DE102020103633A1

DE102020103633A1 - Weg-planungs fusion für ein fahrzeug

Info

Publication number: DE102020103633A1
Application number: DE102020103633.7A
Authority: DE
Inventors: Amir M. Rahimi; Aashish N. Patel; Rajan Bhattacharyya
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2019-03-26
Filing date: 2020-02-12
Publication date: 2020-10-01
Also published as: US11364904B2; CN111746557B; US20200307574A1; CN111746557A

Abstract

Ausführungsformen umfassen Verfahren, Systeme und computerlesbares Speichermedium für ein Verfahren zur Bereitstellung von Weg-Planungs-Führung durch die Auflösung von mehreren Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs verbunden sind, wird offenbart. Das Verfahren umfasst den Einbau eines Fahrzeugsystems in ein Fahrzeug, wobei das Fahrzeugsystem eine Weg-Planungs-Führung basierend auf unter Verwendung von Trainingsdaten und fusionierten Hypothesen und/oder Entscheidungen, die mit den Trainingsdaten verbunden sind, bereitstellt. Das Verfahren umfasst ferner das Bestimmen einer Position des Fahrzeugs auf einer Karte, die ein Straßennetz enthält, durch einen Prozessor und das Bestimmen durch den Prozessor, ob ein oder mehrere Agenten innerhalb eines vorbestimmten Bereichs des Fahrzeugs vorhanden sind. Das Verfahren umfasst ferner das Auswählen einer Ausgabe-Trajektorie durch den Prozessor, um das Straßennetz basierend auf der Position des Fahrzeugs auf der Karte und der Existenz eines oder mehrerer Agenten zu durchqueren. Das Verfahren umfasst ferner das Steuern des Fahrzeugbetriebs durch den Prozessor anhand der Ausgabe-Trajektorie.

Description

EINLEITUNG
Die Offenbarung bezieht sich auf die Weg-Planung und insbesondere auf die Fusion mehrerer Trajektorien, um ein Fahrzeug zur Durchquerung eines Straßennetzes zu führen.
Autonome Fahrzeuge sind in der Lage, ohne menschlichen Eingriff zu operieren und zu navigieren.
Autonome Fahrzeuge sowie einige nicht autonome Fahrzeuge nutzen Sensoren wie Kameras, Radar, LIDAR, globale Positionierungssysteme und Computer Vision, um die Umgebung des Fahrzeugs zu erfassen. Fortschrittliche Computersteuerungssysteme interpretieren die sensorischen Eingangsinformationen, um den Standort eines Fahrzeugs, geeignete Navigationspfade sowie Hindernisse und entsprechende Beschilderungen zu erkennen. Einige autonome Fahrzeuge aktualisieren die Karteninformationen in Echtzeit, um die Position des autonomen Fahrzeugs auch dann zu kennen, wenn sich die Bedingungen ändern oder das Fahrzeug in eine unbekannte Umgebung eintritt. Sowohl autonome als auch nicht autonome Fahrzeuge kommunizieren zunehmend mit entfernten Computersystemen und untereinander über V2X-Kommunikation - Vehicle-to-Everything, Vehicle-to-Vehicle (V2V), Vehicle-to-Infrastructure (V2I)).
Da autonome und teilautonome Fahrzeuge immer häufiger eingesetzt werden, ist es wichtig, dass jedes Fahrzeug auf einem Straßennetz genau lokalisiert wird und wo sich ein Fahrzeug befindet (d.h. eine Fahrzeugstrecke). Dementsprechend ist es wünschenswert, die Weg-Planung während der Fahrt eines Fahrzeugs durch das Straßennetz weiter zu verbessern.
BESCHREIBUNG
In einer beispielhaften Ausführungsform wird eine Methode zur Bereitstellung einer Weg-Planungshilfe durch die Auflösung von mehreren Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs verbunden sind, vorgestellt. Das Verfahren umfasst den Einbau eines Fahrzeugsystems in ein Fahrzeug, wobei das Fahrzeugsystem eine Weg-Planungs-Führung basierend auf Trainingsdaten unter Verwendung von und fusionierten Hypothesen und/oder Entscheidungen, die mit den Trainingsdaten verbunden sind, bereitstellt. Das Verfahren umfasst ferner das Bestimmen der Position des Fahrzeugs auf einer Karte mit einem Straßennetz durch einen Prozessor. Das Verfahren umfasst ferner das Bestimmen durch den Prozessor, ob ein oder mehrere Agenten innerhalb eines vorgegebenen Bereichs des Fahrzeugs vorhanden sind. Das Verfahren umfasst ferner das Auswählen einer Ausgabe-Trajektorie durch den Prozessor, um das Straßennetz basierend auf der Position des Fahrzeugs auf der Karte und der Existenz eines oder mehrerer Agenten zu durchqueren. Das Verfahren umfasst ferner das Steuerndes Fahrzeugbetriebs durch den Prozessor anhand der Ausgabe-Trajektorie.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale erkennen ein oder mehrere Aspekte der beschriebenen Methode, dass die Trainingsdaten Daten enthalten, die auf einem oder mehreren Vorhersagemodellen basieren, die zur Vorhersage einer zukünftigen Bewegung in Verbindung mit einem oder mehreren Agenten verwendet werden. Ein weiterer Aspekt des Verfahrens verwendet einen Algorithmus der Kanonischen Korrelationsanalyse (CCA), um die Hypothesen und/oder Entscheidungen, die mit den Trainingsdaten verbunden sind, zu verschmelzen. Ein weiterer Aspekt des Verfahrens ist, dass der CCA eine Abbildung zwischen einem oder mehreren Vorhersagemodellen und dem Verhalten eines oder mehrerer Treiber liefert. Ein weiterer Aspekt des Verfahrens ist, dass die CCA paarweise Wechselwirkungen zwischen den Prädiktoren nutzt. Ein weiterer Aspekt des Verfahrens ist, dass die Bewegungsinformationen von einem oder mehreren Agenten Geschwindigkeits-, Kurs- und Standortinformationen enthalten. Ein weiterer Aspekt des Verfahrens ist, dass ein oder mehrere Agenten mobile oder stationäre Agenten sind.
In einer weiteren beispielhaften Ausführungsform wird hier ein System für die Bereitstellung einer Weg-Planungshilfe durch die Auflösung von mehreren Verhaltensvorhersagen im Zusammenhang mit dem Betreiben eines Fahrzeugs vorgestellt. Das System umfasst ein Fahrzeug mit einem Speicher, einen mit dem Speicher gekoppelten Prozessor, einen Hypothesen-Resolver, einen Entscheidungs-Resolver, einen Trajektorien-Planer und eine Steuerung. Der dem Fahrzeug zugeordnete Prozessor ist betreibbar, um ein Fahrzeugsystem in einem Fahrzeug zu verwenden, wobei das Fahrzeugsystem eine Weg-Planungs-Führung basierend auf Verwendung von Trainingsdaten und fusionierten Hypothesen und/oder Entscheidungen, die mit den Trainingsdaten verbunden sind, bereitstellt. Der Prozessor ist ferner in der Lage, den Standort des Fahrzeugs auf einer Karte mit einem Straßennetz zu bestimmen. Der Prozessor ist ferner in der Lage festzustellen, ob ein oder mehrere Agenten innerhalb eines vorgegebenen Bereichs des Fahrzeugs vorhanden sind. Der Prozessor ist weiterhin in der Lage, eine Ausgabe-Trajektorie auszuwählen, um das Straßennetz basierend auf der Position des Fahrzeugs auf der Karte und der Existenz eines oder mehrerer Agenten zu durchqueren. Der Prozessor ist ferner in der Lage, den Betrieb des Fahrzeugs anhand der Ausgabe-Trajektorie zu steuern.
In einer weiteren beispielhaften Ausführungsform wird hier ein computerlesbares Speichermedium zur Durchführung eines Verfahrens zur Bereitstellung einer Weg-Planungshilfe durch die Auflösung von mehreren Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs verbunden sind, offenbart. Das computerlesbare Speichermedium umfasst den Einbau eines Fahrzeugsystems in ein Fahrzeug, wobei das Fahrzeugsystem eine Weg-Planungs-Führung basierend auf von Trainingsdaten unter Verwendung und Fusion von Hypothesen und/oder Entscheidungen, die mit den Trainingsdaten verbunden sind, bereitstellt. Zum computerlesbaren Speichermedium gehört auch das Bestimmen des Standortes des Fahrzeugs auf einer Karte, die ein Straßennetz enthält. Das computerlesbare Speichermedium beinhaltet ferner die Feststellung, ob ein oder mehrere Agenten innerhalb eines vorgegebenen Bereichs des Fahrzeugs vorhanden sind. Das computerlesbare Speichermedium umfasst ferner das Auswählen einer Ausgabe-Trajektorie, um das Straßennetz basierend auf der Position des Fahrzeugs auf der Karte und der Existenz eines oder mehrerer Agenten zu durchqueren. Das computerlesbare Speichermedium beinhaltet weiterhin das Steuerndes Fahrzeugbetriebs anhand der Ausgabe-Trajektorie.
Die oben genannten Merkmale und Vorteile sowie weitere Merkmale und Vorteile der Offenbarung ergeben sich aus der folgenden detaillierten Beschreibung in Verbindung mit den beigefügten Figuren.
Figurenliste
Weitere Merkmale, Vorteile und Details erscheinen nur beispielhaft in der folgenden Detailbeschreibung, wobei sich die Detailbeschreibung auf die Figuren bezieht, in denen:

1 ist eine Rechenumgebung nach einer oder mehreren Ausführungsformen;
2 ist ein Blockdiagramm, das ein Beispiel eines Verarbeitungssystems für die Praxis der hier gegebenen Lehre zeigt;
3 zeigt eine schematische Darstellung eines beispielhaften Fahrzeugsystems nach einer oder mehreren Ausführungsformen;
4 ist ein Blockschaltbild von Fahrzeugkomponenten nach einer oder mehreren Ausführungsformen; und
5 zeigt ein Flussdiagramm einer Methode zur Weg-Planung, bei der mehrere Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs verbunden sind, nach einer oder mehreren Ausführungsformen aufgelöst werden.

AUSFÜHRLICHE DARSTELLUNG
Die folgende Beschreibung hat lediglich beispielhaften Charakter und soll die vorliegende Offenbarung, ihre Anwendung oder ihren Gebrauch nicht einschränken. Es ist zu verstehen, dass in den Figuren durchgehend entsprechende Bezugszeichen auf gleiche oder entsprechende Teile und Merkmale hinweisen. Der hier verwendete Begriff Modul bezieht sich auf Verarbeitungsschaltkreise, die einen anwendungsspezifischen integrierten Schaltkreis (ASIC), einen elektronischen Schaltkreis, einen Prozessor (gemeinsam genutzt, dediziert oder gruppiert) und einen Speicher, der ein oder mehrere Software- oder Firmwareprogramme ausführt, eine kombinierte Logikschaltung und/oder andere geeignete Komponenten, die die beschriebene Funktionalität bereitstellen, umfassen können.
Entsprechend einer beispielhaften Ausführungsform zeigt 1 eine Rechenumgebung 50, die mit einem System zur Weg-Planung verbunden ist, indem mehrere Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs verbunden sind, nach einer oder mehreren Ausführungsformen aufgelöst werden. Die Rechenumgebung 50 besteht, wie dargestellt, aus einem oder mehreren Rechengeräten, z.B. einem Server/Wolke 54B und/oder einem Fahrzeug-Bordcomputersystem 54N, die in jedem von mehreren autonomen oder nicht autonomen Fahrzeugen eingebaut sind, die über das Netzwerk 150 verbunden sind. Das eine oder mehrere Rechengeräte können über das Netzwerk 150 miteinander kommunizieren.
Netzwerk 150 kann z.B. ein zellulares Netzwerk, ein lokales Netzwerk (LAN), ein Weitverkehrsnetzwerk (WAN), wie das Internet und WIFI, ein dediziertes Kommunikationsnetzwerk mit kurzer Reichweite (z.B. V2V-Kommunikation (Fahrzeug-zu-Fahrzeug), V2X-Kommunikation (d.h. Fahrzeug-zu-Alles), V2I-Kommunikation (Fahrzeug-zu-Infrastruktur) und V2P-Kommunikation (Fahrzeug-zu-Fußgänger)) oder eine beliebige Kombination davon sein und kann drahtgebundene, drahtlose, faseroptische oder jede andere Verbindung beinhalten. Das Netzwerk 150 kann eine beliebige Kombination von Verbindungen und Protokollen sein, die die Kommunikation zwischen Server/Cloud 54B bzw. den mehreren Fahrzeug-Bordcomputersystemen 54N unterstützen.
Wenn eine Cloud anstelle eines Servers eingesetzt wird, kann Server/Cloud 54B als Remote-Computing-Ressource dienen. Server/Cloud 54B kann als Modell der Servicebereitstellung implementiert werden, um einen bequemen, bedarfsgerechten Netzwerkzugriff auf einen gemeinsamen Pool konfigurierbarer Computing-Ressourcen (z. B. Netzwerke, Netzwerkbandbreite, Server, Verarbeitung, Speicher, Anwendungen, virtuelle Maschinen und Dienste) zu ermöglichen, die mit minimalem Verwaltungsaufwand oder einer Interaktion mit einem Anbieter des Dienstes schnell bereitgestellt und freigegeben werden können.
2 zeigt beispielhaft ein Verarbeitungssystem 200 zur Umsetzung der Lehre. Das Verarbeitungssystem 200 kann zumindest einen Teil des einen oder mehrerer Rechengeräte, wie z.B. Server/Cloud 54B, und/oder des Fahrzeug-Bordcomputersystems 54N bilden. Das Verarbeitungssystem 200 kann eine oder mehrere zentrale Verarbeitungseinheiten (Prozessoren) 201a, 201b, 201c usw. umfassen (zusammen oder allgemein als Prozessor(en) 201 bezeichnet). Die Prozessoren 201 sind über einen Systembus 213 mit dem Systemspeicher 214 und verschiedenen anderen Komponenten gekoppelt. Der Festwertspeicher (ROM) 202 ist an den Systembus 213 gekoppelt und kann ein Basis-Ein-/Ausgabesystem (BIOS) enthalten, das bestimmte Grundfunktionen des Verarbeitungssystems 200 steuert.
2 zeigt weiterhin einen Ein-/Ausgabe (I/O)-Adapter 207 und einen an den Systembus 213 gekoppelten Netzwerkadapter 206. Der E/A-Adapter 207 kann ein kleiner SCSI-Adapter (Computer System Interface) sein, der mit einer Festplatte 203 und/oder anderen Speicherlaufwerken 205 oder anderen ähnlichen Komponenten kommuniziert. E/A-Adapter 207, Festplatte 203 und andere Speicherlaufwerke 205 werden hier zusammen als Massenspeicher 204 bezeichnet. Das Betriebssystem 220 zur Ausführung auf dem Verarbeitungssystem 200 kann im Massenspeicher 204 abgelegt werden. Der Netzwerkadapter 206 verbindet den Systembus 213 mit einem externen Netzwerk 216, das Netzwerk 150 sein kann, wodurch das Verarbeitungssystem 200 mit anderen derartigen Systemen kommunizieren kann. Ein Bildschirm (z.B. ein Anzeigemonitor) 215 kann mit dem Display-Adapter 212 an den Systembus 213 angeschlossen werden, der einen Grafikadapter zur Verbesserung der Leistung grafikintensiver Anwendungen und einen Video-Steuerung enthalten kann. In einer Ausführung können Netzwerkadapter 206, E/A-Adapter 207 und Display-Adapter 212 an einen oder mehrere E/A-Busse angeschlossen werden, die über eine Zwischenbusbrücke (nicht abgebildet) mit dem Systembus 213 verbunden sind. Geeignete E/A-Busse für den Anschluss von Peripheriegeräten wie Festplattensteuerungen, Netzwerkadaptern und Grafikkarten umfassen in der Regel gängige Protokolle, wie z. B. den Peripheral Component Interconnect (PCI). Weitere Ein-/Ausgabegeräte werden über den Bediengeräteadapter 208 und den Display-Adapter 212 als am Systembus 213 angeschlossen dargestellt. Ein Mikrofon 209, die Lenkrad-/Dashboard-Bedienelemente 210 und der Lautsprecher 211 können alle über den User Interface Adapter 208 an den Systembus 213 angeschlossen werden, der z.B. einen Super I/O-Chip enthalten kann, der mehrere Geräteadapter in einen einzigen integrierten Schaltkreis integriert.
Das Verarbeitungssystem 200 kann zusätzlich eine Grafik-Verarbeitungseinheit 230 enthalten. Die Graphik-Verarbeitungseinheit 230 ist eine spezialisierte elektronische Schaltung zur Manipulation und Änderung des Speichers, um die Erstellung von Bildern in einem für die Ausgabe auf einem Display bestimmten Bildspeicher zu beschleunigen. Im Allgemeinen ist die Graphik-Verarbeitungseinheit 230 sehr effizient bei der Manipulation von Computergraphik und Bildverarbeitung und hat eine hochgradig parallele Struktur, die sie für Algorithmen, bei denen die Verarbeitung großer Datenblöcke parallel erfolgt, effektiver macht als Allzweck-CPUs.
So enthält das Verarbeitungssystem 200, wie in 2 konfiguriert, die Verarbeitungsfähigkeit in Form von Prozessoren 201, die Speicherfähigkeit einschließlich des Systemspeichers 214 und des Massenspeichers 204, Eingabemittel wie Mikrofon 209 und Lenkrad/Dashboard-Bedienelemente 210 und die Ausgabefähigkeit einschließlich Lautsprecher 211 und Anzeigemonitor 215. In einer Ausführungsform speichern ein Teil des Systemspeichers 214 und der Massenspeicher 204 zusammen ein Betriebssystem, um die Funktionen der verschiedenen in 2 dargestellten Komponenten zu koordinieren.
3 zeigt die Komponenten eines Systems 300, die zu autonomen oder nicht autonomen Fahrzeugen mit dem Fahrzeug-Bordcomputersystem 54N gehören, in einer oder mehreren Ausführungsformen. Das Fahrzeug 310 besteht in der Regel aus einem Fahrgestell 312, einer Karosserie 314, den Vorderrädern 316 und den Hinterrädern 318. Die Karosserie 314 kann auf dem Fahrgestell 312 angeordnet werden und kann Komponenten des Fahrzeuges 310 weitgehend umschließen. Die Karosserie 314 und das Fahrgestell 312 können gemeinsam einen Rahmen bilden. Die Räder 316 und 318 sind jeweils in der Nähe einer Ecke der Karosserie 314 mit dem Fahrgestell 312 drehgekoppelt.
Das System für die Weg-Planung durch die Auflösung mehrerer Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs verbunden sind, kann in das Fahrzeug 310 integriert werden. Das Fahrzeug 310 wird als PKW dargestellt, aber es ist zu beachten, dass es sich bei dem Fahrzeug 310 um einen anderen Fahrzeugtyp handeln kann, z.B. ein Motorrad, einen LKW, ein Sport Utility Vehicle (SUV), ein Freizeitfahrzeug (RV), ein Schiff, ein Flugzeug usw.
Das Fahrzeug 310 kann nach verschiedenen Stufen der Fahrzeugautomatisierung arbeiten, z.B. Stufe 4 oder Stufe 5. Der Betrieb in einem System der Stufe 4 weist auf eine „hohe Automatisierung“ hin, d. h. auf eine fahrmodusabhängige Ausführung aller Aspekte der dynamischen Fahraufgabe durch ein automatisiertes Fahrsystem, selbst wenn ein menschlicher Fahrer nicht angemessen auf eine Aufforderung zum Eingreifen reagiert. Der Betrieb in einem System der Stufe 5 bedeutet „Vollautomatisierung“ und bezieht sich auf die Vollzeitleistung eines automatisierten Fahrsystems für alle Aspekte der dynamischen Fahraufgabe unter allen Fahrbahn- und Umgebungsbedingungen, die von einem menschlichen Fahrer bewältigt werden können.
Das Fahrzeug 310 kann auch ein Antriebssystem 320, ein Getriebesystem 322, ein Lenksystem 324, ein Bremssystem 326, ein Sensorsystem 328, ein Aktuatorsystem 330, mindestens einen Datenspeicher 332, mindestens einer Steuerung 334 und ein Kommunikationssystem 336 enthalten. Das Antriebssystem 320 kann ein Verbrennungsmotor, eine elektrische Maschine, wie z.B. ein Fahrmotor und/oder ein Brennstoffzellen-Antriebssystem sein. Das Getriebesystem 322 kann so konfiguriert werden, dass es die Leistung vom Antriebssystem 320 auf die Fahrzeugräder 316 und 318 entsprechend wählbarer Geschwindigkeitsverhältnisse überträgt. Das Getriebesystem 322 kann ein Stufenautomatikgetriebe, ein stufenloses Getriebe oder andere geeignete Getriebe umfassen.
Das Bremssystem 326 kann so konfiguriert werden, dass es die Fahrzeugräder 316 und 318 mit Bremsmoment versorgt. Das Bremssystem 326 kann Reibungsbremsen, Drahtbremse, ein regeneratives Bremssystem wie eine elektrische Maschine und/oder andere geeignete Bremssysteme verwenden. Das Lenksystem 324 beeinflusst die Position der Fahrzeugräder 316 und 318.
Das Sensorsystem 328 kann ein oder mehrere Sensorgeräte 340a-340n enthalten, die die beobachtbaren Bedingungen der Außenumgebung und/oder der Innenumgebung des Fahrzeugs 310 erfassen. Die Sensoren 340a-340n können u.a. Geschwindigkeit, Radar, LIDAR, globale Positionierungssysteme, optische Kameras, Wärmebildkameras, Ultraschallsensoren, Inertial-Messgeräte und/oder andere Sensoren umfassen. Das Aktuatorsystem 330 umfasst eine oder mehrere Aktuatorvorrichtungen 342a-342n, die ein oder mehrere Fahrzeugmerkmale, wie z.B. das Antriebssystem 320, das Getriebesystem 322, das Lenksystem 324 und das Bremssystem 326 steuern, aber nicht darauf beschränkt sind. In verschiedenen Ausführungsformen können die Fahrzeugmerkmale darüber hinaus Innen- und/oder Außenmerkmale des Fahrzeugs umfassen, wie z. B. Türen, Kofferraum und Kabinenmerkmale wie Luft, Musik, Beleuchtung usw., aber nicht ausschließlich. (nicht nummeriert).
Mit dem Sensorsystem 328 können eine Vielzahl von Fahrzeugmesswerten und/oder andere Informationen gewonnen werden. Die Sensoren 340a-340n können Messwerte erzeugen, die eine Position, Geschwindigkeit und/oder Beschleunigung des Fahrzeugs 310 darstellen. Die Sensoren 340a-340n können auch Messwerte erzeugen, die die Querbeschleunigung, Giergeschwindigkeit usw. darstellen. Die Sensoren 340a-340n können eine Vielzahl von verschiedenen Sensoren und Sensortechniken nutzen, einschließlich solcher, die die Raddrehzahl, die Fahrgeschwindigkeit, die Gaspedalstellung, die Gangstellung, die Schalthebelstellung, die Beschleunigungsmesser, die Motordrehzahl, die Motorleistung, die Drosselklappenstellung und den Ausgang der Trägheitsmesseinheit (IMU) usw. verwenden. Die Sensoren 340a-340n können verwendet werden, um die Fahrzeuggeschwindigkeit relativ zum Boden zu bestimmen, indem Radar-, Laser- und/oder andere Signale auf bekannte stationäre Objekte gerichtet und die reflektierten Signale analysiert werden, oder indem die Rückmeldung von einer Navigationseinheit, die GPS- und/oder Telematik-Fähigkeiten hat, über ein Telematikmodul genutzt wird, das zur Überwachung der Position, der Bewegung, des Status und des Verhaltens des Fahrzeugs verwendet werden kann.
Das Kommunikationssystem 336 kann so konfiguriert werden, dass es drahtlos Informationen zu und von anderen Einheiten 348, wie z. B., aber nicht beschränkt auf, andere Fahrzeuge („V2V“-Kommunikation), Infrastruktur („V2I“-Kommunikation), entfernte Systeme und/oder persönliche Geräte übermittelt. Das Kommunikationssystem 336 kann ein drahtloses Kommunikationssystem sein, das für die Kommunikation über ein drahtloses lokales Netzwerk (WLAN) unter Verwendung des IEEE 802.11-Standards oder durch zellulare Datenkommunikation konfiguriert ist. Zusätzliche oder alternative Kommunikationsmethoden, wie z. B. ein spezieller Kanal für die Kommunikation über kurze Entfernungen (DSRC), werden jedoch ebenfalls im Rahmen dieser Unterrichtung berücksichtigt. DSRC-Kanäle beziehen sich auf einseitige oder zweiseitige drahtlose Kommunikationskanäle mit kurzer bis mittlerer Reichweite, die speziell für den Einsatz im Automobilbereich und eine entsprechende Reihe von Protokollen und Standards entwickelt wurden.
Der Datenspeicher 332 kann Daten für die automatische Steuerung des autonomen Fahrzeugs 310 speichern. Der Datenspeicher 332 kann auch definierte Karten der navigierbaren Umgebung speichern. Die definierten Karten können von einem entfernten System bezogen werden. Die definierten Karten können beispielsweise vom Remote-System zusammengestellt und an das autonome Fahrzeug 310 (drahtlos und/oder kabelgebunden) übermittelt und im Datenspeicher 332 gespeichert werden. Routeninformationen können auch im Datenspeichergerät 332 gespeichert werden, d. h. eine Reihe von Straßenabschnitten (die geografisch mit einer oder mehreren der definierten Karten verknüpft sind), die zusammen eine Route definieren, die ein Benutzer nehmen kann, um von einem Startort (z. B. dem aktuellen Standort des Benutzers) zu einem Zielort zu fahren. Der Datenspeicher 332 kann Teil der Steuerung 334, getrennt von der Steuerung 334, oder Teil der Steuerung 334 und Teil eines separaten Systems sein.
Die Steuerung 334 kann mindestens einen Prozessor 344 und ein computerlesbares Speichergerät oder Medium 346 enthalten. Der Prozessor 344 kann ein beliebiger kundenspezifischer oder handelsüblicher Prozessor, eine Zentraleinheit (CPU), eine Graphikverarbeitungseinheit (GPU), ein Hilfsprozessor unter mehreren Prozessoren, die mit der Steuerung 334 verbunden sind, ein Mikroprozessor auf Halbleiterbasis (in Form eines Mikrochips oder Chipsatzes), ein Mikroprozessor, eine beliebige Kombination davon oder allgemein eine beliebige Vorrichtung zur Ausführung von Befehlen sein.
Die Anweisungen können ein oder mehrere separate Programme enthalten, von denen jedes eine geordnete Auflistung ausführbarer Anweisungen zur Implementierung logischer Funktionen enthält. Die Befehle, wenn sie vom Prozessor 344 ausgeführt werden, empfangen und verarbeiten Signale vom Sensorsystem 328, führen Logik, Berechnungen, Methoden und/oder Algorithmen zur automatischen Steuerung der Komponenten des autonomen Fahrzeugs 310 aus und erzeugen Steuersignale an das Aktuatorsystem 330, um die Komponenten des autonomen Fahrzeugs 310 basierend auf der Logik, Berechnungen, Methoden und/oder Algorithmen automatisch zu steuern.
Das Fahrzeug 310 kann auch ein Sicherheitssteuermodul (nicht abgebildet), ein Infotainment-/Entertainment-Steuermodul (nicht abgebildet), ein Telematikmodul (nicht abgebildet), ein GPS-Modul (nicht abgebildet) (GLONASS kann ebenfalls verwendet werden) usw. enthalten. Das Sicherheitssteuermodul kann verschiedene Funktionen zur Crash- oder Kollisionserkennung, - vermeidung und/oder -minderung bieten. Das Sicherheitssteuermodul bietet und/oder führt beispielsweise Kollisionswarnungen, Spurverlassens-Warnungen, autonome oder halbautonome Bremsen, autonome oder halbautonome Lenkung, Airbagauslösung, aktive Knautschzonen, Gurtstraffer oder Lastbegrenzer und automatische Benachrichtigung der Notfallhelfer im Falle eines Unfalls usw. durch.
Das Infotainment-/Entertainment-Steuermodul kann den Insassen des Fahrzeuges 310 eine Kombination aus Information und Unterhaltung bieten. Die Informationen und die Unterhaltung können z.B. mit Musik, Webseiten, Filmen, Fernsehprogrammen, Videospielen und/oder anderen Informationen zusammenhängen.
Das Telematikmodul kann die drahtlose Sprach- und/oder Datenkommunikation über ein drahtloses Trägersystem (nicht abgebildet) und über eine drahtlose Vernetzung (nicht abgebildet) nutzen, damit das Fahrzeug 310 eine Reihe verschiedener Dienste anbieten kann, einschließlich derer, die sich auf Navigation, Telefonie, Notfallhilfe, Diagnose, Infotainment usw. beziehen. Das Telematikmodul kann auch die zellulare Kommunikation nach den Standards GSM, W-CDMA oder CDMA und die drahtlose Kommunikation nach einem oder mehreren Protokollen, die nach den Standards 3G oder 4G oder anderen drahtlosen Protokollen, wie z.B. einem der Protokolle IEEE 802.11, WiMAX oder Bluetooth, implementiert sind, nutzen. Bei der Verwendung für paketvermittelte Datenkommunikation wie TCP/IP kann das Telematikmodul mit einer statischen IP-Adresse konfiguriert werden oder so eingerichtet werden, dass es automatisch eine dynamisch zugewiesene IP-Adresse von einem anderen Gerät im Netzwerk erhält, z.B. von einem Router oder von einem Netzwerkadressenserver (z.B. einem DHCP-Server).
Das GPS-Modul kann Funksignale von mehreren GPS-Satelliten empfangen (nicht abgebildet). Aus diesen empfangenen Funksignalen kann das GPS-Modul eine Fahrzeugposition ermitteln, die für die Bereitstellung von Navigations- und anderen positionsbezogenen Diensten genutzt werden kann. Navigationsinformationen können auf einem Display im Fahrzeug 310 (z.B. Display 215) oder verbal dargestellt werden, wie es bei der Turn-by-Turn-Navigation der Fall ist. Navigationsdienste können über ein spezielles bordeigenes Navigationsmodul (das Teil des GPS-Moduls sein kann) oder einige oder alle Navigationsdienste über das Telematikmodul bereitgestellt werden. So können die Positionsinformationen für das Fahrzeug 310 an einen entfernten Standort gesendet werden, um das Fahrzeug 310 mit Navigationskarten, Kartenanmerkungen (Sehenswürdigkeiten, Restaurants usw.), Routenberechnungen und ähnlichem zu versorgen.
4, mit weiterem Bezug auf 1-3, zeigt ein System zur Auflösung der Verhaltenspfadplanung 400, das mit jedem einer Vielzahl von autonomen oder nicht autonomen Fahrzeugen verbunden ist, die das Fahrzeugbordcomputersystem 54N enthalten. Das Verhaltensbahnplanungs-Auflösungssystem 400 kann mehrere Komponenten umfassen (z.B. einen Regler 410, der Regler 334 sein kann, einen Hypothesen-Resolver 430, einen Entscheidungs-Resolver 415 und einen Trajektorien-Planer 405). Das verhaltensbasierte Weg-Planungsauflösungssystem 400 kann eine Weg-Planungshilfe für ein Fahrzeug bieten.
Das verhaltensbasierte Weg-Planungsauflösungssystem 400 kann zunächst darauf trainiert werden, Weg-Planungsentscheidungen basierend auf von Daten zu treffen, die die Entscheidungen und Handlungen von Fahrern widerspiegeln, die ein Fahrzeug auf einem Straßennetz im Hinblick auf eine bestimmte Fahrsituation betreiben (z. B, Betrieb an einer Straßengabelung, einem Drei-Wege-Halt, einer Kreuzung, einer Autobahnauffahrt, einer Autobahnausfahrt, einem Wendekreis usw.) und/oder einem bestimmten Ort oder Orts-Typ (z. B. Autobahn, zweispurige Straße, Linksabbiegerspur, städtischer Bereich usw.) Die Aktionen der Fahrer können als Reaktion auf die Interaktion mit anderen mobilen oder stationären Objekten, Verkehrsschildern, Ampeln, Fahrbahn-Geometrien, Arbeitszonen, Verkehr usw. erfolgen (d. h. Verhalten). Wenn das Verhaltens-Weg-Planungs-Auflösungssystem 400 eine Menge an Trainingsdaten über einem vorgegebenen Schwellenwert erhalten hat, kann das Verhaltens-Weg-Planungs-Auflösungssystem 400 in das Fahrzeug 310 integriert werden. Das im Fahrzeug 310 integrierte Verhaltens-Weg-Planungs-Auflösungssystem 400 kann verwendet werden, um Entscheidungen über den Fahrzeugbetrieb (d. h. Lenken, Bremsen, Beschleunigen usw.) basierend auf einer Auflösung mehrerer Hypothesen und/oder Entscheidungen zu treffen, während das Fahrzeug 310 autonom oder halb autonom arbeitet.
Das Verhaltens-Weg-Planungs-Auflösungssystem 400 kann unter Verwendung von Trainingsdaten oder Live-Daten eine Vielzahl von Modellen für das Bewegungsverhalten (d.h. prädiktive Modelle (z.B. Kinematik, Baumregression, GMM-HMM, etc.)) verwenden, um mehrere Hypothesen (z.B. 435 und 440) zu entwickeln, wobei jede Hypothese eine Weg-Vorhersage für einen Agenten innerhalb einer vorgegebenen Entfernung zum Fahrzeug sein kann 310. Jede Weg-Vorhersage beinhaltet eine Geschwindigkeits-, Kurs- und Ortsvorhersage sowie eine berechnete Trajektorie für jeden Agenten.
Jede Hypothese kann in den Hypothesen-Resolver 430 eingegeben werden. Jede Hypothese kann eine räumliche Trajektorie des Agenten sein, der sich auf einer Karte von einem Ort zu einem anderen Ort bewegt. Der Hypothesen-Resolver 430 kann die beste Hypothese (das Auswählen basiert auf der Genauigkeit jeder Hypothesenvorhersage für eine gewisse Zeitspanne in der Vergangenheit) aus der Vielzahl der in den Hypothesen-Resolver 430 eingegebenen Hypothesen (z.B. Hypothese 435 und Hypothese 440) auswählen und ausgeben. Die beste Hypothese kann eine Fusion mehrerer Hypothesen sein. Dementsprechend kann der Hypothesen-Resolver 430 einen vorhergesagten Pfad ausgeben, der auf der Fusion der vorhergesagten Pfade basiert, die mit den mehreren Hypothesen verbunden sind.
Eine Hypothesenfusion kann unter Berücksichtigung von N erfolgen, wobei N die Gesamtzahl der Datenpunkte ist, bei der jeder Datenpunkt ein einzelner Pfad k ist. Wie bereits erwähnt, stellt jede Hypothese der Mehrfachhypothesen ein anderes Modell und eine andere wahre Beobachtung dar. Die Mehrfachhypothesen können als eine Menge von Vektoren Si dargestellt werden: $(X_{j}^{i}, Y_{j}^{i}) \in S_{i} {wo S}_{i} \in R^{N} .$
. Dementsprechend ist jede Hypothese S_i ist eine 2D-Trajektorie, beschrieben durch X, Y auf der Karte. Dementsprechend kann die hier beschriebene Fusionstechnik für eine gegebene Menge von einzelnen Wegen, S, einen sehr wahrscheinlichen Weg finden, der auf den vielen Hypothesen basiert.
Der Hypothesen-Resolver 430 kann einen Algorithmus der Kanonischen Korrelationsanalyse (CCA) verwenden, um den am besten vorhergesagten Pfad auszuwählen. Die Gleichung für die CCA kann die folgende sein, die z.B. auf zwei Prädiktoren (Hypothese X sagt den Weg und Hypothese Y den Weg voraus) und einem beobachteten Weg, d.h. einer abgebildeten Trajektorie (Z), basiert: $C C A = a r g m a x_{s} \begin{array}{l} {[\frac{[U^{T} X^{T} Y V]}{\sqrt U^{T} X X^{T} U \sqrt V^{T} Y Y^{T} V}] \\ + [\frac{U^{T} X^{T} Z Z W}{\sqrt U^{T} X X^{T} U \sqrt W^{T} Z Z^{T} W} + \frac{V^{T} Y^{T} Z W}{\sqrt V^{T} Y Y^{T} V \sqrt W^{T} Z Z^{T} W}]} \end{array}$
wobei die Parameter U, V und W die oberen k Komponenten der CCA sind, die als Gewichte gedacht werden können, die innerhalb des CCA-Modells gelernt werden. Die Parameter X und Y sind vorhergesagte Pfade für zwei verschiedene Hypothesen. Parameter Z ist der abgesicherte Pfad.
Ein erster Summanden stellt eine paarweise Korrelation der beiden Prädiktoren dar, und ein zweiter Summanden stellt Prädiktor-Beobachtungskorrelationen dar. Das Ergebnis der CCA bietet eine vollständige gemeinsame Einbettung, die genutzt werden kann, um alle Weg-Vorhersagen und Beobachtungen in einen einzigen, fusionierten Weg zu integrieren, der auf menschlichen Entscheidungen und Handlungen basiert, die aus den Trainingsdaten gewonnen wurden. Die gemeinsame Einbettung ist ein Raum, in dem die Trajektorien in eine fusionierte (gemeinsame) Einbettung abgebildet werden, mit deren Hilfe die Abbildung zwischen den fusionierten Trajektorien und den beobachteten Trajektorien ermittelt werden kann.
Die Ausgabe des Hypothesen-Resolvers 430, (d.h. der am besten vorhergesagte zukünftige Weg für einen gegebenen Agenten), wird verwendet, um mehrere Entscheidungen zu generieren (z.B. Entscheidung 1 (420) und Entscheidung M (425)). Jede generierte Entscheidung kann den besten vorhergesagten zukünftigen Weg für jeden Agenten, der sich innerhalb der vorgegebenen Reichweite des Fahrzeugs 310 befindet, berücksichtigen. Jede Entscheidung kann eine Ausgabe-Trajektorie berechnen, die zur Planung eines Weges für das Fahrzeug 310 verwendet werden kann. Jede Entscheidung kann eine gültige/realistische (menschliche) Ausgabebahn liefern, selbst wenn eine durchschnittliche Ausgabebahn ungültig wäre (z.B. das Auswählen einer linken Straßengabelung oder einer rechten Straßengabelung, wenn ein Durchschnitt das Auswählen eines Pfades zwischen der linken und rechten Gabelung anzeigt).
Jede Entscheidung kann in einen Entscheidungs-Resolver 415 eingegeben werden. Der Entscheidungs-Resolver 415 kann die beste Entscheidung auswählen, d.h. eine Entscheidung, die das menschliche Verhalten im Hinblick auf eine gegebene Menge von Ereignissen am ehesten nachahmt. Das Auswählen der besten Entscheidung durch den Entscheidungs-Resolver 415 kann auch den CCA nutzen, um mehrere Entscheidungen in ähnlicher Weise zu verschmelzen wie die Fusion durch den Hypothesen-Resolver 430. Der Entscheidungs-Resolver 415 kann die beste Entscheidung/Fusionierte Entscheidung in den Trajektorien-Planer 405 eingeben. Der Trajektorien-Planer 405 kann einen Weg/eine Trajektorie für das Fahrzeug 310 zur Durchquerung eines Straßennetzes unter Verwendung der mit der bereitgestellten Entscheidung verbundenen Ausgabe-Trajektorie generieren. Der Trajektorien-Planer 405 kann den Weg/Trajektorie in die Steuerung 410 eingeben. Die Steuerung 410 kann den empfangenen Weg/Trajektorie nutzen, um Entscheidungen über den Fahrzeugbetrieb zu treffen, die das Fahrzeug 310 veranlassen, das Straßennetz zu durchfahren.
5 zeigt ein Flussdiagramm einer Methode 500 zur Implementierung eines Verfahrens zur Bereitstellung einer Weg-Planungshilfe durch die Auflösung mehrerer Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs gemäß einer oder mehrerer Ausführungsformen verbunden sind. Im Block 505 kann ein System (z.B. das Verhaltens-Weg-Planungs-Auflösungssystem 400) während einer Trainingsphase Daten von jedem einer Vielzahl von Agenten empfangen. Die empfangenen Daten können Geschwindigkeits-, Kurs- und Standortinformationen enthalten. Im Block 510 kann das System aus den empfangenen Daten Trainingsdaten generieren. In Block 515 kann das System Hypothesen und/oder Entscheidungen, die mit den Trainingsdaten erstellt wurden, zusammenführen.
In Block 520 kann ein Fahrzeugsystem oder ein Teil davon mit den generierten Trainingsdaten und den fusionierten Hypothesen bzw. Entscheidungen trainiert werden. Das Training kann auf Simulationen von Agenten (mobil und stationär) basieren, die auf oder entlang eines Straßennetzes miteinander interagieren. Die Simulationen können auf zufälligen Permutationen von Mitteln, Fahrzeugen und Straßentypen basieren. Im Block 525 kann das trainierte Fahrzeugsystem in ein Fahrzeug eingebaut werden, z.B. das Fahrzeugbordrechnersystem 54N. Im Block 530 kann das Fahrzeugbordcomputersystem 54N während des Betriebs (d.h. während der Fahrt durch das Straßennetz) den Standort des Fahrzeugs auf einer Karte mit dem Straßennetz bestimmen. In Block 535 kann das Fahrzeug-Bordcomputersystem 54N feststellen, ob ein oder mehrere Agenten (mobil oder stationär) innerhalb eines vorgegebenen Bereichs des Fahrzeugs vorhanden sind.
Im Block 540 kann das Fahrzeug-Bordcomputersystem 54N das trainierte Fahrzeugsystem nutzen, um eine Ausgabe-Trajektorie zu wählen, um das Straßennetz im Hinblick auf die bestimmte Position des Fahrzeugs auf der Karte und den einen oder mehreren Agenten zu durchqueren. Im Block 545 kann das Fahrzeugbordcomputersystem 54N den gewählten Ausgang zur Steuerung des Fahrzeugbetriebs des Fahrzeugs nutzen, um die Ausgabe-Trajektorie auszuführen.
Dementsprechend beschreiben die hier offenbarten Ausführungsformen ein System, das mehrere Verhaltensvorhersagen, die für die Pfadplanung verwendet werden, auflösen kann. Die hier vorgestellten Ausführungsformen können die Herausforderung annehmen, mehrere Trajektorien zu kombinieren und eine einzige Ausgabe zu liefern, die wichtige Informationen in Form einer verschmolzenen Trajektorie integriert. Die fusionierte Trajektorie trifft implizit auf die Interdependenzen zwischen Eingangs- und Ausgangs-Trajektorien, zusätzlich zu den intrainternen Abhängigkeiten zwischen den Eingangs-Trajektorien.
Das hier beschriebene System kann einzelne Modelle nutzen, die jeweils eine gültige Weg-Vorhersage mit einzigartigen wünschenswerten Eigenschaften bieten, die alle oder eine Teilmenge von Prädiktoren darstellen. Nachdem alle Weg-Vorhersagen generiert wurden, werden die Eingangsfeature-Vektoren für die Modellierung der Kanonischen Korrelationsanalyse (CCA) konstruiert. Während die CCA auf jeder Menge von informativen Merkmalen durchgeführt werden kann, können die hier beschriebenen Ausführungsformen eine beliebige Menge von (x, y) verwenden, wobei x und y die Trajektorien von verschiedenen Prädiktoren sind. Dementsprechend wird nicht jedes der Feature-Arrays zu einem einzelnen Feature-Vektor verkettet, sondern jedes wird explizit dargestellt, wodurch paarweise Korrelationen des Eingangsraums ermöglicht werden.
Technische Effekte und Vorteile der offenbarten Ausführungsformen beinhalten, sind aber nicht beschränkt auf die Verwendung von Verhaltensmustern der menschlichen Bedienung von Fahrzeugen, die aus Trainingsdaten gewonnen wurden, um den Betrieb eines Fahrzeugs, das Lenken, Bremsen, Beschleunigen usw. zu kontrollieren. Dementsprechend arbeiten autonome und nicht autonome Fahrzeuge, die die angegebenen Ausführungsformen verwenden, mit erhöhter Sicherheit, da die Fahrvorgänge eine höchst menschliche Entscheidung widerspiegeln, wenn sie mit ähnlichen Situationen und/oder einem Standort konfrontiert sind. Entsprechend können nach dem Training des Systems reale Anwendungen wie das autonome Fahren beeinflusst werden, um ein Straßennetz sicher zu navigieren.
Bei der vorliegenden Offenbarung kann es sich um ein System, ein Verfahren und/oder ein computerlesbares Speichermedium handeln. Das computerlesbare Speichermedium kann computerlesbare Programmanweisungen enthalten, die einen Prozessor veranlassen, Aspekte der vorliegenden Offenbarung durchzuführen.
Das computerlesbare Speichermedium kann ein greifbares Gerät sein, das Anweisungen zur Verwendung durch ein Befehlsausführungsgerät speichern kann. Bei dem computerlesbaren Speichermedium kann es sich beispielsweise um ein elektronisches Speichergerät, ein magnetisches Speichergerät, ein optisches Speichergerät, ein elektromagnetisches Speichergerät, ein Halbleiterspeichergerät oder um eine geeignete Kombination der vorgenannten Geräte handeln, ohne darauf beschränkt zu sein. Eine nicht erschöpfende Liste spezifischerer Beispiele für ein computerlesbares Speichermedium umfasst Folgendes: eine tragbare Computerdiskette, eine Festplatte, einen Direktzugriffsspeicher (RAM), einen Nur-Lese-Speicher (ROM), einen löschbaren programmierbaren Nur-Lese-Speicher (EPROM oder Flash-Speicher), einen statischen Direktzugriffsspeicher (SRAM), einen tragbaren Compact-Disc-Lesespeicher (CD-ROM), eine digitale vielseitige Platte (DVD), einen Speicherstick, ein mechanisch kodiertes Gerät und jede geeignete Kombination der vorgenannten.
Ein computerlesbares Speichermedium, wie es hier verwendet wird, ist nicht als vorübergehendes Signal an sich auszulegen, wie z.B. Radiowellen oder andere sich frei ausbreitende elektromagnetische Wellen, elektromagnetische Wellen, die sich durch einen Wellenleiter oder andere Übertragungsmedien ausbreiten (z.B. Lichtimpulse, die durch ein Glasfaserkabel laufen), oder elektrische Signale, die über eine Leitung übertragen werden. Die computerlesbaren Programmbefehle können auch auf einen Computer, ein anderes programmierbares Datenverarbeitungsgerät oder ein anderes Gerät geladen werden, um eine Reihe von Betriebsschritten auf dem Computer, einem anderen programmierbaren Gerät oder anderen Vorrichtungen auszuführen, um einen computerimplementierten Prozess zu erzeugen, so dass die Befehle, die auf dem Computer, einem anderen programmierbaren Gerät oder einer anderen Vorrichtung ausgeführt werden, die im Flussdiagramm und/oder im Block oder in den Blöcken angegebenen Funktionen/Aktionen implementieren.
Während die vorstehende Offenbarung unter Bezugnahme auf beispielhafte Ausführungsformen beschrieben wurde, wird es von den Fachleuten verstanden, dass verschiedene Änderungen vorgenommen werden können und Elemente davon durch Äquivalente ersetzt werden können, ohne dass der Geltungsbereich verlassen wird. Darüber hinaus können viele Änderungen vorgenommen werden, um eine bestimmte Situation oder ein bestimmtes Material an die Lehren der Offenbarung anzupassen, ohne von deren wesentlichem Umfang abzuweichen. Es ist daher beabsichtigt, dass sich die vorliegende Offenbarung nicht auf die einzelnen offenbarten Ausführungsformen beschränkt, sondern alle Ausführungsformen umfasst, die in den Geltungsbereich dieser Ausführungsform fallen.

Claims

Ein Verfahren zum Bereitstellen einer Weg-Planungs-Führung durch Auflösen von mehreren Verhaltensvorhersagen, die mit dem Betreiben eines Fahrzeugs verbunden sind, wobei das Verfahren umfasst: Installieren eines Fahrzeugsystems in ein Fahrzeug, wobei das Fahrzeugsystem eine Weg-Planungs-Führung basierend auf Verwendung von Trainingsdaten und fusionierter Hypothesen und/oder Entscheidungen, die den Trainingsdaten zugeordnet sind, bereitstellt; Bestimmen, durch einen Prozessor, der Position des Fahrzeugs auf einer Karte, die ein Straßennetz enthält; Bestimmen, durch den Prozessor, ob ein oder mehrere Agenten innerhalb eines vorgegebenen Bereichs des Fahrzeugs vorhanden sind; Auswählen, durch den Prozessor, einer Ausgabe-Trajektorie zum Durchqueren des Straßennetzes basierend auf der Position des Fahrzeugs auf der Karte und der Existenz eines oder mehrerer Agenten; und Steuern, durch den Prozessor, des Fahrzeugbetriebs unter Verwendung der Ausgabe-Trajektorie.
Das Verfahren nach Anspruch 1, wobei die Trainingsdaten Daten enthalten, die auf einem oder mehreren Vorhersagemodellen basieren, die zur Vorhersage einer zukünftigen, einem oder mehreren Agenten zugeordneten Bewegung verwendet werden.
Das Verfahren nach Anspruch 1, wobei ein Algorithmus der Kanonischen Korrelationsanalyse, CCA, verwendet wird, um die mit den Trainingsdaten zugeordneten Hypothesen und/oder Entscheidungen zu verschmelzen.
Das Verfahren nach Anspruch 3, wobei die CCA eine Abbildung zwischen einem oder mehreren Vorhersagemodellen und dem Verhalten eines oder mehrerer Fahrer liefert.
Das Verfahren nach Anspruch 3, wobei die CCA paarweise Wechselwirkungen zwischen Prädiktoren nutzt.
Das Verfahren nach Anspruch 1, wobei die Bewegungsinformationen von einem oder mehreren Agenten Geschwindigkeits-, Kurs- und Ortsinformationen umfassen.
Ein System zum Bereitstellung einer Weg-Planungs-Führung durch die Auflösung mehrerer Verhaltensvorhersagen, die dem Betreiben eines Fahrzeugs zugeordnet sind, wobei das System umfasst: ein Fahrzeug; wobei das Fahrzeug umfasst: einen Speicher und einen mit dem Speicher gekoppelten Prozessor; einen Hypothesen-Resolver; einen Entscheidungs-Resolver; einen Trajektorienplaner; und eine Steuerung; wobei der Prozessor betreibbar ist zum: Verwenden eines Fahrzeugsystems in einem Fahrzeug, wobei das Fahrzeugsystem eine Weg-Planungs-Führung basierend auf Verwendung von Trainingsdaten und fusionierten Hypothesen und/oder Entscheidungen, die den Trainingsdaten zugeordnet sind, bereitstellt; Bestimmen einer Position des Fahrzeugs auf einer Karte, die ein Straßennetz enthält; Bestimmen, ob ein oder mehrere Agenten innerhalb eines vorgegebenen Bereichs des Fahrzeugs vorhanden sind, Auswählen, einer Ausgabe-Trajektorie zum Durchqueren des Straßennetzes basierend auf der Position des Fahrzeugs auf der Karte und der Existenz eines oder mehrerer Agenten; und Steuern des Betriebs des Fahrzeugs unter Verwendung der Ausgabe-Trajektorie.
Das System nach Anspruch 7, wobei die Trainingsdaten Daten enthalten, die auf einem oder mehreren Vorhersagemodellen basieren, die zur Vorhersage einer zukünftigen, einem oder mehreren Agenten zugeordneten Bewegung verwendet werden.
Das System nach Anspruch 7, wobei ein Algorithmus der Kanonischen Korrelationsanalyse, CCA, verwendet wird, um die den Trainingsdaten zugeordneten Hypothesen und/oder Entscheidungen zu fusionieren.
Ein computerlesbares Speichermedium mit darin enthaltenen Programmbefehlen, wobei die Programmbefehle von einem Prozessor lesbar sind, um den Prozessor zu veranlassen, ein Verfahren nach einem der Ansprüche 1 bis 6 durchzuführen.