JP7200371B2 - 車両速度を決定する方法及び装置 - Google Patents
車両速度を決定する方法及び装置 Download PDFInfo
- Publication number
- JP7200371B2 JP7200371B2 JP2021523762A JP2021523762A JP7200371B2 JP 7200371 B2 JP7200371 B2 JP 7200371B2 JP 2021523762 A JP2021523762 A JP 2021523762A JP 2021523762 A JP2021523762 A JP 2021523762A JP 7200371 B2 JP7200371 B2 JP 7200371B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- motion
- different
- intentions
- lane
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- 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
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
-
- 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
- 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
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- 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
- G06V10/84—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using probabilistic graphical models from image or video features, e.g. Markov models or Bayesian networks
- G06V10/85—Markov-related models; Markov random fields
-
- 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
-
- 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
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Description
本出願は車両技術の分野に関し、詳細には車両速度を決定する方法及び装置に関する。
として取得される。歩行者102がS12を通じて新しい周囲の対象として決定された場合、歩行者102の状態及び歩行者102の動作意図の発生確率の分布は初期化される必要がある。具体的な演算には、車両が移動すべき経路path={(x0,y0),(x1,y1),(x2,y2),...,(xn,yn)}を参照座標系として使用すること(nは、参照座標系に含まれる点の数量である)と、path上に投影された歩行者102の位置(xpedestrian102 t=0,ypedestrian102 t=0)の点(xi,yi)を計算することと、pathに沿って、pathの開始点(x0,y0)と投影点(xi,yi)との間の距離を計算することと、(xpedestrian102 t=0,ypedestrian102 t=0)と投影点(xi,yi)との間の距離lpedestrian102 t=0を計算することを含んでもよい。この場合、歩行者102の初期化された状態は、{spedestrian102 t=0,lpedestrian102 t=0,vpedestrian102 t=0,bpedestrian102 t=0}でもよく、bpedestrian102 t=0は、t=0のときの時点における歩行者102の複数の動作意図の発生確率の分布である。歩行者102が新しい周囲の対象であるため、
が決定される。歩行者102の動作意図には、7つの動作意図、すなわちg1~g7が含まれ、全ての動作意図の確率は等しい(すなわち、1/7)。Ppedestrian102 t=0(g1)は、歩行者102が時点t=0において動作意図g1を有する確率を表し、Ppedestrian102 t=0(g2)は、歩行者102が時点t=0において動作意図g2を有する確率を表し、以下同様であることが理解され得る。詳細は本明細書で説明されない。
ここで、Ps g1及びPl g1は、以下の式(2)に従って計算を通じて取得されてもよい:
ここで、μs g1及びμl g1は、ガウス運動モデルを使用することによるS-L座標系におけるS方向及びL方向の歩行者102の動作意図g1の平均である。σs及びσlは、ガウス運動モデルを使用することによるS-L座標系におけるS方向及びL方向の歩行者102の動作意図g1の標準偏差である。
として表されてもよい。Ppedestrian102 t=1(g1)は、歩行者102が時点t=1において動作意図g1を有する確率を表し、Ppedestrian102 t=1(g2)は、歩行者102が時点t=1において動作意図g2を有する確率を表し、以下同様であることが理解され得る。詳細は本明細書で説明されない。
として初期化される。この場合、発生確率の分布は、予め設定された数量の粒子(すなわち、全ての動作意図の数量の整数倍、例えば、700)を使用することにより表されてもよい。図8に示すように、各動作意図は、同数量の粒子を含む粒子集合に対応する。例えば、7つの動作意図を含む700個の粒子については、各動作意図の発生確率は1/7である。したがって、各動作意図は100個の同じ粒子の集合に対応し、各粒子の重みは1/700である。
として表されてもよく、jは、車両の第jの周囲の対象を表し、wは、粒子の重みを表す。粒子の集合は、{particle1,particle2,...,particlem}として表されてもよく、mは、粒子の総数量、すなわち700である。例えば、車両と、車両の周囲の対象:歩行者1及び歩行者2について、各粒子の状態は、
として表されてもよく、wiは、particleiの重みを表し、重みは、粒子に対応する動作意図のリスク度を表すために使用される。具体的な説明については、以下のステップ503~ステップ505の関連する説明を参照する。
が仮定される。同じ動作意図gpedestrian iの下で、歩行者1のリスクエリアが決定され、車両が歩行者1の動作意図に対応するリスクエリアに移動するために必要とされる移動時間ttcpedestrian1 iが計算され、歩行者2のリスクエリアが決定され、車両が歩行者2の動作意図に対応するリスクエリアに移動するために必要とされる移動時間ttcpedestrian2 iが計算される。歩行者1及び歩行者2の衝突の可能性を最大限に低減するために、歩行者に対応する移動時間のうちより短い移動時間が粒子iの移動時間ttciとして選択され、すなわち、ttci=min(ttcpedestrian1 i,ttcpedestrian2 i)である。
ここで、Wはリスク係数を表し、εは実効計算定数を表す。より小さい移動時間ttciは、計算を通じて得られる、粒子のリスク度を示す粒子のより大きい重みを示す。このようにして、粒子のリスク度を強調することができる。さらに、計算を収束できるようにするために、重みwnew1 iに対して正規化処理がさらに実行されてもよい。具体的には、粒子iの重みwnew2 iは、以下の式(4)に従って計算されてもよい:
でもよい。同様に、歩行者2及び車両に関連する相互作用確率は、
でもよく、Winteractは、相互作用確率係数である。
を表す。Ovehicle={位置:(xvehicle,yvehicle),速度:Vvehicle,加速度:avehicle,進路:θvehicle}である。Opedestrian 1={位置:(xpedestrian 1,ypedestrian 1),運動速度:Vpedestrian 1,運動向き:θpedestrian 1}である。Opedestrian 2={位置:(xpedestrian 2,ypedestrian 2),運動速度:Vpedestrian 2,運動向き:θpedestrian 2}である。
ここで、w1は指定された固定係数であり、vvehicle’は、現在の加速度が使用された後の、車両の衝突における速度を表し、cは定数である。
として表されてもよく、ここで、kは、以下の条件:particlekの動作意図gpedestrian 1 k=g1を満たし、wkは、particlekの重みを表す。
であり、ここで、
である。γは割引ファクタ(discount factor)であり、一般に1より小さい値である。予測されるステップの数量Nが増加するとき、現在の時点における判断への割引ファクタの影響はより小さく、割引ファクタは時系列減衰ファクタと同等である。各動作意図の発生確率は、累積される同じ動作意図の粒子により具体的に反映され、同じ動作意図の粒子の数量は、動作意図の発生確率を反映することに留意されたい。各動作意図の衝突のリスク度は、各粒子の重みwkに具体的に反映される。
に従って具体的に計算されてもよく、ここで、
である。各動作意図の発生確率は、具体的に以下において反映される、すなわち、同じ動作意図に対応するある数量の粒子が累積され、同じ動作意図に対応する粒子の数量が動作意図の発生確率を反映することに留意されたい。各動作意図の下で発生する衝突のリスク度は、具体的に以下において反映される、すなわち、相互作用確率が衝突時間に基づいて計算され、各動作意図に対応する目標意図が決定され、Reward(particlek,a)が目標意図に基づいて計算される。
に従って計算されてもよく、ここで、
である。各動作意図の発生確率は、具体的に以下において反映される、すなわち、同じ動作意図に対応するある数量の粒子が累積され、同じ動作意図に対応する粒子の数量が動作意図の発生確率を反映することに留意されたい。各動作意図の下で発生する衝突のリスク度は、具体的に以下において反映される。すなわち、第1に、各動作意図に対応する各粒子の重みwkが使用され、第2に、相互作用確率が衝突時間に基づいて計算され、各動作意図に対応する運動状態変化が決定され、Reward(particlek,a)が各動作意図に対応する運動状態変化に基づいて計算される。
であり、ここで、w2は指定された固定係数であり、vvehicle’は、車両が目標初期加速度を使用したときに達せられる車両速度であり、vmaxは現在の車線の速度制限である。移動不快度R_actionは、目標加速度、及び目標加速度と車両の現在の車両速度との間の差に基づいて決定される。あるいは、初期期待値Rewardが、車両が目標加速度を使用したときに存在する移動不快度R_actionに基づいて決定される。この場合、Reward=R_col+R_actionであり、R_action=w3*f(actioncurrent)+w4*f(actioncurrent-actionlast)であり、ここで、w3及びw4は指定された固定係数であり、actioncurrentは、現在の目標加速度を表し、actionlastは、前の時点で使用された目標加速度を表し、f(actioncurrent)は、過度に高い加速度により引き起こされる移動の不快さを抑制するために、現在の目標加速度が使用されたときに生成される快適さのリターンを表し、f(actioncurrent-actionlast)は、現在の目標加速度変化に対して生成される快適さのリターンを表し、過度に大きい加速度変化により引き起こされる移動の不快さを抑制するために使用される。あるいは、初期期待報酬は、衝突度R_col、交通障害度R_move、及び移動不快度R_actionに基づいて決定されてもよいことに留意されたい。移動効果に対応するReward値を決定する各方法については、衝突度R_colのみに基づいて、移動効果に対応するReward値を決定する前述の実施を参照する。詳細は本明細書で再度説明されない。
Claims (13)
- 少なくとも1つのプロセッサにより実行される、車両速度を決定する方法であって、
車両の周囲の対象の観測情報を取得するステップと、
前記周囲の対象の前記観測情報に基づいて、前記周囲の対象の異なる動作意図の確率分布を計算するステップと、
前記車両が前記車両の現在の位置から前記異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、前記確率分布に対する再分布計算を実行して、前記異なる動作意図の確率再分布を取得するステップであり、前記異なる動作意図に対応する前記リスクエリアは、前記車両が移動する車線内で、前記異なる動作意図を有する前記周囲の対象が通るエリアである、ステップと、
前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象の運動状態変化を予測するステップと、
前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び異なる移動速度制御動作下の前記車両の運動状態変化に基づいて、前記車両の移動速度を決定するステップと、
を含む方法。 - 前記周囲の対象の前記観測情報に基づいて、前記周囲の対象の異なる動作意図の確率分布を計算するステップは、
前記車両が移動する前記車線に基づく座標系において、前記周囲の対象の前記観測情報に基づいて、前記周囲の対象と前記車線との間の相対的な位置関係、及び前記周囲の対象と前記車線との間の相対的な運動関係を確立するステップと、
前記周囲の対象と前記車線との間の前記相対的な位置関係、及び前記周囲の対象と前記車線との間の前記相対的な運動関係に基づいて、前記周囲の対象の前記異なる動作意図の前記確率分布を計算するステップと、
を含む、請求項1に記載の方法。 - 前記車両の観測情報を取得するステップと、
前記車両が移動する前記車線に基づく座標系において、前記車両の前記観測情報及び前記周囲の対象の前記観測情報に基づいて、前記車両と前記車線との間の相対的な位置関係及び前記車両と前記車線との間の相対的な運動状態、並びに前記周囲の対象と前記車線との間の相対的な位置関係及び前記周囲の対象と前記車線との間の相対的な運動状態を確立するステップと、
前記周囲の対象と前記車線との間の前記相対的な位置関係及び前記周囲の対象と前記車線との間の前記相対的な運動状態に基づいて、前記異なる動作意図に対応する前記リスクエリアを決定するステップと、
前記車両と前記車線との間の前記相対的な位置関係及び前記車両と前記車線との間の前記相対的な運動状態、並びに前記異なる動作意図に対応する前記リスクエリアに基づいて、前記車両が前記車両の前記現在の位置から前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間を計算するステップと、
をさらに含む請求項1に記載の方法。 - 前記車両が前記異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、前記確率分布に対する再分布計算を実行して、前記異なる動作意図の確率再分布を取得するステップは、
前記確率分布に対する粒子処理を実行するステップであり、前記異なる動作意図に対応する粒子の数量が、前記異なる動作意図の前記確率分布を表すために使用される、ステップと、
計算を通じて取得され、前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図に対応する前記粒子の重みを調整して、前記異なる動作意図の前記確率再分布を取得するステップと、
を含む、請求項1乃至3のうちいずれか1項に記載の方法。 - 前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象の運動状態変化を予測するステップは、
前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象が動作意図を変える確率を決定するステップと、
前記異なる動作意図を有する前記周囲の対象が前記動作意図を変える確率、及びランダム確率に基づいて、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化を予測するステップであり、前記運動状態変化を予測するために使用される状態予測モデルが、前記車両及び前記周囲の対象に関連する相互作用確率が前記ランダム確率より大きいかどうかに基づいて決定される、ステップと、
を含む、請求項1乃至4のうちいずれか1項に記載の方法。 - 前記異なる動作意図の前記確率再分布と、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化と、異なる移動速度制御動作下の前記車両の運動状態変化に基づいて、前記車両の移動速度を決定するステップは、
前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び前記異なる移動速度制御動作下の前記車両の前記運動状態変化に基づいて、前記異なる移動速度制御動作下でもたらす前記車両の移動効果を推定するステップと、
前記異なる移動速度制御動作下でもたらす前記車両の前記移動効果に基づいて、前記異なる移動速度制御動作から目標移動速度制御動作を選択するステップと、
前記目標移動速度制御動作に基づいて前記車両の前記移動速度を決定するステップと、
を含む、請求項1乃至5のうちいずれか1項に記載の方法。 - 車両速度を決定する装置であって、
車両の周囲の対象の観測情報を取得するように構成された第1の取得ユニットと、
前記周囲の対象の前記観測情報に基づいて、前記周囲の対象の異なる動作意図の確率分布を計算するように構成された第1の計算ユニットと、
前記車両が前記車両の現在の位置から前記異なる動作意図に対応するリスクエリアに移動するための移動時間に基づいて、前記確率分布に対する再分布計算を実行して、前記異なる動作意図の確率再分布を取得するように構成された第2の計算ユニットであり、前記異なる動作意図に対応する前記リスクエリアは、前記車両が移動する車線内で、前記異なる動作意図を有する前記周囲の対象が通るエリアである、第2の計算ユニットと、
前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象の運動状態変化を予測するように構成された予測ユニットと、
前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び異なる移動速度制御動作下の前記車両の運動状態変化に基づいて、前記車両の移動速度を決定するように構成された第1の決定ユニットと、
を含む装置。 - 前記第1の計算ユニットは、
前記車両が移動する前記車線に基づく座標系において、前記周囲の対象の前記観測情報に基づいて、前記周囲の対象と前記車線との間の相対的な位置関係、及び前記周囲の対象と前記車線との間の相対的な運動関係を確立するように構成された確立サブユニットと、
前記周囲の対象と前記車線との間の前記相対的な位置関係、及び前記周囲の対象と前記車線との間の前記相対的な運動関係に基づいて、前記周囲の対象の前記異なる動作意図の前記確率分布を計算するように構成された計算サブユニットと、
を含む、請求項7に記載の装置。 - 当該装置は、
前記車両の観測情報を取得するように構成された第2の取得ユニットと、
前記車両が移動する前記車線に基づく座標系において、前記車両の前記観測情報及び前記周囲の対象の前記観測情報に基づいて、前記車両と前記車線との間の相対的な位置関係及び前記車両と前記車線との間の相対的な運動状態、並びに前記周囲の対象と前記車線との間の相対的な位置関係及び前記周囲の対象と前記車線との間の相対的な運動状態を確立するように構成された確立ユニットと、
前記周囲の対象と前記車線との間の前記相対的な位置関係及び前記周囲の対象と前記車線との間の前記相対的な運動状態に基づいて、前記異なる動作意図に対応する前記リスクエリアを決定するように構成された第2の決定ユニットと、
前記車両と前記車線との間の前記相対的な位置関係及び前記車両と前記車線との間の前記相対的な運動状態、並びに前記異なる動作意図に対応する前記リスクエリアに基づいて、前記車両が前記車両の前記現在の位置から前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間を計算するように構成された第3の計算ユニットと、
を含む、請求項7に記載の装置。 - 前記第2の計算ユニットは、
前記確率分布に対する粒子処理を実行するように構成された処理サブユニットであり、前記異なる動作意図に対応する粒子の数量が、前記異なる動作意図の前記確率分布を表す、処理サブユニットと、
計算を通じて取得され、前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図に対応する前記粒子の重みを調整して、前記異なる動作意図の前記確率再分布を取得するように構成された調整サブユニットと、
を含む、請求項7乃至9のうちいずれか1項に記載の装置。 - 前記予測ユニットは、
前記車両が前記異なる動作意図に対応する前記リスクエリアに移動するための前記移動時間に基づいて、前記異なる動作意図を有する前記周囲の対象が動作意図を変える確率を決定するように構成された第1の決定サブユニットと、
前記異なる動作意図を有する前記周囲の対象が前記動作意図を変える確率、及びランダム確率に基づいて、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化を予測するように構成された予測サブユニットであり、前記運動状態変化を予測するために使用される状態予測モデルが、前記車両及び前記周囲の対象に関連する相互作用確率が前記ランダム確率より大きいかどうかに基づいて決定される、予測サブユニットと、
を含む、請求項7乃至10のうちいずれか1項に記載の装置。 - 前記第1の決定ユニットは、
前記異なる動作意図の前記確率再分布、前記異なる動作意図を有する前記周囲の対象の前記運動状態変化、及び前記異なる移動速度制御動作下の前記車両の前記運動状態変化に基づいて、前記異なる移動速度制御動作下でもたらす前記車両の移動効果を推定するように構成された推定サブユニットと、
前記異なる移動速度制御動作下でもたらす前記車両の前記移動効果に基づいて、前記異なる移動速度制御動作から目標移動速度制御動作を選択するように構成された選択サブユニットと、
前記目標移動速度制御動作に基づいて前記車両の前記移動速度を決定するように構成された第2の決定サブユニットと、
を含む、請求項7乃至11のうちいずれか1項に記載の装置。 - 命令を含むコンピュータ読取可能記憶媒体であって、コンピューティングデバイスの少なくとも1つのプロセッサが前記命令を実行したとき、前記コンピューティングデバイスは請求項1乃至6のうちいずれか1項に記載の車両速度を決定する方法を実行する、コンピュータ読取可能記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910646083.4 | 2019-07-17 | ||
CN201910646083.4A CN112242069B (zh) | 2019-07-17 | 2019-07-17 | 一种确定车速的方法和装置 |
PCT/CN2020/102644 WO2021008605A1 (zh) | 2019-07-17 | 2020-07-17 | 一种确定车速的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022506404A JP2022506404A (ja) | 2022-01-17 |
JP7200371B2 true JP7200371B2 (ja) | 2023-01-06 |
Family
ID=74167575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021523762A Active JP7200371B2 (ja) | 2019-07-17 | 2020-07-17 | 車両速度を決定する方法及び装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11273838B2 (ja) |
EP (1) | EP3882095A4 (ja) |
JP (1) | JP7200371B2 (ja) |
CN (1) | CN112242069B (ja) |
MX (1) | MX2021005934A (ja) |
WO (1) | WO2021008605A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11630461B2 (en) * | 2019-01-31 | 2023-04-18 | Honda Motor Co., Ltd. | Systems and methods for utilizing interacting gaussian mixture models for crowd navigation |
US11597088B2 (en) | 2019-01-31 | 2023-03-07 | Honda Motor Co., Ltd. | Systems and methods for fully coupled models for crowd navigation |
CN112242069B (zh) * | 2019-07-17 | 2021-10-01 | 华为技术有限公司 | 一种确定车速的方法和装置 |
US11787053B2 (en) * | 2019-11-19 | 2023-10-17 | Honda Motor Co., Ltd. | Systems and methods for utilizing interacting Gaussian mixture models for crowd navigation |
US20210300423A1 (en) * | 2020-03-31 | 2021-09-30 | Toyota Motor North America, Inc. | Identifying roadway concerns and taking preemptive actions |
US11290856B2 (en) | 2020-03-31 | 2022-03-29 | Toyota Motor North America, Inc. | Establishing connections in transports |
JP2022037421A (ja) * | 2020-08-25 | 2022-03-09 | 株式会社Subaru | 車両の走行制御装置 |
US11741274B1 (en) | 2020-11-20 | 2023-08-29 | Zoox, Inc. | Perception error model for fast simulation and estimation of perception system reliability and/or for control system tuning |
CN112966613A (zh) * | 2021-03-10 | 2021-06-15 | 北京家人智能科技有限公司 | 汽车运行环境多级预警方法、装置、电子设备及存储介质 |
CN113299059B (zh) * | 2021-04-08 | 2023-03-17 | 四川国蓝中天环境科技集团有限公司 | 一种数据驱动的道路交通管控决策支持方法 |
CN114590248B (zh) * | 2022-02-23 | 2023-08-25 | 阿波罗智能技术(北京)有限公司 | 行驶策略的确定方法、装置、电子设备和自动驾驶车辆 |
US11904889B1 (en) * | 2022-11-04 | 2024-02-20 | Ghost Autonomy Inc. | Velocity adjustments based on roadway scene comprehension |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005053384A (ja) | 2003-08-06 | 2005-03-03 | Daihatsu Motor Co Ltd | 衝突回避装置 |
JP2010182236A (ja) | 2009-02-09 | 2010-08-19 | Toyota Motor Corp | 移動領域予測装置 |
JP2012128739A (ja) | 2010-12-16 | 2012-07-05 | Toyota Central R&D Labs Inc | 衝突危険判定装置及びプログラム |
JP2016053846A (ja) | 2014-09-03 | 2016-04-14 | 株式会社デンソーアイティーラボラトリ | 自動運転支援システム、自動運転支援方法及び自動運転装置 |
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 |
Family Cites Families (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007534041A (ja) * | 2003-09-23 | 2007-11-22 | ダイムラークライスラー・アクチェンゲゼルシャフト | 車両用の車線変更運転認識方法及び装置 |
EP2085279B1 (en) * | 2008-01-29 | 2011-05-25 | Ford Global Technologies, LLC | A system for collision course prediction |
FR2996512B1 (fr) * | 2012-10-05 | 2014-11-21 | Renault Sa | Procede d'evaluation du risque de collision a une intersection |
EP2916307B1 (en) | 2012-10-30 | 2021-05-19 | Toyota Jidosha Kabushiki Kaisha | Vehicle safety apparatus |
DE102013212092B4 (de) | 2013-06-25 | 2024-01-25 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben einer Fußgängerschutzeinrichtung eines Fahrzeugs, Fußgängerschutzeinrichtung |
US9280899B2 (en) | 2013-08-06 | 2016-03-08 | GM Global Technology Operations LLC | Dynamic safety shields for situation assessment and decision making in collision avoidance tasks |
US9336436B1 (en) | 2013-09-30 | 2016-05-10 | Google Inc. | Methods and systems for pedestrian avoidance |
CN103640532B (zh) * | 2013-11-29 | 2015-08-26 | 大连理工大学 | 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 |
CN103996312B (zh) * | 2014-05-23 | 2015-12-09 | 北京理工大学 | 具有社会行为交互的无人驾驶汽车控制系统 |
US9187088B1 (en) * | 2014-08-15 | 2015-11-17 | Google Inc. | Distribution decision trees |
US9440647B1 (en) | 2014-09-22 | 2016-09-13 | Google Inc. | Safely navigating crosswalks |
EP3091370B1 (en) | 2015-05-05 | 2021-01-06 | Volvo Car Corporation | Method and arrangement for determining safe vehicle trajectories |
US11458970B2 (en) * | 2015-06-29 | 2022-10-04 | Hyundai Motor Company | Cooperative adaptive cruise control system based on driving pattern of target vehicle |
US9784592B2 (en) * | 2015-07-17 | 2017-10-10 | Honda Motor Co., Ltd. | Turn predictions |
US9934688B2 (en) * | 2015-07-31 | 2018-04-03 | Ford Global Technologies, Llc | Vehicle trajectory determination |
US10392009B2 (en) * | 2015-08-12 | 2019-08-27 | Hyundai Motor Company | Automatic parking system and automatic parking method |
US9604639B2 (en) | 2015-08-28 | 2017-03-28 | Delphi Technologies, Inc. | Pedestrian-intent-detection for automated vehicles |
US11066070B2 (en) * | 2015-10-15 | 2021-07-20 | Hyundai Motor Company | Apparatus and method for controlling speed in cooperative adaptive cruise control system |
KR102107726B1 (ko) * | 2016-12-30 | 2020-05-07 | 현대자동차주식회사 | 협조 적응형 순항 제어 시스템의 속도 제어 장치 및 방법 |
US10152882B2 (en) * | 2015-11-30 | 2018-12-11 | Nissan North America, Inc. | Host vehicle operation using remote vehicle intention prediction |
CN106227204B (zh) | 2016-07-08 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 车载装置及用于控制无人驾驶车辆的系统、方法和装置 |
CN106428000B (zh) * | 2016-09-07 | 2018-12-21 | 清华大学 | 一种车辆速度控制装置和方法 |
CN106515725A (zh) * | 2016-10-20 | 2017-03-22 | 深圳市元征科技股份有限公司 | 一种车辆防碰撞的方法及终端 |
US10699305B2 (en) * | 2016-11-21 | 2020-06-30 | Nio Usa, Inc. | Smart refill assistant for electric vehicles |
KR20190091366A (ko) * | 2016-12-23 | 2019-08-05 | 모빌아이 비젼 테크놀로지스 엘티디. | 부과된 책임 제약이 있는 항법 시스템 |
US10324469B2 (en) * | 2017-03-28 | 2019-06-18 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle in shared environment |
US10994729B2 (en) * | 2017-03-29 | 2021-05-04 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling lateral motion of vehicle |
JP6852632B2 (ja) * | 2017-09-19 | 2021-03-31 | トヨタ自動車株式会社 | 車両制御装置 |
DE102017217056B4 (de) | 2017-09-26 | 2023-10-12 | Audi Ag | Verfahren und Einrichtung zum Betreiben eines Fahrerassistenzsystems sowie Fahrerassistenzsystem und Kraftfahrzeug |
US10657811B2 (en) * | 2017-10-04 | 2020-05-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Travel lane identification without road curvature data |
US10668922B2 (en) * | 2017-10-04 | 2020-06-02 | Toyota Motor Engineering & Manufacturing North America, Inc. | Travel lane identification without road curvature data |
US11048927B2 (en) * | 2017-10-24 | 2021-06-29 | Waymo Llc | Pedestrian behavior predictions for autonomous vehicles |
US10562538B2 (en) * | 2017-11-22 | 2020-02-18 | Uatc, Llc | Object interaction prediction systems and methods for autonomous vehicles |
CN108458745A (zh) * | 2017-12-23 | 2018-08-28 | 天津国科嘉业医疗科技发展有限公司 | 一种基于智能检测设备的环境感知方法 |
CN109969172B (zh) * | 2017-12-26 | 2020-12-01 | 华为技术有限公司 | 车辆控制方法、设备及计算机存储介质 |
CN108230676B (zh) | 2018-01-23 | 2020-11-27 | 同济大学 | 一种基于轨迹数据的交叉口行人过街风险评估方法 |
US10569773B2 (en) * | 2018-05-31 | 2020-02-25 | Nissan North America, Inc. | Predicting behaviors of oncoming vehicles |
EP3803828B1 (en) * | 2018-05-31 | 2022-03-30 | Nissan North America, Inc. | Probabilistic object tracking and prediction framework |
US11091158B2 (en) * | 2018-06-24 | 2021-08-17 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle with variable speed |
US11260855B2 (en) * | 2018-07-17 | 2022-03-01 | Baidu Usa Llc | Methods and systems to predict object movement for autonomous driving vehicles |
US11001256B2 (en) * | 2018-09-19 | 2021-05-11 | Zoox, Inc. | Collision prediction and avoidance for vehicles |
GB2579020B (en) * | 2018-11-14 | 2021-05-12 | Jaguar Land Rover Ltd | Vehicle control system and method |
DE102018132813A1 (de) * | 2018-12-19 | 2019-04-25 | FEV Europe GmbH | Fußgängersimulation |
WO2020257366A1 (en) * | 2019-06-17 | 2020-12-24 | DeepMap Inc. | Updating high definition maps based on lane closure and lane opening |
CN112242069B (zh) * | 2019-07-17 | 2021-10-01 | 华为技术有限公司 | 一种确定车速的方法和装置 |
US20210035442A1 (en) * | 2019-07-31 | 2021-02-04 | Nissan North America, Inc. | Autonomous Vehicles and a Mobility Manager as a Traffic Monitor |
CN110758382B (zh) * | 2019-10-21 | 2021-04-20 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测系统及方法 |
US20210197720A1 (en) * | 2019-12-27 | 2021-07-01 | Lyft, Inc. | Systems and methods for incident detection using inference models |
-
2019
- 2019-07-17 CN CN201910646083.4A patent/CN112242069B/zh active Active
-
2020
- 2020-07-17 JP JP2021523762A patent/JP7200371B2/ja active Active
- 2020-07-17 EP EP20840576.1A patent/EP3882095A4/en active Pending
- 2020-07-17 WO PCT/CN2020/102644 patent/WO2021008605A1/zh unknown
- 2020-07-17 MX MX2021005934A patent/MX2021005934A/es unknown
-
2021
- 2021-05-17 US US17/322,388 patent/US11273838B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005053384A (ja) | 2003-08-06 | 2005-03-03 | Daihatsu Motor Co Ltd | 衝突回避装置 |
JP2010182236A (ja) | 2009-02-09 | 2010-08-19 | Toyota Motor Corp | 移動領域予測装置 |
JP2012128739A (ja) | 2010-12-16 | 2012-07-05 | Toyota Central R&D Labs Inc | 衝突危険判定装置及びプログラム |
JP2016053846A (ja) | 2014-09-03 | 2016-04-14 | 株式会社デンソーアイティーラボラトリ | 自動運転支援システム、自動運転支援方法及び自動運転装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
US20210276572A1 (en) | 2021-09-09 |
EP3882095A1 (en) | 2021-09-22 |
EP3882095A4 (en) | 2022-03-09 |
MX2021005934A (es) | 2021-06-30 |
CN112242069B (zh) | 2021-10-01 |
US11273838B2 (en) | 2022-03-15 |
JP2022506404A (ja) | 2022-01-17 |
WO2021008605A1 (zh) | 2021-01-21 |
CN112242069A (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7200371B2 (ja) | 車両速度を決定する方法及び装置 | |
US11726477B2 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
US20210114617A1 (en) | Method for Using Lateral Motion to Optimize Trajectories for Autonomous Vehicles | |
CN108693878B (zh) | 前进路线设定装置以及前进路线设定方法 | |
US11645916B2 (en) | Moving body behavior prediction device and moving body behavior prediction method | |
CN111123933B (zh) | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 | |
EP3745158B1 (en) | Methods and systems for computer-based determining of presence of dynamic objects | |
US20180284785A1 (en) | System and Method for Controlling Motion of Vehicle in Shared Environment | |
US11364899B2 (en) | Driving assistance method and system | |
Kim et al. | Cooperative autonomous driving: A mirror neuron inspired intention awareness and cooperative perception approach | |
US20220080961A1 (en) | Control system and control method for sampling based planning of possible trajectories for motor vehicles | |
CN109109863B (zh) | 智能设备及其控制方法、装置 | |
Belbachir et al. | Simulation-driven validation of advanced driving-assistance systems | |
Kim et al. | Probabilistic threat assessment with environment description and rule-based multi-traffic prediction for integrated risk management system | |
US11400942B2 (en) | Vehicle lane trajectory probability prediction utilizing kalman filtering with neural network derived noise | |
US10796571B2 (en) | Method and device for detecting emergency vehicles in real time and planning driving routes to cope with situations to be expected to be occurred by the emergency vehicles | |
US11688082B2 (en) | Coordinate gradient method for point cloud registration for autonomous vehicles | |
JP2021504222A (ja) | 状態推定器 | |
JP7125286B2 (ja) | 行動予測装置及び自動運転装置 | |
WO2022052856A1 (zh) | 基于交通工具的数据处理方法、装置、计算机及存储介质 | |
CN114228746A (zh) | 一种预测车辆运动轨迹的方法及装置 | |
Goswami | Trajectory generation for lane-change maneuver of autonomous vehicles | |
Cho et al. | Towards automated safety coverage and testing for autonomous vehicles with reinforcement learning | |
Schörner et al. | Towards Multi-Modal Risk Assessment | |
Yoon et al. | Trajectory Prediction Using Graph-Based Deep Learning for Longitudinal Control of Autonomous Vehicles: A Proactive Approach for Autonomous Driving in Urban Dynamic Traffic Environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210430 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210430 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220705 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221004 |
|
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: 20221122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221221 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7200371 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |