JP2022508300A - 一般的な道路気象状況の検出 - Google Patents

Abstract

本技術は、車両の周囲の道路に影響を与える一般的な気象状況の決定、および自律モードにおいて動作しているときにそのような状況が車両の運転およびルート計画にどのように影響するかを決定することに関する。例えば、車載センサシステムは、路面の特定の部分の小さな流氷原とは対照的に、道路が全体的に凍結しているかどうかを検出することができる（１７０２）。システムは、車両および／または他の近くの車両（１７０４、１７０６、１７０８、１７１０）によってとられた特定の運転処置を評価することもできる。そのような情報に基づいて、車両の制御システムは、結果として得られた情報を使用して、適切な制動レベルまたは制動戦略を選択することができる（１７１４）。その結果、システムは、異なるレベルの有害な気象状況を検出し、これに対応することができる。車載コンピュータシステムは、道路状況情報を近くの車両（１６１２、１６１４）および遠隔支援装置（１６０４）と共有し、その結果、より広範なフリート計画動作と共に用いられ得る。【選択図】図１７

Description

関連出願の相互参照
本出願は、２０１８年１２月１２日に出願の米国特許出願第１６／２１７，２３５号の利益を主張するものであり、２０１８年１２月１２日に出願の、「Ｄｅｔｅｒｍｉｎｉｎｇ Ｗｈｅｅｌ Ｓｌｉｐｐａｇｅ ｏｎ Ｓｅｌｆ－Ｄｒｉｖｉｎｇ Ｖｅｈｉｃｌｅ」と題する米国特許出願第１６／２１７，５３１号（弁護士整理番号第ＸＳＤＶ３．０Ｆ－２０７８号）に関連しており、これらの全開示は参照により本明細書に組み込まれる。

人間の運転者を必要としない車両などの自律型車両を、ある場所から別の場所への乗客または貨物の輸送を支援するために使用することができる。このような車両は、完全に自律的なモードで動作する場合と、人が何らかの運転入力を提供し得る、部分的に自律的なモードで動作する場合がある。自律モードで動作するために、車両は様々な車載センサを使用して外部環境の特徴を検出し、受信されたセンサ情報を使用して様々な運転動作を実行することができる。ただし、車両周辺の気象状況は、道路に沿った車両の運転能力に悪影響を与える可能性がある。環境内の物体を検出するように配置されたセンサ自体は、システムがそのような気象状況が車両の動作に与える潜在的な影響を適切に評価するために必要な精度を達成できないか、またはその精度が不足している可能性がある。

本技術は、車両の周囲の道路に影響を与える一般的な気象状況の決定と、自律運転モードにおいて動作しているときに車両の運転にどのように影響するかに関する。これは、例えば、路面の特定の部分の流氷原ではなく、道路が全体的に凍結しているかどうかを決定することを含み得る。車両の知覚システムは、様々なセンサを介して、接近しつつあるエリアに沿った状態を検出することができるが、車両は、スリップ、アンチロックブレーキ、温度測定、および他のデータに関する情報を収集することもできる。この集約された情報は車載システムによって分析され、運転動作の修正および／または車両のルート変更に使用される。

本技術の態様によれば、自律運転モードで動作する車両の周囲の環境における気象または道路状況を決定する方法が提供される。この方法は、車両の１つ以上のプロセッサによって、車両の１つ以上のセンサから車両の周囲の環境のセンサデータを受信することと１つ以上のプロセッサによって、車両のサブシステムに、自律運転モードにおける動作中にサブシステムの１つ以上の構成要素を作動させることと、サブシステムの１つ以上の構成要素の作動中に車両の姿勢情報を取得することと、車両の１つ以上のプロセッサによって、取得された姿勢情報に従って車両の実際の姿勢を決定することと、１つ以上のプロセッサによって、車両の実際の姿勢を車両の予想された姿勢と比較することと、１つ以上のプロセッサによって、比較に基づいて実際の姿勢と予想された姿勢との差を決定することと、実際の姿勢と予想された姿勢との間の差または外部環境の受信されたセンサデータのうちの少なくとも一方に基づいて、車両の周囲の環境において有害な気象または道路状況があることを決定することと、車両の周囲の環境における有害な気象または道路状況を決定することに応答して処置を実行することと、を含む。

有害な気象または道路状況があることを決定することは、車両が動作している道路の領域が凍結している、濡れている、または少なくとも部分的に雪で覆われていることを決定することを含み得る。

車両のサブシステムに１つ以上の構成要素を作動させることは、道路の特定の部分を、道路の特定の部分に対して選択された速度および選択された位置方位において運転することを含み得る。このアプローチは、道路の特定の部分に対して異なる選択された速度または異なる選択された位置方位において道路の特定の部分を運転するように、別の車両に命令することをさらに含み得る。このシナリオでは、他の車両は、第１の車両であり得、この車両は、第１の車両に続く第２の車両であってもよく、方法は、第２の車両が、第１の車両が道路の特定の部分を運転した結果を観察することを含む。選択された速度および選択された位置方位において道路の特定の部分を運転することは、道路の特定の部分に沿った牽引力の量を検出するために行われてもよい。

姿勢情報を取得することは、車両の１つ以上のセンサからセンサデータを受信することを含み得る。

この方法は、車両の１つ以上のセンサによって、車両の周囲の環境における１つ以上の他の車両による運転処置を検出することをさらに含み得る。これは、１つ以上の他の車両による運転処置の検出に応答して、１つ以上のプロセッサが、道路の選択された部分に沿った特定の気象または道路状況を決定することをさらに含み得る。特定の気象または道路状況は、道路の選択された部分に沿った水たまり、流氷原、または積雪のうちの１つであってもよい。このアプローチは、道路の選択された部分に沿った特定の気象または道路状況を決定することに応答して、車両の１つ以上のセンサによって取得されたデータのセットから疑似センサ信号をフィルタリングすることをさらに含み得る。

この方法はまた、是正運転処置、ルート再計画処置、または行動予測の修正に関する情報を、別の車両またはフリート管理システムのうちの少なくとも一方に送信することも含み得る。

一例では、１つ以上の構成要素のうちの所与の１つは制動構成要素であり、サブシステムは減速システムであり得る。別の例では、１つ以上の構成要素のうちの所与の１つは加速構成要素であり、サブシステムは加速システムであり得る。または、さらなる例では、１つ以上の構成要素のうちの所与の１つはステアリング構成要素であり、サブシステムはステアリングシステムであり得る。

処置を実行することは、是正運転処置を実行すること、ルート再計画処置を実施すること、環境内の物体の行動予測において修正を引き起こすこと、別の車両に通知を提供すること、またはバックエンドシステムに通知を提供すること、のうちの少なくとも１つを含み得る。

本技術の他の態様によれば、車両は自律運転モードで動作するように構成されている。車両は、運転システム、知覚システム、測位システム、および制御システムを備える。運転システムは、自律運転モードにおいて車両の運転を制御するためのステアリングサブシステム、加速サブシステム、および減速サブシステムを含む。知覚システムは、車両の外部環境にある物体を検出するように構成された１つ以上のセンサを含む。測位システムは、車両の現在位置を決定するように構成されている。制御システムは、１つ以上のプロセッサを含む。制御システムは、運転システム、知覚システム、および測位システムに動作可能に連結されている。制御システムは、１つ以上のセンサから車両の周囲の環境のセンサデータを受信することと、車両のサブシステムに、自律運転モードにおける動作中にサブシステムの１つ以上の構成要素を作動させることと、サブシステムの１つ以上の構成要素の作動中に車両の姿勢情報を取得することと、取得された姿勢情報に従って、車両の実際の姿勢を決定することと、車両の実際の姿勢を車両の予想された姿勢と比較することと、比較に基づいて、実際の姿勢と予想された姿勢との間の差を決定することと、実際の姿勢と予想された姿勢との間の差または外部環境の受信されたセンサデータのうちの少なくとも一方に従って、車両の周囲の環境において有害な気象または道路状況があることを決定することと、を行わせるように構成される。制御システムはさらに、車両の周囲の環境における有害な気象または道路状況を決定することに応答して処置を実行するように構成される。

有害な気象または道路状況があるという決定は、車両が動作している道路の領域が氷結している、濡れている、または少なくとも部分的に雪で覆われていることを決定することを含み得る。

制御システムは、車両のサブシステムに、道路の特定の部分を、道路の特定の部分に対して選択された速度および選択された位置方位において運転することによって、１つ以上の構成要素を作動させることを行わせるようにさらに構成されてもよい。

一例では、車両は、少なくとも１つの他の車両と通信するように構成された通信システムをさらに備える。ここで、制御システムは、道路の特定の部分を、道路の特定の部分に対して異なる選択された速度または異なる選択された位置方位において運転するように、少なくとも１つの他の車両に通信システムを介して命令するようにさらに構成される。１つのシナリオによると、少なくとも１つの他の車両は、第１の車両であってもよく、車両は、第１の車両に続く第２の車両であってもよく、知覚システムの１つ以上のセンサは、第１の車両が道路の特定の部分を運転した結果を観察するように構成される。

さらなる例では、１つ以上のセンサは、車両の周囲の環境における１つ以上の他の車両による運転処置を検出するように構成されている。１つ以上の他の車両による運転処置の検出に応じて、制御システムは、道路の選択された部分に沿った特定の気象または道路状況を決定し、および／または車両の１つ以上のセンサによって取得されたデータのセットから疑似センサ信号をフィルタリングするように構成される。

車両は、是正運転処置、ルート再計画処置、または行動予測の修正に関する情報を、別の車両またはフリート管理システムのうちの少なくとも一方に送信するように構成された通信システムをさらに備えてもよい。

制御システムはまた、是正運転処置を開始すること、ルート再計画処置を実施すること、環境内の物体の行動予測において修正を引き起こすこと、別の車両に通知を提供すること、またはバックエンドシステムに通知を提供すること、のうちの少なくとも１つによって処置を実行するようにも構成される。

本技術の態様で使用するために構成された例示的な乗客型車両を示す。 本技術の態様で使用するために構成された例示的な貨物型車両を示す。 本技術の態様による例示的な乗客型車両のシステムのブロック図である。 本技術の態様による例示的な貨物型車両のシステムのブロック図である。 本技術の態様によるセンサ視野内の物体を検出する例を示す。 本開示の態様による乗客型車両の例示的なセンサ視野を示す。 本開示の態様による貨物型車両の例示的なセンサ視野を示す。 本技術の態様による例示的な制動シナリオを示す。 本技術の態様による例示的な加速シナリオを示す。 本技術の態様による例示的な方向転換シナリオを示す。 本技術の態様に従って牽引力状態を決定する能動的試験の例を示す。 本技術の態様によるルート計画変更の例を示す。 本技術の態様によるルート再計画の例を示す。 本技術の態様による、分析された道路気象状況に基づいて検出された物体の行動予測を修正する例を示す。 本技術の態様による物体分析の例を示す。 本技術の態様による横方向のオフセット試験の例を示す。 本技術の態様による制動プロファイルまたは所望の停止点の調整の例を示す。 本技術の態様による対比速度プロファイルの例を示す。 本技術の態様による例示的なシステムを示す。 本技術の態様による例示的な方法を示す。

技術の態様は、車載センサから、ならびに車両および／または他の近くの車両によってとられた特定の運転処置の評価から情報を収集する。車載コンピュータシステムが道路のどの部分（複数可）が道路の他の部分よりも濡れている、凍結している、または他の場合にスリップしやすい（例えば、牽引力が低下している）のかを推定するために、情報が集約および分析される。その結果、コンピュータシステムのプランナーまたは他のサブシステムは、特定の行動、応答、および／または動作モデルを識別することができる。１つのシナリオでは、これは、一般的な道路状況に対処するためにある程度の制動力を確保することを含み、車両の軌道を計画するときにこれを使用することができる。その結果、システムは、車線ラインを覆う少量の雪、または車線を効果的に狭めるか、もしくは車線または路肩を閉鎖する数インチ（またはそれ超）の雪を含む、異なるレベルの有害な気象状況を検出し、これに対応することができる（以前に取得されたエリアの地図に示されるものとは対照的である）。ここで、システムは、これらの状況が有害な気象状況に起因する一時的な変更であるかどうかを決定し、それに応じて計画を調整することができる。

例示的な車両システム
図１Ａは、ミニバン、スポーツユーティリティビークル（ＳＵＶ）、または他の車両などの例示的な乗客用車両１００の斜視図を示す。図１Ｂは、乗客用車両１００の上から見た図を示す。乗客用車両１００は、車両の外部環境に関する情報を取得するための様々なセンサを含むことができる。例えば、屋上ハウジング１０２は、Ｌｉｄａｒセンサ、ならびに様々なカメラ、レーダーユニット、赤外線および／または音響センサを含むことができる。車両１００の前端部に位置付けられたハウジング１０４、ならびに車両の運転者側および乗客側のハウジング１０６ａ、１０６ｂは、各々、Ｌｉｄａｒ、レーダー、カメラおよび／または他のセンサを組み込むことができる。例えば、ハウジング１０６ａは、車両のクォーターパネルに沿って運転席サイドドアの前に位置付けられてもよい。図示されるように、乗客用車両１００はまた、レーダーユニット、Ｌｉｄａｒ、および／または車両の後方屋根部分にも向かって位置付けられている、カメラのためのハウジング１０８ａ、１０８ｂも含む。追加のＬｉｄａｒ、レーダーユニット、および／またはカメラ（図示せず）は、車両１００に沿った他の場所に位置付けられてもよい。例えば、矢印１１０は、センサユニット（図１Ｂの１１２）が、車両１００の後方に沿って、例えば、バンパー上またはバンパーに隣接して位置決めされてもよいことを示す。そして、矢印１１４は、車両の前方を向いた方向に沿って配置された一連のセンサユニット１１６を示す。いくつかの例では、乗客用車両１００はまた、車両の内部空間（図示せず）に関する情報を取得するための様々なセンサも含むことができる。

図１Ｃ～図１Ｄは、トラクタトレーラトラックなどの貨物車両１５０の例を示す。トラックは、例えば、シングル、ダブル、またはトリプルのトレーラを含むことができ、または商用重量クラス４～８などの別の中型または大型トラックであり得る。図示するように、トラックは、トラクタユニット１５２と、単一の貨物ユニットまたはトレーラ１５４と、を含む。トレーラ１５４は、輸送する貨物のタイプに応じて、完全に密閉されるか、フラットベッドのように開くか、または部分的に開くことができる。この例では、トラクタユニット１５２は、エンジンおよびステアリングシステム（図示せず）と、運転者および任意の乗客のための運転室１５６と、を含む。完全に自律的な配置では人が必要ない場合があるので、運転室１５６は、座席または手動運転構成要素を備えなくてもよい。

トレーラ１５４は、キングピンとして知られるヒッチングポイント１５８を含む。キングピン１５８は、通常、中実のスチールシャフトとして形成され、トラクタユニット１５２に旋回可能に取り付けられるように構成される。特に、キングピン１５８は、運転室の後方に装着された第５車輪として知られるトレーラ連結部１６０に取り付ける。ダブルまたはトリプルトラクタトレーラの場合、第２のおよび／または第３のトレーラは、先頭のトレーラへの単純なヒッチ接続を有してもよい。または代替的に、各トレーラは、独自のキングピンを有してもよい。この場合、少なくとも第１および第２のトレーラは、次のトレーラに連結するように配置された第５輪タイプの構造を含むことができる。

図示するように、トラクタは、トラクタに沿って配設された１つ以上のセンサユニット１６２、１６４を有してもよい。例えば、１つ以上のセンサユニット１６２を運転室１５６の屋根または頂部部分に配設することができ、１つ以上の側方センサユニット１６４を運転室１５６の左側および／または右側に配設することができる。センサユニットは、運転室１０６の他の領域に沿って、例えば、前方バンパーまたはボンネットエリアに沿って、運転室の後方に、第５輪に隣接して、シャーシの下などに位置付けられてもよい。トレーラ１５４はまた、例えば、トレーラに沿って、例えば、トレーラ１５４の側方パネル、前方、後方、屋根、および／またはアンダーキャリッジに沿って、１つ以上のセンサユニット１６６を配設することもできる。

例として、各センサユニットは、１つ以上のセンサ、例えば、Ｌｉｄａｒ、レーダー、カメラ（例えば、光学もしくは赤外線）、音響センサ（例えば、マイクロフォンもしくはソナータイプセンサ）、慣性センサ（例えば、加速度計、ジャイロスコープ、など）、または他のセンサ（例えば、ＧＰＳセンサなどの測位センサ）を含んでもよい。本開示のある態様は、特定のタイプの車両に関連して特に有用であるが、車両は、乗用車、トラック、オートバイ、バス、レクリエーション用車両などを含むがこれらに限定されない任意のタイプの車両であってもよい。

部分的または完全な自律運転モードで動作する車両では、異なる程度の自律性が発生する可能性がある。Ｕ．Ｓ．Ｎａｔｉｏｎａｌ Ｈｉｇｈｗａｙ Ｔｒａｆｆｉｃ Ｓａｆｅｔｙ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ ａｎｄ ｔｈｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｓは、どれだけ多く、またはどれだけ少なく、車両が運転を制御するかを示すために、様々なレベルを特定した。例えば、レベル０は自動化されておらず、運転手は、運転に関連するすべての決定を行う。最も低い半自律モードであるレベル１は、クルーズコントロールなど、何らかのドライブ支援を含む。レベル２は、特定の運転動作の部分的な自動化を有し、レベル３は、必要に応じて運転者席の人が制御することが可能であり得る条件付きの自動化を伴う。対照的に、レベル４は、車両が選んだ条件で支援なしで運転することができる高度な自動化レベルである。対照的に、レベル５は、車両があらゆる状況下で支援なしで運転することができる完全な自動化レベルである。本明細書に記載のアーキテクチャ、構成要素、システム、および方法は、本明細書で自律運転モードと呼ばれる、例えば、レベル１～５の半自律モードまたは完全自律モードのいずれかで機能することができる。したがって、自律運転モードへの言及には、部分的自律性と完全自律性の両方が含まれる。

図２は、自律運転モードで動作するための、乗客用車両１００などの例示的な車両の様々な構成要素およびシステムを有するブロック図２００を示す。図示するように、ブロック図２００は、１つ以上のプロセッサ２０４、メモリ２０６、および汎用コンピューティングデバイスに典型的に存在する他の構成要素を含む、コンピューティングデバイスなどの１つ以上のコンピューティングデバイス２０２を含む。メモリ２０６は、１つ以上のプロセッサ２０４によってアクセス可能な情報を記憶し、その情報には、プロセッサ（複数可）２０４によって実行されるかまたは他の方法で使用され得る命令２０８およびデータ２１０が含まれる。コンピューティングシステムは、自律運転モードで動作するとき、車両の全体的な動作を制御することができる。

メモリ２０６は、プロセッサ２０４によって実行されるかまたは他の方法で使用され得る命令２０８およびデータ２１０を含む、プロセッサ２０４によってアクセス可能な情報を記憶する。メモリ２０６は、コンピューティングデバイス可読媒体を含む、プロセッサによってアクセス可能な情報を記憶することができる任意のタイプのものであり得る。メモリは、ハードドライブ、メモリカード、光ディスク、ソリッドステートなどの非一過性の媒体である。システムは、前述の異なる組み合わせを含むことができ、それにより、命令およびデータの異なる部分が異なるタイプの媒体に記憶される。

命令２０８は、プロセッサによって直接的に（マシンコードなど）または間接的に（スクリプトなど）実行される任意の命令のセットであってもよい。例えば、命令は、コンピューティングデバイス可読媒体上のコンピューティングデバイスコードとして記憶されてもよい。その点において、「命令」、「モジュール」、および「プログラム」という用語は、本明細書では区別なく使用され得る。命令は、プロセッサによる直接処理のためのオブジェクトコード形式で、または要求に応じて解釈されるか、もしくは予めコンパイルされる、スクリプトもしくは独立したソースコードモジュールのコレクションを含む、任意の他のコンピューティングデバイス言語で記憶されてもよい。データ２１０は、命令２０８に従って、１つ以上のプロセッサ２０４によって検索、記憶、または修正され得る。一例では、メモリ２０６の一部または全部は、車両診断および／または検出されたセンサデータを記憶するように構成されたイベントデータレコーダまたは他のセキュアデータストレージシステムであってもよく、実装に応じて、車両に搭載されてもよく、または遠隔地にあってもよい。

プロセッサ２０４は、市販されているＣＰＵなどの、任意の従来のプロセッサであってもよい。代替的に、各プロセッサは、ＡＳＩＣまたは他のハードウェアベースプロセッサなどの専用デバイスであってもよい。図２は、コンピューティングデバイス２０２のプロセッサ、メモリ、および他の要素が同じブロック内にあることを機能的に示すが、そのようなデバイスは、実際には、同じ物理的ハウジング内に格納されてもされなくてもよい複数のプロセッサ、コンピューティングデバイス、またはメモリを含んでもよい。同様に、メモリ２０６は、プロセッサ（複数可）２０４のものとは異なるハウジング内に位置するハードドライブまたは他のストレージ媒体であり得る。したがって、プロセッサまたはコンピューティングデバイスへの言及は、並行に動作してもしなくてもよいプロセッサまたはコンピューティングデバイスまたはメモリの集合体への言及を含むことが理解されよう。

一例では、コンピューティングデバイス２０２は、車両１００に組み込まれた自律運転コンピューティングシステムを形成し得る。自律運転コンピューティングシステムは、車両の様々な構成要素と通信することが可能であり得る。例えば、コンピューティングデバイス２０２は、（車両の制動を制御するための）減速システム２１２、（車両の加速を制御するための）加速システム２１４、（車輪の向きおよび車両の方向を制御するための）ステアリングシステム２１６、（方向指示器を制御するための）合図システム２１８、（車両をある場所にまたは物体の周りにナビゲートするための）ナビゲーションシステム２２０、および（例えば、車両の姿勢を含む、車両の位置を決定するための）測位システム２２２を含む、運転システムを含む、車両の様々なシステムと通信可能であってもよい。自律運転コンピューティングシステムは、ナビゲーションシステム２２０、測位システム２２２、および／またはシステムの他の構成要素に従って、例えば、出発点から目的地までのルートを決定するため、または現在のもしくは予想された牽引力状態を考慮して様々な運転の態様に修正を加えるために、プランナーモジュール２２３を使用してもよい。

コンピューティングデバイス２０２はまた、車両の乗客からの連続的または定期的な入力を要求しないかまたは必要としない自律運転モードで、メモリ２０６の命令２０８に従って、車両の動き、速度などを制御するために、（車両の環境内の物体を検出するための）知覚システム２２４、電力システム２２６（例えば、バッテリおよび／またはガソリンもしくはディーゼル動力エンジン）、ならびにトランスミッションシステム２３０に動作可能に連結される。車輪／タイヤ２２８は、トランスミッションシステム２３０に連結され、コンピューティングデバイス２０２は、自律モードでの運転に影響を与え得るタイヤ空気圧、バランス、および他の要因に関する情報を受信することが可能であり得る。

コンピューティングデバイス２０２は、様々な構成要素を制御することによって、例えば、プランナーモジュール２２３を介して、車両の方向および速度を制御してもよい。例として、コンピューティングデバイス２０２は、地図情報およびナビゲーションシステム２２０からのデータを使用して、車両を目的地に完全に自律的にナビゲートし得る。コンピューティングデバイス２０２は、測位システム２２２を使用して車両の場所を判断し、その場所に安全に到着する必要があるとき、知覚システム２２４を使用して、物体を検出し、物体に応答することができる。そうするために、コンピューティングデバイス２０２は、車両を（例えば、加速システム２１４によってエンジンに提供される燃料または他のエネルギーを増加させることによって）加速し、（例えば、エンジンに供給される燃料を低減し、ギヤを切り替え、および／または減速システム２１２によって制動をかけることによって）減速し、（例えば、ステアリングシステム２１６によって、車両１００の前輪または他の車輪の方向を転換することによって）方向を変更し、（例えば、合図システム２１８の方向指示器を点灯することによって）そのような変更を合図し得る。したがって、加速システム２１４および減速システム２１２は、車両のエンジンと車両の車輪との間に様々な構成要素を含む、動力伝達装置または他のタイプのトランスミッションシステム２３０の一部であり得る。この場合も、これらのシステムを制御することによって、コンピューティングデバイス２０２はまた、車両を自律的に操縦するために、車両のトランスミッションシステム２３０を制御することができる。

ナビゲーションシステム２２０は、ある場所までのルートを決定し、たどるために、コンピューティングデバイス２０２によって使用され得る。この点について、ナビゲーションシステム２２０および／またはメモリ２０６は、地図情報、例えば、コンピューティングデバイス２０２が車両をナビゲートまたは制御するために使用することができる非常に詳細な地図を記憶し得る。一例として、これらの地図は、車道、区画線、交差点、横断歩道、速度制限、交通信号機、建物、標識、リアルタイムの交通情報、植生、または他のそのような物体ならびに情報の形状および標高を識別し得る。区画線は、実線または破線の、二重または単一の車線境界線、実線または破線の車線境界線、反射板などの特徴を含み得る。所与の車線は、車線の境界を画定する、左および／または右の車線境界線または他の区画線と関連付けられ得る。このため、ほとんどの車線は、１つの車線境界線の左端と別の車線境界線の右端によって境界付けられ得る。

知覚システム２２４は、車両の外部の物体を検出するためのセンサ２３２を含む。検出された物体は、他の車両、道路上の障害物、交通信号機、標識、樹木などであり得る。センサメイ２３２はまた、雪、雨、水しぶき、または道路上の水たまり、氷、または他の物体などの、気象状況の特定の態様を検出することもできる。

単なる例として、知覚システム２２４は、１つ以上の光検出および測距（Ｌｉｄａｒ）センサ、レーダーユニット、カメラ（例えば、中性密度フィルタ（ＮＤ）フィルタの有無にかかわらず、光学イメージングデバイス）、測位センサ（例えば、ジャイロスコープ、加速度計、ならびに／またはその他の慣性構成要素）、赤外線センサ、音響センサ（例えば、マイクロフォンまたはソナートランスデューサ）、および／もしくはコンピューティングデバイス２０２によって処理され得るデータを記録する他の任意の検出デバイスを含み得る。知覚システム２２４のそのようなセンサは、車両の外部の物体、およびそれらの特徴、例えば、場所、向き、サイズ、形状、タイプ（例えば、車両、歩行者、自転車運転者など）、進行方向、車両に対する移動速度を検出することができる。知覚システム２２４はまた、車両内の他のセンサを含み、客室内などの車両内の物体および状態を検出することもできる。例えば、そのようなセンサは、例えば、１人以上の人、ペット、荷物など、ならびに車内および／または車外の温度、湿度などの状態を検出することができる。知覚システム２２４のさらに別のセンサ２３２は、車輪２２８の回転速度、減速システム３１２による制動の量またはタイプ、および車両自体の装備と関連付けられる他の要因を測定することができる。

センサからの生データおよび前述の特性は、知覚システム２２４によって処理され、および／またはデータが知覚システム２２４によって生成されるときに、周期的または連続的にコンピューティングデバイス２０２に、さらなる処理のために送信され得る。コンピューティングデバイス２０２は、測位システム２２２を使用して車両の場所を決定し、その場所に安全に到着する必要があるとき、知覚システム２２４を使用して、例えばプランナーモジュール２２３によって行われる調整を介して、物体を検出し、物体に応答することができる。加えて、コンピューティングデバイス２０２は、個々のセンサ、特定のセンサアセンブリ内のすべてのセンサ、または異なるセンサアセンブリもしくは他の物理的ハウジング内のセンサ間の較正を実行してもよい。

図１Ａ～図１Ｂに示すように、知覚システム２２４の特定のセンサは、１つ以上のセンサアセンブリまたはハウジングに組み込まれ得る。一例では、これらは車両のサイドビューミラーに組み込まれてもよい。別の例では、他のセンサは、屋上ハウジング１０２、または他のセンサハウジングもしくはユニット１０６ａ、ｂ、１０８ａ、ｂ、１１２、および／または１１６の一部であり得る。コンピューティングデバイス２０２は、車両上に位置付けられた、または他の方法で車両に沿って分散されたセンサアセンブリと通信することができる。各アセンブリは、上述したもののような１つ以上のタイプのセンサを有することができる。

図２に戻ると、コンピューティングデバイス２０２は、上述のプロセッサおよびメモリ、ならびにユーザインターフェースサブシステム２３４などのコンピューティングデバイスに関連して通常使用されるすべての構成要素を含むことができる。ユーザインターフェースサブシステム２３４は、１つ以上のユーザ入力２３６（例えば、マウス、キーボード、タッチスクリーン、および／またはマイクロフォン）、ならびに１つ以上の表示デバイス２３８（例えば、画面を有するモニタ、または情報を表示するように動作可能な他の任意の電気デバイス）を含んでもよい。この点について、内部の電子ディスプレイは、車両の車内（図示せず）に位置付けられてもよく、車両内の乗客に情報を提供するためにコンピューティングデバイス２０２によって使用されてもよい。スピーカ（複数可）２４０などの他の出力デバイスも、乗客用車両内に位置付けられてもよい。

乗客用車両はまた、通信システム２４２も含む。例えば、通信システム２４２はまた、他のコンピューティングデバイス、例えば、車両内の乗客コンピューティングデバイス、道路上の別の近くの車両内などの車両外部のコンピューティングデバイス、および／または遠隔サーバシステムとの通信を容易にするために、１つ以上の無線構成を含むこともできる。無線ネットワーク接続は、Ｂｌｕｅｔｏｏｔｈ（商標）、Ｂｌｕｅｔｏｏｔｈ（商標）ローエネルギー（ＬＥ）、携帯電話接続、ならびにインターネット、ワールドワイドウェブ、イントラネット、仮想プライベートネットワーク、ワイドエリアネットワーク、ローカルネットワーク、１つ以上の企業独自の通信プロトコルを使用するプライベートネットワーク、イーサネット、ＷｉＦｉおよびＨＴＴＰ、ならびに前述の様々な組み合わせなどの短距離通信プロトコルを含む、様々な構成およびプロトコルを含み得る。

図３Ａは、車両、例えば図１Ｃの車両１５０の様々な構成要素およびシステムを有するブロック図３００を示す。一例として、車両は、１つ以上の自律動作モードで動作するように構成されたトラック、農機具、または建設機械であり得る。ブロック図３００に示すように、車両は、１つ以上のコンピューティングデバイスの制御システム、例えば、１つ以上のプロセッサ３０４、メモリ３０６、ならびに図２に関して上で考察された構成要素２０２、２０４、および２０６に類似または同等の他の構成要素を含むコンピューティングデバイス３０２を含む。制御システムは、貨物車両のトラクタユニットの電子制御ユニット（ＥＣＵ）を構成することができる。命令２０８と同様に、命令３０８は、プロセッサによって直接的に（マシンコードなど）または間接的に（スクリプトなど）実行される任意の命令のセットであってもよい。同様に、データ３１０は、命令３０８に従って、１つ以上のプロセッサ３０４によって検索、記憶、または修正され得る。

一例では、コンピューティングデバイス３０２は、車両１５０に組み込まれた自律運転コンピューティングシステムを形成し得る。図２に関して上で考察された配置と同様に、ブロック図３００の自律運転コンピューティングシステムは、ルート計画および運転動作を実行するために、車両の様々な構成要素と通信することができる。例えば、コンピューティングデバイス３０２は、減速システム３１２、加速システム３１４、ステアリングシステム３１６、合図システム３１８、ナビゲーションシステム３２０、および測位システム３２２を含む運転システムなど、車両の様々なシステムと通信することができ、これらは各々、図２に関して上で考察されたように機能することができる。

コンピューティングデバイス３０２はまた、知覚システム３２４、電力システム３２６、およびトランスミッションシステム３３０にも動作可能に連結される。車輪／タイヤ２２８は、トランスミッションシステム２３０に連結され、コンピューティングデバイス２０２は、自律モードでの運転に影響を与え得るタイヤ空気圧、バランス、回転率、および他の要因に関する情報を受信することが可能であり得る。コンピューティングデバイス２０２と共に、コンピューティングデバイス３０２は、様々な構成要素を制御することによって車両の方向および速度を制御してもよい。例として、コンピューティングデバイス３０２は、地図情報およびナビゲーションシステム３２０からのデータを使用して、車両を目的地に完全に自律的にナビゲートし得る。コンピューティングデバイス３０２は、図２について上述した様式と同様に、測位システム３２２、知覚システム３２４、および他のサブシステムと連携してプランナーモジュール３２３を使用して、安全にその場所に到達する必要があるときに、物体を検出してそれに応答することができる。

知覚システム２２４と同様に、知覚システム３２４はまた、車両外部の物体、車両内部の物体または状態、および／または、車輪および減速システム３１２などの特定の車両機器の動作を検出するための、上述したような１つ以上のセンサまたは他の構成要素も含む。例えば、図３Ａに示すように、知覚システム３２４は、１つ以上のセンサアセンブリ３３２を含む。各センサアセンブリ２３２は、１つ以上のセンサを含む。一例では、センサアセンブリ３３２は、トラック、農機具、建設機械などのサイドビューミラーに組み込まれたセンサタワーとして配置されてもよい。センサアセンブリ３３２はまた、図１Ｃ～図１Ｄに関して上述したように、トラクタユニット１５２またはトレーラ１５４上の異なる場所に位置決めすることもできる。コンピューティングデバイス３０２は、トラクタユニット１５２およびトレーラ１５４の両方に位置付けられるセンサアセンブリと通信することができる。各アセンブリは、上述したもののような１つ以上のタイプのセンサを有することができる。

また、図３Ａには、トラクタユニットとトレーラとの間の接続のための連結システム３３４が示される。連結システム３３４は、１つ以上の動力および／または空気圧接続（図示せず）、ならびにトレーラのキングピンに接続するためのトラクタユニットの第５輪３３６を含むことができる。通信システム２４２に相当する通信システム３３８も、車両システム３００の一部として示される。

図３Ｂは、図１Ｃ～図１Ｄのトレーラ１５４などのトレーラのシステムの例示的なブロック図３４０を示す。図示するように、システムは、１つ以上のプロセッサ３４４、メモリ３４６、および汎用コンピューティングデバイスに典型的に存在する他の構成要素を含む、コンピューティングデバイスなどの１つ以上のコンピューティングデバイスのＥＣＵ３４２を含む。メモリ３４６は、１つ以上のプロセッサ３４４によってアクセス可能な情報を記憶し、その情報には、プロセッサ（複数可）３４４によって実行されるかまたは他の方法で使用され得る命令３４８およびデータ３５０が含まれる。図２および３Ａのプロセッサ、メモリ、命令、およびデータの説明は、図３Ｂのこれらの要素に適用される。

ＥＣＵ３４２は、トレーラユニットから情報および制御信号を受信するように構成される。ＥＣＵ３４２の車載プロセッサ３４４は、減速システム３５２、合図システム２５４、および測位システム３５６を含む、トレーラの様々なシステムと通信することができる。ＥＣＵ３４２はまた、トレーラの環境内の物体を検出するための１つ以上のセンサを備えた知覚システム３５８、およびローカルの構成要素に電力を供給する電力システム２６０（例えば、バッテリ電源）に動作可能に連結することもできる。トレーラの車輪／タイヤ３６２の一部または全部は、減速システム３５２に連結され、プロセッサ３４４は、タイヤ空気圧、バランス、車輪速度、および自律モードでの運転に影響を与える可能性のある他の要因に関する情報を受信し、その情報をトラクタユニットの処理システムに中継することができる。減速システム３５２、合図システム３５４、測位システム３５６、知覚システム３５８、動力システム３６０、および車輪／タイヤ３６２は、図２および図３Ａに関して上述したような様式で動作することができる。

トレーラはまた、着陸装置のセット３６６、および連結システム３６８も含む。着陸装置は、トラクタユニットから切り離されたときに、トレーラの支持構造を提供する。連結システム３３４の一部である連結システム３６８は、トレーラとトラクタユニットとの間の接続を提供する。したがって、連結システム３６８は、接続区分３７０（例えば、動力および／または空気圧リンク用）を含むことができる。連結システムは、トラクタユニットの第５車輪と接続するように構成されたキングピン３７２も含む。
例示的な実装形態

上述され、図に示された構造および構成を考慮して、様々な態様を、技術の態様に従って次に説明する。

図４は、車両４００がセンサ４０２および４０４を使用して別の車両４０６の存在を検出するシナリオを示す。図示するように、センサ４０２および４０４は、車両４００の前方の物体を検出するために、それぞれの視野（ＦＯＶ）４０８および４１０を有する。この例では、センサ４０２および４０４は、例えば、Ｌｉｄａｒ、レーダー、画像および／または音響センサであり得る。

外部環境の異なる部分からデータを収集するために、様々なセンサを車両の周りの異なる場所に位置付けることができる（図１Ａ～図１Ｄを参照）。特定のセンサは、車両の周囲のそれらの配置、および収集するように設計される情報のタイプに応じて、異なる視野を有することがある。例えば、異なるＬｉｄａｒセンサは、車両に隣接する（例えば、２～１０メートル未満）物体の近距離（短距離）検出に使用されてもよく、他のセンサは、車両の前方１００メートル（またはそれ超もしくは未満）の物体の遠距離（長距離）検出に使用されてもよい。中距離Ｌｉｄａｒを使用することもできる。長距離の物体検出のために、複数のレーダーユニットを車両の前方または後方に位置決めすることができる。また、車両の周囲がよく見えるようにカメラを配置することもできる。構成に応じて、特定のタイプのセンサには、視野が重複している複数の個別のセンサが含まれてもよい。代替的に、他のセンサが冗長な３６０°の視野を提供してもよい。

図５は、図１Ｂに示されるセンサに関連するセンサ視野の一例５００を提供する。ここで、屋上ハウジング１０２がＬｉｄａｒセンサ、ならびに様々なカメラ、レーダーユニット、赤外線および／または音響センサを含む場合、これらのセンサの各々は異なる視野を有してもよい。したがって、図示するように、Ｌｉｄａｒセンサは３６０°ＦＯＶ５０２を提供することができ、ハウジング１０２内に配置されたカメラは個別のＦＯＶ５０４を有することができる。車両の前端のハウジング１０４内のセンサは前方を向いたＦＯＶ５０６を有し、ハウジング１１２内の後端のセンサは後方を向いたＦＯＶ５０８を有する。車両の運転席側および乗客側のハウジング１０６ａ、１０６ｂは各々、Ｌｉｄａｒ、レーダー、カメラ、および／または他のセンサを組み込んでもよい。例えば、ハウジング１０６ａおよび１０６ｂ内のＬｉｄａｒは、それぞれのＦＯＶ５１０ａまたは５１０ｂを有することができ、一方、ハウジング１０６ａおよび１０６ｂ内のレーダーユニットまたは他のセンサは、それぞれのＦＯＶ５１１ａまたは５１１ｂを有することができる。同様に、車両の後部屋根部分に向かって位置付けられたハウジング１０８ａ、１０８ｂ内のセンサは各々、それぞれのＦＯＶを有する。例えば、ハウジング１０８ａおよび１０８ｂ内のＬｉｄａｒは、それぞれのＦＯＶ５１２ａまたは５１２ｂを有することができ、一方、ハウジング１０８ａおよび１０８ｂ内のレーダーユニットまたは他のセンサは、それぞれのＦＯＶ５１３ａまたは５１３ｂを有することができる。そして、車両の前方を向いた方向に沿って配置された一連のセンサユニット１１６は、それぞれのＦＯＶ５１４、５１６、および５１８を有することができる。これらの視野の各々は、単なる例示であり、カバレッジ範囲に関して正確な縮尺ではない。

貨物型車両（例えば、図１Ｃ～図１Ｄの車両１５０）のＬｉｄａｒ、カメラ、およびレーダーセンサ、ならびにそれらの視野の例が、図６Ａおよび図６Ｂに示される。図６Ａの例６００では、１つ以上のＬｉｄａｒユニットが屋上センサハウジング６０２に位置付けられ、他のＬｉｄａｒユニットが側方センサハウジング６０４に位置付けられてもよい。特に、屋上センサハウジング６０２は、３６０°ＦＯＶを提供するように構成され得る。一対のセンサハウジング６０４は、トラクタユニットの運転室のいずれかの側に位置付けることができ、例えば、サイドビューミラーアセンブリに組み込まれるか、または運転室のサイドドアまたはクォーターパネルに沿って組み込まれる。１つのシナリオでは、長距離Ｌｉｄａｒは、センサハウジング６０２および６０４の頂部または上部エリアに沿って位置付けられる。長距離Ｌｉｄａｒは、車両のボンネット越しに見えるように構成することができる。また、短距離Ｌｉｄａｒは、センサハウジング６０２および６０４の他の部分に位置付けることができる。近距離Ｌｉｄａｒは、別の車両、歩行者、自転車運転者などの物体が車両の前方または側方にあるかどうかを決定するために知覚システムによって使用され、運転または方向転換の方法を決定する際にその情報を考慮に入れることができる。両方のタイプのＬｉｄａｒは、例えば、共通の垂直軸に沿って並べて、ハウジング内に同じ場所に位置付けることができる。

図６Ａに示すように、屋上センサハウジング６０２内のＬｉｄａｒはＦＯＶ６０６を有することができる。ここで、領域６０８によって示されるように、トレーラまたは車両の他の関節部分は、信号リターンを提供することができ、外部環境の後方視界を部分的または完全に遮断することができる。トラクタユニットの左側と右側の長距離Ｌｉｄａｒは、ＦＯＶ６１０を有する。これらは、車両の側方および前方に沿った重要なエリアを含む場合がある。図示するように、車両の前方にそれらの視野の重複領域６１２があってもよい。重複領域６１２は、追加の情報またはトラクタユニットのすぐ前方にある非常に重要な領域に関する情報を知覚システムに提供する。この冗長性は、安全面にも影響する。長距離Ｌｉｄａｒセンサのうちの１つで性能低下に見舞われた場合でも、冗長性により自律モードでの動作が可能になる。左側と右側の短距離Ｌｉｄａｒは、ＦＯＶ６１４が小さくなっている。図面を見やすくするために、異なる視野の間に空間が示されるが、実際には、カバレッジが途切れない場合がある。センサアセンブリの特定の配置および視野は単に例示的なものである、例えば、車両のタイプ、車両のサイズ、ＦＯＶ要件などによって異なる場合がある。

図６Ｂは、図１Ｃ～図１Ｄの車両１５０のなどの、屋上ハウジングおよびトラクタトレーラの両側にあるレーダーおよびカメラセンサのいずれか（または両方）の例示的な構成６２０を示す。ここで、図６Ａのセンサハウジング６０２および６０４の各々に複数のレーダーおよび／またはカメラセンサがあってもよい。図示するように、前方ＦＯＶ６２２、側方ＦＯＶ６２４、および後方ＦＯＶ６２６を備える屋上ハウジング内にセンサがあってもよい。領域６０８と同様に、トレーラは、車両の後ろの物体を検出するセンサの能力に影響を与える可能性がある。センサハウジング６０４内のセンサは、前方を向いたＦＯＶ６２８（ならびに側方および／または後方視野）を有することができる。図６Ａに関して上で考察されたＬｉｄａｒと同様に、図６Ｂのセンサは、重複領域６３０によって示すように、隣接する視野が重複するように配置されてもよい。ここでの重複領域も同様に冗長性を提供することができ、１つのセンサが性能低下に見舞われた場合でも同じ利点を有する。

例示的なシナリオ
本技術の態様によれば、車両の周囲の一般的な道路気象状況を決定することは、自律運転中に車両が１つ以上の制動および／または加速動作を実行することを含むことができる。このような動作は、Ｌｉｄａｒ、レーダー、カメラ、または外部環境内の物体を検出するように構成されたその他のセンサからデータを収集することと併せて実行することができる。一般的な気象状況の情報が決定されると、この情報を現在の運転動作を管理または変更するために使用することができる。また、ルートの接近しつつある部分を修正または再計画するために使用することもできる。

制動操作および加速操作は、異なる方法で行うことができる。例えば、以下で考察されるように、車両は、道路の特定の部分に沿った１つ以上の制動および／または加速動作を含み得る、事前定義されたシナリオの中で特定の様式で動作するように制御されてもよい。これは、能動的な試験アプローチと考えることができる。または能動的アプローチに代えて、もしくはこれに関連して、システムは、例えば進行中の運転イベント（例えば、カーブの周囲での制動、停止からの加速など）の一部として、異なる運転活動中に気象状況情報を収集することができる。これは、受動的な試験アプローチと考えることができる。

例として、車両が直線経路またはそれ以外の一定の軌道に沿って運転しており、近くに他の車両または他の物体がない場合の１つの能動的試験シナリオでは、システムは、減速システム（例えば、ＡＢＳ制動構成要素）からのフィードバックが、車輪が路面との牽引力を損失し始めていることを示すまで、制動を開始するか、または制動レベルを増加させることができる。これには、選択された時間期間（例えば、０．１～２．０秒、またはそれ超もしくはそれ未満）に１回以上制動をかけることが含まれる。牽引力の損失は、路面の氷、雪、水たまりなど、様々な環境状態に起因する可能性がある。また、グリースもしくは他のオイルなどの液体または道路上にあるがれきに起因する場合もある。

このタイプの能動的試験シナリオでは、近くの車両または他の物体に関する制限は、車両の背後にある物体に焦点を当てることができる。例えば、システムは、制動試験を開始する前に、後続車両との最小量の車間距離（現在の速度に基づく、車両と任意の後続車両との間の時間）を必要としてもよい。この場合、最小量の時間は、例えば、３～５秒以上であり得る。代替的に、システムは、例えば、３０～８０メートル以上の最小距離閾値を設定することができる。

別の能動的試験シナリオでは、車両は、停止状態からの加速量を選択してもよい。これは、例として、一時停止標識または停止信号で発生する可能性がある。システムは、第１の速度から第２の速度（例えば、２０ｍｐｈ～２５ｍｐｈまで）への加速を開始することもできる。車両が停止状態から加速するか、または速度を上げ始めると、システムはタイヤが空転しているかどうかを検出することができる。状態に応じて、このタイプの状況は、最初の能動的試験シナリオに比べて、スリップが発生した場合に制御を回復するのが容易または困難である可能性がある。

受動的試験シナリオの１つの例は、赤信号または接近しつつある一時停止の標識で制動をかけるなど、典型的な運転手順中に車両が減速したときに発生する。受動的試験シナリオの別の例は、方向転換動作中の速度低下である。いずれの場合でも、システムは、本明細書に記載された技術を使用して、受動的試験シナリオ中にタイヤの性能（例えば、スリップ、完全停止までの時間または距離、通常の回転速度での方向転換中の軌道に密接に追従する能力）を検出することができる。

能動的または受動的シナリオのいずれにおいても、１つ以上の制動および／または加速処置を実行することができる。一般的な道路の気象状況に関するより多くの情報を収集するために、必要に応じてこのプロセスを繰り返すことができる。

自律運転モードでの車両の運転制御を変更するために、車載コンピュータシステムは、予想されたものとは異なる車輪のスリップまたは車両動作もしくは測位のその他の変動を使用することができる。例えば、車両のプランナーモジュールは、この情報を使用して、現在および将来の制動を調整し、他の運転操縦に対して、ルートを選択することができる。

一連の車載センサから取得したセンサデータは、プランナーシステムを支援することができる。例えば、様々なセンサ（例えば、慣性およびジャイロスコープ、Ｌｉｄａｒなどから取得された情報は、車両の姿勢を推定するために使用することができ、ここで、姿勢は、例えば、位置、向き、曲率、曲率の変化、縦方向および横方向の加速度、速度などを含むことができる。加速度情報は、道路状況に直接関係するため、特に有用である。一例として、乾いた道路では、車両は約８ｍ／ｓ^２の減速度で制動することができると仮定することができる。濡れた道路では、減速は５ｍ／ｓ^２程度など、はるかに少ない場合がある。雪道では、２～３ｍ／ｓ^２程度、氷上では０．５ ｍ／ｓ^２程度のさらに控えめな減速になる可能性がある。

道路上の車両の実際の（測定された）姿勢は、以前の姿勢および取得されたセンサデータから導出される。プランナーモジュールまたは車載コンピュータシステムの別の部分は、実際の姿勢を道路上の計画された（または予想された）姿勢と比較することができる。能動的または受動的試験動作中に、これらの姿勢が一致しない場合、またはデータに検出可能な不一致もしくはその他の変動がある場合、システムは車両が牽引力を失ったことを決定することができる。このような１つの不一致は、報告された車輪速度と車両の姿勢との間に発生する可能性がある。予想された位置、向き、および／または速度からの逸脱で、他の不一致が発生する可能性がある。単なる例として、システムは、実際の縦方向の位置と予想された縦方向の位置との間に少なくとも５０ｃｍの差がある場合、縦方向の位置の不一致にフラグを報告することができる。同様に、実際の横位置と予想された横位置との間に少なくとも３０ｃｍの差がある場合、システムは横位置の不一致を報告することができる。別の例では、車両の向きが約１度超ずれている場合、これは向きの不一致を示す可能性がある。さらに別の例では、速度が約１ｍ／ｓ超異なる場合、これも不一致として報告することができる。このような不一致は単なる例示的なものである。

図７Ａ～図Ｂは、制動シナリオにおける予想された車両姿勢と実際の車両姿勢とを比較する一例を示す。例えば、図７Ａの図７００に示すように、車両が赤信号に接近するにつれて、減速システム（例えば、図２の２１２）が制動を作動させて車両を停止させる。車載システムは、車両が特定の時点において実線７０２で示されるような予想された姿勢をとることを期待することができる。ただし、システムは、予想された姿勢とは異なる実際の姿勢を検出する場合がある。これは、点線７１２によって図７Ｂのビュー７１０に示される。これには、例えば、横方向および／または縦方向の位置決めの差、および／または前端がより道路の右または左の方を向くような車両のヨーの変化を含んでもよい。例えば、点線の矢印７１４は横方向の変動を示し、破線の矢印７１６は図７Ａで予想されたものからの縦方向の変動を示す。図７Ｃ～図７Ｄは、それぞれ、予想されたシーンおよび実際のシーンのイーグルアイビューを示す。

図８Ａ～図８Ｄは、加速シナリオにおける実際の車両姿勢と予想された車両姿勢とを比較する例８００を示す。例えば、図８Ａは、信号が赤であるときに交差点で停止している車両を示す（８０２）。停止信号が緑色に変わると（８０４）、加速システム（例えば、図２の２１４）が作動し、車輪を回転させ、図８Ｂに示すように車両が前進する。図８Ｃ～図８Ｄは、予想されたシーンおよび実際のシーンのイーグルアイビューを示す。特に、図８Ｃは、特定の時点での加速に応じた車両の予想された姿勢を示す予想されたシーン８１０を示す。ここで、点線８１２は、車両がたどると予想された直線経路を示す。しかし、図８Ｄは、特定の時点における車両の実際の姿勢を示す実際のシーン８２０を示す。この場合、点線の矢印８２２は横方向の不一致を示し、点線の矢印８２４は縦方向の不一致を示し、円弧状の矢印８２６は車両の左へのヨーを示す。これらの情報の各々は、加速プロセス中に車輪が牽引力を損失したことを車載システムに示すことができる。

図９Ａ～図９Ｂは、方向転換の例９００を示す。ここでは、例えば、車両がＴ字型の交差点で右折している。この例では、停止標識がなく、見通しがよく、車両は、完全な停止から方向転換を開始するのではなく速度を落として方向転換をすることができる。図９Ａでは、破線矢印９０２は、計画された方向転換経路を示す。しかし、図９Ｂに示すように、一点鎖線矢印９１２は、車載センサ（例えば、Ｌｉｄａｒ、レーダー、カメラ、および／または慣性センサ）から検出された実際の方向転換経路を示す。図９Ｂに見られるように、車両の後方区分が左に振れ、方向転換経路が幹線道路に沿って二重線に近づくように移動している。この場合に検出された情報は、車載システムに、前輪および／または後輪が方向転換のために減速しているときに牽引力を損失したことを示してもよい。

図７～図９の例は、計画された姿勢および観察された姿勢の全体的な不一致が測定される比較的極端なケースを示す。実際には、様々な道路状況に起因して、車両がスリップしていることを検出するために、このような不一致ははるかに小さい（または大きい）場合がある。

図１０は、別の例１０００を示しており、システムは、道路の接近しつつあるエリアにおける差を検出し、牽引力状態を決定するための能動的試験を実行することを決定することができる。例えば、車両のセンサのうちの１つ以上が、道路の複数の車線を覆うエリア１００２を検出することがある。この場合、別の車線に変更するか、または他の方法で車両の経路を変更するのに十分な時間がない可能性がある。この例では、車載システムは、エリア１００２を運転中に制動動作または加速動作の一方または両方を実行することができる。動作（複数可）は、例えば、横方向の不一致、縦方向の不一致、および／またはヨーの不一致を検出することにより、道路の別の区分に対する牽引力の減少を示してもよい。もちろん、安全であることが決定された場合には、そのような状態での試験が行われる。このことは、車両に乗客がいない場合、所定の距離（例えば、２５０～４００ｍ以上またはそれ以下）内に周囲の車両がない場合、および／またはセンサデータに基づいて、牽引力またはステアリング制御を損失する可能性が非常に低く、この様式で車両を動作させることが安全であることが決定された状況に試験を制限することを含み得る。

システムは、センサデータに基づいて、ルートに沿った接近しつつある区分のスリップの可能性を予測することもできる。このような予測はまた、受信された気象データ、測定された温度および／または湿度情報、車載マップからの地形データなどの他の情報、ならびに他の車両が道路の特定の直線コースを通ってどのように運転したか、またはそれに沿ってどのように運転したかを考慮することもできる。この例は、図１１Ａ～図１１Ｂに示される。特に、図１１Ａは、高速道路の車線に沿って運転する、図１Ｃのトラクタトレーラ１５０などの車両を示す。プランナーモジュールは、車両が直線矢印１１０２で示すように車線に留まるように計画した可能性がある。ただし、この例では、車両のセンサが検出するか、車載コンピュータシステムが別の車両または外部システムから、前方の車線に氷またはその他の何らかのスリップしやすい物質１１０４があるという情報を受信する場合がある。この場合、図１１Ｂに示すように、プランナーモジュールは、角度付き矢印１１１２で示すように経路を変更し、車両の運転システムに車線を変更させる。

図１１Ｃは、別の状況１１２０を示しており、車線または車線１１２２の区分が「消失した」か、またはそれ以外の場合には通過するのに好適でないことをセンサが検出する。例えば、センサは、区画線、道路の標高情報、他の車両の予期せぬ行動（例えば、予想された車線の境界線／外形内で運転しなくなった）などを検出できない（または、ある場所では検出できるが、他の場所では検出できない）可能性がある。これは、例えば、積雪、道路の一区分の洪水、石、枝、葉などの破片による閉塞、または他の状況に起因する場合がある。この場合、プランナーモジュールまたは車載コンピュータシステムの他の部分は、車両に車線を変更させて、区分１１２２を回避することができる。

図１１Ｄ～図１１Ｅは、スリップしやすい状態に起因するルート再計画の例を示す。図１１Ｄの図１１３０に示すように、車両は、計画されたルート１１３２に沿った氷または他の何らかのスリップしやすいエリア１１３４を検出するか、またはそれを通知されてもよい。この例では、別の車両１１３６の動作を観察するなどの追加の情報が、エリア１１３４がスリップしやすいという決定を裏付けることができる。例えば、図示するように、車両１１２６のピッチは、予想されたものとは異なる場合がある。このような情報に基づいて、図１１Ｅの例１１４０に示すように、システムはスリップしやすいエリアを回避するための代替ルート１１４２を計画する。

プランナーモジュールまたは車載コンピュータシステムの他の部分は、分析された道路気象状況に基づいて、検出された物体の行動予測を修正することができる。例えば、図１２Ａおよび１２Ｂは、環境内の近くの車両または他の物体に関連する実際のまたは差し迫った状態を考慮した他のシナリオを示す。特に、図１２Ａは、道路上に複数の車両があり、路面の一部分に検出された物体１２０２がある状況を示す。第１の時点において、車両１００は、検出された物体１２０２が何であるかを決定することができない場合がある。しかし、第２の時点において、車両１００のセンサは、物体１２０２に隣接するか、または他の場合は近くにある新しい物体１２０４を検出することができる。この場合、反対方向に進行するトラックなどの別の車両が物体１２０２の一部分を通過すると、新しい物体１２０４が検出され得る。そのような検出された情報に基づいて、車両１００の車載システムは、物体１２０４が物体１２０２からの水しぶきであると決定し、さらに物体１２０２が水たまりであることを示すことができる。この状況では、車両１００は、水たまりを含む車線を運転し続ける可能性がある。または、点線矢印１２０６で示すように、車両１００は、水たまりおよび水たまりを通って運転する他の車両によって引き起こされる可能性のあるさらなる水しぶきを回避するために、車線を変更することができる。

図１２Ｂは、車載システムが気象状況を考慮して別の物体の処置を予測することができる異なるの状況１２１０を示す。この例では、車両１００は、自転車専用レーン１２１２を含む道路に沿って運転している。この場合、車両１００は、道路上の物体１２１４を検出し、自転車レーン１２１２内の自転車運転者１２１６も検出する。車両１００は、物体１２１４が水たまりまたは他の障害物であると決定することができる。自転車運転者１２１６がまだいかなる是正処置もとっていなくても、車両１００の車載システムは、点線の矢印１２１８で示すように、自転車に運転者１２１６が、例えば、自分の進路を変更することによって、物体１２１４を回避するであろうと予測する可能性がある。この予測に基づいて、車両１００は、自転車運転者１２１６が物体１２１４の周囲でペダルを踏む時間を確保するように減速するなどの是正処置をとることができる。この場合、車両１００は、例えば、図２の合図システム２１８を介して、または単に減速することによって、車両１００が自転車運転者１２１６を認識しており、この自転車運転者が物体１２１４の周囲を通過する空間を与えていることを、自転車１２１６に合図することができる。

特定のタイプの物体も、道路の気象状況に関する分析に影響を与える可能性がある。例えば、車線に隣接するトラフィックコーンは、くぼみまたは水たまりを示す場合がある。建設標識またはその他の建設物品は、雪、雨、または氷の影響を受ける可能性のある路面の変化またはその問題を示す場合もある（例えば、再舗装する前の道路の再舗装）。さらに、水たまりは、新たに形成されたくぼみの結果である可能性がある。ここで、プランナーモジュールによって用いられる標高マップは、くぼみの存在を示さない可能性があるが、最近の雨により水たまりが発生した可能性がある。

この例は、図１３に示される。ここでは、シーン１３００は交差点に隣接する道路の一部分を示す。車両のセンサは、標高マップが何も示していない物体１３０２を検出する場合がある。ただし、車両のセンサは、建設物品１３０４、１３０６、および１３０８も検出する場合がある。物体１３０２の周囲または他の場合は近くに配置されたこれらの物体に基づいて、システムは、物体１３０２がくぼみを覆う水である可能性があると推測し、その物体と建設物品を回避するようにルートを変更することができる。

車両のセンサを使用して、一般的な道路の気象状況の検出を検証することができる。これは、例えば、車線変更、加速、減速などの試験操縦を実行し、慣性センサ、制動センサ、Ｌｉｄａｒもしくは撮像センサなどのデータを評価することを伴うことができる。代替的に（または追加的に）、これは、他の車両または物体による処置を観察することを伴うことができる。例えば、Ｌｉｄａｒまたは他のセンサによって検出された自転車の動きは、道路上の水たまりの存在を示す可能性がある。ここで、（可能性のある）水たまりに関する情報を使用して、疑似センサ信号をフィルタリングすることができる。

試験操縦の１つのタイプは、１つ以上の車両が同じ（予想された）水たまりを異なる速度または位置オフセットで運転させることである。例えば、Ｌｉｄａｒ、レーダー、カメラ、および／または音響センサ（複数可）によって検出された水しぶきの指示は、別の車両のプランナーモジュールが、その車両が水たまりの中または周囲を運転する必要があるかどうかを決定するのに役立ち得る。そのような情報は、以下で考察されるように、他の近くの車両と共有され、および／または遠隔支援システムに通信されてもよい。水しぶきが取得されたセンサデータにどのように影響するかは、ルート計画およびその他のシステム動作に組み込むこともできる。

別の例示的な試験操縦は、複数の車両が雪の降るルートに沿って異なる横方向のオフセットを試すことである。これは、道路上の最良の（最高の）摩擦を決定するために行うことができる。雪の深さおよび／または「質」（例えば、粉雪、半解け、圧縮雪）は、その中を運転し、制動および／または加速動作を実行するかどうかにかかわらず、車両がどのように応答するかを評価することによって決定することができる。センサデータ（例えば、Ｌｉｄａｒからの）は、これと組み合わせて使用することができる。この例は、図１４Ａ～図１４Ｂに示される。例えば、図１４Ａは、先頭車両１４０２の後ろの車線を運転する車両１００を示す。この例では、車両１００のセンサは、道路上の物体１４０４を検出し、これは、雪、流氷原、あられ、水たまり、区画線の検出を困難にするが、システムが他の車両の軌道を追跡することができる他の物体であってもよい。先頭車両１４０２は、車両１００と同じフリートの一部であり得、または他の場合は、フリート管理システムもしくは他のバックエンドシステムを介して、直接または間接的のいずれかで車両１００と通信することができる。Ｌｉｄａｒセンサまたはカメラなどの車両１００のセンサは、先頭車両１４０２からの軌道１４０６を検出することができる。これを考慮して、図１４Ｂに示すように、車両１００は、わずかに操縦するか、またはその他の方法で軌道１４０６からオフセットするようにその車輪を配置して、その独自の軌道１４１２を作成することができる。車両１００および１４０２の一方または両方が物体１４０４（例えば、雪）の中を運転するときに取得される情報は、その物体の深さおよび／または品質を決定するのに役立ち得る。この情報は、車両１００または道路に沿った他の車両が、同様の検出された物体で道路の他の部分に沿って操縦するときに役立ち得る。情報は、車両から車両へ、または車両からフリートへの管理、または他のバックエンドシステムと通信することができる。１つのシナリオでは、情報は、フリートで使用されるマップを更新するために使用され、車両のプランナーへの入力として、および／または、エリア内の車両への警告として直接通信される。

車両の自律運転システムは、雪に関連する他の問題に対処することができる。これには、道路の脇に雪の塊があるかどうか（図１１Ｃを参照）、１つ以上の車線が除雪されているが他の車線が除雪されていないことがないかどうか、氷の上に雪があるかどうかなどを決定することが含まれる。例えば、現在検出された状態は新雪を示す可能性があるが、システムは（例えば、取得した気象レポートまたは遠隔支援サービスから）前日も雪が降っていたことを知っている場合がある。このことは現在の運転状態に影響を与える可能性があり、車載システムは、この情報を近くの車両または遠隔支援サービスと共有することができる。さらに、コンピュータシステムのプランナーモジュールまたは他の部分は、ルート計画の一部として、運転中に予想される積雪を考慮に入れることができる。

システムの他の態様は、即時の是正処置およびルートの再計画を含んでもよい。即時の是正処置は、スキッドを回避するため、またはスキッドから抜け出すための特定の制動技術またはパターンを含んでもよい。また、プランナーモジュールはルートを調整して、スリップの可能性を回避または最小化することができる。例えば、車両は、図１１Ｂに示すように、接近しつつある流氷原を回避するために車線を変更するか、接近しつつある流氷原の手前で急激に制動して速度を低下させ、一定の速度で流氷原の上を運転するか、または道路の坂道の部分を回避するために別のルートをとることができる。他の例では、ルートの再計画は、高速道路のより近いまたは遠い出口を取ること、目的地（例えば、降車地点）を変更することなどを含むことができる。またさらに、車両は、制限速度よりも５～１０ｍｐｈ以上低い速度で運転するなど、道路状況に応じて速度が変化する場合には、よりゆっくりと運転することができる。さらに別の例では、どの車輪がスリップしているのかを知ることは、スリップしやすいエリアをマッピングするのに役立つ。ここで、制御システム（例えば、プランナーモジュール）は、車両がスリップしやすいかもしくはスリップする、またはスリップしくい車線の側により多く移動するように、調整を行うようステアリングシステムに命令することができる。

他の車両が現在、車両の前または周囲をどのように運転しているかを観察することも、分析に組み込むことができる。図１２Ａおよび図１２Ｂに関して上で考察された水たまりの例とは別に、車両は、他の車両が一般的にどのように動作しているかを検出することができ、周囲の車両に対してスリップまたはスキッドプロファイルを発生させることができる。これは、一般的な道路状況を示すこともある。したがって、システムは、近くの車両の行動予測モデルを修正することができ、車両の運転動作を調整することもできる。一例として、道路が時速４５ｍｐｈのゾーンにあり、前方の車が約３５ｍｐｈで運転しているが、新たに観察された車が後方から５０ｍｐｈで運転してくる場合、システムは、スリップ／スキッドプロファイルと関係する速度を考慮して、その車の行動モデルを評価してもよい。

特定の道路の気象状況および車両のタイプに応じて、姿勢の絶対位置がゆっくりと（例えば、数秒以上を超える）発散し始めることがある。ただし、システムは、高次の項の変化または不一致を検出できる場合がある。例えば、車両の車輪がロックされている場合（例えば、車両にＡＢＳ制動がないか、制動が故障している）、減速システムは、車両が現在０ｍｐｈまたはｍ／ｓで進行していることを報告する。それにもかかわらず、姿勢速度はゼロではなく、潜在的にはるかに高くなる。同様に、方向転換中の測定されたヨーレートと予想されたヨーレートの差は、絶対的な車両の向きよりも潜在的に有益な可能性がある。

このような決定の結果は、プランナーモジュールまたは車両の制御システムの別の部分にフィードバックすることができ、様々な方式でこれを使用することができる。例えば、決定された牽引力損失の量に応じて、システムは、ルートの所与の部分に沿った軌道生成に使用される許容可能な減速（または加速）の量を調整することができる。自動車またはその他の物体が（例えば、Ｌｉｄａｒ、レーダー、カメラ、またはその他のセンサを介して）車両の前方または後方で検出された場合、追加の車間距離が運転計画に組み込まれてもよい。衝突状況の可能性を回避するために、先制制動を実行することもできる。上記の情報に基づいて、制動プロファイルおよび／または所望の停止点を選択することもできる。

この一例が、図１５Ａ～図１５Ｂに示される。特に、図１５Ａは、交差点に接近している車両１００を示す。プランナーモジュールは、点線の経路１５０２で示されるデフォルトの制動プロファイルに従って車両が制動し、矢印１５０４で示される所望の停止点に車両を到着させるための初期計画を有してもよい。しかしながら、上で考察されたように、検出、観察、または予想された牽引力の減少を考慮して、プランナーモジュールは修正された計画に変更することができる。例えば、図１５Ｂに示すように、点線経路１５１２で示される二次制動プロファイルを使用して、所望の停止点１５０４よりも交差点から遠い矢印１５１４で示される早い停止点に車両を到着させることができる。

図１５Ｃは、対照的な速度プロファイルの例１５２０を示す。ここでは、両方の速度プロファイルが同じ停止点に到達するように選択される。最初の速度プロファイルは破線１５２２で示される。ここで、最初の時間期間、車両の速度はほぼ一定である。その後、車両が停止点に接近すると、デフォルトの制動プロファイルを使用して車両を完全に停止させることができる。第２の速度プロファイルは、一点鎖線１５２４で示される。第１の速度プロファイルと同様に、第１の時間期間中の速度もほぼ一定である。しかしながら、矢印１５２６で示されるようなスリップしやすい道路状況が検出されると、システムは、能動的または受動的減速を開始することができる。その後、点１５２８において、システムは、停止点において完全に停止するために、速度をさらに徐々に低下させてもよい。後者の第２の速度プロファイルのアプローチでは、制動が少ないか、または道路がスリップしやすい場所で事前に制動してもよい。

上記のように、この技術は、乗用車、バス、ＲＶ、トラック、またはその他の貨物を運ぶ車両など、様々なタイプの車輪付き車両に適用可能である。

車両の動作に車輪のスリップ情報を使用することに加えて、この情報は、フリートの一部である車両などの他の車両と共有することもできる。この情報は、リアルタイムのマップ更新に使用することができ、フリート車両と共有することもできる。

この一例が、図１６Ａおよび１６Ｂに示される。特に、図１６Ａおよび図１６Ｂは、それぞれ、ネットワーク１６１６を介して接続された複数のコンピューティングデバイス１６０２、１６０４、１６０６、１６０８、およびストレージシステム１６１０を含む例示的なシステム１６００の絵図および機能図である。システム１６００はまた、車両１６１２および１６１４も含み、これらは、それぞれ、図１Ａ～図１Ｂおよび図１Ｃ～図１Ｄの車両１００および１５０と同じまたは同様に構成され得る。車両１６１２および／または車両１６１４は、車両のフリートの一部であり得る。簡潔にするため、いくつかの車両およびコンピューティングデバイスのみを図示するが、通常のシステムは、これよりもはるかに多くのものを含み得る。

図１６Ｂに示すように、コンピューティングデバイス１６０２、１６０４、１６０６、および１６０８の各々は、１つ以上のプロセッサ、メモリ、データ、および命令を含むことができる。そのようなプロセッサ、メモリ、データ、および命令は、図２に関して上で説明したものと同様に構成することができる。

様々なコンピューティングデバイスおよび車両は、ネットワーク１６１６などの１つ以上のネットワークを介して通信することができる。ネットワーク１６１６、および介在するノードは、Ｂｌｕｅｔｏｏｔｈ（商標）、Ｂｌｕｅｔｏｏｔｈ ＬＥ（商標）、インターネット、ワールドワイドウェブ、イントラネット、仮想プライベートネットワーク、広域ネットワーク、ローカルネットワーク、１つ以上の企業独自の通信プロトコルを使用するプライベートネットワーク、イーサネット、ＷｉＦｉおよびＨＴＴＰ、ならびに前述の様々な組み合わせなどの短距離通信プロトコルを含む、様々な構成およびプロトコルを含み得る。そのような通信は、モデムおよび無線インターフェースなどの、他のコンピューティングデバイスとの間でデータを送信することができる任意のデバイスによって容易に行われ得る。

一例では、１つ以上のコンピューティングデバイス１６０２は、複数のコンピューティングデバイス、例えば、負荷分散サーバファームを有する１つ以上のサーバコンピューティングデバイスを含み得、このサーバコンピューティングデバイスは、他のコンピューティングデバイスとの間でのデータの受信、処理、および送信の目的のためにネットワークの異なるノードと情報を交換する。例えば、コンピューティングデバイス１６０２は、ネットワーク１６１６を介して、車両１６１２および／または１６１４のコンピューティングデバイス、ならびにコンピューティングデバイス１６０４、１６０６、および１６０８と通信することができる１つ以上のサーバコンピューティングデバイスを含むことができる。例えば、車両１６１２および／または１６１４は、サーバコンピューティングデバイスによって様々な場所に配車され得る車両のフリートの一部であり得る。この点において、サーバコンピューティングデバイス１６０２は、乗客を乗車および降車させるために、または貨物を収集および配送するために、車両を異なる場所に配車するために使用することができる配車サーバコンピューティングシステムとして機能してもよい。さらに、サーバコンピューティングデバイス１６０２は、ネットワーク１６１６を使用して、他のコンピューティングデバイスのうちの１つのユーザまたは車両の乗客に情報を送信および提示することができる。この点において、コンピューティングデバイス１６０４、１６０６、および１６０８は、クライアントコンピューティングデバイスと考えることができる。

図１６Ａに示すように、各クライアントコンピューティングデバイス１６０４、１６０６、および１６０８は、それぞれのユーザ１６１８による使用を意図されたパーソナルコンピューティングデバイスであり得、パーソナルコンピューティングデバイスに接続して通常使用される構成要素のすべてを有しており、これらには、１つ以上のプロセッサ（例えば、中央処理ユニット（ＣＰＵ））、データおよび命令を記憶するメモリ（例えば、ＲＡＭおよび内蔵ハードドライブ）、ディスプレイ（例えば、スクリーンを有するモニタ、タッチスクリーン、プロジェクタ、テレビ、または情報を表示するように動作可能なスマートウォッチディスプレイなどの他のデバイス）、ならびにユーザ入力デバイス（例えば、マウス、キーボード、タッチスクリーン、またはマイクロフォン）が含まれる。クライアントコンピューティングデバイスはまた、ビデオストリームを記録するためのカメラ、スピーカ、ネットワークインターフェースデバイス、およびこれらの要素を互いに接続するために使用されるすべての構成要素を含んでもよい。

クライアントコンピューティングデバイスは各々、フルサイズのパーソナルコンピューティングデバイスを含み得るが、これらはインターネットなどのネットワークを介してサーバと無線でデータを交換することができるモバイルコンピューティングデバイスを代替的に含み得る。単なる例として、クライアントコンピューティングデバイス１６０６および１６０８は、携帯電話、もしくはワイヤレス対応のＰＤＡ、タブレットＰＣ、ウェアラブルコンピューティングデバイス（例えば、スマートウォッチ）、もしくはインターネットもしくは他のネットワークを介して情報を取得することができるネットブックなどのデバイスであってもよい。

いくつかの例では、クライアントコンピューティングデバイス１６０４は、管理者またはオペレータが配車された車両の乗客と通信するために使用する遠隔アシスタンスワークステーションであり得る。図１６Ａ～図１６Ｂには単一の遠隔支援ワークステーション１６０４のみが示されるが、所与のシステムには、任意の数のそのようなワークステーションを含めることができる。さらに、動作ワークステーションはデスクトップコンピュータとして図示されるが、動作ワークステーションは、ラップトップ、ネットブック、タブレットコンピュータなどの様々なタイプのパーソナルコンピューティングデバイスを含み得る。

ストレージシステム１６１０は、サーバコンピューティングデバイス１６０２によってアクセス可能な情報を記憶することができる、ハードドライブ、メモリカード、ＲＯＭ、ＲＡＭ、ＤＶＤ、ＣＤ－ＲＯＭ、フラッシュドライブおよび／またはテープドライブなどの任意のタイプのコンピュータ化されたストレージを有し得る。さらに、ストレージシステム１６１０は、分散型ストレージシステムを含み得、そこではデータが複数の異なるストレージデバイスに記憶されており、これらは同一の、または異なる地理的場所に物理的に位置付けられてもよい。ストレージシステム１６１０は、図１６Ａ～図１６Ｂに示すようにネットワーク１６１６を介してコンピューティングデバイスに接続され得、および／またはコンピューティングデバイスのいずれかに直接接続されるかまたは組み込まれ得る。

ストレージシステム１６１０は、様々なタイプの情報を記憶し得る。例えば、ストレージシステム１６１０は、車両１６１２または１６１４などの車両によって使用され、そのような車両を自律運転モードで動作させる自律車両制御ソフトウェアも記憶することができる。ストレージシステム１６１０は、地図情報、ルート情報、車両１６１２および１６１４の制動および／または加速プロファイル、気象情報などを記憶することができる。この情報は、例えば、車載コンピュータシステム（複数可）によるリアルタイムの経路計画および牽引力分析を支援するために、車両１６１２および１６１４と共有されてもよい。遠隔支援ワークステーション１２０４は、記憶された情報にアクセスし、それを使用して、単一の車両または車両のフリートの動作を支援することができる。例として、先頭車両は、図１１Ａのスリップしやすい物質１１０４などのスリップしやすい状態を検出し、スリップしやすい状態に関する情報を遠隔支援ワークステーション１６０４に送信することができる。次に、遠隔支援ワークステーション１６０４は、フリート内の他の車両に情報を広めることができ、その結果、車両はそれらのルートを変更することができる（例えば、図１１Ｂの角度付き矢印１１１２を参照）。

遠隔支援装置は、例えば別の車両による以前の検出を確認または検証するために、所与の道路の直線コースに沿って１台以上の車両に受動的および／または能動的牽引力試験を実行するように要求することもできる。したがって、道路状況が改善した場合（例えば、道路上の氷もしくは雪を溶かす気温の上昇に起因する）または悪化した場合（例えば、雪もしくは氷雨が積もることに起因する）に、遠隔支援装置は、それに応じてフリートの他の車両に通知することができる。

乗客がいる状況では、車両または遠隔支援装置は、乗客のクライアントコンピューティングデバイスと直接または間接的に通信することができる。ここでは、例えば、現在の運転動作、状況に応じたルートへの変更などに関する情報を乗客に提供することができる。

図１７は、上の考察による例示的な動作方法１７００を示す。例えば、ブロック１７０２において、車載処理システムは、車両の１つ以上のセンサから車両の周囲の環境のセンサデータを受信する。ブロック１７０４において、車両の１つ以上のプロセッサによって、自律運転モード中に、車両のサブシステムがサブシステムの１つ以上の構成要素を作動させる。これには、例として、減速システム（例えば、図２の２１２）、加速システム（例えば、図２の２１４）、ステアリングシステム（例えば、図２の２１６）、またはこれらの組み合わせの一部を作動させることが含まれ得る。ブロック１７０６において、１つ以上の構成要素の作動中に車両の姿勢情報が取得される。

この姿勢情報に基づいて、ブロック１７０８において、システムは車両の実際の姿勢を決定する。ブロック１７１０において、実際の姿勢情報が予想された姿勢と比較される。予想された姿勢は、例えば、車両のプランナーモジュールによって生成されてもよい。これを考慮して、ブロック１７１２において、システムは実際の姿勢と予想された姿勢との間の差を決定する。例えば、差は、別の物体までの相対距離、方位（例えば、ヨー）、進行方向などの分散（デルタ）を反映することができる。ブロック１７１４において、姿勢差または受信されたセンサデータに基づいて、システムは、車両の外部環境において有害な気象または道路状況があることを決定する。一例では、有害な気象または道路状況が存在することをシステムが決定する前に、差が閾値を超える必要があり得る。この場合、閾値は、例えば、予想されたベースラインからのパーセント変動（例えば、２～５％超またはそれ未満）、物理的距離デルタ（例えば、０．２～０．５ｍ超）、またはその他の要因であってもよい。したがって、有害な気象または道路状況を決定する方法の１つは、差が閾値を超えることである。差は、有害な気象または道路状況に相関する固定された差分値を有するルックアップテーブルなど、他の方法でも使用することができる。他の態様では、機械学習アプローチまたは他のモデルを使用して、その差が有害な気象または道路状況の存在を示すことを決定することができる。

次に、ブロック１７１６において、システムは、決定された有害な気象または道路状況に応じて処置を実行する。処置は、是正運転処置、ルート再計画処置、環境内の物体の行動予測における修正、別の車両（車両の近傍内の他の車両など）またはフリート管理システムもしくは他の車両に情報を広めたり、他の車両のためにルートを計画もしくは再計画することができる他のバックエンドシステムへの通知の提供に関する。いくつかの例では、ルートの再計画は、車両が回避する（そこから離れる）ための地図上のエリアまたはゾーンを指定することを含むことができる。

特段の記述がない限り、前述の代替的な例は、相互に排他的ではないが、独自の有益点を達成するために様々な組み合わせで実施され得る。上で考察された特徴のこれらおよび他の変形および組み合わせは、特許請求の範囲によって定義される主題から逸脱することなく利用することができるので、実施形態の前述の説明は、特許請求の範囲によって定義される主題の限定としてではなく、例示としてみなされるべきである。加えて、本明細書に記載された実施例、ならびに「など」、「含む」などと表現された語句の提供は、特許請求の範囲の主題を特定の実施例に限定するものと解釈されるべきではなく、むしろ、実施例は、多くの可能な実施形態のうちの１つだけを例示することが意図される。さらに、異なる図面中の同じ参照番号は、同じまたは類似の要素を特定することができる。プロセスまたは他の動作は、本明細書で特に明記しない限り、異なる順序で、または同時に実行されてもよい。

Claims (22)

1. 自律運転モードにおいて動作する車両の周囲の環境における気象または道路状況を決定する方法であって、前記方法が、
   前記車両の１つ以上のプロセッサによって、前記車両の１つ以上のセンサから前記車両の周囲の前記環境のセンサデータを受信することと、
   前記１つ以上のプロセッサによって、前記車両のサブシステムに、前記自律運転モードにおける動作中に前記サブシステムの１つ以上の構成要素を作動させることと、
   前記サブシステムの前記１つ以上の構成要素の前記作動中に前記車両の姿勢情報を取得することと、
   前記車両の１つ以上のプロセッサによって、前記取得された姿勢情報に従って前記車両の実際の姿勢を決定することと、
   前記１つ以上のプロセッサによって、前記車両の前記実際の姿勢を前記車両の予想された姿勢と比較することと、
   前記１つ以上のプロセッサによって、前記比較に基づいて前記実際の姿勢と前記予想された姿勢との差を決定することと、
   前記実際の姿勢と前記予想された姿勢との間の差または前記外部環境の前記受信されたセンサデータのうちの少なくとも一方に基づいて、前記車両の周囲の前記環境において有害な気象または道路状況があることを決定することと、
   前記車両の周囲の前記環境における前記有害な気象または道路状況を決定することに応答して処置を実行することと、を含む、方法。
2. 有害な気象または道路状況があることを決定することは、前記車両が動作している道路の領域が凍結している、濡れている、または少なくとも部分的に雪で覆われていることを決定することを含む、請求項１に記載の方法。
3. 前記車両の前記サブシステムに前記１つ以上の構成要素を作動させることが、道路の特定の部分を、前記道路の前記特定の部分に対して選択された速度および選択された位置方位において運転することを含む、請求項１に記載の方法。
4. 前記道路の特定の部分に対して異なる選択された速度または異なる選択された位置方位において前記道路の前記特定の部分を運転するように、別の車両に命令することをさらに含む、請求項３に記載の方法。
5. 他の車両が、第１の車両であり、前記車両が、前記第１の車両に続く第２の車両であり、前記方法は、前記第２の車両が、前記第１の車両が前記道路の前記特定の部分を運転した結果を観察することを含む、請求項４に記載の方法。
6. 前記選択された速度および前記選択された位置方位において前記道路の特定の部分を運転することが、前記道路の前記特定の部分に沿った牽引力の量を検出するために行われる、請求項３に記載の方法。
7. 前記姿勢情報を取得することが、前記車両の前記１つ以上のセンサからセンサデータを受信することを含む、請求項１に記載の方法。
8. 前記車両の前記１つ以上のセンサによって、前記車両の周囲の前記環境における１つ以上の他の車両による運転処置を検出することをさらに含む、請求項１に記載の方法。
9. 前記１つ以上の他の車両による前記運転処置の検出に応答して、前記１つ以上のプロセッサが、道路の選択された部分に沿って特定の気象または道路状況を決定することをさらに含む、請求項８に記載の方法。
10. 前記特定の気象または道路状況が、前記道路の前記選択された部分に沿った水たまり、流氷原、または積雪のうちの１つである、請求項９に記載の方法。
11. 前記道路の選択された部分に沿った前記特定の気象または道路状況を決定することに応答して、前記車両の１つ以上のセンサによって取得されたデータのセットから疑似センサ信号をフィルタリングすることをさらに含む、請求項９に記載の方法。
12. 是正運転処置、ルート再計画処置、または行動予測の前記修正に関する情報を、別の車両またはフリート管理システムのうちの少なくとも一方に送信することをさらに含む、請求項１に記載の方法。
13. 前記１つ以上の構成要素の所与の１つが、制動構成要素であり、前記サブシステムが、減速システムであるか、
    前記１つ以上の構成要素のうちの前記所与の１つが、加速構成要素であり、前記サブシステムが加速システムであるか、
    前記１つ以上の構成要素のうちの前記所与の１つが、ステアリング構成要素であり、前記サブシステムが、ステアリングシステムである、請求項１に記載の方法。
14. 前記処置を実行することが、是正運転処置を実行すること、ルート再計画処置を実施すること、前記環境内の物体の行動予測において修正を引き起こすこと、別の車両に通知を提供すること、またはバックエンドシステムに通知を提供すること、のうちの少なくとも１つを含む、請求項１に記載の方法。
15. 自律運転モードにおいて動作するように構成された車両であって、前記車両が、
    前記自律運転モードにおいて前記車両の運転を制御するためのステアリングサブシステム、加速サブシステム、および減速サブシステムを含む運転システムと、
    前記車両の外部環境にある物体を検出するように構成された１つ以上のセンサを含む知覚システムと、
    前記車両の現在位置を決定するように構成された測位システムと、
    １つ以上のプロセッサを含む制御システムと、を備え、前記制御システムが、前記運転システム、前記知覚システム、および前記測位システムに動作可能に連結されており、前記制御システムが、
    前記１つ以上のセンサから前記車両の周囲の前記環境のセンサデータを受信することと、
    前記車両のサブシステムに、前記自律運転モードにおける動作中に前記サブシステムの１つ以上の構成要素を作動させることと、
    前記サブシステムの前記１つ以上の構成要素の前記作動中に前記車両の姿勢情報を取得することと、
    前記取得された前記姿勢情報に従って、前記車両の実際の姿勢を決定することと、
    前記車両の前記実際の姿勢を前記車両の予想された姿勢と比較することと、
    前記比較に基づいて、前記実際の姿勢と前記予想された姿勢との間の差を決定することと、
    前記実際の姿勢と前記予想された姿勢との間の差または前記外部環境の前記受信されたセンサデータのうちの少なくとも一方に基づいて、前記車両の周囲の前記環境において有害な気象または道路状況があることを決定することと、
    前記車両の周囲の前記環境における前記有害な気象または道路状況を決定することに応答して処置を実行することと、行うように構成されている、車両。
16. 有害な気象または道路状況があるという決定は、前記車両が動作している道路の領域が氷結している、濡れている、または少なくとも部分的に雪で覆われていることを決定することを含む、請求項１５に記載の車両。
17. 前記制御システムが、前記車両の前記サブシステムに、道路の特定の部分を、前記道路の前記特定の部分に対して選択された速度および選択された位置方位において運転することによって、前記１つ以上の構成要素を作動させることを行わせるように構成されている、請求項１５に記載の車両。
18. 少なくとも１つの他の車両と通信するように構成された通信システムをさらに備え、前記制御システムが、前記道路の特定の部分を、前記道路の前記特定の部分に対して異なる選択された速度または異なる選択された位置方位において運転するように、前記少なくとも１つの他の車両に前記通信システムを介して命令するようにさらに構成されている、請求項１７に記載の車両。
19. 前記少なくとも１つの他の車両が、第１の車両であり、前記車両が、前記第１の車両に続く第２の車両であり、前記知覚システムの前記１つ以上のセンサは、前記第１の車両が前記道路の前記特定の部分を運転した結果を観察するように構成されている、請求項１８に記載の車両。
20. 前記１つ以上のセンサが、前記車両の周囲の前記環境における１つ以上の他の車両による運転処置を検出するように構成されており、
    前記１つ以上の他の車両による前記運転処置を検出することに応答して、前記制御システムが、
    道路の選択された部分に沿った特定の気象または道路状況を決定すること、または
    前記車両の１つ以上のセンサによって取得されたデータのセットから、疑似センサ信号をフィルタリングすること、を行うように構成されている、請求項１５に記載の車両。
21. 前記是正運転処置、前記ルート再計画処置、または前記行動予測の前記修正に関する情報を、別の車両またはフリート管理システムのうちの少なくとも一方に送信するように構成された通信システムをさらに備える、請求項１５に記載の車両。
22. 前記制御システムが、是正運転処置を開始すること、ルート再計画処置を実施すること、前記環境内の物体の行動予測において修正を引き起こすこと、別の車両に通知を提供すること、またはバックエンドシステムに通知を提供すること、のうちの少なくとも１つによって前記処置を実行するように構成されている、請求項１５に記載の車両。
    

Images