeugsensordaten für den Vergleich von Sicherheitsereignissen zwischen einem menschlichen und autonomen Fahrzeugbetrieb veranschaulichen;
7 ist ein Funktionsblockdiagramm, das die Verwendung eines künstlichen neuronalen Netzwerks zum Korrelieren von Sicherheitsereignissen zwischen einem menschlichen und autonomen Fahrzeugbetrieb veranschaulicht; und
8 ist ein Flussdiagramm, das ein Betriebsszenario mit sicherheitsrelevanten Ereignissen im Zusammenhang mit starkem Bremsen darstellt.

AUSFÜHRLICHE BESCHREIBUNG
Die folgende ausführliche Beschreibung dient lediglich als Beispiel und soll die Anwendung und Verwendung in keiner Weise einschränken. Weiterhin besteht keine Absicht, im vorstehenden technischen Bereich, Hintergrund, der Kurzzusammenfassung oder der folgenden detaillierten Beschreibung, an eine ausdrücklich oder implizit vorgestellte Theorie gebunden zu sein. Der hierin verwendete Begriff „Modul“ bezieht sich auf alle Hardware-, Software-, Firmwareprodukte, elektronische Steuerkomponenten, Verarbeitungslogik und/oder Prozessorgeräte, einzeln oder in allen Kombinationen, unter anderem beinhaltend, eine anwendungsspezifische integrierte Schaltung (ASIC), ein feldprogrammierbares Gate-Array (FPGA), eine elektronische Schaltung, einen Prozessor (gemeinsam genutzt, dediziert oder Gruppenprozessor) und einen Speicher, der ein oder mehrere Software- oder Firmwareprogramme, eine kombinatorische Logikschaltung und/oder andere geeignete Komponenten ausführt, welche die beschriebene Funktionalität bieten.
Ausführungsformen der vorliegenden Offenbarung können hierin als funktionale und/oder logische Blockkomponenten und verschiedene Verarbeitungsschritte beschrieben sein. Es ist zu beachten, dass derartige Blockkomponenten aus einer beliebigen Anzahl an Hardware-, Software- und/oder Firmware-Komponenten aufgebaut sein können, die zur Ausführung der erforderlichen Funktionen konfiguriert sind. Zum Beispiel kann eine Ausführungsform der vorliegenden Offenbarung eines Systems oder einer Komponente verschiedene integrierte Schaltungskomponenten, beispielsweise Speicherelemente, digitale Signalverarbeitungselemente, Logikelemente, Wertetabellen oder dergleichen, einsetzen, die mehrere Funktionen unter der Steuerung eines oder mehrerer Mikroprozessoren oder anderer Steuervorrichtungen durchführen können. Zudem werden Fachleute auf dem Gebiet erkennen, dass die exemplarischen Ausführungsformen der vorliegenden Offenbarung in Verbindung mit einer beliebigen Anzahl an Systemen eingesetzt werden können, und dass das hierin beschriebene System lediglich eine exemplarische Ausführungsform der vorliegenden Offenbarung darstellt.
Der Kürze halber können konventionelle Techniken in Verbindung mit der Signalverarbeitung, Datenübertragung, Signalgebung, Steuerung, maschinellen Lernen, Bildanalyse und weiteren funktionalen Aspekten der Systeme (und den einzelnen Bedienkomponenten der Systeme) hierin nicht im Detail beschrieben werden. Weiterhin sollen die in den verschiedenen Figuren dargestellten Verbindungslinien exemplarische Funktionsbeziehungen und/oder physikalische Verbindungen zwischen den verschiedenen Elementen darstellen. Es sollte beachtet werden, dass viele alternative oder zusätzliche funktionale Beziehungen oder physikalische Verbindungen in einer Ausführungsform der vorliegenden Offenbarung vorhanden sein können.
Wie unter Bezugnahme auf 1 ersichtlich, ist ein bei 100 allgemein dargestelltes Steuersystem mit einem Fahrzeug 10 gemäß verschiedenen Ausführungsformen assoziiert. Im Allgemeinen stellt das System 100 eine Verarbeitung von dreidimensionalen Bildern der Umgebung des Fahrzeugs 10 in Form von Punktwolken auf niedrigem Niveau bereit, um die Geschwindigkeit umgebender Objekte zur Verwendung beim Steuern des Fahrzeugs 10 heranzuziehen.
Wie in 1 dargestellt, beinhaltet das Fahrzeug 10 im Allgemeinen ein Fahrgestell 12, eine Karosserie 14, Vorderräder 16 und Hinterräder 18. Die Karosserie 14 ist auf dem Fahrgestell 12 angeordnet und umhüllt im Wesentlichen die anderen Komponenten des Fahrzeugs 10. Die Karosserie 14 und das Fahrgestell 12 können gemeinsam einen Rahmen bilden. Die Räder 16-18 sind jeweils mit dem Fahrgestell 12 in der Nähe einer jeweiligen Ecke der Karosserie 14 drehbar verbunden.
In verschiedenen Ausführungsformen ist das Fahrzeug 10 ein autonomes Fahrzeug und das System 100 und/oder Komponenten davon in das autonome Fahrzeug 10 (nachfolgend als das autonome Fahrzeug 10 bezeichnet) integriert. Das autonome Fahrzeug 10 ist beispielsweise ein Fahrzeug, das automatisch gesteuert wird, um Passagiere von einem Ort zum anderen zu befördern. Das Fahrzeug 10 ist in der veranschaulichten Ausführungsform als Pkw dargestellt, es sollte jedoch beachtet werden, dass auch jedes andere Fahrzeug, einschließlich Motorräder, Lastwagen, Sportfahrzeuge (SUVs), Freizeitfahrzeuge (RVs), Schiffe, Flugzeuge und dergleichen verwendet werden können.
In einer exemplarischen Ausführungsform entspricht das autonome Fahrzeug 10 einem Automatisierungssystem des Levels vier oder Levels fünf gemäß der Standardtaxonomie automatisierter Fahrlevels der Society of Automotive Engineers (SAE) „J3016“. Mit dieser Terminologie bezeichnet ein Level-Vier-System eine „hohe Automatisierung“ unter Bezugnahme auf einen Fahrmodus, bei dem das automatisierte Fahrsystem alle Aspekte der dynamischen Fahraufgabe übernimmt, selbst wenn ein menschlicher Fahrer nicht angemessen auf eine Aufforderung zum Eingreifen reagiert. Ein Level-Fünf-System hingegen zeigt eine „Vollautomatisierung“ und bezeichnet einen Fahrmodus, bei dem das automatisierte Fahrsystem alle Aspekte der dynamischen Fahraufgabe unter allen Fahrbahn- und Umweltbedingungen erfüllt, die ein menschlicher Fahrer bewältigen kann. Es versteht sich, dass die Ausführungsformen gemäß der vorliegenden Thematik nicht auf eine bestimmte Taxonomie oder Rubrik der Automatisierungskategorien beschränkt sind. Darüber hinaus können Systeme gemäß der vorliegenden Ausführungsform in Verbindung mit jedem autonomen oder anderen Fahrzeug verwendet werden, das ein Navigationssystem und/oder andere Systeme zur Routenführung und/oder -implementierung verwendet.
Wie dargestellt, beinhaltet das autonome Fahrzeug 10 im Allgemeinen ein Antriebssystem 20, ein Übertragungssystem 22, ein Lenksystem 24, ein Bremssystem 26, ein Sensorsystem 28, ein Stellantriebsystem 30, mindestens einen Datenspeicher 32, mindestens eine Steuerung 34 und ein Kommunikationssystem 36. Das Antriebssystem 20 kann in verschiedenen Ausführungsformen einen Verbrennungsmotor, eine elektrische Maschine, wie beispielsweise einen Traktionsmotor und/oder ein Brennstoffzellenantriebssystem, beinhalten. Das Übertragungssystem 22 ist dazu konfiguriert, Leistung vom Antriebssystem 20 auf die Fahrzeugräder 16 und 18 gemäß den wählbaren Übersetzungsverhältnissen zu übertragen. Gemäß verschiedenen Ausführungsformen kann das Getriebesystem 22 ein Stufenverhältnis-Automatikgetriebe, ein stufenlos verstellbares Getriebe oder ein anderes geeignetes Getriebe beinhalten.
Das Bremssystem 26 ist dazu konfiguriert, den Fahrzeugrädern 16 und 18 ein Bremsmoment bereitzustellen. Das Bremssystem 26 kann in verschiedenen Ausführungsformen Reibungsbremsen, Bake-by-Wire, ein regeneratives Bremssystem, wie beispielsweise eine elektrische Maschine und/oder andere geeignete Bremssysteme, beinhalten.
Das Lenksystem 24 beeinflusst eine Position der Fahrzeugräder 16 und/oder 18. Während in einigen Ausführungsformen innerhalb des Umfangs der vorliegenden Offenbarung zur Veranschaulichung als ein Lenkrad 25 dargestellt, kann das Lenksystem 24 kein Lenkrad beinhalten.
Das Sensorsystem 28 beinhaltet eine oder mehrere Sensorvorrichtungen 40a-40n, die beobachtbare Zustände der äußeren Umgebung und/oder der inneren Umgebung des autonomen Fahrzeugs 10 erfassen. Die Abtastvorrichtungen 40a-40n können Radargeräte, Lidare, globale Positionierungssysteme, optische Kameras, Wärmebildkameras, Ultraschallsensoren und/oder andere Sensoren beinhalten, sind aber nicht darauf beschränkt. Das Stellantriebssystem 30 beinhaltet eine oder mehrere Stellantriebs-Vorrichtungen 42a-42n, die ein oder mehrere Fahrzeugmerkmale, wie zum Beispiel das Antriebssystem 20, das Getriebesystem 22, das Lenksystem 24 und das Bremssystem 26, steuern, jedoch nicht darauf beschränkt sind. In verschiedenen Ausführungsformen kann das autonome Fahrzeug 10 auch Fahrzeug-Innen- und/oder Außenausstattungen beinhalten, die nicht in 1 dargestellt sind, wie beispielsweise verschiedene Türen, Kofferraum- und Kabinenausstattungen, wie Luft, Musik, Beleuchtung, Touchscreen-Display-Komponenten (wie sie in Verbindung mit Navigationssystemen verwendet werden) und dergleichen.
Die Datenspeichervorrichtung 32 speichert Daten zur Verwendung beim automatischen Steuern des autonomen Fahrzeugs 10. In verschiedenen Ausführungsformen speichert die Datenspeichervorrichtung 32 definierte Landkarten der navigierbaren Umgebung. In verschiedenen Ausführungsformen werden die definierten Landkarten vordefiniert und von einem entfernten System (in weiteren Einzelheiten in Bezug auf 2 beschrieben) erhalten. So können beispielsweise die definierten Landkarten durch das entfernte System zusammengesetzt und dem autonomen Fahrzeug 10 (drahtlos und/oder drahtgebunden) mitgeteilt und in der Datenspeichervorrichtung 32 gespeichert werden. Routeninformationen können auch in der Datenvorrichtung 32 gespeichert werden - d. h., in einer Reihe von Straßenabschnitten (die geografisch mit einer oder mehreren der definierten Karten verknüpft sind), die zusammen eine Route definieren, die der Benutzer von einem Startort (z. B. dem aktuellen Standort des Benutzers) zu einem Zielort zurücklegen kann. Auch in verschiedenen Ausführungsformen speichert die Datenspeichervorrichtung 32 Verarbeitungsalgorithmen und Daten zum Verarbeiten von dreidimensionalen Punktwolken, um die Geschwindigkeit von Objekten in der Umgebung auf einer Bild-für-Bild-Basis zu ermitteln. Wie ersichtlich ist, kann die Datenspeichervorrichtung 32 ein Teil der Steuerung 34, von der Steuerung 34 getrennt, oder ein Teil der Steuerung 34 und Teil eines separaten Systems sein.
Die Steuerung 34 beinhaltet mindestens einen Prozessor 44 und eine computerlesbare Speichervorrichtung oder Medien 46. Der Prozessor 44 kann eine Spezialanfertigung oder ein handelsüblicher Prozessor sein, eine Zentraleinheit (CPU), eine Grafikprozessoreinheit (GPU) unter mehreren Prozessoren verbunden mit der Steuerung 34, ein Mikroprozessor auf Halbleiterbasis (in Form eines Mikrochips oder Chip-Satzes) eine Kombination derselben oder allgemein jede beliebige Vorrichtung zur Ausführung von Anweisungen. Die computerlesbare Speichervorrichtung oder Medien 46 können flüchtige und nicht-flüchtige Speicher in einem Nur-Lese-Speicher (ROM), einem Speicher mit direktem Zugriff (RAM) und einem Keep-Alive-Memory (KAM) beinhalten. KAM ist ein persistenter oder nicht-flüchtiger Speicher, der verwendet werden kann, um verschiedene Betriebsvariablen zu speichern, während der Prozessor 44 ausgeschaltet ist. Die computerlesbare Speichervorrichtung oder Medien 46 können unter Verwendung einer beliebigen einer Anzahl an bekannten Speichervorrichtungen, wie beispielsweise PROMs (programmierbarer Nur-Lese-Speicher), EPROMs (elektrische PROM), EEPROMs (elektrisch löschbarer PROM), Flash-Speicher oder beliebige andere elektrischen, magnetischen, optischen oder kombinierten Speichervorrichtungen implementiert werden, die Daten speichern können, von denen einige ausführbare Anweisungen darstellen, die von der Steuerung 34 beim Steuern des autonomen Fahrzeugs 10 verwendet werden.
Die Anweisungen können ein oder mehrere separate Programme beinhalten, von denen jede eine geordnete Auflistung von ausführbaren Anweisungen zum Implementieren von logischen Funktionen umfasst. Die Anweisungen empfangen und verarbeiten, wenn diese vom Prozessor 44 ausgeführt werden, Signale vom Sensorsystem 28, führen Logik, Berechnungen, Verfahren und/oder Algorithmen zur automatischen Steuerung der Komponenten des autonomen Fahrzeugs 10 durch und erzeugen Steuersignale, die an das Stellgliedsystem 30 übertragen werden, um die Komponenten des autonomen Fahrzeugs 10 basierend auf der Logik, den Berechnungen, den Verfahren und/oder Algorithmen automatisch zu steuern. Obwohl in 1 nur eine Steuerung 34 dargestellt ist, können Ausführungsformen des autonomen Fahrzeugs 10 eine beliebige Anzahl an Steuerungen 34 beinhalten, die über ein geeignetes Kommunikationsmedium oder eine Kombination von Kommunikationsmedien kommunizieren und zusammenwirken, um die Sensorsignale zu verarbeiten, Logiken, Berechnungen, Verfahren und/oder Algorithmen durchzuführen, und Steuersignale zu erzeugen, um die Funktionen des autonomen Fahrzeugs 10 automatisch zu steuern. In einer Ausführungsform, wie nachfolgend im Detail erörtert, ist die Steuerung 34 zur Verwendung in der Verarbeitung dreidimensionaler Bildgebungsdaten der Umgebung des Fahrzeugs 10 in Form von Punktwolken konfiguriert, um die Geschwindigkeit zur Verwendung bei der autonomen Steuerung des Fahrzeugs auf einer Bild-für-Bild-Basis zu ermitteln.
Das Kommunikationssystem 36 ist konfiguriert, um Informationen drahtlos an und von anderen Einheiten 48, wie beispielsweise, jedoch nicht beschränkt auf andere Fahrzeuge („V2V“-Kommunikation,) Infrastruktur („V2I“-Kommunikation), entfernte Transportsysteme und/oder Benutzervorrichtungen (in Bezug auf 2 näher beschrieben), zu übermitteln. In einer exemplarischen Ausführungsform ist das drahtlose Kommunikationssystem 36 dazu konfiguriert, über ein drahtloses lokales Netzwerk (WLAN) unter Verwendung des IEEE 802.11-Standards, über Bluetooth oder mittels einer mobilen Datenkommunikation zu kommunizieren. Im Geltungsbereich der vorliegenden Offenbarung werden jedoch auch zusätzliche oder alternative Kommunikationsverfahren, wie beispielsweise ein dedizierter Nahbereichskommunikations-(DSRC)-Kanal, berücksichtigt. DSRC-Kanäle beziehen sich auf Einweg- oder Zweiwege-Kurzstrecken- bis Mittelklasse-Funkkommunikationskanäle, die speziell für den Automobilbau und einen entsprechenden Satz von Protokollen und Standards entwickelt wurden.
Mit weiterem Bezug auf 2 in verschiedenen Ausführungsformen kann das autonome Fahrzeug 10, das mit Bezug auf 1 beschrieben ist, für den Einsatz im Rahmen eines Taxi- oder Shuttle-Unternehmens in einem bestimmten geografischen Gebiet (z. B. einer Stadt, einer Schule oder einem Geschäftscampus, einem Einkaufszentrum, einem Vergnügungspark, einem Veranstaltungszentrum oder dergleichen) geeignet sein. So kann beispielsweise das autonome Fahrzeug 10 einem autonomen fahrzeugbasierten Transportsystem zugeordnet sein. 2 veranschaulicht eine exemplarische Ausführungsform einer Betriebsumgebung, die im Allgemeinen bei 50 dargestellt ist und ein autonomes fahrzeugbasiertes Transportsystem (oder einfach „entferntes Transportsystem“) 52 beinhaltet, das, wie mit Bezug auf 1 beschrieben, einem oder mehreren autonomen Fahrzeugen 10a-10n zugeordnet ist. In verschiedenen Ausführungsformen beinhaltet die Betriebsumgebung 50 (die ganz oder teilweise den in 1 dargestellten Einheiten 48 entsprechen können) ferner eine oder mehrere Benutzervorrichtungen 54, die mit dem autonomen Fahrzeug 10 und/oder dem entfernten Transportsystem 52 über ein Kommunikationsnetzwerk 56 kommunizieren.
Das Kommunikationsnetzwerk 56 unterstützt die Kommunikation zwischen Geräten, Systemen und Komponenten, die von der Betriebsumgebung 50 unterstützt werden (z. B. über physische Kommunikationsverbindungen und/oder drahtlose Kommunikationsverbindungen). So kann beispielsweise das Kommunikationsnetzwerk 56 ein drahtloses Trägersystem 60 beinhalten, wie beispielsweise ein Mobiltelefonsystem, das eine Vielzahl von Mobilfunktürmen (nicht dargestellt), eine oder mehrere Mobilvermittlungsstellen (MSCs) (nicht dargestellt) sowie alle anderen Netzwerkkomponenten beinhalten, die zum Verbinden des drahtlosen Trägersystems 60 mit dem Festnetz erforderlich sind. Jeder Mobilfunkturm beinhaltet Sende- und Empfangsantennen und eine Basisstation, wobei die Basisstationen verschiedener Mobilfunktürme mit den MSC verbunden sind, entweder direkt oder über Zwischenvorrichtungen, wie beispielsweise eine Basisstationssteuerung. Das Drahtlosträgersystem 60 kann jede geeignete Kommunikationstechnologie implementieren, beispielsweise digitale Technologien, wie CDMA (z. B. CDMA2000), LTE (z. B. 4G LTE oder 5G LTE), GSM/GPRS oder andere aktuelle oder neu entstehende drahtlose Technologien. Andere Mobilfunkturm/Basisstation/MSC-Anordnungen sind möglich und könnten mit dem Mobilfunkanbietersystem 60 verwendet werden. So könnten sich beispielsweise die Basisstation und der Mobilfunkturm an derselben Stelle oder entfernt voneinander befinden, jede Basisstation könnte für einen einzelnen Mobilfunkturm zuständig sein oder eine einzelne Basisstation könnte verschiedene Mobilfunktürme bedienen, oder verschiedene Basisstationen könnten mit einer einzigen MSC gekoppelt werden, um nur einige der möglichen Anordnungen zu nennen.
Abgesehen vom Verwenden des drahtlosen Trägersystems 60 kann ein zweites drahtloses Trägersystem in Form eines Satellitenkommunikationssystems 64 verwendet werden, um unidirektionale oder bidirektionale Kommunikation mit dem autonomen Fahrzeug 10a-10n bereitzustellen. Dies kann unter Verwendung von einem oder mehreren Kommunikationssatelliten (nicht dargestellt) und einer aufwärts gerichteten Sendestation (nicht dargestellt) erfolgen. Die unidirektionale Kommunikation kann beispielsweise Satellitenradiodienste beinhalten, worin programmierte Inhaltsdaten (Nachrichten, Musik, und dergleichen) von der Sendestation empfangen werden, für das Hochladen gepackt und anschließend zum Satelliten gesendet werden, der die Programmierung an die Teilnehmer ausstrahlt. Die bidirektionale Kommunikation kann beispielsweise Satellitentelefondienste beinhalten, die den Satelliten verwenden, um Telefonkommunikationen zwischen dem Fahrzeug 10 und der Station weiterzugeben. Die Satellitentelefonie kann entweder zusätzlich oder anstelle des Mobilfunkanbietersystems 60 verwendet werden.
Ein Festnetz-Kommunikationssystem 62 kann ein konventionelles Festnetz-Telekommunikationsnetzwerk beinhalten, das mit einem oder mehreren Festnetztelefonen verbunden ist und das drahtlose Trägersystem 60 mit dem entfernten Transportsystem 52 verbindet. So kann beispielsweise das Festnetz-Kommunikationssystem 62 ein Fernsprechnetz (PSTN) wie jenes sein, das verwendet wird, um festverdrahtetes Fernsprechen, paketvermittelte Datenkommunikationen und die Internetinfrastruktur bereitzustellen. Ein oder mehrere Segmente des Festnetz-Kommunikationssystems 62 könnten durch Verwenden eines normalen drahtgebundenen Netzwerks, eines Lichtleiter- oder eines anderen optischen Netzwerks, eines Kabelnetzes, von Stromleitungen, anderen drahtlosen Netzwerken, wie drahtlose lokale Netzwerke (WLANs) oder Netzwerke, die drahtlosen Breitbandzugang (BWA) bereitstellen oder jeder Kombination davon implementiert sein. Weiterhin muss das entfernte Transportsystem 52 nicht über das Festnetz-Kommunikationssystem 62 verbunden sein, sondern könnte Funktelefonausrüstung beinhalten, sodass sie direkt mit einem drahtlosen Netzwerk, wie z. B. dem drahtlosen Trägersystem 60, kommunizieren kann.
Obwohl in 2 nur eine Benutzervorrichtung 54 dargestellt ist, können Ausführungsformen der Betriebsumgebung 50 eine beliebige Anzahl an Benutzervorrichtungen 54, einschließlich mehrerer Benutzervorrichtungen 54 unterstützen, die das Eigentum einer Person sind, von dieser bedient oder anderweitig verwendet werden. Jede Benutzervorrichtung 54, die von der Betriebsumgebung 50 unterstützt wird, kann unter Verwendung einer geeigneten Hardwareplattform implementiert werden. In dieser Hinsicht kann die Benutzervorrichtung 54 in einem gemeinsamen Formfaktor realisiert werden, darunter auch in: einen Desktop-Computer; einem mobilen Computer (z. B. einem Tablet-Computer, einem Laptop-Computer oder einem Netbook-Computer); einem Smartphone; einem Videospielgerät; einem digitalen Media-Player; eine Komponente eines Heimunterhaltungsgeräts; einer Digitalkamera oder Videokamera; einem tragbaren Computergerät (z. B. einer Smart-Uhr, Smart-Brille, Smart-Kleidung); oder dergleichen. Jede von der Betriebsumgebung 50 unterstützte Benutzervorrichtung 54 ist als computerimplementiertes oder computergestütztes Gerät mit der Hardware-, Software-, Firmware- und/oder Verarbeitungslogik realisiert, die für die Durchführung der hier beschriebenen verschiedenen Techniken und Verfahren erforderlich ist. So beinhaltet beispielsweise die Benutzervorrichtung 54 einen Mikroprozessor in Form einer programmierbaren Vorrichtung, die eine oder mehrere in einer internen Speicherstruktur gespeicherte Anweisungen beinhaltet und angewendet wird, um binäre Eingaben zu empfangen und binäre Ausgaben zu erzeugen. In einigen Ausführungsformen beinhaltet die Benutzervorrichtung 54 ein GPS-Modul, das GPS-Satellitensignale empfangen und GPS-Koordinaten basierend auf diesen Signalen erzeugen kann. In weiteren Ausführungsformen beinhaltet die Benutzervorrichtung 54 eine Mobilfunk-Kommunikationsfunktionalität, sodass die Vorrichtung Sprach- und/oder Datenkommunikationen über das Kommunikationsnetzwerk 56 unter Verwendung eines oder mehrerer Mobilfunk-Kommunikationsprotokolle durchführt, wie hierin erläutert. In verschiedenen Ausführungsformen beinhaltet die Benutzervorrichtung 54 eine visuelle Anzeige, wie zum Beispiel ein grafisches Touchscreen-Display oder eine andere Anzeige.
Das entfernte Transportsystem 52 beinhaltet ein oder mehrere Backend-Serversysteme, nicht dargestellt), die an dem speziellen Campus oder dem geografischen Standort, der vom Transportsystem 52 bedient wird, Cloud-basiert, netzwerkbasiert oder resident sein können. Das entfernte Transportsystem 52 kann mit einem Live-Berater, einem automatisierten Berater, einem System der künstlichen Intelligenz oder einer Kombination davon besetzt sein. Das entfernte Transportsystem 52 kann mit den Benutzervorrichtungen 54 und den autonomen Fahrzeugen 10a-10n kommunizieren, um Fahrten zu planen, autonome Fahrzeuge 10a-10n zu versetzen und dergleichen. In verschiedenen Ausführungsformen speichert das entfernte Transportsystem 52 Kontoinformationen, wie zum Beispiel Teilnehmer-Authentisierungsdaten, Fahrzeugkennzeichen, Profilaufzeichnungen, biometrische Daten, Verhaltensmuster und andere entsprechende Teilnehmerinformationen. In einer Ausführungsform, wie nachfolgend näher beschrieben, beinhaltet das entfernte Transportsystem 52 eine Routendatenbank 53, in der Informationen über die Routen des Navigationssystems, einschließlich Fahrbahnmarkierungen für Fahrbahnen entlang der verschiedenen Routen, gespeichert sind und ob und inwieweit bestimmte Streckenabschnitte von Baustellenbereichen oder anderen möglichen Gefahren oder Hindernissen betroffen sind, die von einem oder mehreren autonomen Fahrzeugen 10a-10n erkannt wurden.
Gemäß einem typischen Anwendungsfall-Arbeitsablauf kann ein registrierter Benutzer des entfernten Transportsystems 52 über die Benutzervorrichtung 54 eine Fahrtanforderung erstellen. Die Fahrtanforderung gibt typischerweise den gewünschten Abholort des Fahrgastes (oder den aktuellen GPS-Standort), den gewünschten Zielort (der einen vordefinierten Fahrzeugstopp und/oder ein benutzerdefiniertes Passagierziel identifizieren kann) und eine Abholzeit an. Das entfernte Transportsystem 52 empfängt die Fahrtanforderung, verarbeitet die Anforderung und sendet ein ausgewähltes der autonomen Fahrzeuge 10a-10n (wenn und sofern verfügbar), um den Passagier an dem vorgesehenen Abholort und zu gegebener Zeit abzuholen. Das Transportsystem 52 kann zudem eine entsprechend konfigurierte Bestätigungsnachricht oder Benachrichtigung an die Benutzervorrichtung 54 erzeugen und senden, um den Passagier zu benachrichtigen, dass ein Fahrzeug unterwegs ist.
Wie ersichtlich, bietet der hierin offenbarte Gegenstand bestimmte verbesserte Eigenschaften und Funktionen für das, was als ein standardmäßiges oder Basislinien autonomes Fahrzeug 10 und/oder ein autonomes fahrzeugbasiertes Transportsystem 52 betrachtet werden kann. Zu diesem Zweck kann ein autonomes fahrzeugbasiertes Transportsystem modifiziert, erweitert oder anderweitig ergänzt werden, um die nachfolgend näher beschriebenen zusätzlichen Funktionen bereitzustellen.
Gemäß verschiedener Ausführungsformen realisiert die Steuerung 34 ein autonomes Antriebssystem (ADS) 70, wie in 3 dargestellt. Das heißt, dass geeignete Soft- und/oder Hardwarekomponenten der Steuerung 34 (z. B. der Prozessor 44 und das computerlesbare Speichermedium 46) verwendet werden, um ein autonomes Antriebssystem 70 bereitzustellen, das in Verbindung mit dem Fahrzeug 10 verwendet wird.
In verschiedenen Ausführungsformen können die Anweisungen des autonomen Antriebssystems 70 je nach Funktion oder System gegliedert sein. Das autonome Antriebssystem 70 kann beispielsweise, wie in 3 dargestellt, ein Sensorfusionssystem 74, ein Positioniersystem 76, ein Lenksystem 78 und ein Fahrzeugsteuerungssystem 80 beinhalten. Wie ersichtlich ist, können die Anweisungen in verschiedenen Ausführungsformen in beliebig viele Systeme (z. B. kombiniert, weiter unterteilt usw.) gegliedert werden, da die Offenbarung nicht auf die vorliegenden Beispiele beschränkt ist.
In verschiedenen Ausführungsformen synthetisiert und verarbeitet das Sensorfusionssystem 74 Sensordaten und prognostiziert Anwesenheit, Lage, Klassifizierung und/oder Verlauf von Objekten und Merkmalen der Umgebung des Fahrzeugs 10. In verschiedenen Ausführungen kann das Sensorfusionssystem 74 Informationen von mehreren Sensoren beinhalten, einschließlich, aber nicht beschränkt auf Kameras, Lidare, Radars und/oder eine beliebige Anzahl anderer Arten von Sensoren.
Das Positioniersystem 76 verarbeitet Sensordaten zusammen mit anderen Daten, um eine Position (z. B. eine lokale Position in Bezug auf eine Karte, eine exakte Position in Bezug auf die Fahrspur einer Straße, Fahrzeugrichtung, Geschwindigkeit usw.) des Fahrzeugs 10 in Bezug auf die Umgebung zu ermitteln. Das Leitsystem 78 verarbeitet Sensordaten zusammen mit anderen Daten, um eine Strecke zu ermitteln, dem das Fahrzeug 10 folgen soll. Das Fahrzeugsteuerungssystem 80 erzeugt Steuersignale zum Steuern des Fahrzeugs 10 entsprechend der ermittelten Strecke.
In verschiedenen Ausführungsformen implementiert die Steuerung 34 maschinelle Lerntechniken, um die Funktionalität der Steuerung 34 zu unterstützen, wie z. B. Merkmalerkennung/Klassifizierung, Hindernisminderung, Routenüberquerung, Kartierung, Sensorintegration, Boden-Wahrheitsbestimmung und dergleichen.
Wie beispielsweise bei 100 mit Bezug auf 4 und unter fortgesetzter Bezugnahme auf 3 näher dargestellt, erzeugt ein Sicherheitsereignisverarbeitungssystem 102 einen strukturierten Vergleich 104 zwischen menschlichen Fahrsicherheitsereignissen und autonomen Fahrzeugsicherheitsereignissen. Der Vergleich 104 ermöglicht eine objektive Bewertung der Sicherheitsleistung zwischen von Menschen betriebenen Fahrzeugereignissen und autonomen Fahrzeugereignissen trotz der naturgemäß unterschiedlichen Art dieser Ereignisse. Das Sicherheitsereignisverarbeitungssystem 102 kann Vergleiche 104 für viele verschiedene Arten von Ereignissen erzeugen, wie beispielsweise den Vergleich von unsicheren, hart bremsenden menschlichen Sicherheitsereignissen mit ähnlichen autonomen Fahrzeugbetriebsereignissen sowie deren Durchführung.
Das System 102 erzeugt den Vergleich 104, indem es Sicherheitsereigniskorrelationsoperationen 106 mit Sensordaten 108 und autonomen fahrzeugbezogenen Fahrdaten 110 durchführt. So können beispielsweise Korrelationsoperationen 106 das Durchsuchen von Sensordaten 108 und den autonomen fahrzeugbezogenen Fahrdaten beinhalten, um die Abschnitte dieser Fahrdaten zu identifizieren, die nur Rechtskurven enthalten, die vom menschengeführten Fahrzeug 112 und einem autonomen Fahrzeug durchgeführt werden, und das Bestimmen des damit verbundenen Sicherheitsniveaus. Ein Vergleich 104 beinhaltet, wie sich die bestimmten Sicherheitsniveaus des autonomen Fahrzeugs in Bezug auf die bestimmten Sicherheitsniveaus des menschblich betriebenen Fahrzeugs entwickelt haben. Die Korrelationsoperationen 106 können auch feiner fokussiert werden, um zu bestimmen, welche Aspekte der menschbasierten Rechtskurve welchen Aspekten der vom autonomen Fahrzeug durchgeführten Rechtskurve entsprechen. Zur Veranschaulichung kann die Aufmerksamkeit des menschlichen Bedieners in der Situation, in der ein Mensch das Fahrzeug betreibt, auf die rechte Straßenseite gelenkt werden, wenn sich das Fahrzeug nach vorne bewegt und nach rechts abbiegt. Der menschliche Betreiber bemerkt möglicherweise nicht, dass eine Person über die Straße geht. Wenn der menschliche Betreiber die unachtsame Person in diesem Szenario bemerkt, ist das Fahrzeug zu nah an der Person und der menschliche Betreiber tritt auf die Bremse, wodurch ein hartes Bremsereignis entsteht, um den unachtsamen Fußgänger zu umgehen. Das Sicherheitsereignisverarbeitungssystem 102 würde in den autonomen fahrzeugbezogenen Fahrdaten 110 entsprechende Rechtsabbiegungen des autonomen Fahrzeugs identifizieren (z. B. durch Identifizieren des autonomen Fahrzeugs, das sich einer Kreuzung nähert, und Durchführen eines Rechtsabbiegevorgangs). In einer derartigen Situation hätte das autonome Fahrzeug diese Situation vermieden, da es über seine Sensoren die Umgebung des Fahrzeugs um „360°“ überwacht. In einer derartigen Situation verarbeitet das Sicherheitsereignisverarbeitungssystem 102 die Sensordaten 108 aus der Situation des menschengeführten Fahrzeugs 112 und korreliert sie mit der Reaktion des autonomen Fahrzeugs in einem äquivalenten Fahrszenario, wie es in den autonomen Fahrzeugfahrdaten 110 dargestellt ist, das heißt, das autonome Fahrzeug hat die Rechtskurve durchgeführt, ohne dass ein unsicheres hartes Bremsereignis eintritt, woraufhin der Vergleich 104 zeigen würde, dass das mit dem autonomen Fahrzeug verbundene Sicherheitsniveau besser ist als das Sicherheitsniveau des menschengeführten Fahrzeugs 112 für diese Situation. Es wird darauf hingewiesen, dass das menschengeführte Fahrzeug jede Art von Fahrzeug sein kann, das vollständig von einem Menschen bedient wird und mit Sensoren ausgestattet ist, die die Sensordaten 108 bereitstellen. Ein derartiges menschengesteuertes Fahrzeug kann ein autonomes Fahrzeug sein, das in einem manuellen Modell betrieben wird, oder ein Fahrzeug, das nicht in der Lage ist, in einem autonomen Modus betrieben zu werden.
5 zeigt bei 200 einen Betriebsablauf für das Sicherheitsereignisverarbeitungssystem 102. In diesem Betriebsszenario werden die menschlichen Ereignisdaten bei 202 erfasst. Die Eingaben zum Erfassen von menschlichen Ereignisdaten 202 können die Antriebsdaten vom Sensorstapel eines Fahrzeugs beinhalten. Ein Sensorstapel eines Fahrzeugs enthält Schichten von Sensorinformationen mit unterschiedlichen Ausprägungen oder Betriebsbereichen, wie beispielsweise Standortinformationen darüber, wo sich das Fahrzeug auf der Karte befand, was von den Sensoren des Fahrzeugs visuell erfasst wurde und was das Fahrzeug in Bezug auf Objekte in seiner Umgebung unternommen hat. Dies kann auch das Identifizieren von kinematischen Auslösern 204 beinhalten, die dem autonomen Fahrzeug zugeordnet sind, wie beispielsweise Quer- und Längs-g-Kräfte des Fahrzeugs und Ruckmessungen. Zur Veranschaulichung kann ein starkes Bremsereignis, das durch den menschlichen Betrieb des Fahrzeugs verursacht wird, durch seitliche und vertikale g-Kräfte und Ruckmessungen als nicht ausreichend für sichere Betriebsgrenzen identifiziert werden.
Der Prozessblock 202 analysiert die kinematischen Auslöser 204, um menschliche Ereignisdaten 206 zu identifizieren. Die von den kinematischen Auslösern 204 erfassten menschlichen Ereignisdaten 206 werden zum Identifizieren von Sicherheitsereignissen verwendet. Die erfassten menschlichen Ereignisdaten 206 werden zum Objekt für den Vergleich mit autonomen Fahrzeugereignissen.
In einer exemplarischen Ausführungsform können die erfassten menschlichen Ereignisdaten 206 als eine Reihe von Messungen im Zeitverlauf ausgedrückt werden (z. B. to, t₁, t₂, ... t_n). Jeder Zeitpunkt kann mit einem bestimmten Satz von Messungen verknüpft sein, die vom Prozessblock 208 verwendet werden können, um die spezifische Art von Sicherheitsereignis zu identifizieren, das höchstwahrscheinlich der Zeitreihe zugeordnet ist. Als ein Beispiel kann eine Zeitreihe Bremsmessungen über ein bestimmtes Zeitintervall anzeigen, bei dem ein hartes Bremsen stattgefunden hat, kann lenkungsbezogene Messungen zeigen, die im Laufe der Zeit stark schwanken (z. B. ein aggressives Lenkereignis). Die Datenwerte der Zeitreihen werden mit Fahrzeugfahrmodellen verglichen, die Parameter und Einschränkungen darüber bereitstellen, was ein hartes Bremsereignis ist oder was ein aggressives Lenkereignis ist. Als ein weiteres Beispiel kann ein Ereignis ein bestimmtes Manöver beinhalten, wie beispielsweise das Manövrieren um ein in zweiter Reihe geparktes Fahrzeug, das an einer stark überfüllten Kreuzung mit vier Haltepunkten rechts abbiegt, usw. Diese Beispiele veranschaulichen, dass viele verschiedene Arten von Sicherheitsereignissen auftreten können, wie beispielsweise harte Bremsereignisse, aggressive Lenkereignisse, Fahren in Ballungszentren, usw.
Der Prozessblock 208 untersucht die Zeitreihendaten ferner in Bezug auf sicherheitsrelevante Schwellenwerte oder andere Kriterien und bestimmt, ob übermäßiges Bremsen, Lenken oder eine andere Art von Aktivität stattgefunden hat. Im Falle eines übermäßigen Bremsszenarios würde der Prozessblock 208 dies als unsicheres hartes Bremsereignis charakterisieren. Im Szenario der übermäßigen Lenkbewegung würde der Prozessblock 206 die Ereignisdaten als eine unsichere, schwankende Ereignisart charakterisieren, um eine Person zu umgehen, wenn die Sensordaten anzeigen, dass die Person im Weg des Fahrzeugs war. Nach dem Erzeugen der Klassifizierungen 210 der Sicherheitsereignisse und -arten korreliert der Prozessblock 212 die Sicherheitsereignisdaten 210 mit autonomen Fahrzeugfahrdaten in der in 6 dargestellten Weise.
6 zeigt, dass der Prozessblock 212 autonome fahrzeugbezogene Daten, wie beispielsweise die Übernahmedaten 214, verwenden kann, wenn es darum geht, Daten zu Ereignissen der menschlichen Sicherheit mit autonomen Fahrzeugfahrdaten zu korrelieren. Übernahmen sind, wenn ein menschlicher Fahrer die Kontrolle über ein autonomes Fahrzeug übernimmt, beispielsweise wenn ein menschlicher Fahrer sich gezwungen sieht, die Bremse zu betätigen, usw.
Der Prozessblock 212 erzeugt korrelierte Daten 216 basierend auf dem Grad der Korrelation zwischen den Klassifizierungsdaten für menschliche Ereignisse 210 und den Übernahmedaten 214. Die korrelierten Daten 216 dienen als strukturierter Vergleich zwischen den sicherheitsrelevanten Daten des Menschen und des autonomen Fahrzeugs. So kann beispielsweise der Vergleich als strukturiert betrachtet werden, indem menschengesteuerte Fahrdaten und autonome fahrzeugbetriebene Fahrdaten jeweils in einen Satz von Zeitreihendaten zerlegt werden und dann die mit den Zeitreihendaten verbundenen Fahraktionen verglichen werden, um das Sicherheitsniveau eines jeden zu bestimmen und zu ermitteln, ob das eine das Sicherheitsniveau des anderen erreicht oder überschritten hat. Anders ausgedrückt, charakterisiert der strukturierte Vergleich menschliche Ereignisse (wie sie zunächst am Fahrzeug mit laufendem Stapel dargestellt wurden) mit gleichwertigen Fahrsituationen für ein autonomes Fahrzeug. In einer exemplarischen Ausführungsform können die Korrelationen durch verschiedene Kategorien ausgedrückt werden, die den Grad der Korrelation zwischen menschlichen und autonomen Fahrzeugereignissen festlegen. In diesem Beispiel kann eine geringe Korrelation für zwei Ereignisse als „ähnlich“ bezeichnet werden und impliziert identische Konzeptbereiche (z. B. beide Ereignisse beziehen sich auf ein gleichwertiges Fahrszenario mit einer Linksabbiegung usw.) für beide Datenelemente. Die höchste Korrelation kann als „identisch“ bezeichnet werden, was nicht nur das gleiche Konzept, sondern auch die gleichwertige Fahrsituation basierend auf ähnlichen Fahrzeugausrichtungen und -geschwindigkeiten, Straßengeometrie usw. beinhaltet. Andere Bezeichnungen können als Zwischenkategorien verwendet werden, um zusätzliche Korrelationsgrade anzugeben und so eine höhere Auflösung zu erreichen. Weiterhin ist zu verstehen, dass andere Indikatoren für den Korrelationsgrad verwendet werden können, wie beispielsweise numerische Ausgaben aus einem neuronalen Netzwerk. Das neuronale Netzwerk kann basierend auf trainingsspezifischen Daten trainiert werden, die bereits die menschlichen und autonomen Fahrdaten und die entsprechenden menschlichen und autonomen Fahrzeugkorrelationswerte enthalten. Die Eingabeschicht des neuronalen Netzwerks würde die menschlichen und autonomen Fahrdaten empfangen, wobei die Gewichtungen während des Trainings angepasst werden, um die richtigen Korrelationswerte vorherzusagen.
Die Ausgangskorrelierten Daten 216 legen eine Basislinie zum Vergleichen von autonomen Fahrzeugereignisse mit menschlichen Ereignissen fest, indem sie anzeigen, welche Fahrmuster in den menschlichen Fahrdaten den gleichen oder ähnlichen Fahrmustern in den autonomen Fahrdaten entsprechen. Sobald die Basislinien festgelegt sind, können die Situationen, die als sichere Art des menschlichen Betriebs gelten, verwendet werden, um zu bestimmen, was für die analoge autonome Fahrzeugaktivität sicher ist. Zur Veranschaulichung können Sensordaten, die eine erfolgreiche Linksabbiegung für einen guten menschlichen Fahrer an einer überfüllten Kreuzung darstellen, beschreiben, was eine erfolgreiche Linksabbiegung für ein autonomes Fahrzeug sein kann.
Der Prozessblock 218 erzeugt Leistungsmetriken 220 zum Quantifizieren, wie viel sicherer das autonome Fahrzeug im Vergleich zu menschengesteuerten Fahrzeugen für ähnliche Fahrereignisse war. Die Leistungsmetriken 220 zeigen ferner, wie menschliche Fahrvorgänge aus kinematischer Verhaltensperspektive aussehen. So können beispielsweise die Leistungsmetriken 220 beschreiben, was ein erfolgreiches Linksabbiegen an einer überfüllten Kreuzung, wie sie von einem menschlichen Betreiber durchgeführt wird, aus der Perspektive des kinematischen Verhaltens bedeuten würde. Die mathematische Beschreibung des erfolgreichen Linksabbiegens basierend auf der Straßengeometrie und der Art und Weise, wie die Person das Fahrzeug während des Abbiegens lenkt, kann einen Teil der Ausgabe der Leistungsmetriken 220 darstellen. Darüber hinaus können die Leistungsmetriken 220 Bereiche innerhalb eines Ereignisses anzeigen, in denen der Mensch das autonome Fahrzeug aus sicherheitstechnischer Sicht übertroffen hat. Diese Informationen sind hilfreich bei der Bewertung der Fahrzeugoperationen, welche die Sicherheit für das autonome Fahrzeug erhöhen oder verringern, wie beispielsweise was der menschliche Betreiber unternommen hat, um einen Unfall oder eine gefährliche Situation zu vermeiden. Im Allgemeinen zeigen die Leistungsmetriken 220 Überschneidungen zwischen Ausfällen zwischen autonomen Fahrzeugen und Menschen bei ähnlichen Ereignissen an und in welchen Bereichen sie sich nicht überschneiden (z. B. Situationen, in denen Menschen nicht gut funktionieren, aber autonome Fahrzeuge). Dies stellt eine Verbesserung gegenüber der Analyse des Sicherheitsgrads dar, die lediglich darauf basiert, ob die Fahrzeuge innerhalb der Geschwindigkeitsbegrenzung gefahren sind.
Der Prozessblock 218 kann auch Sicherheitsmetriken 222 basierend auf den korrelierten Daten 216 erzeugen. Die Sicherheitsmetriken 222 geben einen weiteren Aufschluss darüber, in welchen Situationen ein autonomer Fahrzeugbetrieb im Vergleich zu einem entsprechenden menschlichen Fahrereignis sicherer betrieben wird. Die zusätzliche Klarstellung kann die Sicherheitsmetrik 222 beinhalten, die eine statistische Analyse darüber bereitstellt, wie oft ein vom Menschen betriebenes Fahrzeug für eine bestimmte Kategorie von Sicherheitsereignissen besser abgeschnitten hat als das autonome Fahrzeug, und Standardabweichungen von den Durchschnittswerten der Fahrleistungen anzeigt. Insgesamt können die Sicherheitsmetriken 222 und die Leistungsmetriken dazu beitragen, die Steuerung des autonomen Fahrzeugs so anzupassen, dass das Fahrzeug sicherer betrieben werden kann.
7 veranschaulicht, dass der Prozessblock 212 Korrelationsoperationen zwischen den Übernahmedaten und menschlichen Ereignisdaten durchführt, indem er Techniken wie beispielsweise ein künstliches neuronales Netzwerk 230 verwendet. Das künstliche neuronale Netzwerk 230 kann mit einer Eingabeschicht, einer oder mehreren verborgenen Schichten und einer Ausgabeschicht aufgebaut werden. Die Eingabeschicht kann mit einem oder mehreren Eingabeknoten versehen werden, um Informationen in Bezug auf die Klassifizierung von Ereignissen und Arten der menschlichen Sicherheit zu erhalten.
Zum Empfangen der Übernahmedaten 214 kann ein zusätzlicher Satz von Eingabeknoten verwendet werden. Eine oder mehrere verborgene Schichten innerhalb des künstlichen neuronalen Netzwerks 230 tragen dazu bei, Zusammenhänge zwischen den Klassifizierungsdaten 210 und den Übernahmedaten 214 zu identifizieren. Da die Zusammenhänge in ihrer Art nicht-linear sein können, kann das künstliche neuronale Netzwerk die Zusammenhänge zwischen den beiden Datensätzen besser identifizieren. Die Knoten des künstlichen neuronalen Netzwerks 230 können viele verschiedene Arten von Aktivierungsfunktionen verwenden, wie beispielsweise die Sigmoid-Aktivierungsfunktion, die logistische Aktivierungsfunktion, usw. Die Ausgabeschicht des künstlichen neuronalen Netzwerks 230 zeigt, welche menschlichen Ereignisse in den Klassifizierungsdaten 210 einen relativ hohen Korrelationsgrad mit den Übernahmedaten 214 aufweisen. Die Trainingsdaten 232 (mit bereits bestimmten Korrelationen zwischen den Klassifizierungsdaten 210 und den Übernahmedaten 214) tragen dazu bei, die Gewichtungen festzulegen, die Knoten in einer Schicht mit einer nachfolgenden Schicht des künstlichen neuronalen Netzwerks 230 verbinden.
8 zeigt ein Beispiel für ein Betriebsszenario, um einen strukturierten Vergleich von menschlichen Ereignissen mit autonomen Fahrzeugfahrereignissen für sicherheitsbremstechnische Bewertungen zu erhalten. In diesem Betriebsszenario wird eine signifikante Menge an Sensordaten 300 zum Verarbeiten erfasst. Die signifikante Menge an Sensordaten 300 ist ein Ergebnis des Erfassens und Speicherns aller Fahrzeugsensordaten, Kameradaten und Handlungen, die das Fahrzeug innerhalb eines bestimmten Zeitfensters usw. durchgeführt hat oder plant.
Die Sensordaten 300 in diesem Betriebsszenario beinhalten Quer- und Längskräfte sowie Ruckmessungen, sondern auch Sensormesswerte über Objekte und andere Faktoren in der Fahrzeugumgebung. Der Prozessblock 302 bestimmt, welche Objekte (z. B. andere Fahrzeuge, Straßenschilder usw.) sich in ausreichender Nähe zum Fahrzeug befinden, um eine kontinuierliche Bewertung zu gewährleisten. Diese Bewertung durch den Prozessblock 302 ermöglicht eine „360°“-Bewertung, welche anderen Autos, Personen und andere Objekte sich um das Fahrzeug herum befinden können.
Der Prozessblock 304 erfasst menschliche Ereignisdaten basierend auf den Sensordaten 300. Dies kann das Erstellen mehrerer Zeitreihen für verschiedene Arten von Sensordaten und deren Verknüpfung mit den durch den Prozessblock 302 erzeugten Objektinformationen beinhalten.
In diesem Betriebsszenario werden die erfassten menschlichen Ereignisdaten am Prozessblock 306 auf bremsrelevante Ereignisse analysiert. So kann beispielsweise der Prozessblock 306 die Sensormesswerte daraufhin analysieren, ob eine übermäßige Kraft auf die Bremsen ausgeübt wurde, was zu einer harten Bremssituation führt. Obwohl in diesem Betriebsszenario bremsbezogene Sensordaten analysiert werden, sollte verstanden werden, dass viele andere Arten von Sensordaten bewertet werden können, wie beispielsweise Sensordaten in Bezug auf die Steuerung. Aggressives Lenken kann auf eine unsichere Situation hinweisen, beispielsweise wenn ein menschlicher Betreiber das Fahrzeug aggressiv gesteuert hat, um eine Person zu umgehen, die sich zu nahe am Auto aufgehalten hat.
Der Prozessblock 308 identifiziert Sicherheitsereignisse durch die Untersuchung der von den Prozessblöcken 304 und 306 durchgeführten Bewertungen. So analysiert beispielsweise Prozessblock 308 die Umgebungssensorinformationen vom Prozessblock 304 und die bremsbezogenen Sensordaten vom Prozessblock 306, um zu bestimmen, ob die Beschleunigung/Verzögerung zu und von einem Stoppschild innerhalb der vorgegebenen Sicherheitsgrenzen liegen. So kann beispielsweise ein menschlicher Betreiber einen zu hohen Druck auf die Bremsen ausüben müssen (bestimmt durch den Prozessblock 306), um eine Person zu umgehen, die vom Prozessblock 304 als in der Umgebung befindlich erkannt wurde. Der Prozessblock 308 würde dies als unsicheres Ereignis mit einem menschlichen Fahrer und einem harten Bremsszenario identifizieren.
Der Prozessblock 312 korreliert das stark bremsende menschliche Sicherheitsereignis 310 mit ähnlichen Ereignisarten, wie sie in den Übernahmedaten dargestellt sind. Die Korrelation kann darauf basieren, dass die Übernahmedaten Muster von Sensordaten aufweisen, die sich denen von menschenbezogenen Sicherheitsereignissen annähern und von maschinellen Lerntechniken, wie beispielsweise künstlichen neuronalen Netzwerken, erkannt werden. Diese Korrelationsanalyse kann das Bewerten beinhalten, ob Personen und andere Fahrzeuge Standorte für das autonome Fahrzeug aufweisen, die denen ähnlich sind, die in den Sensordaten 300 für das durch Menschen betriebene Fahrzeug ausgedrückt wurden.
Das Ergebnis der Korrelation durch den Prozessblock 312 ist ein strukturierter Vergleich 314, der menschliche Sicherheitsereignisse mit entsprechenden autonomen Fahrzeugsicherheitsereignissen in Beziehung setzt. In diesem bremsbezogenen Betriebsszenario könnte ein strukturierter Vergleich 314 menschliche hart bremsende Ereignisse mit ähnlichen Ereignissen in den Übernahmedaten in Beziehung setzen. Als eine Veranschaulichung kann der strukturierte Vergleich 314 für das Szenario bestimmen, dass eine harte Bremssituation mit einem menschlichen Fahrer, der um ein in zweiter Reihe geparktes Fahrzeug herumfährt, aufgetreten ist, während in einer ähnlichen Situation keine menschliche Übernahme für das autonome Fahrzeug erfolgte. In dieser Situation zeigt ein Vergleich der beiden Sicherheitsereignisse, dass das autonome Fahrzeug sicherer betrieben wurde. Dies kann darauf zurückzuführen sein, dass das autonome Fahrzeug aufgrund des kontinuierlichen Betriebs seiner Sensoren mit umfangreicheren Informationen arbeitet. Auf diese Weise stellt der strukturierte Vergleich 314 eine objektive Grundlage für die Festlegung von Leistungs- und Sicherheitsmetriken zwischen menschlich betriebenen Fahrzeugen und autonomen Fahrzeugen bereit.
Andere Betriebsszenarien können verschiedene Arten von Fahrszenarien beinhalten. So können beispielsweise Szenarien die Analyse und Korrelation von Ereignissen der menschlichen Sicherheit beinhalten, um Daten zum Beschleunigen/Verzögern zu übernehmen, um eine Haltestelle zu erreichen, an Kreuzungen abzubiegen, Fahrspurwechsel vorzunehmen, das Verhalten auf engen Straßen (z. B. Gassen oder Straßen, die nur Platz für ein einzelnes Auto bieten) usw.
Die sicherheitsbezogene Analyse beinhaltet nicht nur den Vergleich zum Zwecke der Korrelation von unsicheren menschlichen Ereignissen mit autonomen Fahrzeugereignissen, sondern auch andere Arten von Vergleichen. So können beispielsweise sichere Ereignisse eines von Menschen betriebenen Fahrzeugs mit autonomen Fahrzeugoperationen korreliert werden, um zu bestimmen, was eine sichere Fahraktivität im autonomen Fahrzeugbereich darstellt. Zur Veranschaulichung kann ein Mensch, der im dichten Verkehr eine Rechtsabbiegung sicher durchführt, mit einer ähnlichen autonomen Fahrzeugaktivität korreliert werden. Leistungsmetriken können derartige Korrelationen als Maß dafür verwenden, wie sicher ein autonomes Fahrzeug betrieben wurde.
Während mindestens eine exemplarische Ausführungsform in der vorstehenden ausführlichen Beschreibung dargestellt wurde, versteht es sich, dass es eine große Anzahl an Varianten gibt. Es versteht sich weiterhin, dass die exemplarische Ausführungsform oder die exemplarischen Ausführungsformen lediglich Beispiele sind und den Umfang, die Anwendbarkeit oder die Konfiguration dieser Offenbarung in keiner Weise einschränken sollen. So können beispielsweise die hierin beschriebenen Systeme und Verfahren durchgeführt werden, wenn das von Menschen betriebene Fahrzeug und das autonome Fahrzeug das gleiche Fahrzeug oder verschiedene Fahrzeuge sind. Die vorstehende ausführliche Beschreibung stellt denjenigen mit gewöhnlichen Fähigkeiten auf dem Gebiet vielmehr einen zweckmäßigen Plan zur Implementierung der exemplarischen Ausführungsform oder von exemplarischen Ausführungsformen zur Verfügung. Es versteht sich, dass verschiedene Veränderungen an der Funktion und der Anordnung von Elementen vorgenommen werden können, ohne vom Umfang der Offenbarung, wie er in den beigefügten Ansprüchen und deren rechtlichen Entsprechungen aufgeführt ist, abzuweichen.

Claims

Verfahren zum Durchführen einer autonomen Fahrzeugbetriebsanalyse, das Verfahren umfassend: Empfangen von Sensordaten, die für eine Umgebung und den Betrieb eines von Menschen betriebenen Fahrzeugs repräsentativ sind; Bestimmen von menschlichen Ereignisdaten basierend auf den empfangenen Sensordaten durch einen oder mehrere Datenverarbeiter; Empfangen von Ereignisdaten, die dem Betrieb eines autonomen Fahrzeugs zugeordnet sind, durch einen oder mehrere Datenverarbeiter; Korrelieren der menschlichen Ereignisdaten mit den autonomen Fahrzeugereignisdaten durch den einen oder die mehreren Datenverarbeiter, basierend auf dem Ähnlichkeitsgrad von menschlich betriebenen Fahrzeugereignissen und autonomen Fahrzeugereignissen in Bezug auf Fahrszenarien; und Erzeugen einer sicherheitsbezogenen Analyse durch einen oder mehrere Datenverarbeiter, basierend auf den korrelierten, von Menschen gesteuerten Fahrzeugereignissen und den autonomen Fahrzeugereignissen; worin die erzeugte sicherheitsbezogene Analyse den Grad der Fahrzeugsicherheit zwischen menschlich betriebenen Fahrzeugen und autonomen Fahrzeugen unter gleichwertigen Fahrszenarien bewertet.
Verfahren nach Anspruch 1, worin Fahrzeugsteuerungsvorgänge mit autonomen Fahrzeugen basierend auf der erzeugten sicherheitsbezogenen Analyse angepasst werden.
Verfahren nach Anspruch 1, worin die korrelierten menschlichen Ereignisdaten und autonomen Fahrzeugereignisdaten einen strukturierten Vergleich zwischen menschlichen fahrsicherheitsbezogenen Ereignissen und autonomen fahrzeugsicherheitsbezogenen Ereignissen ermöglichen.
Verfahren nach Anspruch 1, worin die Sensordaten durch mindestens eines von einem Lidar, einem Radar und einer Kamera zum Abtasten der Umgebung des autonomen Fahrzeugs erhalten werden.
Verfahren nach Anspruch 1, worin die Fahrszenarien mindestens eines von einem harten Bremsereignis, einem Rechts- oder Linksabbiegeereignis und dem Umgehen eines Objekts innerhalb des Weges des von Menschen betriebenen Fahrzeugs beinhalten.
Verfahren nach Anspruch 1, worin die empfangenen Sensordaten kinematische Daten von Fahrzeugquer- und Längs-G-Kräften und Ruckmessungen beinhalten.
Verfahren nach Anspruch 1, worin die menschlichen Ereignisdaten als eine Reihe von Messungen im Zeitverlauf ausgedrückt werden, die Fahrzeugbetriebsszenarien beschreiben.
Verfahren nach Anspruch 1, worin die dem Betrieb eines autonomen Fahrzeugs zugeordneten Ereignisdaten aus Übernahmedaten stammen; worin die Übernahmedaten die Fahrsituationen darstellen, in denen eine menschliche Übernahme in Bezug auf ein Fahrzeug unter autonomer Steuerung stattgefunden hat.
Verfahren nach Anspruch 1, worin das von Menschen betriebene Fahrzeug und das autonome Fahrzeug das gleiche Fahrzeug oder verschiedene Fahrzeuge sind.
Verfahren nach Anspruch 1, worin leistungsbezogene Metriken und sicherheitsbezogene Metriken basierend auf den korrelierten durch Menschen betriebenen Fahrzeugereignissen und autonomen Fahrzeugereignissen unter gleichwertigen Fahrszenarien erzeugt werden.