JP2022119802A - 自律走行車動作管理のための方向調整アクション - Google Patents

自律走行車動作管理のための方向調整アクション Download PDF

Info

Publication number
JP2022119802A
JP2022119802A JP2022077832A JP2022077832A JP2022119802A JP 2022119802 A JP2022119802 A JP 2022119802A JP 2022077832 A JP2022077832 A JP 2022077832A JP 2022077832 A JP2022077832 A JP 2022077832A JP 2022119802 A JP2022119802 A JP 2022119802A
Authority
JP
Japan
Prior art keywords
vehicle
autonomous vehicle
traffic network
scenario
vehicular traffic
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
JP2022077832A
Other languages
English (en)
Other versions
JP7406215B2 (ja
Inventor
カイル ホリンズ レイ、
Hollins Wray Kyle
ステファン ウィトウィッキ、
WITWICKI Stefan
シュロモ ジルバーシュタイン、
Zilberstein Shlomo
メリッサ セフキン、
CEFKIN Melissa
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.)
University of Massachusetts UMass
Nissan North America Inc
Original Assignee
University of Massachusetts UMass
Nissan North America Inc
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 University of Massachusetts UMass, Nissan North America Inc filed Critical University of Massachusetts UMass
Publication of JP2022119802A publication Critical patent/JP2022119802A/ja
Application granted granted Critical
Publication of JP7406215B2 publication Critical patent/JP7406215B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18159—Traversing an intersection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/20—Data confidence level
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/55—External transmission of data to or from the vehicle using telemetry
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Game Theory and Decision Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

【課題】自律走行車動作管理のための方向調整アクションのためのシステム、方法及び装置を提供する。【解決手段】自律走行車によって車両交通ネットワークを横断することは、個別の車両動作シナリオのシナリオ固有の動作制御評価モデルに関するポリシーを識別すること、ポリシーから候補車両制御アクションを受信することであって、個別の車両動作シナリオに関する不確実性値が定義された不確実性閾値を超えるという決定に応答して、候補車両制御アクションは、方向調整車両制御アクションであること、及び候補車両制御アクションに従って車両交通ネットワークの一部を横断することであって、車両交通ネットワークの一部は、個別の車両動作シナリオを含むことを含んでもよい。【選択図】図１

Description

本開示は、自律走行車の動作管理及び自律走行に関する。
自律走行車等の車両は、車両交通ネットワークの一部を横断する場合がある。車両交通
ネットワークの一部を横断することは、車両のセンサ等によって、車両の動作環境又はそ
の一部を表すデータ等のデータを生成又は捕捉することを含む場合がある。したがって、
自律走行車動作管理のための方向調整アクションのためのシステム、方法及び装置が有利
であり得る。
本明細書には、自律走行車動作管理のための方向調整車両制御アクションの態様、特徴
、要素、実装、及び実施形態が開示されている。
開示された実施形態の態様は、自律走行車によって車両交通ネットワークを横断する際
に使用される方法である。車両交通ネットワークを横断することは、シナリオ固有の動作
制御評価モジュールインスタンスを動作させるステップを含み、前記シナリオ固有の動作
制御評価モジュールインスタンスは、個別の車両動作シナリオのシナリオ固有の動作制御
評価モデルのインスタンスを含み、前記シナリオ固有の動作制御評価モジュールインスタ
ンスを動作させることは、前記シナリオ固有の動作制御評価モデルに関するポリシーを識
別することを含む。車両交通ネットワークを横断することは、前記シナリオ固有の動作制
御評価モジュールインスタンスに関するポリシーから後続の候補車両制御アクションを受
信するステップを含み、個別の車両動作シナリオに関する不確実性値が定義された不確実
性閾値を超えるという決定に応答して、候補車両制御アクションは、方向調整車両制御ア
クションである。車両交通ネットワークを横断することは、前記候補車両制御アクション
に従って前記車両交通ネットワークの一部を横断するステップを含み、前記車両交通ネッ
トワークの一部は前記個別の車両動作シナリオを含む。
開示された実施形態の別の態様は、プロセッサを含む自律走行車であって、前記プロセ
ッサは、非一時的なコンピュータ可読媒体に記憶された命令を実行して、シナリオ固有の
動作制御評価モジュールインスタンスを動作させることを行うように構成され、前記シナ
リオ固有の動作制御評価モジュールインスタンスは、個別の車両動作シナリオのシナリオ
固有の動作制御評価モデルのインスタンスを含み、前記シナリオ固有の動作制御評価モジ
ュールインスタンスを動作させることは、前記シナリオ固有の動作制御評価モデルに関す
るポリシーを識別することを含む。前記プロセッサは、前記非一時的なコンピュータ可読
媒体に記憶された前記命令を実行して、前記シナリオ固有の動作制御評価モジュールイン
スタンスに関するポリシーから後続の候補車両制御アクションを受信することを行うよう
に構成され、個別の車両動作シナリオに関する不確実性値が定義された不確実性閾値を超
えるという決定に応答して、候補車両制御アクションは、方向調整車両制御アクションで
ある。前記プロセッサは、前記非一時的なコンピュータ可読媒体に記憶された前記命令を
実行して、前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断
することを行うように構成され、前記車両交通ネットワークの一部は前記個別の車両動作
シナリオを含む。
開示された実施形態の別の態様は、自律走行車によって車両交通ネットワークを横断す
る際に使用される方法である。車両交通ネットワークを横断することは、シナリオ固有の
動作制御評価モジュールインスタンスを動作させるステップを含み、前記シナリオ固有の
動作制御評価モジュールインスタンスは、個別の車両動作シナリオのシナリオ固有の動作
制御評価モデルのインスタンスを含み、前記シナリオ固有の動作制御評価モジュールイン
スタンスを動作させることは、前記シナリオ固有の動作制御評価モデルに関するポリシー
を識別することを含む。車両交通ネットワークを横断することは、前記シナリオ固有の動
作制御評価モジュールインスタンスに関するポリシーから後続の候補車両制御アクション
を受信するステップを含み、個別の車両動作シナリオに関する不確実性値が定義された不
確実性閾値を超えるという決定に応答して、候補車両制御アクションは、方向調整車両制
御アクションである。車両交通ネットワークを横断することは、前記候補車両制御アクシ
ョンに従って前記車両交通ネットワークの一部を横断するステップを含み、前記車両交通
ネットワークの一部は前記個別の車両動作シナリオを含む。前記候補車両制御アクション
に従って前記車両交通ネットワークの一部を横断することは、前記自律走行車と前記通行
権境界位置との間の距離が予測される静止距離内にあるという決定に応答して、減速する
ことによって前記車両交通ネットワークを横断するように前記自律走行車を制御すること
を含む。前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断す
ることは、前記自律走行車の現在の位置が前記通行権境界位置に対応するという決定に応
答して、停止することによって前記車両交通ネットワークを横断するように前記自律走行
車を制御するステップを含む。
以下では、本明細書に開示された方法、装置、プロシージャ及びアルゴリズムのこうし
た及び他の態様、特徴、要素、実装及び実施形態の変形がさらに詳細に記載される。
本明細書に開示された方法及び装置の様々な態様は、以下の記載及び図面において提供
される例示を参照することでより明らかになるであろう。
本明細書に開示の態様、特徴及び要素が実装され得る車両の一例の図面である。
本明細書に開示の態様、特徴及び要素が実装され得る車両交通及び通信システムの一部の例示の図面である。
本開示による車両交通ネットワークの一部の図である。
本開示の実施形態による車両動作管理システムの例の図である。
本開示の実施形態による自律走行車の動作管理の例のフロー図である。
本開示の実施形態による通行権曖昧性を有する交差点シナリオを含む車両交通ネットワークの交差点シーン部分の一例を示す図である。
本開示の実施形態による方向調整車両制御アクション速度プロファイルの一例のグラフである。
本開示の実施形態による通行権曖昧性を有する交差点シナリオを含む車両交通ネットワークの別の交差点シーン部分の一例を示す図である。
本開示の実施形態による通行権曖昧性を有する交差点シナリオを含む車両交通ネットワークの別の交差点シーン部分の一例を示す図である。
本開示の実施形態による通行権曖昧性を有する歩行者シナリオを含む車両交通ネットワークの歩行者シーン部分の一例を示す図である。
本開示の実施形態による通行権曖昧性を有する譲る／停止歩行者シナリオを含む車両交通ネットワークの別の歩行者シーン部分の一例を示す図である。
本開示の実施形態による通行権曖昧性を有する合流シナリオを含む車両交通ネットワークの合流シーン部分の一例の図である。
本開示の実施形態による通行権曖昧性を有する車線変更シナリオを含む車両交通ネットワークの車線変更シーン部分の一例を示す図である。
本開示の実施形態による通行権曖昧性を有する車線重複車両動作シナリオを含む車両交通ネットワークの車線重複シーン部分の一例を示す図である。
自律走行車又は半自律走行車等の車両は、車両交通ネットワークの一部を横断する場合
がある。車両は１つ以上のセンサを含んでもよく、車両交通ネットワークを横断すること
は、センサが車両の動作環境又はその一部に対応するデータ等のセンサデータを生成又は
捕捉することを含んでもよい。例えば、センサデータは、車両動作環境、車両交通ネット
ワーク形状、又はこれらの組み合わせの中の歩行者、遠隔車両、他のオブジェクト等の１
つ以上の外部オブジェクト対応する情報を含んでもよい。
自律走行車は、自律走行車の動作管理システムを含んでもよく、これは、自律走行車に
関するセンサデータ等の動作環境データを処理し得る１つ以上の動作環境モニタを含んで
もよい。動作環境モニタは、自律走行車に時空的に近接している車両交通ネットワークの
一部に関する可用性確率情報を決定し得るブロックモニタを含んでもよい。自律走行車の
動作管理システムは、自律走行車の動作管理コントローラを含んでもよく、外部オブジェ
クトに対応する、歩行者シナリオ、交差点シナリオ、車線変更シナリオ、又は任意の他の
車両動作シナリオ又は車両動作シナリオの組み合わせ等の１つ以上の動作シナリオを検出
してもよい。自律走行車の動作管理システムは、１つ以上のシナリオ固有の動作制御評価
モジュールを含んでもよい。各シナリオ固有の動作制御評価モジュールは、各動作シナリ
オの、部分観測マルコフ決定過程（ＰＯＭＤＰ）等のモデルであってもよい。自律走行車
の動作管理コントローラは、対応する動作シナリオの検出に応答して、シナリオ固有の動
作制御評価モジュールの各インスタンスを作成してもよい。自律走行車の動作管理コント
ローラは、インスタンス化された各シナリオ固有の動作制御評価モジュールインスタンス
から候補車両制御アクションを受信してもよく、候補車両制御アクションから車両制御ア
クションを識別してもよく、識別された車両制御アクションに従って車両交通ネットワー
クの一部を横断するように自律走行車を制御してもよい。
個別の車両動作シナリオは、車両交通ネットワークの通行権重複部分に対する通行権に
関する不確実性に対応する通行権曖昧性、例えば、遮蔽によって生じる不確実性、外部オ
ブジェクトの挙動に関する不確実性、又は自律走行車の見かけの挙動に関する不確実性を
含んでもよい。自律走行車は、方向調整車両制御アクションに従って車両交通ネットワー
クの一部を横断してもよく、これには、通行権の不確実性を低減し得るゆっくりとした前
進等により、例えば、車両交通ネットワークの通行権の重複部分に向かって少しずつ進む
等によって、定義された通行権パラメータ内で、遮蔽、外部オブジェクト、又はその両方
に対する車両の方向を変更するように、運動制御ユニット、軌道制御ユニット、又は制御
ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその一部を横
断するように車両を制御することが含まれてもよい。
本明細書では自律走行車を参照して記載されているが、本明細書に記載の方法及び装置
は、自律的又は半自律的動作が可能な任意の車両で実装されてもよい。車両交通ネットワ
ークを参照して記載されているが、本明細書に記載の方法及び装置は、車両によって走行
可能な任意の領域で自律走行車が動作することを含んでもよい。
図１は、本明細書に開示の態様、特徴及び要素が実装され得る車両の一例の図面である
。図示のように、車両１０００は、シャーシ１１００と、パワートレイン１２００と、コ
ントローラ１３００と、車輪１４００とを含む。簡潔のため、車両１０００は４つの車輪
１４００を含むように示されているが、プロペラ又はトレッド等の１つ以上の任意の他の
推進装置が使用されてもよい。図１において、パワートレイン１２００、コントローラ１
３００及び車輪１４００等の要素を相互接続する線は、データ又は制御信号等の情報、電
力又はトルク等の力、又は情報及び電力の両方が各要素間で伝達され得ることを示してい
る。例えば、コントローラ１３００は、パワートレイン１２００から電力を受信して、車
両１０００を制御するためにパワートレイン１２００、車輪１４００、又はその両方と通
信してもよく、これには、加速又は減速等による車両の運動状態の制御、ステアリング等
による車両の方向状態の制御、又はその他のやり方による車両１０００の制御が含まれる
。
図示のように、パワートレイン１２００は、電源１２１０と、トランスミッション１２
２０と、ステアリング装置１２３０と、アクチュエータ１２４０とを含む。サスペンショ
ン、駆動シャフト、車軸、又は排気システム等のパワートレインの他の要素又は要素の組
み合わせを含んでもよい。別々に示されているが、車輪１４００は、パワートレイン１２
００に含まれてもよい。
電源１２１０は、エンジン、バッテリ、又はこれらの組み合わせを含んでもよい。電源
１２１０は、電気エネルギ、熱エネルギ又は運動エネルギ等のエネルギを提供するように
動作する任意の装置又は装置の組み合わせであってもよい。例えば、電源１２１０は、内
燃エンジン、電気モータ又は内燃エンジン及び電気モータの組み合わせ等のエンジンを含
んでもよく、１つ以上の車輪１２１０に原動力としての運動エネルギを提供するように動
作してもよい。電源１２１０は、ニッケルカドミウム（ＮｉＣｄ）、ニッケル亜鉛（Ｎｉ
Ｚｎ）、ニッケル水素（ＮｉＭＨ）、リチウムイオン（Ｌｉ－ｉｏｎ）等の１つ以上の乾
電池、太陽電池、燃料電池、又はエネルギを提供することが可能な任意の他の装置等のポ
テンシャルエネルギ装置を含んでもよい。
トランスミッション１２２０は、電源１２１０から運動エネルギ等のエネルギを受信し
てもよく、原動力を提供するために車輪１４００にエネルギを送ってもよい。トランスミ
ッション１２２０は、コントローラ１３００、アクチュエータ１２４０又は両方によって
制御されてもよい。ステアリング装置１２３０は、コントローラ１３００、アクチュエー
タ１２４０又は両方によって制御され、車両を操縦するために車輪１４００を制御しても
よい。アクチュエータ１２４０は、コントローラ１３００から信号を受信してもよく、車
両１０００を動作させるために電源１２１０、トランスミッション１２２０、ステアリン
グ装置１２３０又はこれらの任意の組み合わせを作動又は制御してもよい。
図示のように、コントローラ１３００は、位置決め装置１３１０、電子通信装置１３２
０、プロセッサ１３３０、メモリ１３４０、ユーザインターフェース１３５０、センサ１
３６０、電子通信インターフェース１３７０又はこれらの任意の組み合わせを含んでもよ
い。単一の装置として示されているが、コントローラ１３００の任意の１つ以上の要素が
任意の数の分離した物理装置に組み込まれてもよい。例えば、ユーザインターフェース１
３５０及びプロセッサ１３３０は、第１の物理装置に組み込まれてもよく、メモリ１３４
０は、第２の物理装置に組み込まれてもよい。図１には示されていないが、コントローラ
１３００は、バッテリ等の電源１２１０を含んでもよい。個別の要素として示されている
が、位置決め装置１３１０、電子通信装置１３２０、プロセッサ１３３０、メモリ１３４
０、ユーザインターフェース１３５０、センサ１３６０、電子通信インターフェース１３
７０、又はこれらの任意の組み合わせは、１つ以上の電子装置、回路又はチップに組み込
まれてもよい。
プロセッサ１３３０は、光プロセッサ、量子プロセッサ、分子プロセッサ又はこれらの
組み合わせを含む現存する又は今後開発される信号又は他の情報を操作又は処理すること
が可能な任意の装置又は装置の組み合わせを含んでもよい。例えば、プロセッサ１３３０
は、１つ以上の専用プロセッサ、１つ以上のデジタル信号プロセッサ、１つ以上のマイク
ロプロセッサ、１つ以上のコントローラ、１つ以上のマイクロコントローラ、１つ以上の
集積回路、１つ以上の特定用途向け集積回路、１つ以上のフィールド・プログラマブル・
ゲート・アレイ、１つ以上のプログラマブル・ロジック・アレイ、１つ以上のプログラマ
ブル・ロジック・コントローラ、１つ以上の状態機械、又はこれらの任意の組み合わせを
含んでもよい。プロセッサ１３３０は、位置決め装置１３１０、メモリ１３４０、電子通
信インターフェース１３７０、電子通信装置１３２０、ユーザインターフェース１３５０
、センサ１３６０、パワートレイン１２００、又はこれらの任意の組み合わせと動作可能
に結合されてもよい。例えば、プロセッサは、通信バス１３８０を介してメモリ１３４０
と動作可能に結合されてもよい。
メモリ１３４０は、プロセッサ１３３０によって使用される又はそれと接続される、機
械可読命令又はそれに関連付けられる任意の情報を、例えば、保持、記憶、伝達又は搬送
することが可能な任意の有形の非一時的なコンピュータ使用可能又はコンピュータ可読媒
体を含んでもよい。メモリ１３４０は、例えば、１つ以上の半導体ドライブ、１つ以上の
メモリカード、１つ以上のリムーバブル媒体、１つ以上の読み取り専用メモリ、１つ以上
のランダムアクセスメモリ、ハードディスク、フロッピーディスク、光学ディスクを含む
１つ以上のディスク、磁気若しくは光学カード、又は電子情報を記憶するのに適した任意
のタイプの非一時的な媒体、又はこれらの任意の組み合わせであってもよい。
通信インターフェース１３７０は、図示のような無線アンテナ、有線通信ポート、光学
通信ポート、又は有線若しくは無線電子通信媒体１５００とインターフェース接続するこ
とが可能な任意の他の有線若しくは無線装置であってもよい。図１は単一の通信リンクを
介して通信を行う通信インターフェース１３７０が示されているが、通信インターフェー
スは、複数の通信リンクを介して通信を行うように構成されてもよい。図１は単一の通信
インターフェース１３７０を示しているが、車両は、任意の数の通信インターフェースを
含んでもよい。
通信装置１３２０は、通信インターフェース１３７０等を介して、有線又は無線電子通
信媒体１５００を介して信号を送信又は受信するように構成されてもよい。図１に明示さ
れていないが、通信装置１３２０は、無線周波数（ＲＦ）、紫外線（ＵＶ）、可視光、光
ファイバ、有線回線、又はこれらの組み合わせ等の任意の有線又は無線通信媒体を介して
送信、受信又は両方を行うように構成されてもよい。図１は、単一の通信装置１３２０及
び単一の通信インターフェース１３７０を示しているが、任意の数の通信装置及び任意の
数の通信インターフェースが使用されてもよい。いくつかの実施形態では、通信装置１３
２０は、狭域通信（ＤＳＲＣ）装置、車載装置（ＯＢＵ）、又はこれらの組み合わせを含
んでもよい。
位置決め装置１３１０は、車両１０００の経度、緯度、高度、進行方向又は速さ等の地
理情報を決定してもよい。例えば、位置決め装置は、広域補強システム（Ｗｉｄｅ Ａｒ
ｅａ Ａｕｇｍｅｎｔａｔｉｏｎ Ｓｙｓｔｅｍ；ＷＡＡＳ）対応米国海洋電子機器協会
（Ｎａｔｉｏｎａｌ Ｍａｒｉｎｅ－Ｅｌｅｃｔｒｏｎｉｃｓ Ａｓｓｏｃｉａｔｉｏｎ
；ＮＭＥＡ）装置、無線三角測量装置、又はこれらの組み合わせ等の全地球測位システム
（ＧＰＳ）装置を含んでもよい。位置決め装置１３１０は、例えば、車両１０００の現在
の向き、２次元又は３次元での車両１０００の現在地、車両１０００の現在の角度方向、
又はこれらの組み合わせを表す情報を取得するために使用され得る。
ユーザインターフェース１３５０は、仮想又は物理キーパッド、タッチパッド、ディス
プレイ、タッチディスプレイ、ヘッドアップディスプレイ、仮想ディスプレイ、拡張現実
ディスプレイ、触覚ディスプレイ、視線追跡装置等の特徴追跡装置、スピーカ、マイクロ
ホン、ビデオカメラ、センサ、プリンタ、又はこれらの任意の組み合わせ等、人物とイン
ターフェースすることが可能な任意の装置を含んでもよい。ユーザインターフェース１３
５０は、図示のようにプロセッサ１３３０と、又はコントローラ１３００の任意の他の要
素と動作可能に結合されてもよい。単一の装置として示されているが、ユーザインターフ
ェース１３５０は、１つ以上の物理装置を含んでもよい。例えば、ユーザインターフェー
ス１３５０は、人物との音声通信を行うための音声インターフェース、及び人物との視覚
及びタッチに基づく通信を行うためのタッチディスプレイを含んでもよい。ユーザインタ
ーフェース１３５０は、複数の物理的に分離した装置、単一の物理装置の中の複数の定義
部分、又はこれらの組み合わせ等の複数のディスプレイを含んでもよい。
センサ１３６０は、車両を制御するために使用され得る情報を提供するように動作し得
るセンサの配列等の１つ以上のセンサを含んでもよい。センサ１３６０は、車両１０００
の現在の動作特徴に関する情報を提供してもよい。センサ１３６０は、例えば、速度セン
サ、加速度センサ、ステアリング角センサ、トラクション関連センサ、ブレーキ関連セン
サ、ハンドル位置センサ、視線追跡センサ、着座位置センサ、又は車両１０００の現在の
動的状況の何らかの態様に関する情報を報告するように動作可能な任意のセンサ若しくは
センサの組み合わせを含み得る。
センサ１３６０は、車両１０００を取り囲む物理環境に関する情報を取得するように動
作可能な１つ以上のセンサを含んでもよい。例えば、１つ以上のセンサが、車線等の道路
の特徴及び形状、及び固定障害物、車両及び歩行者等の障害物を検出してもよい。センサ
１３６０は、既知の又は後に開発される、１つ以上のビデオカメラ、レーザ感知システム
、赤外線感知システム、音響感知システム、又は任意の他の適切なタイプの車載環境感知
装置、又は装置の組み合わせであるか、又はこれらを含み得る。いくつかの実施形態では
、センサ１３６０及び位置決め装置１３１０は、結合された装置であってもよい。
別に示されてはいないが、車両１０００は、軌道コントローラを含んでもよい。例えば
、コントローラ１３００が、軌道コントローラを含んでもよい。軌道コントローラは、車
両１０００の現在の状態及び車両１０００に対して計画された経路を記述する情報を取得
し、この情報に基づいて、車両１０００に対する軌道を決定及び最適化するように動作可
能であってもよい。いくつかの実施形態では、軌道コントローラは、車両１０００が軌道
コントローラによって決定される軌道に従うように、車両１０００を制御するように動作
可能な信号を出力してもよい。例えば、軌道コントローラの出力は、パワートレイン１２
００、車輪１４００又は両方に供給され得る最適化された軌道であり得る。いくつかの実
施形態では、最適化された軌道は、一組のステアリング角等の制御入力であってもよく、
各ステアリング角は１つの時点又は位置に対応する。いくつかの実施形態では、最適化さ
れた軌道は、１つ以上の経路、線、曲線、又はこれらの組み合わせであり得る。
１つ以上の車輪１４００は、ステアリング装置１２３０の制御下でステアリング角に枢
動され得る操縦された車輪、トランスミッション１２２０の制御下で車両１０００を推進
するためのトルクを与えられ得る推進された車輪、又は車両１０００を操縦及び推進し得
る操縦及び推進された車輪であってもよい。
図１には示されていないが、車両は、エンクロージャ、ブルートゥース（登録商標）モ
ジュール、周波数変調（ＦＭ）ラジオ装置、近距離無線通信（ＮＦＣ）モジュール、液晶
表示（ＬＣＤ）ディスプレイ装置、有機発光ダイオード（ＯＬＥＤ）ディスプレイ装置、
スピーカ、又はこれらの任意の組み合わせ等の図１に示されていない装置又は要素を含ん
でもよい。
車両１０００は、交通ネットワークの一部を横断するように、直接的な人間の介入なし
で、自律的に制御される自律走行車であってもよい。図１に別に示されていないが、自律
走行車は、自律走行車の経路指定、ナビゲーション及び制御を行い得る自律走行車制御装
置を含んでもよい。自律走行車制御装置は、車両の別の装置と一体化されてもよい。例え
ば、コントローラ１３００は、自律走行車制御装置を含んでもよい。
自律走行車制御装置は、現在の車両動作パラメータに従って車両交通ネットワークの一
部を横断するように車両１０００を制御し又は動作させてもよい。自律走行車制御装置は
、車両の駐車等の定義された動作又は操縦を行うように車両１０００を制御し又は動作さ
せてもよい。自律走行車制御装置は、車両情報、環境情報、車両交通ネットワークを表す
車両交通ネットワークデータ、又はこれらの組み合わせに基づいて車両１０００の現在地
等の出発地から目的地への移動経路を生成してもよく、経路に従って車両交通ネットワー
クを横断するように車両１０００を制御し又は動作させてもよい。例えば、自律走行車制
御装置は、軌道コントローラに移動経路を出力してもよく、軌道コントローラは、生成さ
れた経路を使用して出発点から目的地に移動するように車両１０００を動作させてもよい
。
図２は、本明細書に開示の態様、特徴及び要素が実装され得る車両交通及び通信システ
ムの一部の例示の図面である。車両交通及び通信システム２０００は、図１に示される車
両１０００等の１つ以上の車両２１００／２１１０を含んでもよく、これは１つ以上の車
両交通ネットワーク２２００の１つ以上の部分を移動してもよく、１つ以上の電子通信ネ
ットワーク２３００を介して通信を行ってもよい。図２には明示されていないが、車両は
、オフロード領域等の車両交通ネットワークに明示的に又は完全には含まれていない領域
を横断してもよい。
電子通信ネットワーク２３００は、例えば、多重アクセスシステムであってもよく、車
両２１００／２１１０と１つ以上の通信装置２４００との間の音声通信、データ通信、映
像通信、メッセージング通信、又はこれらの組み合わせ等の通信を提供してもよい。例え
ば、車両２１００／２１１０は、ネットワーク２３００を介して通信デバイス２４００か
ら車両交通ネットワーク２２００を表す情報等の情報を受信してもよい。
いくつかの実施形態では、車両２１００／２１１０は、有線通信リンク（図示せず）、
無線通信リンク２３１０／２３２０／２３７０、又は任意の数の有線若しくは無線通信リ
ンクの組み合わせを介して通信してもよい。例えば、図示のように、車両２１１０／２１
１０は、陸上無線通信リンク２３１０を介して、非陸上無線通信リンク２３２０を介して
、又はこれらの組み合わせを介して通信してもよい。陸上無線通信リンク２３１０は、イ
ーサネット（登録商標）リンク、シリアルリンク、ブルートゥース（登録商標）リンク、
赤外線（ＩＲ）リンク、紫外線（ＵＶ）リンク、又は電子通信を提供可能な任意のリンク
を含んでもよい。
車両２１００／２１１０は、別の車両２１００／２１１０と通信してもよい。例えば、
ホスト又は目標の車両（ＨＶ）２１００が、直接通信リンク２３７０を介して又はネット
ワーク２３００を介して、遠隔又は目標車両（ＲＶ）２１１０から基本安全メッセージ（
ｂａｓｉｃ ｓａｆｅｔｙ ｍｅｓｓａｇｅ；ＢＳＭ）等の１つ以上の自律走行車間メッ
セージを受信してもよい。例えば、遠隔車両２１１０は、３００メートル等の定義された
ブロードキャスト範囲内のホスト車両にメッセージをブロードキャストしてもよい。いく
つかの実施形態では、ホスト車両２１００は、信号リピータ（図示せず）又は別の遠隔車
両（図示せず）等のサードパーティを介してメッセージを受信してもよい。車両２１００
／２１１０は、例えば、１００ミリ秒等の定義された間隔に基づいて周期的に１つ以上の
自律走行車間メッセージを送信してもよい。
自律走行車間メッセージは、車両識別情報、経度、緯度若しくは高度情報等の地理空間
状態情報、地理空間位置精度情報、車両加速度情報、ヨーレート情報、速度情報、車両方
位情報、制動システム状態情報、スロットル情報、ハンドル角度情報若しくは車両経路情
報等の運動状態情報、又は送信車両状態に関連する車両サイズ情報、ヘッドライト状態情
報、方向指示器情報、ワイパー状態情報、トランスミッション情報若しくは任意の他の情
報若しくは情報の組み合わせ等の車両動作状態情報を含んでもよい。例えば、トランスミ
ッション状態情報は、送信車両のトランスミッションがニュートラル状態、駐車状態、前
進状態又は後退状態に有るかどうかを示してもよい。
車両２１００は、アクセスポイント２３３０を介して通信ネットワーク２３００と通信
してもよい。コンピュータ装置を含み得るアクセスポイント２３３０は、無線又は有線通
信リンク２３１０／２３４０を介して、車両２１００と、通信ネットワーク２３００と、
１つ以上の通信装置２４００と、又はこれらの組み合わせと通信するように構成されても
よい。例えば、アクセスポイント２３３０は、基地局、ＢＴＳ（ｂａｓｅ ｔｒａｎｓｃ
ｅｉｖｅｒ ｓｔａｔｉｏｎ）、Ｎｏｄｅ－Ｂ、ｅＮｏｄｅ－Ｂ（ｅｎｈａｎｃｅｄ Ｎ
ｏｄｅ－Ｂ）、ＨＮｏｄｅ－Ｂ（Ｈｏｍｅ Ｎｏｄｅ－Ｂ）、無線ルータ、有線ルータ、
ハブ、リレー、スイッチ、又は任意の類似の有線若しくは無線装置であってもよい。図２
には単一の装置として示されているが、アクセスポイントは、任意の数の相互接続要素を
含んでもよい。
車両２１００は、衛星２３５０又は他の非陸上通信装置を介して通信ネットワーク２３
００と通信してもよい。コンピュータ装置を含み得る衛星２３５０は、１つ以上の通信リ
ンク２３２０／２３６０を介して、車両２１００と、通信ネットワーク２３００と、１つ
以上の通信装置２４００と、又はこれらの組み合わせと通信するように構成されてもよい
。図２には単一の装置として示されているが、衛星は、任意の数の相互接続要素を含んで
もよい。
電子通信ネットワーク２３００は、音声、データ、又は任意の他のタイプの電子通信装
置を提供するように構成される任意のタイプのネットワークであってもよい。例えば、電
子通信ネットワーク２３００は、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリア
ネットワーク（ＷＡＮ）、仮想プライベートネットワーク（ＶＰＮ）、モバイル若しくは
セルラ電話ネットワーク、インターネット、又は任意の他の電子通信システムを含んでも
よい。電子通信ネットワーク２３００は、トランスミッション・コントロール・プロトコ
ル（ＴＣＰ）、ユーザ・データグラム・プロトコル（ＵＤＰ）、インターネット・プロト
コル（ＩＰ）、リアルタイム・トランスポート・プロトコル（ＲＴＰ）、ハイパー・テキ
スト・トランスポート・プロトコル（ＨＴＴＰ）、又はこれらの組み合わせ等の通信プロ
トコルを使用してもよい。図２には単一の装置として示されているが、電子通信ネットワ
ークは、任意の数の相互接続要素を含んでもよい。
車両２１００は、車両交通ネットワーク２２００の一部又は状態を識別車両してもよい
。例えば、車両２１００は、速度センサ、車輪速度センサ、カメラ、ジャイロスコープ、
光学センサ、レーザセンサ、レーダセンサ、音響センサ、又は車両交通ネットワーク２２
００の一部若しくは状態を決定若しくは識別することが可能な任意の他のセンサ若しくは
装置又はこれらの組み合わせを含み得る図１に示されたセンサ１３６０等の１つ以上の車
載センサ２１０５を含んでもよい。センサデータは、車線データ、遠隔車両位置データ、
又はその両方を含んでもよい。
車両２１００は、交通ネットワーク２２００を表す情報、１つ以上の車載センサ２１０
５、又はこれらの組み合わせ等のネットワーク２３００を介して伝達される情報を使用し
て、１つ以上の車両交通ネットワーク２２００の一部又は複数の部分を横断してもよい。
簡潔のため、図２は２つの車両２１００、２１１０、１つの車両交通ネットワーク２２
００、１つの電子通信ネットワーク２３００及び１つの通信ネットワーク２４００を示し
ているが、任意の数のネットワーク又はコンピュータ装置が使用されてもよい。車両交通
及び通信システム２０００は、図２に示されていない装置、ユニット又は要素を含んでも
よい。車両２１００は単一の装置として示されているが、車両は、任意の数の相互接続要
素を含んでもよい。
ネットワーク２３００を介して通信装置２４００と通信する車両２１００が示されてい
るが、車両２１００は、任意の数の直接又は間接通信リンクを介して通信装置２４００と
通信してもよい。例えば、車両２１００は、ブルートゥース（登録商標）通信リンク等の
直接通信リンクを介して通信装置２４００と通信してもよい。図２には別に示されていな
いが、遠隔車両又は他の外部オブジェクトは、通信リンクを省略し得る。
いくつかの実施形態では、車両２１００／２２１０は、車両の運転者、オペレータ、又
は所有者等のエンティティ２５００／２５１０に関連付けられてもよい。いくつかの実施
形態では、車両２１００／２１１０に関連付けられるエンティティ２５００／２５１０は
、スマートフォン２５０２／２５１２又はコンピュータ２５０４／２５１４等の１つ以上
のパーソナル電子装置２５０２／２５０４／２５１２／２５１４に関連付けられてもよい
。いくつかの実施形態では、パーソナル電子装置２５０２／２５０４／２５１２／２５１
４は、直接又は間接通信リンクを介して対応する車両２１００／２１１０と通信してもよ
い。１つのエンティティ２５００／２５１０が図２の車両２１００／２１１０に関連付け
られるように示されているが、任意の数の車両が、エンティティに関連付けられてもよく
、任意の数のエンティティが、車両に関連付けられてもよい。
図３は、本開示による車両交通ネットワークの一部の図である。車両交通ネットワーク
３０００は、建物等の１つ以上の通行不能領域３１００、駐車領域３２００等の１つ以上
の部分的通行可能領域、道路３３００／３４００等の１つ以上の通行可能領域、又はこれ
らの組み合わせを含んでもよい。いくつかの実施形態では、図１に示される車両１０００
等の自律走行車、図２に示される車両２１００／２１１０の１つ、半自律走行車、又は自
律走行を実装する任意の他の車両が、車両交通ネットワーク３０００の一部又は複数の部
分を横断してもよい。
車両交通ネットワーク３０００は、１つ以上の通行可能又は部分的通行可能エリア３２
００／３３００／３４００の間に１つ以上のインターチェンジを含んでもよい。例えば、
図３に示される車両交通ネットワーク３０００の部分は、駐車エリア３２００と道路３４
００との間にインターチェンジ３２１０を含む。駐車エリア３２００は、駐車場３２２０
を含んでもよい。
道路３３００／３４００等の車両交通ネットワーク３０００の一部は、１つ以上の車線
３３２０／３３４０／３３６０／３４２０／３４４０を含んでもよく、１つ以上の進行方
向に関連付けられてもよく、これは図３の矢印で示されている。
車両交通ネットワーク又はその一部、例えば、図３に示される車両交通ネットワーク３
０００の部分は、車両交通ネットワーク情報として表されてもよい。例えば、車両交通ネ
ットワークデータは、マークアップ言語要素等の要素の階層として表されてもよく、これ
はデータベース又はファイルに記憶されてもよい。簡潔のため、本明細書の図面は、車両
交通ネットワークの一部を表す車両交通ネットワークデータを図又は地図として描いてい
るが、車両交通ネットワークデータは、車両交通ネットワーク又はその一部を表すことが
可能な任意のコンピュータ使用可能形態で表されてもよい。進行方向情報、速度制限情報
、料金所情報、傾斜又は角度情報等の勾配情報、表面材料情報、審美的情報、定義された
危険情報又はこれらの組み合わせ等の車両交通ネットワークデータを含んでもよい。
車両交通ネットワークは、歩行者交通ネットワークに関連付けられ又はそれを含んでも
よい。例えば、図３は、歩行者交通ネットワークの一部３６００を含み、これは歩行者の
歩道であってもよい。図３には別に示されていないが、歩行者横断歩道等の歩行者通行可
能領域は、車両交通ネットワークの通行可能領域又は部分的通行可能領域と対応してもよ
い。
車両交通ネットワークの一部又は部分の組み合わせは、特定の場所又は目的地として識
別されてもよい。例えば、車両交通ネットワークデータは、通行不能エリア３１００及び
隣接する部分的通行可能駐車エリア３２００等の建物を特定の場所として識別してもよく
、車両は、特定の場所を目的地として識別してもよく、車両は、車両交通ネットワークを
横断することにより出発地から目的地に移動してもよい。図３には通行不能領域３１００
に関連付けられる駐車領域３２００が通行不能領域３１００に隣接するように示されてい
るが、目的地は、例えば、建物に物理的に又は地理空間的に隣接していない建物及び駐車
領域を含んでもよい。
目的地を識別することは、目的地に関する場所を識別することを含んでもよく、これは
個々の一意に識別可能な地理的位置であってもよい。例えば、車両交通ネットワークは、
目的地に関する所在地住所、住所、車両交通ネットワークアドレス、ＧＰＳアドレス、又
はこれらの組み合わせ等の定義された場所を含んでもよい。
目的地は、図３に示される入口３５００等の１つ以上の入口に関連付けられてもよい。
車両交通ネットワークデータは、目的地に関連付けられる入口の地理的位置を識別する情
報等の定義された入口位置情報を含んでもよい。
目的地は、図３に示されるドッキング位置３７００等の１つ以上のドッキング位置に関
連付けられてもよい。ドッキング位置３７００は、乗客の乗り降り等のドッキング動作を
行うことができるように自律走行車が停止、静止又は駐車し得る目的地に近接している指
定の又は未指定の場所又は領域であってもよい。
車両交通ネットワークデータは、目的地に関連付けられる１つ以上のドッキング位置３
７００の地理的位置を識別する情報等のドッキング位置情報を含んでもよい。図３には別
に示されていないが、ドッキング位置情報は、ドッキング位置３７００に関連付けられる
ドッキング動作のタイプを識別してもよい。例えば、目的地は、乗客を乗せるための第１
のドッキング位置及び乗客を降ろすための第２のドッキング位置に関連付けられてもよい
。自律走行車はドッキング位置に駐車してもよいが、目的地に関連付けられるドッキング
位置は独立しており、目的地に関連付けられる駐車領域とは異なっていてもよい。
図４は、本開示の実施形態による自律走行車の動作管理システム４０００の例の図であ
る。自律走行車の動作管理システム４０００は、図１に示される車両１０００、図２に示
される車両２１００／２１１０、半自律走行車、又は自律走行を実装する任意の他の車両
等の自律走行車において実装されてもよい。
自律走行車は、車両交通ネットワーク又はその一部を横断してもよく、これは個別の車
両動作シナリオを横断することを含んでもよい。個別の車両動作シナリオは、自律走行車
の定義された時空的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る動作条
件の任意の明確に識別可能な集合を含んでもよい。例えば、個別の車両動作シナリオは、
自律走行車が定義された時空距離内を横断し得る道路、道路区分又は車線の数又は濃度に
基づいてもよい。別の例では、個別の車両動作シナリオは、自律走行車の定義された時空
的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る１つ以上の交通制御装置
に基づいてもよい。別の例では、個別の車両動作シナリオは、自律走行車の定義された時
空的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る１つ以上の識別可能な
規則、規制又は法律に基づいてもよい。別の例では、個別の車両動作シナリオは、自律走
行車の定義された時空的エリア又は動作環境内の自律走行車の動作に影響を及ぼし得る１
つ以上の識別可能な外部オブジェクトに基づいてもよい。
簡潔性及び明瞭性のために、車両動作シナリオのタイプ又はクラスを参照して類似の車
両動作シナリオが本明細書に記載されてもよい。車両動作シナリオのタイプ又はクラスは
、シナリオの定義されたパターン又は定義されたパターンの集合を参照してもよい。例え
ば、交差点シナリオは、交差点を横断する自律走行車を含んでもよく、歩行者シナリオは
、自律走行車の予測経路を横切る又は近づいている場合等、歩行者等の１人以上の歩行者
を含むか又はその定義された近接内にある車両交通ネットワークの一部を横断する自律走
行車を含んでもよく、車線変更シナリオは、車線を変更することにより、自律走行車が車
両交通ネットワークの一部を横断することを含んでもよく、合流シナリオは、最初の車線
から合流車線に合流することにより、自律走行車が車両交通ネットワークの一部を横断す
ることを含んでもよく、障害物通過シナリオには、自律走行車が障害物又は妨害物を通過
することにより車両交通ネットワークの一部を通過することを含んでもよい。本明細書に
は歩行者の車両動作シナリオ、交差点の車両動作シナリオ、車線変更の車両動作シナリオ
、合流の車両動作シナリオ、及び障害通過の車両動作シナリオが記載されているが、任意
の他の車両動作シナリオ又は車両動作シナリオのタイプが使用されてもよい。
図４に示されているように、自律走行車の動作管理システム４０００は、自律走行車の
動作管理コントローラ４１００（ＡＶＯＭＣ）、動作環境モニタ４２００、及び動作制御
評価モジュール４３００を含む。
ＡＶＯＭＣ４１００又は自律走行車の別の装置は、車両交通ネットワーク又はその一部
を横断するように自律走行車を制御してもよい。車両交通ネットワークを横断するように
自律走行車を制御することは、自律走行車の動作環境を監視すること、個別の車両動作シ
ナリオを識別又は検出すること、個別の車両動作シナリオに基づいて候補車両制御アクシ
ョンを識別すること、１つ以上の候補車両制御アクション又はそれらの組み合わせに従っ
て車両交通ネットワークの一部を横断するように自律走行車を制御することを含んでもよ
い。
ＡＶＯＭＣ４１００は、自律走行車又はその１つ以上の態様に関する動作環境を表す動
作環境データを受信し、識別し、又は他のやり方でアクセスしてもよい。自律走行車の動
作環境は、自律走行車の定義された時空的エリアの中で、自律走行車に関して識別された
経路の定義された時空的エリアの中で、又はこれらの組み合わせで、自律走行車の動作に
影響を及ぼし得る動作条件の明確に識別可能な集合を含んでもよい。例えば、自律走行車
の動作に影響を及ぼし得る動作条件は、センサデータ、車両交通ネットワークデータ、経
路データ、又は車両について定義又は決定された動作環境を表す任意の他のデータ又はデ
ータの組み合わせに基づいて識別されてもよい。
動作環境データは、自律走行車の地理空間的位置を示す情報、自律走行車の地理空間的
位置を車両交通ネットワークを表す情報と相関させる情報、自律走行車の経路、自律走行
車の速度、自律走行車の加速状態、自律走行車の乗客情報、又は自律走行車若しくは自律
走行車の動作に関する任意の他の情報等の自律走行車に関する車両情報を含んでもよい。
動作環境データは、識別された経路に沿った車両交通ネットワークの一部の３００メート
ル等の自律走行車の定義された空間距離内等の自律走行車に関して識別された経路に近接
する車両交通ネットワークを表す情報を含んでもよく、これは、車両交通ネットワークの
１つ以上の側面の形状を示す情報、車両交通ネットワークの表面状態等の状態を示す情報
、又はこれらの任意の組み合わせを含んでもよい。動作環境データは、３００メートル等
の自律走行車の定義された空間距離内等の自律走行車に近接する車両交通ネットワークを
表す情報を含んでもよく、これは、車両交通ネットワークの１つ以上の側面の形状を示す
情報、車両交通ネットワークの表面状態等の状態を示す情報、又はこれらの任意の組み合
わせを含んでもよい。動作環境データは、歩行者、非ヒト動物、自転車若しくはスケート
ボード等の非動力式移動手段、遠隔車両等の動力式移動手段、又は自律走行車の動作に影
響を及ぼす任意の他の外部オブジェクト若しくはエンティティを表す情報等の自律走行車
の動作環境内の外部オブジェクトを表す情報を含んでもよい。
自律走行車の動作環境の側面が、それぞれ個別の車両動作シナリオの中で表されてもよ
い。例えば、相対的方向、軌道、予測経路又は外部オブジェクトが、それぞれの個別の車
両動作シナリオの中で表されてもよい。別の例では、車両交通ネットワークの相対的形状
が、それぞれ個別の車両動作シナリオの中で表されてもよい。
一例として、第１の個別の車両動作シナリオは、歩行者が横断歩道を横断していること
に対応してもよく、右から左に横断することに対して、左から右に横断すること等、歩行
者の相対的方向及び予測経路が第１の個別の車両動作シナリオの中で表されてもよい。第
２の個別の車両動作シナリオは、歩行者が横断歩道のないところで道路を横断しているこ
とに対応してもよく、右から左に横断することに対して、左から右に横断すること等、歩
行者の相対的方向及び予測経路が第２の個別の車両動作シナリオの中で表されてもよい。
自律走行車が動作環境の中で複数の個別の車両動作シナリオを横断してもよく、これは
複合車両動作シナリオの側面であってもよい。自律走行車動作管理システム４０００は、
自律走行車の動作のために定義され又は生成され得る、安全制約、法的制約、物理的制約
、ユーザ受容制約、又は任意の他の制約若しくは制約の組み合わせ等、定義された制約を
受けて個別の車両動作シナリオを横断するように自律走行車を動作又は制御してもよい。
ＡＶＯＭＣ４１００は、自律走行車の動作環境又はその定義された側面を監視してもよ
い。自律走行車の動作環境を監視することは、外部オブジェクトを識別及び追跡すること
、個別の車両動作シナリオを識別すること、又はこれらの組み合わせを含んでもよい。例
えば、ＡＶＯＭＣ４１００は、自律走行車の動作環境で外部オブジェクトを識別及び追跡
してもよい。外部オブジェクトを識別及び追跡することは、自律走行車に対するものであ
り得る各外部オブジェクトの時空的位置を識別すること、外部オブジェクトに関する速さ
、軌道又は両方を識別することを含み得る各外部オブジェクトに関する１つ以上の予測経
路を識別することを含んでもよい。簡潔性及び明瞭性のために、本明細書に記載の位置、
予測位置、経路、予測経路及び同類は、対応する位置及び経路が地理空間的及び時間的成
分を意味する明示的な指示を省いている場合があるが、本明細書に明示されていなければ
、又はコンテキストから一義的に明確でなければ、本明細書に記載の位置、予測位置、経
路、予測経路及び同類は、地理空間的成分、時間的成分又は両方を含んでもよい。自律走
行車の動作環境を監視することは、動作環境モニタ４２００から受信した動作環境データ
を使用することを含んでもよい。
動作環境モニタ４２００は、シナリオ非依存のモニタ、シナリオ固有のモニタ、又はこ
れらの組み合わせを含んでもよい。ブロックモニタ４２１０等のシナリオ非依存のモニタ
は、自律走行車の動作環境を監視し、自律走行車の動作環境の側面を表す動作環境データ
を生成し、動作環境データを１つ以上のシナリオ固有のモニタ、ＡＶＯＭＣ４１００、又
はそれらの組み合わせに出力してもよい。歩行者モニタ４２２０、交差点モニタ４２３０
、車線変更モニタ４２４０、合流モニタ４２５０、又は前方障害物モニタ４２６０等のシ
ナリオ固有のモニタは、自律走行車の動作環境をモニタし、自律走行車の動作環境のシナ
リオ固有の側面を表す動作環境データを生成し、動作環境データを１つ以上のシナリオ固
有の動作制御評価モジュール４３００、ＡＶＯＭＣ４１００、又はこれらの組み合わせに
出力してもよい。例えば、歩行者モニタ４２２０は歩行者を監視するための動作環境モニ
タであってもよく、交差点モニタ４２３０は交差点を監視するための動作環境モニタであ
ってもよく、車線変更モニタ４２４０は車線変更を監視するための動作環境モニタであっ
てもよく、合流モニタ４２５０は合流のための動作環境モニタであってもよく、前方障害
物モニタ４２６０は前方障害物を監視するための動作環境モニタであってもよい。自律走
行車の動作管理システム４０００が任意の数の動作環境モニタ４２００を含み得ることを
示すために、動作環境モニタ４２７０は破線を使用して示されている。
動作環境モニタ４２００は、自律走行車の１つ以上のセンサによって生成された又は捕
捉された動作環境データ、車両交通ネットワークデータ、車両交通ネットワーク形状デー
タ、経路データ、又はそれらの組合せ等の動作環境データを受信するか、又は他のやり方
でそれにアクセスしてもよい。例えば、歩行者モニタ４２２０は、センサ情報等の情報を
受信し又は他のやり方でアクセスしてもよく、これは自律走行車の動作環境における１人
以上の歩行者を示し、それに対応し又は他のやり方で関連付けられてもよい。動作環境モ
ニタ４２００は、動作環境データ又はその一部を動作環境、又はその側面と、例えば、歩
行者、遠隔車両等の外部オブジェクト、又は車両交通ネットワーク形状の側面と関連付け
てもよい。
動作環境モニタ４２００は、歩行者、遠隔車両等の外部オブジェクト、又は車両交通ネ
ットワーク形状の側面等によって、動作環境の１つ以上の側面を表す情報を生成し又は識
別してもよく、これは、動作環境データのフィルタリング、抽象化又は他の処理を含んで
もよい。動作環境モニタ４２００は、例えば、ＡＶＯＭＣ４１００によってアクセス可能
な自律走行車のメモリ、例えば、図１に示されるメモリ１３４０に動作環境の１つ以上の
側面を表す情報を記憶すること、ＡＶＯＭＣ４１００に動作環境の１つ以上の側面を表す
情報を送ること、又はこれらの組み合わせによって、動作環境の１つ以上の側面を、ＡＶ
ＯＭＣ４１００に出力し、又はそれがアクセスするために出力してもよい。動作環境モニ
タ４２００は、ＡＶＯＭＣ４１００等の自律走行車動作管理システム４０００の１つ以上
の要素に動作環境データを出力してもよい。図４には示されていないが、シナリオ固有の
動作環境モニタ４２２０、４２３０、４２４０、４２５０、４２６０は、動作環境データ
を、ブロックモニタ４２１０等のシナリオ非依存の動作環境モニタに出力してもよい。
行者モニタ４２２０は、１人以上の歩行者のアクションを識別、追跡又は予測するため
に、動作環境データを相関させ、関連付け又は他のやり方で処理してもよい。例えば、歩
行者モニタ４２２０は、１つ以上のセンサからセンサデータ等の情報を受信してもよく、
これは１人以上の歩行者に対応してもよく、歩行者モニタ４２２０は、１人以上の識別さ
れた歩行者とセンサデータを関連付けてもよく、これは１人以上の識別された歩行者の各
々に関する進行方向、予測経路等の経路、現在の又は予測される速度、現在の又は予測さ
れる加速度又はこれらの組み合わせを識別することを含んでもよく、歩行者モニタ４２２
０は、識別された、関連付けられた又は生成された歩行者情報を、ＡＶＯＭＣ４１００に
出力し又はそれがアクセスするために出力してもよい。
交差点モニタ４２３０は、自律走行車の動作環境における１つ以上の遠隔車両のアクシ
ョンを識別、追跡又は予測すること、自律走行車の動作環境における交差点又はその側面
を識別すること、車両交通ネットワーク形状を識別すること、又はこれらの組み合わせを
行うように、動作環境データを相関させ、関連付け、又は他のやり方で処理してもよい。
例えば、交差点モニタ４３１０は、１つ以上のセンサからセンサデータ等の情報を受信し
てもよく、これは、自律走行車の動作環境における１つ以上の遠隔車両、自律走行車の動
作環境における交差点又はその１つ以上の側面、車両交通ネットワーク形状、又はこれら
の組み合わせに対応してもよく、交差点モニタ４３１０は、自律走行車の動作環境におけ
る１つ以上の識別された遠隔車両、自律走行車の動作環境における交差点又はその１つ以
上の側面、車両交通ネットワーク形状、又はこれらの組み合わせとセンサデータを関連付
けてもよく、これは１つ以上の識別された遠隔車両の各々に関する現在の又は予測される
進行方向、予測経路等の経路、現在の又は予測される速度、現在の又は予測される加速度
又はこれらの組み合わせを識別することを含んでもよく、交差点モニタ４２３０は、識別
された、関連付けられた又は生成された交差点情報を、ＡＶＯＭＣ４１００に出力し又は
それがアクセスするために出力してもよい。
車線変更モニタ４２４０は、車線変更動作に地理空間的に対応して、自律走行車の予測
経路に沿って遅い又は静止している遠隔車両を示す情報等、自律走行車の動作環境におけ
る１つ以上の遠隔車両のアクションを識別、追跡又は予測すること、自律走行車の動作環
境における車両交通ネットワーク形状等の自律走行車の動作環境の１つ以上の側面を識別
すること、又はこれらの組み合わせを行うように動作環境データを相関させ、関連付け又
は他のやり方で処理してもよい。例えば、車線変更モニタ４２４０は、１つ以上のセンサ
からセンサデータ等の情報を受信してもよく、これは車線変更動作に地理空間的に対応し
て、自律走行車の動作環境における１つ以上の遠隔車両、自律走行車の動作環境における
自律走行車の動作環境の１つ以上の側面、又はこれらの組み合わせに対応してもよく、車
線変更を監視するための動作環境モニタ４２４０は、車線変更動作に地理空間的に対応し
て、自律走行車の動作環境における交差点又はその１つ以上の識別された遠隔車両、自律
走行車の動作環境の１つ以上の側面、又はこれらの組み合わせとセンサ情報を関連付けて
もよく、これは１つ以上の識別された遠隔車両の各々に関する現在の又は予測される進行
方向、予測経路等の経路、現在の又は予測される速度、現在の又は予測される加速度又は
これらの組み合わせを識別することを含んでもよく、車線変更モニタ４２４０は、識別さ
れた、関連付けられた又は生成された車線変更情報を、ＡＶＯＭＣ４１００に出力し又は
それがアクセスするために出力してもよい。
合流モニタ４２５０は、合流動作に地理空間的に対応して、自律走行車の動作環境にお
ける１つ以上の遠隔車両のアクションを識別、追跡又は予測すること、自律走行車の動作
環境における車両交通ネットワーク形状等の自律走行車の動作環境の１つ以上の側面を識
別すること、又はこれらの組み合わせを行うように動作環境データを相関させ、関連付け
又は他のやり方で処理してもよい。例えば、合流モニタ４２５０は、１つ以上のセンサか
らセンサデータ等の情報を受信してもよく、これは合流動作に地理空間的に対応して、自
律走行車の動作環境における１つ以上の遠隔車両、自律走行車の動作環境における自律走
行車の動作環境の１つ以上の側面、又はこれらの組み合わせに対応してもよく、合流を監
視するための動作環境モニタ４２５０は、合流動作に地理空間的に対応して、自律走行車
の動作環境における交差点又はその１つ以上の識別された遠隔車両、自律走行車の動作環
境の１つ以上の側面、又はこれらの組み合わせとセンサ情報を関連付けてもよく、これは
１つ以上の識別された遠隔車両の各々に関する現在の又は予測される進行方向、予測経路
等の経路、現在の又は予測される速度、現在の又は予測される加速度又はこれらの組み合
わせを識別することを含んでもよく、合流モニタ４２５０は、識別された、関連付けられ
た又は生成された合流情報を、ＡＶＯＭＣ４１００に出力し又はそれがアクセスするため
に出力してもよい。
前方障害物モニタ４２６０は、前方障害物通過動作に地理空間的に対応する自律走行車
の動作環境の１つ以上の態様を識別するために、動作環境データを相関させ、関連付け、
又は他のやり方で処理してもよい。例えば、前方障害物モニタ４２６０は、自律走行車の
動作環境における車両交通ネットワークの形状を識別してもよく、前方障害物モニタ４２
６０は、自律走行車の予測経路に沿った、又は自律走行車に関して識別された経路に沿っ
た低速の又は静止した遠隔車両等の自律走行車の動作環境における１つ以上の障害物又は
妨害物を識別してもよく、前方障害物モニタ４２６０は、自律走行車の動作環境における
１つ以上の遠隔車両のアクションを識別、追跡、又は予測してもよい。例えば、前方障害
物モニタ４２５０は、１つ以上のセンサからセンサデータ等の情報を受信してもよく、こ
れは障害物通過動作に地理空間的に対応して、自律走行車の動作環境における１つ以上の
遠隔車両、自律走行車の動作環境における自律走行車の動作環境の１つ以上の側面、又は
これらの組み合わせに対応してもよく、障害物通過を監視するための前方障害物モニタ４
２５０は、障害物通過動作に地理空間的に対応して、自律走行車の動作環境における交差
点又はその１つ以上の識別された遠隔車両、自律走行車の動作環境の１つ以上の側面、又
はこれらの組み合わせとセンサ情報を関連付けてもよく、これは１つ以上の識別された遠
隔車両の各々に関する現在の又は予測される進行方向、予測経路等の経路、現在の又は予
測される速度、現在の又は予測される加速度又はこれらの組み合わせを識別することを含
んでもよく、前方障害物モニタ４２５０は、識別された、関連付けられた又は生成された
前方障害物情報を、ＡＶＯＭＣ４１００に出力し又はそれがアクセスするために出力して
もよい。
ブロックモニタ４２１０は、自律走行車に関する動作環境又はその側面を表す動作環境
データを受信してもよい。ブロックモニタ４２１０は、自律走行車に近接する車両交通ネ
ットワークの一部等の車両交通ネットワークの１つ以上の部分に関する各可用性確率又は
対応するブロック可能性を決定してもよく、部分は自律走行車の現在の経路に基づいて識
別される予測経路等の自律走行車の予測経路に対応する車両交通ネットワークの一部を含
んでもよい。可用性確率又は対応するブロック可能性は、自律走行車が、遠隔車両又は歩
行者等の外部オブジェクトによって妨げられない等、安全に交通ネットワークの一部又は
その中の空間的位置を横断し得る確率又は可能性を示してもよい。ブロックモニタ４２１
０は、継続的に又は周期的に可用性確率を決定又は更新してもよい。ブロックモニタ４２
１０は、可用性確率又は対応するブロック可能性をＡＶＯＭＣ４１００に伝達してもよい
。
ＡＶＯＭＣ４１００は、動作環境データによって表される動作環境の１つ以上の側面に
基づいて１つ以上の個別の車両動作シナリオを識別してもよい。例えば、ＡＶＯＭＣ４１
００は、１つ以上の動作環境モニタ４２００によって示される動作環境データに基づいて
又はそれを識別することに応答して、個別の車両動作シナリオを識別してもよい。個別の
車両動作シナリオは、経路データ、センサデータ、又はそれらの組み合わせに基づいて識
別されてもよい。例えば、ＡＶＯＭＣ４１００は、経路の識別に応答して、識別された経
路に対応する地図データ等に基づいて、車両に関して識別された経路に対応する１つ以上
の個別の車両動作シナリオを識別してもよい。動作環境データによって表される動作環境
の１つ以上の側面に基づいて、複数の個別の車両動作シナリオが識別されてもよい。例え
ば、動作環境データは、歩行者が自律走行車に関する予測経路に沿って交差点に接近して
いることを表す情報を含んでもよく、ＡＶＯＭＣ４１００は、歩行者の車両動作シナリオ
、交差点の車両動作シナリオ、又は両方を識別してもよい。
ＡＶＯＭＣ４１００は、動作環境データによって表される動作環境の１つ以上の側面に
基づいて１つ以上の動作制御評価モジュール４３００の各インスタンスをインスタンス化
してもよい。動作制御評価モジュール４３００は、歩行者ＳＳＯＣＥＭ４３１０、交差点
ＳＳＯＣＥＭ４３２０、車線変更ＳＳＯＣＥＭ４３３０、合流ＳＳＯＣＥＭ４３４０、障
害物通過ＳＳＯＣＥＭ４３５０、又はこれらの組み合わせ等のシナリオ固有の動作制御評
価モジュール（ＳＳＯＣＥＭ）を含んでもよい。自律走行車の動作管理システム４０００
が任意の数のＳＳＯＣＥＭ４３００を含み得ることを示すために、ＳＳＯＣＥＭ４３６０
は破線を使用して示されている。例えば、ＡＶＯＭＣ４１００は、個別の車両動作シナリ
オを識別することに応答してＳＳＯＣＥＭ４３００のインスタンスをインスタンス化して
もよい。ＡＶＯＭＣ４１００は、動作環境データによって表される動作環境の１つ以上の
側面に基づいて１つ以上のＡＶＯＭＣ４３００の複数のインスタンスをインスタンス化し
てもよい。例えば、動作環境データは、自律走行車の動作環境における２人の歩行者を示
してもよく、ＡＶＯＭＣ４１００は、動作環境データによって表される動作環境の１つ以
上の側面に基づいて各歩行者に関する歩行者ＳＳＯＣＥＭ４３１０の各インスタンスをイ
ンスタンス化してもよい。
ＡＶＯＭＣ４１００は、ブロックモニタ４２１０等の自律走行車の別の装置又はＳＳＯ
ＣＥＭ４３００の１つ以上のインスタンスに動作環境データ又はその１つ以上の側面を送
信してもよい。例えば、ＡＶＯＭＣ４１００は、ブロックモニタ４２１０から受信した可
用性確率、又は対応するブロック確率を、ＳＳＯＣＥＭ４３００のインスタンス化された
各インスタンスに伝達してもよい。ＡＶＯＭＣ４１００は、動作環境データ又はその１つ
以上の側面を、図１に示されるメモリ１３４０等の自律走行車のメモリ等に記憶してもよ
い。
車両交通ネットワークを横断するように自律走行車を制御することは、個別の車両動作
シナリオに基づいて候補車両制御アクションを識別すること、１つ以上の候補車両制御ア
クション又はそれらの組み合わせに従って車両交通ネットワークの一部を横断するように
自律走行車を制御することを含んでもよい。例えば、ＡＶＯＭＣ４１００は、ＳＳＯＣＥ
Ｍ４３００の各インスタンスから１つ以上の候補車両制御アクションを受信してもよい。
ＡＶＯＭＣ４１００は、候補車両制御アクションから車両制御アクションを識別してもよ
く、車両制御アクションに従って車両交通ネットワークを横断するために、車両を制御し
てもよく、又は識別された車両制御アクションを別の車両制御装置に提供してもよい。
車両制御アクションは、車両制御アクション又は操縦、例えば、車両交通ネットワーク
の一部を横断することと併せて自律走行車によって行われ得る、車両の加速、減速又は停
止等による車両の運動状態の制御、車両のステアリング又は旋回停止等による車両の方向
状態の制御、又は任意の他の車両動作若しくは車両動作の組み合わせを示してもよい。
例えば、「停止」車両制御アクションは、車両を停止させるか、又は他のやり方で静止
状態になるか若しくは静止状態を維持するように車両を制御するように、運動制御ユニッ
ト、軌道制御ユニット、又は制御ユニットの組み合わせを制御することによって、車両交
通ネットワーク又はその一部を横断するように車両を制御することを含み得る。「譲る／
停止」車両制御アクションは、車両を減速させるか、又はその他のやり方で定義された法
定速度制限より低い又は以下であり得る定義された閾値又は範囲内の速度で移動するよう
に車両を制御するように、運動制御ユニット、軌道制御ユニット、又は制御ユニットの組
み合わせを制御することによって、車両交通ネットワーク又はその一部を横断するように
車両を制御することを含み得る。「方向調整」車両制御アクションは、定義された通行権
境界線パラメータ内における遮蔽、外部オブジェクト、又はその両方に対して車両の方向
を変更するように、運動制御ユニット、軌道制御ユニット、又は制御ユニットの組み合わ
せを制御することによって、車両交通ネットワーク又はその一部を横断するように車両を
制御することを含んでもよい。「加速」車両制御アクションは、定義された加速率で、又
は定義された範囲内の加速率で加速するように、運動制御ユニット、軌道制御ユニット、
又は制御ユニットの組み合わせを制御することによって、車両交通ネットワーク又はその
一部を横断するように車両を制御することを含んでもよい。「減速」車両制御アクション
は、定義された減速率で、又は定義された範囲内の減速率で減速するように、運動制御ユ
ニット、軌道制御ユニット、又は制御ユニットの組み合わせを制御することによって、車
両交通ネットワーク又はその一部を横断するように車両を制御することを含んでもよい。
「維持」車両制御アクションは、現在の速度、現在の経路若しくはルート、又は現在の車
線方向を維持すること等により現在の動作パラメータを維持するように、運動制御ユニッ
ト、軌道制御ユニット、又は制御ユニットの組み合わせを制御することによって、車両交
通ネットワーク又はその一部を横断するように車両を制御することを含んでもよい。「進
行」車両制御アクションは、以前の識別された動作パラメータのセットを開始又は再開す
るように、運動制御ユニット、軌道制御ユニット、又は制御ユニットの組み合わせを制御
することによって、車両交通ネットワーク又はその一部を横断するように車両を制御する
ことを含んでもよい。いくつかの車両制御アクションが本明細書に記載されているが、他
の車両制御アクションが使用されてもよい。
車両制御アクションは、１つ以上の性能メトリックを含んでもよい。例えば、「停止」
車両制御アクションは、性能メトリックとして減速度を含んでもよい。別の例では、「進
行」車両制御アクションは、性能メトリックとして経路若しくは道情報、速度情報、加速
度又はこれらの組み合わせを明示的に示してもよく、又は現在若しくは過去の識別された
経路、速度、加速度又はこれらの組み合わせが維持され得ることを明示的又は暗示的に示
してもよい。車両制御アクションは、複合車両制御アクションであってもよく、これは車
両制御アクションのシーケンス、組み合わせ又は両方を含んでもよい。例えば、「方向調
整」車両制御アクションは、「停止」車両制御アクション、定義された加速度に関連付け
られる後続の「加速」車両制御アクション、及び定義された減速度に関連付けられる後続
の「停止」車両制御アクションを示してもよく、それによって「方向調整」車両制御アク
ションに従う自律走行車の制御は、数インチ又はフィート等の短距離だけゆっくりと前進
するように自律走行車を制御することを含む。
ＡＶＯＭＣ４１００は、ＳＳＯＣＥＭ４３００のインスタンスを非インスタンス化して
もよい。例えば、ＡＶＯＭＣ４１００は、自律走行車に関する個別の車両動作シナリオを
示すように動作条件の個別集合を識別し、個別の車両動作シナリオに関するＳＳＯＣＥＭ
モジュール４３００のインスタンスをインスタンス化し、動作条件を監視し、その後で１
つ以上の動作条件は満了している又は定義された閾値より低い自律走行車の動作に影響を
及ぼす可能性を有することを決定し、ＡＶＯＭＣ４１００は、ＳＳＯＣＥＭ４３００のイ
ンスタンスを非インスタンス化してもよい。
ＡＶＯＭＣ４１００は、危急メトリック、緊急性メトリック、ユーティリティメトリッ
ク、許容性メトリック、又はそれらの組み合わせ等の１つ以上の車両動作管理制御メトリ
ックに基づいて、ＳＳＯＣＥＭ４３００のインスタンスをインスタンス化及び非インスタ
ンス化してもよい。危急メトリックは、車両が、車両の現在の位置から、識別された各車
両動作シナリオに対応する車両交通ネットワークの一部へと車両交通ネットワークを横断
するための、空間的、時間的、又は時空的な距離又は近接性を示し、それを表し、又はそ
れに基づいてもよい。緊急度メトリックは、識別された各車両動作シナリオに対応する車
両交通ネットワークの一部を横断するように車両を制御するために利用可能な空間的、時
間的、又は時空的距離の測定値を示し、それを表し、又はそれに基づいてもよい。ユーテ
ィリティメトリックは、識別された各車両動作シナリオに対応するＳＳＯＣＥＭ４３００
のインスタンスをインスタンス化する予測値を示し、表し、又はそれに基づいてもよい。
許容性メトリックは、例えば、衝突回避を示すメトリック等の安全メトリック、車両交通
ネットワークの規則及び規定への遵守を示すメトリック等の車両交通ネットワーク制御遵
守メトリック、車両の最大制動能力を示すメトリック等の物理能力メトリック、ユーザの
好み等のユーザ定義メトリックであってもよい。他のメトリック又はメトリックの組み合
わせを使用してもよい。車両動作管理制御メトリックは、定義された比率、範囲又は制限
を示してもよい。例えば、許容性メトリックは、定義された目標減速率、定義された減速
率の範囲、又は定義された最大減速率を示してもよい。
ＳＳＯＣＥＭ４３００は、それぞれ個別の車両動作シナリオの１つ以上のモデルを含ん
でもよい。自律走行車動作管理システム４０００は、任意の数のＳＳＯＣＥＭ４３００を
含んでもよく、各ＳＳＯＣＥＭは、それぞれ個別の車両動作シナリオのモデルを含む。Ｓ
ＳＯＣＥＭ４３００は、１つ以上のタイプのモデルからの１つ以上のモデルを含んでもよ
い。例えば、ＳＳＯＣＥＭ４３００は、部分観測マルコフ決定過程（ＰＯＭＤＰ）モデル
、マルコフ決定過程（ＭＤＰ）モデル、古典的プランニングモデル、部分観測確率ゲーム
（ＰＯＳＧ）モデル、分散部分観測マルコフ決定過程（Ｄｅｃ－ＰＯＭＤＰ）モデル、強
化学習（ＲＬ）モデル、人工ニューラルネットワークモデル、又はそれぞれ個別の車両動
作シナリオの任意の他のモデルを含んでもよい。それぞれの異なるタイプのモデルは、精
度及びリソース使用率に関してそれぞれの特性を有してもよい。例えば、定義されたシナ
リオに関するＰＯＭＤＰモデルは、定義されたシナリオに関するＭＤＰモデルよりも精度
とリソース使用率が高くなり得る。ＳＳＯＣＥＭ４３００に含まれるモデルは、精度等に
基づいて、例えば階層的に、順序付けられてもよい。例えば、ＳＳＯＣＥＭ４３００に含
まれる最も精度の高いモデル等の指定モデルが、ＳＳＯＣＥＭ４３００に関する一次モデ
ルとして識別されてもよく、ＳＳＯＣＥＭ４３００に含まれる他のモデルが二次モデルと
して識別されてもよい。
一例では、１つ以上のＳＳＯＣＥＭ４３００は、単一エージェントモデルであり得るＰ
ＯＭＤＰモデルを含んでもよい。ＰＯＭＤＰモデルは、状態の集合（Ｓ）、アクションの
集合（Ａ）、観測の集合（Ω）、状態遷移確率の集合（Ｔ）、条件付き観測確率の集合（
Ｏ）、報酬関数（Ｒ）、又はこれらの組み合わせを使用して、モデル化の不確実性を含む
、個別の車両動作シナリオをモデル化してもよい。ＰＯＭＤＰモデルは、タプル＜Ｓ，Ａ
，Ω、Ｔ，Ｏ，Ｒ＞として定義又は記述されてもよい。
状態の集合（Ｓ）からの１つの状態は、離散的な時間的位置における自律走行車の動作
に確率的に影響を与え得る自律走行車の動作環境の、外部オブジェクト及び交通制御装置
等のそれぞれ定義された側面の個別の状態を表してもよい。状態の各集合（Ｓ）は、個別
の車両動作シナリオの各々に関して定義されてもよい。状態の集合（Ｓ）からの各状態（
状態空間）は、１つ以上の定義された状態係数を含んでもよい。本明細書にはいくつかの
モデルのための状態係数のいくつかの例が記載されているが、本明細書に記載されている
任意のモデルを含むモデルは、任意の数又は濃度の状態係数を含んでもよい。各状態係数
は、各シナリオの定義された側面を表してもよく、定義された各値の集合を有してもよい
。本明細書にはいくつかの状態係数のための状態係数値のいくつかの例が記載されている
が、本明細書に記載される任意の状態係数を含む状態係数は、任意の数又は濃度の値を含
んでもよい。
アクションの集合（Ａ）からの１つのアクションは、状態の集合（Ｓ）における各状態
で利用可能な車両制御アクションを示してもよい。アクションの各集合は、個別の車両動
作シナリオの各々に関して定義されてもよい。アクションの集合（Ａ）からの各アクショ
ン（アクション空間）は、１つ以上の定義されたアクション係数を含んでもよい。本明細
書にはいくつかのモデルのためのアクション係数のいくつかの例が記載されているが、本
明細書に記載されている任意のモデルを含むモデルは、任意の数又は濃度のアクション係
数を含んでもよい。各アクション係数は、利用可能な車両制御アクションを表してもよく
、定義された各値の集合を有してもよい。本明細書にはいくつかのアクション係数のため
のアクション係数値のいくつかの例が記載されているが、本明細書に記載される任意のア
クション係数を含むアクション係数は、任意の数又は濃度の値を含んでもよい。
観測の集合（Ω）からの１つの観測は、状態の集合（Ｓ）からの各状態についての利用
可能な観測可能な、測定可能な又は決定可能なデータを示してもよい。観測の各集合は、
個別の車両動作シナリオの各々に関して定義されてもよい。観測の集合（Ω）からの各観
測（観測空間）は、１つ以上の定義された観測係数を含んでもよい。本明細書にはいくつ
かのモデルのための観測係数のいくつかの例が記載されているが、本明細書に記載されて
いる任意のモデルを含むモデルは、任意の数又は濃度の観測係数を含んでもよい。各観測
係数は、利用可能な観測を表してもよく、定義された各値の集合を有してもよい。本明細
書にはいくつかの観測係数のための観測係数値のいくつかの例が記載されているが、本明
細書に記載される任意の観測係数を含む観測係数は、任意の数又は濃度の値を含んでもよ
い。
状態遷移確率の集合（Ｔ）からの１つの状態遷移確率は、Ｔ：Ｓ×Ａ×Ｓ→［０、１］
として表され得るアクションの集合（Ａ）によって表される自律走行車のアクションに応
答して、状態の集合（Ｓ）によって表される自律走行車の動作環境への変化を確率的に表
してもよい。状態遷移確率の各集合（Ｔ）は、各個別の車両動作シナリオに対して定義さ
れてもよい。本明細書にはいくつかのモデルのための状態遷移確率のいくつかの例が記載
されているが、本明細書に記載されている任意のモデルを含むモデルは、任意の数又は濃
度の状態遷移確率を含んでもよい。例えば、状態、アクション、及び後続の状態の各組合
せは、各状態遷移確率に関連付けられてもよい。
条件付き観測確率の集合（Ｏ）からの１つの条件付き観測確率は、Ｏ：Ａ×Ｓ×Ω→［
０、１］で表され得るアクションの集合（Ａ）で表される自律走行車のアクションに応じ
て、状態の集合（Ｓ）で表される自律走行車の動作環境に基づいて、各観測（Ω）を行う
確率を表してもよい。条件付き観測確率の各集合（Ｏ）は、各個別の車両動作シナリオに
対して定義されてもよい。本明細書にはいくつかのモデルのための条件付き観測確率のい
くつかの例が記載されているが、本明細書に記載されている任意のモデルを含むモデルは
、任意の数又は濃度の条件付き観測確率を含んでもよい。例えば、アクション、後続の状
態及び観測の各組合せは、各状態付き観測確率に関連付けられてもよい。
報酬関数（Ｒ）は、状態及びアクションの各組み合わせに関して獲得され得るそれぞれ
正又は負の（コスト）値を決定してもよく、これは対応する車両制御アクションに従って
対応する状態から自律走行車が後続の状態に車両交通ネットワークを横断する予測値を表
してもよく、これはＲ：Ｓ×Ａ→Ｒと表されてもよい。
簡潔及び明確化のために、本明細書に記載される状態係数値又は観測係数値等のモデル
の値の例は、｛ｓｔａｒｔ，ｇｏａｌ｝又は｛ｓｈｏｒｔ，ｌｏｎｇ｝等のカテゴリ表現
を含む。カテゴリ値は、定義された離散値を表してもよく、相対値であってもよい。例え
ば、時間的側面を表す状態係数は、集合｛ｓｈｏｒｔ，ｌｏｎｇ｝からの値を有してもよ
く、値“ｓｈｏｒｔ”は、例えば３秒等の定義された閾値内の又はそれ未満の時間距離等
の離散値を表してもよく、値“ｌｏｎｇ”は、少なくとも定義された閾値と等しい又はそ
れを超える時間距離等の離散値を表してもよい。それぞれのカテゴリ値について定義され
た閾値は、関連付けられた係数に関連して定義されてもよい。例えば、時間係数について
の集合｛ｓｈｏｒｔ，ｌｏｎｇ｝に対する定義された閾値は、相対的な空間的位置係数値
に関連付けられてもよく、時間係数についての集合｛ｓｈｏｒｔ，ｌｏｎｇ｝に対する別
の定義された閾値は、別の相対的な空間的位置係数値に関連付けられてもよい。本明細書
には係数値のカテゴリ表現が記載されているが、他の表現又は表現の組み合わせを使用し
てもよい。例えば、時間状態係数値の集合は、｛ｓｈｏｒｔ（３秒未満の値を表す）、４
、５、６、ｌｏｎｇ（少なくとも７秒の値を表す）｝であってもよい。
ＰＯＭＤＰモデルを実装する実施形態等のいくつかの実施形態では、自律走行車動作制
御シナリオをモデル化することは、遮蔽をモデル化することを含んでもよい。例えば、動
作環境データは、自律走行車の動作環境において、センサ遮蔽等の１つ以上の遮蔽に対応
する情報を含んでもよく、それにより動作環境データは、自律走行車の動作環境において
遮蔽された１つ以上の外部オブジェクトを表す情報を省略してもよい。例えば、遮蔽は、
定義された時空的位置において自律走行車から外部オブジェクト等の１つ以上の他の動作
条件を遮蔽することが可能な、交通標識、建物、木、識別された外部オブジェクト、任意
の他の動作条件又は動作条件の組み合わせ等の外部オブジェクトであってもよい。いくつ
かの実施形態では、動作環境モニタ４２００は、遮蔽を識別してもよく、識別された遮蔽
によって外部オブジェクトが遮蔽される又は隠される確率を識別又は決定してもよく、Ａ
ＶＯＭＣ４１００に出力され、ＡＶＯＭＣ４１００によって、各ＳＳＯＣＥＭ４３００へ
と伝達される動作環境データにおける遮蔽された車両確率情報を含んでもよい。
自律走行車の動作管理システム４０００は、任意の数又は組み合わせのモデルのタイプ
を含んでもよい。例えば、歩行者ＳＳＯＣＥＭ４３１０、交差点ＳＳＯＣＥＭ４３２０、
車線変更ＳＳＯＣＥＭ４３３０、合流ＳＳＯＣＥＭ４３４０、及び障害物通過ＳＳＯＣＥ
Ｍ４３５０は、ＰＯＭＤＰモデルであってもよい。別の例では、歩行者ＳＳＯＣＥＭ４３
１０はＭＤＰモデルであってもよく、交差点ＳＳＯＣＥＭ４３２０はＰＯＭＤＰモデルで
あってもよい。ＡＶＯＭＣ４１００は、動作環境データに基づいてＳＳＯＣＥＭ４３００
の任意の数のインスタンスをインスタンス化してもよい。
ＳＳＯＣＥＭ４３００インスタンスをインスタンス化することは、ＳＳＯＣＥＭ４３０
０からモデルを識別すること、及び識別されたモデルのインスタンスをインスタンス化す
ることを含んでもよい。例えば、ＳＳＯＣＥＭ４３００は、それぞれの個別の車両動作シ
ナリオのための一次モデル及び二次モデルを含んでもよく、ＳＳＯＣＥＭ４３００をイン
スタンス化することは、一次モデルを現在のモデルとして識別し、一次モデルのインスタ
ンスをインスタンス化することを含んでもよい。モデルのインスタンス化には、モデルに
関してソリューション又はポリシーが使用可能かどうかを決定することが含まれてもよい
。モデルのインスタンス化には、モデルに関して利用可能なソリューション又はポリシー
が部分的に解決されているか、又は収束して解決されているかを決定することが含まれて
もよい。ＳＳＯＣＥＭ４３００をインスタンス化することは、ＳＳＯＣＥＭ４３００につ
いて識別されたモデルに関するソリューション又はポリシーのインスタンスをインスタン
ス化することを含んでもよい。
ＰＯＭＤＰモデル等のモデルを解決することは、モデルを定義する＜Ｓ，Ａ，Ω、Ｔ，
Ｏ，Ｒ＞等のタプルの要素の可能な組み合わせを評価することによって決定され得る、累
積報酬を最大化する関数であり得るポリシー又はソリューションを決定することを含んで
もよい。ポリシー又はソリューションは、識別された信頼状態データに基づいて、報酬が
最大化された、又は最適な候補車両制御アクションを識別又は出力してもよい。識別され
た信頼状態データは、確率的であってもよく、各モデルに対する現在の状態値の集合、又
は現在の状態値の集合に対する確率等の現在の状態データを示してもよく、各相対的時間
位置に対応してもよい。例えば、ＭＤＰモデルの解決には、状態の集合（Ｓ）からの状態
の識別、アクションの集合（Ａ）からのアクションの識別、状態遷移確率に従うアクショ
ンをシミュレートした後における状態の集合（Ｓ）からの後続又は継承の状態の決定が含
まれてもよい。各状態は、対応する効用値に関連付けられてもよく、ＭＤＰモデルを解決
することは、状態、アクション、及び後続の状態のそれぞれの可能な組み合わせに対応す
るそれぞれの効用値を決定することを含んでもよい。後続の状態の効用値は、報酬又はペ
ナルティの対象となる識別された最大の効用値として識別されてもよく、これは割引され
た報酬又はペナルティであり得る。ポリシーは、それぞれの状態に対する最大効用値に対
応するアクションを示してもよい。ＰＯＭＤＰモデルを解くことは、それぞれの状態に対
する確率を表し、それぞれの状態に対する観測の生成に対応する観測確率に従って、信頼
状態に基づくことを除いて、ＭＤＰモデルを解くことと同様であり得る。したがって、Ｓ
ＳＯＣＥＭモデルの解決には、可能な状態－アクション－状態遷移の評価と、ベイズ規則
の使用等、それぞれのアクションと観測に基づいたそれぞれの信頼状態の更新が含まれる
。
図５は、本開示の実施形態による自律走行車の動作管理５０００の例のフロー図である
。自律走行車の動作管理５０００は、図１に示される車両１０００、図２に示される車両
２１００／２１１０、半自律走行車、又は自律走行を実装する任意の他の車両等の自律走
行車において実装されてもよい。例えば、自律走行車は、図４に示される自律走行車の動
作管理システム４０００等の自律走行車の動作管理システムを実装してもよい。
図５に示すように、自律走行車動作管理５０００は、自律走行車動作管理システムを実
装する又は動作させることを含み、自律走行車動作管理システムは、その１つ以上のモジ
ュール又はコンポーネントを含み、これは、例えば図４に示すＡＶＯＭＣ４１００等の自
律走行車動作管理コントローラ（ＡＶＯＭＣ）５１００を動作させること、図４に示され
る１つ以上の動作環境モニタ４２２０，４２３０，４２４０，４２５０，４２６０，４２
７０等の動作環境モニタ５２００を動作させること、及び図４に示されるＳＳＯＣＥＭ４
３００のインスタンス等のシナリオ固有の動作制御評価モジュールインスタンス（ＳＳＯ
ＣＥＭインスタンス）５３００を動作させることを含んでもよい。
工程５１１０において、ＡＶＯＭＣ５１００は、自律走行車の動作環境又はその定義さ
れた側面を監視して、自律走行車の動作環境又はその側面を識別してもよい。例えば、動
作環境モニタ５２００は、動作環境のシナリオ固有の側面を監視し、動作環境を表す動作
環境データをＡＶＯＭＣ５１００に送信してもよい。自律走行車の動作環境を監視するこ
とは、工程５１１０で外部オブジェクトを識別及び追跡すること、工程５１２０で個別の
車両動作シナリオを識別すること、又はこれらの組み合わせを含んでもよい。例えば、Ａ
ＶＯＭＣ５１００、動作環境モニタ５２００、又はその両方は、センサデータ、車両デー
タ、経路データ、車両交通ネットワークデータ、以前に識別された動作環境データ、又は
動作環境の１つ以上の態様を記述する任意の他の利用可能なデータ、又はデータの組み合
わせに基づいて、動作環境データを識別してもよい。
動作環境を識別することは、動作環境を表す動作環境データを識別すること、又はその
１つ以上の側面を識別することを含んでもよい。動作環境データは、自律走行車に関する
車両情報、自律走行車に近接している車両交通ネットワーク又はその１つ以上の側面を表
す情報、自律走行車に関して識別された経路に沿った又は近接した自律走行車の動作環境
内の外部オブジェクト又はその１つ以上の側面を表す情報、又はこれらの組み合わせを含
んでもよい。センサ情報は、自律走行車のセンサ情報処理装置から処理されたセンサ情報
等の処理されたセンサ情報であってもよく、これは自律走行車のセンサからセンサ情報を
受信してもよく、センサ情報に基づいて処理されたセンサ情報を生成してもよい。
動作環境データを識別することは、図１に示されるセンサ１３６０又は図２に示される
車載センサ２１０５等の自律走行車のセンサから動作環境の１つ以上の側面を示す情報を
受信することを含んでもよい。自律走行車のセンサ又は別の装置は、自律走行車の図１に
示されるメモリ１３４０等のメモリにセンサ情報を記憶してもよく、ＡＶＯＭＣ５１００
はメモリからセンサ情報を読み取ってもよい。
動作環境データを識別することは、車両交通ネットワークデータから動作環境の１つ以
上の側面を示す情報を識別することを含んでもよい。例えば、ＡＶＯＭＣ５１００は、自
律走行車が交差点に接近していることを示す、又は他のやり方で自律走行車から３００メ
ートル以内等の自律走行車に近接している車両交通ネットワークの形状又は構成を記述す
る車両交通ネットワークデータを読み取り又は他のやり方で受信してもよい。
工程５１１０で動作環境データを識別することは、遠隔車両又は自律走行車の外部の他
の遠隔装置から動作環境の１つ以上の側面を示す情報を識別することを含んでもよい。例
えば、自律走行車は、無線電子通信リンクを介して、遠隔車両から、遠隔車両に関する遠
隔車両地理空間状態情報、遠隔車両運動状態情報又は両方を示す遠隔車両情報を含む遠隔
車両メッセージを受信してもよい。
動作環境データを識別することは、自律走行車について識別された経路を表す経路デー
タから動作環境の１つ以上の側面を示す情報を識別することを含んでもよい。例えば、Ａ
ＶＯＭＣ５１００は、ユーザ入力に応答して識別された経路等、自律走行車について識別
された経路を表す車両交通ネットワークデータを読み取り又は他のやり方で受信してもよ
い。
ＡＶＯＭＣ５１００及び動作環境モニタ５２００は、工程５１１０、５１１２及び５２
１０に示すように、動作環境データを識別するために通信してもよい。代替的又は追加的
に、動作環境モニタ５２００は、自律走行車のセンサ等の自律走行車の別のコンポーネン
トから、又は別の動作環境モニタ５２００から、動作環境データを受信してもよく、又は
動作環境モニタ５２００は、自律走行車のメモリから動作環境データを読み出してもよい
。
ＡＶＯＭＣ５１００は、例えば、工程５１２０で識別された動作環境データによって表
される動作環境の１つ以上の側面に基づいて、工程５１１０において、１つ以上の個別の
車両動作シナリオを検出又は識別してもよい。
ＡＶＯＭＣ５１００は、例えば、工程５１２０において個別の車両動作シナリオを識別
することに応答して、工程５１３０において動作環境データによって表される動作環境の
１つ以上の態様に基づいてＳＳＯＣＥＭインスタンス５３００をインスタンス化してもよ
い。図５には１つのＳＳＯＣＥＭインスタンス５３００が示されているが、ＡＶＯＭＣ５
１００は、複数のＳＳＯＣＥＭインスタンス５３００を、工程５１１０で識別された動作
環境データによって表される動作環境の１つ以上の側面に基づいてインスタンス化しても
よく、各ＳＳＯＣＥＭインスタンス５３００は、工程５１２０で検出されたそれぞれの個
別の車両動作シナリオ、又は工程５１１０で識別された個別の外部オブジェクトと工程５
１２０で検出されたそれぞれの個別の車両動作シナリオとの組み合わせに対応する。工程
５１３０において、ＳＳＯＣＥＭインスタンス５３００をインスタンス化することは、工
程５１３２で示されるように自律走行車に関する動作環境を表す動作環境データをＳＳＯ
ＣＥＭインスタンス５３００に送信することを含んでもよい。ＳＳＯＣＥＭインスタンス
５３００は、工程５３１０において、自律走行車に関する動作環境又はその１つ以上の側
面を表す動作環境データを受信してもよい。工程５１３０でＳＳＯＣＥＭインスタンス５
３００をインスタンス化することは、個別の車両動作シナリオの一次モデル又は二次モデ
ル等のモデルを識別すること、モデルのインスタンスをインスタンス化すること、モデル
に対応するソリューション又はポリシーを識別すること、ソリューション又はポリシーの
インスタンスをインスタンス化すること、又はそれらの組み合わせを含んでもよい。
動作環境モニタ５２００は、図４に示すブロックモニタ４２１０等のブロックモニタを
含んでもよく、これは、工程５２２０において、自律走行車に近接する車両交通ネットワ
ークの一部等の車両交通ネットワークの１つ以上の部分に関する各可用性確率（ｐｒｏｂ
ａｂｉｌｉｔｙ ｏｆ ａｖａｉｌａｂｉｌｉｔｙ；ＰＯＡ）又は対応するブロック可能
性を決定してもよく、部分は自律走行車の現在の経路に基づいて識別される予測経路等の
自律走行車の予測経路に対応する車両交通ネットワークの一部を含んでもよい。ブロック
モニタは、工程５２２０で識別された可用性確率を、工程５２２２においてＳＳＯＣＥＭ
インスタンス５３００に送信してもよい。代替的に又は追加的に、ブロックモニタは、自
律走行車のメモリに工程５２２０において識別された可用性確率を記憶してもよい。図５
には明示されていないが、ブロックモニタは、ＳＳＯＣＥＭインスタンス５３００に可用
性確率を送信することに加えて又はその代わりに、工程５２２２において、ＡＶＯＭＣ５
１００に工程５２２０において識別された可用性確率を送信してもよい。ＳＳＯＣＥＭイ
ンスタンス５３００は、工程５３２０において可用性確率を受信してもよい。
ＳＳＯＣＥＭインスタンス５３００は、工程５３３０において、候補車両制御アクショ
ンを生成又は識別してもよい。例えば、ＳＳＯＣＥＭインスタンス５３００は、工程５３
１０における動作環境データの受信、工程５３２０における可用性確率データの受信、又
はその両方に応答して、工程５３３０において、候補車両制御アクションを生成又は識別
してもよい。例えば、個別の車両動作シナリオのモデルのために工程５３１０でインスタ
ンス化されたソリューション又はポリシーのインスタンスは、動作環境データ、可用性確
率データ、又はその両方に基づいて、候補車両制御アクションを出力し得る。ＳＳＯＣＥ
Ｍインスタンス５３００は、工程５３３０で識別された候補車両制御アクションを工程５
３３２でＡＶＯＭＣ５１００に送信してもよい。代替的に又は追加的に、ＳＳＯＣＥＭイ
ンスタンス５３００は、自律走行車のメモリに工程５３３０において識別された候補車両
制御アクションを記憶してもよい。
ＡＶＯＭＣ５１００は、ステップ５１４０において、候補車両制御アクションを受信し
てもよい。例えば、ＡＶＯＭＣ５１００は、工程５１４０において、ＳＳＯＣＥＭインス
タンス５３００から候補車両制御アクションを受信してもよい。代替的に又は追加的に、
ＡＶＯＭＣ５１００は、自律走行車のメモリから候補車両制御アクションを読み取っても
よい。
ＡＶＯＭＣ５１００は、工程５１５０において、候補車両制御アクションを承認し、又
は他のやり方で車両交通ネットワークを横断するように自律走行車を制御するための車両
制御アクションとして候補車両制御アクションを識別してもよい。工程５１５０において
候補車両制御アクションを承認することは、候補車両制御アクションに従って車両交通ネ
ットワークの一部を横断するべきかどうかを決定することを含んでもよい。
ＡＶＯＭＣ５１００は、工程５１５０において識別された車両制御アクションに従って
、工程５１６０において、車両交通ネットワーク又はその一部を横断するように自律走行
車を制御し又は別の車両装置に識別された車両制御アクションを提供してもよい。
ＡＶＯＭＣ５１００は、工程５１７０で自律走行車の動作環境又はその側面を識別して
もよい。工程５１７０において動作環境又はその側面を識別することは、工程５１１０に
おいて自律走行車の動作環境を識別することに類似していてもよく、以前に識別された動
作環境データを更新することを含んでもよい。
ＡＶＯＭＣ５１００は、工程５１８０において、個別の車両動作シナリオが解決された
か又は解決されていないかを決定又は検出してもよい。例えば、ＡＶＯＭＣ５１００は、
上記のように、連続的に又は周期的に動作環境情報を受信してもよい。ＡＶＯＭＣ５１０
０は、動作環境データを評価して、個別の車両動作シナリオが解決たかどうかを決定して
もよい。
ＡＶＯＭＣ５１００は、工程５１８０においてＳＳＯＣＥＭインスタンス５３００に対
応する個別の車両動作シナリオが解決されていないことを決定してもよく、ＡＶＯＭＣ５
１００は、工程５１７０において識別された動作環境データを工程５１８５において示さ
れたＳＳＯＣＥＭインスタンス５３００に送信してもよく、工程５１８０においてＳＳＯ
ＣＥＭインスタンス５３００を非インスタンス化することが省略されるか又は異なっても
よい。
ＡＶＯＭＣ５１００は、工程５１８０において、個別の車両動作シナリオが解決されて
いることを決定してもよく、工程５１８０において解決されると決定された個別の車両動
作シナリオに対応するＳＳＯＣＥＭインスタンス５３００を、工程５１９０において非イ
ンスタンス化してもよい。例えば、ＡＶＯＭＣ５１００は、工程５１２０において、自律
走行車に関する個別の車両動作シナリオを形成する動作条件の個別集合を識別してもよく
、工程５１８０において、１つ以上の動作条件が満了した又は定義された閾値を下回る自
律走行車の動作に影響を及ぼす確率を有することを決定してもよく、対応するＳＳＯＣＥ
Ｍインスタンス５３００を非インスタンス化してもよい。
図５には明示されていないが、ＡＶＯＭＣ５１００は、工程５１８０において個別の車
両動作シナリオが解決されたかどうかを決定することが個別の車両動作シナリオが解決さ
れたこと決定することを含むまで、工程５１７０において、動作環境データを識別又は更
新すること、工程５１８０において、個別の車両動作シナリオが解決されたかどうかを決
定すること、及び工程５１８０において個別の車両動作シナリオが未解決であるという決
定に応答して、工程５１８５において示されたＳＳＯＣＥＭインスタンス５３００に工程
５１７０において識別された動作環境データを送信することを連続的に又は周期的に反復
してもよい。
図６は、本開示の実施形態による通行権曖昧性を有する交差点シナリオを含む車両交通
ネットワークの交差点シーン６０００部分の一例を示す図である。自律走行車動作管理は
、自律走行車６１００、例えば、図１に示す車両１０００、図２に示す車両２１００／２
１１０の１つ、半自律走行車、又は図４に示す自律走行車動作管理システム４０００又は
図５に示す自律走行車動作管理システム５０００のような自律走行車動作管理システムを
動作させる自律走行を実装する任意の他の車両を含んでもよく、これは、自律走行車６１
００が第１の道路６２００に沿って第２の道路６４００との交差点６３００に接近する車
両交通ネットワークの一部を横断すること（交差点シナリオ）を含む自律走行車動作管理
シナリオのモデルを含んでもよい。簡潔及び明確のため、図６に示される交差点シーン６
０００に対応する車両交通ネットワークの一部は、上側が北で右側が東の方位である。
遠隔車両６５００は、第２の道路６４００内を西方向に横断するように示されている。
遠隔車両６５００の現在の軌道６５１０は、実線の方向線を用いて示されている。第１の
道路６２００は、交差点６３００に近接する停止線６２１０を含んでもよい。他の交差点
の構成を使用してもよい。例えば、停止線６２１０を省略してもよい。
自律走行車６１００の自律走行車動作管理システムは、図４に示す交差点モニタ４２３
０のような交差点モニタを動作させてもよく、これは交差点モニタのインスタンス化を含
んでもよい。交差点モニタは、自律走行車６１００について識別された経路に対応する部
分、自律走行車６１００に空間的に近接する部分、又は自律走行車６１００についての予
測経路６１１０、又はそれらの組み合わせ等、車両交通ネットワークの一部を表す、地図
データ、センサデータ、又はそれらの組み合わせ等の車両交通ネットワークデータを処理
又は評価し得る。交差点モニタは、自律走行車６１００の動作環境又はその一側面を表す
動作環境情報を識別又は生成してもよく、これは、センサ情報を遠隔車両６５００に関連
付けることを含んでもよく、動作環境情報を出力することを含んでもよく、これは自律走
行車動作管理コントローラに対して交差点シナリオを識別する情報を含んでもよい。
自律走行車動作管理コントローラは、例えば、交差点モニタによって出力される動作環
境情報を含み得る動作環境情報によって表される動作環境に基づいて、交差点シナリオを
検出又は識別し得る。自律走行車動作管理コントローラは、交差点シナリオを検出又は識
別することに応答して、１つ以上の交差点ＳＳＯＣＥＭインスタンスをインスタンス化し
、又は交差点ＳＳＯＣＥＭインスタンスに動作環境情報を送信するか、又は他のやり方で
利用可能にし得る。追加的又は代替的に、自律走行車動作管理コントローラは、交差点シ
ナリオの検出又は識別に応答して、新しい又は更新された動作環境情報等の動作環境情報
を、以前にインスタンス化された若しくは動作中の１つ以上の交差点ＳＳＯＣＥＭインス
タンスに送信するか、又は他のやり方で利用可能にし得る。
交差点ＳＳＯＣＥＭインスタンスをインスタンス化又は更新することは、センサ情報又
は可用性確率等の動作環境情報又はその一部を又はそれぞれの交差点ＳＳＯＣＥＭインス
タンスに提供すること、例えば、動作環境情報又はその一部をそれぞれの交差点ＳＳＯＣ
ＥＭインスタンスに送信すること、又はそれぞれの交差点ＳＳＯＣＥＭインスタンスによ
るアクセスのために、動作環境情報又はその一部を記憶することを含んでもよい。それぞ
れの交差点ＳＳＯＣＥＭインスタンスは、交差点シナリオに対応する動作環境情報を受信
するか、又は他のやり方でアクセスし得る。
交差点ＳＳＯＣＥＭは、交差点シナリオのＰＯＭＤＰモデル等の交差点シナリオのモデ
ルを含んでもよい。交差点シナリオのＰＯＭＤＰモデルは、状態の集合（Ｓ）、アクショ
ンの集合（Ａ）、観測の集合（Ω）、状態遷移確率の集合（Ｔ）、条件付き観測確率の集
合（Ｏ）、報酬関数（Ｒ）、又はそれらの組み合わせを定義してもよく、これらはタプル
＜Ｓ，Ａ，Ω、Ｔ，Ｏ，Ｒ＞として表現し得る。個別の交差点車両動作シナリオのＰＯＭ
ＤＰモデルは、知覚の不確実性、挙動の不確実性、又はそれらの組み合わせを含み得るモ
デルの不確実性を有し得る。知覚の不確実性のモデル化は、センサの不確実性のモデル化
、遠隔車両が存在しない場合に遠隔車両を不正確に識別する等の遠隔車両識別の誤検出の
確率のモデル化、遠隔車両が存在する場合に遠隔車両が存在しないことを不正確に識別す
る等の遠隔車両識別の検出漏れの確率のモデル化、又はその組み合わせを含んでもよい。
挙動の不確実性のモデル化は、遠隔車両アクションのそれぞれの確率をモデル化すること
を含み得る。
交差点ＳＳＯＣＥＭインスタンスをインスタンス化することは、交差点ＳＳＯＣＥＭか
ら交差点車両動作シナリオのモデルに対するソリューション又はポリシーを識別すること
を含み得る。交差点ＳＳＯＣＥＭから交差点車両動作シナリオのモデルに対するソリュー
ション又はポリシーを識別することは、交差点ＳＳＯＣＥＭモデルを解決することを含み
得る。交差点ＳＳＯＣＥＭインスタンスのインスタンス化には、ソリューション又はポリ
シーのインスタンスをインスタンス化することが含まれてもよい。
交差点ＳＳＯＣＥＭソリューションインスタンスは、モデル化された各シナリオ及び対
応する動作環境情報に基づいて、「停止」、「方向調整」、又は「進行」等の候補車両制
御アクションを生成してもよく、各候補車両制御アクションを自律走行車動作管理コント
ローラに送信すること、又は自律走行車動作管理コントローラによるアクセスのために各
候補車両制御アクションを記憶すること等によって、各候補車両制御アクションを自律走
行車動作管理コントローラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各交差点ＳＳＯＣＥＭイン
スタンスから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車
６１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクショ
ンを識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又は
その一部を横断するように自律走行車を制御し得る。
図６に示す交差点シーン６０００では、自律走行車６１００が交差点６３００に接近し
てもよい。いくつかの実装では、自律走行車６１００は、図示のように停止線６２１０に
対応し得る通行権境界位置６６１０から定義された接近距離において又はその近傍におい
て、定義された最大方向調整速度を下回る速度等の最小速度まで減速又は停止し得る。
自律走行車６１００は、車両交通ネットワークの一部を、通行権重複領域６６００とし
て識別し得る。通行権重複領域６６００は、自律走行車６１００の予測経路６１１０が第
２の道路６４００のような通行権経路と空間的に交差する車両交通ネットワークの一部を
表すことができる。通行権経路は、通行権を有する車両交通ネットワークユーザが正当に
横断し得る経路であってもよい。例えば、通行権経路は、歩行者用通路、交差点の横断道
路、合流車線、双方向道路セグメント、又は他の車両交通ネットワークユーザが自律走行
車６１００の予測経路６１１０と交差する又は異なる経路上を横断し得る車両交通ネット
ワークの任意の他の部分に６１００対応し得る。車両交通ネットワークユーザは、自律走
行車６１００、遠隔車両、又は歩行者のような車両交通ネットワークの任意の部分を横断
し得る任意のエンティティ又はオブジェクトであってもよい。
通行権重複領域６６００を識別することは、通行権境界位置６６１０を識別することを
含んでもよく、これは、自律走行車６１００の現在の位置と通行権重複領域６６００との
間で自律走行車６１００の予測経路６１１０に沿った車両交通ネットワーク内の位置であ
ってもよく、それは通行権重複領域に近接した、例えば、通行権重複領域６６００の間近
に隣接又はそこから１メートルであり、これは、自律走行車６１００が通行権重複領域６
６００に入らずに安全に横断し得る通行権重複領域６６００への自律走行車６１００に関
する予測経路６１１０に沿った車両交通ネットワーク内で最も近い位置であってもよい。
動作環境は、車両交通ネットワークの一部を含み得る遮蔽領域６７００（斜線の背景を
使って示されている）を含んでもよい。例えば、動作環境は、（図示の）木又は他の車両
のような遮蔽６７１０を含んでもよく、これは、自律走行車６１００が、遮蔽領域６７０
０（遮蔽オブジェクト）内で又は部分的にその中で、遠隔車両６５００のような１つ以上
の外部オブジェクトを遮蔽し、例えば、正確に識別、検出、又は追跡することを制限、軽
減又は防止等し得る。自律走行車６１００は、遮蔽領域６７００を識別し得る。例えば、
自律走行車６１００は、遮蔽６７１０を検出してもよく、遮蔽６７１０に基づいて遮蔽領
域６７００を識別し得る。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、遮蔽領域６７００は、遠隔車両６５００のような外部オブジェクトが遮蔽領域６７０
０内に存在することに関する不確実性を増大させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車６１００は、方向調整車両制御アクションに従って、車両交通ネットワ
ークの一部を横断し得る。方向調整車両制御アクションに従って車両交通ネットワークの
一部を横断することは、遮蔽６７１０及び車両交通ネットワークに対する自律走行車６１
００の相対的な方向を調整することによって、通行権重複領域６６００に対する通行権に
関する不確実性を低減してもよく、これは、車両動作に対する遮蔽６７１０の遮蔽効果を
低減又は排除し得る。
いくつかの実装では、方向調整車両制御アクションに従って車両交通ネットワークの一
部を横断することは、予測される後続の通行権の自律走行車６１００の方向調整モーショ
ン、及び自律走行車６１００に関する対応する予測される後続の車両制御アクション、例
えば、通行権重複領域６６００を横断する進行車両制御アクション等の記号表現を出力す
るように自律走行車６６００を制御することによって、通行権重複領域の通行権に関する
不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
自律走行車６１００の現在の位置から境界位置６６１０に向かって、毎秒２メートル等の
定義された最大方向調整速度以下等の範囲内の速度で車両交通ネットワークを横断するこ
とを含んでもよい。いくつかの実装では、自律走行車６１００は、自律走行車６１００と
通行権境界位置６６１０との間の現在の距離が定義された接近距離内にあるか否か、例え
ば、それ以下であるか否かを決定し得る。自律走行車６１００と通行権境界位置６６１０
との間の距離は、定義された接近距離内にあってもよく、自律走行車６１００は、方向調
整車両制御アクションに従って車両交通ネットワークを横断してもよい。
方向調整車両制御アクションに従って車両交通ネットワークを横断する前に、自律走行
車６１００は静止していてもよく、方向調整車両制御アクションに従って車両交通ネット
ワークを横断することは、例えば、定義された加速度プロファイルに従って、最大方向調
整速度まで加速することを含んでもよい。例えば、自律走行車６１００は、図示のように
停止線６２１０のような現在の位置で静止していてもよく、自律走行車は、現在の位置が
定義された接近距離に対応すると決定してもよく、自律走行車は、方向調整車両制御アク
ションに従って定義された最大方向調整速度まで加速してもよい。
図６には明示されていないが、方向調整車両制御アクションに従って車両交通ネットワ
ークを横断する前に、自律走行車６１００は、最大方向調整速度よりも速い速度で動作し
ていてもよく、方向調整車両制御アクションに従って車両交通ネットワークを横断するこ
とは、定義された減速プロファイルに従って最大方向調整速度まで減速することを含んで
もよい。例えば、自律走行車６１００は、停止線６２１０のような現在の位置において、
定義された最大方向調整速度よりも速い速度で動作していてもよく、自律走行車は、現在
の位置が定義された接近距離に対応すると決定してもよく、自律走行車は、方向調整車両
制御アクションに従って、定義された最大方向調整速度まで減速してもよい。
方向調整車両制御アクションに従って車両交通ネットワークを横断することは、自律走
行車６１００の現在の位置と通行権境界位置６６１０との間の距離が、予測される静止距
離以下等の範囲内であるか否かを決定することを含み得る。例えば、自律走行車６１００
は、自律走行車６１００の現在の位置と通行権境界位置６６１０との間の距離が予測され
る静止距離内にあると決定してもよく、自律走行車は、境界位置６６１０で又はその近く
に停止するように定義された減速プロファイルに従って減速することによって、車両交通
ネットワークを横断し得る。予測される静止距離は、自律走行車６１００が動作中状態か
ら静止状態に移行するための決定された距離を示してもよい。いくつかの実装では、自律
走行車は、自律走行車６１００の現在の位置が通行権境界線の位置に対応すると決定して
もよく、自律走行車は、静止（停止）するように自律走行車を制御することによって車両
交通ネットワークを横断し得る。
図６には示されていないが、方向調整車両制御アクションに従って車両交通ネットワー
クの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動
作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると決
定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部を
横断した後で、自律走行車６１００は、停止線６２１０よりも第２の道路に近接して、例
えば、通行権境界位置６６１０に近接して位置していてもよく、これは車両動作に関する
遮蔽６７１０の遮蔽効果を低減又は除去してもよく、シナリオ固有の動作制御評価モデル
ポリシーは、個別の車両動作シナリオに対する現在の信頼状態の不確実性が、定義された
不確実性閾値内にあると決定し得る。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると決定するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は停止車両制御アクションを出力し得る。例えば、自律走行車は、遠隔車両６５００が
静止しており、自律走行車に通行権があると決定し、シナリオ固有の動作制御評価モデル
ポリシーは、進行車両制御アクションを出力してもよい。別の例では、自律走行車は、遠
隔車両６５００が通行権を有するか、又は他のやり方で交差点を進行中であり、自律走行
車は現在通行権を有していないと決定してもよく、シナリオ固有の動作制御評価モデルポ
リシーは、停止車両制御アクションを出力し得る。
図７は、本開示の実施形態による方向調整車両制御アクション速度プロファイル７００
０の一例のグラフである。自律走行車動作管理は、自律走行車、例えば、図１に示す車両
１０００、図２に示す車両２１００／２１１０の１つ、図６に示す自律走行車６１００、
半自律走行車、又は図４に示す自律走行車動作管理システム４０００のような自律走行車
動作管理システムを動作させる自律走行を実装する任意の他の車両を含んでもよく、これ
は、図６に示すような遮蔽を伴う交差点シナリオを含む車両交通ネットワークの一部を自
律走行車が横断することを含む自律走行車動作制御シナリオのモデルを含んでもよい。
図７に示すグラフは、交差点に対する車両交通ネットワーク内の自律走行車の地理的位
置を表す横軸を含む。横軸の左端は、図６に示す停止線６２１０のように、定義された接
近距離に対応する。横軸に沿った左から右への移動は、自律走行車が交差点を横断するこ
とに対応する。横軸の右端は、自律走行車が交差点の横断を完了することに対応する。図
６に示す通行権境界位置６６１０に対応する位置は、縦破線７１００で図７に示されてい
る。図７に示すグラフは、自律走行車の速度を表す縦軸を含む。縦軸の下端は静止速度を
示す。最大方向調整速度は、横破線７２００で示されている。方向調整車両制御アクショ
ン速度プロファイル７０００は、太線で示されている。
自律走行車は、図６に示すような遮蔽を伴う交差点シナリオに接近してもよい。自律走
行車は、図示された車両交通ネットワークの交差点シーン部分のための個別の車両動作シ
ナリオを識別し得る。自律走行車は、個別の車両動作シナリオのシナリオ固有の動作制御
評価モデルに対するポリシーをインスタンス化してもよい。自律走行車は、図６に示され
るように、通行権境界位置から、停止線又は最小方向調整距離よりも大きい別の位置に近
接して、定義された最大方向調整速度を下回る速度等の最小速度まで停止又は減速し得る
。シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。シナ
リオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し得る。
自律走行車は、方向調整車両制御アクションに従って車両交通ネットワークの一部を横
断してもよく、これは、図７に示す速度プロファイル７０００に示されるように、自律走
行車の現在の位置から境界位置に向かって車両交通ネットワークを横断することを含んで
もよい。図７の左側に示されるように、自律走行車は、定義された接近距離（停止線）で
静止していてもよく、方向調整車両制御アクションに従って車両交通ネットワークを横断
することは、白菱形７３００で示される静止状態から白丸７４００で示される最大方向調
整速度７２００まで加速することを含んでもよい。図７は、自律走行車が７２００におい
て静止状態から加速していることを示しているが、自律走行車は、定義された接近距離（
停止線）において最大方向調整速度内で非静止速度から加速してもよく、定義された接近
距離（停止線）における最大方向調整速度であってもよく、最大方向調整速度を維持して
もよく、又は、定義された接近距離（停止線）において最大方向調整速度よりも大きい速
度であってもよく、最大方向調整速度まで減速してもよい。
自律走行車は、最大方向調整速度７２００で車両交通ネットワークの一部を横断し得る
。自律走行車は、予測される静止距離を決定してもよく、自律走行車の現在の位置と通行
権境界位置７１００との間の現在の距離が、予測される静止距離以下等の範囲内にあるか
どうかを決定し得る。自律走行車は、自律走行車の現在の位置と通行権境界位置７１００
との間の現在の距離が、予測される静止距離以下等の範囲内にあると決定してもよく、黒
菱形７５００で示すように、通行権境界位置７６００に従って、黒丸７６００に示すよう
に、静止状態まで減速してもよい。
その後、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対
する現在の信頼状態の不確実性が、定義された不確実性閾値内であることを決定し得る。
シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクションを出力し得る。
自律走行車は、進行車両制御アクションに従って車両交通ネットワークの一部を横断して
もよく、これは、黒丸７６００の右側に示されるように加速することによって、自律走行
車の現在の位置から車両交通ネットワークを横断することを含み得る。
図７には明示されていないが、自律走行車が黒丸７６００で示される位置に到達する前
に、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現
在の信頼状態の不確実性が定義された不確実性閾値内にあり、自律走行車は通行権を有す
ると決定してもよく、進行車両制御アクションを出力してもよく、自律走行車は、停止線
と境界との間の位置で加速することによって、進行車両制御アクションに従って、車両交
通ネットワークの一部を横断してもよい。
図７には明示されていないが、自律走行車が黒菱形７５００によって示された位置に到
達する前に、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに
対する現在の信頼状態の不確実性が定義された不確実性閾値内にあること、及び自律走行
車が通行権を持たないことを決定してもよく、停止車両制御アクションを出力してもよく
、自律走行車は、停止線と境界との間の位置で静止するように減速することによって、停
止車両制御アクションに従って車両交通ネットワークの一部を横断してもよい。
図８は、本開示の実施形態による、通行権曖昧性を有する交差点シナリオを含む、車両
交通ネットワークの別の交差点シーン８０００部分の例を示す図である。自律走行車動作
管理は、自律走行車８１００、例えば、図１に示す車両１０００、図２に示す車両２１０
０／２１１０の１つ、半自律走行車、又は図４に示す自律走行車動作管理システム４００
０又は図５に示す自律走行車動作管理システム５０００のような自律走行車動作管理シス
テムを動作させる自律走行を実装する任意の他の車両を含んでもよく、これは、自律走行
車８１００が第１の車線で第１の道路８２００に沿って第２の道路８４００との交差点８
３００に接近する車両交通ネットワークの一部を横断すること（交差点シナリオ）を含む
自律走行車動作管理シナリオのモデルを含んでもよい。第１の車線８２１０は、交差点８
３００に近接する第１の停止線８２１２を含んでもよい。自律走行車８１００の予測経路
８１１０は、破線方向線８１１０を用いて示されている。簡潔及び明確のため、図８に示
される交差点シーン８０００に対応する車両交通ネットワークの一部は、上側が北で右側
が東の方位である。
遠隔車両８５００は、第１の道路８２００の第２の車線８２２０を自律走行車８１００
とは反対の南方向の進行方向に横断して示されている。第２の車線８２２０は、交差点８
３００に近接する第２の停止線８２２２を含んでもよい。遠隔車両８５００の予測経路８
５１０は、破線方向線を用いて示されている。
自律走行車８１００の自律走行車動作管理システムは、図４に示される交差点モニタ４
２３０のような交差点モニタを動作させてもよく、これは、交差点モニタをインスタンス
化することを含んでもよく、これは、本明細書に示されるか又はコンテキストから明らか
である場合を除いて、図６に関連して説明された交差点モニタを動作させることと類似し
てもよい。自律走行車動作管理コントローラは、例えば、交差点モニタによって出力され
る動作環境情報を含み得る動作環境情報によって表される動作環境に基づいて、交差点シ
ナリオを検出又は識別し得る。自律走行車動作管理コントローラは、交差点シナリオを検
出又は識別することに応答して、１つ以上の交差点ＳＳＯＣＥＭインスタンスをインスタ
ンス化又は更新し、又は交差点ＳＳＯＣＥＭインスタンスに動作環境情報を送信するか、
又は他のやり方で利用可能にし得る。交差点ＳＳＯＣＥＭインスタンスは、本明細書に示
されているか又はコンテキストから明らかである場合を除いて、図６に関連して説明した
交差点ＳＳＯＣＥＭインスタンスと類似してもよい。
交差点ＳＳＯＣＥＭインスタンスをインスタンス化することは、交差点ＳＳＯＣＥＭか
ら交差点車両動作シナリオのモデルに対するソリューション又はポリシーを識別すること
を含み得る。交差点ＳＳＯＣＥＭから交差点車両動作シナリオのモデルに対するソリュー
ション又はポリシーを識別することは、交差点ＳＳＯＣＥＭモデルを解決することを含み
得る。交差点ＳＳＯＣＥＭインスタンスのインスタンス化には、ソリューション又はポリ
シーのインスタンスをインスタンス化することが含まれてもよい。交差点ＳＳＯＣＥＭソ
リューションインスタンスは、モデル化された各シナリオ及び対応する動作環境情報に基
づいて、「停止」、「方向調整」、又は「進行」等の候補車両制御アクションを生成して
もよく、各候補車両制御アクションを自律走行車動作管理コントローラに送信すること、
又は自律走行車動作管理コントローラによるアクセスのために各候補車両制御アクション
を記憶すること等によって、各候補車両制御アクションを自律走行車動作管理コントロー
ラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各交差点ＳＳＯＣＥＭイン
スタンスから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車
８１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクショ
ンを識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又は
その一部を横断するように自律走行車を制御し得る。
図８に示す交差点シーン８０００では、自律走行車８１００が交差点８３００に接近し
てもよい。自律走行車８１００は、車両交通ネットワークの一部を、通行権重複領域８６
００として識別し得る。通行権重複領域８６００を識別することは、通行権境界位置８７
００を識別することを含んでもよい。自律走行車８１００は、図示のように停止線８２１
２に対応し得る通行権境界位置８７００から定義された接近距離において又はその近傍に
おいて、定義された最大方向調整速度を下回る速度等の最小速度まで減速又は停止し得る
。遠隔車両８５００は、交差点８３００に接近してもよく、自律走行車８１００が第１の
停止線８２１２に到着するのと実質的に同時に第２の停止線８２２２で停止し得る。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、自律走行車８１００は、第１の停止線８２１２に到着してもよく、実質的に同時に、
遠隔車両８５００は、第２の停止線８２２２に到着してもよく、これは、通行権重複領域
８６００に対する通行権に関する不確実性を増加させ得る。別の例では、遠隔車両８５０
０は、自律走行車８１００が第１の停止線８２１２に到達する前に第２の停止線８２２２
に到達してもよく、これは、遠隔車両８５００が通行権を有することを示してもよく、遠
隔車両８５００は、自律走行車８１００が第１の停止線８２１２に到達した後、２秒等の
定義された通行権期間の間、第２の停止線８２２２において静止したままであってもよく
、これは、通行権重複領域８６００に対する通行権に関する不確実性を増大させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車８１００は、方向調整車両制御アクションに従って、車両交通ネットワ
ークの一部を横断し得る。方向調整車両制御アクションに従って車両交通ネットワークの
一部を横断することにより、通行権重複領域８６００に対する通行権に関する不確実性を
低減し得る。
例えば、この不確実性は、遠隔車両８５００（外部オブジェクト）が自律走行車８１０
０に対して通行権を譲るか（期待動作）どうかに関する不確実性に基づいてもよく、方向
調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、遠隔車
両８５００が静止したままであることに応答して遠隔車両８５００が通行権を譲る確率を
増加させることによって、又は遠隔車両８５００が交差点８３００を横断することに応答
して遠隔車両８５００が通行権を譲る確率を減少させることによって、通行権重複領域８
６００に対する通行権に関する不確実性を減少させ得る。
別の例では、この不確実性は、予想される外部不確実性に基づいてもよく、これは、通
行権重複領域８６００における通行権に対して、自律走行車８１００に対する予測される
後続の車両制御アクションに関して、遠隔車両８５００のような外部オブジェクトの予測
される不確実性を示してもよい。方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断することは、予測される後続の通行権の自律走行車８１００の方向調整
モーション、及び自律走行車８１００に関する対応する予測される後続の車両制御アクシ
ョン、例えば、通行権重複領域８６００を横断する進行車両制御アクション等の記号表現
を出力するように自律走行車８１００を制御することによって、通行権重複領域８６００
の通行権に関する不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
自律走行車８１００の現在の位置から境界位置８７００に向かって、毎秒２メートル等の
定義された最大方向調整速度以下等の範囲内の速度で車両交通ネットワークを横断するこ
とを含んでもよい。
方向調整車両制御アクションに従って車両交通ネットワークを横断することは、自律走
行車８１００の現在の位置と通行権境界位置８７００との間の距離が、予測される静止距
離以下等の範囲内であるか否かを決定することを含み得る。例えば、自律走行車８１００
は、自律走行車８１００の現在の位置と通行権境界位置８７００との間の距離が予測され
る静止距離内にあると決定してもよく、自律走行車は、境界位置８７００で又はその近く
に停止するように定義された減速プロファイルに従って減速することによって、車両交通
ネットワークを横断し得る。予測される静止距離は、自律走行車８１００が動作中状態か
ら静止状態に移行するための決定された距離を示してもよい。いくつかの実装では、自律
走行車は、自律走行車の現在の位置が通行権境界線の位置に対応すると決定してもよく、
自律走行車は、静止（停止）するように自律走行車を制御することによって車両交通ネッ
トワークを横断し得る。
図８には示されていないが、方向調整車両制御アクションに従って車両交通ネットワー
クの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動
作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると決
定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部を
横断した後で、自律走行車８１００は、第１の停止線８４００よりも第２の道路８２１２
に近接して、例えば、通行権境界位置８７００に近接して位置してもよく、遠隔車両８５
００は、第２の停止線８２２２において静止したままであってもよく、これは、通行権曖
昧性を低減又は排除してもよく、シナリオ固有の動作制御評価モデルポリシーは、個別の
車両動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあ
ることを決定してもよい。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると決定するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は停止車両制御アクションを出力し得る。例えば、自律走行車は、遠隔車両８５００が
静止しており、自律走行車に通行権があると決定し、シナリオ固有の動作制御評価モデル
ポリシーは、進行車両制御アクションを出力してもよい。別の例では、自律走行車は、遠
隔車両８５００が通行権を有するか、又は他のやり方で交差点を進行中であり、自律走行
車は現在通行権を有していないと決定してもよく、シナリオ固有の動作制御評価モデルポ
リシーは、停止車両制御アクションを出力し得る。
図９は、本開示の実施形態による、通行権曖昧性を有する交差点シナリオを含む、車両
交通ネットワークの別の交差点シーン９０００部分の例を示す図である。自律走行車動作
管理は、自律走行車９１００、例えば、図１に示す車両１０００、図２に示す車両２１０
０／２１１０の１つ、半自律走行車、又は図４に示す自律走行車動作管理システム４００
０又は図５に示す自律走行車動作管理システム５０００のような自律走行車動作管理シス
テムを動作させる自律走行を実装する任意の他の車両を含んでもよく、これは、自律走行
車９１００が第１の車線９２１０で第１の道路９２００に沿って第２の道路９４００との
交差点９３００に接近する車両交通ネットワークの一部を横断すること（交差点シナリオ
）を含む自律走行車動作管理シナリオのモデルを含んでもよい。第１の車線９２１０は、
交差点９３００に近接する停止線９２１２を含んでもよい。簡潔及び明確のため、図９に
示される交差点シーン９０００に対応する車両交通ネットワークの一部は、上側が北で右
側が東の方位である。
第１の遠隔車両９５００は、自律走行車９１００とは反対の南向きの進行方向に第１の
道路９２００の第２の車線９２２０内で交差点９３００を横断している。第１の遠隔車両
９５００の予測経路９５１０は、破線方向線を用いて示されている。第２の遠隔車両９５
２０が、第２の車線９２２０において交差点９３００に接近して示されている。
自律走行車９１００の自律走行車動作管理システムは、図４に示される交差点モニタ４
２３０のような交差点モニタを動作させてもよく、これは、交差点モニタをインスタンス
化することを含んでもよく、これは、本明細書に示されるか又はコンテキストから明らか
である場合を除いて、図６に関連して説明された交差点モニタを動作させることと類似し
てもよい。自律走行車動作管理コントローラは、例えば、交差点モニタによって出力され
る動作環境情報を含み得る動作環境情報によって表される動作環境に基づいて、交差点シ
ナリオを検出又は識別し得る。自律走行車動作管理コントローラは、交差点シナリオを検
出又は識別することに応答して、１つ以上の交差点ＳＳＯＣＥＭインスタンスをインスタ
ンス化又は更新し、又は交差点ＳＳＯＣＥＭインスタンスに動作環境情報を送信するか、
又は他のやり方で利用可能にし得る。交差点ＳＳＯＣＥＭインスタンスは、本明細書に示
されているか又はコンテキストから明らかである場合を除いて、図６に関連して説明した
交差点ＳＳＯＣＥＭインスタンスと類似してもよい。
交差点ＳＳＯＣＥＭインスタンスをインスタンス化することは、交差点ＳＳＯＣＥＭか
ら交差点車両動作シナリオのモデルに対するソリューション又はポリシーを識別すること
を含み得る。交差点ＳＳＯＣＥＭから交差点車両動作シナリオのモデルに対するソリュー
ション又はポリシーを識別することは、交差点ＳＳＯＣＥＭモデルを解決することを含み
得る。交差点ＳＳＯＣＥＭインスタンスのインスタンス化には、ソリューション又はポリ
シーのインスタンスをインスタンス化することが含まれてもよい。交差点ＳＳＯＣＥＭソ
リューションインスタンスは、モデル化された各シナリオ及び対応する動作環境情報に基
づいて、「停止」、「方向調整」、又は「進行」等の候補車両制御アクションを生成して
もよく、各候補車両制御アクションを自律走行車動作管理コントローラに送信すること、
又は自律走行車動作管理コントローラによるアクセスのために各候補車両制御アクション
を記憶すること等によって、各候補車両制御アクションを自律走行車動作管理コントロー
ラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各交差点ＳＳＯＣＥＭイン
スタンスから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車
９１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクショ
ンを識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又は
その一部を横断するように自律走行車を制御し得る。
図９に示す交差点シーン９０００では、自律走行車９１００が交差点９３００に接近し
てもよい。自律走行車９１００は、車両交通ネットワークの一部を、通行権重複領域９６
００として識別し得る。通行権重複領域９６００を識別することは、通行権境界位置９６
１０を識別することを含んでもよい。自律走行車９１００は、図示のように停止線９２１
２に対応し得る通行権境界位置９６１０から定義された接近距離において又はその近傍に
おいて、定義された最大方向調整速度を下回る速度等の最小速度まで減速又は停止し得る
。第１の遠隔車両９５００は、自律走行車９１００が第１の停止線９２１２に到着するの
と実質的に同時に交差点９３００を横断してもよい。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、自律走行車９１００は、第１の停止線９２１２に到達し、実質的に同時に、第１の遠
隔車両９５００は、通行権重複領域９６００を横断していてもよく、これは、第１の遠隔
車両９５００が通行権重複領域９６００を出ることに関する不確実性に従って、通行権重
複領域９６００に対する通行権境界線に関する不確実性を増加させ得る。他の例では、第
２の遠隔車両９５２０は、第１の遠隔車両９６００が通行権重複領域９５００を横断する
のと実質的に同時に第２の車線９２２０内の交差点９３００に接近してもよく、これは通
行権重複領域９６００に対する通行権境界線に関する不確実性を増大させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車９１００は、方向調整車両制御アクションに従って、車両交通ネットワ
ークの一部を横断し得る。方向調整車両制御アクションに従って車両交通ネットワークの
一部を横断することにより、通行権重複領域９６００に対する通行権に関する不確実性を
低減し得る。
例えば、この不確実性は、第１の遠隔車両９５００（外部オブジェクト）が交差点９３
００を出るかどうか（予測される動作）、いつ出るか又はその両方に関する不確実性に基
づいてもよく、方向調整車両制御アクションに従って車両交通ネットワークの一部を横断
することは、遠隔車両９５００が交差点９３００を出る確率を増加させることによって、
通行権重複領域９６００に対する通行権境界線に関する不確実性を低減し得る。
別の例では、不確実性は、第２の遠隔車両９５２０（外部オブジェクト）が自律走行車
９１００に対して通行権を譲る（予測される動作）かどうかに関する不確実性に基づいて
もよく、方向調整車両制御アクションに従って車両交通ネットワークの一部を横断するこ
とは、第２の遠隔車両９６００が通行権を譲る確率を増加させることによって、通行権重
複領域９５２０に対する通行権に関する不確実性を低減し得る。
別の例では、この不確実性は、予想される外部不確実性に基づいてもよく、これは、通
行権重複領域９６００における通行権に対して、自律走行車９１００に対する予測される
後続の車両制御アクションに関して、第２の遠隔車両９５２０のような外部オブジェクト
の予測される不確実性を示してもよい。方向調整車両制御アクションに従って車両交通ネ
ットワークの一部を横断することは、予測される後続の通行権の自律走行車９１００の方
向調整モーション、及び自律走行車９１００に関する対応する予測される後続の車両制御
アクション、例えば、通行権重複領域９６００を横断する進行車両制御アクション等の記
号表現を出力するように自律走行車９１００を制御することによって、通行権重複領域９
６００の通行権に関する不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
自律走行車９１００の現在の位置から境界位置９６１０に向かって、毎秒２メートル等の
定義された最大方向調整速度以下等の範囲内の速度で車両交通ネットワークを横断するこ
とを含んでもよい。
方向調整車両制御アクションに従って車両交通ネットワークを横断することは、自律走
行車９１００の現在の位置と通行権境界位置９６１０との間の距離が、予測される静止距
離以下等の範囲内であるか否かを決定することを含み得る。例えば、自律走行車９１００
は、自律走行車９１００の現在の位置と通行権境界位置９６１０との間の距離が予測され
る静止距離内にあると決定してもよく、自律走行車は、境界位置９６１０で又はその近く
に停止するように定義された減速プロファイルに従って減速することによって、車両交通
ネットワークを横断し得る。予測される静止距離は、自律走行車９１００が動作中状態か
ら静止状態に移行するための決定された距離を示してもよい。いくつかの実装では、自律
走行車は、自律走行車の現在の位置が通行権境界線の位置に対応すると決定してもよく、
自律走行車は、静止（停止）するように自律走行車を制御することによって車両交通ネッ
トワークを横断し得る。
図９には示されていないが、方向調整車両制御アクションに従って車両交通ネットワー
クの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動
作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると決
定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部を
横断した後で、自律走行車９１００は、停止線９２１２よりも第２の道路９４００に近接
して、例えば、通行権境界位置９６１０に近接して位置してもよく、第１の遠隔車両９５
００は、第２の停止線９２２２において静止したままであってもよく、これは、通行権曖
昧性を低減又は排除してもよく、シナリオ固有の動作制御評価モデルポリシーは、個別の
車両動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあ
ることを決定してもよい。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると決定するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は停止車両制御アクションを出力し得る。例えば、自律走行車は、遠隔車両９７００が
静止しており、自律走行車に通行権があると決定し、シナリオ固有の動作制御評価モデル
ポリシーは、進行車両制御アクションを出力してもよい。別の例では、自律走行車は、遠
隔車両９７００が通行権を有するか、又は他のやり方で交差点を進行中であり、自律走行
車は現在通行権を有していないと決定してもよく、シナリオ固有の動作制御評価モデルポ
リシーは、停止車両制御アクションを出力し得る。
図１０は、本開示の実施形態による通行権曖昧性を有する歩行者シナリオを含む車両交
通ネットワークの歩行者シーン１００００部分の一例を示す図である。自律走行車動作管
理は、自律走行車１０１００、例えば、図１に示す車両１０００、図２に示す車両２１０
０／２１１０の１つ、半自律走行車、又は図４に示す自律走行車動作管理システム４００
０又は図５に示す自律走行車動作管理システム５０００のような自律走行車動作管理シス
テムを動作させる自律走行を実装する任意の他の車両を含んでもよく、これは、自律走行
車１０１００が第１の道路１０２００に沿って歩行者交通ネットワーク１０４００の重複
部分との交差点１０３００に接近する車両交通ネットワークの一部を横断すること（交差
点シナリオ）を含む自律走行車動作管理シナリオのモデルを含んでもよい。自律走行車１
０１００の予測経路１０１１０は、破線方向線１０１１０を用いて示されている。簡潔及
び明確のため、図１０に示される譲る／停止シーン１００００に対応する車両交通ネット
ワークの一部は、上側が北で右側が東の方位である。
歩行者１０５００が交差点１０３００に近接して示されている。歩行者１０５００のた
めの予測経路１０５１０は、歩行者１０５００が自律走行車１０１００の動作に影響を与
え得ることを示す破線方向線を使用して示される。図１０では、歩行者１０５００が歩行
者交通ネットワーク１０４００（横断歩道）の重複部分を横断するように示されているが
、歩行者シーン１００００は、歩行者交通ネットワーク１０４００の重複部分を省略して
もよく、又は歩行者１０５００は、車両交通ネットワークの一部（横断歩道のない所）を
横断してもよい。
自律走行車１０１００の自律走行車動作管理システムは、図４に示される歩行者モニタ
４２２０のような歩行者モニタを動作させてもよく、これは、歩行者モニタをインスタン
ス化することを含んでもよく、これは、本明細書に示されるか又はコンテキストから明ら
かである場合を除いて、図６に関連して説明された交差点モニタを動作させることと類似
してもよい。自律走行車動作管理コントローラは、例えば、交差点モニタによって出力さ
れる動作環境情報を含み得る動作環境情報によって表される動作環境に基づいて、歩行者
（譲る／停止）シナリオを検出又は識別し得る。自律走行車動作管理コントローラは、歩
行者シナリオを検出又は識別することに応答して、１つ以上の歩行者ＳＳＯＣＥＭインス
タンスをインスタンス化又は更新し、又は歩行者ＳＳＯＣＥＭインスタンスに動作環境情
報を送信するか、又は他のやり方で利用可能にし得る。歩行者ＳＳＯＣＥＭインスタンス
は、本明細書に示されているか又はコンテキストから明らかである場合を除いて、図６に
関連して説明した交差点ＳＳＯＣＥＭインスタンスと類似してもよい。
歩行者ＳＳＯＣＥＭインスタンスをインスタンス化することは、歩行者ＳＳＯＣＥＭか
ら歩行者車両動作シナリオのモデルに対するソリューション又はポリシーを識別すること
を含み得る。歩行者ＳＳＯＣＥＭから歩行者車両動作シナリオのモデルに対するソリュー
ション又はポリシーを識別することは、歩行者ＳＳＯＣＥＭモデルを解決することを含み
得る。歩行者ＳＳＯＣＥＭインスタンスのインスタンス化には、ソリューション又はポリ
シーのインスタンスをインスタンス化することが含まれ得る。歩行者ＳＳＯＣＥＭソリュ
ーションインスタンスは、モデル化された各シナリオ及び対応する動作環境情報に基づい
て、「停止」、「譲る／停止」、「方向調整」、又は「進行」等の候補車両制御アクショ
ンを生成してもよく、各候補車両制御アクションを自律走行車動作管理コントローラに送
信すること、又は自律走行車動作管理コントローラによるアクセスのために各候補車両制
御アクションを記憶すること等によって、各候補車両制御アクションを自律走行車動作管
理コントローラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各歩行者ＳＳＯＣＥＭイン
スタンスから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車
１０１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクシ
ョンを識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又
はその一部を横断するように自律走行車を制御し得る。
図１０に示す歩行者シーン１００００では、自律走行車１０１００は、歩行者交通ネッ
トワーク１０４００の重複部分との交差点１０３００に接近し得る。自律走行車１０１０
０は、車両交通ネットワークの一部を、通行権重複領域１０６００として識別し得る。例
えば、通行権重複領域１０６００は、歩行者交通ネットワーク１０４００の重複部分を示
す車両交通ネットワーク情報、歩行者交通ネットワーク１０４００の重複部分を示すセン
サ情報、歩行者１０５００の予測経路１０５１０を識別するセンサ情報、又はこれらの組
み合わせに基づいて特定し得る。通行権重複領域１０６００を識別することは、通行権境
界位置１０６１０を識別することを含んでもよい。
自律走行車１０１００は、通行権境界位置１０６１０から定義された接近距離において
又はその近傍において、定義された最大方向調整速度を下回る速度等の最小速度まで減速
又は停止し得る。図１０には停止線が示されていないが、車両交通ネットワークは停止線
を含んでもよく、これは、通行権境界位置１０６１０から定義された接近距離に対応して
もよい。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、自律走行車１０１００は、通行権境界位置１０６１０から定義された接近距離に到達
してもよく、実質的に同時に、歩行者１０５００は、道路１０２００に近接する歩行者１
０５００のための予測経路１０５１０に沿って静止又は動作していてもよく、これは、通
行権重複領域１０６００のための通行権に関する不確実性を増加させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車１０１００は、方向調整車両制御アクションに従って、車両交通ネット
ワークの一部を横断し得る。方向調整車両制御アクションに従って車両交通ネットワーク
の一部を横断することにより、通行権重複領域１０６００に対する通行権に関する不確実
性を低減し得る。
例えば、この不確実性は、歩行者１０５００（外部オブジェクト）が自律走行車１０１
００に対して通行権を譲るか（期待動作）どうかに関する不確実性に基づいてもよく、方
向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、歩行
者１０５００が静止したままであることに応答して歩行者１０５００が通行権を譲る確率
を増加させることによって、又は歩行者１０５００が交差点１０３００を横断することに
応答して歩行者１０５００が通行権を譲る確率を減少させることによって、通行権重複領
域１０６００に対する通行権に関する不確実性を減少させ得る。
別の例では、不確実性は、予想される外部不確実性に基づいてもよく、これは、通行権
重複領域１０６００における通行権に対して、自律走行車１０１００に対する予測される
後続の車両制御アクションに関して、歩行者１０５００のような外部オブジェクトの予測
される不確実性を示してもよい。方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断することは、予測される後続の通行権の自律走行車１０１００の方向調
整モーション、及び自律走行車１０１００に関する対応する予測される後続の車両制御ア
クション、例えば、通行権重複領域１０６００を横断する進行車両制御アクション等の記
号表現を出力するように自律走行車１０１００を制御することによって、通行権重複領域
１０６００の通行権に関する不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
自律走行車１０１００の現在の位置から境界位置１０６１０に向かって、毎秒２メートル
等の定義された最大方向調整速度以下等の範囲内の速度で車両交通ネットワークを横断す
ることを含んでもよい。方向調整車両制御アクションに従って車両交通ネットワークを横
断することは、自律走行車１０１００の現在の位置と通行権境界位置１０６１０との間の
距離が、予測される静止距離以下等の範囲内であるか否かを決定することを含み得る。例
えば、自律走行車１０１００は、自律走行車１０１００の現在の位置と通行権境界位置１
０６１０との間の距離が予測される静止距離内にあると決定してもよく、自律走行車は、
境界位置１０６１０で又はその近くに停止するように定義された減速プロファイルに従っ
て減速することによって、車両交通ネットワークを横断し得る。予測される静止距離は、
自律走行車１０１００が動作中状態から静止状態に移行するための決定された距離を示し
てもよい。いくつかの実装では、自律走行車は、自律走行車の現在の位置が通行権境界線
の位置に対応すると決定してもよく、自律走行車は、静止（停止）するように自律走行車
を制御することによって車両交通ネットワークを横断し得る。
図１０には示されていないが、方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両
動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると
決定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部
を横断した後で、自律走行車１０１００は、通行権境界位置１０６１０から定義された接
近距離よりも歩行者１０５００のための予測経路１０５１０に近接して、例えば、通行権
境界位置１０６１０に近接して位置してもよく、歩行者１０５００は、図示されるように
、車両交通ネットワークに近接して静止したままであってもよく、又は歩行者交通ネット
ワーク１０４００の重複部分を横断してもよく、これは通行権曖昧性を低減又は除去して
もよく、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対す
る現在の信頼状態の不確実性が定義された不確実性閾値内にあることを決定し得る。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると判断するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は停止車両制御アクションを出力し得る。例えば、自律走行車は、歩行者１０５００が
図示されたように車両交通ネットワークに近接して静止しているか、又は歩行者交通ネッ
トワーク１０４００の重複部分を横断しており、自律走行車は通行権を有していると決定
してもよく、シナリオ固有の動作制御評価モデルポリシーは進行車両制御アクションを出
力してもよい。別の例では、自律走行車は、歩行者１０５００が通行権を有するか、又は
他のやり方で歩行者交通ネットワーク１０４００の重複部分を進行中であり、自律走行車
は現在通行権を有していないと決定してもよく、シナリオ固有の動作制御評価モデルポリ
シーは、停止車両制御アクションを出力し得る。
図１１は、本開示の実施形態による通行権曖昧性を有する譲る／停止歩行者シナリオを
含む車両交通ネットワークの別の歩行者シーン１１０００部分の一例を示す図である。自
律走行車動作管理は、自律走行車１１１００、例えば、図１に示す車両１０００、図２に
示す車両２１００／２１１０の１つ、半自律走行車、又は図４に示す自律走行車動作管理
システム４０００又は図５に示す自律走行車動作管理システム５０００のような自律走行
車動作管理システムを動作させる自律走行を実装する任意の他の車両を含んでもよく、こ
れは、自律走行車１１１００が第１の道路１１２００に沿って歩行者交通ネットワーク１
１４００（横断歩道）の重複部分との交差点１１３００に接近する車両交通ネットワーク
の一部を横断すること（交差点シナリオ）を含む自律走行車動作管理シナリオのモデルを
含んでもよい。自律走行車１１１００の予測経路１１１１０は、破線方向線１１１１０を
用いて示されている。簡潔及び明確のため、図１１に示される譲る／停止シーン１１００
０に対応する車両交通ネットワークの一部は、上側が北で右側が東の方位である。
第１の歩行者１１５００が、歩行者交通ネットワーク１１４００の重複部分を横断して
示されている。第１の歩行者１１５０２のための予測経路１１５００が破線方向線を用い
て示されており、第１の歩行者１１５００が自律走行車１１１００の動作に影響を与え得
ることを示している。第２の歩行者１１５１０が、歩行者交通ネットワーク１１４００の
重複部分に近接して示されている。第２の歩行者１１５１０のための予測経路１１５１２
は破線方向線を用いて示されており、第２の歩行者１１５１０が自律走行車１１１００の
動作に影響を与え得ることを示している。図１１では、歩行者１１５００、１１５１０は
、歩行者交通ネットワーク１１４００の重複部分に関して示されているが、歩行者シーン
１１０００は、歩行者交通ネットワーク１１４００の重複部分を省略してもよく、又は歩
行者１１５００、１１５１０は、他のやり方で車両交通ネットワークの一部（横断歩道で
はない所）を横断してもよい。
自律走行車１１１００の自律走行車動作管理システムは、図４に示される歩行者モニタ
４２２０のような歩行者モニタを動作させてもよく、これは、歩行者モニタをインスタン
ス化することを含んでもよく、これは、本明細書に示されるか又はコンテキストから明ら
かである場合を除いて、図６に関連して説明された交差点モニタを動作させることと類似
してもよい。自律走行車動作管理コントローラは、例えば、交差点モニタによって出力さ
れる動作環境情報を含み得る動作環境情報によって表される動作環境に基づいて、歩行者
シナリオを検出又は識別し得る。自律走行車動作管理コントローラは、歩行者シナリオを
検出又は識別することに応答して、１つ以上の歩行者ＳＳＯＣＥＭインスタンスをインス
タンス化又は更新し、又は歩行者ＳＳＯＣＥＭインスタンスに動作環境情報を送信するか
、又は他のやり方で利用可能にし得る。歩行者ＳＳＯＣＥＭインスタンスは、本明細書に
示されているか又はコンテキストから明らかである場合を除いて、図６に関連して説明し
た交差点ＳＳＯＣＥＭインスタンスと類似してもよい。
歩行者ＳＳＯＣＥＭインスタンスをインスタンス化することは、歩行者ＳＳＯＣＥＭか
ら歩行者車両動作シナリオのモデルに対するソリューション又はポリシーを識別すること
を含み得る。歩行者ＳＳＯＣＥＭから歩行者車両動作シナリオのモデルに対するソリュー
ション又はポリシーを識別することは、歩行者ＳＳＯＣＥＭモデルを解決することを含み
得る。歩行者ＳＳＯＣＥＭインスタンスのインスタンス化には、ソリューション又はポリ
シーのインスタンスをインスタンス化することが含まれ得る。歩行者ＳＳＯＣＥＭソリュ
ーションインスタンスは、モデル化された各シナリオ及び対応する動作環境情報に基づい
て、「停止」、「譲る／停止」、「方向調整」、又は「進行」等の候補車両制御アクショ
ンを生成してもよく、各候補車両制御アクションを自律走行車動作管理コントローラに送
信すること、又は自律走行車動作管理コントローラによるアクセスのために各候補車両制
御アクションを記憶すること等によって、各候補車両制御アクションを自律走行車動作管
理コントローラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各歩行者ＳＳＯＣＥＭイン
スタンスから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車
１１１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクシ
ョンを識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又
はその一部を横断するように自律走行車を制御し得る。
図１１に示す歩行者シーン１１０００では、自律走行車１１１００は、歩行者交通ネッ
トワーク１１４００の重複部分に接近し得る。自律走行車１１１００は、車両交通ネット
ワークの一部を、通行権重複領域１１６００として識別し得る。通行権重複領域１１６０
０を識別することは、通行権境界位置１１６１０を識別することを含んでもよい。通行権
重複領域１１６００の識別は、車両交通ネットワーク情報、歩行者交通ネットワーク情報
、歩行者１１５００、１１５１０を示すセンサデータ、又はこれらの組み合わせに基づい
て行うことができる。
自律走行車１１１００は、通行権境界位置１１６１０から定義された接近距離において
又はその近傍において、定義された最大方向調整速度を下回る速度等の最小速度まで減速
又は停止し得る。図１１には停止線が示されていないが、車両交通ネットワークは停止線
を含んでもよく、これは、通行権境界位置１１６１０から定義された接近距離に対応して
もよい。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、自律走行車１１１００は、通行権境界位置１１６１０から定義された接近距離に到達
してもよく、実質的に同時に、第１の歩行者１１５００は、歩行者交通ネットワーク１１
５０２の重複部分を横断する第１の歩行者１１５００のための予測経路１１４００に沿っ
て静止又は動作中であってもよく、第２の歩行者１１５１０は、道路１１２００に近接し
て静止又は動作中であってもよく、これは、通行権重複領域１１６００のための通行権に
関する不確実性を増加させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車１１１００は、方向調整車両制御アクションに従って、車両交通ネット
ワークの一部を横断し得る。方向調整車両制御アクションに従って車両交通ネットワーク
の一部を横断することにより、通行権重複領域１１６００に対する通行権に関する不確実
性を低減し得る。
例えば、この不確実性は、第１の歩行者１１５００（外部オブジェクト）が歩行者交通
ネットワーク１１４００の重複部分を出るかどうか（期待される動作）、いつ出るか又は
その両方に関する不確実性に基づいてもよく、方向調整車両制御アクションに従って車両
交通ネットワークの一部を横断することは、第１の歩行者が歩行者交通ネットワーク１１
４００の重複部分を出る確率を増加させることによって、通行権重複領域１１６００に対
する通行権に関する不確実性を低減し得る。
別の例では、この不確実性は、第２の歩行者１１５１０（外部オブジェクト）が自律走
行車１１１００に対して通行権を譲るか（期待動作）どうかに関する不確実性に基づいて
もよく、方向調整車両制御アクションに従って車両交通ネットワークの一部を横断するこ
とは、第２の歩行者１１５１０が静止したままであることに応答して第２の歩行者１１５
１０が通行権を譲る確率を増加させることによって、又は第２の歩行者１１５１０が車両
交通ネットワーク１１４００の重複部分を横断することに応答して第２の歩行者１１５１
０が通行権を譲る確率を減少させることによって、通行権重複領域１１６００に対する通
行権に関する不確実性を減少させ得る。
別の例では、この不確実性は、予想される外部不確実性に基づいてもよく、これは、通
行権重複領域１１６００における通行権に対して、自律走行車１１１００に対する予測さ
れる後続の車両制御アクションに関して、第２の歩行者１１５１０のような外部オブジェ
クトの予測される不確実性を示してもよい。方向調整車両制御アクションに従って車両交
通ネットワークの一部を横断することは、予測される後続の通行権の自律走行車１１１０
０の方向調整モーション、及び自律走行車１１１００に関する対応する予測される後続の
車両制御アクション、例えば、通行権重複領域１１６００を横断する進行車両制御アクシ
ョン等の記号表現を出力するように自律走行車１１１００を制御することによって、通行
権重複領域１１６００の通行権に関する不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
自律走行車１１１００の現在の位置から境界位置１０６１０に向かって、毎秒２メートル
等の定義された最大方向調整速度以下等の範囲内の速度で車両交通ネットワークを横断す
ることを含んでもよい。方向調整車両制御アクションに従って車両交通ネットワークを横
断することは、自律走行車１１１００の現在の位置と通行権境界位置１０６１０との間の
距離が、予測される静止距離以下等の範囲内であるか否かを決定することを含み得る。例
えば、自律走行車１１１００は、自律走行車１１１００の現在の位置と通行権境界位置１
０６１０との間の距離が予測される静止距離内にあると決定してもよく、自律走行車は、
境界位置１０６１０で又はその近くに停止するように定義された減速プロファイルに従っ
て減速することによって、車両交通ネットワークを横断し得る。予測される静止距離は、
自律走行車１１１００が動作中状態から静止状態に移行するための決定された距離を示し
てもよい。いくつかの実装では、自律走行車は、自律走行車の現在の位置が通行権境界線
の位置に対応すると決定してもよく、自律走行車は、静止（停止）するように自律走行車
を制御することによって車両交通ネットワークを横断し得る。
図１１には示されていないが、方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両
動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると
決定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部
を横断した後で、自律走行車１１１００は、通行権境界位置１０６１０から定義された接
近距離よりも歩行者交通ネットワーク１１４００の重複部分に近接して、例えば、通行権
境界位置１０６１０に近接して位置していてもよく、第１の歩行者１１５００は、歩行者
交通ネットワークの重複部分を横断してもよく、第２の歩行者１１５１０は、図示のよう
に、車両交通ネットワークに近接して静止したままであってもよく、これは、通行権曖昧
性を低減又は排除してもよく、シナリオ固有の動作制御評価モデルポリシーは、個別の車
両動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にある
ことを決定してもよい。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると判断するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は停止車両制御アクションを出力し得る。例えば、自律走行車は、第１の歩行者１１５
００が歩行者交通ネットワークの重複部分を横断し、第２の歩行者１１５１０が図示のよ
うに車両交通ネットワークに近接して静止したままであり、自律走行車は通行権を有する
と決定し、シナリオ固有の動作制御評価モデルポリシーは進行車両制御アクションを出力
し得る。別の例では、自律走行車は、第１の歩行者１１５００が通行権を有しており、又
は他のやり方で歩行者交通ネットワークの重複部分を横断しているか、又は第２の歩行者
１１５１０が歩行者交通ネットワークの重複部分を横断しており、自律走行車は現在、通
行権を有していないと決定してもよく、シナリオ固有の動作制御評価モデルポリシーは、
停止車両制御アクションを出力し得る。
図１２は、本開示の実施形態による通行権曖昧性を有する合流シナリオを含む車両交通
ネットワークの合流シーン部分の一例の図である。自律走行車動作管理は、自律走行車１
２１００、例えば、図１に示す車両１０００、図２に示す車両２１００／２１１０の１つ
、半自律走行車、又は図４に示す自律走行車動作管理システム４０００又は図５に示す自
律走行車動作管理システム５０００のような自律走行車動作管理システムを動作させる自
律走行を実装する任意の他の車両を含んでもよく、これは、自律走行車１２１００が合流
交差点に接近して第１の車線１２２１０で第１の道路１２２００に沿って車両交通ネット
ワークの一部を横断すること（合流シナリオ）を含む自律走行車動作管理シナリオのモデ
ルを含んでもよい。自律走行車１２１００のための予測経路１２１１０が破線方向線を用
いて示され、自律走行車１２１００のための現在の軌道が実線方向線１２１２０を用いて
示される。簡潔及び明確のため、図１２に示される合流シーン１２０００に対応する車両
交通ネットワークの一部は、上側が北で右側が東の方位である。
図１２に示す合流シーン１２０００に対応する車両交通ネットワークの一部は、自律走
行車１２１００が、第１の道路１２２００の第２の車線１２２２０に隣接している、第１
の道路１２２００の第１の車線１２２１０内の道路セグメントに沿って北方向に横断し、
合流交差点１２３００に接近している。第１の車線１２２１０と第２の車線１２２２０と
は合流交差点１２３００（車線縮小移行部）で合流し、第１の道路１２２００の後続の合
流車線１２２３０を形成する。なお、第１の車線１２２１０、第２の車線１２２２０及び
合流車線１２２３０は、別々に示されているが、第１の車線１２２１０、第２の車線１２
２２０及び合流車線１２２３０の各部分は、合流交差点１２３００において重複していて
もよい。他の合流構成を使用することもできる。
遠隔車両１２４００は、図示のように、自律走行車１２１００と実質的に同時に合流交
差点１２３００に接近して第２の車線１２２２０を横断しており、又は他のやり方で自律
走行車１２１００の時空間位置に近接する時空間位置で合流交差点１２３００に接近して
もよく、これにより、遠隔車両は、例えば、自律走行車１２１００をブロックすることに
より、合流シナリオを横断する自律走行車１２１００の動作に影響を及ぼし得る。遠隔車
両１２４００のための予測経路１２４１０が破線方向線を用いて示され、遠隔車両１２１
００のための現在の軌道１２４２０が実線方向線１２１２０を用いて示される。
自律走行車１２１００の自律走行車動作管理システムは、図４に示される合流モニタ４
２５０のような合流モニタを動作させてもよく、これは、合流モニタをインスタンス化す
ることを含んでもよく、これは、本明細書に示されるか又はコンテキストから明らかであ
る場合を除いて、図６に関連して説明された交差点モニタを動作させることと類似しても
よい。自律走行車動作管理コントローラは、例えば、合流モニタによって出力される動作
環境情報を含み得る動作環境情報によって表される動作環境に基づいて、合流シナリオを
検出又は識別し得る。自律走行車動作管理コントローラは、遠隔車両１２４００を含む合
流シナリオを検出又は識別することに応答して、１つ以上の合流ＳＳＯＣＥＭインスタン
スをインスタンス化又は更新し、又は合流ＳＳＯＣＥＭインスタンスに動作環境情報を送
信するか、又は他のやり方で利用可能にし得る。合流ＳＳＯＣＥＭインスタンスは、本明
細書に示されているか又はコンテキストから明らかである場合を除いて、図６に関連して
説明した交差点ＳＳＯＣＥＭインスタンスと類似してもよい。
合流ＳＳＯＣＥＭインスタンスをインスタンス化することは、合流ＳＳＯＣＥＭから合
流車両動作シナリオのモデルに対するソリューション又はポリシーを識別することを含み
得る。合流ＳＳＯＣＥＭから合流車両動作シナリオのモデルに対するソリューション又は
ポリシーを識別することは、合流ＳＳＯＣＥＭモデルを解決することを含み得る。合流Ｓ
ＳＯＣＥＭインスタンスのインスタンス化には、ソリューション又はポリシーのインスタ
ンスをインスタンス化することが含まれ得る。合流ＳＳＯＣＥＭソリューションインスタ
ンスは、モデル化された各シナリオ及び対応する動作環境情報に基づいて、「停止」、「
方向調整」、又は「進行」等の候補車両制御アクションを生成してもよく、各候補車両制
御アクションを自律走行車動作管理コントローラに送信すること、又は自律走行車動作管
理コントローラによるアクセスのために各候補車両制御アクションを記憶すること等によ
って、各候補車両制御アクションを自律走行車動作管理コントローラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各合流ＳＳＯＣＥＭインス
タンスから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車１
２１００を制御するために受信した候補車両制御アクションに基づいて車両制御アクショ
ンを識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又は
その一部を横断するように自律走行車を制御し得る。
図１２に示される合流シーン１２０００については、自律走行車１２１００は、例えば
、定義された速度制限に従った又は一般的な交通速度に従った速度で、合流部１２３００
に近づき得る。
自律走行車１２１００は、車両交通ネットワークの一部を、通行権重複領域１２５００
として識別し得る。通行権重複領域１２５００を識別することは、通行権境界位置１２５
１０を識別することを含んでもよく、これは、自律走行車１２１００の現在の位置と通行
権重複領域１２５００との間で自律走行車１２１００の予測経路１２１１０に沿った車両
交通ネットワーク内の位置であってもよく、それは通行権重複領域に近接した、例えば、
通行権重複領域１２５００の間近に隣接しており、これは、自律走行車１２１００が通行
権重複領域１２５００に入らずに安全に横断し得る通行権重複領域１２５００への自律走
行車１２１００に関する予測経路１２１１０に沿った車両交通ネットワーク内で最も近い
位置であってもよい。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、自律走行車１２１００及び遠隔車両１２４００は、合流交差点１２３００に実質的に
同時に接近してもよく、これは、通行権重複領域１２５００に対する通行権に関する不確
実性を増加させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車１２１００は、方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断してもよく、これは、自律走行車１２１００の現在の位置から後続の合
流車線１２２３０に向かって車両交通ネットワークを横断することを含んでもよい。方向
調整車両制御アクションに従って車両交通ネットワークの一部を横断することにより、通
行権重複領域１２５００に対する通行権に関する不確実性を低減し得る。
例えば、この不確実性は、遠隔車両１２４００（外部オブジェクト）が自律走行車１
２１００に対して通行権を譲るかどうか（期待動作）に関する不確実性に基づいてもよく
、方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
遠隔車両１２４００が減速することに応答して遠隔車両１２４００が通行権を譲る確率を
増加させることによって、又は遠隔車両１２４００が加速することに応答して遠隔車両８
５００が通行権を譲る確率を減少させることによって、通行権重複領域１２５００に対す
る通行権に関する不確実性を減少させ得る。
別の例では、この不確実性は、予想される外部不確実性に基づいてもよく、これは、通
行権重複領域１２５００における通行権に対して、自律走行車１２１００に対する予測さ
れる後続の車両制御アクションに関して、遠隔車両１２４００のような外部オブジェクト
の予測される不確実性を示してもよい。方向調整車両制御アクションに従って車両交通ネ
ットワークの一部を横断することは、予測される後続の通行権の自律走行車１２１００の
方向調整モーション、及び自律走行車１２１００に関する対応する予測される後続の車両
制御アクション、例えば、通行権重複領域１２５００を横断する進行車両制御アクション
等の記号表現を出力するように自律走行車１２１００を制御することによって、通行権重
複領域１２５００の通行権に関する不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
車両交通ネットワークに対する自律走行車１２１００の相対的な方向を、図示のように、
現在の車線１２２１０の実質的に中央の方向から、現在の車線１２２１０内の隣接車線１
２２２０に比較的近い方向に調整するように自律走行車１２１００の軌道を制御すること
によって、自律走行車１２１００の現在の位置から後続の合流車線１２２３０に向かって
車両交通ネットワークを横断することを含んでもよく、これは、自律走行車１２１００が
通行権重複領域１２５００に入ることなく安全に横断し得る通行権重複領域１２５０に対
して、自律走行車１２１００の予測経路１２１１０に沿った車両交通ネットワーク内の最
も近い位置であってもよい。自律走行車１２１００の車線の横方向の向きの制御は、定義
された横方向調整率プロファイルに従って実行されてもよい。方向調整車両制御アクショ
ンに従って車両交通ネットワークの一部を横断することは、加速又は減速等の速度の制御
によって、自律走行車１２１００の現在の位置から後続の合流車線１２２３０に向かって
車両交通ネットワークを横断することを含んでもよい。
図１２には示されていないが、方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両
動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると
決定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部
を横断した後で、自律走行車１２１００は、遠隔車両１２４００よりも後続の合流車線１
２２３０の横方向中心により近接して位置してもよく、これは、通行権曖昧性を低減又は
排除してもよく、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリ
オに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあることを決定し
てもよい。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると決定するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は減速車両制御アクションを出力し得る。例えば、自律走行車は、自律走行車１２１０
０が遠隔車両１２４００よりも後続の合流車線１２２３０の横方向中心により近接して位
置しており、自律走行車が通行権を有していると決定し、シナリオ固有の動作制御評価モ
デルポリシーは、進行車両制御アクションを出力してもよい。別の例では、自律走行車は
、遠隔車両１２４００が通行権を有するか、又は他のやり方で合流交差点１２３００を進
行中であり、自律走行車は現在通行権を有していないと決定してもよく、シナリオ固有の
動作制御評価モデルポリシーは、減速車両制御アクションを出力し得る。
図１３は、本開示の実施形態による通行権曖昧性を有する車線変更シナリオを含む車両
交通ネットワークの車線変更シーン１３０００部分の一例を示す図である。自律走行車動
作管理は、自律走行車１３１００、例えば、図１に示す車両１０００、図２に示す車両２
１００／２１１０の１つ、半自律走行車、又は図４に示す自律走行車動作管理システム４
０００又は図５に示す自律走行車動作管理システム５０００のような自律走行車動作管理
システムを動作させる自律走行を実装する任意の他の車両を含んでもよく、これは、自律
走行車１３１００が第１の車線１３２１０で第１の道路１３２００に沿って車両交通ネッ
トワークの一部を横断すること及び車線変更を行うために車線変更位置１３３００として
車両交通ネットワークの一部を識別すること（車線変更シナリオ）を含む自律走行車動作
管理シナリオのモデルを含んでもよい。簡潔及び明確のため、図１３に示される車線変更
シーン１３０００に対応する車両交通ネットワークの一部は、上側が北で右側が東の方位
である。
図１３に示す車線変更シーン１３０００に対応する車両交通ネットワークの一部は、自
律走行車１３１００が、第１の道路１３２００の第２の車線１３２２０に隣接している、
第１の道路１３２００の第１の車線１３２１０内の道路セグメントに沿って北方向に横断
し、識別された車線変更位置１３３００に接近している。車線変更位置１３３００は、自
律走行車１３１００の位置に対して相対的な位置であってもよい。
遠隔車両１３４００は、図示のように、自律走行車１３１００と実質的に同時に車線変
更位置１３３００に接近して第２の車線１３２２０を横断しており、又は他のやり方で自
律走行車１３１００の時空間位置に近接する時空間位置で識別された車線変更位置１３３
００に接近してもよく、これにより、遠隔車両１３４００は、例えば、自律走行車１３１
００をブロックすることにより、車線変更シナリオを横断する自律走行車１３１００の動
作に影響を及ぼし得る。
自律走行車１３１００の自律走行車動作管理システムは、図４に示される車線変更モニ
タ４２４０のような車線変更モニタを動作させてもよく、これは、車線変更モニタをイン
スタンス化することを含んでもよく、これは、本明細書に示されるか又はコンテキストか
ら明らかである場合を除いて、図６に関連して説明された交差点モニタを動作させること
と類似してもよい。自律走行車動作管理コントローラは、例えば、車線変更モニタによっ
て出力される動作環境情報を含み得る動作環境情報によって表される動作環境に基づいて
、車線変更シナリオを検出又は識別し得る。自律走行車動作管理コントローラは、遠隔車
両１３４００を含む車線変更シナリオを検出又は識別することに応答して、１つ以上の車
線変更ＳＳＯＣＥＭインスタンスをインスタンス化又は更新し、又は車線変更ＳＳＯＣＥ
Ｍインスタンスに動作環境情報を送信するか、又は他のやり方で利用可能にし得る。車線
変更ＳＳＯＣＥＭインスタンスは、本明細書に示されているか又はコンテキストから明ら
かである場合を除いて、図６に関連して説明した交差点ＳＳＯＣＥＭインスタンスと類似
してもよい。
車線変更ＳＳＯＣＥＭインスタンスをインスタンス化することは、車線変更ＳＳＯＣＥ
Ｍから車線変更車両動作シナリオのモデルに対するソリューション又はポリシーを識別す
ることを含み得る。車線変更ＳＳＯＣＥＭから車線変更車両運用シナリオのモデルに対す
るソリューション又はポリシーを識別することは、車線変更ＳＳＯＣＥＭモデルを解決す
ることを含み得る。車線変更ＳＳＯＣＥＭインスタンスのインスタンス化には、ソリュー
ション又はポリシーのインスタンスをインスタンス化することが含まれ得る。車線変更Ｓ
ＳＯＣＥＭソリューションインスタンスは、モデル化された各シナリオ及び対応する動作
環境情報に基づいて、「維持」、「方向調整」、又は「進行」等の候補車両制御アクショ
ンを生成してもよく、各候補車両制御アクションを自律走行車動作管理コントローラに送
信すること、又は自律走行車動作管理コントローラによるアクセスのために各候補車両制
御アクションを記憶すること等によって、各候補車両制御アクションを自律走行車動作管
理コントローラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各ＳＳＯＣＥＭインスタン
スから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車１３１
００を制御するために受信した候補車両制御アクションに基づいて車両制御アクションを
識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又はその
一部を横断するように自律走行車を制御し得る。
図１３に示される車線変更シーン１３０００については、自律走行車１３１００は、例
えば、定義された速度制限に従った又は一般的な交通速度に従った速度で、車線変更位置
１３３００に近づき得る。自律走行車１３１００は、車両交通ネットワークの一部を、通
行権重複領域１３５００として識別し得る。通行権重複領域１３５００を識別することは
、通行権境界位置１３５１０を識別することを含んでもよく、これは、自律走行車１３１
００の現在の位置と通行権重複領域１３５００との間で自律走行車１３１００の予測経路
１３１１０に沿った車両交通ネットワーク内の位置であってもよく、それは通行権重複領
域に近接した、例えば、通行権重複領域１３５００の間近に隣接しており、これは、自律
走行車１３１００が通行権重複領域１３５００に入らずに安全に横断し得る通行権重複領
域１３５００への自律走行車１３１００に関する予測経路１３１１０に沿った車両交通ネ
ットワーク内で最も近い位置であってもよい。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、自律走行車１３１００及び遠隔車両１３４００は、車線変更交差点１３３００に実質
的に同時に接近してもよく、これは、通行権重複領域１３５００に対する通行権に関する
不確実性を増加させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車１３１００は、方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断してもよく、これは、自律走行車１３１００の現在の位置から隣接車線
１３２２０に向かって車両交通ネットワークを横断することを含んでもよい。方向調整車
両制御アクションに従って車両交通ネットワークの一部を横断することにより、通行権重
複領域１３５００に対する通行権に関する不確実性を低減し得る。
例えば、この不確実性は、遠隔車両１３４００（外部オブジェクト）が自律走行車１３
１００に対して通行権を譲るかどうか（期待動作）に関する不確実性に基づいてもよく、
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、遠
隔車両１３４００が減速することに応答して遠隔車両１３４００が通行権を譲る確率を増
加させることによって、又は遠隔車両１３４００が加速すること又は他のやり方で自律走
行車１３１００に対してブロックする相対方向を維持することに応答して遠隔車両８５０
０が通行権を譲る確率を減少させることによって、通行権重複領域１３５００に対する通
行権に関する不確実性を減少させ得る。
別の例では、この不確実性は、予測される外部不確実性に基づいてもよく、これは、通
行権重複領域１３５００における通行権に対して、自律走行車１３１００に対する予測さ
れる後続の車両制御アクションに関して、遠隔車両１３４００のような外部オブジェクト
の予測される不確実性を示してもよい。方向調整車両制御アクションに従って車両交通ネ
ットワークの一部を横断することは、予測される後続の通行権の自律走行車１３１００の
方向調整モーション、及び自律走行車１３１００に関する対応する予測される後続の車両
制御アクション、例えば、通行権重複領域１３５００を横断する進行車両制御アクション
等の記号表現を出力するように自律走行車１３１００を制御することによって、通行権重
複領域１３５００の通行権に関する不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
車両交通ネットワークに対する自律走行車１３１００の相対的な方向を、図示のように、
現在の車線１３２１０の実質的に中央の方向から、現在の車線１３２１０内の隣接車線１
３２２０に比較的近い方向に調整するように自律走行車１３１００の軌道を制御すること
によって、自律走行車１３１００の現在の位置から隣接車線１３２２０に向かって車両交
通ネットワークを横断することを含んでもよく、これは、自律走行車１３１００が通行権
重複領域１３５００に入ることなく安全に横断し得る通行権重複領域１３５０に対して、
自律走行車１３１００の予測経路１３１１０に沿った車両交通ネットワーク内の最も近い
位置であってもよい。自律走行車１３１００の車線の横方向の向き（方向状態変更）の制
御は、定義された横方向調整率プロファイルに従って実行されてもよい。
図１３には示されていないが、方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両
動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると
決定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部
を横断した後で、自律走行車１３１００は、遠隔車両１３４００よりも隣接車線１３２２
０の横方向中心により近接して位置してもよく、これは、通行権曖昧性を低減又は排除し
てもよく、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対
する現在の信頼状態の不確実性が、定義された不確実性閾値内にあることを決定してもよ
い。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると決定するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は減速車両制御アクションを出力し得る。例えば、自律走行車は、自律走行車１３１０
０が遠隔車両１３４００よりも隣接車線１３２２０の横方向中心により近接して位置して
おり、自律走行車が通行権を有していると決定し、シナリオ固有の動作制御評価モデルポ
リシーは、進行車両制御アクションを出力してもよい。別の例では、自律走行車は、遠隔
車両１３４００が通行権を有するか、又は他のやり方で車線変更交差点１３３００を進行
中であり、自律走行車は現在通行権を有していないと決定してもよく、シナリオ固有の動
作制御評価モデルポリシーは、減速車両制御アクションを出力し得る。
図１４は、本開示の実施形態による通行権曖昧性を有する車線重複車両動作シナリオを
含む車両交通ネットワークの車線重複シーン１４０００部分の一例を示す図である。自律
走行車動作管理は、自律走行車１４１００、例えば、図１に示す車両１０００、図２に示
す車両２１００／２１１０の１つ、半自律走行車、又は図４に示す自律走行車動作管理シ
ステム４０００又は図５に示す自律走行車動作管理システム５０００のような自律走行車
動作管理システムを動作させる自律走行を実装する任意の他の車両を含んでもよく、これ
は、自律走行車１４１００が反対の進行方向を有する第２の車線１４２２０に隣接する第
１の車線１４２１０で第１の道路１４２００に沿って車両交通ネットワークの一部を横断
し、車線が反対の進路重複の方向を有する（車線重複車両動作シナリオ）車両交通ネット
ワークの車線重複（２方向）位置１４３００に接近することを含む自律走行車動作管理シ
ナリオのモデルを含んでもよい。
簡潔及び明確のため、図１４に示される車線重複シーン１４０００に対応する車両交通
ネットワークの一部は、上側が北で右側が東の方位である。
図１４に示す車線重複シーン１４０００に対応する車両交通ネットワークの一部は、自
律走行車１４１００が、第２の車線１４２２０に隣接している、第１の道路１４２００の
第１の車線１４２１０内の道路セグメントに沿って北方向に横断し、車線重複位置１４３
００に接近している。遠隔車両１４４００は、第２の車線１４２２０を南向きに横断して
、車線重複位置１４３００に接近している。
自律走行車１４１００の自律走行車動作管理システムは、車線重複モニタを動作させて
もよく、これは、車線重複モニタをインスタンス化することを含んでもよく、これは、本
明細書に示されるか又はコンテキストから明らかである場合を除いて、図６に関連して説
明された交差点モニタを動作させることと類似してもよい。自律走行車動作管理コントロ
ーラは、例えば、車線重複モニタによって出力される動作環境情報を含み得る動作環境情
報によって表される動作環境に基づいて、車線重複車両動作シナリオを検出又は識別し得
る。自律走行車動作管理コントローラは、遠隔車両１４４００を含む車線重複車両動作シ
ナリオを検出又は識別することに応答して、１つ以上の車線重複ＳＳＯＣＥＭインスタン
スをインスタンス化又は更新し、又は車線重複ＳＳＯＣＥＭインスタンスに動作環境情報
を送信するか、又は他のやり方で利用可能にし得る。車線重複ＳＳＯＣＥＭインスタンス
は、本明細書に示されているか又はコンテキストから明らかである場合を除いて、図６に
関連して説明した交差点ＳＳＯＣＥＭインスタンスと類似してもよい。
車線重複ＳＳＯＣＥＭインスタンスをインスタンス化することは、車線重複ＳＳＯＣＥ
Ｍから車線重複車両動作シナリオのモデルに対するソリューション又はポリシーを識別す
ることを含み得る。車線重複ＳＳＯＣＥＭから車線重複車両運用シナリオのモデルに対す
るソリューション又はポリシーを識別することは、車線重複ＳＳＯＣＥＭモデルを解決す
ることを含み得る。車線重複ＳＳＯＣＥＭインスタンスのインスタンス化には、ソリュー
ション又はポリシーのインスタンスをインスタンス化することが含まれ得る。車線重複Ｓ
ＳＯＣＥＭソリューションインスタンスは、モデル化された各車両動作シナリオ及び対応
する動作環境情報に基づいて、「停止」、「方向調整」、又は「進行」等の候補車両制御
アクションを生成してもよく、各候補車両制御アクションを自律走行車動作管理コントロ
ーラに送信すること、又は自律走行車動作管理コントローラによるアクセスのために各候
補車両制御アクションを記憶すること等によって、各候補車両制御アクションを自律走行
車動作管理コントローラに出力してもよい。
自律走行車動作管理コントローラは、インスタンス化された各ＳＳＯＣＥＭインスタン
スから候補車両制御アクションを受信してもよく、対応する時間位置で自律走行車１４１
００を制御するために受信した候補車両制御アクションに基づいて車両制御アクションを
識別してもよく、識別された車両制御アクションに従って車両交通ネットワーク又はその
一部を横断するように自律走行車を制御し得る。
図１４に示す車線重複シーン１４０００では、自律走行車１４１００が車線重複位置１
４３００に接近してもよい。実質的に同時に、遠隔車両１４４００は、車線重複位置１４
３００に接近し得る。自律走行車１４１００は、車両交通ネットワークの一部を、通行権
重複領域１４５００として識別し得る。通行権重複領域１４５００を識別することは、通
行権境界位置１４５１０を識別することを含んでもよく、これは、自律走行車１４１００
の現在の位置と通行権重複領域１４５００との間で自律走行車１４１００の予測経路１４
１１０に沿った車両交通ネットワーク内の位置であってもよく、それは通行権重複領域に
近接した、例えば、通行権重複領域１４５００の間近に隣接しており、これは、自律走行
車１４１００が通行権重複領域１４５００に入らずに安全に横断し得る通行権重複領域１
４５００への自律走行車１４１００に関する予測経路１４１１０に沿った車両交通ネット
ワーク内で最も近い位置であってもよい。
シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現在
の信頼状態の不確実性が、定義された不確実性閾値を超えることを決定してもよい。例え
ば、自律走行車１４１００及び遠隔車両１４４００は、車線重複交差点１４３００に実質
的に同時に接近してもよく、これは、通行権重複領域１４５００に対する通行権に関する
不確実性を増加させ得る。
シナリオ固有の動作制御評価モデルポリシーは、方向調整車両制御アクションを出力し
得る。自律走行車１４１００は、方向調整車両制御アクションに従って、車両交通ネット
ワークの一部を横断し得る。方向調整車両制御アクションに従って車両交通ネットワーク
の一部を横断することにより、通行権重複領域１４５００に対する通行権に関する不確実
性を低減し得る。
例えば、不確実性は、遠隔車両１４４００（外部オブジェクト）が自律走行車１４１０
０に対して通行権を譲るかどうか（期待動作）に関する不確実性に基づいてもよく、方向
調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、遠隔車
両１４４００が静止したままである又は静止することに応答して遠隔車両１４４００が通
行権を譲る確率を増加させることによって、又は遠隔車両１４４００が車線重複位置１４
３００を横断することに応答して遠隔車両１４４００が通行権を譲る確率を減少させるこ
とによって、通行権重複領域１４５００に対する通行権に関する不確実性を減少させ得る
。
別の例では、不確実性は、予測される外部不確実性に基づいてもよく、これは、通行権
重複領域１４５００における通行権に対して、自律走行車１４１００に対する予測される
後続の車両制御アクションに関して、遠隔車両１４４００のような外部オブジェクトの予
測される不確実性を示してもよい。方向調整車両制御アクションに従って車両交通ネット
ワークの一部を横断することは、予測される後続の通行権の自律走行車１４１００の方向
調整モーション、及び自律走行車１４１００に関する対応する予測される後続の車両制御
アクション、例えば、通行権重複領域１４５００を横断する進行車両制御アクション等の
記号表現を出力するように自律走行車１４１００を制御することによって、通行権重複領
域１４５００の通行権に関する不確実性を低減し得る。
方向調整車両制御アクションに従って車両交通ネットワークの一部を横断することは、
自律走行車１４１００の現在の位置から境界位置１４５１０に向かって、毎秒２メートル
等の定義された最大方向調整速度以下等の範囲内の速度で車両交通ネットワークを横断す
ることを含んでもよい。
方向調整車両制御アクションに従って車両交通ネットワークを横断することは、自律走
行車１４１００の現在の位置と通行権境界位置１４５１０との間の距離が、予測される静
止距離以下等の範囲内であるか否かを決定することを含み得る。例えば、自律走行車１４
１００は、自律走行車１４１００の現在の位置と通行権境界位置１４５１０との間の距離
が予測される静止距離内にあると決定してもよく、自律走行車１４１００は、境界位置１
４５１０で又はその近くに停止するように定義された減速プロファイルに従って減速する
ことによって、車両交通ネットワークを横断し得る。予測される静止距離は、自律走行車
１４１００が動作中状態から静止状態に移行するための決定された距離を示してもよい。
いくつかの実装では、自律走行車１４１００は、自律走行車１４１００の現在の位置が通
行権境界線の位置に対応すると決定してもよく、自律走行車１４１００は、静止（停止）
するように自律走行車を制御することによって車両交通ネットワークを横断し得る。
図１４には示されていないが、方向調整車両制御アクションに従って車両交通ネットワ
ークの一部を横断した後で、シナリオ固有の動作制御評価モデルポリシーは、個別の車両
動作シナリオに対する現在の信頼状態の不確実性が、定義された不確実性閾値内にあると
決定し得る。例えば、方向調整車両制御アクションに従って車両交通ネットワークの一部
を横断した後で、自律走行車１４１００は、遠隔車両１４４００よりも車線重複交差点１
４３００により近接して位置してもよく、これは、通行権曖昧性を低減又は排除してもよ
く、シナリオ固有の動作制御評価モデルポリシーは、個別の車両動作シナリオに対する現
在の信頼状態の不確実性が、定義された不確実性閾値内にあることを決定してもよい。
個別の車両動作シナリオの不確実性値が定義された不確実性閾値内にあると決定するこ
とに応答して、シナリオ固有の動作制御評価モデルポリシーは、進行車両制御アクション
又は減速車両制御アクションを出力し得る。例えば、自律走行車１４１００は、自律走行
車１４１００が遠隔車両１４４００よりも車線重複交差点１４３００の横方向中心により
近接して位置しており、自律走行車が通行権を有していると決定し、シナリオ固有の動作
制御評価モデルポリシーは、進行車両制御アクションを出力してもよい。別の例では、自
律走行車は、遠隔車両１４４００が通行権を有するか、又は他のやり方で車線重複交差点
１４３００を進行中であり、自律走行車は現在通行権を有していないと決定してもよく、
シナリオ固有の動作制御評価モデルポリシーは、停止又は待機車両制御アクションを出力
し得る。
図４に示す自律走行車動作管理システム４０００のような自律走行車動作管理システム
を含む自律走行車に関して説明したが、方向調整車両制御アクションに従って車両交通ネ
ットワークの一部を横断することは、他の自律走行車又は半自律走行車の構成で実装され
てもよい。
本明細書で使用される場合、「コンピュータ」又は「コンピュータ装置」という用語は
、本明細書で開示の任意の方法を実行し得る任意のユニット又はユニットの組み合わせ、
又はその任意の部分若しくは複数の部分を含む。
本明細書で使用される場合、「プロセッサ」という用語は、１つ以上の専用プロセッサ
、１つ以上のデジタル信号プロセッサ、１つ以上のマイクロプロセッサ、１つ以上のコン
トローラ、１つ以上のマイクロコントローラ、１つ以上のアプリケーションプロセッサ、
１つ以上の特定用途向け集積回路、１つ以上の特定用途向け汎用集積回路、１つ以上のフ
ィールド・プログラマブル・ゲート・アレイ、任意の他のタイプ又は組み合わせの集積回
路、１つ以上の状態機械、又はこれらの任意の組み合わせ等の１つ以上のプロセッサを示
す。
本明細書で使用される場合、「メモリ」という用語は、任意のプロセッサによって使用
され得る又はそれと関連している任意の信号又は情報を有形に保持、記憶、通信、又は搬
送し得る任意のコンピュータ使用可能又はコンピュータ可読媒体又は装置を示す。例えば
、メモリは、１つ以上の読み取り専用メモリ（ＲＯＭ）、１つ以上のランダムアクセスメ
モリ（ＲＡＭ）、１つ以上のレジスタ、低電力ＤＤＲ（ＬＰＤＤＲ）メモリ、１つ以上の
キャッシュメモリ、１つ以上の半導体メモリ装置、１つ以上の磁気媒体、１つ以上の光学
媒体、１つ以上の磁気光学媒体、又はこれらの任意の組み合わせであってもよい。
本明細書で使用される場合、「命令」という用語は、本明細書に開示の任意の方法を実
行するための指示若しくは表現、又はその任意の部分若しくは複数の部分を含んでもよく
、ハードウェア、ソフトウェア又はこれらの任意の組み合わせで実現されてもよい。例え
ば、命令は、本明細書に記載の各方法、アルゴリズム、態様又はこれらの組み合わせのい
ずれかを行うためにプロセッサによって実行され得るメモリに記憶されたコンピュータプ
ログラム等の情報として実装されてもよい。いくつかの実施形態では、命令又はその一部
は、本明細書に記載の任意の方法、アルゴリズム、態様又はその組み合わせを行うための
専用ハードウェアを含み得る専用プロセッサ又は回路として実装されてもよい。いくつか
の実装では、命令の部分は、直接的に又はローカル領域ネットワーク、ワイド領域ネット
ワーク、インターネット又はこれらの組み合わせ等のネットワークを介して通信し得る複
数の装置又は単一の装置上の複数のプロセッサに分散されてもよい。
本明細書で使用される場合、「例示」、「実施形態」、「実装」、「態様」、「特徴」
又は「要素」という用語は、用例、例示又は実例としての役割を果たすことを示している
。明示されない限り、任意の例示、実施形態、実装、態様、特徴又は要素が、互いの例示
、実施形態、実装、態様、特徴又は要素から独立しており、任意の他の例示、実施形態、
実装、態様、特徴又は要素と組み合わせて使用されてもよい。
本明細書で使用される場合、「決定」及び「識別」又はこれらの任意の変形の用語は、
図示の及び本明細書に記載の１つ以上の装置を使用するいかなるやり方で選択、確認、計
算、検索、受信、決定、確立、取得、又は他のやり方で識別又は決定することを含んでい
る。
本明細書で使用される場合、「又は」という用語は、排他的な「又は」ではなく包含的
な「又は」を意味することが意図されている。すなわち、他に特に定めがない限り、又は
コンテキストから明確であれば、「ＸがＡ又はＢを含む」は、任意の当然の包含的な並べ
替えを示すことが意図されている。すなわち、ＸがＡを含む、ＸがＢを含む、又はＸがＡ
及びＢの両方を含む場合、「ＸがＡ又はＢを含む」は、上記の例示のいずれかによって満
たされる。さらに、本願及び添付の請求項の中で使用される“ａ”及び“ａｎ”という冠
詞は、一般に、単数形を指していることがコンテキストから明確であるか又は他に特段の
定めがない限り、「１つ以上の」を意味すると解釈されるべきである。
さらに、説明の簡潔のため、本明細書の図面及び説明は一連のステップ又は段階又はシ
ーケンスを含み得るが、本明細書に開示の方法の要素は、様々な順番で又は同時に起こっ
てもよい。さらに、本明細書に開示の方法の要素は、本明細書に明示的に提示及び開示さ
れていない他の要素と共に起こってもよい。さらに、本明細書に記載の方法の全ての要素
が、本開示による方法を実装することを要求されるとは限らない。態様、特徴及び要素は
特定の組み合わせで本明細書に記載されているが、各態様、特徴又は要素は、他の態様、
特徴及び要素と共に又はそれらなしで独立して又は様々な組み合わせで使用されてもよい
。
上記の態様、例示及び実装は、本開示の理解を容易にするために記載されており、限定
するものではない。対照的に、本開示は、添付の特許請求の範囲内に含まれる様々な修正
及び等価な構成を包含しており、特許請求の範囲は、法的に認められている全てのこのよ
うな修正及び均等構造を包含するように最も広く解釈されるべきである。

Claims (20)

  1. 車両交通ネットワークの横断に使用される方法であって、
    前記方法は、自律走行車によって、車両交通ネットワークを横断するステップを含み、
    前記車両交通ネットワークを横断することは、
    シナリオ固有の動作制御評価モジュールインスタンスを動作させるステップであって、
    前記シナリオ固有の動作制御評価モジュールインスタンスは、個別の車両動作シナリオの
    シナリオ固有の動作制御評価モデルのインスタンスを含み、前記シナリオ固有の動作制御
    評価モジュールインスタンスを動作させることは、前記シナリオ固有の動作制御評価モデ
    ルに関するポリシーを識別することを含むステップと、
    前記シナリオ固有の動作制御評価モジュールインスタンスに関する前記ポリシーからの
    候補車両制御アクションを受信するステップであって、前記個別の車両動作シナリオに関
    する不確実性値が定義された不確実性閾値を超えるという決定に応答して、前記候補車両
    制御アクションは方向調整車両制御アクションであるステップと、
    前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断するステ
    ップであって、前記車両交通ネットワークの一部は前記個別の車両動作シナリオを含むス
    テップと
    を含む、方法。
  2. 前記候補車両制御アクションに従って前記車両交通ネットワークを横断することは、前
    記車両交通ネットワーク内の通行権境界位置を識別することを含む、請求項１に記載の方
    法。
  3. 前記候補車両制御アクションに従って前記車両交通ネットワークを横断することは、
    前記自律走行車と前記通行権境界位置との間の距離が定義された接近距離内にあるとい
    う決定に応答して、最大方向調整速度で前記車両交通ネットワークの一部を横断するよう
    に前記自律走行車を制御すること
    を含む、請求項２に記載の方法。
  4. 前記最大方向調整速度で前記車両交通ネットワークを横断するように前記自律走行車を
    制御することは、
    前記最大方向調整速度が前記自律走行車の現在の速度を超えるという決定に応答して、
    前記最大方向調整速度まで加速するように前記自律走行車を制御すること、及び
    前記自律走行車の前記現在の速度が前記最大方向調整速度を超えるという決定に応答し
    て、前記最大方向調整速度まで減速するように前記自律走行車を制御すること
    を含む、請求項３に記載の方法。
  5. 前記候補車両制御アクションに従って前記車両交通ネットワークを横断することは、前
    記自律走行車と前記通行権境界位置との間の距離が予測される静止距離内にあるという決
    定に応答して、減速することによって前記車両交通ネットワークを横断するように前記自
    律走行車を制御することを含む、請求項２に記載の方法。
  6. 前記候補車両制御アクションに従って前記車両交通ネットワークを横断することは、前
    記自律走行車の現在の位置が前記通行権境界位置に対応するという決定に応答して、停止
    することによって前記車両交通ネットワークを横断するように前記自律走行車を制御する
    ステップを含む、請求項５に記載の方法。
  7. 前記車両交通ネットワークを横断することは、
    前記シナリオ固有の動作制御評価モジュールインスタンスに関する前記ポリシーからの
    後続の候補車両制御アクションを受信することであって、前記個別の車両動作シナリオに
    関する前記不確実性値が定義された不確実性閾値内であるという決定に応答して、前記後
    続の候補車両制御アクションは、進行車両制御アクション又は停止車両制御アクションで
    あること、及び
    前記後続の候補車両制御アクションに従って前記車両交通ネットワークの後続部分を横
    断することであって、前記車両交通ネットワークの前記後続部分は前記個別の車両動作シ
    ナリオを含むこと
    を含む、請求項１に記載の方法。
  8. 前記個別の車両動作シナリオに関する前記不確実性値が前記定義された不確実性閾値を
    超えるという決定は、遮蔽領域に対応し、前記候補車両制御アクションに従って前記車両
    交通ネットワークの一部を横断することは、前記遮蔽領域が減少するように、前記候補車
    両制御アクションに従って前記車両交通ネットワークの一部を横断することを含む、請求
    項１に記載の方法。
  9. 前記個別の車両動作シナリオに関する前記不確実性値が前記定義された不確実性閾値を
    超えるという決定は、外部オブジェクトの予測される動作に関する不確実性に基づいてお
    り、前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断するこ
    とは、前記外部オブジェクトの前記予測される動作に関する不確実性が減少するように、
    前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断することを
    含む、請求項１に記載の方法。
  10. 前記個別の車両動作シナリオに関する前記不確実性値が前記定義された不確実性閾値を
    超えるという決定は、予測される外部不確実性に基づいており、前記候補車両制御アクシ
    ョンに従って前記車両交通ネットワークの一部を横断することは、前記自律走行車に対す
    る予測される後続の車両制御アクションの記号表現を出力するように前記自律走行車を制
    御することによって、前記予測される外部不確実性が減少するように、前記候補車両制御
    アクションに従って前記車両交通ネットワークの一部を横断することを含む、請求項１に
    記載の方法。
  11. 前記自律走行車に対する前記予測される後続の車両制御アクションの前記記号表現を出
    力するように前記自律走行車を制御することは、前記自律走行車の方向状態又は前記自律
    走行車の運動状態の少なくとも１つを制御することを含む、請求項１０に記載の方法。
  12. 前記個別の車両動作シナリオは、交差点シナリオ、歩行者シナリオ、合流シナリオ、車
    線変更シナリオ、車線重複シナリオである、請求項１に記載の方法。
  13. プロセッサを備える自律走行車であって、
    前記プロセッサは、非一時的なコンピュータ可読媒体に記憶されている命令を実行して
    、
    シナリオ固有の動作制御評価モジュールインスタンスを動作させるステップであって、
    前記シナリオ固有の動作制御評価モジュールインスタンスは、個別の車両動作シナリオの
    シナリオ固有の動作制御評価モデルのインスタンスを含み、前記シナリオ固有の動作制御
    評価モジュールインスタンスを動作させることは、前記シナリオ固有の動作制御評価モデ
    ルに関するポリシーを識別することを含むステップと、
    前記シナリオ固有の動作制御評価モジュールインスタンスに関する前記ポリシーからの
    候補車両制御アクションを受信するステップであって、前記個別の車両動作シナリオに関
    する不確実性値が定義された不確実性閾値を超えるという決定に応答して、前記候補車両
    制御アクションは方向調整車両制御アクションであるステップと、
    前記候補車両制御アクションに従って車両交通ネットワークの一部を横断するステップ
    であって、前記車両交通ネットワークの一部は前記個別の車両動作シナリオを含むステッ
    プと
    を行うように構成される、自律走行車。
  14. 前記プロセッサは、
    遮蔽領域、外部オブジェクトの予測される動作、又は予測される外部不確実性のうちの
    少なくとも１つを示す情報に応答して、前記個別の車両作動シナリオに関する前記不確実
    性値が前記定義された不確実性閾値を超えるという決定を生成すること、及び
    前記候補車両制御アクションに従って、前記車両交通ネットワークの一部を横断するこ
    とであって、
    前記外部オブジェクトの前記予測される動作に関する不確実性が減少するように、前
    記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断すること、
    前記自律走行車に関する予測される後続の車両制御アクションの記号表現を出力する
    ように前記自律走行車を制御することによって、前記予測される外部不確実性が減少する
    ように、前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断す
    ること、及び
    前記情報が前記遮蔽領域を示すことに応答して、前記遮蔽領域が減少するように、前
    記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断すること
    によって行われること
    を行うように構成される、請求項１３に記載の自律走行車。
  15. 前記プロセッサは、前記車両交通ネットワーク内の通行権境界位置を識別することによ
    って、前記候補車両制御アクションに従って前記車両交通ネットワークを横断するように
    前記非一時的なコンピュータ可読媒体に記憶された前記命令を実行するように構成される
    、請求項１３に記載の自律走行車。
  16. 前記プロセッサは、前記非一時的なコンピュータ可読媒体に記憶された前記命令を実行
    して、前記自律走行車と前記通行権境界位置との間の距離が定義された接近距離内にある
    という決定に応答して、最大方向調整速度で前記車両交通ネットワークの一部を横断する
    ように前記自律走行車を制御することにより、前記候補車両制御アクションに従って前記
    車両交通ネットワークを横断することを行うように構成される、請求項１５に記載の自律
    走行車。
  17. 前記最大方向調整速度で前記車両交通ネットワークを横断するように前記自律走行車を
    制御することは、
    前記最大方向調整速度が前記自律走行車の現在の速度を超えるという決定に応答して、
    前記最大方向調整速度まで加速するように前記自律走行車を制御すること、及び
    前記自律走行車の前記現在の速度が前記最大方向調整速度を超えるという決定に応答し
    て、前記最大方向調整速度まで減速するように前記自律走行車を制御すること
    を含む、請求項１６に記載の自律走行車。
  18. 前記プロセッサは、前記非一時的なコンピュータ可読媒体に記憶された前記命令を実行
    して、前記自律走行車と前記通行権境界位置との間の距離が予測される静止距離内にある
    という決定に応答して、減速することによって前記車両交通ネットワークを横断するよう
    に前記自律走行車を制御することにより、前記候補車両制御アクションに従って前記車両
    交通ネットワークを横断することを行うように構成される、請求項１５に記載の自律走行
    車。
  19. 前記プロセッサは、前記非一時的なコンピュータ可読媒体に記憶された前記命令を実行
    して、前記自律走行車の現在の位置が前記通行権境界位置に対応するという決定に応答し
    て、停止することによって前記車両交通ネットワークを横断するように前記自律走行車を
    制御することにより、前記候補車両制御アクションに従って前記車両交通ネットワークを
    横断することを行うように構成される、請求項１５に記載の自律走行車。
  20. 車両交通ネットワークの横断に使用される方法であって、
    前記方法は、自律走行車によって、車両交通ネットワークを横断するステップを含み、
    前記車両交通ネットワークを横断することは、
    シナリオ固有の動作制御評価モジュールインスタンスを動作させるステップであって、
    前記シナリオ固有の動作制御評価モジュールインスタンスは、個別の車両動作シナリオの
    シナリオ固有の動作制御評価モデルのインスタンスを含み、前記シナリオ固有の動作制御
    評価モジュールインスタンスを動作させることは、前記シナリオ固有の動作制御評価モデ
    ルに関するポリシーを識別することを含むステップと、
    前記シナリオ固有の動作制御評価モジュールインスタンスに関する前記ポリシーからの
    候補車両制御アクションを受信するステップであって、前記個別の車両動作シナリオに関
    する不確実性値が定義された不確実性閾値を超えるという決定に応答して、前記候補車両
    制御アクションは方向調整車両制御アクションであるステップと、
    前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断するステ
    ップであって、前記車両交通ネットワークの一部は前記個別の車両動作シナリオを含み、
    前記候補車両制御アクションに従って前記車両交通ネットワークの一部を横断することは
    、
    前記自律走行車と通行権境界位置との間の距離が予測される静止距離内にあるという
    決定に応答して、減速することによって前記車両交通ネットワークを横断するように前記
    自律走行車を制御すること、及び
    前記自律走行車の現在の位置が前記通行権境界位置に対応するという決定に応答して
    、停止することによって前記車両交通ネットワークを横断するように前記自律走行車を制
    御すること
    を含むステップと
    を含む、方法。
JP2022077832A 2018-06-29 2022-05-11 自律走行車動作管理のための方向調整アクション Active JP7406215B2 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US16/023,710 2018-06-29
US16/023,710 US11120688B2 (en) 2018-06-29 2018-06-29 Orientation-adjust actions for autonomous vehicle operational management
PCT/US2019/038893 WO2020005875A1 (en) 2018-06-29 2019-06-25 Orientation-adjust actions for autonomous vehicle operational management
JP2020572659A JP2021523057A (ja) 2018-06-29 2019-06-25 自律走行車動作管理のための方向調整アクション

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2020572659A Division JP2021523057A (ja) 2018-06-29 2019-06-25 自律走行車動作管理のための方向調整アクション

Publications (2)

Publication Number Publication Date
JP2022119802A true JP2022119802A (ja) 2022-08-17
JP7406215B2 JP7406215B2 (ja) 2023-12-27

Family

ID=68987511

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2020572659A Pending JP2021523057A (ja) 2018-06-29 2019-06-25 自律走行車動作管理のための方向調整アクション
JP2022077832A Active JP7406215B2 (ja) 2018-06-29 2022-05-11 自律走行車動作管理のための方向調整アクション

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2020572659A Pending JP2021523057A (ja) 2018-06-29 2019-06-25 自律走行車動作管理のための方向調整アクション

Country Status (5)

Country Link
US (1) US11120688B2 (ja)
EP (1) EP3814867A4 (ja)
JP (2) JP2021523057A (ja)
CN (1) CN112368662B (ja)
WO (1) WO2020005875A1 (ja)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12038765B2 (en) 2016-08-02 2024-07-16 Transportation Ip Holdings, Llc Vehicle control system and method
US10196058B2 (en) 2016-11-28 2019-02-05 drive.ai Inc. Method for influencing entities at a roadway intersection
US10261513B2 (en) 2016-12-19 2019-04-16 drive.ai Inc. Methods for communicating state, intent, and context of an autonomous vehicle
US20200001779A1 (en) * 2018-06-27 2020-01-02 drive.ai Inc. Method for communicating intent of an autonomous vehicle
US11616813B2 (en) * 2018-08-31 2023-03-28 Microsoft Technology Licensing, Llc Secure exploration for reinforcement learning
KR102592825B1 (ko) * 2018-08-31 2023-10-23 현대자동차주식회사 충돌 회피 제어 장치 및 그 방법
DE102018130449A1 (de) * 2018-11-30 2020-06-04 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Überprüfung eines zumindest teilautonomen Fahrbetriebs eines Fahrzeuges
JP7220095B2 (ja) * 2019-02-22 2023-02-09 株式会社日立製作所 セキュリティ設計立案支援装置
CN109949596A (zh) * 2019-02-28 2019-06-28 北京百度网讯科技有限公司 用于自动驾驶车辆的车辆交互方法和装置
JP7088118B2 (ja) * 2019-04-09 2022-06-21 トヨタ自動車株式会社 自動運転車両管理システム
US11462111B2 (en) * 2019-04-29 2022-10-04 Qualcomm Incorporated Method and apparatus for vehicle maneuver planning and messaging
US11136023B2 (en) * 2019-05-07 2021-10-05 Baidu Usa Llc Method for determining exiting intersection of moving objects for autonomous driving vehicles
CN113811470B (zh) * 2019-05-15 2023-03-21 日产自动车株式会社 车辆的行驶控制方法及行驶控制装置
US11275370B2 (en) * 2019-06-28 2022-03-15 Zoox, Inc. Techniques for navigating vehicles using teleoperator instructions
US11834045B2 (en) 2019-10-08 2023-12-05 Motional Ad Llc Navigating multi-way stop intersections with an autonomous vehicle
WO2021166744A1 (ja) * 2020-02-19 2021-08-26 日本電気株式会社 走行状態判定装置、割込み警告装置、方法、及びコンピュータ可読媒体
US11608067B2 (en) * 2020-08-12 2023-03-21 Honda Motor Co., Ltd. Probabilistic-based lane-change decision making and motion planning system and method thereof
DE102020210336A1 (de) * 2020-08-14 2022-02-17 Zf Friedrichshafen Ag Kollisionsvermeidung für ein Fahrzeug
CN112241176B (zh) * 2020-10-16 2022-10-28 哈尔滨工程大学 一种水下自主航行器在大尺度连续性障碍物环境中路径规划避障控制方法
US11993281B2 (en) 2021-02-26 2024-05-28 Nissan North America, Inc. Learning in lane-level route planner
EP4309969A4 (en) * 2021-03-17 2024-06-26 Nissan Motor Co., Ltd. DRIVING CONTROL METHOD AND DRIVING CONTROL DEVICE FOR A VEHICLE
US11945441B2 (en) 2021-03-31 2024-04-02 Nissan North America, Inc. Explainability and interface design for lane-level route planner
US11965749B2 (en) * 2021-03-31 2024-04-23 Argo AI, LLC System and method for automated lane conflict estimation in autonomous vehicle driving and map generation
CN117120315B (zh) * 2021-04-12 2024-07-19 日产自动车株式会社 制动控制方法以及制动控制装置
US20220371612A1 (en) * 2021-04-29 2022-11-24 Nissan North America, Inc. Vehicle Guidance with Systemic Optimization
US11921506B2 (en) * 2021-05-28 2024-03-05 Nissan North America, Inc. Belief state determination for real-time decision-making
CN113793527B (zh) * 2021-09-14 2022-11-18 北京石油化工学院 一种面向城市交通主动控制的测试验证系统
WO2024208617A1 (de) * 2023-04-06 2024-10-10 Volkswagen Aktiengesellschaft Verfahren und vorrichtung zur unterstützung der umfelderkennung eines fahrzeugs

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016139163A (ja) * 2015-01-26 2016-08-04 株式会社日立製作所 車両走行制御装置
WO2017013749A1 (ja) * 2015-07-21 2017-01-26 日産自動車株式会社 運転計画装置、走行支援装置、運転計画方法
JP2018049445A (ja) * 2016-09-21 2018-03-29 日産自動車株式会社 運転支援方法及び運転支援装置

Family Cites Families (131)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8430980D0 (en) 1984-12-07 1985-01-16 Robinson M Generation of apparently three-dimensional images
JP2728170B2 (ja) 1988-10-25 1998-03-18 マツダ株式会社 移動車の走行制御装置
US5646843A (en) 1990-02-05 1997-07-08 Caterpillar Inc. Apparatus and method for surface based vehicle control system
US7418346B2 (en) 1997-10-22 2008-08-26 Intelligent Technologies International, Inc. Collision avoidance methods and systems
US20040068351A1 (en) 2002-04-22 2004-04-08 Neal Solomon System, methods and apparatus for integrating behavior-based approach into hybrid control model for use with mobile robotic vehicles
DE10341753A1 (de) 2003-09-10 2005-04-21 Bosch Gmbh Robert Vorrichtung zur Detektion einer Annäherung an einem Fußgängerüberweg in einem Fahrzeug
US7242294B2 (en) 2003-09-17 2007-07-10 Agilent Technologies, Inc System and method for using mobile collectors for accessing a wireless sensor network
ATE511669T1 (de) 2004-01-13 2011-06-15 Renault Sas Entwurf von sicherheitskritischen systemen
JP4591346B2 (ja) 2005-12-28 2010-12-01 アイシン・エィ・ダブリュ株式会社 車車間通信システム
US9373149B2 (en) 2006-03-17 2016-06-21 Fatdoor, Inc. Autonomous neighborhood vehicle commerce network and community
JP2007316827A (ja) * 2006-05-24 2007-12-06 Toyota Motor Corp 交差点交通管制システム
JP4254844B2 (ja) 2006-11-01 2009-04-15 トヨタ自動車株式会社 走行制御計画評価装置
US20090088916A1 (en) 2007-09-28 2009-04-02 Honeywell International Inc. Method and system for automatic path planning and obstacle/collision avoidance of autonomous vehicles
US20090140887A1 (en) 2007-11-29 2009-06-04 Breed David S Mapping Techniques Using Probe Vehicles
US9103671B1 (en) 2007-11-29 2015-08-11 American Vehicular Sciences, LLC Mapping techniques using probe vehicles
WO2009114649A2 (en) * 2008-03-12 2009-09-17 Aptima, Inc. Probabilistic decision making system and methods of use
US8244469B2 (en) 2008-03-16 2012-08-14 Irobot Corporation Collaborative engagement for target identification and tracking
JP5067217B2 (ja) 2008-03-18 2012-11-07 アイシン・エィ・ダブリュ株式会社 交通情報処理システム、統計処理装置、交通情報処理方法及び交通情報処理プログラム
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
KR101708083B1 (ko) 2009-08-19 2017-02-27 켈시-헤이즈 컴파니 자율적으로 구동하는 차량의 안전한 스티어링 시스템
US8452535B2 (en) 2010-12-13 2013-05-28 GM Global Technology Operations LLC Systems and methods for precise sub-lane vehicle positioning
US20120233102A1 (en) 2011-03-11 2012-09-13 Toyota Motor Engin. & Manufact. N.A.(TEMA) Apparatus and algorithmic process for an adaptive navigation policy in partially observable environments
US8849483B2 (en) 2011-04-13 2014-09-30 California Institute Of Technology Target trailing with safe navigation with colregs for maritime autonomous surface vehicles
US8949018B2 (en) 2011-06-13 2015-02-03 Toyota Jidosha Kabushiki Kaisha Driving assistance device and driving assistance method
GB2494716B (en) 2011-09-15 2019-12-18 Bae Systems Plc Autonomous vehicle and task modelling
JP5807990B2 (ja) 2011-09-22 2015-11-10 アイトーン、インコーポレイテッド 自律移動ロボット用の監視、診断及び追跡ツール
CN103842229A (zh) 2011-10-03 2014-06-04 丰田自动车株式会社 车辆的驾驶辅助系统
US20140310379A1 (en) 2013-04-15 2014-10-16 Flextronics Ap, Llc Vehicle initiated communications with third parties via virtual personality
DE102012005245A1 (de) 2012-03-14 2012-09-20 Daimler Ag Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Überholvorgang
US20130278441A1 (en) 2012-04-24 2013-10-24 Zetta Research and Development, LLC - ForC Series Vehicle proxying
US8781669B1 (en) 2012-05-14 2014-07-15 Google Inc. Consideration of risks in active sensing for an autonomous vehicle
JP5981237B2 (ja) * 2012-06-15 2016-08-31 トヨタ自動車株式会社 運転支援装置
WO2014024284A1 (ja) 2012-08-08 2014-02-13 トヨタ自動車株式会社 衝突予測装置
WO2014024336A1 (ja) 2012-08-09 2014-02-13 トヨタ自動車株式会社 物体検出装置及び運転支援装置
DE102012220134A1 (de) 2012-11-06 2014-05-08 Robert Bosch Gmbh Verfahren und Informationsgerät zum Erkennen einer absichtlichen Abweichung von einer optimalen Fahrroute eines Fahrzeugs zwischen einem Startpunkt und einem Zielpunkt
US9242647B2 (en) * 2013-02-06 2016-01-26 GM Global Technology Operations LLC Display systems and methods for autonomous vehicles
US10347127B2 (en) 2013-02-21 2019-07-09 Waymo Llc Driving mode adjustment
US9081651B2 (en) 2013-03-13 2015-07-14 Ford Global Technologies, Llc Route navigation with optimal speed profile
DE102013206746B4 (de) 2013-04-16 2016-08-11 Ford Global Technologies, Llc Verfahren und Vorrichtung zum Modifizieren der Konfiguration eines Fahrassistenzsystems eines Kraftfahrzeuges
US20150060608A1 (en) 2013-09-03 2015-03-05 Metrom Rail, Llc Rail Vehicle Signal Enforcement and Separation Control
US9099004B2 (en) 2013-09-12 2015-08-04 Robert Bosch Gmbh Object differentiation warning system
CN105636849B (zh) 2013-10-11 2018-05-18 日产自动车株式会社 行驶控制装置以及行驶控制方法
US20150106010A1 (en) 2013-10-15 2015-04-16 Ford Global Technologies, Llc Aerial data for vehicle navigation
US9090260B2 (en) 2013-12-04 2015-07-28 Mobileye Vision Technologies Ltd. Image-based velocity control for a turning vehicle
CN105848981B (zh) 2013-12-24 2018-10-30 沃尔沃卡车集团 用于车辆的驾驶员辅助方法和系统
US9140554B2 (en) 2014-01-24 2015-09-22 Microsoft Technology Licensing, Llc Audio navigation assistance
EP2902864B1 (en) 2014-01-30 2017-05-31 Volvo Car Corporation Control arrangement for autonomously driven vehicle
US9365214B2 (en) 2014-01-30 2016-06-14 Mobileye Vision Technologies Ltd. Systems and methods for determining the status of a turn lane traffic light
EP2915718B1 (en) * 2014-03-04 2018-07-11 Volvo Car Corporation Apparatus and method for continuously establishing a boundary for autonomous driving availability and an automotive vehicle comprising such an apparatus
JP6180968B2 (ja) 2014-03-10 2017-08-16 日立オートモティブシステムズ株式会社 車両制御装置
JP6147691B2 (ja) 2014-03-27 2017-06-14 株式会社デンソーアイティーラボラトリ 駐車スペース案内システム、駐車スペース案内方法、及びプログラム
JP6537780B2 (ja) 2014-04-09 2019-07-03 日立オートモティブシステムズ株式会社 走行制御装置、車載用表示装置、及び走行制御システム
US10599155B1 (en) 2014-05-20 2020-03-24 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature monitoring and evaluation of effectiveness
US9972054B1 (en) 2014-05-20 2018-05-15 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US10319039B1 (en) 2014-05-20 2019-06-11 State Farm Mutual Automobile Insurance Company Accident fault determination for autonomous vehicles
US10223479B1 (en) 2014-05-20 2019-03-05 State Farm Mutual Automobile Insurance Company Autonomous vehicle operation feature evaluation
US9404761B2 (en) * 2014-05-30 2016-08-02 Nissan North America, Inc. Autonomous vehicle lane routing and navigation
US20150345967A1 (en) * 2014-06-03 2015-12-03 Nissan North America, Inc. Probabilistic autonomous vehicle routing and navigation
JP5952862B2 (ja) 2014-06-27 2016-07-13 富士重工業株式会社 車両の運転支援装置
JP6451111B2 (ja) 2014-07-10 2019-01-16 日産自動車株式会社 走行支援装置及び走行支援方法
US10293816B2 (en) 2014-09-10 2019-05-21 Ford Global Technologies, Llc Automatic park and reminder system and method of use
JP6280850B2 (ja) 2014-09-29 2018-02-14 日立建機株式会社 障害物回避システム
KR101664582B1 (ko) 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
US9534910B2 (en) 2014-12-09 2017-01-03 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to yield scenarios
US9963215B2 (en) 2014-12-15 2018-05-08 Leidos, Inc. System and method for fusion of sensor data to support autonomous maritime vessels
US9625906B2 (en) 2015-01-15 2017-04-18 Nissan North America, Inc. Passenger docking location selection
US9436183B2 (en) 2015-01-15 2016-09-06 Nissan North America, Inc. Associating passenger docking locations with destinations using vehicle transportation network partitioning
US9519290B2 (en) 2015-01-15 2016-12-13 Nissan North America, Inc. Associating passenger docking locations with destinations
JP6477730B2 (ja) 2015-01-30 2019-03-06 日産自動車株式会社 駐車場と目的地との関連付け
US10216196B2 (en) 2015-02-01 2019-02-26 Prosper Technology, Llc Methods to operate autonomous vehicles to pilot vehicles in groups or convoys
DE102015201878A1 (de) 2015-02-04 2016-08-04 Continental Teves Ag & Co. Ohg Halbautomatisierter Spurwechsel
KR102534792B1 (ko) 2015-02-10 2023-05-19 모빌아이 비젼 테크놀로지스 엘티디. 자율 주행을 위한 약도
WO2016129067A1 (ja) 2015-02-12 2016-08-18 株式会社日立製作所 自律動作検証装置および自律システム
US20160260328A1 (en) 2015-03-06 2016-09-08 Qualcomm Incorporated Real-time Occupancy Mapping System for Autonomous Vehicles
US9555807B2 (en) * 2015-05-01 2017-01-31 Delphi Technologies, Inc. Automated vehicle parameter modification based on operator override
US10345809B2 (en) 2015-05-13 2019-07-09 Uber Technologies, Inc. Providing remote assistance to an autonomous vehicle
US9547309B2 (en) 2015-05-13 2017-01-17 Uber Technologies, Inc. Selecting vehicle type for providing transport
US9494439B1 (en) 2015-05-13 2016-11-15 Uber Technologies, Inc. Autonomous vehicle operated with guide assistance of human driven vehicles
US9630498B2 (en) 2015-06-24 2017-04-25 Nissan North America, Inc. Vehicle operation assistance information management
US10086699B2 (en) 2015-06-24 2018-10-02 Nissan North America, Inc. Vehicle operation assistance information management for autonomous vehicle control operation
CN107851373A (zh) 2015-07-21 2018-03-27 日产自动车株式会社 场景评估装置、行驶辅助装置、场景评估方法
US9934688B2 (en) 2015-07-31 2018-04-03 Ford Global Technologies, Llc Vehicle trajectory determination
US10139828B2 (en) 2015-09-24 2018-11-27 Uber Technologies, Inc. Autonomous vehicle operated with safety augmentation
US9566986B1 (en) 2015-09-25 2017-02-14 International Business Machines Corporation Controlling driving modes of self-driving vehicles
US10002471B2 (en) 2015-09-30 2018-06-19 Ants Technology (Hk) Limited Systems and methods for autonomous vehicle navigation
US9904286B2 (en) 2015-10-13 2018-02-27 Nokia Technologies Oy Method and apparatus for providing adaptive transitioning between operational modes of an autonomous vehicle
JP6344695B2 (ja) 2015-10-28 2018-06-20 本田技研工業株式会社 車両制御装置、車両制御方法、および車両制御プログラム
DE102015224338B4 (de) 2015-12-04 2021-10-28 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung in einem Kraftfahrzeug zum automatisierten Fahren
US10061326B2 (en) 2015-12-09 2018-08-28 International Business Machines Corporation Mishap amelioration based on second-order sensing by a self-driving vehicle
US10126135B2 (en) 2015-12-15 2018-11-13 Nissan North America, Inc. Traffic signal timing estimation using an artificial neural network model
CN105635849B (zh) 2015-12-25 2018-06-05 网易传媒科技（北京）有限公司 多媒体文件播放时的文本显示方法和装置
US9913104B2 (en) 2016-01-21 2018-03-06 General Motors Llc Vehicle location services
CN105620470B (zh) 2016-01-25 2018-09-07 雷沃重工股份有限公司 一种作业车辆行偏移检测调整方法及系统
US9568915B1 (en) 2016-02-11 2017-02-14 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling autonomous or semi-autonomous vehicle
DE102016203086B4 (de) 2016-02-26 2018-06-28 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerassistenz
DE102016203723A1 (de) 2016-03-08 2017-09-14 Robert Bosch Gmbh Verfahren und System zum Bestimmen der Pose eines Fahrzeugs
US9792575B2 (en) 2016-03-11 2017-10-17 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
US9645577B1 (en) 2016-03-23 2017-05-09 nuTonomy Inc. Facilitating vehicle driving and self-driving
US9910440B2 (en) 2016-05-13 2018-03-06 Delphi Technologies, Inc. Escape-path-planning system for an automated vehicle
JP2017207859A (ja) 2016-05-17 2017-11-24 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US10449962B2 (en) 2016-06-23 2019-10-22 Honda Motor Co., Ltd. System and method for vehicle control using vehicular communication
US10286913B2 (en) 2016-06-23 2019-05-14 Honda Motor Co., Ltd. System and method for merge assist using vehicular communication
CN105892471B (zh) * 2016-07-01 2019-01-29 北京智行者科技有限公司 汽车自动驾驶方法和装置
US10331138B2 (en) 2016-07-05 2019-06-25 Baidu Usa Llc Standard scene-based planning control methods for operating autonomous vehicles
EP3273423B1 (en) 2016-07-21 2019-03-13 Continental Automotive GmbH Device and method for a vehicle for recognizing a pedestrian
JP6551332B2 (ja) 2016-07-26 2019-07-31 トヨタ自動車株式会社 車両の走行可能距離算出システムおよび走行可能距離算出方法
DE102016009763A1 (de) 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie und zum Erzeugen von zugehörigen Signalen oder Steuerbefehlen
CN106184223A (zh) 2016-09-28 2016-12-07 北京新能源汽车股份有限公司 一种自动驾驶控制方法、装置及汽车
JP2018077565A (ja) 2016-11-07 2018-05-17 本田技研工業株式会社 車両制御装置
JP6677822B2 (ja) 2016-12-07 2020-04-08 本田技研工業株式会社 車両制御装置
US10421459B2 (en) 2016-12-20 2019-09-24 GM Global Technology Operations LLC Contextual-assessment vehicle systems
CN110087960B (zh) 2016-12-21 2022-06-17 本田技研工业株式会社 车辆控制系统、车辆控制方法及存储介质
CN110099834B (zh) 2016-12-27 2022-09-09 本田技研工业株式会社 车辆控制系统、车辆控制方法及存储介质
KR102535540B1 (ko) 2017-01-12 2023-05-23 모빌아이 비젼 테크놀로지스 엘티디. 차량 움직임에 기반한 항법
WO2018138769A1 (ja) 2017-01-24 2018-08-02 本田技研工業株式会社 車両制御装置、車両制御方法、および車両制御プログラム
MX2019009392A (es) 2017-02-10 2019-11-28 Nissan North America Inc Control de la administracion operacional de vehiculos autonomos.
KR20180094725A (ko) 2017-02-16 2018-08-24 삼성전자주식회사 자율 주행을 위한 차량 제어 방법, 차량 제어 장치 및 자율 주행을 위한 학습 방법
WO2018162521A1 (en) 2017-03-07 2018-09-13 Robert Bosch Gmbh Action planning system and method for autonomous vehicles
US10513268B2 (en) 2017-04-07 2019-12-24 Steering Solutions Ip Holding Corporation Vehicle safety system
US10762447B2 (en) 2017-05-23 2020-09-01 Uatc, Llc Vehicle selection for on-demand transportation services
US20180342033A1 (en) 2017-05-23 2018-11-29 Uber Technologies, Inc. Trip classification system for on-demand transportation services
JP6666304B2 (ja) 2017-06-02 2020-03-13 本田技研工業株式会社 走行制御装置、走行制御方法、およびプログラム
US11042155B2 (en) 2017-06-06 2021-06-22 Plusai Limited Method and system for closed loop perception in autonomous driving vehicles
US10296004B2 (en) 2017-06-21 2019-05-21 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous operation for an autonomous vehicle objective in a multi-vehicle environment
US10532749B2 (en) 2017-08-11 2020-01-14 Uatc, Llc Systems and methods to adjust autonomous vehicle parameters in response to passenger feedback
US10514697B2 (en) 2017-09-15 2019-12-24 GM Global Technology Operations LLC Vehicle remote assistance mode
US20190096244A1 (en) 2017-09-25 2019-03-28 Intel Corporation Vehicle-to-many-vehicle communication
WO2019069868A1 (ja) 2017-10-04 2019-04-11 パイオニア株式会社 判定装置及び判定方法並びに判定用プログラム
US10739775B2 (en) 2017-10-28 2020-08-11 Tusimple, Inc. System and method for real world autonomous vehicle trajectory simulation
JP6704890B2 (ja) 2017-11-08 2020-06-03 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016139163A (ja) * 2015-01-26 2016-08-04 株式会社日立製作所 車両走行制御装置
WO2017013749A1 (ja) * 2015-07-21 2017-01-26 日産自動車株式会社 運転計画装置、走行支援装置、運転計画方法
JP2018049445A (ja) * 2016-09-21 2018-03-29 日産自動車株式会社 運転支援方法及び運転支援装置

Also Published As

Publication number Publication date
US20200005645A1 (en) 2020-01-02
WO2020005875A1 (en) 2020-01-02
EP3814867A1 (en) 2021-05-05
EP3814867A4 (en) 2021-09-15
JP2021523057A (ja) 2021-09-02
JP7406215B2 (ja) 2023-12-27
CN112368662A (zh) 2021-02-12
CN112368662B (zh) 2021-12-10
US11120688B2 (en) 2021-09-14

Similar Documents

Publication Publication Date Title
JP7406215B2 (ja) 自律走行車動作管理のための方向調整アクション
CN110603497B (zh) 自主车辆操作管理控制的自主车辆和方法
CN110431037B (zh) 包括运用部分可观察马尔可夫决策过程模型示例的自主车辆操作管理
US11027751B2 (en) Reinforcement and model learning for vehicle operation
KR102305291B1 (ko) 자율주행 차량 운용 관리
JP6963158B2 (ja) 集中型共有自律走行車動作管理
CA3052953C (en) Autonomous vehicle operational management blocking monitoring
JP6992182B2 (ja) 自律走行車両運行管理計画
US11702070B2 (en) Autonomous vehicle operation with explicit occlusion reasoning
JP7048818B2 (ja) 車両交通ネットワークを通り抜けるときに使用される方法と自律走行車両
US11874120B2 (en) Shared autonomous vehicle operational management

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220523

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220523

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230530

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230816

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: 20231121

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231207

R150 Certificate of patent or registration of utility model

Ref document number: 7406215

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150