TW202039286A - 用於管理不同自主水平的車輛之間的互動的方法和系統 - Google Patents

Abstract

方法、設備和系統使得能夠經由以下方式來實現對自主車輛的控制：辨識在自主車輛的閾值距離內的車輛，決定每個所辨識車輛的自主能力度量，並基於每個所辨識車輛的所決定自主能力度量來調整自主車輛的駕駛參數。調整駕駛參數可以包括：調整最小間隔距離、最小跟隨距離、速度參數或者加速度參數中的一或多個。

Description

用於管理不同自主水平的車輛之間的互動的方法和系統

本專利申請案主張享受2019年1月2日提出申請的、標題為「Methods And Systems For Managing Interactions Between Vehicles With Varying Levels Of Autonomy」的美國臨時申請案第62/787,560號和2019年1月2日提出申請的、標題為「Methods And Systems For Establishing Cooperative Driving Engagements With Vehicles Having Varying Levels Of Autonomy」的美國臨時申請案第62/787,569號的優先權，故以引用方式將這兩份申請案的全部內容併入本文。

本案係關於用於管理不同自主水平的車輛之間的互動的方法和系統。

隨著工業朝著部署越來越複雜的無人駕駛技術邁進，汽車正在變得越來越智慧，無人駕駛技術能夠在很少或沒有人工輸入的情況下操作車輛。這些自主駕駛和半自主車輛可以偵測關於其位置和周圍環境的資訊（例如，使用雷達、LIDAR、GPS、里程表、加速度計、相機和其他感測器），並且通常包括控制系統，該控制系統可以解釋傳感資訊以辨識危險並決定要遵循的導航路徑。

與這些趨勢同時，諸如5G新無線電（5G NR）之類的新興蜂巢和無線通訊技術已開始提供各種各樣的新功能和服務，這鼓勵了地面運輸業發展智慧運輸系統（ITS），ITS利用基於車輛的通訊來更安全並且更高效地使用機動車和運輸資源。當人類控制車輛時，自主車輛可以使用這種基於車輛的通訊來進行協調並以不安全（或者甚至不可能安全）的方式進行操作。例如，自主車輛可以使用基於車輛的通訊來形成車隊，並且彼此之間行駛得更快、更近以增加交通輸送量。

各個態樣包括控制自主車輛的方法，該方法可以包括：經由該自主車輛的處理器，辨識在該自主車輛的閾值距離內的車輛；決定所辨識的車輛之每一者所辨識車輛的自主能力度量；及基於所辨識的車輛之每一者所辨識車輛的所決定自主能力度量來調整該自主車輛的駕駛參數。

在一個態樣，決定所辨識的車輛之每一者所辨識車輛的自主能力度量可以包括決定每個所辨識車輛的自主水平。在另外的實施例中，基於每個所辨識車輛的所決定自主能力度量來調整該自主車輛的駕駛參數可以包括：調整該自主車輛與所辨識的車輛中的至少一個車輛之間要保持的最小間隔距離。在另外的實施例中，調整該自主車輛與所辨識的車輛中的該至少一個車輛之間要保持的最小間隔距離可以包括：基於該至少一個車輛的該自主能力度量和該至少一個車輛的行為模型來調整該最小間隔距離。在另外的態樣，基於每個所辨識車輛的所決定自主能力度量來調整該自主車輛的駕駛參數可以包括：調整該自主車輛與所辨識的車輛中的至少一個車輛之間要保持的最小跟隨距離。

在另外的態樣，調整該自主車輛與所辨識的車輛中的該至少一個車輛之間要保持的該最小跟隨距離可以包括：基於該至少一個車輛的該自主能力度量和該至少一個車輛的行為模型來調整該最小跟隨距離。在另外的態樣，基於所辨識的車輛之每一者所辨識車輛的所決定自主能力度量來調整該自主車輛的駕駛參數可以包括：調整該自主車輛的速度或者調整該自主車輛改變速度的加速度。

在另外的態樣，調整該自主車輛的該速度或者調整該自主車輛改變速度的該加速度可以包括：基於所辨識的車輛中的至少一個車輛的該自主能力度量和該至少一個車輛的行為模型來調整該速度或加速度。

在另外的態樣，決定所辨識的車輛之每一者所辨識車輛的該自主能力度量可以包括：從所辨識的車輛中的至少一個車輛接收該自主能力度量。在另外的態樣，辨識在該自主車輛的該閾值距離內的車輛可以包括：動態地決定適合於當前狀況的閾值距離；及辨識在該動態決定的閾值距離內的車輛。在另外的態樣，決定所辨識的車輛之每一者所辨識車輛的該自主能力度量可以包括：決定共同地辨識或預測附近車輛的自主水平或效能能力的值。在另外的態樣，決定共同地辨識或預測該附近車輛的該自主水平或效能能力的該值可以包括基於以下中的一項或多項來決定該等值：觀察該附近車輛的駕駛行為；決定該附近車輛的計算或感測器能力；或經由C-V2X通訊，接收關於該附近車輛的等級或認證的資訊。

在另外的態樣，該方法可以包括：基於所觀察到的駕駛行為，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該等值中的至少一個值，其中該值表示以下中的一項或多項：車輛操作的一致性、規律性或統一性、未來車輛操作的可預測性水平、駕駛員的侵略性程度、該附近車輛追蹤行車道中心的程度、每單位時間的駕駛錯誤次數、遵守當地道路法規、遵守安全規則、該自主車輛的反應時間、或者該自主車輛對可觀察事件的回應性。在另外的態樣，該方法可以包括：基於所決定的感測器能力，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該等值中的至少一個值，其中該值表示以下中的一項：感測器類型、感測器品牌或型號、感測器製造商、在該附近車輛中操作的自主駕駛感測器的數量、感測器精度、或一或多個感測器的準確性。在另外的態樣，該方法可以包括：基於經由C-V2X通訊接收的資訊，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的一或多個值，其中該一或多個值表示以下中的一項：關鍵效能指標（KPI）、表面效能等級、天氣表現等級、車輛能力、車輛特徵、支援的演算法、或者預測和控制策略。

另外的態樣可以包括具有處理器的車輛，該處理器配置有處理器可執行指令以執行上面所概述的任何方法的各種操作的處理器可執行指令。另外的態樣可以包括用於在車輛中使用的處理器，該處理器配置有處理器可執行指令以執行上面所概述的任何方法的各種操作的處理器可執行指令。另外的態樣可以包括具有用於執行上面所概述的任何方法的功能的各種單元的車輛。另外的態樣可以包括其上儲存有處理器可執行軟體指令的非臨時性處理器可讀儲存媒體，其中該處理器可執行軟體指令被配置為使車輛中的處理器執行上面所概述的任何方法的操作。

現在參照附圖來詳細地描述各個態樣。在可以的地方，貫穿附圖使用相同的元件符號來代表相同或者類似的部件。對於特定實例和實現的引用只是用於說明目的，而不是意欲限制本發明或申請專利範圍的保護範疇。

為了使自主車輛有效地協同工作，每個自主車輛可以考慮在每個時刻有效的周圍車輛的不同的能力和自主水平。另外，自主車輛可以適應可能改變周圍車輛行為的動態因素，但是只能經由在車輛運行時對其進行觀察和分析才能知道。改進的基於車輛的通訊和汽車控制系統可以使自主車輛更好地辨識、分析、解釋和回應周圍車輛的動態行為和能力，從而提高交通效率和安全性。

總的來說，各個實施例包括配備有車輛自主駕駛系統（VADS）的車輛，該VADS使用從車輛的感測器（例如，攝像機、雷達、LIDAR等）收集的資訊以及經由V2V通訊從一或多個周圍車輛接收的資訊，以決定一或多個附近車輛的自主能力度量標準（ACM）（例如，前、後、左側、右側等的車輛）。ACM可以包括一或多個離散值或連續的值，以共同地辨識、估計或預測附近車輛的自主水平及/或各種效能能力。在一些實施例中，ACM可以是單個數字或類別，其概括了車輛的整體自主水平及/或效能特徵。在一些實施例中，ACM可以是向量或值矩陣，其中ACM之每一者值表示與附近車輛相關聯的預測的、收集的或觀察到的特徵、因數或資料點的不同態樣。在一些實施例中，可以將ACM格式化為表徵或表示附近車輛的地圖、矩陣或向量資料結構中，並且可以將其與閾值進行比較及/或應用於分類器模型或決策節點以產生適合於解釋離散/連續值的集合的分析結果。

在各個實施例中，VADS部件可以產生並使用ACM來調節自主車輛的各種駕駛參數（亦即，自己的駕駛行為），例如速度、最小間隔距離、車道改變規則、最小跟隨距離、自主車輛改變速度的加速度等等。例如，若ACM指示自主車輛正前方的車輛正在由駕駛員手動操作，則VADS部件可以針對該車輛來調整其跟隨距離駕駛參數以考慮人類駕駛員的反應時間。再舉一個實例，若ACM指示後面的車輛需要新的刹車片，則VADS部件可以針對該車輛來調整其最小間隔距離駕駛參數，以解決可能由於刹車片磨損而導致的更長的制動距離。

在一些實施例中，VADS部件可以被配置為辨識與自主車輛相距在閾值距離（例如，10英尺、20英尺等）內的所有車輛，接收或決定每個所辨識的車輛的ACM，並基於接收/決定的ACM來調整其駕駛參數。例如，VADS部件可以基於自主車輛前方的車輛的ACM（例如，自主水平等）來調整自主車輛的最小跟隨距離、速度或者其將改變速度的加速度。再舉一個實例，VADS部件可以基於周圍車輛的各個ACM來調整VADS將在自主車輛與每個周圍車輛之間保持的最小間隔距離。在一些實施例中，可以基於偵測到的狀況，動態地決定及/或調整閾值距離。例如，閾值距離可以是取決於車輛速度（例如，在高速公路上，該閾值距離可以比在低速道路等等上大得多）、道路狀況、天氣、或者本案中論述的任何其他因素。

在一些實施例中，自主車輛中的VADS可以被配置為尋找、辨識具有補充感測器能力的車輛，並基於一或多個辨識的車輛的能力來形成車輛車隊（例如，與另一個車輛一起），從而提高自主車輛的效率、安全性、允許的速度及/或自主水平。亦即，由於不同的車輛可以配備有不同的感測器及/或可以具有不同的能力，因此VADS部件可以主動尋找可以補充自主車輛的感測器套件的一或多個其他車輛。經由與一或多個補充車輛組成車隊或者加入車隊，自主車輛可以與車隊中的其他車輛共享與自主駕駛相關聯的感知和處理負載，以獲得車隊中的所有車輛的利益（例如，在效率、安全性、可允許性速度、自主水平等等態樣）。

在一些實施例中，VADS部件可以被配置為：若任何所辨識的車輛將要參加協調式駕駛參與，則使用ACM來決定該辨識的車輛是否將向自主車輛提供操作優勢（例如，在具有所辨識車輛的汽車列隊（platoon）中操作自主車輛，並與其他車輛傳輸感測器資料）。例如，VADS部件可以使用V2V通訊來決定所辨識的車輛的目的地或計畫的行駛路線，決定所辨識的車輛將沿著與自主車輛的目的地一致的路線行駛的持續時間，並回應於決定所辨識的車輛將在與自主車輛相同或相似的方向上行駛至少一個閾值時間段，決定是否存在參加協調式駕駛參與的操作優勢（例如，共享感測器資料或形成車隊）。回應於決定存在參與協調式駕駛佈置的操作優勢，VADS部件可以發起協調式駕駛參與，在該程序中，自主車輛與辨識的車輛共享感測器資料及/或在相對於所辨識的其他車輛的特定位置進行駕駛，以便最好地利用每個車輛的感測器。例如，自主車輛和所辨識的其他車輛可以進行協調，以將具有最佳前視感測器的車輛定位在車隊的前部。

在一些實施例中，VADS部件可以被配置為：回應於決定所辨識的車輛中的感測器將提供自主車輛不具備的感測器能力，並且從所辨識的車輛的感測器接收資料對於自主車輛的安全或操作效能將是有益的，而決定存在自主車輛的操作優勢。作為回應，VADS部件可以發起協調式駕駛參與，其中自主車輛與所辨識的車輛進行協調以利用各自的感測器能力。

在一些實施例中，VADS部件可以基於所辨識的車輛的自主水平（例如，基於所辨識的車輛是否具有高度自主性並且包括將使自主車輛更安全地運行或提高效能的優質感測器），來決定參加協調式駕駛參與將具有操作優勢。

在一些實施例中，VADS部件可以被配置為基於諸如道路狀況、天氣狀況、道路類型、道路上的車輛通行水平、道路的速度限制、沿道路的危險或障礙、照明狀況等等之類的駕駛狀況，來決定參加協調式駕駛參與是否具有操作優勢。在一些實施例中，VADS部件可以被配置為基於駕駛狀況和周圍車輛的ACM的組合，決定參加協調式駕駛參與是否具有操作優勢。

在一些實施例中，VADS部件可以被配置為使用ACM來決定修改自主車輛的計畫路線是否存在操作優勢，從而可以從協調式駕駛參與中受益。例如，VADS部件可以沿著替代路線進行搜尋（而不僅僅是在當前高速公路內），以決定沿這些路線是否還有其他車輛可以進入協調式駕駛參與，決定這些車輛進入協調式駕駛參與是否會帶來重大利益，決定增加的收益是否超過選擇替代路線的成本或增加的時間。回應於決定增加的利益大於成本或增加的時間，該車輛可以改變其計畫路線以遵循替代路線並且發起/參加協調式駕駛參與。

在一些實施例中，VADS部件可以被配置為經由向另一個車輛發送請求參加協調式駕駛參與的通訊訊息，來發起協調式駕駛參與。回應於VADS部件接收到指示另一個車輛將參與的確認訊息，VADS部件可以建立到該另一個車輛的直接通訊鏈路，並開始經由直接通訊鏈路接收資訊。所接收的資訊可以是感測器資訊，例如原始感測器資料或經處理的感測器資料。接收的資訊亦可以包括更高級別的駕駛指令及/或預處理的資訊，例如周圍車輛的狀態估計、匯總資料等等。VADS部件可以使用任何或所有接收到的資訊來調整自主車輛的駕駛參數中的一或多個，以便車輛可以參加協調式駕駛參與。

如本文所使用的，術語「部件」、「系統」、「單元」等等包括與電腦相關的實體，例如但不限於：被配置為執行特定的操作或功能的硬體、韌體、硬體和軟體的結合、軟體或運行中的軟體。例如，部件可以是，但不限於是：在處理器上運行的程序、處理器、物件、可執行檔、執行的執行緒、程式及/或電腦。舉例而言，在通訊設備上運行的應用和該通訊設備皆可以稱為部件。一或多個部件可以存在於程序及/或執行執行緒中，部件可以位於一個處理器或核心中及/或分佈在兩個或更多處理器或核心之間。此外，這些部件能夠從其上儲存有各種指令及/或資料結構的各種非臨時性電腦可讀取媒體中執行。部件可以經由本端及/或遠端程序、功能或程式撥叫、電子訊號、資料封包、記憶體讀/寫、以及其他已知的電腦、處理器及/或與處理相關的通訊方法的方式進行通訊。

將來可獲得或預期許多不同的蜂巢和行動通訊服務和標準，所有這些服務和標準皆可以實現並受益於各個態樣。這些服務和標準包括例如第三代合作夥伴計畫（3GPP）、長期進化（LTE）系統、第三代無線行動通訊技術（3G）、第四代無線行動通訊技術（4G）、第五代無線行動通訊技術（4G）、行動通訊全球系統（GSM）、通用行動電信系統（UMTS）、3GSM、通用封包式無線電服務（GPRS）、分碼多工存取（CDMA）系統（例如，cdmaOne、CDMA2000TM）、用於GSM進化的增強型資料速率（EDGE）、高級行動電話系統（AMPS）、數位AMPS（IS-136/TDMA）、進化資料最佳化（EV-DO）、數位增強型無電源線電信（DECT）、全球互通微波存取操作（WiMAX）、無線區域網路（WLAN）、Wi-Fi保護存取I&II（WPA、WPA2）和綜合數位增強網路（iden）。例如，這些技術中的每一種都涉及語音、資料、訊號傳遞及/或內容訊息的傳輸和接收。應當理解的是，對於與單個電信標準或技術有關的術語及/或技術細節的任何引用僅出於說明性目的，並且無意將請求項的保護範疇限制於特定的通訊系統或技術，除非在申請專利範圍中專門敘述。

在本文中使用術語「計算設備」來代表具有至少處理器的電子設備，例如整合在車輛（特別是自主車輛）中的電腦，但是亦可以包括被配置為與自主車輛通訊的行動通訊設備（例如，蜂巢式電話、智慧型電話、Web平板電腦、平板電腦、具備網際網路能力的蜂巢式電話、膝上型電腦等等中的任何一個或全部）、伺服器、個人電腦等等。在各種實施例中，計算設備可以配置有用於與其他設備建立通訊的一或多個網路收發機或介面。例如，計算設備可以包括用於建立廣域網（WAN）連接（例如，長期進化蜂巢網路連接等等）、短距離無線連接（例如，Bluetooth®、RF等等）及/或區域網路（LAN）連接（例如，到Wi-Fi®路由器的有線或無線連接等等）的網路介面。

各個實施例包括被配置為使用基於車輛的無線通訊進行通訊的自主車輛。蜂巢車輛到萬物（C-V2X）協定充當用於基於車輛的無線通訊的基礎。特別是，C-V2X規定了兩種傳輸模式，它們共同提供了360º非視線感知能力和更高程度的可預測性，以實現增強的道路安全性和自主駕駛效能。第一種傳輸模式包括直接C-V2X，其包括車輛對車輛（V2V）、車輛到基礎設施（V2I）和車輛到行人（V2P），並在獨立於蜂巢網路的專用ITS 5.9千兆赫茲（GHz）頻譜中提供增強的通訊範圍和可靠性。第二傳輸模式包括諸如第三代無線行動通訊技術（3G）（例如，行動通訊全球系統（GSM）進化（EDGE）系統、分碼多工存取（CDMA）2000系統等）、第四代無線行動通訊技術（4G）（例如，長期進化（LTE）系統、高級LTE系統、行動微波全球互通操作（行動WiMAX）系統等）、第五代無線行動通訊技術（5G NR系統等）等等之類的行動寬頻系統和技術中的車輛到網路通訊（V2N）。

對自主駕駛特別有用的是機動車之間的V2V通訊。V2V系統和技術經由使車輛共享關於其位置、速度、行進方向、制動以及可能對其他車輛具有防撞和其他安全功能有用的其他因素的資訊，從而有望改善交通流量和車輛安全性。配備V2V車載設備的車輛將頻繁地（例如，每秒最多20次）在稱為基本安全訊息（BSM）的封包中發送其車輛資訊。配備有高級駕駛員輔助系統（ADAS）的自主車輛可以接收和使用這種V2V通訊來控制它們相對於其他車輛的速度和位置，並組成車隊以使它們能夠進行協調的操縱和導航決策。

安裝在不同車輛中的ADAS系統可能會發生巨大地變化。例如，高端車輛（特斯拉P100D、梅賽德斯S級等等）可以包括精確的感測器和全自主駕駛系統，其可靠地將車輛保持在一定速度下，位於行駛車道邊緣的一定距離內，並且與其他車輛在一定距離之內等等。但是，老式或更便宜的車輛中的ADAS系統可能不那麼準確或可靠。另外，一些車輛將不會一直保持完全自主（例如，當人類駕駛員對車輛進行手動控制時）。此外，由於正常磨損、維護不足或老化，某些車輛的能力可能降低。較舊的車輛可能具有過時的感測器和較少的自主程度（例如，採用制動的事故避免系統、與其他車輛保持一定距離的自我調整巡航控制等等）。

為了使自主車輛作為車隊的一部分有效地協同工作，每個車輛中的ADAS系統都應考慮到在每個時刻有效的周圍車輛的不同水平的能力和自主性。此外，ADAS系統可以適於其他動態因素（例如，其駕駛員偏好、駕駛員參與、個人程式設計、維護和使用水平等等），這些因素可能改變周圍車輛的行為。這些因素會影響周圍車輛的效能、行為和自主水平，但是通常只能經由在車輛運行時對其進行觀察和分析才能知道。

經由為車輛裝備VADS汽車控制系統（該VADS汽車控制系統基於其他周圍車輛的預測的或動態決定的能力來調整其他車輛的行為或操作），各種實施例改善了自主車輛的效能和功能，並允許多個自主車輛作為車隊的一部分更有效地工作，以提高交通效率和安全性。

在一些實施例中，VADS部件可以被配置為決定並使用周圍車輛的ACM（或者自主水平）來辨識要與之協調的車輛、以及協調的性質和程度。例如，VADS部件可以被配置為僅與具有超過閾值的自主水平（或ACM值）的周圍車輛進行協調。再舉一個實例，VADS部件可以被配置為僅在所有周圍車輛都具有超過閾值的自主水平（或ACM值）時，才執行某些協調的操縱。

在一些實施例中，VADS部件可以被配置為調整其駕駛參數，以或多或少地依賴附近車輛的能力。

在一些實施例中，VADS部件可以被配置為經由基於所決定的能力和自主水平，修改與另一個車輛相關聯的資料/行為模型，來調整如何控制自主車輛。亦即，VADS部件可以使用其他車輛的ACM和資料/行為模型來預測其他車輛的行為（速度、轉彎、制動等等），並確保在與其他車輛協調移動時觀察到適當的駕駛參數（例如，間隔距離等等）。若決定的ACM小於相應車輛的行為模型中假定的ACM，則VADS部件可以調整或修改其他車輛的行為模型，以更準確地反映所決定的自主水平或能力。以這種方式，VADS可以經由預測其他車輛的行為方式和操縱方式，更好地決定如何進行操縱以保持安全性和與其他車輛的適當間隔距離。

在一些實施例中，VADS部件可以被配置為基於周圍車輛的ACM或行為來採取回應動作。例如，若車輛正在尾隨自主車輛，並且V2V通訊指示該車輛正在被手動操作，則VADS可以使自主車輛改變車道以便允許該車輛經由。可以基於決定這些其他周圍車輛具有足夠的自主性來支援這種協調並相應地控制其車輛，經由V2V通訊將這種車道改變與其他周圍的車輛進行協調。

再舉一個實例，VADS可以決定自主車輛車隊內的車輛已切換為手動操作，或者已請求離開車隊，並且直到退出後才允許切換為手動控制。作為回應，VADS可以與車隊中的其他自主車輛（亦即，被決定具有足夠自主水平的車輛）協調，以為該車輛離開車隊清除道路。VADS部件可以經由為車輛清除道路以改變車道、增加跟隨距離、允許該車輛周圍的其他自主車輛移動等等方式，來允許該車輛離開車隊。

再舉一個實例，一組車輛中的每一個車輛裡的VADS可以經由以下方式來協調動作以形成或進行車隊：選擇具有最高自主水平和最佳前視感測器的車輛來領導車隊，同時具有較少自主水平的車輛移動到車隊的後面。因此，作為與周圍車輛協調駕駛行為以提高交通效率（例如，經由車隊行駛）和安全性（例如，經由協調速度、制動和間隔距離）的一部分，VADS部件可以使用針對每個周圍車輛所決定的自主水平來辨識要協調的車輛以及車隊之每一者車輛的適當位置。

在一些實施例中，VADS部件可以被配置為直接經由與附近車輛的C-V2X或V2V通訊來偵測附近車輛的自主水平。例如，VADS部件可以從附近車輛接收ACM，該ACM將附近車輛辨識為具有較高的自主水平（例如，類別5自主、級別65自主等等）。亦即，在一些實施例中，可以使用C-V2X或V2V通訊來直接查詢自主水平。

在一些實施例中，VADS部件可以被配置為經由實施或使用各種觀察、監測、機器學習及/或預測技術，來偵測附近車輛的自主水平。例如，VADS部件可以基於觀察到附近車輛裝備有來自知名製造商的精密LIDAR感測器，來預測該附近車輛具有較高的自主水平。類似地，VADS部件可以基於觀察到附近車輛沒有足夠地配備有適合於支援V2V通訊的通訊電路，或者缺少特定的感測或通訊模組，來預測該附近車輛具有較低的自主水平。 VADS部件亦可以基於觀察到的駕駛行為和其他類似因素來預測自主水平。

在一些實施例中，VADS部件可以被配置為基於所決定的其他車輛的自主水平，來動態地決定或調整ACM、安全閾值、行為預測模型、運動計畫策略、控制/駕駛參數等等。VADS部件可以調整任何或所有這種值/參數，以改善交通流量、減少交通和擁堵、增加道路安全或者實現其他目的或目標。

如前述，VADS部件可以結合經由V2V通訊接收的資訊，使用從車輛感測器收集的資訊，來決定辨識附近車輛的自主水平及/或能力的ACM。在一些實施例中，ACM可以經由反映該車輛能力的精密度的資訊來辨識自主水平，該資訊可以涵蓋關於車輛的計算能力（例如，處理器速度）、感測器、處理演算法、預測和控制策略等等的資訊。在一些實施例中，ACM可以根據連續值（例如，頻譜）或範圍從完全手動駕駛到零人為干預的全自主駕駛的值，來辨識自主水平。在一些實施例中，ACM可以經由一組離散類別值（例如，L0至L5）來辨識自主水平。在一些實施例中，ACM可以經由反映自主性和車輛效能的不同態樣的向量或值矩陣（例如，與車輛的計算能力、感測器、處理演算法、預測和控制策略、當前自主設置（例如，手動、半自主或全自主）等等中的每一個相關聯的值）來辨識自主水平。

VADS部件可以經由接收、產生、計算或以其他方式決定構成ACM的多個值，並共同地處理ACM值以辨識或預測附近車輛的自主水平或效能，來決定ACM。在一些實施例中，這些ACM值中的一或多個ACM值可以分類、表示或表徵觀察到的駕駛行為。表示以下中的一項或多項的ACM值的非限制性實例：異常駕駛行為；平穩駕駛行為；可預測駕駛行為；車輛操作的一致性、規律性或統一性；未來車輛運行的可預測水平；駕駛員侵略性或駕駛員的侵略性程度；車輛追蹤行駛車道中心的程度（例如，經由分析橫向誤差和橫向誤差率，其中橫向誤差率越低，表示自主系統的複雜程度越高）；每單位時間（例如，每分鐘）觀察到的駕駛錯誤數；車輛遵守當地道路法規（例如，速度限制、張貼的標誌、轉向訊號燈等等）的程度；遵守安全規則；反應時間（例如，觀察到的回應其他車輛動作的時間）；回應性或者車輛對外界刺激的反應（例如，決定車輛是否對前方兩輛、三個或更多個車輛的制動做出反應，還是僅對前方車輛做出反應）；等等。

在一些實施例中，一或多個ACM值可以分類、表示或表徵由VADS部件基於觀察或接收的資訊決定的感測器功能。例如，ACM值可以表示存在於另一個車輛中的感測器的類型、另一個車輛的感測器的製造及/或製造商、另一個車輛中包括的自主駕駛感測器的數量、另一個車輛的感測器的準確性及/或精度等等。

在一些實施例中，一或多個ACM值可以是基於經由C-V2X通訊接收的認證資訊（或證書）。例如，ACM值可以辨識或表示關鍵效能指標（KPI）、表面效能等級（例如，瀝青、混凝土等）、天氣表現等級（例如，潮濕狀況、冰凍狀況、下雪等）、車輛效能、車輛功能、支援的演算法等等，其中任何一項或全部都已經由適當的認證組織（例如，國家公路交通安全管理局、輪胎工業協會、設備製造商等等）針對該車輛進行了認證。

在一些實施例中，自主車輛中的VADS可以被配置為估計所辨識的周圍車輛的自主水平。在各個實施例中，這可以經由產生單個值或連續的值來完成，該單個值或連續的值共同地標識對自主水平的估計。在一些實施例中，連續值之每一者值可以表示與所辨識的周圍車輛相關聯的不同的預測、收集或觀察到的特徵、因數或資料點。在一些實施例中，可以將這些連續的值格式化在表徵或表示車輛的自主水平的估計值的地圖、矩陣或向量資料結構中。在一些實施例中，VADS部件可以進一步被配置為決定估計的置信度或不決定性值。VADS部件可以基於這些估計以及與這些估計相關聯的置信度/不決定性值，來調整自主車輛的駕駛參數。VADS部件可以調整駕駛參數以適應環境或交通狀況及/或在安全性和效率之間取得平衡（就交通輸送量而言）。

在一些實施例中，VADS部件可以基於在協調式操作佈置（例如，車隊）中的車輛角色或分類（例如，引導車輛、尾部車輛、相鄰車道中的車輛）以及其自主水平的組合，以離散方式調整駕駛參數。在一些實施例中，VADS部件可以基於沿著連續體的估計的自主水平及其相關聯的不決定性，以連續的方式來調整駕駛參數。例如，VADS部件可以基於對引導車輛的自主水平的評估來修改其跟隨距離參數，從而為人力驅動車輛留出大量空間以允許不可預測的停車，以及為完全自主和連接的車輛（其能夠與周圍的車輛共用其狀態和對世界的估計）留出很少的空間。

在一些實施例中，VADS部件可以被配置成允許一組自主車輛形成緊密封包的車隊。這可以經由共享狀態資訊（例如，運動計畫和行為預測），並允許具有較低自主水平的車輛安全經由該組來實現。可以允許車輛相互協調以清除車道，從而允許尾隨著具有高度自主水平的緊密封包車隊的駕駛員驅動車輛通行。坐在緊密封包的自主車輛中的駕駛員可以要求進行手動控制，從而導致車輛清理出該車輛離開車隊的出口路徑，並可以僅在車輛安全退出車隊後才允許駕駛員進行手動控制。

在一些實施例中，VADS部件可以被配置為利用具有較高自主水平的附近車輛的自主能力和感測器部件，以增加可以作為一個組實現的有效自主水平或者從共享計算資源、狀態估計等等中受益。一個實例包括擁有車隊的車輛，其中引導車輛具有最高的自主水平，而不能自行地利用其自主能力的不具有完全自主的尾隨車輛緊追其後。在一些實施例中，車輛可以主動地尋找附近具有較高自主水平的車輛，以形成自主的車隊，共享感知和處理負荷以受益於該組的能力。在一些實施例中，車輛可以減少其線上感知和處理以便節省功率。例如，車隊中間的車輛可以簡單地跟隨引導車輛，而不使用資源進行更長距離的估算，而引導車輛可能會投入大量資源進行遠端估計和預測。另外，車輛可以將其處理重點聚焦在某些方案上，以便更好地利用車隊中所有車輛的總計算資源。例如，引導車輛可以將感測器和感測器資料處理集中在車隊前面的區域上，而後方車輛可以將感測器和感測器資料處理集中在後面的區域上。在一些實施例中，自主車輛可以主動地尋找其他車輛以形成此類協調組，以使功率效率最大化。

可以在各種主車輛內實現各種實施例，在圖1A和圖1B中圖示其實例車輛100。參考圖1A和1B，主車輛100可以包括佈置在主車輛之內或之上的複數個感測器102-138，這些感測器102-138用於涉及自主和半自主導航的各種目的、以及關於主車輛100之內或之上的物體和人的感測器資料。感測器102-138可以包括能夠偵測對導航和避免碰撞有用的各種資訊的多種感測器中的一或多個。感測器102-138中的每一個可以與控制單元140以及彼此進行有線或無線通訊。具體而言，這些感測器可以包括一或多個相機122、136或其他光學感測器或光電感測器。這些感測器可以進一步包括其他類型的物體偵測和測距感測器，例如雷達132、雷射雷達138、IR感測器和超聲感測器。這些感測器可以進一步包括胎壓感測器114、120、濕度感測器、溫度感測器、衛星地理定位感測器108、加速度計、振動感測器、陀螺儀、重力計、衝擊感測器130、力計、應力計、應變感測器、流體感測器、化學感測器、氣體含量分析儀、pH感測器、輻射感測器、Geiger計數器、中子探測器、生物材料感測器、麥克風124、134、佔用感測器112、116、118、126、128、接近感測器和其他感測器。

主機車輛控制單元140可以配置有處理器可執行指令，以使用從諸如相機122、136之類的各種感測器接收的資訊來執行各種實施例。在一些實施例中，控制單元140可以使用能從雷達132及/或雷射雷達138感測器獲得的距離和相對位置（例如，相對方位角），來補充處理相機影像。控制單元140可以進一步被配置為：當使用自主或半自主模式操作時，使用關於使用各種實施例決定的其他車輛的資訊來控制本車輛100的轉向、制動和速度。在一些實施例中，控制單元140可以被配置為實現貫穿本案所論述的車輛自主駕駛系統（VADS）的全部或一部分。

圖1C是示出適合於實現各種實施例的部件和支援系統的系統150的部件方塊圖。參考圖1A、圖1B和圖1C，主車輛100可以包括控制單元140，控制單元140可以包括用於控制主車輛100的操作的各種電路和設備。控制單元140可以耦合到並且被配置為控制駕駛控制部件154、導航部件156和主車輛100的一或多個感測器102-138。

控制單元140可以包括配置有處理器可執行指令的處理器164，以控制主車輛100的操縱、導航和其他操作（其包括各種實施例的操作）。處理器164可以耦合到記憶體166。控制單元140可以包括輸入模組168、輸出模組170和無線電模組172。在一些實施例中，處理器164可以被配置為實現貫穿本案所論述的車輛自主駕駛系統（VADS）的功能。

無線電模組172可以被配置用於無線通訊。無線電模組172可以與網路收發機180交換訊號182（例如，用於控制操縱的命令訊號、來自導航設施的訊號等等），並且可以將訊號182提供給處理器164及/或導航單元156。在一些實施例中，無線電模組172可以使主車輛100能夠經由無線通訊鏈路192與無線通訊設備190進行通訊。無線通訊鏈路192可以是雙向或單向通訊鏈路，並且可以使用一或多個通訊協定。

輸入模組168可以從一或多個車輛感測器102-138接收感測器資料，以及從包括駕駛控制部件154和導航部件156的其他部件接收電訊號。輸出模組170可以用於與主車輛100的各種部件（其包括駕駛控制部件154、導航部件156和感測器102-138）進行通訊或者啟動這些部件。

控制單元140可以耦合到駕駛控制部件154，以控制與本車輛的操縱和導航有關的主車輛100的實體部件（例如，發動機、馬達、油門、轉向部件、飛行控制部件、制動或減速部件等等）。駕駛控制部件154亦可以包括控制主車輛的其他設備的部件，其包括環境控制（例如，空調和暖氣）、外部及/或內部照明、內部及/或外部資訊顯示器（其可以包括顯示螢幕或其他顯示資訊的設備）、以及其他類似設備。

控制單元140可以耦合到導航部件156，並且可以從導航部件156接收資料，並被配置為使用該資料來決定主車輛100的當前位置和方向以及前往目的地的適當路線。在各個實施例中，導航部件156可以包括或耦合到全球導航衛星系統（GNSS）接收器系統（例如，一或多個全球定位系統（GPS）接收器），從而使主車輛100能夠使用GNSS訊號決定其當前位置。替代地或補充地，導航部件156可以包括無線電導航接收器，以用於從諸如Wi-Fi存取點、蜂巢網路網站、無線電臺、遠端計算設備、其他車輛等等之類的無線電節點接收導航信標或其他訊號。經由控制駕駛控制部件154，處理器164可以控制主車輛100進行導航和操縱。處理器164及/或導航部件156可以被配置為使用與蜂巢資料網路180的無線連接182與網路186（例如，網際網路）上的伺服器184進行通訊，以接收控制操縱的命令，接收在導航中有用的資料，提供即時位置報告，並評估其他資料。

控制單元140可以耦合到如前述的一或多個感測器102-138，並且可以被配置為向處理器164提供各種資料。

儘管將控制單元140描述為包括單獨的組件，但在一些實施例中，這些部件中的一些或全部（例如，處理器164、記憶體166、輸入模組168、輸出模組170和無線電模組172）可以整合在單個設備或模組（例如，片上系統（SOC）處理設備）中。這種SOC處理設備可以被配置用於車輛中，並且被配置為例如具有在處理器164中執行的處理器可執行指令，以在安裝到主車輛中時執行各種實施例的操作。

圖2圖示可以在主車輛100內利用的車輛管理系統200內的子系統、計算部件、計算設備或單元的實例。在一些實施例中，車輛管理系統200內的各種計算元件、計算設備或單元可以實現在互連計算設備（亦即，子系統）的系統，這些互連計算設備相互傳輸資料和命令（例如，由圖2中的箭頭指示）。在其他實施例中，車輛管理系統200內的各種計算元件、計算設備或單元可以在單個計算設備內實現，例如單獨的執行緒、程序、演算法或計算元件。因此，通常在本文中亦將圖2中所示的每個子系統/計算元件稱為構成車輛管理系統200的計算「堆疊」內的「層」。但是，在描述各種實施例中使用術語層和堆疊，並非意欲暗示或要求在單個自主（或半自主）車輛控制系統計算設備內實現相應的功能，儘管這是潛在的實現實施例。而是，術語「層」的使用意欲涵蓋具有獨立處理器、在一或多個計算設備中運行的計算元件（例如，執行緒、演算法、子常式等等）的子系統、以及子系統和計算元件的組合。

參考圖1A-2，車輛管理系統堆疊200可以包括雷達感知層202、相機感知層204、定位引擎層206、地圖融合和仲裁層208、路線規劃層210、感測器融合和道路世界模型（RWM）管理層212、運動計畫和控制層214以及行為計畫和預測層216。在車輛管理系統堆疊200的一個實例配置中，層202-216僅僅是某些層的實例，而在其他配置中，可以包括其他層，例如用於其他感知感測器的附加層（例如，LIDAR感知層等等）、用於規劃及/或控制的附加層、用於建模的附加層、用於實現車輛自主駕駛系統（VADS）的附加層等等，及/或可以從車輛管理系統堆疊200中排除層202-216中的某些層。層202-216中的每一個可以交換資料、計算結果和命令，如圖2中的箭頭所示。此外，車輛管理系統堆疊200可以從感測器（例如，雷達、雷射雷達、相機、慣性量測單元（IMU）等）、導航系統（例如，GPS接收器、IMU等）、車輛網路（例如，控制器區域網路（CAN）匯流排）和記憶體中的資料庫（例如，數位地圖資料）接收資料並進行處理。車輛管理系統堆疊200可以向線傳控制（DBW）系統/控制單元220輸出車輛控制命令或訊號，該DBW系統/控制單元220是直接與車輛轉向、油門和制動器控制進行介面的系統、子系統或計算設備。

雷達感知層202可以從一或多個偵測和測距感測器（例如，雷達132及/或雷射雷達138）接收資料，並對該資料進行處理以辨識和決定在主車輛100附近的其他車輛和物體的位置。雷達感知層202可以包括使用神經網路處理和人工智慧方法來辨識物體和車輛，並將該資訊傳遞給感測器融合和RWM管理層212。

相機感知層204可以從一或多個相機（例如，相機122、136）接收資料，並對該資料進行處理以辨識並決定在主車輛100附近的其他車輛和物體的位置。相機感知層204可以包括使用神經網路處理和人工智慧方法來辨識物體和車輛，並將該資訊傳遞到感測器融合和RWM管理層212。

定位引擎層206可以從各種感測器接收資料並處理該資料，以決定主車輛100的位置。各種感測器可以包括但不限於GPS接收器、IMU及/或經由CAN匯流排連接的其他感測器。定位引擎層206亦可以利用來自一或多個相機（例如，相機122、136）及/或任何其他可用感測器（例如，雷達、LIDAR等）的輸入。

地圖融合和仲裁層208可以訪問高清（HD）地圖資料庫內的資料，並接收從定位引擎層206接收的輸出，對該資料進行處理以進一步決定主車輛100在地圖內的位置（例如，在行車道內的位置、在街道地圖內的位置等等）。HD地圖資料庫可以儲存在諸如記憶體166之類的記憶體中。例如，地圖融合和仲裁層208可以將來自GPS的緯度和經度資訊轉換成HD地圖資料庫中包含的道路表面地圖中的位置。GPS位置定位包括錯誤，因此地圖融合和仲裁層208可以基於GPS座標和HD地圖資料之間的仲裁，來決定本車輛在道路內的最佳猜測位置。例如，儘管GPS座標可以將本車輛放置在HD地圖中的兩車道道路中間的附近，但是地圖融合和仲裁層208可以根據行駛方向決定本車輛最有可能與行駛方向一致的車道對準。地圖融合和仲裁層208可以將基於地圖的位置資訊傳遞給感測器融合和RWM管理層212。

路線規劃層210可以利用HD地圖以及來自操作員或排程員的輸入來規劃主車輛100到特定目的地遵循的路線。路線規劃層210可以將基於地圖的位置資訊傳遞給感測器融合和RWM管理層212。但是，不需要其他層（例如，感測器融合和RWM管理層212等）對先前地圖的使用。例如，其他堆疊可以僅基於感知資料來操作及/或控制車輛，而無需基於提供的地圖，其中提供的地圖在接收感知資料時構造車道、邊界和局部地圖的概念。

感測器融合和RWM管理212可以接收由雷達感知層202、相機感知層204、地圖融合和仲裁層208、以及路線規劃層210產生的資料和輸出，並使用這些輸入中的一些或全部來估計或精練主車輛100相對於道路、道路上的其他車輛以及主車輛100附近的其他物體的位置和狀態。例如，感測器融合和RWM管理212可以將來自相機感知層204的影像資料與來自地圖融合和仲裁層208的仲裁地圖位置資訊進行組合，以精練所決定的本車輛在行車道內的位置。再舉一個實例，感測器融合和RWM管理212可以將來自相機感知層204的物體辨識和影像資料與來自雷達感知層202的物體偵測和測距資料進行組合，以決定和精練其他車輛和物體在主車輛附近的相對位置。再舉一個實例，感測器融合和RWM管理212可以從車輛到車輛（V2V）通訊（例如，經由CAN匯流排）接收關於其他車輛位置和行進方向的資訊，並將該資訊與來自雷達感知層202和相機感知層204的資訊進行組合以精練其他車輛的位置和運動。感測器融合和RWM管理212可以將主車輛100的精確的位置和狀態資訊以及在本車輛附近的其他車輛和物體的精確位置和狀態資訊輸出到運動計畫和控制層214及/或行為計畫和預測層216。

行為計畫和預測層216可以使用主車輛100的精確位置和狀態資訊以及來自感測器融合和RWM管理層212的其他車輛和物體的位置和狀態資訊，來預測其他車輛及/或物體的未來行為。例如，行為計畫和預測層216可以使用此類資訊，基於自身車輛位置和速度以及其他車輛位置和速度來預測在本車輛附近的其他車輛的未來相對位置。這種預測可以考慮來自HD地圖和路線規劃的資訊，以預期隨著本車輛和其他車輛沿著道路行駛時相對車輛位置的變化。行為計畫和預測層216可以將其他車輛和物體行為與位置預測輸出到運動計畫和控制層214。

另外，行為計畫和預測層216可以計畫並產生用於控制主車輛100的運動的控制訊號。例如，基於路線計畫資訊、道路資訊中的精確位置以及其他車輛的相對位置和運動，行為計畫和預測層216可以決定主車輛100需要改變車道並加速，例如保持或實現與其他車輛的最小間隔，及/或為轉彎或駛出做準備。結果，行為計畫和預測層216可以計算或以其他方式決定車輪的轉向角、以及將要向運動計畫和控制層214和DBW系統控制層220命令的油門的改變、以及實現此種車道變更並加速行駛所必需的該等各種參數。此種參數之一可以是計算出的方向盤指令角。

運動計畫和控制層214可以接收來自感測器融合和RWM管理層212的資料和資訊輸出以及其他車輛和物體行為、以及來自行為計畫和預測層216的位置預測，並使用該資訊來計畫並產生控制訊號以控制主車輛100的運動，並驗證這些控制訊號是否滿足主車輛100的安全要求。例如，基於路線規劃資訊、道路資訊中的精確位置、以及其他車輛的相對位置和運動，運動計畫和控制層214可以驗證各種控制命令或指令並將其傳遞給DBW系統/控制單元220。

DBW系統/控制單元220可以從運動計畫和控制層214接收命令或指令，並將這些資訊轉換成用於控制主車輛100的車輪角度、制動和油門的機械控制訊號。例如，DBW系統/控制220可以經由將相應的控制訊號發送到方向盤控制器，來回應所計算的方向盤指令角。

在各個實施例中，車輛管理系統堆疊200可以包括執行安全檢查或監督可能影響車輛和乘員安全的各個層的各種命令、計畫或其他決定的功能。這種安全檢查或監督功能可以在專用層（未圖示）內實現，或者分佈在各個層之間，並且包括為功能的一部分。在一些實施例中，各種安全參數可以儲存在記憶體中，安全檢查或監督功能可以將決定的值（例如，到附近車輛的相對間隔、到道路中心線的距離等等）與對應的安全參數進行比較，若違反或者將違反安全參數，則發出警告或命令。例如，行為計畫和預測層216（或者未圖示的單獨層）中的安全或監督功能可以（例如，基於感測器融合和RWM管理層212改進的世界模型）決定另一個車輛與本車輛之間的當前或將來的分隔距離（如感測器融合和RWM管理層212所精練的），將該分隔距離與儲存在記憶體中的安全分隔距離參數進行比較，並在當前或預測的分隔距離違反安全分隔距離參數時，向運動計畫和控制層214發出指令以進行加速、減速或轉彎。再舉一個實例，運動計畫和控制層214（或者未圖示的單獨層）中的安全或監督功能可以將決定的或命令的方向盤指令角與安全方向盤角度限制或參數進行比較，並回應於指令角超過安全方向盤角度限制而發出超控命令及/或警報。

儲存在記憶體中的一些安全參數（例如，最大車速）可以是靜態的（亦即，隨著時間不變）。儲存在記憶體中的其他安全參數可以是動態的，其在於：基於車輛狀態資訊及/或環境狀況來連續或週期性地決定或更新參數。安全參數的非限制性實例包括最大安全速度、最大制動壓力、最大加速度和安全方向盤角度限制，所有這些可以取決於道路和天氣狀況。

圖3圖示適於在車輛中實現各種實施例的處理設備片上系統（SOC）300的實例SOC架構。參考圖1A-3，處理設備SOC 300可以包括許多異構處理器，例如數位訊號處理器（DSP）303、數據機處理器304、影像和物件辨識處理器306、行動顯示處理器（MDP）307、應用處理器308、以及資源和電源管理（RPM）處理器317。處理設備SOC 300亦可以包括連接到異構處理器303、304、306、307、307、308、317中的一或多個的一或多個輔助處理器310（例如，向量輔助處理器）。這些處理器之每一者處理器可以包括一或多個核、以及獨立/內部時鐘。每個處理器/核可以獨立於其他處理器/核來執行操作。例如，處理設備SOC 300可以包括執行第一類型的作業系統（例如，FreeBSD、LINUX、OS X等）的處理器和執行第二類型的作業系統（例如，Microsoft Windows）的處理器。在一些實施例中，應用處理器308可以是SOC 300主處理器、中央處理單元（CPU）、微處理器單元（MPU）、算數邏輯單位（ALU）等等。圖形處理器306可以是圖形處理單元（GPU）。 。

在一些實施例中，異構處理器303、304、306、307、308、317中的一或多個可以被配置為實現貫穿本案所論述的車輛自主駕駛系統（VADS）的全部或一部分。

處理設備SOC 300可以包括類比電路和定製電路314，以管理感測器資料、類比數位轉換、無線資料傳輸，以及用於執行其他專用操作（例如，處理編碼的音訊和視訊訊號以在網路瀏覽器中進行渲染）。處理設備SOC 300可以進一步包括系統部件和資源316，例如、電壓調節器、振盪器、鎖相迴路、周邊橋、資料控制器、記憶體控制器、系統控制器、存取埠、計時器、以及其他用於支援處理器和在計算設備上運行的軟體客戶端（例如，Web瀏覽器）的類似部件。

處理設備SOC 300亦包括專用電路（CAM）305，其包括、提供、控制及/或管理一或多個相機122、136（例如，主相機、網路攝像機、3D相機等）的操作、來自相機韌體、影像處理、視訊預處理、視訊前端（VFE）、嵌入式JPEG、高清視訊轉碼器等等的視訊顯示資料。CAM 305可以是獨立的處理單元及/或包括獨立或內部時鐘。

在一些實施例中，影像和物件辨識處理器306可以配置有處理器可執行指令及/或專用硬體，該處理器可執行指令及/或專用硬體被配置為執行各種實施例中涉及的影像處理和物件辨識分析。例如，影像和物件辨識處理器306可以被配置為執行對經由CAM 305從相機（例如，122、136）接收的影像進行處理的操作，以認出及/或辨識其他車輛，否則執行如前述的相機感知層204的功能。在一些實施例中，處理器306可以被配置為處理雷達或雷射雷達資料，並執行如前述的雷達感知層202的功能。

系統部件和資源316、類比和定製電路314及/或CAM 305可以包括與周邊設備（例如，相機122、136、雷達132、雷射雷達138、電子顯示器、無線通訊設備、外部記憶體晶片等等）進行介面的電路。處理器303、304、306、307、308可以經由互連/匯流排模組324互連到一或多個記憶體部件312、系統部件和資源316、類比和定製電路314、CAM 305和RPM處理器317，互連/匯流排模組324可以包括可重新配置的邏輯閘陣列及/或實現匯流排體系結構（例如，CoreConnect、AMBA等）。可以經由高級互連（例如，高效能片上網路（NoC））提供通訊。

處理設備SOC 300可以進一步包括用於與SOC外部的資源（例如，時鐘318和電壓調節器320）進行通訊的輸入/輸出模組（未圖示）。SOC外部的資源（例如，時鐘318、電壓調節器320）可以由內部SOC處理器/核（例如，DSP 303、數據機處理器304、圖形處理器306、應用處理器308等等）中的兩個或更多進行共享。

在一些實施例中，處理設備SOC 300可以包括在用於在車輛（例如，100）中使用的控制單元（例如，140）中。如前述，該控制單元可以包括用於與電話網路（例如，180）、網際網路及/或網路服務器（例如184）進行通訊的通訊鏈路。

處理設備SOC 300亦可以包括適用於從包括以下的感測器收集感測器資料的其他硬體及/或軟體部件：運動感測器（例如，IMU的加速度計和陀螺儀）、使用者介面元素（例如，輸入按鈕、觸控式螢幕顯示器等）、麥克風陣列、用於監測實體狀況（例如，位置、方向、運動、方位、振動、壓力等）的感測器、相機、指南針、GPS接收器、通訊電路（例如，Bluetooth®、WLAN、WiFi等）以及現代電子設備的其他公知部件。

圖4圖示自主車輛如何能夠安全地以彼此較小的餘量進行操作。參考圖1A-4，自主車輛402使用V2V通訊與周圍車輛404-418進行通訊，並根據駕駛參數（例如，最小間隔距離）以及來自周圍車輛的行為模型的輸入來執行駕駛控制（轉向、油門和制動），從而安全地在實體上靠近周圍車輛404-418來行進，以提高交通輸送量。例如，自主車輛402可以配備有VADS，該VADS使用從車輛的感測器（例如，相機、雷達、LIDAR等）收集的資訊，結合經由V2V通訊從周圍車輛404-418接收的資訊來決定周圍車輛404-418之每一者車輛的ACM。VADS部件可以使用這些ACM來調整自主車輛402的駕駛參數，例如自主車輛402與前方緊鄰的車輛406之間的最小跟隨距離及/或自主車輛402與側方車輛408和410之間的最小間隔距離。

圖5圖示自主連接的車輛進行協調以維持手動駕駛汽車周圍的增加的安全裕度的實例。參考圖1A-5，自主車輛402中的VADS使用V2V來查詢前方緊鄰的車輛404的自主水平（或者基於觀察到的車輛404的駕駛行為來預測自主水平），並決定車輛404正在由人類駕駛員手動操作及/或以其他方式不具有近距離跟隨所需的自主水平。作為回應，VADS部件可以增加以下距離駕駛參數，以考慮駕駛員的反應時間：人類駕駛員的反應時間、車輛404中較舊感測器的故障率等等。

圖6圖示自主車輛清除道路以允許另一個車輛經由或離開車隊的實例。參考圖1A-6，自主車輛402中的VADS可以產生並使用ACM來決定車輛406正在由人類駕駛員手動操作，或者以其他方式不具有在其當前尾隨距離處進行跟隨所需的自主水平。作為回應，VADS部件可以與其他車輛404、408、410、412、418進行通訊以執行協調操縱，其中自主車輛改變車道以便允許後方周圍車輛406經由。類似地，車輛404、408、410、412、418可以與其周圍車輛602、606進行通訊以執行另外的協調操作，以允許它們改變車道並讓後方車輛406經由。

再舉一個實例，自主車輛402可以從後方車輛406接收指示車輛404的駕駛員已請求進入手動駕駛模式的訊息。作為回應，自主車輛402可以與其他車輛404、408、410、412、418進行通訊以執行協調的操作，從而清除允許車輛404開始離開車隊的道路。在已經清除了道路並且車輛404移動到不同車道之後，可以給予車輛404的駕駛員手動控制。

圖7圖示自主車輛的VADS可以被配置為允許自主車輛組形成緊密封包的車隊。VADS可以被配置為利用具有更高自主水平的附近車輛的自主能力和感測器部件，以增加可以作為一個組實現的有效自主水平及/或受益於共享的計算資源、狀態估計等。

參考圖1A-7，第一車隊704中的引導車輛702具有最高的自主水平，而不能自行完全自主的尾隨車輛706利用引導車輛702的自主能力來緊隨其後。尾隨車輛706可以減少其感知和處理操作以便節省功率。亦即，尾隨車輛706可以簡單地跟隨引導車輛702，並且不使用資源進行更長距離的估計，而引導車輛702可以將大量資源投入到遠端估計和預測中。

在一些實施例中，第二車隊710中的車輛可以被配置為共享感知和處理負荷，以便從該組的能力中受益。另外，車輛可以潛在地將處理重點聚焦在某些方案上，以便更好地利用團隊的總計算資源。例如，引導車輛712可以聚焦在車隊前面的區域上，而後方車輛714可以聚焦在車隊後面的區域718上。在一些實施例中，自主車輛可以主動地尋找這些組（例如，第一車隊704、第二車隊710等等），以使功率效率最大化。

圖8圖示根據實施例來控制自主車輛的方法800。參考圖1A-8，方法800可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法800的操作的設備稱為「VADS部件」。

在方塊802中，VADS部件可以偵測或估計附近車輛的自主水平。如前述，VADS部件可以使用任何一種方法或方法組合來決定每個車輛的水平。這種方法的非限制性實例包括：經由V2V通訊從其他車輛接收關於自主水平的資訊、觀察其他車輛並基於對駕駛行為的觀察來估計自主水平、在儲存在記憶體中的資料庫中檢視自主水平或經由對網際網路的無線存取遠端地在資料庫中檢視自主水平（例如，使用車輛辨識符、品牌/型號/年份資訊等）及其組合。如前述，VADS部件可以產生用於反映每個車輛的決定或估計的自主水平的ACM值或值向量。

在方塊804中，VADS部件可以基於偵測到的或估計的自主水平來影響一或多個自主車輛（或自主車輛車隊）的操作或駕駛行為。

可以連續地或重複地執行方塊802和804的操作，以控制自主車輛的操作。在一些實施例中，可以同時地、以任何順序及/或結合本案中所論述的任何或所有操作（包括參照圖4-7和9-14所論述的操作）來執行方法800的操作。

圖9A圖示根據另一個實施例來控制自主車輛的方法900。參考圖1A-9A，方法900可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法900的操作的設備稱為「VADS部件」。

在方塊902中，VADS部件可以辨識在自主車輛的閾值距離內的車輛。在一些實施例中，該閾值距離可以是預定的並且儲存在記憶體中的距離（例如，標準安全間隔距離）。在一些實施例中，可以由VADS部件例如基於當前狀況，動態地決定該閾值距離。在此類實施例中，方塊902中的操作可以包括：動態地決定適合於當前狀況的閾值距離；及辨識在動態決定的閾值距離內的車輛。

在方塊904中，VADS部件可以基於所辨識的車輛的ACM，來調整自主車輛的駕駛參數。例如，VADS部件可以使用在方法800的方塊802中決定的ACM值或值向量，來調整自主車輛的一或多個駕駛參數。

可以連續地或重複地執行方塊902和904的操作，以控制自主車輛的操作。可以同時地、以任何順序及/或結合本案中所論述的任何或所有操作（包括參照圖4-8、9B和圖10-14所論述的操作）來執行方法900的操作。

圖9B圖示根據一個實施例來控制自主車輛的方法930。參考圖1A-9B，方法930可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法930的操作的設備稱為「VADS部件」。

在方塊902中，VADS部件可以執行如前述的方法900的相同編號的方塊的操作。例如，在方塊902中，VADS部件可以動態地決定適合於當前狀況的閾值距離，並且辨識在該動態決定的閾值距離內的車輛。

在方塊932中，VADS部件可以決定每個所辨識車輛的自主能力度量（ACM）。在一些實施例中，作為方塊932中的操作的一部分，VADS部件可以決定每個所辨識車輛的自主水平，例如，該車輛是處於完全自主模式、處於半自主模式還是處於手動模式（例如，在手動模式下啟用了車道追蹤輔助及/或車輛分隔輔助）。

在一些實施例中，在方塊932中，VADS部件可以從所辨識的車輛中的一或多個接收一或多個ACM。這樣，在一些實施例中，決定每個所辨識車輛的ACM可以包括：使用從所辨識的車輛中的至少一個車輛接收的ACM。

在一些實施例中，在方塊932中，VADS部件可以經由決定共同地辨識或預測附近車輛的自主水平或效能能力的一或多個值，來決定所辨識車輛的ACM。在一些實施例中，這可以經由在方塊932中經由VADS部件觀察附近車輛的駕駛行為、決定附近車輛的計算或感測器能力、及/或經由C-V2X通訊接收關於附近車輛的等級或認證的資訊來實現。

在一些實施例中，在方塊932中，VADS部件可以基於所觀察到的駕駛行為，來決定共同地辨識或預測附近車輛的自主水平或效能能力的值中的一或多個值。在一些實施例中，基於觀察到的駕駛行為所決定的值可以表示車輛操作的一致性、規律性或統一性、未來車輛操作的可預測水平、駕駛員的侵略性程度、附近車輛追蹤行車道中心的程度、每單位時間的駕駛錯誤次數、是否遵守當地道路法規、是否遵守安全規則、車輛的反應時間、車輛對可觀察事件的回應性或者其任何組合。

在一些實施例中，在方塊932中，VADS部件可以基於所決定的感測器能力，來決定共同地辨識或預測附近車輛的自主水平或效能能力的值中的一或多個值。在一些實施例中，基於所決定的感測器能力而決定的值可以表示感測器的類型、感測器的製造、感測器的型號、感測器的製造商、在附近車輛中操作的自主駕駛感測器的數量、感測器的精度、一或多個感測器的準確性、或者其任何組合。

在一些實施例中，在方塊932中，VADS部件可以基於經由C-V2X通訊接收的資訊，來決定共同地辨識或預測附近車輛的自主水平或效能能力的值中的一或多個值。在一些實施例中，基於經由C-V2X通訊接收的資訊所決定的值可以表示KPI、表面效能等級、天氣表現等級、車輛的能力、車輛的特徵、支援的演算法、預測和控制策略、或者其任何組合。

在方塊904中，VADS部件可以執行如前述的方法900的相同編號的方塊的操作。例如，在方塊904中，VADS部件可以基於所辨識的車輛的ACM來設置或調整自主車輛的駕駛參數。

在一些實施例中，在方塊904中調整駕駛參數可以包括：調整將在自主車輛與所辨識的車輛中的至少一個之間保持的最小間隔距離。在一些實施例中，在方塊904中，VADS部件可以基於車輛的ACM和該車輛的行為模型來調整最小間隔距離。

在一些實施例中，在方塊904中調整駕駛參數可以包括：調整將在自主車輛和所辨識的車輛中的至少一個之間保持的最小跟隨距離。在一些實施例中，在方塊904中，VADS部件可以基於車輛的ACM和與該車輛相關聯的行為模型來調整最小跟隨距離。

在一些實施例中，VADS部件可以經由調整車輛的速度或自主車輛將改變速度的加速度，來在方塊904中調整駕駛參數。在一些實施例中，VADS部件可以基於車輛的ACM和與該車輛相關聯的行為模型，來在方塊904中調整速度或加速度。

圖10圖示根據另一個實施例來控制自主車輛的方法1000。參考圖1A-10，方法1000可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法1000的操作的設備稱為「VADS部件」。

在方塊902中，VADS部件可以執行如前述的方法900的相同編號的方塊的操作。例如，在方塊902中，VADS部件可以辨識在該自主車輛的閾值距離內的車輛。

在方塊1004中，VADS部件可以決定每個所辨識車輛的ACM，並填充辨識的車輛的列表。如前述，每個ACM可以包括離散的或連續的值，這些值共同地辨識、估計或預測所辨識的車輛的自主性及/或各種能力的精確水平。ACM中的這些值裡的每個值皆可以表示與所辨識的車輛相關聯的預測的、收集的或觀察到的特徵、因數或資料點的不同態樣。在一些實施例中，ACM可以是地圖、矩陣或向量資料結構，其包括共同地表徵或表示所辨識車輛的自主能力的複數個符號或數值。可以將ACM資料結構與各種閾值進行比較及/或將其應用於分類器模型/決策節點。

在方塊1006中，VADS部件可以在所辨識車輛列表中選擇第一車輛。例如，VADS部件可以順序地遍歷所辨識車輛列表，並選擇列表中的下一個車輛進行調整、評估、比較、修改等等。在方塊1008中，VADS部件可以執行如前述的方法900中的方塊904的操作。例如，在方塊1008中，VADS部件可以基於作為方塊1006中的操作的一部分所選擇的車輛的ACM，來設置或調整自主車輛的駕駛參數（例如，經由調整最小間隔距離、最小跟隨距離、速度、加速度等）。

在決定方塊1010中，VADS部件可以決定是否已經評估或考慮了包括在所辨識車輛列表中的所有相關車輛（例如，404-418）。例如，VADS部件可以決定當前選擇的車輛是否是所辨識車輛列表中包括的最後車輛或最終車輛。

回應於決定尚未對所辨識車輛列表中的所有相關車輛進行評估或考慮（亦即，決定方塊1010 =「否」），VADS部件可以在方塊1006中選擇所辨識車輛列表中的下一個相關車輛，並在方塊904中，基於所選車輛的ACM進一步調整自主車輛的駕駛參數（若需要的話）。

VADS部件可以執行方塊1006、904和1010中的操作，直到已經評估或考慮了所有相關車輛（例如，前方車輛404、後方車輛406等）為止。

回應於決定已經評估或考慮了所辨識車輛列表中的所有相關車輛（亦即，決定方塊1010 =「是」），在方塊1012中，VADS部件可以基於駕駛參數來控制或調整自主車輛的行為或操作。可以連續地或重複地執行方塊902、904和1004-1012的操作以控制自主車輛的操作。

可以同時地、以任何順序及/或結合本案中所論述的任何或所有操作（包括參照圖4-9和圖11-14所論述的操作）來執行方法1000的操作。例如，在一些實施例中，VADS部件可以被配置為每次在方塊904中設置/調整駕駛參數時都執行方塊1012中的操作，並且是在決定方塊1010中決定是否已經評估或考慮了所有相關車輛之前。

圖11圖示根據另一個實施例來控制自主車輛的方法1100。參考圖1A-11，方法1100可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法1100的操作的設備稱為「VADS部件」。

在方塊902中，VADS部件可以執行如前述的方法900的相同編號的方塊的操作。例如，在方塊902中，VADS部件可以辨識在該自主車輛的閾值距離內的車輛。在方塊1104中，VADS部件可以決定所辨識的車輛的ACM。ACM可以辨識在該自主車輛前方的車輛的自主水平。在一些實施例中，該ACM可以包括離散的或有限的值，其標識、估計或預測在該自主車輛前方的車輛的自主能力。在其他實施例中，該ACM可以包括許多值，其中每個值表示與該自主車輛前方的車輛相關聯的預測的、收集的或觀察到的特徵、因數或資料點的不同態樣。

在決定方塊1106中，VADS部件可以決定ACM（例如，自主水平）是否超過或大於第一閾值。第一閾值可以包括或表示單個值（例如，自主駕駛水平4.376等）或許多值。在一個實施例中，第一閾值可以包括決策節點，每個決策節點測試或評估不同的特徵、因數或資料點（例如，存在V2V通訊電路、LIDAR感測器精度範圍大於100米、所有制動片包括至少5 mm摩擦材料等）。

回應於決定ACM超過或大於第一閾值（亦即，決定方塊1106 =「是」），在方塊1108中，VADS部件可以調整自主車輛的駕駛參數，使得車輛更信任或依賴於該車輛的能力。例如，VADS部件可以回應於決定緊鄰在自主車輛前方的車輛具有高水平的自主性、強大的感測器、高級自主控制系統等等，而在方塊1108中降低跟隨距離參數。在方塊1012中，VADS部件可以基於駕駛參數來調整自主車輛的行為或操作。

回應於決定ACM不大於第一閾值（亦即，決定方塊1106 =「否」），在決定方塊1112中，VADS部件可以決定ACM是否超過或小於第二閾值。

回應於決定ACM小於第二閾值（亦即，決定方塊1112 =「是」），在方塊1114中，VADS部件可以調整自主車輛的駕駛參數，以使得車輛較少信任或不依賴於該車輛的能力。例如，回應於決定緊鄰在自主車輛前方的車輛是不包括精密感測器或高級自主控制系統的較舊車輛，VADS部件可以在方塊1108中增加跟隨距離參數。在方塊1012中，VADS部件可以基於駕駛參數來調整自主車輛的行為或操作。

回應於決定ACM不小於第一閾值（亦即，決定方塊1112 =「否」），在方塊1012中，VADS部件可以基於駕駛參數來控制自主車輛的行為或操作。

可以連續地或重複地執行方法1100的操作以控制自主車輛的操作。可以同時地、以任何順序及/或結合本案中所論述的任何或所有操作（包括參照圖4-10和圖12-14所論述的操作）來執行方法1100的操作。

圖12A圖示根據另一個實施例來控制自主車輛的方法1200。參考圖1A-12A，方法1200可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法1200的操作的設備稱為「VADS部件」。

在方塊902中，VADS部件可以執行如前述的方法900的相同編號的方塊的操作。例如，在方塊902中，VADS部件可以辨識在該自主車輛的閾值距離內的車輛。

在方塊1004中，VADS部件可以執行如前述的方法1000的相同編號的方塊的操作。例如，在方塊1004中，VADS部件可以決定每個所辨識車輛的自主能力度量（ACM）。在一些實施例中，在方塊1004中，VADS部件可以產生用於共同地辨識或預測所辨識車輛的自主水平或效能能力的向量或值矩陣，並基於所產生的向量或值矩陣來決定所辨識車輛的ACM。

在方塊1205中，VADS部件可以基於所決定的ACM，來決定一或多個辨識的車輛是否將在協調式駕駛參與中（例如，在具有所辨識車輛的車隊中操作自主車輛、與其他車輛傳輸感測器資料等等），向自主車輛提供操作優勢。例如，VADS部件可以使用V2V通訊來決定所辨識車輛的目的地或計畫的行駛路線，決定所辨識車輛將沿著與自主車輛的目的地一致的路線行駛的持續時間，並回應於決定辨識的車輛將在與自主車輛相同或相似的方向上行駛至少一個閾值時間段，而決定是否存在參加協調式駕駛參與（例如，共享感測器資料或形成車隊）的操作優勢。

在一些實施例中，作為方塊1205中的操作的一部分，VADS部件可以與所辨識的車輛中的至少一個進行通訊以決定該辨識的車輛的目的地或計畫的行駛路線，將該目的地或計畫的行駛路線與本自主車輛的目的地進行比較，決定該一或多個辨識的汽車將沿著與本自主車輛的目的地一致的路線行駛的持續時間，並將所決定的持續時間與閾值時間段進行比較，基於所決定的持續時間是否超過閾值時間段而決定是否存在參加協調式駕駛參與（例如，共享感測器資料或形成車隊）的操作優勢。

在一些實施例中，在方塊1205中，VADS部件可以決定所辨識車輛的一或多個感測器是否將提供自主車輛不具備的感測器能力（其對自主車輛的安全性或運行效能有利）。在一些實施例中，在方塊1205中，VADS部件可以決定所辨識的車輛的自主水平是否將使自主車輛能夠更安全地操作或者在協調式駕駛參與中具有改善的效能。

在一些實施例中，在方塊1205中，VADS部件可以基於所決定的ACM，來決定在考慮包括以下中的至少一項的駕駛狀況時，所辨識的車輛中的至少一個是否將為協調式駕駛參與中的自主車輛提供操作優勢：道路狀況、天氣狀況、道路類型、道路上的車輛交通水平、道路的速度限制、沿道路的危險或障礙物、或者照明狀況。

在方塊1207中，VADS部件可以回應於決定該一或多個辨識的車輛將在協調式駕駛參與中向自主車輛提供操作優勢，而發起與該一或多個辨識的車輛的協調式駕駛參與。亦即，回應於決定參與協調駕駛參與將具有操作優勢，VADS部件可以發起協調式駕駛參與，其中自主車輛與所辨識的車輛共享感測器資料，及/或在相對於所辨識的其他車輛的特定位置中駕駛，以便最佳地利用每個車輛的感測器。例如，自主車輛和所辨識的其他車輛可以進行協調，以將具有最佳前視感測器的車輛定位在車隊的前部。

在一些實施例中，在方塊1207中，VADS部件可以回應於決定該一或多個辨識的車輛將在協調式駕駛參與中向自主車輛提供操作優勢，而決定該一或多個辨識的車輛是否將在與自主車輛相同或相似的方向上行駛閾值時間段，並回應於決定該一或多個辨識的車輛將在與自主車輛相同或相似的方向上行駛閾值時間段，而發起與該一或多個辨識的車輛的協調式駕駛參與。

在一些實施例中，在方塊1207中，VADS部件可以向該一或多個辨識的車輛發送通訊訊息，以請求該一或多個辨識的車輛參加協調式駕駛參與，接收指示該一或多個辨識的車輛將參加協調式駕駛參與的確認訊息，回應於接收到指示該一或多個辨識的車輛將參加協調式駕駛參與的確認訊息，而建立到該一或多個辨識的車輛的直接通訊鏈路，經由直接通訊鏈路從該一或多個辨識的車輛接收資訊，並基於從該一或多個辨識的車輛接收的資訊來調整自主車輛的駕駛參數。

圖12B圖示根據另一個實施例來控制自主車輛的方法1230。參考圖1A-12B，方法1230可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法1230的操作的設備稱為「VADS部件」。

在方塊902中，VADS部件可以執行如前述的方法900的相同編號的方塊的操作。例如，在方塊902中，VADS部件可以辨識在該自主車輛的閾值距離內的車輛。

在方塊1004中，VADS部件可以執行如前述的方法1000的相同編號的方塊的操作。例如，在方塊902中，VADS部件可以決定每個所辨識車輛的自主能力度量（ACM）。

在決定方塊1206中，VADS部件可以使用這些ACM來決定若辨識的車輛中的任何一個將要參加協調式駕駛參與（例如，操作具有一或多個其他車輛的汽車列隊中的自主車輛、與其他車輛傳輸感測器資料等等），則是否將向該自主車輛提供操作優勢。例如，VADS部件可以使用V2V通訊來決定所辨識的車輛的目的地或規劃的行駛路線，決定所辨識的車輛將沿著與該自主車輛的目的地一致的路線行駛的持續時間，並且回應於決定所辨識的車輛將在與該自主車輛相同或相似的方向上行駛至少閾值時間段，而決定存在參加協調式駕駛參與的操作優勢。

在一些實施例中，VADS部件可以被配置為回應於決定辨識的車輛中的感測器將提供該自主車輛不具備的感測器能力，並且該感測器能力將對於該自主車輛的安全性或運行效能有利，而在決定方塊1206中決定將存在操作優勢。在一些實施例中，VADS部件可以基於所辨識車輛的所決定自主水平（例如，基於所辨識的車輛是否具有高度自主性並且包括將使該自主車輛能夠更安全行駛或效能得到改善的優質感測器），來決定方塊1206中決定將存在操作優勢。在一些實施例中，VADS部件可以被配置為基於諸如道路狀況、天氣狀況、道路類型、道路上的車輛交通水平、道路的速度限制、沿道路的危險或障礙物、照明狀況等等之類的駕駛狀況，來在決定方塊1206中決定是否存在操作優勢。在一些實施例中，VADS部件可以被配置為基於駕駛狀況和周圍車輛的ACM的組合，來決定參加協調式駕駛參與將具有操作優勢。

回應於決定沒有任何辨識的車輛在參加協調式駕駛參與時將為該自主車輛提供操作優勢（亦即，決定方塊1206 =「否」），在方塊1012中，VADS部件可以基於現有駕駛參數來控制自主車輛的行為或操作。

回應於決定若所辨識車輛中的至少一個在參加協調式駕駛參與時將向自主車輛提供操作優勢（亦即，決定方塊1206 =「是」），在方塊1208中，VADS部件可以發起與所辨識的車輛中的至少一個的協調式駕駛參與。例如，VADS部件可以在方塊1208中設置駕駛參數，以使自主車輛在決定的持續時間內跟隨所辨識的車輛（或者以其他方式利用辨識的車輛的感測器）。在方塊1012中，VADS部件可以基於駕駛參數來控制或調整自主車輛的行為或操作。

可以連續地或重複地執行方法1200的操作以控制自主車輛的操作。可以同時地、以任何順序及/或結合本案中所論述的任何或所有操作（包括參照圖4-11、13和圖14所論述的操作）來執行方法1200的操作。

圖13根據另一個實施例，圖示決定所辨識車輛中的任何一個是否在參加協調式駕駛參與時將向自主車輛提供操作優勢的方法1300。參考圖1A-13，方法1300可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法1300的操作的設備稱為「VADS部件」。

在方塊1302中，VADS部件可以執行各種操作以與被辨識為處於自主車輛的閾值距離之內的車輛建立V2V通訊鏈路。

在方塊1304中，VADS部件可以使用V2V通訊來決定所辨識車輛的目的地或規劃的行駛路線。例如，VADS部件可以經由V2V通訊向其他車輛發送請求，以使每個車輛回復其目的地或類似資訊

在方塊1306中，VADS部件可以決定該車輛將沿著與該自主車輛的目的地一致的路線行駛的持續時間。在一些實施例中，這可以經由以下方式來實現：使用地圖資料並結合自己的車輛行駛計畫來決定自主車輛和其他車輛將以相同速度行駛相同道路的距離。作為此操作的一部分，VADS部件可以評估更改自己的行駛計畫，以沿著不會延遲到達時間超過閾值時間量的路徑或路線來跟隨該其他車輛。

在決定方塊1308中，VADS部件可以決定所辨識的車輛是否將在與該自主車輛相同或相似的方向上行駛至少閾值時間段。該閾值時間段可以是足以從協調式駕駛參與中獲得淨利益的持續時間或距離。該閾值時間段可以根據參與類型而變化。例如，若協調式駕駛參與僅涉及在協調車輛之間共享感測器資料，則閾值時間段可能約為一分鐘或更短，因為對車輛運動和協排程的影響可能最小。再舉一個實例，若協調式駕駛參與涉及在協調車輛之間形成密集的車隊，則閾值時間段可以是30分鐘或幾小時，因為形成這種車隊涉及在車輛之間進行大量的操縱，這可能需要幾分鐘的時間去完成。

回應於決定所辨識的車輛在至少閾值時間段內將不會在與自主車輛相同或相似的方向上行駛（亦即，決定方塊1308 =「否」），VADS部件可以繼續在方塊1012中，基於現有駕駛參數來控制自主車輛的行為或操作。

回應於決定所辨識的車輛將在與自主車輛相同或相似的方向上行駛至少閾值時間段（亦即，決定方塊1308 =「是」），VADS部件可以是能夠執行如前述的方法1230的方塊1208的操作的VADS部件。例如，在方塊1208中，VADS部件可以決定在所辨識的車輛參加協調式駕駛參與時將向自主車輛提供操作優勢，並發起協調式駕駛參與。

在方塊1210中，VADS部件可以執行如前述的方法1230的相同編號的方塊的操作。例如，在方塊1210中，VADS部件可以基於協調式駕駛參與來調整自主車輛的駕駛參數。例如，VADS部件可以在方塊1210中設置駕駛參數，以使得自主車輛在決定的持續時間內跟隨所辨識的車輛（或者以其他方式利用所辨識的車輛的感測器）。在方塊1012中，VADS部件可以基於駕駛參數來控制或調整自主車輛的行為或操作。

可以連續地或重複地執行方法1300的操作以控制自主車輛的操作。可以同時地、以任何順序及/或結合本案中所論述的任何或所有操作（包括參照圖4-12和圖14所論述的操作）來執行方法1300的操作。

圖14根據另一個實施例，圖示決定所辨識車輛中的任何一個是否在參加協調式駕駛參與時將向自主車輛提供操作優勢的方法1400。參考圖1A-14，方法1400可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法1400的操作的設備稱為「VADS部件」。

在方塊1302和1304中，VADS部件可以執行如前述的方法1300的相同編號的方塊的操作。例如，在方塊1302中，VADS部件可以執行各種操作以與被辨識為處於自主車輛的閾值距離之內的車輛建立V2V通訊鏈路，在方塊1304中，VADS部件可以使用V2V通訊來決定所辨識車輛的目的地或者規劃的行駛路線。

在決定方塊1402中，VADS部件可以決定所辨識車輛中的感測器是否可以向自主車輛提供優於該自主車輛的感測器能力的感測器能力（例如，自主車輛當前不具備的感測器）。

回應於決定所辨識的車輛中的感測器可以向自主車輛提供優於該自主車輛的感測器能力的感測器能力（亦即，決定方塊1402 =「是」），在決定方塊1404中，VADS部件可以決定所辨識的車輛中的感測器能力是否有益於該自主車輛的安全性或操作效能。

回應於決定所辨識的車輛中的感測器能力有益於自主車輛的安全性或操作效能（亦即，決定方塊1404 =「是」），VADS部件可以是決定在所辨識的車輛將要參加協調式駕駛參與時將向自主車輛提供操作優勢的VADS部件，並且作為回應，執行如前述的方塊1208、1210和102中的操作。

回應於決定辨識的車輛中沒有感測器比該自主車輛的感測器效能更好（亦即，決定方塊1402 =「否」）或該感測器能力對該自主車輛的安全性或操作效能無益（亦即，決定方塊1404 ＝「否」），VADS部件可以執行如前述的方法1000的方塊101的操作。例如，在方塊1012中，VADS部件可以基於現有的駕駛參數2，繼續控制自主車輛的行為或操作。

可以連續地或重複地執行方法1400的操作以控制自主車輛的操作。可以同時地、以任何順序及/或結合本案中所論述的任何或所有操作（包括參照圖4-13所論述的操作）來執行方法1400的操作。

圖15根據一些實施例，圖示決定附近車輛的ACM的值的方法1500。參考圖1A-15，方法1500可以由控制單元或處理器（例如，控制單元140、處理器164、303、304、306、307、308、317，處理設備SOC 300等）來執行，該控制單元或處理器包括或者實現自主車輛中的VADS的全部或一部分。為了便於參考並涵蓋可以在各個實施例中實現該方法的所有處理器，在以下描述中將執行方法1500的操作的設備稱為「VADS部件」。此外，可以將方法1500的操作中的一些或全部執行成方法800的方塊802、方法1000和1200的方塊1004、及/或方法1100的方塊1104中的任何一個裡的操作的一部分。

概述地，自主車輛的VADS部件可以經由以下方式，決定附近車輛的ACM的值，該值共同地辨識或預測該車輛的自主水平或效能能力：觀察附近車輛的駕駛行為、決定附近車輛的計算或感測器能力、及/或經由C-V2X通訊接收關於附近車輛的等級或認證的資訊。

具體地，在方塊1502中，VADS部件可以回應於各種可觀察到的事件，來觀察附近車輛的運動和駕駛行為。這可以涉及處理成像、LIDAR和其他感測器資料以辨識車輛運動，並對觀察到的事件（例如，刹車燈、交通流量或速度的變化、交通訊號等等）進行回應。這些觀察可能會隨時間持續進行，使得可以分析動作的趨勢和頻率（例如，駕駛錯誤的次數或每單位元時間的速度調節的突然轉向）。

在方塊1504中，VADS部件可以使用觀察情況來決定表徵所觀察到的附近車輛的運動和駕駛行為的一或多個值。可以總結或量化為ACM值的駕駛行為的實例包括以下中的一項或多項：車輛操作的一致性、規律性或統一性；未來車輛運行的可預測水平；駕駛員的侵略性程度；附近車輛追蹤行車道中心的程度；每單位時間的駕駛錯誤次數；遵守當地道路法規；遵守安全規則；車輛的反應時間；及/或車輛對可觀察事件的回應。

在方塊1506中，VADS部件可以與附近車輛建立V2V通訊鏈路，或者在一些實施例中，與儲存關於附近車輛的資訊的遠端伺服器建立V2V通訊鏈路，並在方塊1508中，從附近車輛或關於附近車輛接收關於在該車輛上運行的感測器的資訊。關於附近車輛的操作感測器的資訊的類型可以包括例如感測器類型、一或多個感測器的品牌、型號或製造商、在附近車輛中操作的自主駕駛感測器的數量、感測器精度、及/或一或多個感測器的準確性。這些資訊可以揭示附近車輛中的感測器的能力、弱點和可靠性。可以直接從附近車輛接收這些資訊，例如回應於均經由V2V通訊鏈路發送的查詢。替代地或補充地，可以從諸如經由無線通訊經由網際網路存取的遠端伺服器之類的遠端源接收這些資訊。

在方塊1510中，VADS部件可以決定用於表徵在附近車輛上運行的感測器的一或多個值。例如，VADS部件可以決定表示以下中的一項或多項的ACM值：感測器類型、感測器品牌或型號、感測器製造商、在附近車輛中運行的自主駕駛感測器的數量、感測器精度及/或一或多個感測器的準確性。

在方塊1512中，VADS部件可以從附近車輛或關於附近車輛接收關於該車輛的等級、操作軟體和認證能力的資訊。可以直接從附近車輛接收這些資訊，例如回應於均經由V2V通訊鏈路發送的查詢。替代地或補充地，可以從諸如經由無線通訊經由網際網路存取的遠端伺服器之類的遠端源接收這些資訊。關於附近車輛的等級和認證資訊的實例係包括：關鍵效能指標（KPI）；表面效能等級；天氣表現等級；車輛能力；車輛特徵；支援的演算法；及/或預測和控制策略。

在方塊1514中，VADS部件可以基於所接收的等級及/或認證資訊，決定用於表徵附近車輛的自主性或效能能力的一或多個值。所決定的值可以表示以下中的一項或多項：關鍵績效指標（KPI）；表面效能等級；天氣表現等級；車輛能力；車輛特徵；支援的演算法；及/或預測和控制策略。

在一些實施例中，可以僅執行方法1500中的一些操作。例如，VADS部件可以僅基於觀察到的駕駛行為來決定ACM值（亦即，僅執行方塊1502和1504中的操作）。再舉一個實例，VADS部件可以基於觀察到的駕駛行為並結合關於附近車輛的等級及/或認證的資訊來決定ACM值（例如，僅執行方塊1502-1506和1512-1514中的操作）。此外，可以針對每個所辨識的附近車輛執行方法1500，並且可以連續地或週期性地執行方法1500以更新ACM值（例如，基於對駕駛行為的觀察）。

上述的方法描述和處理流程圖僅僅是用作為說明性實例，而不是意欲要求或者隱含著必須以所提供的順序來執行各個態樣的方塊。如本發明所屬領域中具有通常知識者所應當理解的，可以以任何順序來執行前述態樣中的方塊的順序。此外，諸如「其後」、「轉而」、「接著」等等之類的詞語，並不意欲限制這些方塊的順序；這些詞語僅僅只是用於引導讀者遍歷該方法的描述。此外，任何對請求項元素的單數引用（例如，使用冠詞「一個（a）」、「某個（an）」或者「該（the）」），不應被解釋為將該元素限制為單數形式。

結合本文所揭示的態樣描述的各種示例性的邏輯區塊、模組、電路和演算法方塊均可以實現成電子硬體、電腦軟體或二者的組合。為了清楚地表示硬體和軟體之間的這種可交換性，對各種示例性的部件、方塊、模組、電路和單元均圍繞其功能進行了整體描述。至於這種功能是實現成硬體還是實現成軟體，取決於特定的應用和對整個系統所施加的設計約束條件。本發明所屬領域中具有通常知識者可以針對每個特定應用，以變通的方式實現所描述的功能，但是，這種實現決策不應解釋為背離本發明的保護範疇。

用於執行本文所述功能的通用處理器、數位訊號處理器（DSP）、特殊應用積體電路（ASIC）、現場可程式設計閘陣列（FPGA）或其他可程式設計邏輯裝置、個別閘門或者電晶體邏輯裝置、個別硬體部件或者其任意組合，可以用來實現或執行結合本文所揭示的態樣描述的用於實現各種示例性的邏輯、邏輯區塊、模組和電路的硬體。通用處理器可以是微處理器，或者，該處理器亦可以是任何習知的處理器、控制器、微控制器或者狀態機。處理器亦可以實現為計算設備的組合，例如，DSP和微處理器的組合、若干微處理器、一或複數個微處理器與DSP核心的結合，或者任何其他此種結構。替代地，一些方塊或方法可以由特定於給定的功能的電路來執行。

在一或多個示例性態樣，本文所述功能可以用硬體、軟體、韌體或它們任意組合的方式來實現。當在軟體中實現時，可以將這些功能儲存成非臨時性電腦可讀取儲存媒體或者非臨時性處理器可讀儲存媒體上的一或多個指令或者代碼。本文所揭示的方法或演算法的步驟，可以體現在處理器可執行軟體模組中，後者可以位於非臨時性電腦可讀或者處理器可讀儲存媒體上。非臨時性電腦可讀或者處理器可讀儲存媒體可以是電腦或處理器能夠存取的任何儲存媒體。舉例而言，但非做出限制，這種非臨時性電腦可讀或處理器可讀取媒體可以包括RAM、ROM、EEPROM、快閃記憶體、CD-ROM或其他光碟記憶體、磁碟記憶體或其他磁存放裝置、或者能夠用於儲存具有指令或資料結構形式的期望的程式碼並能夠由電腦進行存取的任何其他媒體。如本文所使用的，磁碟和光碟包括壓縮光碟（CD）、鐳射光碟、光碟、數位多功能光碟（DVD）、軟碟和藍光光碟，其中磁碟通常磁性地複製資料，而光碟則用鐳射來光學地複製資料。上面的組合亦包括在非臨時性電腦可讀和處理器可讀取媒體的保護範疇之內。另外，一種方法或演算法的操作可以作為一個代碼及/或指令集或者其任意組合，位於非臨時性處理器可讀取媒體及/或電腦可讀取媒體上，其中該非臨時性處理器可讀取媒體及/或電腦可讀取媒體可以併入到電腦程式產品中。

為使本發明所屬領域中任何具有通常知識者能夠實現或者使用本發明，上面圍繞所揭示的態樣進行了描述。對於本發明所屬領域中具有通常知識者來說，對這些態樣的各種修改是顯而易見的，並且，本文定義的整體原理亦可以在不脫離本發明的精神或保護範疇的基礎上應用於其他態樣。因此，本發明並不限於本文所示出的態樣，而是與所附申請專利範圍和本文揭示的原理和新穎性特徵的最廣範疇相一致。

100:車輛 102:感測器 102-138:感測器 108:衛星地理定位感測器 112:佔用感測器 114:胎壓感測器 116:佔用感測器 118:佔用感測器 120:胎壓感測器 122:胎壓感測器 124:麥克風 126:佔用感測器 128:佔用感測器 130:衝擊感測器 132:雷達 134:麥克風 136:胎壓感測器 138:雷射雷達 140:控制單元 150:系統 154:駕駛控制部件 156:導航部件 164:處理器 166:記憶體 168:輸入模組 170:輸出模組 172:無線電模組 180:網路收發機 182:訊號 184:伺服器 186:網路 190:無線通訊設備 192:無線通訊鏈路 200:車輛管理系統 202:雷達感知層 204:相機感知層 206:定位引擎層 208:地圖融合和仲裁層 210:路線規劃層 212:感測器融合和道路世界模型（RWM）管理層 214:運動計畫和控制層 216:行為計畫和預測層 220:線傳控制（DBW）系統/控制單元 300:處理設備片上系統（SOC） 303:數位訊號處理器（DSP） 304:數據機處理器 305:專用電路（CAM） 306:影像和物件辨識處理器 307:行動顯示處理器（MDP） 308:應用處理器 310:輔助處理器 312:記憶體部件 314:類比和定製電路 316:系統部件和資源 317:資源和電源管理（RPM）處理器 318:時鐘 320:電壓調節器 324:互連/匯流排模組 402:自主車輛 404:周圍車輛 406:周圍車輛 408:周圍車輛 410:周圍車輛 412:周圍車輛 414:周圍車輛 416:周圍車輛 418:周圍車輛 602:周圍車輛 606:周圍車輛 702:引導車輛 704:第一車隊 706:尾隨車輛 710:第二車隊 712:引導車輛 714:後方車輛 718:區域 800:方法 802:方塊 804:方塊 900:方法 902:方塊 904:方塊 930:方塊 932:方塊 1000:方法 1004:方塊 1006:方塊 1008:方塊 1010:方塊 1012:方塊 1100:方法 1104:方塊 1106:方塊 1108:方塊 1112:方塊 1114:方塊 1200:方法 1205:方塊 1206:方塊 1207:方塊 1208:方塊 1210:方塊 1230:方法 1300:方法 1302:方塊 1304:方塊 1306:方塊 1308:方塊 1400:方法 1402:方塊 1404:方塊 1500:方法 1502:方塊 1504:方塊 1506:方塊 1508:方塊 1510:方塊 1512:方塊 1514:方塊

被併入本文並且構成本說明書一部分的附圖，圖示了本發明的示例性態樣，並且連同上面提供的概括描述以及下面提供的詳細描述一起來解釋本發明的特徵。

圖1A和圖1B是示出適合於實現各種實施例的車輛的部件方塊圖。

圖1C是示出適合於實現各種實施例的車輛的部件的部件方塊圖。

圖2是根據各種實施例，示出示例性車輛管理系統的部件的部件方塊圖。

圖3是根據各種實施例，示出用於在車輛中使用的示例性片上系統的部件的方塊圖，該示例性片上系統可以被配置為收集和分析感測器資訊。

圖4是包括自主車輛的六車道高速公路的圖示，該自主車輛被配置為根據各種實施例，使用基於車輛的通訊來彼此緊鄰地安全行駛以增加交通輸送量。

圖5是包括自主連接的車輛的六車道高速公路的圖示，這些車輛被配置為在手動駕駛汽車周圍維持增加的安全裕度。

圖6是包括自主連接的車輛的六車道高速公路的圖示，這些車輛被配置為清除道路以允許另一個車輛穿過它們或離開車隊。

圖7是包括自主連接的車輛的兩車道高速公路的圖示，這些車輛被配置成形成緊密組合的車隊並參加協調式駕駛參與。

圖8是根據實施例，示出基於偵測到的或估計的自主水平來影響自主車輛（或自主車輛車隊）的操作或駕駛行為的方法的處理流程圖。

圖9A和圖9B是根據一些實施例，示出基於所決定的其他周圍車輛的能力來調整自主車輛的行為/操作的方法的處理流程圖。

圖10和圖11是根據一些實施例，示出基於所決定的其他周圍車輛的能力來調整自主車輛的行為/操作的其他方法的處理流程圖。

圖12A和圖12B是根據一些實施例，示出回應於決定車輛將為自主車輛提供操作優勢，發起與另一個車輛的協調式駕駛參與的方法的處理流程圖。

圖13是根據實施例，示出若辨識的車輛將參加協調式駕駛參與，則決定該車輛是否將為自主車輛提供操作優勢的方法的處理流程圖。

圖14是根據實施例，示出若辨識的車輛將參加協調式駕駛參與，則決定該車輛是否將為自主車輛提供操作優勢的方法的處理流程圖。

圖15是根據實施例，示出決定附近車輛的自主水平或效能的方法的處理流程圖。

國內寄存資訊(請依寄存機構、日期、號碼順序註記) 無 國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記) 無

900:方法

902:方塊

904:方塊

930:方塊

Claims (30)

1. 一種控制一自主車輛的方法，包括以下步驟： 經由該自主車輛的一處理器，辨識在該自主車輛的一閾值距離內的一車輛； 決定該等所辨識的車輛之該每一者所辨識車輛的一自主能力度量；及 基於該等所辨識的車輛之該每一者所辨識車輛的該所決定自主能力度量來調整該自主車輛的一駕駛參數。
2. 根據請求項1之方法，其中決定該等所辨識的車輛之該每一者所辨識車輛的該自主能力度量包括決定該每個所辨識車輛的一自主水平。
3. 根據請求項1之方法，其中基於該每個所辨識車輛的該所決定自主能力度量來調整該自主車輛的該駕駛參數包括以下步驟： 調整該自主車輛與該等所辨識的車輛中的至少一個車輛之間要保持的一最小間隔距離。
4. 根據請求項3之方法，其中調整該自主車輛與該等所辨識的車輛中的該至少一個車輛之間要保持的該最小間隔距離包括以下步驟：基於該至少一個車輛的該自主能力度量和該至少一個車輛的行為模型來調整該最小間隔距離。
5. 根據請求項1之方法，其中基於該每個所辨識車輛的該所決定自主能力度量來調整該自主車輛的該駕駛參數包括以下步驟： 調整該自主車輛與該等所辨識的車輛中的至少一個車輛之間要保持的一最小跟隨距離。
6. 根據請求項5之方法，其中調整該自主車輛與該等所辨識的車輛中的該至少一個車輛之間要保持的該最小跟隨距離包括以下步驟：基於該至少一個車輛的該自主能力度量和該至少一個車輛的行為模型來調整該最小跟隨距離。
7. 根據請求項1之方法，其中基於該等所辨識的車輛之該每一者所辨識車輛的該所決定自主能力度量來調整該自主車輛的該駕駛參數包括以下中的一項或多項： 調整該自主車輛的一速度；或 調整該自主車輛改變速度的一加速度。
8. 根據請求項7之方法，其中調整該自主車輛的該速度或該自主車輛改變速度的該加速度包括以下步驟：基於該等所辨識的車輛中的至少一個車輛的該自主能力度量和該至少一個車輛的一行為模型來調整該速度或該加速度。
9. 根據請求項1之方法，其中決定該等所辨識的車輛之該每一者所辨識車輛的該自主能力度量包括以下步驟：從該等所辨識的車輛中的至少一個車輛接收該自主能力度量。
10. 根據請求項1之方法，其中辨識在該自主車輛的該閾值距離內的車輛包括以下步驟： 動態地決定適合於當前狀況的一閾值距離；及 辨識在該動態決定的閾值距離內的車輛。
11. 根據請求項1之方法，其中決定該等所辨識的車輛之該每一者所辨識車輛的該自主能力度量包括以下步驟：決定共同地辨識或預測一附近車輛的一自主水平或一效能能力的值。
12. 根據請求項11之方法，其中決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該等值包括經由以下中的一項或多項來決定該等值： 觀察該附近車輛的駕駛行為； 決定該附近車輛的計算或感測器能力；或 經由C-V2X通訊，接收關於該附近車輛的等級或認證的資訊。
13. 根據請求項12之方法，亦包括以下步驟：基於該所觀察到的駕駛行為，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該等值中的至少一個值，該所決定的至少一個值表示以下中的一項或多項： 車輛操作的一一致性、規律性或統一性； 未來車輛操作的一可預測性水平； 駕駛員的一侵略性程度； 該附近車輛追蹤一行車道的一中心的一程度； 每單位時間的駕駛錯誤次數； 遵守當地道路法規； 遵守安全規則； 該自主車輛的反應時間；或 該自主車輛對可觀察事件的回應性。
14. 根據請求項11之方法，亦包括以下步驟：基於該所決定的感測器能力，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該等值中的至少一個值，該所決定的至少一個值表示以下中的一項： 一感測器類型； 一感測器品牌或型號； 一感測器製造商； 在該附近車輛中操作的自主駕駛感測器的數量； 感測器精度；或 一或多個感測器的準確性。
15. 根據請求項11之方法，亦包括以下步驟：基於經由C-V2X通訊接收的資訊，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該值中的一或多個值，該一或多個值表示以下中的一項或多項： 一關鍵效能指標（KPI）； 一表面效能等級； 一天氣表現等級； 一車輛能力； 一車輛特徵； 一支援的演算法；或 一預測和控制策略。
16. 一種用於一車輛的處理器，其中該處理器配置有用於進行以下操作的處理器可執行指令： 辨識在該車輛的一閾值距離內的車輛； 決定該等所辨識的車輛之該每一者所辨識車輛的一自主能力度量；及 基於該等所辨識的車輛之該每一者所辨識車輛的該所決定自主能力度量來調整一駕駛參數。
17. 根據請求項16之處理器，其中該處理器亦配置有處理器可執行指令以經由決定每個所辨識車輛的一自主水平，來決定該等所辨識的車輛之該每一者所辨識車輛的該自主能力度量。
18. 根據請求項16之處理器，其中該處理器亦配置有處理器可執行指令以經由調整以下中的至少一項，基於每個所辨識車輛的該所決定自主能力度量來調整該車輛的該駕駛參數： 該車輛與該等所辨識的車輛中的至少一個車輛之間要保持的一最小間隔距離； 該車輛與該等所辨識的車輛中的該至少一個車輛之間要保持的一最小跟隨距離； 該車輛的一速度；或 該車輛改變速度的一加速度。
19. 根據請求項18之處理器，其中該處理器亦配置有用於進行以下操作的處理器可執行指令： 基於該至少一個車輛的該自主能力度量和該至少一個車輛的一行為模型來調整該最小間隔距離； 基於該至少一個車輛的該自主能力度量和該至少一個車輛的該行為模型來調整該最小跟隨距離； 基於該等所辨識的車輛中的該至少一個車輛的該自主能力度量和該至少一個車輛的該行為模型來調整該速度；或 基於該等所辨識的車輛中的該至少一個車輛的該自主能力度量和該至少一個車輛的該行為模型來調整該加速度。
20. 根據請求項16之處理器，其中該處理器亦配置有處理器可執行指令以經由從該等所辨識的車輛中的至少一個車輛接收該自主能力度量，來決定該等所辨識的車輛之該每一者所辨識車輛的該自主能力度量。
21. 根據請求項16之處理器，其中該處理器亦配置有處理器可執行指令以經由以下方式，辨識在該車輛的該閾值距離內的車輛： 動態地決定適合於當前狀況的一閾值距離；及 辨識在該動態決定的閾值距離內的車輛。
22. 根據請求項16之處理器，其中該處理器亦配置有處理器可執行指令以經由以下方式，決定該等所辨識的車輛之該每一者所辨識車輛的該自主能力度量：決定共同地辨識或預測一附近車輛的一自主水平或一效能能力的值。
23. 根據請求項22之處理器，其中該處理器亦配置有處理器可執行指令以經由憑藉以下中的一項或多項來決定該等值，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該值： 觀察該附近車輛的駕駛行為； 決定該附近車輛的計算或感測器能力；或 經由C-V2X通訊，接收關於該附近車輛的等級或認證的資訊。
24. 根據請求項23之處理器，其中該處理器亦配置有處理器可執行指令以經由決定表示以下中的一項或多項的值，基於該所觀察到的駕駛行為，來決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該值： 車輛操作的一一致性、規律性或統一性； 未來車輛操作的一可預測性水平； 駕駛員的一侵略性程度； 該附近車輛追蹤一行車道的一中心的一程度； 每單位時間的駕駛錯誤次數； 遵守當地道路法規； 遵守安全規則； 該車輛的反應時間；或 該車輛對可觀察事件的回應性。
25. 根據請求項23之處理器，其中該處理器亦配置有處理器可執行指令以經由決定表示以下中的一項或多項的值，基於該所決定的感測器能力，來決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該值： 一感測器類型； 一感測器品牌或型號； 一感測器製造商； 在該附近車輛中操作的自主駕駛感測器的數量； 感測器精度；或 一或多個感測器的準確性。
26. 根據請求項23之處理器，其中該處理器亦配置有處理器可執行指令以經由決定表示以下中的一項或多項的一值，基於經由C-V2X通訊接收的資訊，決定共同地辨識或預測該附近車輛的該自主水平或該效能能力的該等值： 一關鍵效能指標（KPI）； 一表面效能等級； 一天氣表現等級； 一車輛能力； 一車輛特徵； 一支援的演算法；或 一預測和控制策略。
27. 一種儲存有處理器可執行指令的非臨時性處理器可讀儲存媒體，該處理器可執行指令被配置為使一自主車輛的一處理器執行包括以下的操作： 辨識在該自主車輛的一閾值距離內的車輛； 決定該等所辨識的車輛之該每一者所辨識車輛的一自主能力度量；及 基於該等所辨識的車輛之該每一者所辨識車輛的該所決定自主能力度量來調整該自主車輛的一駕駛參數。
28. 一種車輛，包括： 用於辨識在一閾值距離內的車輛的單元； 用於決定該等所辨識的車輛之該每一者所辨識車輛的一自主能力度量的單元；及 用於基於該等所辨識的車輛之該每一者所辨識車輛的該所決定自主能力度量來調整該車輛的一駕駛參數的單元。
29. 根據請求項28之車輛，其中用於決定該等所辨識的車輛之該每一者所辨識車輛的一自主能力度量的單元包括：用於基於以下中的一項或多項來決定共同地辨識或預測一附近車輛的一自主水平或效能能力的值的單元： 觀察該附近車輛的駕駛行為； 決定該附近車輛的計算或感測器能力；或 經由C-V2X通訊，接收關於該附近車輛的等級或認證的資訊。
30. 根據請求項28之車輛，其中用於決定該等所辨識的車輛之該每一者所辨識車輛的一自主能力度量的單元包括：用於基於經由C-V2X通訊接收的資訊，決定共同地辨識或預測一附近車輛的一自主水平或一效能能力的一或多個值的單元，該一或多個值表示以下中的一項或多項： 一關鍵效能指標（KPI）； 一表面效能等級； 一天氣表現等級； 一車輛能力； 一車輛特徵； 一支援的演算法；或 一預測和控制策略。

Images