JP2017220197A - 車両制御方法と装置及び判断モジュールの獲得方法と装置 - Google Patents

車両制御方法と装置及び判断モジュールの獲得方法と装置 Download PDF

Info

Publication number
JP2017220197A
JP2017220197A JP2016190244A JP2016190244A JP2017220197A JP 2017220197 A JP2017220197 A JP 2017220197A JP 2016190244 A JP2016190244 A JP 2016190244A JP 2016190244 A JP2016190244 A JP 2016190244A JP 2017220197 A JP2017220197 A JP 2017220197A
Authority
JP
Japan
Prior art keywords
information
vehicle
external environment
map information
determination module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016190244A
Other languages
English (en)
Other versions
JP6463713B2 (ja
Inventor
ヤン ウェンリー
Wenli Yang
ヤン ウェンリー
チャン ティアンレイ
Tianlei Zhang
チャン ティアンレイ
パン ユウチャン
Yuchang Pan
パン ユウチャン
サン ハオウェン
Haowen Sun
サン ハオウェン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Original Assignee
Baidu Online Network Technology Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu Online Network Technology Beijing Co Ltd filed Critical Baidu Online Network Technology Beijing Co Ltd
Publication of JP2017220197A publication Critical patent/JP2017220197A/ja
Application granted granted Critical
Publication of JP6463713B2 publication Critical patent/JP6463713B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

【課題】安全性を向上させ作業量を低減させる、無人運転車両の車両制御方法と装置及び判断モジュールの獲得方法と装置を提供する。【解決手段】無人運転車両の走行過程で、実時間的に現在の外部環境情報と地図情報とを獲得し１１、予めに訓練して得た外部環境情報と地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に獲得した外部環境情報と地図情報に対応する車両状態情報を確定し１２、確定した車両状態情報に基づいて無人運転車両の走行状態を制御する１３。【選択図】図１

Description

本発明は、無人運転技術に関し、特に無人運転車両の制御方法と装置及び判断モジュールの獲得方法と装置に関する。
無人運転車両の走行過程で、獲得した地図情報と外部環境情報に基づいて実時間的に判断する必要があり、前記判断は、ブレーキング、加速、変道、方向転換、Ｕターン、逆行等を含み、判断結果に基づいて無人運転車両の走行状態を制御する。
従来の技術で、人工的に予め編集した若干の規則に基づいて判断を行うことができるが、人工的に編集した規則は通常に全部の道路状況をカーバーすることができなく、対応する規則のない未知の道路状況については隠れた大きい安全上の危険が存在し、人工的に編集した規則があまり多いと、編集及びメンテナンスの作業量を増加させる。
本発明は、安全性を向上させ且つ作業量を削減できる車両制御方法と装置及び判断モジュールの獲得方法と装置を提供する。
具体的な技術案は以下のようである。
無人運転車両の走行過程で、実時間的に現在の外部環境情報と地図情報とを獲得し、
予めに訓練して得た外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に獲得した外部環境情報と地図情報に対応する車両状態情報を確定し、確定した車両状態情報に基づいて前記無人運転車両の走行状態を制御することを含む車両制御方法。
本発明の一好ましい実施例によると、前記毎回に獲得した外部環境情報と地図情報に対応する車両状態情報を確定することは、
毎回に獲得した外部環境情報と地図情報を統合してから、前記判断モジュールの入力とし、前記判断モジュールが出力する前記車両状態情報を獲得することを含む。
本発明の一好ましい実施例によると、
前記地図情報は、高精度の地図に基づいて得た地図情報であり、
前記判断モジュールの類型は、サポートベクターマシンSVMモジュール、またはニューラルネットワークモジュールを含む。
運転者が車両を運転して道路で走行する時、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得し、
情報の獲得が完了してから、獲得した情報に基づいて訓練して外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールを獲得し、無人運転車両の走行過程で、毎回現在の外部環境情報と地図情報を獲得した後に、前記判断モジュールに基づいて、獲得した外部環境情報と地図情報が対応する車両状態情報を確定し、確定した車両状態情報に基づいて前記無人運転車両の走行状態を制御することを含む判断モジュールの獲得方法。
本発明の一好ましい実施例によると、訓練して前記判断モジュールを獲得することは、
毎回に獲得した外部環境情報と、地図情報と車両状態情報を利用して一つの訓練サンプルを組合せ、且つ、訓練サンプル毎における外部環境情報と地図情報を統合して当該訓練サンプルでの入力とし、訓練サンプル毎における車両状態情報を当該訓練サンプルでの出力とし、
各訓練サンプルでの入力と出力に基づいて訓練して前記判断モジュールを得ることを含む。
本発明の一好ましい実施例によると、当該方法は、さらに、
各訓練サンプルから異常データを含む訓練サンプルを選別して除去し、残りの訓練サンプルに基づいて訓練して前記判断モジュールを得ることを含む。
本発明の一好ましい実施例によると、
前記地図情報は、高精度の地図に基づいて得た地図情報であり、
前記判断モジュールの類型は、サポートベクターマシンSVMモジュール、またはニューラルネットワークモジュールを含む。
獲得手段と、判断手段と、制御手段とを含み、
前記獲得手段は、無人運転車両の走行過程で、現在の外部環境情報と地図情報を実時間的に獲得し、毎回に獲得した外部環境情報と地図情報を前記判断手段へ発送し、
前記判断手段は、予めに訓練して得た外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に受信した外部環境情報と地図情報に対応する車両状態情報を確定し、確定した車両状態情報を前記制御手段へ発送し、
前記制御手段は、受信した車両状態情報に基づいて前記無人運転車両の走行状態を制御する車両制御装置。
本発明の一好ましい実施例によると、前記判断手段は、毎回に受信した外部環境情報と地図情報を統合して、前記判断モジュールの入力とし、前記判断モジュールが出力する前記車両状態情報を獲得する。
本発明の一好ましい実施例によると、
前記地図情報は、高精度の地図に基づいて得た地図情報であり、
前記判断モジュールの類型は、サポートベクターマシンSVMモジュール、またはニューラルネットワークモジュールを含む。
データ收集手段と、モジュール訓練手段とを含み、
前記データ收集手段は、運転者が車両を運転して道路で走行する時、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得し、
前記モジュール訓練手段は、データ収集が完了してから、獲得した情報に基づいて訓練して外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールを獲得し、無人運転車両の走行過程で、毎回現在の外部環境情報と地図情報を獲得した後に、前記判断モジュールに基づいて、獲得した外部環境情報と地図情報が対応する車両状態情報を確定し、確定した車両状態情報に基づいて前記無人運転車両の走行状態を制御する判断モジュールの獲得装置。
本発明の一好ましい実施例によると、前記モジュール訓練手段は、前記データ收集手段が毎回に獲得した外部環境情報と、地図情報と車両状態情報を利用して一つの訓練サンプルを組合せ、且つ、訓練サンプル毎における外部環境情報と地図情報を統合して当該訓練サンプルでの入力とし、訓練サンプル毎における車両状態情報を当該訓練サンプルにおける出力とし、各訓練サンプルでの入力と出力に基づいて訓練して前記判断モジュールを得ることに用いられる。
本発明の一好ましい実施例によると、前記モジュール訓練手段は、さらに、
各訓練サンプルから異常データを含む訓練サンプルを選別して除去し、残りの訓練サンプルに基づいて訓練して前記判断モジュールを得ることに用いられる。
本発明の一好ましい実施例によると、
前記地図情報は、高精度の地図に基づいて得た地図情報であり、
前記判断モジュールの類型は、サポートベクターマシンSVMモジュール、またはニューラルネットワークモジュールを含む。
上記の記載によると、本発明の前記方案を利用すると、無人運転車両の走行過程で、可現在の外部環境情報と地図情報を実時間的に獲得し、予めに訓練して得た外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に獲得した外部環境情報と地図情報に対応する車両状態情報を確定し、さらに確定した車両状態情報に基づいて無人運転車両の走行状態を制御するので、従来技術に比べて、本発明の前記方案はいずれの道路状況にも適用でき、未知の道路状況に対する判断能力を向上させ、安全性を高め、且つ、人工的に規則を編集する必要がないので、編集とメンテナンスの作業量を低減させる。
本発明の車両制御方法の実施例のフローチャートである。 本発明の判断モジュールの獲得方法の実施例のフローチャートである。 本発明の車両制御装置の実施例の組合せ構造概略図である。 本発明の判断モジュールの獲得装置の実施例の組合せ構造概略図である。
本発明の技術案をより明瞭にするように、以下では図面を利用し実施例で、本発明の前記の技術案を詳細に説明する。
実施例一
図1は、本発明の車両制御方法の実施例のフローチャートで、図1に示すように、以下の具体的な実現形態を含む。
11で、無人運転車両の走行過程で、現在の外部環境情報と地図情報を実時間的に獲得する。
無人運転車両の走行過程で、現在の外部環境情報と地図情報を実時間的に獲得でき、ここの実時間的な獲得は、絶対的にずっと連続に獲得することではなく、小さい時間周期に周期的に獲得することで、例えば、0.5秒を時間周期とする。
外部環境情報は認知情報とも言われ、レーザーレーダー、ミリメートル波レーダーとカメラ等を通じて、無人運転車両周囲の環境情報を実時間的に獲得する。環境情報は、周囲車両の位置、大きさ、速度、方向、周囲歩行者の位置、速度、方向等を含んでいてもよい。
ここで、周囲車両の位置は、通常に周囲車両の無人運転車両に対する位置であり、同様に、周囲歩行者の位置は、周囲歩行者の無人運転車両に対する位置である。
獲得した地図情報は、高精度の地図に基づいて獲得した地図情報である。
従来の普通地図には簡単な道路路径情報のみを含み、高精度の地図は車道線毎の正確な位置、車道の曲率、車道の速度制限、車道の接続属性等の情報までに詳細しており、即ち、普通の地図に比べると、高精度の地図に含む情報内容をより豊かで詳しく、またより小さい誤差を有している。
本実施例に記載の獲得した地図情報は、高精度の地図に基づいて実時間的に獲得した無人運転車両周囲の地図データであり、車両の座標、車両の前方に交差点があるか否か、高架橋、交通信号燈、停止線等を含んでいてもよい。
ここで、車両の座標は、通常は、無人運転車両と所在車道両側の車道線との間の距離等で、車両の前方に交差点があるか否かを判断することは、通常に無人運転車両前方の所定距離、例えば200メートル内に交差点があるか否か等である。
12で、予めに訓練して得た外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に獲得した外部環境情報と地図情報に対応する車両状態情報を獲得する。
毎回に獲得した外部環境情報と地図情報を統合して、予めに訓練して得た判断モジュールの入力とし、判断モジュール出力の車両状態情報を獲得する。
車両状態情報は、車両の速度、加速度、ハンドルの角度、ハンドルの角速度、方向転換燈の状態、ハイビーム燈の状態、近光燈の状態等を含む。
方向転換燈の状態は、方向転換燈がオンされているか否か、オンされたのはどの側の方向転換燈であるか等で、ハイビーム燈の状態は、ハイビーム燈オンされているか否か等、近光燈の状態は、近光燈がオンされているか否か等である。
13で、確定した車両状態情報に基づいて、無人運転車両の走行状態を制御する。
確定した車両状態情報に基づいて、従来技術に従って、無人運転車両の走行状態を制御してもよい。
実施例一で、前記内容の一例は以下のようである。
現在時刻を時刻aとし、時刻aの外部環境情報aと地図情報aを獲得し、判断モジュールによって、外部環境情報aと地図情報aに対応する車両状態情報aを確定し、車両状態情報aに基づいて無人運転車両の走行状態を制御する。
次の時刻を時刻bとし、時刻bの外部環境情報bと地図情報bを獲得し、判断モジュールによって、外部環境情報bと地図情報bに対応する車両状態情報bを確定し、さらに車両状態情報bに基づいて無人運転車両の走行状態を制御する。
このように類推すると、時刻aと時刻bとの間には非常に短い時間間隔があり、実時間的な制御の目的を達成する。
以下では、実施例二によって、どのように上記判断モジュールを獲得したかを詳細に説明する。
実施例二
図2は、本発明の判断モジュールの獲得方法の実施例のフローチャートであり、図2に示すように、以下の具体的な実現形態を有する。
21で、運転者が車両を運転して道路で走行する時、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得する。
経験を有し運転技術が優れた運転者に車両を運転させて道路で走行し、車両の走行過程で、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得（採集、収集）する。
一つのみの車両を利用して上記方式に従って情報を集積し、同時又は異なる時間に複数の車両を利用して上記の形態で情報を収集してもよい。
ここで、獲得した外部環境情報は、周囲車両の位置、大きさ、速度、方向、周囲歩行者の位置、速度、方向等を含んでいてもよい。
獲得した地図情報は、高精度の地図に基づいて獲得した地図情報であり、車両の座標、車両の前方に交差点があるか否か、高架橋、交通信号燈、停止線等を含んでいてもよい。
獲得した車両状態情報は、車両の速度、加速度、ハンドルの角度、ハンドルの角速度、方向転換燈の状態、ハイビーム燈の状態、近光燈の状態等を含んでいてもよい。
22で、情報の獲得が完了してから、獲得した情報に基づいて訓練して、具現外部環境情報と、地図情報と車両状態情報との間の対応関係の判断モジュールを得る。
充分に多い外部環境情報と、地図情報と車両状態情報を収集してから、判断モジュールの訓練を行うことができる。
例えば、毎回に獲得した外部環境情報と、地図情報と車両状態情報を一つの訓練サンプルに組合せ、且つ、訓練サンプル毎における外部環境情報と地図情報を統合して当該訓練サンプルでの入力とし、訓練サンプル毎における車両状態情報を当該訓練サンプルにおける出力とし、各訓練サンプルでの入力と出力に基づいて訓練して判断モジュールを得る。
即ち、同一時刻に獲得した相互に対応する外部環境情報と、地図情報と車両状態情報を利用して、一つの訓練サンプルを組合せる。
外部環境情報と地図情報を統合するとは、二つ部分の情報を合併等の処理をして、統合した情報を入力とし、対応する車両状態情報を出力として、判断モジュールを訓練することである。
また、さらに、各訓練サンプルから異常データを含む訓練サンプルを選別して除去し、残りの訓練サンプルに基づいて訓練して判断モジュールを得る。
例えば、経験によると、周囲歩行者の速度は閾値A以下で、ある訓練サンプルにおける周囲歩行者の速度が閾値Aより大きいと、当該情報獲得が誤ったと判断し、相応に、当該訓練サンプルを選別し除去する。
選別し除去した後の残りの訓練サンプルに基づいて訓練して判断モジュールを得ており、前記判断モジュールの類型は、サポートベクターマシン（SVM、Support Vector Machine）モジュールまたはニューラルネットワークモジュール等を含んでいてもよい。
前記判断モジュールをどのように訓練して得るかの従来技術は、例えば、訓練サンプルでの入力と出力の上で特定の特徴を選択し、選択した特定の特徴に基づいてモジュール訓練を行い、反復に訓練する過程で選択した特徴を絶えずに最適化する。
訓練して得た判断モジュールを無人運転車両に提供して利用し、無人運転車両は走行する過程で、現在の外部環境情報と地図情報を実時間的に獲得し、毎回に外部環境情報と地図情報を獲得してから、判断モジュールに基づいて、獲得した外部環境情報と地図情報が対応する車両状態情報を確定し、さらに確定した車両状態情報に基づいて無人運転車両の走行状態を制御する。
以上は、本発明の方法実施例に対する説明で、以下では実施例三と実施例四によって、本発明の前記装置の実施例を説明する。
実施例三
図3は、本発明の車両制御装置の実施例の組合せ構造概略図であり、図3に示すように、獲得手段31と、判断手段32と、制御手段33とを含む。
獲得手段31は、無人運転車両の走行過程で、現在の外部環境情報と地図情報を実時間的に獲得し、毎回に獲得した外部環境情報と地図情報を判断手段32に発送する。
判断手段32は、予めに訓練して得た外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に受信した外部環境情報と地図情報に対応する車両状態情報を確定し、確定した車両状態情報を制御手段33に発送する。
制御手段33は、受信した車両状態情報に基づいて無人運転車両の走行状態を制御する。
無人運転車両の走行過程で、獲得手段31は、現在の外部環境情報と地図情報を実時間的に獲得でき、毎回に獲得した外部環境情報と地図情報を判断手段32に発送して、判断手段32に判断させてもよい。
獲得した外部環境情報は、周囲車両の位置、大きさ、速度、方向、周囲歩行者の位置、速度、方向等を含んでいてもよい。
獲得した地図情報は高精度の地図に基づいて獲得した地図情報で、車両の座標、車両の前方に交差点があるか否か、高架橋、交通信号燈、停止線等含んでいてもよい。
判断手段32は、毎回に受信した外部環境情報と地図を統合して、予めに訓練して得た判断モジュールの入力として、判断モジュールが出力した車両状態情報を獲得し、判断モジュールの類型は、 SVMモジュール、またはニューラルネットワークモジュール等を含んでいてもよい。
車両状態情報は、車両の速度、加速度、ハンドルの角度、ハンドルの角速度、方向転換燈の状態、ハイビーム燈の状態、近光燈の状態等を含んでいてもよい。
判断手段32は、確定した車両状態情報を制御手段33に発送してもよく、相応に、制御手段33は、受信した車両状態情報に基づいて、従来技術に従って、無人運転車両の走行状態を制御してもよい。
実施例四
図4は、本発明の判断モジュールの獲得装置の実施例の組合せ構造概略図であり、図4に示すように、データ收集手段41と、モジュール訓練手段42とを含んでいる。
データ收集手段41は、運転者が車両を運転して道路で走行する時、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得する。
モジュール訓練手段42は、データ収集が完了してから、獲得した情報に基づいて訓練して外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールを獲得し、無人運転車両の走行過程で、毎回現在の外部環境情報と地図情報を獲得した後に、判断モジュールによって、獲得した外部環境情報と地図情報が対応する車両状態情報を確定し、また確定した車両状態情報に基づいて無人運転車両の走行状態を制御する。
経験を有し運転技術が優れた運転者に車両を運転させて道路で走行し、車両の走行過程で、データ收集手段41は、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得できる。
一つのみの車両を利用して上記方式に従って情報を集積し、同時又は異なる時間に複数の車両を利用して上記の形態で情報を収集してもよい。
獲得した外部環境情報は、周囲車両の位置、大きさ、速度、方向、周囲歩行者の位置、速度、方向等を含んでいてもよい。
獲得した地図情報は、高精度の地図に基づいて獲得した地図情報であり、車両の座標、車両の前方に交差点があるか否か、高架橋、交通信号燈、停止線等を含んでいてもよい。
獲得した車両状態情報は、車両の速度、加速度、ハンドルの角度、ハンドルの角速度、方向転換燈の状態、ハイビーム燈の状態、近光燈の状態等を含んでいてもよい。
充分に多い外部環境情報と、地図情報と車両状態情報を収集してから、モジュール訓練手段42によって判断モジュールの訓練を行うことができる。
例えば、モジュール訓練手段42は、毎回に獲得した外部環境情報と、地図情報と車両状態情報を一つの訓練サンプルに組合せ、且つ、訓練サンプル毎における外部環境情報と地図情報を統合して当該訓練サンプルでの入力とし、訓練サンプル毎における車両状態情報を当該訓練サンプルにおける出力とし、各訓練サンプルでの入力と出力に基づいて訓練して判断モジュールを得る。
また、モジュール訓練手段42は、さらに各訓練サンプルから異常データを含む訓練サンプルを選別して除去し、残りの訓練サンプルに基づいて訓練して判断モジュールを得てもよい。
例えば、経験によると、周囲歩行者の速度は閾値Aの以下で、ある訓練サンプルにおける周囲歩行者の速度が閾値Aより大きいと、当該情報獲得が誤ったと判断し、相応に、当該訓練サンプルを選別し除去する。
モジュール訓練手段42は、選別し除去した後の残りの訓練サンプルに基づいて訓練して判断モジュールを得ており、前記判断モジュールの類型は、SVMモジュールまたはニューラルネットワークモジュール等を含んでいてもよい。
前記判断モジュールをどのように訓練して得るかの従来技術は、例えば、訓練サンプルでの入力と出力の上で特定の特徴を選択し、選択した特定の特徴に基づいてモジュール訓練を行い、反復する訓練の過程で選択した特徴を絶えずに最適化する。
モジュール訓練手段42は、訓練して得た判断モジュールを無人運転車両に提供して利用し、無人運転車両は走行する過程で、現在の外部環境情報と地図情報を実時間的に獲得し、毎回に外部環境情報と地図情報を獲得してから、判断モジュールに基づいて、獲得した外部環境情報と地図情報が対応する車両状態情報を確定し、さらに確定した車両状態情報に基づいて無人運転車両の走行状態を制御してもよい。
上記各実施例での説明によって、本発明の前記方案はいずれの道路状況に適用でき、安全性を高め、且つ、人工的に規則を編集する必要がないので、編集とメンテナンスの作業量を低減させ、また、本発明の前記方案は実現が簡単で便利で、普及及び推し広めするに容易である。
本発明で提供する幾つの実施例で開示したシステム、装置及び方法は、他の方式によって実現できるのは理解すべきである。例えば、以上に記載した装置の実施例はただ例示的なもので、例えば、前記手段の分割はただロジック機能の分割で、実際に実現する時は他の分割方式によってもよい。
前記で分離部材として説明した手段は、物理上で分離したものであってもよく物理上で分離しなかったものであってもよく、即ち、同一の位置にあってもよく、複数のネットワークユニットに分布されていてもよい。実際の必要によってその一部または全部の手段を選択して本実施例の方案の目的を実現してもよい。
また、本発明の各実施例における各機能手段は一つの処理モジュールに集積してもよく、各手段が物理上で単独に存在してもよく、二つ又は三つ以上の手段を一つの手段に集積してもよい。前記集積した手段は、ハードウェアの形式に実現してもよく、ハードウェアにソフトウェアの機能手段を結合する形式で実現してもよい。
上記のソフト機能手段の形式で実現した集積した手段は、一つのコンピューターが可読な記憶媒体に記憶してもよい。前記ソフト機能手段は一つの記憶媒体に記憶してもよく、複数の命令を含んで一つのコンピューターデバイス（パーソナルコンピューター、サーバー、又はネットワークデバイス等）又は処理モジュール（processor）によって、本発明の各実施例の前記方法の一部のステップを実行させてもよい。前記記憶媒体は、Uディスク、ポータブルハードウェア、読み出し専用メモリ（Read-Only Memory、ROM）、ランダムアクセスメモリ（Random Access Memory、RAM）、ディスク又は光ディスク等の複数のプログラムコードを記憶できる媒体を含む。
前記はただ本発明の好ましい実施例であり、本発明を制限するものではなく、本発明の主旨及びび原則の範囲で行ったいずれの修正、等価置換、改良等は、全部本発明の保護範囲に属する。

Claims (18)

  1. 無人運転車両の走行過程で、実時間的に現在の外部環境情報と地図情報とを獲得し、
    予めに訓練して得た外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に獲得した外部環境情報と地図情報に対応する車両状態情報を確定し、確定した車両状態情報に基づいて前記無人運転車両の走行状態を制御することを含む
    車両制御方法。
  2. 前記毎回に獲得した外部環境情報と地図情報に対応する車両状態情報を確定することは、
    毎回に獲得した外部環境情報と地図情報を統合してから、前記判断モジュールの入力とし、前記判断モジュールが出力する前記車両状態情報を獲得することを含む
    請求項１に記載の車両制御方法。
  3. 前記地図情報は、高精度の地図に基づいて得た地図情報であり、
    前記判断モジュールの類型は、サポートベクターマシンモジュール、またはニューラルネットワークモジュールを含む
    請求項１又は２に記載の車両制御方法。
  4. 運転者が車両を運転して道路で走行する時、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得し、
    情報の獲得が完了してから、獲得した情報に基づいて訓練して外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールを獲得し、無人運転車両の走行過程で、毎回現在の外部環境情報と地図情報を獲得した後に、前記判断モジュールに基づいて、獲得した外部環境情報と地図情報が対応する車両状態情報を確定し、確定した車両状態情報に基づいて前記無人運転車両の走行状態を制御することを含む
    判断モジュールの獲得方法。
  5. 訓練して前記判断モジュールを獲得することは、
    毎回に獲得した外部環境情報と、地図情報と車両状態情報を利用して一つの訓練サンプルを組合せ、且つ、訓練サンプル毎における外部環境情報と地図情報を統合して当該訓練サンプルでの入力とし、訓練サンプル毎における車両状態情報を当該訓練サンプルでの出力とし、
    各訓練サンプルでの入力と出力に基づいて訓練して前記判断モジュールを得ることを含む
    請求項４に記載の判断モジュールの獲得方法。
  6. さらに、
    各訓練サンプルから異常データを含む訓練サンプルを選別して除去し、残りの訓練サンプルに基づいて訓練して前記判断モジュールを得ることを含む
    請求項５に記載の判断モジュールの獲得方法。
  7. 前記地図情報は、高精度の地図に基づいて得た地図情報であり、
    前記判断モジュールの類型は、サポートベクターマシンモジュール、またはニューラルネットワークモジュールを含む
    請求項４〜６におけるいずれか１項に記載の判断モジュールの獲得方法。
  8. 獲得手段と、判断手段と、制御手段とを含み、
    前記獲得手段は、無人運転車両の走行過程で、現在の外部環境情報と地図情報を実時間的に獲得し、毎回に獲得した外部環境情報と地図情報を前記判断手段へ発送し、
    前記判断手段は、予めに訓練して得た外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールによって、毎回に受信した外部環境情報と地図情報に対応する車両状態情報を確定し、確定した車両状態情報を前記制御手段へ発送し、
    前記制御手段は、受信した車両状態情報に基づいて前記無人運転車両の走行状態を制御する
    車両制御装置。
  9. 前記判断手段は、毎回に受信した外部環境情報と地図情報を統合して、前記判断モジュールの入力とし、前記判断モジュールが出力する前記車両状態情報を獲得する
    請求項８に記載の車両制御装置。
  10. 前記地図情報は、高精度の地図に基づいて得た地図情報であり、
    前記判断モジュールの類型は、サポートベクターマシンモジュール、またはニューラルネットワークモジュールを含む
    請求項８又は９に記載の車両制御装置。
  11. データ收集手段と、モジュール訓練手段とを含み、
    前記データ收集手段は、運転者が車両を運転して道路で走行する時、現在の外部環境情報と、地図情報と車両状態情報を実時間的に獲得し、
    前記モジュール訓練手段は、データ収集が完了してから、獲得した情報に基づいて訓練して外部環境情報と、地図情報と車両状態情報との間の対応関係を表す判断モジュールを獲得し、無人運転車両の走行過程で、毎回現在の外部環境情報と地図情報を獲得した後に、前記判断モジュールに基づいて、獲得した外部環境情報と地図情報が対応する車両状態情報を確定し、確定した車両状態情報に基づいて前記無人運転車両の走行状態を制御する
    判断モジュールの獲得装置。
  12. 前記モジュール訓練手段は、前記データ收集手段が毎回に獲得した外部環境情報と、地図情報と車両状態情報を利用して一つの訓練サンプルを組合せ、且つ、訓練サンプル毎における外部環境情報と地図情報を統合して当該訓練サンプルでの入力とし、訓練サンプル毎における車両状態情報を当該訓練サンプルにおける出力とし、各訓練サンプルでの入力と出力に基づいて訓練して前記判断モジュールを得る
    請求項１１に記載の判断モジュールの獲得装置。
  13. 前記モジュール訓練手段は、さらに、
    各訓練サンプルから異常データを含む訓練サンプルを選別して除去し、残りの訓練サンプルに基づいて訓練して前記判断モジュールを得ることに用いられる
    請求項１２に記載の判断モジュールの獲得装置。
  14. 前記地図情報は、高精度の地図に基づいて得た地図情報であり、
    前記判断モジュールの類型は、サポートベクターマシンモジュール、またはニューラルネットワークモジュールを含む
    請求項１１〜１３の何れか１項に記載の判断モジュールの獲得装置。
  15. 1つ又は複数のプロセッサと、メモリと、
    前記1つ又は複数のプロセッサにより実行されると、請求項1から3のいずれか1項に記載の車両制御方法において実行される操作を行う、前記メモリに記憶されている1つ又は複数のプログラムと、を含む設備。
  16. 1つ又は複数のプロセッサと、メモリと、
    前記1つ又は複数のプロセッサにより実行されると、請求項4から7のいずれか1項に記載の判断モジュールの獲得方法において実行される操作を行う、前記メモリに記憶されている1つ又は複数のプログラムと、を含む設備。
  17. ある設備により実行されると、前記設備に請求項1から3のいずれか1項に記載の車両制御方法において実行される操作を行わせる1つ又は複数のプログラム。
  18. ある設備により実行されると、前記設備に請求項4から7のいずれか1項に記載の判断モジュールの獲得方法において実行される操作を行わせる1つ又は複数のプログラム。
JP2016190244A 2016-06-12 2016-09-28 車両制御方法と装置及び判断モジュールの獲得方法と装置 Active JP6463713B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610407031.8A CN106080590B (zh) 2016-06-12 2016-06-12 车辆控制方法和装置以及决策模型的获取方法和装置
CN201610407031.8 2016-06-12

Publications (2)

Publication Number Publication Date
JP2017220197A true JP2017220197A (ja) 2017-12-14
JP6463713B2 JP6463713B2 (ja) 2019-02-06

Family

ID=57229001

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016190244A Active JP6463713B2 (ja) 2016-06-12 2016-09-28 車両制御方法と装置及び判断モジュールの獲得方法と装置

Country Status (3)

Country Link
US (1) US10429841B2 (ja)
JP (1) JP6463713B2 (ja)
CN (1) CN106080590B (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019172010A (ja) * 2018-03-28 2019-10-10 株式会社豊田中央研究所 車両の走行を制御する制御装置、制御方法、及び、制御プログラム
CN111208821A (zh) * 2020-02-17 2020-05-29 李华兰 汽车自动驾驶控制方法、装置、自动驾驶装置及系统
WO2022044210A1 (ja) * 2020-08-27 2022-03-03 三菱電機株式会社 運転支援装置、学習装置、運転支援方法、運転支援プログラム、学習済モデルの生成方法、学習済モデル生成プログラム
JP2022521881A (ja) * 2019-02-27 2022-04-13 マレリ ヨーロッパ エス．ピー．エー． 車両のアクションの予測を取得するためのシステムおよび対応する方法
CN114357871A (zh) * 2021-12-23 2022-04-15 中国矿业大学 特种救援车辆转向模式智能决策方法
JPWO2022201222A1 (ja) * 2021-03-22 2022-09-29
JP7489314B2 (ja) 2018-02-22 2024-05-23 本田技研工業株式会社 車両制御システム、車両制御方法、およびプログラム

Families Citing this family (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10139823B2 (en) * 2016-09-13 2018-11-27 Toyota Motor Engineering & Manufacturing North America, Inc. Method and device for producing vehicle operational data based on deep learning techniques
CN108205922A (zh) * 2016-12-19 2018-06-26 乐视汽车（北京）有限公司 一种自动驾驶决策方法及系统
CN108248606A (zh) * 2016-12-29 2018-07-06 乐视汽车（北京）有限公司 车辆控制方法、装置、以及车辆
CN108462726A (zh) * 2017-02-14 2018-08-28 广州市联奥信息科技有限公司 面向未知状况的车辆辅助驾驶决策系统和装置
WO2018205245A1 (zh) * 2017-05-12 2018-11-15 中国科学院深圳先进技术研究院 一种用于车辆自动驾驶的策略网络模型的生成方法及装置
US10474157B2 (en) * 2017-06-06 2019-11-12 Baidu Usa Llc Data-based control error detection and parameter compensation system
JP7050006B2 (ja) 2017-06-28 2022-04-07 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 移動体制御装置、移動体制御方法、及び学習方法
CN109213134B (zh) * 2017-07-03 2020-04-28 百度在线网络技术（北京）有限公司 生成自动驾驶策略的方法和装置
CN107571867B (zh) * 2017-09-05 2019-11-08 百度在线网络技术（北京）有限公司 用于控制无人驾驶车辆的方法和装置
CN107515607A (zh) * 2017-09-05 2017-12-26 百度在线网络技术（北京）有限公司 用于无人车的控制方法和装置
US10997491B2 (en) 2017-10-04 2021-05-04 Huawei Technologies Co., Ltd. Method of prediction of a state of an object in the environment using an action model of a neural network
US10935982B2 (en) * 2017-10-04 2021-03-02 Huawei Technologies Co., Ltd. Method of selection of an action for an object using a neural network
CN109697875B (zh) * 2017-10-23 2020-11-06 华为技术有限公司 规划行驶轨迹的方法及装置
CN107953888B (zh) * 2017-11-29 2020-08-04 北京经纬恒润科技有限公司 一种道路类型识别方法及系统
CN109901446B (zh) * 2017-12-08 2020-07-07 广州汽车集团股份有限公司 路口通行控制方法、装置及系统
US20190185012A1 (en) 2017-12-18 2019-06-20 PlusAI Corp Method and system for personalized motion planning in autonomous driving vehicles
US11130497B2 (en) 2017-12-18 2021-09-28 Plusai Limited Method and system for ensemble vehicle control prediction in autonomous driving vehicles
EP3732085A4 (en) * 2017-12-27 2021-08-11 Bayerische Motoren Werke Aktiengesellschaft VEHICLE LINE CHANGE PREDICTION
CN109969192B (zh) * 2017-12-28 2021-06-11 郑州宇通客车股份有限公司 一种车辆及自动驾驶控制系统
CN108225364B (zh) * 2018-01-04 2021-07-06 吉林大学 一种无人驾驶汽车驾驶任务决策系统及方法
GB201802475D0 (en) * 2018-02-15 2018-04-04 Jaguar Land Rover Ltd Controller and vehicle
WO2019169031A1 (en) 2018-02-27 2019-09-06 Nauto, Inc. Method for determining driving policy
CN110320883A (zh) * 2018-03-28 2019-10-11 上海汽车集团股份有限公司 一种基于强化学习算法的车辆自动驾驶控制方法及装置
CN108635861B (zh) * 2018-05-18 2022-04-22 腾讯科技（深圳）有限公司 控制应用中车辆的方法、装置、设备及存储介质
CN108734303A (zh) * 2018-05-29 2018-11-02 深圳市易成自动驾驶技术有限公司 车辆驾驶数据预测方法、设备及计算机可读存储介质
CN108803604A (zh) * 2018-06-06 2018-11-13 深圳市易成自动驾驶技术有限公司 车辆自动驾驶方法、装置以及计算机可读存储介质
EP3588226B1 (en) 2018-06-29 2020-06-24 Zenuity AB Method and arrangement for generating control commands for an autonomous road vehicle
CN108944944B (zh) * 2018-07-09 2020-04-10 深圳市易成自动驾驶技术有限公司 自动驾驶模型训练方法、终端及可读存储介质
CN109188932A (zh) * 2018-08-22 2019-01-11 吉林大学 一种面向智能驾驶的多摄像头在环仿真测试方法及系统
CN110908366B (zh) * 2018-08-28 2023-08-25 大陆智行科技(上海)有限公司 自动驾驶方法及装置
CN110901638B (zh) * 2018-08-28 2021-05-28 大陆泰密克汽车系统（上海）有限公司 驾驶辅助方法及系统
CN109299732B (zh) 2018-09-12 2020-05-05 北京三快在线科技有限公司 无人驾驶行为决策及模型训练的方法、装置及电子设备
JP7110884B2 (ja) * 2018-10-01 2022-08-02 オムロン株式会社 学習装置、制御装置、学習方法、及び学習プログラム
CN111338333B (zh) * 2018-12-18 2021-08-31 北京航迹科技有限公司 用于自动驾驶的系统和方法
US10955853B2 (en) 2018-12-18 2021-03-23 Beijing Voyager Technology Co., Ltd. Systems and methods for autonomous driving
CN109492835B (zh) * 2018-12-28 2021-02-19 东软睿驰汽车技术（沈阳）有限公司 车辆控制信息的确定方法、模型训练方法和相关装置
CN109693672B (zh) * 2018-12-28 2020-11-06 百度在线网络技术（北京）有限公司 用于控制无人驾驶汽车的方法和装置
CN109685213B (zh) * 2018-12-29 2022-01-07 百度在线网络技术（北京）有限公司 一种训练样本数据的获取方法、装置和终端设备
CN109878511B (zh) 2019-01-15 2020-12-08 北京百度网讯科技有限公司 车辆驾驶模式切换的处理方法、车辆及服务器
CN110019688A (zh) * 2019-01-23 2019-07-16 艾肯特公司 对机器人进行训练的方法
CN109785611B (zh) * 2019-01-24 2022-03-08 平安科技（深圳）有限公司 无人驾驶车辆控制方法、装置、服务器及存储介质
CN109712424B (zh) * 2019-02-26 2021-05-07 深圳市综合交通运行指挥中心 一种基于物联网的车辆导航方法
CN109993234B (zh) * 2019-04-10 2021-05-28 百度在线网络技术（北京）有限公司 一种无人驾驶训练数据分类方法、装置及电子设备
WO2020235641A1 (ja) * 2019-05-21 2020-11-26 株式会社 Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ 情報送信装置、情報収集装置、情報送信方法、情報収集方法及び移動体
CN110231820B (zh) * 2019-05-31 2022-08-05 江苏亿科达科技发展有限公司 一种基于物联网的车辆行驶控制方法
CN110335488A (zh) * 2019-07-24 2019-10-15 深圳成谷科技有限公司 一种基于车路协同的车辆自动驾驶方法和装置
CN110478911A (zh) * 2019-08-13 2019-11-22 苏州钛智智能科技有限公司 基于机器学习的智能游戏车无人驾驶方法及智能车、设备
CN111047047A (zh) * 2019-11-15 2020-04-21 奇点汽车研发中心有限公司 驾驶模型的训练方法和装置、电子设备、计算机存储介质
CN112937564B (zh) * 2019-11-27 2022-09-02 魔门塔(苏州)科技有限公司 换道决策模型生成方法和无人车换道决策方法及装置
CN110837258B (zh) * 2019-11-29 2024-03-08 商汤集团有限公司 自动驾驶控制方法及装置、系统、电子设备和存储介质
CN111123950B (zh) * 2019-12-31 2023-08-29 东软睿驰汽车技术（沈阳）有限公司 行车控制方法、装置及车辆
CN111301404B (zh) * 2020-02-06 2022-02-18 北京小马慧行科技有限公司 车辆的控制方法及装置、存储介质及处理器
CN111340234B (zh) * 2020-02-27 2024-01-30 南京星火技术有限公司 视频数据处理方法、装置、电子设备和计算机可读介质
CN110991095B (zh) * 2020-03-05 2020-07-03 北京三快在线科技有限公司 一种车辆行驶决策模型的训练方法及装置
CN111413973A (zh) * 2020-03-26 2020-07-14 北京汽车集团有限公司 车辆的换道决策方法及装置、电子设备、存储介质
CN111123957B (zh) * 2020-03-31 2020-09-04 北京三快在线科技有限公司 一种轨迹规划的方法及装置
EP4155856A4 (en) * 2020-06-09 2023-07-12 Huawei Technologies Co., Ltd. SELF-LEARNING METHOD AND APPARATUS FOR AUTONOMOUS DRIVING SYSTEM, DEVICE AND STORAGE MEDIA
CN113954858A (zh) * 2020-07-20 2022-01-21 华为技术有限公司 一种规划车辆行驶路线的方法以及智能汽车
US11798321B2 (en) * 2020-08-28 2023-10-24 ANI Technologies Private Limited Driver score determination for vehicle drivers
CN112116167A (zh) * 2020-09-28 2020-12-22 北京嘀嘀无限科技发展有限公司 数据处理方法、数据处理装置、存储介质和电子设备
CN112269385B (zh) * 2020-10-23 2021-09-07 北京理工大学 云端无人车动力学控制系统和方法
CN112418237A (zh) * 2020-12-07 2021-02-26 苏州挚途科技有限公司 车辆驾驶决策方法、装置及电子设备
CN112455465B (zh) * 2020-12-08 2022-02-01 广州小鹏自动驾驶科技有限公司 一种行驶环境感知方法、装置、电子设备和存储介质
CN114842432A (zh) * 2021-02-02 2022-08-02 广州汽车集团股份有限公司 一种基于深度学习汽车灯光控制方法及系统
CN114572102B (zh) * 2022-01-28 2023-07-14 上海康耐司信号设备有限公司 一种适用于车灯的智能调节系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07225894A (ja) * 1994-02-15 1995-08-22 Toshiba Corp 車両用走行制御装置とその制御知識獲得方法
JPH07306717A (ja) * 1994-05-13 1995-11-21 Ricoh Co Ltd 自立走行車
JP2005100421A (ja) * 2004-10-01 2005-04-14 Fujitsu Ltd 学習型自己定位装置
JP2010061385A (ja) * 2008-09-03 2010-03-18 Toyota Motor Corp 走行制御装置
WO2014013985A1 (ja) * 2012-07-17 2014-01-23 日産自動車株式会社 運転支援システム及び運転支援方法
WO2015166721A1 (ja) * 2014-05-02 2015-11-05 エイディシーテクノロジー株式会社 車両制御装置
JP2016024598A (ja) * 2014-07-18 2016-02-08 パナソニックＩｐマネジメント株式会社 自律移動装置の制御方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6256560B1 (en) * 1999-02-25 2001-07-03 Samsung Electronics Co., Ltd. Method for correcting position of automated-guided vehicle and apparatus therefor
KR100504255B1 (ko) * 2001-12-24 2005-07-28 삼성전자주식회사 무인반송시스템과 그 제어방법
DE102013211414A1 (de) * 2013-06-18 2014-12-18 Kuka Laboratories Gmbh Fahrerloses Transportfahrzeug und Verfahren zum Betreiben einesfahrerlosen Transportfahrzeugs
US10551851B2 (en) * 2013-07-01 2020-02-04 Steven Sounyoung Yu Autonomous unmanned road vehicle for making deliveries
CN104943684B (zh) * 2014-03-31 2017-09-29 比亚迪股份有限公司 无人驾驶汽车控制系统和具有其的汽车
US9784592B2 (en) * 2015-07-17 2017-10-10 Honda Motor Co., Ltd. Turn predictions
CN105151043B (zh) * 2015-08-19 2018-07-06 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的方法
US10556600B2 (en) * 2015-12-09 2020-02-11 Toyota Motor Engineering & Manufacturing North America, Inc. Assessment of human driving performance using autonomous vehicles
JP7052174B2 (ja) * 2016-01-05 2022-04-12 モービルアイ ビジョン テクノロジーズ リミテッド 将来経路を推定するシステム及び方法
CN108431549B (zh) * 2016-01-05 2020-09-04 御眼视觉技术有限公司 具有施加的约束的经训练的系统
US20170206426A1 (en) * 2016-01-15 2017-07-20 Ford Global Technologies, Llc Pedestrian Detection With Saliency Maps
US9996080B2 (en) * 2016-02-26 2018-06-12 Ford Global Technologies, Llc Collision avoidance using auditory data
CN107298021B (zh) * 2016-04-15 2022-03-08 松下电器（美国）知识产权公司 信息提示控制装置、自动驾驶车及其驾驶辅助系统
US10407078B2 (en) * 2016-04-26 2019-09-10 Sivalogeswaran Ratnasingam Dynamic learning driving system and method

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07225894A (ja) * 1994-02-15 1995-08-22 Toshiba Corp 車両用走行制御装置とその制御知識獲得方法
JPH07306717A (ja) * 1994-05-13 1995-11-21 Ricoh Co Ltd 自立走行車
JP2005100421A (ja) * 2004-10-01 2005-04-14 Fujitsu Ltd 学習型自己定位装置
JP2010061385A (ja) * 2008-09-03 2010-03-18 Toyota Motor Corp 走行制御装置
WO2014013985A1 (ja) * 2012-07-17 2014-01-23 日産自動車株式会社 運転支援システム及び運転支援方法
WO2015166721A1 (ja) * 2014-05-02 2015-11-05 エイディシーテクノロジー株式会社 車両制御装置
JP2016024598A (ja) * 2014-07-18 2016-02-08 パナソニックＩｐマネジメント株式会社 自律移動装置の制御方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7489314B2 (ja) 2018-02-22 2024-05-23 本田技研工業株式会社 車両制御システム、車両制御方法、およびプログラム
JP2019172010A (ja) * 2018-03-28 2019-10-10 株式会社豊田中央研究所 車両の走行を制御する制御装置、制御方法、及び、制御プログラム
JP7000952B2 (ja) 2018-03-28 2022-01-19 株式会社豊田中央研究所 車両の走行を制御する制御装置、制御方法、及び、制御プログラム
JP2022521881A (ja) * 2019-02-27 2022-04-13 マレリ ヨーロッパ エス．ピー．エー． 車両のアクションの予測を取得するためのシステムおよび対応する方法
CN111208821A (zh) * 2020-02-17 2020-05-29 李华兰 汽车自动驾驶控制方法、装置、自动驾驶装置及系统
WO2022044210A1 (ja) * 2020-08-27 2022-03-03 三菱電機株式会社 運転支援装置、学習装置、運転支援方法、運転支援プログラム、学習済モデルの生成方法、学習済モデル生成プログラム
JPWO2022044210A1 (ja) * 2020-08-27 2022-03-03
JP7350188B2 (ja) 2020-08-27 2023-09-25 三菱電機株式会社 運転支援装置、学習装置、運転支援方法、運転支援プログラム、学習済モデルの生成方法、学習済モデル生成プログラム
JPWO2022201222A1 (ja) * 2021-03-22 2022-09-29
WO2022201222A1 (ja) * 2021-03-22 2022-09-29 三菱電機株式会社 制御装置および制御方法
JP7370495B2 (ja) 2021-03-22 2023-10-27 三菱電機株式会社 制御装置および制御方法
CN114357871A (zh) * 2021-12-23 2022-04-15 中国矿业大学 特种救援车辆转向模式智能决策方法

Also Published As

Publication number Publication date
CN106080590A (zh) 2016-11-09
US20170357257A1 (en) 2017-12-14
CN106080590B (zh) 2018-04-03
US10429841B2 (en) 2019-10-01
JP6463713B2 (ja) 2019-02-06

Similar Documents

Publication Publication Date Title
JP6463713B2 (ja) 車両制御方法と装置及び判断モジュールの獲得方法と装置
US20210208597A1 (en) Sensor aggregation framework for autonomous driving vehicles
US11328219B2 (en) System and method for training a machine learning model deployed on a simulation platform
US11545033B2 (en) Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction
EP3323690B1 (en) Evaluation framework for decision making of autonomous driving vehicle
US10884422B2 (en) Method for generating trajectories for autonomous driving vehicles (ADVS)
EP3526737B1 (en) Neural network system for autonomous vehicle control
US10802484B2 (en) Planning feedback based decision improvement system for autonomous driving vehicle
US10824153B2 (en) Cost design for path selection in autonomous driving technology
EP3327530B1 (en) Method for determining command delays of autonomous vehicles
EP3342670B1 (en) Method to dynamically adjusting speed control rates of autonomous vehicles
US20180374360A1 (en) Traffic prediction based on map images for autonomous driving
US10983522B2 (en) Emergency stop speed profile for autonomous vehicles
JP2020502632A (ja) 自律走行車の動的ルート決定
US10909377B2 (en) Tracking objects with multiple cues
CN111857118A (zh) 对停车轨迹分段以控制自动驾驶车辆停车
JP2016215790A (ja) 車線変更計画生成装置、車線変更計画生成方法
US20210146944A1 (en) Reducing processing requirements for vehicle control
CN112987711B (zh) 自动驾驶规控算法优化方法及仿真测试装置
JP2020035221A (ja) 学習装置、シミュレーションシステム、学習方法、およびプログラム
JP2022522625A (ja) 自律車両のターンのシグナリング
CN114834486A (zh) 一种规划车辆掉头路径的方法、装置及设备
CN117130298A (zh) 用于评估自动驾驶系统的方法、装置及存储介质
US20230067822A1 (en) E2e learning-based evaluator for an autonomous driving vehicle
AU2020103161A4 (en) An novel method for a smart car - artificial intelligence based autonomous steering control system with voice assistance

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171023

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180403

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180629

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181204

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190104

R150 Certificate of patent or registration of utility model

Ref document number: 6463713

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250