JP2023523350A - 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム - Google Patents
乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2023523350A JP2023523350A JP2022565903A JP2022565903A JP2023523350A JP 2023523350 A JP2023523350 A JP 2023523350A JP 2022565903 A JP2022565903 A JP 2022565903A JP 2022565903 A JP2022565903 A JP 2022565903A JP 2023523350 A JP2023523350 A JP 2023523350A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- predicted
- offset
- lane change
- determining
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 title claims description 28
- 238000004590 computer program Methods 0.000 title claims description 20
- 230000008859 change Effects 0.000 claims abstract description 283
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000003860 storage Methods 0.000 claims abstract description 24
- 238000003066 decision tree Methods 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 16
- 230000014759 maintenance of location Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 7
- 230000006978 adaptation Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical compound C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4046—Behavior, e.g. aggressive or erratic
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/406—Traffic density
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- 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
- B60W2556/10—Historical data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
Description
第1乗り物の少なくとも2つの予測オフセット、第1乗り物の第1走行状態、及び第2乗り物の第2走行状態を決定するステップであって、第2乗り物は、第1乗り物が車線を変更する際に参照する乗り物である、ステップと、
第1走行状態及び第2走行状態に基づいて、第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合の各予測オフセットの第2車線変更利得を決定するステップと、
第2乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第1車線変更利得及び第2車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するステップであって、ターゲット予測オフセットは、第1乗り物に対して予測された側方車線変更走行距離を示すためのものである、ステップと、を含む。
第1乗り物の少なくとも2つの予測オフセット、第1乗り物の第1走行状態、及び第2乗り物の第2走行状態を決定する状態取得モジュールであって、第2乗り物は、第1乗り物が車線を変更する際に参照する乗り物である、状態取得モジュールと、
第1走行状態及び第2走行状態に基づいて、第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合の各予測オフセットの第2車線変更利得を決定する利得取得モジュールと、
第2乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第1車線変更利得及び第2車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するオフセット選択モジュールであって、ターゲット予測オフセットは、第1乗り物に対して予測された側方車線変更走行距離を示すためのものである、オフセット選択モジュールと、を含む。
利得取得モジュール12は、第1走行状態及び第2走行状態に基づいて、第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合の各予測オフセットの第2車線変更利得を決定し、
オフセット選択モジュール13は、第2乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第1車線変更利得及び第2車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定し、ターゲット予測オフセットは、第1乗り物に対して予測された側方車線変更走行距離を示すためのものである。
車線の車線幅及び決定数を決定する決定取得ユニット111と、
第1乗り物と、第1乗り物が位置する第1車線の車線境界線との間の横方向の距離を決定し、車線幅、横方向の距離、及び決定数に基づいて、第1乗り物の少なくとも2つの予測オフセットを決定する決定生成ユニット112であって、少なくとも2つの予測オフセットの数が決定数である、決定生成ユニット112と、を含む。
第1乗り物が位置する第1車線を決定し、第1車線の中央線を座標縦軸とし、第1乗り物が座標縦軸上にマッピングされた点を座標原点とし、座標縦軸に対応する法線を座標横軸とし、座標原点、座標横軸、及び座標縦軸に基づいて、道路座標系を確立する座標確立モジュール14をさらに含み、
第1乗り物の第1走行状態、及び第2乗り物の第2走行状態を決定することについて、状態取得モジュール11は、
道路座標系における第1乗り物の第1位置情報を決定し、第1位置情報に基づいて第1乗り物の第1走行状態を決定する第1取得ユニット113と、
道路座標系における第2乗り物の第2位置情報を決定し、第2位置情報に基づいて第2乗り物の第2走行状態を決定する第2取得ユニット114と、を含む。
該利得取得モジュール12は、
第1位置情報に基づいて第1乗り物のオフセット距離を決定する距離決定ユニット121であって、オフセット距離は、第1乗り物と、第1乗り物が位置する第1車線の中央線との間の距離である、距離決定ユニット121と、
i番目(iは、少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセットを取得し、i番目の予測オフセットとオフセット距離との差に基づいて、第2乗り物が「譲る」予測状態にある場合のi番目の予測オフセットの第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合のi番目の予測オフセットの第2車線変更利得を決定する利得取得ユニット122と、を含む。
該利得取得モジュール12は、
第1位置情報における第1縦方向座標値と、第2位置情報における第2縦方向座標値とを取得し、第1縦方向座標値、第1走行速度、第2縦方向座標値、及び第2走行速度に基づいて、第1乗り物と第2乗り物の縦方向衝突時間を決定する時間取得ユニット123と、
第1位置情報における第1横方向座標値と、第2位置情報における第2横方向座標値とを取得し、i番目(iは、少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセットを取得し、第1横方向座標値、第2横方向座標値、及びi番目の予測オフセットに基づいて、i番目の予測オフセットに対応する交通側方間隔を決定する間隔取得ユニット124と、を含み、
該利得取得ユニット122は、さらに、縦方向衝突時間と、i番目の予測オフセットに対応する交通側方間隔とに基づいて、第2乗り物が「譲る」予測状態にある場合のi番目の予測オフセットの第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合のi番目の予測オフセットの第2車線変更利得を決定する。
該利得取得モジュール12は、
第3乗り物の第3位置情報を決定し、第2位置情報及び第3位置情報に基づいて、第2乗り物と第3乗り物との間の誘導縦方向距離を決定する車両取得ユニット125であって、第2乗り物は第3乗り物と同一の車線に位置し、第3乗り物と第2乗り物の走行方向は同じである、車両取得ユニット125と、
第3乗り物の第3走行速度を決定する速度取得ユニット126と、を含み、
該利得取得ユニット122は、さらに、i番目(iは、少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセット及び誘導縦方向距離に基づいて、第2乗り物のi番目の譲り距離を決定し、第2走行速度、第3走行速度、及びi番目の譲り距離に基づいて、第2乗り物が「譲る」予測状態にある場合のi番目の予測オフセットの第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合のi番目の予測オフセットの第2車線変更利得を決定する。
譲り確率モデルを取得するモジュール取得ユニット127と、
第1走行状態、第2走行状態、及びi番目(iは、少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセットを譲り確率モデルに入力することにより、i番目の予測オフセットに対応する「譲る」予測状態の確率及び「譲らない」予測状態の確率を取得する確率予測ユニット128と、を含み、
該利得取得ユニット122は、さらに、「譲る」予測状態の確率を、第2乗り物が「譲る」予測状態にある場合のi番目の予測オフセットの第1車線変更利得として決定し、
該利得取得ユニット122は、さらに、「譲らない」予測状態の確率を、第2乗り物が「譲らない」予測状態にある場合のi番目の予測オフセットの第2車線変更利得として決定する。
過去縦方向衝突時間と、過去縦方向衝突時間に対応する過去衝突距離とを取得し、過去縦方向衝突時間及び過去衝突距離に基づいて、衝突時間平均値及び衝突時間標準偏差を決定する衝突取得ユニット131と、
第2乗り物と第1乗り物の縦方向衝突時間を決定し、縦方向衝突時間を、衝突時間平均値及び衝突時間標準偏差から生成された第1確率密度関数にマッピングすることにより、第2乗り物の初期譲り確率を決定する第1確率取得ユニット132と、
過去交通側方間隔を取得し、過去交通側方間隔に基づいて、間隔平均値及び間隔標準偏差を決定する過去間隔取得ユニット133と、
第2乗り物と第1乗り物の交通側方間隔を取得し、交通側方間隔を、間隔平均値及び間隔標準偏差から生成された第2確率密度関数にマッピングすることにより、第2確率密度関数に基づいて第2乗り物の走行保持確率を決定する第2確率取得ユニット134と、
初期譲り確率及び走行保持確率に基づいて、第2乗り物の予測譲り確率を決定する譲り確率決定ユニット135と、を含む。
決定木を構築する木取得ユニット136であって、決定木における決定エッジは、少なくとも2つの予測オフセット、「譲る」予測状態、及び「譲らない」予測状態を含み、決定木における木ノードは、第1乗り物及び第2乗り物を含む、木取得ユニット136と、
決定木の少なくとも2つの決定層において、決定木のルートノードにおける各予測オフセットのツリー利得値が取得されるまで、階層毎に、予測譲り確率及び決定エッジに基づいて、各予測オフセットの第1車線変更利得及び第2車線変更利得を重み付け加算する利得反復ユニット137と、
ルートノードにおける各予測オフセットのツリー利得値を各予測オフセットのターゲット車線変更利得として決定する利得決定ユニット138と、を含む。
該利得取得モジュール12は、
第1実際走行状態及び第2実際走行状態に基づいて、第2乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層k1における第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合の各予測オフセットの決定層k1における第2車線変更利得を決定する実際処理ユニット129aと、
第1実際走行状態に基づいて第1乗り物の第1予測走行状態を予測し、第2実際走行状態に基づいて第2乗り物の第2予測走行状態を予測する状態予測ユニット129bと、
第1予測走行状態及び第2予測走行状態に基づいて、第2乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層k2における第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合の各予測オフセットの決定層k2における第2車線変更利得を決定する予測処理ユニット129cと、を含む。
該利得反復ユニット137は、
決定層k2における予測譲り確率に基づいて、各予測オフセットの決定層k2における第1車線変更利得及び第2車線変更利得を重み付け加算することにより、各予測オフセットの決定層k2におけるツリー利得値を取得する層利得取得サブユニット1371と、
各予測オフセットの決定層k2におけるツリー利得値のうちの最大のツリー利得値を決定層k2のパラメータ値として決定するパラメータ決定サブユニット1372と、含み、
該層利得取得サブユニット1371は、さらに、決定層k1における予測譲り確率に基づいて、決定層k2のパラメータ値、各予測オフセットの決定層k1における第1車線変更利得及び第2車線変更利得を重み付け加算することにより、各予測オフセットの決定層k1におけるツリー利得値を取得し、各予測オフセットの決定層k1におけるツリー利得値は、決定木のルートノードにおける各予測オフセットのツリー利得値である。
ターゲット予測オフセットに基づいて予測オフセット軌跡を決定する軌跡決定モジュール15であって、車線における予測オフセット軌跡に対応する側方走行距離は、ターゲット予測オフセットである、軌跡決定モジュール15と、
予測オフセット軌跡に沿って走行するように第1乗り物を制御する走行制御モジュール16と、をさらに含む。
第1乗り物の少なくとも2つの予測オフセット、第1乗り物の第1走行状態、及び第2乗り物の第2走行状態を決定するステップであって、第2乗り物は、第1乗り物が車線を変更する際に参照する乗り物である、ステップと、
第1走行状態及び第2走行状態に基づいて、第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、第2乗り物が「譲らない」予測状態にある場合の各予測オフセットの第2車線変更利得を決定するステップと、
第2乗り物の予測譲り確率を決定し、予測譲り確率と、各予測オフセットの第1車線変更利得及び第2車線変更利得とに基づいて、各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するステップであって、ターゲット予測オフセットは、第1乗り物に対して予測された側方車線変更走行距離を示すためのものである、ステップと、を実行する。
102 乗り物
Claims (15)
- 乗り物に基づくデータ処理方法であって、
第1乗り物の少なくとも2つの予測オフセット、前記第1乗り物の第1走行状態、及び第2乗り物の第2走行状態を決定するステップであって、前記第2乗り物は、前記第1乗り物が車線を変更する際に参照する乗り物である、ステップと、
前記第1走行状態及び前記第2走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第2車線変更利得を決定するステップと、
前記第2乗り物の予測譲り確率を決定し、前記予測譲り確率と、前記各予測オフセットの前記第1車線変更利得及び前記第2車線変更利得とに基づいて、前記各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するステップであって、前記ターゲット予測オフセットは、前記第1乗り物に対して予測された側方車線変更走行距離を示すためのものである、ステップと、
を含むことを特徴とする方法。 - 前記第1乗り物の少なくとも2つの予測オフセットを決定することは、
前記車線の車線幅及び決定数を決定するステップと、
前記第1乗り物と、前記第1乗り物が位置する第1車線の車線境界線との間の横方向の距離を決定し、前記車線幅、前記横方向の距離、及び前記決定数に基づいて、前記第1乗り物の少なくとも2つの予測オフセットを決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記第1乗り物が位置する第1車線を決定し、前記第1車線の中央線を座標縦軸とし、前記第1乗り物が前記座標縦軸上にマッピングされた点を座標原点とし、前記座標縦軸に対応する法線を座標横軸とし、前記座標原点、前記座標横軸、及び前記座標縦軸に基づいて、道路座標系を確立するステップをさらに含み、
前記第1乗り物の第1走行状態、及び第2乗り物の第2走行状態を決定することは、
前記道路座標系における前記第1乗り物の第1位置情報を決定し、前記第1位置情報に基づいて前記第1乗り物の第1走行状態を決定するステップと、
前記道路座標系における前記第2乗り物の第2位置情報を決定し、前記第2位置情報に基づいて前記第2乗り物の第2走行状態を決定するステップと、を含む、
ことを特徴とする請求項1乃至2のいずれか1項に記載の方法。 - 前記第1走行状態は第1位置情報を含み、前記第2走行状態は第2位置情報を含み、
前記第1走行状態及び前記第2走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第2車線変更利得を決定する前記ステップは、
前記第1位置情報に基づいて前記第1乗り物のオフセット距離を決定するステップであって、前記オフセット距離は、前記第1乗り物と、前記第1乗り物が位置する第1車線の中央線との間の距離である、ステップと、
前記少なくとも2つの予測オフセットの中から、i番目(iは、前記少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセットを取得し、前記i番目の予測オフセットと前記オフセット距離との差に基づいて、前記第2乗り物が「譲る」予測状態にある場合の前記i番目の予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記i番目の予測オフセットの第2車線変更利得を決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記第1走行状態は第1位置情報及び第1走行速度を含み、前記第2走行状態は第2位置情報及び第2走行速度を含み、
前記第1走行状態及び前記第2走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第2車線変更利得を決定する前記ステップは、
前記第1位置情報における第1縦方向座標値と、前記第2位置情報における第2縦方向座標値とを取得し、前記第1縦方向座標値、前記第1走行速度、前記第2縦方向座標値、及び前記第2走行速度に基づいて、前記第1乗り物と前記第2乗り物の縦方向衝突時間を決定するステップと、
前記第1位置情報における第1横方向座標値と、前記第2位置情報における第2横方向座標値とを取得し、i番目(iは、前記少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセットを取得し、前記第1横方向座標値、前記第2横方向座標値、及び前記i番目の予測オフセットに基づいて、前記i番目の予測オフセットに対応する交通側方間隔を決定するステップと、
前記縦方向衝突時間と、前記i番目の予測オフセットに対応する交通側方間隔とに基づいて、前記第2乗り物が「譲る」予測状態にある場合の前記i番目の予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記i番目の予測オフセットの第2車線変更利得を決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記第1走行状態は第1位置情報及び第1走行速度を含み、前記第2走行状態は第2位置情報及び第2走行速度を含み、
前記第1走行状態及び前記第2走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第2車線変更利得を決定するステップは、
第3乗り物の第3位置情報を決定し、前記第2位置情報及び前記第3位置情報に基づいて、前記第2乗り物と前記第3乗り物との間の誘導縦方向距離を決定するステップであって、前記第2乗り物は前記第3乗り物と同一の車線に位置し、前記第3乗り物と前記第2乗り物の走行方向は同じである、ステップと、
前記第3乗り物の第3走行速度を決定するステップと、
i番目(iは、前記少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセット及び前記誘導縦方向距離に基づいて、前記第2乗り物のi番目の譲り距離を決定し、前記第2走行速度、前記第3走行速度、及び前記i番目の譲り距離に基づいて、前記第2乗り物が「譲る」予測状態にある場合の前記i番目の予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記i番目の予測オフセットの第2車線変更利得を決定するステップであって、前記i番目の譲り距離は、i番目の予測オフセットでかつ前記第2乗り物が前記「譲る」予測状態にある場合、前記第2乗り物と前記第3乗り物との間の、前記誘導縦方向距離から増加した距離を指す、ステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記第1走行状態及び前記第2走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第2車線変更利得を決定する前記ステップは、
譲り確率モデルを取得するステップと、
前記第1走行状態、前記第2走行状態、及びi番目(iは、前記少なくとも2つの予測オフセットの数以下の正の整数である)の予測オフセットを、前記譲り確率モデルに入力することにより、前記i番目の予測オフセットに対応する前記「譲る」予測状態の確率及び前記「譲らない」予測状態の確率を取得するステップと、
前記「譲る」予測状態の確率を、前記第2乗り物が前記「譲る」予測状態にある場合の前記i番目の予測オフセットの第1車線変更利得として決定するステップと、
前記「譲らない」予測状態の確率を、前記第2乗り物が前記「譲らない」予測状態にある場合の前記i番目の予測オフセットの第2車線変更利得として決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記第2乗り物の予測譲り確率を決定することは、
過去縦方向衝突時間と、前記過去縦方向衝突時間に対応する過去衝突距離とを取得し、前記過去縦方向衝突時間及び前記過去衝突距離に基づいて、衝突時間平均値及び衝突時間標準偏差を決定するステップと、
前記第2乗り物と前記第1乗り物の縦方向衝突時間を決定し、前記縦方向衝突時間を、前記衝突時間平均値及び前記衝突時間標準偏差から生成された第1確率密度関数にマッピングすることにより、前記第1確率密度関数に基づいて前記第2乗り物の初期譲り確率を決定するステップと、
過去交通側方間隔を取得し、前記過去交通側方間隔に基づいて、間隔平均値及び間隔標準偏差を決定するステップと、
前記第2乗り物と前記第1乗り物の交通側方間隔を決定し、前記交通側方間隔を、前記間隔平均値及び前記間隔標準偏差から生成された第2確率密度関数にマッピングすることにより、前記第2確率密度関数に基づいて前記第2乗り物の走行保持確率を決定するステップと、
前記初期譲り確率及び前記走行保持確率に基づいて、前記第2乗り物の予測譲り確率を決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記予測譲り確率と、前記各予測オフセットの前記第1車線変更利得及び前記第2車線変更利得とに基づいて、前記各予測オフセットのターゲット車線変更利得を生成することは、
決定木を構築するステップであって、前記決定木における決定エッジは、前記少なくとも2つの予測オフセット、前記「譲る」予測状態、及び前記「譲らない」予測状態を含み、前記決定木における木ノードは、前記第1乗り物及び前記第2乗り物を含む、ステップと、
前記決定木の少なくとも2つの決定層において、前記決定木のルートノードにおける前記各予測オフセットのツリー利得値が取得されるまで、階層毎に、前記予測譲り確率及び前記決定エッジに基づいて、前記各予測オフセットの前記第1車線変更利得及び前記第2車線変更利得を重み付け加算するステップと、
前記ルートノードにおける前記各予測オフセットのツリー利得値を、前記各予測オフセットのターゲット車線変更利得として決定するステップと、を含む、
ことを特徴とする請求項1に記載の方法。 - 前記決定木における少なくとも2つの決定層は、決定層k1及び決定層k2を含み、前記決定層k1は前記ルートノードを含み、前記第1走行状態は第1実際走行状態及び第1予測走行状態を含み、前記第2走行状態は第2実際走行状態及び第2予測走行状態を含み、前記第1車線変更利得は、決定層k1における第1車線変更利得と、決定層k2における第1車線変更利得とを含み、前記第2車線変更利得は、決定層k1における第2車線変更利得と、決定層k2における第2車線変更利得とを含み、
前記第1走行状態及び前記第2走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第2車線変更利得を決定する前記ステップは、
前記第1実際走行状態及び前記第2実際走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの決定層k1における前記第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの決定層k1における第2車線変更利得を決定するステップと、
前記第1実際走行状態に基づいて前記第1乗り物の前記第1予測走行状態を予測し、前記第2実際走行状態に基づいて前記第2乗り物の前記第2予測走行状態を予測するステップと、
前記第1予測走行状態及び前記第2予測走行状態に基づいて、前記第2乗り物が前記「譲る」予測状態にある場合の前記各予測オフセットの決定層k2における前記第1車線変更利得を決定するとともに、前記第2乗り物が前記「譲らない」予測状態にある場合の前記各予測オフセットの決定層k2における前記第2車線変更利得を決定するステップと、を含む、
ことを特徴とする請求項9に記載の方法。 - 前記予測譲り確率は、決定層k1における予測譲り確率と、決定層k2における予測譲り確率とを含み、
前記決定木の少なくとも2つの決定層において、前記決定木のルートノードにおける前記各予測オフセットのツリー利得値が取得されるまで、階層毎に、前記予測譲り確率及び前記決定エッジに基づいて、前記各予測オフセットの前記第1車線変更利得及び前記第2車線変更利得を重み付け加算する前記ステップは、
決定層k2における前記予測譲り確率に基づいて、前記各予測オフセットの決定層k2における前記第1車線変更利得及び前記第2車線変更利得を重み付け加算することにより、前記各予測オフセットの前記決定層k2におけるツリー利得値を取得するステップと、
前記各予測オフセットの前記決定層k2におけるツリー利得値のうちの最大のツリー利得値を、前記決定層k2のパラメータ値として決定するステップと、
前記決定層k1における予測譲り確率に基づいて、前記決定層k2のパラメータ値、前記各予測オフセットの決定層k1における前記第1車線変更利得及び前記第2車線変更利得を重み付け加算することにより、前記各予測オフセットの前記決定層k1におけるツリー利得値を取得するステップであって、前記各予測オフセットの前記決定層k1におけるツリー利得値は、前記決定木のルートノードにおける前記各予測オフセットのツリー利得値である、ステップと、を含む、
ことを特徴とする請求項10に記載の方法。 - 前記ターゲット予測オフセットと、前記第2乗り物が位置する第2車線とに基づいて、予測オフセット軌跡を決定するステップであって、前記第1車線及び/又は前記第2車線における、前記予測オフセット軌跡に対応する側方走行距離は、前記ターゲット予測オフセットである、ステップと、
前記予測オフセット軌跡に沿って走行するように前記第1乗り物を制御するステップと、
をさらに含むことを特徴とする請求項1に記載の方法。 - 乗り物に基づくデータ処理装置であって、
第1乗り物の少なくとも2つの予測オフセット、前記第1乗り物の第1走行状態、及び第2乗り物の第2走行状態を決定する状態取得モジュールであって、前記第2乗り物は、前記第1乗り物が車線を変更する際に参照する乗り物である、状態取得モジュールと、
前記第1走行状態及び前記第2走行状態に基づいて、前記第2乗り物が「譲る」予測状態にある場合の各予測オフセットの第1車線変更利得を決定するとともに、前記第2乗り物が「譲らない」予測状態にある場合の前記各予測オフセットの第2車線変更利得を決定する利得取得モジュールと、
前記第2乗り物の予測譲り確率を決定し、前記予測譲り確率と、前記各予測オフセットの前記第1車線変更利得及び前記第2車線変更利得とに基づいて、前記各予測オフセットのターゲット車線変更利得を生成し、ターゲット車線変更利得が最大となる予測オフセットをターゲット予測オフセットとして決定するオフセット選択モジュールであって、前記ターゲット予測オフセットは、前記第1乗り物に対して予測された側方車線変更走行距離を示すためのものである、オフセット選択モジュールと、
を含むことを特徴とする装置。 - コンピュータ機器であって、プロセッサと、メモリと、入出力インタフェースと、を備え、前記プロセッサは、前記メモリ及び前記入出力インタフェースにそれぞれ接続され、前記入出力インタフェースは、データを受信して、データを出力し、前記メモリは、コンピュータプログラムを記憶し、前記プロセッサは、前記コンピュータプログラムを呼び出すことにより、請求項1乃至12のいずれか1項に記載の方法を実行する、
ことを特徴とするコンピュータ機器。 - コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体には、コンピュータプログラムが記憶され、前記コンピュータプログラムにプログラム命令が含まれ、前記プログラム命令は、プロセッサによって実行されると、請求項1乃至12のいずれか1項に記載の方法を実行させることを特徴とするコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010947834.9A CN112406905B (zh) | 2020-09-10 | 2020-09-10 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
CN202010947834.9 | 2020-09-10 | ||
PCT/CN2021/116193 WO2022052856A1 (zh) | 2020-09-10 | 2021-09-02 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023523350A true JP2023523350A (ja) | 2023-06-02 |
Family
ID=74855176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022565903A Pending JP2023523350A (ja) | 2020-09-10 | 2021-09-02 | 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230053459A1 (ja) |
EP (1) | EP4119412A4 (ja) |
JP (1) | JP2023523350A (ja) |
CN (1) | CN112406905B (ja) |
WO (1) | WO2022052856A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112406905B (zh) * | 2020-09-10 | 2022-01-28 | 腾讯科技(深圳)有限公司 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
US20240051581A1 (en) * | 2022-08-15 | 2024-02-15 | Motional Ad Llc | Determination of an action for an autonomous vehicle in the presence of intelligent agents |
US20240092398A1 (en) * | 2022-08-31 | 2024-03-21 | Zoox, Inc. | Trajectory prediction based on a decision tree |
CN116729374B (zh) * | 2023-08-16 | 2023-11-10 | 北京斯年智驾科技有限公司 | 一种自动驾驶车道保持控制方法、系统、装置和存储介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2659670C1 (ru) * | 2014-08-11 | 2018-07-03 | Ниссан Мотор Ко., Лтд. | Устройство и способ управления движением для транспортного средства |
EP3208786B1 (en) * | 2016-02-22 | 2023-06-07 | Volvo Car Corporation | Method and system for evaluating inter-vehicle traffic gaps and time instances to perform a lane change manoeuvre |
CN108313054B (zh) * | 2018-01-05 | 2019-08-02 | 北京智行者科技有限公司 | 自动驾驶自主换道决策方法和装置及自动驾驶车辆 |
JP6629897B2 (ja) * | 2018-02-26 | 2020-01-15 | 本田技研工業株式会社 | 車両制御装置 |
CN108595823B (zh) * | 2018-04-20 | 2021-10-12 | 大连理工大学 | 一种联合驾驶风格和博弈理论的自主车换道策略计算方法 |
JP6710722B2 (ja) * | 2018-06-15 | 2020-06-17 | 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 |
CN111383464B (zh) * | 2018-12-28 | 2022-11-18 | 沈阳美行科技股份有限公司 | 车辆变道识别方法、装置、电子设备和介质 |
CN109739246B (zh) * | 2019-02-19 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
CN110136254B (zh) * | 2019-06-13 | 2019-12-13 | 吉林大学 | 基于动态概率驾驶地图的驾驶辅助信息显示方法 |
CN110298131B (zh) * | 2019-07-05 | 2021-07-13 | 西南交通大学 | 一种混合驾驶环境下自动驾驶换道决策模型建立方法 |
CN110908375A (zh) * | 2019-11-14 | 2020-03-24 | 北京三快在线科技有限公司 | 获取变道决策信息的方法、装置、存储介质和车辆 |
CN111169476B (zh) * | 2020-01-18 | 2021-09-03 | 重庆长安汽车股份有限公司 | 一种运动趋势预测方法、装置、控制器及汽车 |
CN111428943B (zh) * | 2020-04-23 | 2021-08-03 | 福瑞泰克智能系统有限公司 | 障碍物车辆轨迹预测的方法、设备和计算机设备 |
CN112406905B (zh) * | 2020-09-10 | 2022-01-28 | 腾讯科技(深圳)有限公司 | 基于交通工具的数据处理方法、装置、计算机及存储介质 |
-
2020
- 2020-09-10 CN CN202010947834.9A patent/CN112406905B/zh active Active
-
2021
- 2021-09-02 WO PCT/CN2021/116193 patent/WO2022052856A1/zh unknown
- 2021-09-02 EP EP21865910.0A patent/EP4119412A4/en active Pending
- 2021-09-02 JP JP2022565903A patent/JP2023523350A/ja active Pending
-
2022
- 2022-10-21 US US17/971,495 patent/US20230053459A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022052856A1 (zh) | 2022-03-17 |
EP4119412A1 (en) | 2023-01-18 |
CN112406905A (zh) | 2021-02-26 |
US20230053459A1 (en) | 2023-02-23 |
EP4119412A4 (en) | 2023-10-11 |
CN112406905B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796856B (zh) | 车辆变道意图预测方法及变道意图预测网络的训练方法 | |
CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
US11545033B2 (en) | Evaluation framework for predicted trajectories in autonomous driving vehicle traffic prediction | |
US10324469B2 (en) | System and method for controlling motion of vehicle in shared environment | |
US10824153B2 (en) | Cost design for path selection in autonomous driving technology | |
US20230124864A1 (en) | Graph Representation Querying of Machine Learning Models for Traffic or Safety Rules | |
JP2023523350A (ja) | 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム | |
CN110389584A (zh) | 用于评估自动驾驶车辆的轨迹候选项的方法 | |
JP2022516383A (ja) | 自律型車両の計画 | |
JP2022549952A (ja) | 軌跡予測方法、装置、機器及び記憶媒体リソース | |
JP6800575B2 (ja) | 自己の乗り物のドライバを支援する方法およびシステム | |
EP4240628A1 (en) | Allocation of safety system resources based on probability of intersection | |
CN110325935A (zh) | 用于自动驾驶车辆的路径规划的基于驾驶场景的车道引导线 | |
CN114061581A (zh) | 通过相互重要性对自动驾驶车辆附近的智能体排名 | |
US11529951B2 (en) | Safety system, automated driving system, and methods thereof | |
US20240174221A1 (en) | Vehicle decision-making planning method and apparatus, device and medium | |
US11312373B2 (en) | Vehicle detection and response | |
WO2024049925A1 (en) | Trajectory prediction based on a decision tree | |
CN116448134B (zh) | 基于风险场与不确定分析的车辆路径规划方法及装置 | |
CN115112138A (zh) | 轨迹规划信息生成方法、装置、电子设备以及存储介质 | |
Bajić et al. | Trajectory planning for autonomous vehicle using digital map | |
WO2023123456A1 (zh) | 一种车辆位置的预测方法、装置、车辆及存储介质 | |
EP4361819A1 (en) | Methods and apparatuses for closed-loop evaluation for autonomous vehicles | |
CN114148344B (zh) | 一种车辆行为预测方法、装置及车辆 | |
Rashid et al. | An Adaptive Cruise Control Model based on PDLCA for Efficient Lane Selection and Collision Avoidance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221027 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231211 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240311 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240510 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240610 |