CN105023451A - 驾驶场景预测和自动车辆设置调整 - Google Patents
驾驶场景预测和自动车辆设置调整 Download PDFInfo
- Publication number
- CN105023451A CN105023451A CN201510178298.XA CN201510178298A CN105023451A CN 105023451 A CN105023451 A CN 105023451A CN 201510178298 A CN201510178298 A CN 201510178298A CN 105023451 A CN105023451 A CN 105023451A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- band
- driving scene
- rule
- 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
- 238000000034 method Methods 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 33
- 230000013011 mating Effects 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 abstract 1
- 230000001133 acceleration Effects 0.000 description 19
- 230000008859 change Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000002360 explosive Substances 0.000 description 4
- 238000004904 shortening Methods 0.000 description 4
- 239000000725 suspension Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000721701 Lynx Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
- B60W10/11—Stepped gearings
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
- B60W10/184—Conjoint control of vehicle sub-units of different type or different function including control of braking systems with wheel brakes
- B60W10/188—Conjoint control of vehicle sub-units of different type or different function including control of braking systems with wheel brakes hydraulic brakes
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/22—Conjoint control of vehicle sub-units of different type or different function including control of suspension systems
-
- 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
- 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
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及驾驶场景预测和自动车辆设置调整。公开了一种车辆处理器,所述车辆处理器可包括:在车辆在位置区域内沿行驶路径的行驶期间追踪车辆输入;将车辆输入与规则的条件进行匹配,使得当车辆输入与所述条件相匹配时,具有与规则相对应的类型的驾驶场景指示被与位置区域进行关联;基于所述驾驶场景指示来更新与位置区域相关联的位置需求标识符。所述车辆处理器还可识别针对正接近的位置区域的位置需求标识符,其中,所述位置需求标识符根据满足识别驾驶场景的规则且指示发生驾驶场景的可能性级别的车辆输入而被确定;当位置需求标识符超过车辆敏感级别时,向车辆提供设置更新,以提高车辆在发生驾驶场景期间的可操作性。
Description
技术领域
本公开总体上涉及预测沿车辆行驶路径的驾驶场景,并根据预测的驾驶场景来自动应用针对车辆设置的预期改变。
背景技术
可通过连接的服务或内置地图来确定关于车辆行驶路径的信息。例如,车辆可识别行驶路径信息(诸如,速度限制、道路特征和交通状况),并可使用这些信息来找到对于驾驶员安全性和便捷性来说最佳的车辆设置。然而,实施这样的连接的服务和内置地图是昂贵的且可能不总可用。
发明内容
在第一示意性实施例中,一种***包括:车辆处理器,被配置为:在车辆在位置区域内沿行驶路径的行驶期间追踪车辆输入;将车辆输入与规则的条件进行匹配,使得当车辆输入与规则的条件相匹配时,具有与规则相对应的类型的驾驶场景指示被与位置区域进行关联;基于所述驾驶场景指示来更新与位置区域相关联的位置需求标识符。
在第二示意性实施例中,一种***包括:车辆处理器,被配置为:识别针对正接近的位置区域的位置需求标识符,其中,所述位置需求标识符根据满足识别驾驶场景的规则且指示发生驾驶场景的可能性级别的车辆输入而被确定;当位置需求标识符超过车辆敏感级别时,向车辆提供设置更新,以提高车辆在发生驾驶场景期间的可操作性。
根据本发明的一个实施例,在所述***中,车辆处理器还可被配置为:根据驾驶场景的类型来确定包括设置更新的预期改变。
根据本发明的一个实施例,在所述***中,设置更新可基于将驾驶场景的类型与包括以下项中的至少三个的预期改变的配置进行比较:(i)驾驶场景的类型为高加速度需求,且预期改变包括:请求车辆发动机起/停***起动车辆的内燃发动机;(ii)驾驶场景的类型为高制动需求,且预期改变包括:请求车辆制动***预先施加制动器压力;(iii)驾驶场景的类型为十字路口操控,且预期改变包括以下项中的至少一个:请求车辆制动***预先施加制动器压力和请求车辆悬挂***调整悬挂特征;(iv)驾驶场景的类型为并线操控,且预期改变包括以下项中的至少一个:请求车辆悬挂***调整悬挂特征和请求车辆传动装置调至低速档;(v)驾驶场景的类型为崎岖不平的道路,且预期改变包括请求车辆悬挂***调整悬挂特征。
根据本发明的一个实施例,在所述***中,车辆处理器还可被配置为基于驾驶场景来确定车辆敏感级别。
根据本发明的一个实施例,在所述***中,车辆处理器还可被配置为:追踪车辆在位置区域内沿行驶路径的行驶期间的车辆输入;通过将车辆输入与规则进行匹配来分析车辆输入,使得当车辆输入与规则的条件相匹配时,具有与规则相对应的类型的驾驶场景指示被与位置区域进行关联;基于对所述驾驶场景指示和从车辆先前沿行驶路径的行驶而确定的驾驶场景指示的加权处理,更新与位置区域相关联的位置需求标识符。
根据本发明的一个实施例,在所述***中,所述加权处理可利用衰减系数,其中,在计算位置需求标识符的过程中,与从较早的沿行驶路径的行驶确定的驾驶场景指示相比,衰减系数将较大的权重赋予从较新的沿行驶路径的行驶确定的驾驶场景指示。
在第三示意性实施例中,一种方法包括:识别针对正接近的位置区域的位置需求标识符,其中,所述位置需求标识符根据满足识别驾驶场景的规则且指示发生驾驶场景的可能性级别的车辆输入而被确定;当位置需求标识符超过车辆敏感级别时,由车辆处理器向车辆提供设置更新,以提高车辆在发生驾驶场景期间的可操作性。
根据本发明的一个实施例,在所述方法中,车辆处理器还可被配置为根据驾驶场景的类型来确定用于设置更新的预期改变。
根据本发明的一个实施例,在所述方法中,车辆处理器还可被配置为:基于驾驶场景来确定车辆敏感级别。
根据本发明的一个实施例,在所述方法中,车辆处理器还可被配置为:追踪车辆在位置区域内沿行驶路径的行驶期间的车辆输入;通过将车辆输入与规则进行匹配来分析车辆输入,使得当车辆输入与规则的条件相匹配时,具有与规则相对应的类型的驾驶场景指示被与位置区域进行关联;基于对所述驾驶场景指示和从车辆先前沿行驶路径的行驶而确定的驾驶场景指示的加权处理,更新与位置区域相关联的位置需求标识符。
根据本发明的一个实施例,在所述方法中,所述加权处理可利用衰减系数,其中,在计算位置需求标识符的过程中,与从较早的沿行驶路径的行驶确定的驾驶场景指示相比,衰减系数将较大的权重赋予从较新的沿行驶路径的行驶确定的驾驶场景指示。
附图说明
图1示出实现基于用户交互式车辆的计算***的车辆信息娱乐***的示例性方框拓扑图;
图2示出用于预测性的驾驶需求和场景识别的***的示例性框图;
图3示出包括穿过位置区域的车辆的行驶路径的示例性地图,其中,可针对位置区域确定驾驶场景指示;
图4A示出示例性的高加速度需求可能性地图;
图4B示出示例性的高制动需求可能性地图;
图4C示出示例性的十字路口可能性地图;
图4D示出示例性的并线可能性地图;
图5示出用于确定与位置区域相关联的位置需求标识符的示例性处理;
图6示出用于基于对与位置需求标识符相关联的位置区域的识别来执行设置更新以提供针对车辆设置的预期改变的示例性处理。
具体实施方式
根据需要,在此公开本发明的详细实施例;然而,将理解的是,所公开的实施例仅仅是本发明的示例,其中,本发明可以以各种替代形式来实现。附图无需按比例绘制;一些特征可被放大或最小化以示出特定组件的细节。因此,在此公开的具体结构和功能细节不会被解释为具有限制性,而仅仅是用于教导本领域技术人员以多种形式实施本发明的代表性基础。
预测性驾驶控制***可被配置为:基于对车辆进入与先前得知的对较高驾驶员需求的指示相关联的区域的识别,执行针对车辆设置的预期改变。例如,这些车辆设置更新可提高车辆在预期的即将到来的驾驶场景期间的可操作性。作为一些示例,根据即将到来的驾驶场景的类型,车辆可自动地对制动器预加压、上紧悬挂设置或重新起动内燃发动机。
***可被配置为基于被应用到定义各种驾驶场景的预定义规则的输入(诸如,驾驶员行为、车辆状态和/或车辆环境状况)来预测驾驶场景。例如,***可被配置为将预定义规则应用到车辆在位置区域内沿行驶路径的行驶期间收集的车辆输入,使得对规则的满足允许***识别出在位置区域(例如,急弯、十字路口、崎岖不平的道路等)内经历了由规则定义的特定驾驶场景。
***可还被配置为基于针对位置区域的先前确定的驾驶场景来确定位置需求指示。例如,该***可被配置为基于在位置区域内驾驶场景的发生频率来确定驾驶场景再次发生的可能性。相应地,该***可基于先前计算的场景发生来预测预期的驾驶需求,而不是仅仅响应于当前驾驶状况。因为较高驾驶员需求可与再次发生的可能性相对高的驾驶场景相关,所以这种方法会是有效的。作为一示例,由于道路几何形状而具有高驾驶员需求的位置区域往往会由于驾驶员沿道路后继行驶而再次发生。
此外,因为驾驶需求和场景基于车辆的特定驾驶员而被计算,所以预测的驾驶场景可针对驾驶员的特定驾驶行为而被个性化。因此,该***可被配置为:使用与车辆正在进入的区域相关联的预测的驾驶场景和需求,提供对即将到来的驾驶场景的个性化预测,并通过响应于驾驶员的特定驾驶风格对设置进行自动调整来提供对即将到来的驾驶场景的缓和。
图1示出用于车辆31的基于车辆的计算***(VCS)1的示例方框拓扑图。这种基于车辆的计算***1的示例为由福特汽车公司制造的SYNC***。启用基于车辆的计算***的车辆可包含位于车辆中的可视前端界面4。如果所述界面设置有例如触敏屏幕,则用户可还能够与所述界面进行交互。在另一示意性实施例中,通过按钮按压、具有自动语音识别和语音合成的口语对话***来进行交互。
在图1中所示的示意性实施例1中,处理器3控制基于车辆的计算***的至少一部分操作。设置在车辆内的处理器允许对命令和例程进行车载(onboard)处理。另外,处理器被连接到非持久性存储器5和持久性存储器7两者。在此示意性实施例中,非持久性存储器是随机存取存储器(RAM),持久性存储器是硬盘驱动器(HDD)或闪存。一般说来,持久性(非暂时性)存储器可包括当计算机或其他装置掉电时保持数据的所有形式的存储器。这些存储器包括但不限于:HDD、CD、DVD、磁带、固态驱动器、便携式USB驱动器和任何其他适当形式的持久性存储器。
处理器还设置有允许用户与处理器以接口互联的若干不同的输入。在此示意性实施例中,麦克风29、辅助输入25(用于输入33)、USB输入23、GPS输入24、屏幕4(可为触摸屏显示器)和蓝牙输入15全部被设置。还设置有输入选择器51,以允许用户在各种输入之间进行切换。对于麦克风和辅助连接器两者的输入在被传送到处理器之前,由转换器27对所述输入进行模数转换。尽管未示出,但是与VCS进行通信的众多车辆组件和辅助组件可使用车辆网络(诸如但不限于CAN总线)向VCS(或其组件)传送数据并传送来自VCS(或其组件)的数据。
***的输出可包括但不限于可视显示器4以及扬声器13或立体声***输出。扬声器被连接到放大器11并通过数模转换器9从处理器3接收其信号。还可分别沿19和21所示的双向数据流进行到远程蓝牙装置(诸如PND 54)或USB装置(诸如车辆导航装置60)的输出。
在一示意性实施例中,***1使用蓝牙收发器15与用户的移动装置53(例如,蜂窝电话、智能电话、PDA或具有无线远程网络连接能力的任何其他装置)进行通信(17)。移动装置随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中,蜂窝塔57可以是WiFi接入点。
移动装置与蓝牙收发器之间的示例性通信由信号14表示。
可通过按钮52或类似的输入来指示将移动装置53与蓝牙收发器15进行配对。相应地,指示CPU使得车载蓝牙收发器将与移动装置中的蓝牙收发器进行配对。
可利用例如与移动装置53关联的数据计划(data-plan)、话上数据(dataover voice)或DTMF音在CPU 3与网络61之间传送数据。可选地,可期望包括具有天线18的车载调制解调器63以便在CPU 3与网络61之间通过语音频带传送数据(16)。移动装置53随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中,调制解调器63可与蜂窝塔57建立通信(20),以与网络61进行通信。作为非限制性示例,调制解调器63可以是USB蜂窝调制解调器,并且通信20可以是蜂窝通信。
在一示意性实施例中,处理器设置有包括用于与调制解调器应用软件进行通信的API的操作***。调制解调器应用软件可访问蓝牙收发器上的嵌入式模块或固件,以完成与(诸如设置在移动装置中的)远程蓝牙收发器的无线通信。蓝牙是IEEE 802PAN(个域网)协议的子集。IEEE 802LAN(局域网)协议包括WiFi并与IEEE 802PAN具有相当多的交叉功能。两者都适合于车辆内的无线通信。可在这一范围使用的另一通信方式是自由空间光通信(诸如IrDA)和非标准化消费者红外IR协议。
在另一实施例中,移动装置53包括用于语音频带或宽带数据通信的调制解调器。在话上数据的实施例中,当移动装置的所有者可在数据被传送的同时通过装置说话时,可实施已知为频分复用的技术。在其他时间,当所有者没有在使用装置时,数据传送可使用整个带宽(在一示例中是300Hz至3.4kHz)。尽管频分复用对于车辆与互联网之间的模拟蜂窝通信而言会是常见的并仍在被使用,但其已经很大程度上被用于数字蜂窝通信的码域多址(CDMA)、时域多址(TDMA)、空域多址(SDMA)的混合体所替代。这些都是ITU IMT-2000(3G)兼容的标准,为静止或行走的用户提供高达2mbs的数据速率,并为在移动的车辆中的用户提供高达385kbs的数据速率。3G标准现在正被高级IMT(4G)所替代,其中,所述高级IMT(4G)为在车辆中的用户提供100mbs的数据速率并为静止的用户提供1gbs的数据速率。如果用户具有与移动装置关联的数据计划,则所述数据计划可允许宽带传输且***可使用宽得多的带宽(加速数据传送)。在另一实施例中,移动装置53被安装至车辆31的蜂窝通信装置(未示出)所替代。在又一实施例中,移动装置(ND)53可以是能够通过例如(而非限制)802.11g网络(即WiFi)或WiMax网络进行通信的无线局域网(LAN)装置。
在一实施例中,传入数据可经由话上数据或数据计划而经过移动装置,进而经过车载蓝牙收发器,并进入车辆的内部处理器3。例如,在某些临时数据的情况下,数据可被存储在HDD或其他存储介质7上,直至不再需要所述数据时为止。
可与车辆以接口互联的另外的源包括:具有例如USB连接56和/或天线58的个人导航装置54、具有USB 62或其他连接的车辆导航装置60、车载GPS装置24、或与网络61连接的远程导航***(未示出)。USB是一类串行联网协议中的一种。IEEE 1394(火线TM(苹果)、i.LINKTM(索尼)和LynxTM(德州仪器))、EIA(电子工业协会)串行协议、IEEE 1284(Centronics端口)、S/PDIF(索尼/飞利浦数字互连格式)和USB-IF(USB开发者论坛)形成了装置-装置串行标准的骨干。多数协议可针对电通信或光通信来实施。
此外,CPU可与各种其他的辅助装置65进行通信。这些装置可通过无线连接67或有线连接69来连接。辅助装置65可包括但不限于个人媒体播放器、无线保健装置、便携式计算机等。
此外或可选地,可使用例如WiFi(IEEE 803.11)收发器71将CPU连接到基于车辆的无线路由器73。这可允许CPU在本地路由器73的范围中连接到远程网络。
除了具有由位于车辆中的车辆计算***执行的示例性处理之外,在某些实施例中,还可由与车辆计算***通信的计算***来执行示例性处理。这样的***可包括但不限于:无线装置(例如但不限于移动电话)或通过无线装置连接的远程计算***(例如但不限于服务器)。总体上,这样的***可被称为与车辆关联的计算***(VACS)。在某些实施例中,VACS的特定组件可根据***的特定实施而执行处理的特定部分。作为示例而并非限制的方式,如果处理具有与配对的无线装置发送或者接收信息的步骤,则很可能无线装置没有在执行该处理,这是因为无线装置不会与自身进行信息的“发送和接收”。本领域的普通技术人员将理解何时不适合对给定解决方案应用特定的VACS。在所有解决方案中,预期至少位于车辆自身内的车辆计算***(VCS)能够执行示例性处理。
图2示出用于预测性的驾驶需求和场景识别的***的示例性框图200。示例性***的模块可由车辆31的一个或更多个处理器或微处理器(诸如,VCS 1的CPU 3)来实现,其中,所述一个或更多个处理器或微处理器被配置为执行存储在车辆31的一个或更多个存储装置(诸如,存储器5和7)上的固件和软件。正如所示出的,***包括驾驶需求和场景识别模块210,其中,驾驶需求和场景识别模块210被配置为接收包括驾驶员活动202、车辆状态204、车辆环境206和位置信息208的信息,并基于接收的输入来利用规则集212确定驾驶场景指示214。***还包括可能性学习模块216,其中,可能性学习模块216被配置为接收由驾驶需求和场景识别模块210确定的驾驶场景指示214,并对驾驶场景指示214进行加权,以确定位置需求标识符218。***还包括自调整预测性驾驶需求模块222,其中,自调整预测性驾驶需求模块222被配置为从可能性学习模块216接收位置需求标识符218,并利用敏感级别220来确定即将到来的高需求位置。***还包括个性化驾驶员适应模块224,其中,个性化驾驶员适应模块224被配置为:响应于驾驶员的特定驾驶风格和位置需求标识符218的类型,从自调整预测性驾驶需求模块222接收对即将到来的高需求的确定,并自动地将设置更新226应用到车辆31***,以提高车辆可操作性。应注意到的是,在框图200中示出的模块化为示例性的,且可使用包括更多、更少或不同地划分的模块的元件的其他布置和结合。
驾驶需求和场景识别模块210可被配置为基于输入(诸如,驾驶员活动202、车辆状态204、车辆环境206和位置信息208)来识别当前车辆31正在经历的驾驶场景指示214。驾驶员活动202可包括描述由驾驶员向车辆31提供的输入的信息。例如,驾驶员活动202可包括诸如方向盘角和踏板输入的信息。车辆状态204可包括描述当前车辆31状态的信息。例如,车辆状态204可包括诸如车辆31的纵向加速度、车辆31的横向加速度和车辆31横摆率的信息。车辆环境206可包括描述当前环境的信息,其中,车辆31可在当前环境下进行操作。例如,车辆环境206可包括诸如天气状况、一周中的周几和一天中的时刻的信息。位置信息208可包括描述车辆31的当前位置的信息。例如,位置信息208可根据向CPU 3的GPS输入24提供的信息而被确定。作为另一示例,位置信息208可根据连接到VCS 1的移动装置53的位置识别特征而被接收。作为一可行方式,诸如驾驶员活动202、车辆状态204、车辆环境206中的一个或更多个方面的输入可经由车辆31总线(例如,车辆控制器局域网(CAN)总线)被取得。作为一些其他可行方式,输入可从辅助传感器(例如,辅助纵向位置传感器和辅助横向位置传感器)被取得,或者,可从与车辆总线分离的车辆31***(诸如,从车辆31的安全性控制***或稳定性控制***)被取得。
驾驶需求和场景识别模块210可被配置为利用规则集212来帮助根据接收的输入(例如,驾驶员活动202、车辆状态204、车辆环境206、位置信息208等)确定驾驶场景指示214。驾驶需求和场景识别模块210可被配置为:基于接收的输入,将接收的输入与一个或更多个***规则212进行匹配。每个规则212被定义为表示一种车辆31的当规则212的条件与输入匹配时的驾驶场景指示214。用于识别驾驶场景指示214的示例性规则集212在表1中被示出:
表1
应注意到的是,用于定义驾驶场景的规则212的特定阈值可根据传感器数据以及车辆31的特定模型和类型来改变或以其他方式被调整。
图3示出包括穿过位置区域304的车辆31的行驶路径302的示例性地图300,其中,可针对位置区域304确定驾驶场景指示214。正如所示出的,位置区域304由纬度范围306和经度范围308来界定。此外,正如所示出的,行驶路径302在行驶路径302与位置区域304的位于点(A)的交叉点处进入位置区域304,沿线段(B)穿过位置区域304,并在行驶路径302与位置区域304的位于点(C)的另一交叉点处离开位置区域304。基于接收的输入的位置信息208,驾驶需求和场景识别模块210可识别车辆31当前所在的当前位置区域304(例如,由纬度范围306和经度范围308来界定的区域)。
驾驶需求和场景识别模块210可基于试图将接收的输入与示例性规则集212进行匹配来确定关于行驶路径302的驾驶场景指示214。驾驶需求和场景识别模块210可被配置为:当在同一位置区域304内行驶或以其他方式位于同一位置区域304时,驾驶需求和场景识别模块210存储从***收集的接收的输入。驾驶需求和场景识别模块210可被配置为:之后,诸如当由驾驶需求和场景识别模块210确定车辆已经(例如,在点(C)处)离开位置区域304时,根据规则212来分析存储的输入,以确定是否应该将任何驾驶场景指示214与位置区域304进行关联。
驾驶需求和场景识别模块210可试图将沿行驶路径302收集的输入与规则集212进行匹配。当找到匹配时,驾驶需求和场景识别模块210可将位置区域304与对应的驾驶场景指示214进行关联。
作为一示例,为了识别位置区域304是否应该与十字路口操控相关联,驾驶需求和场景识别模块210可计算关于沿线段(B)穿过位置区域304的行驶路径302的横摆角,并可确定横摆角是否大约为90度。如果驾驶需求和场景识别模块210确定横摆角大约为90度,则驾驶需求和场景识别模块210可将位置区域304与十字路口操控驾驶场景指示214进行关联。
作为另一示例,为了确定位置区域304是否应该与并线操控相关联,驾驶需求和场景识别模块210可确定在车辆状态204信息中包括的横向车辆运动信息是否超过表示并线动作的横向运动的阈值量,以及与车辆在点(C)处的速度与在点(A)处的速度的差值是否超过在速度上的阈值差。如果驾驶需求和场景识别模块210确定准则匹配,则驾驶需求和场景识别模块210可将位置区域304与并线操控驾驶场景指示214进行关联。
驾驶需求和场景识别模块210还可被配置为对匹配的驾驶场景指示214进行标记,或以其他方式将匹配的驾驶场景指示214与指示当前车辆31位置的位置信息208进行关联,并将驾驶场景指示214发送到可能性学习模块216。
参照回图2,可能性学习模块216可被配置为:接收由驾驶需求和场景识别模块210确定的驾驶场景指示214,并通过基于发生频率执行可能性调整来确定关于驾驶场景指示214的位置需求标识符218。例如,可能性学习模块216可被配置为:当在特定位置区域304(i)中的特定类型的驾驶场景指示214被识别出时,识别包括GPS位置的GPS坐标的GPS位置范围,并如下所述地确定关于GPS位置范围的初始可能性:
Li(GPSlat,GPSlong)=p0,i=1,...,n (1)
其中,Li为在特定位置处的可能性,GPSlat为计算可能性的纬度范围,GPSlong为计算可能性的经度范围,n为被识别出的位置的数量,p0为初始可能性。可能性学习模块216可还被配置为存储与位置区域304的GPS位置范围或其他指示相关联的初始可能性。
可能性学习模块216还可被配置为接收由驾驶需求和场景识别模块210确定的附加的驾驶场景指示214。当可能性学习模块216确定在特定位置区域304(i)中的另一驾驶场景指示214(例如,由于驾驶场景指示214与Li的GPS坐标的相同或相似的范围相关联)被识别出,且此外,相同的驾驶场景指示214被再次识别出时,可能性学习模块216可如下所述地更新关于GPS位置范围的可能性:
Li+1(GPSlat,GPSlong)=α·Li+(1-α)·p0,i=1,...,n (2)
其中,α为衰减系数,使得在计算可能性的过程中,较新的驾驶场景指示214被赋予较大的权重。如果针对特定位置区域304(i)识别出不同的驾驶场景指示214,则可能性学习模块216可改为如下所述地更新关于GPS位置范围的可能性:
Li+1(GPSlat,GPSlong)=α·Li,i=1,...,n (3)
其中,同样的,α为在计算可能性的过程中使近期的值比较早的值具有较大的权重的衰减系数。
作为另一可行方式,可针对等式(2)中的p0选择可能性常数,形式如下:
其中,γ为在针对GPS位置范围初始化可能性值期间使用的初始加权因子,α为针对GPS位置更新可能性值期间使用的更新加权因子。
可能性学习模块216可被配置为:当Li超过最小阈值时,通过将位置需求标识符218与位置区域304进行关联来将位置区域304指定为高驾驶需求位置。关联的位置需求标识符218可还包括或以其他方式引用计算出的高可能性值Li。例如,每当可能性Li达到指定的最小级别时,可能性学习模块216可将对应的位置视为与足够大的关于高驾驶需求的可能性相关联,以使位置区域304与驾驶场景指示214相关联。另一方面,如果Li低于阈值级别,则可能性学习模块216可去除与位置区域304相关联的任何驾驶场景指示214,以节省存储容量并去除不必要的位置需求标识符218。
图4A至图4D均示出包括与地图400的位置区域304相关联的驾驶场景指示214的示例性可能性地图400。每个可能性地图400可由可能性学习模块216基于可能性计算来确定,其中,可能性计算由可能性学习模块216通过对根据车辆31沿行驶路径302的行驶而确定的驾驶场景指示214进行加权来确定。
图4A示出示例性的高加速度需求可能性地图400-A。正如所示出的,高加速度需求可能性地图400-A包括位置需求标识符218,其中,基于将由于车辆31沿行驶路径302行驶而接收的输入与高加速度需求规则212的条件进行匹配来确定位置需求标识符218。车辆31的行驶路径302可穿过多个位置区域304,例如,车辆31的行驶路径302可包括沿当地的地面街道、主干道和高速公路中的一条或更多条行驶。在一些情况下,高加速度位置需求标识符218可基于车辆31沿行驶路径302的单次或初次行驶而被学习,但在其他情况下,至少一些位置需求标识符218可根据车辆31沿部分或全部的行驶路径302的再次行驶而被更新。
正如所示出的,包括相对较高的位置需求标识符218的位置区域304在高加速度可能性曲线400-A中以实线表示,而包括相对低的位置需求标识符218的位置区域304以虚线表示。特别地,高加速度可能性地图400-A的与高加速度需求规则212相匹配的位置区域304包括直线道路部分。
尽管在地图400-A中仅呈现了两个级别的位置需求标识符218,但是应注意到的是,在许多示例中,多于两个的可能性级别可用于与位置区域304进行关联。例如,同较少次车辆31行驶与高加速度需求规则212相匹配的位置区域304相比,多次车辆31行驶与高加速度需求规则212相匹配的位置区域304可与较高级别的可能性进行关联。此外,如关于等式(1)到等式(4)的上述讨论,在计算与位置区域304相关联的可能性的级别时,在时间上较新的与高加速度需求规则212的匹配可被赋予较大的权重。
应注意到的是,所示出的位置区域304的数量、大小和布局仅仅是示例性的。例如,也可使用更大的位置区域304、更小的位置区域304和具有不同布局的位置区域304。作为另一示例,每个位置区域304无需具有相同形状、大小或围绕同一地区。还应注意到的是,位置区域304的大小应被设定为使得位置区域304提供适当的分辨率以对道路特征(诸如,十字路口、高速公路和住宅区街道)进行区分。与此同时,位置区域304不应极其小,以致位置区域304仅覆盖部分特征(例如,仅90度转弯的一部分)且无法可靠地与规则212相匹配,或者太小,以致无法针对应该应用相同位置需求标识符218的邻近路段提供足够的预测值。
图4B示出示例性的高制动需求可能性地图400-B。正如所示出的,高制动需求可能性曲线400-B包括位置需求标识符218,其中,基于将由于车辆31沿行驶路径302行驶而接收的输入与高制动需求规则212的条件进行匹配来确定位置需求标识符218。与关于地图400-A的上述讨论类似,针对每个位置区域304,如果可能性学习模块216确定由于车辆在位置区域304内行驶而接收的输入与高制动需求规则212的条件相匹配,则可能性学习模块216可将对应于高制动需求规则212的相对较高的可能性位置需求标识符218与对应的位置区域304相关联。特别地,高制动可能性地图400-B的与高制动需求规则212相匹配的位置区域304包括:包括转弯和路径端点的道路部分。
图4C示出示例性的十字路口可能性地图400-C。正如所示出的,十字路口可能性曲线400-C包括位置需求标识符218,其中,基于将由于车辆31沿行驶路径302行驶而接收的输入与十字路口操控规则212的条件进行匹配来确定位置需求标识符218。与关于地图400-A的上述讨论类似,针对每个位置区域304,如果可能性学习模块216确定由于车辆在位置区域304内行驶而接收的输入与十字路口操控规则212的条件相匹配,则可能性学习模块216可将对应于十字路口操控规则212的相对较高的可能性位置需求标识符218与对应的位置区域304相关联。特别地,十字路口可能性地图400-C的与十字路口操控规则212相匹配的位置区域304包括:包括大约90度的转弯的道路部分。
图4D示出示例性的并线可能性地图400-D。正如所示出的,并线可能性曲线400-D包括位置需求标识符218,其中,基于将由于车辆31沿行驶路径302行驶而接收的输入与并线操控规则212的条件进行匹配来确定位置需求标识符218。与关于地图400-A的上述讨论类似,针对每个位置区域304,如果可能性学习模块216确定由于车辆在位置区域304内行驶而接收的输入与并线操控规则212的条件相匹配,则可能性学习模块216可将对应于并线操控规则212的相对较高的可能性位置需求标识符218与对应的位置区域304相关联。特别地,并线可能性地图400-D的与并线操控规则212相匹配的位置区域304包括:包括横向车辆31运动和车辆31速度改变的道路部分。
参照回图2,可能性学习模块216可向自调整预测性驾驶需求模块222提供位置需求标识符218。自调整预测性驾驶需求模块222可接收位置需求标识符218,并可向个性化驾驶员适应模块224提供关于即将到来的高需求和场景状况的预测信息以重新配置车辆31。例如,自调整预测性驾驶需求模块222可被配置为:当自调整预测性驾驶需求模块222确定与位置区域304相关联的位置需求标识符218的可能性Li达到或超过指定的可调敏感级别220(例如,0.85,在最高敏感级别220为1的情况下)时,将对应的位置区域304视为高驾驶需求位置。应注意到的是,敏感级别220可根据位置需求标识符218的类型而变化。例如,针对类型相对而言较为一致的位置需求标识符218(例如,诸如十字路口附近的道路特征),由于位置需求标识符218具有较高准确性,可利用相对较高的敏感级别220。相反地,针对类型相对而言不太一致类型的位置需求标识符218(例如,加速度可能性与驾驶员的风格一致),较低阈值会是有益的。
自调整预测性驾驶需求模块222可被配置为使得下述信息对于个性化驾驶员适应模块224可用:关于哪个位置区域304达到或超过针对每种类型的驾驶场景指示214的指定的可调敏感级别220的信息。例如,自调整预测性驾驶需求模块222可识别哪个位置区域304可能由于存在并线状况而需要较高驾驶员需求,并还可识别哪个位置区域304可能由于制动需要的高可能性而需要较高驾驶员需求。
个性化驾驶员适应模块224可被配置为基于对需要较高驾驶员注意力的地区的历史识别来执行针对车辆设置的预期改变以提高可操作性。例如,个性化驾驶员适应模块224可被配置为:当车辆接近被自调整预测性驾驶需求模块222识别为需要较高驾驶员需求的位置区域304时,个性化驾驶员适应模块224应用设置更新226来自动地将车辆置于强化设置,以提高车辆针对特定可能类型的驾驶状况的可操作性。
例如,个性化驾驶员适应模块224可被配置为:当个性化驾驶员适应模块224确定车辆31正在接近与高加速度需求相关联的位置区域304时,向车辆发动机起/停***请求起动内燃发动机,从而缩短车辆31对来自车辆31驾驶员的可能的加速度请求作出响应的延时。作为另一示例,个性化驾驶员适应模块224可被配置为:当个性化驾驶员适应模块224确定车辆31正在接近与高制动需求场景相关联的位置区域304时,请求车辆31制动***预先施加制动器压力,从而缩短车辆31对来自车辆31驾驶员的可能的制动请求作出响应的延时。类似地,个性化驾驶员适应模块224可被配置为自动地更新其他车辆31设置(诸如,转向和悬挂设置),从而(例如,通过上紧悬挂设置和对制动器进行预加压)提升车辆31对可能的在执行十字路口操控时的驾驶员输入的响应,(例如,通过上紧悬挂设置、将车辆31传动装置调至低速档等)提升车辆31对可能的在执行并线操控时的驾驶员输入的响应,或者(例如,通过增大悬挂的净空高度或增大阻尼)提高车辆31对可能的在沿崎岖不平的道路行驶时的驾驶员输入的响应。
图5示出用于确定与位置区域304相关联的位置需求标识符218的示例性处理500。例如,处理500可由一个或更多个车辆31控制器(诸如,VCS 1)来执行。
在方框502,车辆31接收指示当前位置区域304的位置信息208。例如,位置信息208可根据向CPU 3的GPS输入24提供的信息,经由车辆31总线或以其他方式从车辆***被取得。基于接收的输入的位置信息208,驾驶需求和场景识别模块210可识别车辆31当前所在的当前位置区域304(例如,包括位置信息208的位置区域304的纬度范围306和经度范围308)。
在方框504,车辆31追踪车辆31输入。例如,驾驶需求和场景识别模块210可被配置为:当在同一位置区域304内行驶在或以其他方式位于同一位置区域304内时,驾驶需求和场景识别模块210存储接收的输入。例如,车辆31输入可包括来自车辆31***和传感器的驾驶员活动202、车辆状态204、车辆环境206和位置信息208。
在确定框506,车辆31确定车辆31是否已经离开或正在离开当前位置区域304。例如,基于接收的输入的位置信息208,驾驶需求和场景识别模块210可识别车辆31当前所在的当前位置区域304(例如,包括位置信息208的位置区域304的纬度范围306和经度范围308)。当驾驶需求和场景识别模块210识别出车辆31已经(例如,在图3示出的点(C)处)离开位置区域304时,控制转到方框508。否则,控制转到方框504以继续追踪车辆31输入。
在方框508,车辆31基于针对关于位置区域304的接收的输入的输入分析来确定驾驶场景指示214。例如,正如关于图3所示出的,驾驶需求和场景识别模块210可试图将沿行驶路径302收集的输入数据与规则集212进行匹配。当找到匹配时,驾驶需求和场景识别模块210可将对应的驾驶场景指示214与行驶路径302进行关联。驾驶需求和场景识别模块210可还对匹配的驾驶场景指示214进行标记,或以其他方式将匹配的驾驶场景指示214与指示当前车辆31位置的位置信息208进行关联。
在方框510,车辆31基于确定的驾驶场景指示214来更新关于位置区域304的位置需求标识符218。例如,正如关于图4A到图4D所示出的,可能性学习模块216可基于对驾驶场景指示214进行加权来确定位置需求标识符218。例如,可基于利用先前确定的驾驶场景指示214对驾驶场景指示214进行加权来更新位置需求标识符218,其中,驾驶场景指示214在车辆先前沿行驶路径302穿过当前位置区域304期间被确定。在方框510之后,处理500结束。
图6示出用于基于对与位置需求标识符218相关联的位置区域304的识别来执行设置更新226,以提供针对车辆设置的预期改变的示例性处理600。例如,这些车辆设置更新可提高车辆31在预期的即将到来的驾驶场景期间的可操作性。例如,如同处理500,处理600可由一个或更多个车辆31控制器(诸如,VCS 1)来执行。
在方框602,车辆31接收位置信息208。例如,位置信息208可根据向CPU 3的GPS输入24提供的信息经由车辆31总线或以其他方式从车辆***被取得。
在方框604,车辆31识别正接近的位置区域304。基于接收的输入的位置信息208,个性化驾驶适应模块224可识别车辆可能即将到达的正接近的位置区域304(例如,对位置信息208中的前进方向和速度的映射所指示的位置区域304的纬度范围306和经度范围308)。
在确定框606,车辆31确定正接近的位置区域304是否至少具有任何关联的位置需求标识符218的阈值可能性级别。例如,可(例如,根据诸如上面详细讨论的处理500的处理)确定位置需求标识符218。当自调整预测性驾驶需求模块222确定与正接近的位置区域304相关联的位置需求标识符218的可能性Li达到或超过指定的可调敏感级别220时,自调整预测性驾驶需求模块222将对应的位置区域304视为高驾驶需求位置。如果不是这样,则控制转到方框608。如果是这样,则控制转到方框610。
在方框608,车辆31应用默认设置。例如,个性化驾驶适应模块224可被配置为向车辆31提供包括默认设置的设置更新226。例如,默认设置可包括去除任何默认制动器预加压、默认悬挂和默认车辆起/停超控(override)、或对于其他默认车辆31设置和行为的重建。在方框608之后,控制转到方框602。
在方框610,车辆31应用针对车辆31设置的预期改变。例如,个性化驾驶适应模块224可被配置为向车辆31提供包括强化设置的设置更新226,以提高车辆针对特定可能类型的驾驶状况的可操作性。例如,个性化驾驶员适应模块224可被配置为:当个性化驾驶员适应模块224确定车辆31正在接近与高加速度需求相关联的位置区域304时,向车辆31发动机起/停***请求起动内燃发动机,从而缩短车辆31对来自车辆31驾驶员的可能的加速度请求作出响应的延时。作为另一示例,个性化驾驶员适应模块224可被配置为:当个性化驾驶员适应模块224确定车辆31正在接近与高制动需求场景相关联的位置区域304时,请求车辆31制动***预先施加制动器压力,从而缩短车辆31对来自车辆31驾驶员的可能的制动请求作出响应的延时。在方框610之后,控制转到方框602。
虽然以上描述了示例性实施例,但这些实施例并不意在描述本发明的所有可能形式。相反地,说明书中所使用的词语是描述性词语而非限制,并且应理解的是,可在不脱离本发明的精神和范围的情况下做出各种改变。此外,可将各种实现实施例的特征进行组合以形成本发明的另外的实施例。
Claims (7)
1.一种***,包括:
车辆处理器,被配置为:
在车辆在位置区域内沿行驶路径的行驶期间追踪车辆输入;
将车辆输入与规则的条件进行匹配,使得当车辆输入与规则的条件相匹配时,具有与规则相对应的类型的驾驶场景指示被与位置区域进行关联;
基于所述驾驶场景指示来更新与位置区域相关联的位置需求标识符。
2.如权利要求1所述的***,其中,车辆处理器还被配置为:在车辆离开位置区域的情况下分析车辆输入。
3.如权利要求1所述的***,其中,车辆处理器还被配置为:基于对所述驾驶场景指示和从车辆先前沿行驶路径的行驶而确定的驾驶场景指示的加权处理,更新与位置区域相关联的位置需求标识符。
4.如权利要求3所述的***,其中,所述加权处理利用衰减系数,其中,在计算位置需求标识符的过程中,与从较早的沿行驶路径的行驶确定的驾驶场景指示相比,衰减系数将较大的权重赋予从较新的沿行驶路径的行驶确定的驾驶场景指示。
5.如权利要求3所述的***,其中,车辆处理器还被配置为:
根据车辆接近于位置区域来识别位置需求标识符;
当位置需求标识符超过车辆敏感级别时,向车辆提供设置更新,以提高车辆在发生驾驶场景期间的可操作性。
6.如权利要求1所述的***,其中,车辆处理器还被配置为:
通过将第二车辆输入与规则进行匹配,分析在位置区域内沿行驶路径的第二行驶期间追踪到的第二车辆输入;
确定具有与规则相对应的类型的第二驾驶场景指示;
基于对所述驾驶场景指示和第二驾驶场景指示的加权处理,更新与位置区域相关联的位置需求标识符。
7.如权利要求1所述的***,其中,车辆处理器还被配置为:通过将车辆输入与第二规则进行匹配来分析车辆输入,使得当车辆输入与第二规则的条件相匹配时,具有第二类型的驾驶场景指示被与位置区域进行关联,其中,第二类型不同于所述类型且与第二规则相对应。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/253,340 | 2014-04-15 | ||
US14/253,340 US9988037B2 (en) | 2014-04-15 | 2014-04-15 | Driving scenario prediction and automatic vehicle setting adjustment |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105023451A true CN105023451A (zh) | 2015-11-04 |
Family
ID=54193463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510178298.XA Pending CN105023451A (zh) | 2014-04-15 | 2015-04-15 | 驾驶场景预测和自动车辆设置调整 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9988037B2 (zh) |
CN (1) | CN105023451A (zh) |
DE (1) | DE102015206600B4 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046996A (zh) * | 2014-04-30 | 2015-11-11 | 福特全球技术公司 | 用于预测的驾驶需求建模的方法和设备 |
CN108255171A (zh) * | 2016-12-29 | 2018-07-06 | 百度(美国)有限责任公司 | 用于提高自主驾驶车辆的稳定性的方法和*** |
CN108604292A (zh) * | 2015-11-26 | 2018-09-28 | 御眼视觉技术有限公司 | 对切入车道的车辆的自动预测和利他响应 |
CN109572701A (zh) * | 2018-12-07 | 2019-04-05 | 联想(北京)有限公司 | 一种车辆控制方法和车辆 |
CN109760675A (zh) * | 2019-03-12 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN110325935A (zh) * | 2017-09-18 | 2019-10-11 | 百度时代网络技术(北京)有限公司 | 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 |
CN110654389A (zh) * | 2019-09-09 | 2020-01-07 | 广州小鹏汽车科技有限公司 | 车辆的控制方法、控制装置和车辆 |
CN110803203A (zh) * | 2019-11-06 | 2020-02-18 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种高速铁路行车轨迹的演进预测方法及*** |
CN110893858A (zh) * | 2018-09-12 | 2020-03-20 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶*** |
CN114399164A (zh) * | 2021-12-17 | 2022-04-26 | 东风柳州汽车有限公司 | 一种汽车配置需求分析方法 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8285447B2 (en) * | 2007-03-20 | 2012-10-09 | Enpulz, L.L.C. | Look ahead vehicle suspension system |
CN107531245B (zh) * | 2015-04-21 | 2020-01-24 | 松下知识产权经营株式会社 | 信息处理***、信息处理方法、以及程序 |
JP6369390B2 (ja) * | 2015-05-19 | 2018-08-08 | 株式会社デンソー | 車線合流判定装置 |
US10040453B2 (en) | 2016-11-17 | 2018-08-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for preemptively modifying vehicle parameters according to predicted accelerations upon a travel lane clearing |
US10328913B2 (en) | 2016-11-18 | 2019-06-25 | International Business Machines Corporation | Facilitation of automatic adjustment of a braking system |
US10202112B2 (en) | 2016-11-28 | 2019-02-12 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for preemptively modifying vehicle parameters according to predicted accelerations when merging |
US10279810B2 (en) | 2016-12-02 | 2019-05-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for preemptively adjusting vehicle parameters according to predicted controls relating to a toll booth |
US10710588B2 (en) | 2017-05-23 | 2020-07-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | Merging and lane change acceleration prediction energy management |
US10358129B2 (en) | 2017-06-06 | 2019-07-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for dynamic vehicle control according to traffic |
WO2019017253A1 (ja) * | 2017-07-18 | 2019-01-24 | パイオニア株式会社 | 制御装置、制御方法、およびプログラム |
US10611371B2 (en) | 2017-09-14 | 2020-04-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for vehicle lane change prediction using structural recurrent neural networks |
US10479356B1 (en) * | 2018-08-17 | 2019-11-19 | Lyft, Inc. | Road segment similarity determination |
US10942030B2 (en) | 2018-08-17 | 2021-03-09 | Lyft, Inc. | Road segment similarity determination |
US20200158507A1 (en) * | 2018-11-19 | 2020-05-21 | GM Global Technology Operations LLC | Point of interest based vehicle settings |
CN110134125B (zh) * | 2019-05-13 | 2022-09-30 | Oppo广东移动通信有限公司 | 车辆自动驾驶方法、装置和车辆 |
US11928557B2 (en) | 2019-06-13 | 2024-03-12 | Lyft, Inc. | Systems and methods for routing vehicles to capture and evaluate targeted scenarios |
US11449475B2 (en) | 2019-06-28 | 2022-09-20 | Lyft, Inc. | Approaches for encoding environmental information |
US11157007B2 (en) | 2019-06-28 | 2021-10-26 | Lyft, Inc. | Approaches for encoding environmental information |
US11459028B2 (en) | 2019-09-12 | 2022-10-04 | Kyndryl, Inc. | Adjusting vehicle sensitivity |
US11788846B2 (en) | 2019-09-30 | 2023-10-17 | Lyft, Inc. | Mapping and determining scenarios for geographic regions |
US12039785B2 (en) | 2019-10-23 | 2024-07-16 | Lyft, Inc. | Approaches for encoding environmental information |
US11816900B2 (en) * | 2019-10-23 | 2023-11-14 | Lyft, Inc. | Approaches for encoding environmental information |
US11269351B2 (en) * | 2019-12-05 | 2022-03-08 | International Business Machines Corporation | Modifying navigation commands |
US12017679B2 (en) * | 2021-10-25 | 2024-06-25 | Honda Motor Co., Ltd. | Adaptive trust calibration |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088205A1 (en) * | 2002-10-31 | 2004-05-06 | Geisler Scott P. | Driving workload estimation |
US20070100551A1 (en) * | 2005-10-31 | 2007-05-03 | Mitsubishi Denki Kabushiki Kaisha | Lane deviation prevention apparatus |
US20070219672A1 (en) * | 2006-03-14 | 2007-09-20 | Fehr Walton L | System and method for determining the workload level of a driver |
CN101278325A (zh) * | 2003-04-07 | 2008-10-01 | 顾德庞特技术基础设施管理***软件与咨询服务公司 | 用于收集、分析和发布与交通基础设施和状况相关的信息的中央设备和智能车载车辆平台 |
CN101297335A (zh) * | 2005-10-26 | 2008-10-29 | 丰田自动车株式会社 | 车辆驾驶辅助***和车辆驾驶辅助方法 |
CN101853588A (zh) * | 2009-03-30 | 2010-10-06 | 爱信艾达株式会社 | 车辆操作诊断装置、车辆操作诊断方法以及计算机程序 |
CN101916514A (zh) * | 2009-03-31 | 2010-12-15 | 通用汽车环球科技运作公司 | 使用基于v2x的网内消息协议来允许道路危险状况报警 |
CN102103800A (zh) * | 2009-12-17 | 2011-06-22 | 富士通天株式会社 | 导航装置、车载显示***及地图显示方法 |
US20130033384A1 (en) * | 2009-11-25 | 2013-02-07 | Coyote System Sas | Customized system for vehicle driving assistance |
CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
US20130278442A1 (en) * | 2012-04-24 | 2013-10-24 | Zetta Research And Development Llc-Forc Series | Risk management in a vehicle anti-collision system |
CN104044534A (zh) * | 2013-03-14 | 2014-09-17 | 福特全球技术公司 | 用于预测高驾驶员要求时间的方法和设备 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0819912B1 (en) * | 1996-07-15 | 2004-11-17 | Toyota Jidosha Kabushiki Kaisha | Vehicle driving condition prediction device and warning device using the prediction device |
GB0028598D0 (en) * | 2000-11-23 | 2001-01-10 | Ricardo Consulting Eng | Improvements in hybrid power sources |
US8301108B2 (en) * | 2002-11-04 | 2012-10-30 | Naboulsi Mouhamad A | Safety control system for vehicles |
CA2925145A1 (en) * | 2003-07-07 | 2005-01-13 | Insurance Services Office, Inc. | Traffic information system |
DE102005034936A1 (de) | 2005-07-27 | 2007-02-08 | Zf Lenksysteme Gmbh | Verfahren zur Lenkungsregelung in einem Lenksystem |
JP2008137551A (ja) * | 2006-12-04 | 2008-06-19 | Aisin Seiki Co Ltd | 車両用シート装置 |
US8577703B2 (en) * | 2007-07-17 | 2013-11-05 | Inthinc Technology Solutions, Inc. | System and method for categorizing driving behavior using driver mentoring and/or monitoring equipment to determine an underwriting risk |
US8577550B2 (en) * | 2009-10-05 | 2013-11-05 | Ford Global Technologies, Llc | System for vehicle control to mitigate intersection collisions and method of using the same |
DE102010003867A1 (de) | 2010-04-12 | 2011-10-13 | Zf Lenksysteme Gmbh | Verfahren zum Einstellen des Fahrverhaltens eines Kraftfahrzeugs |
US20130073113A1 (en) * | 2011-09-16 | 2013-03-21 | Ford Global Technologies, Llc | Vehicle and method for estimating a range for the vehicle |
-
2014
- 2014-04-15 US US14/253,340 patent/US9988037B2/en active Active
-
2015
- 2015-04-14 DE DE102015206600.2A patent/DE102015206600B4/de active Active
- 2015-04-15 CN CN201510178298.XA patent/CN105023451A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088205A1 (en) * | 2002-10-31 | 2004-05-06 | Geisler Scott P. | Driving workload estimation |
CN101278325A (zh) * | 2003-04-07 | 2008-10-01 | 顾德庞特技术基础设施管理***软件与咨询服务公司 | 用于收集、分析和发布与交通基础设施和状况相关的信息的中央设备和智能车载车辆平台 |
CN101297335A (zh) * | 2005-10-26 | 2008-10-29 | 丰田自动车株式会社 | 车辆驾驶辅助***和车辆驾驶辅助方法 |
US20070100551A1 (en) * | 2005-10-31 | 2007-05-03 | Mitsubishi Denki Kabushiki Kaisha | Lane deviation prevention apparatus |
US20070219672A1 (en) * | 2006-03-14 | 2007-09-20 | Fehr Walton L | System and method for determining the workload level of a driver |
CN101853588A (zh) * | 2009-03-30 | 2010-10-06 | 爱信艾达株式会社 | 车辆操作诊断装置、车辆操作诊断方法以及计算机程序 |
CN101916514A (zh) * | 2009-03-31 | 2010-12-15 | 通用汽车环球科技运作公司 | 使用基于v2x的网内消息协议来允许道路危险状况报警 |
US20130033384A1 (en) * | 2009-11-25 | 2013-02-07 | Coyote System Sas | Customized system for vehicle driving assistance |
CN102103800A (zh) * | 2009-12-17 | 2011-06-22 | 富士通天株式会社 | 导航装置、车载显示***及地图显示方法 |
US20130278442A1 (en) * | 2012-04-24 | 2013-10-24 | Zetta Research And Development Llc-Forc Series | Risk management in a vehicle anti-collision system |
CN104044534A (zh) * | 2013-03-14 | 2014-09-17 | 福特全球技术公司 | 用于预测高驾驶员要求时间的方法和设备 |
CN103208205A (zh) * | 2013-03-20 | 2013-07-17 | 北京航空航天大学 | 一种基于车联网的车辆安全行驶预警方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046996A (zh) * | 2014-04-30 | 2015-11-11 | 福特全球技术公司 | 用于预测的驾驶需求建模的方法和设备 |
CN105046996B (zh) * | 2014-04-30 | 2019-12-03 | 福特全球技术公司 | 用于预测的驾驶需求建模的方法和设备 |
CN108604292A (zh) * | 2015-11-26 | 2018-09-28 | 御眼视觉技术有限公司 | 对切入车道的车辆的自动预测和利他响应 |
CN108604292B (zh) * | 2015-11-26 | 2023-10-13 | 御眼视觉技术有限公司 | 对切入车道的车辆的自动预测和利他响应 |
CN108255171A (zh) * | 2016-12-29 | 2018-07-06 | 百度(美国)有限责任公司 | 用于提高自主驾驶车辆的稳定性的方法和*** |
CN110325935B (zh) * | 2017-09-18 | 2022-08-12 | 百度时代网络技术(北京)有限公司 | 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 |
CN110325935A (zh) * | 2017-09-18 | 2019-10-11 | 百度时代网络技术(北京)有限公司 | 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 |
CN110893858A (zh) * | 2018-09-12 | 2020-03-20 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶*** |
CN110893858B (zh) * | 2018-09-12 | 2021-11-09 | 华为技术有限公司 | 一种智能驾驶方法及智能驾驶*** |
US11724700B2 (en) | 2018-09-12 | 2023-08-15 | Huawei Technologies Co., Ltd. | Intelligent driving method and intelligent driving system |
CN109572701A (zh) * | 2018-12-07 | 2019-04-05 | 联想(北京)有限公司 | 一种车辆控制方法和车辆 |
CN109760675A (zh) * | 2019-03-12 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN109760675B (zh) * | 2019-03-12 | 2021-05-25 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN110654389A (zh) * | 2019-09-09 | 2020-01-07 | 广州小鹏汽车科技有限公司 | 车辆的控制方法、控制装置和车辆 |
CN110803203A (zh) * | 2019-11-06 | 2020-02-18 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种高速铁路行车轨迹的演进预测方法及*** |
CN110803203B (zh) * | 2019-11-06 | 2021-11-26 | 中国铁道科学研究院集团有限公司通信信号研究所 | 一种高速铁路行车轨迹的演进预测方法及*** |
CN114399164A (zh) * | 2021-12-17 | 2022-04-26 | 东风柳州汽车有限公司 | 一种汽车配置需求分析方法 |
CN114399164B (zh) * | 2021-12-17 | 2024-04-09 | 东风柳州汽车有限公司 | 一种汽车配置需求分析方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102015206600B4 (de) | 2023-01-12 |
US20150291146A1 (en) | 2015-10-15 |
DE102015206600A1 (de) | 2015-10-15 |
US9988037B2 (en) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105023451A (zh) | 驾驶场景预测和自动车辆设置调整 | |
US11238733B2 (en) | Group driving style learning framework for autonomous vehicles | |
US11328219B2 (en) | System and method for training a machine learning model deployed on a simulation platform | |
JP6578439B2 (ja) | 自律走行車の移動をシミュレートするための物理モデル及び機械学習結合方法 | |
US10816973B2 (en) | Utilizing rule-based and model-based decision systems for autonomous driving control | |
US10880679B2 (en) | Method and apparatus for dynamic localized coordinate download | |
KR101975728B1 (ko) | 자율 주행 차량을 위한 사이드슬립 보상 제어 방법 | |
CN106500708B (zh) | 用于驾驶员辅助的方法和*** | |
CN105022777A (zh) | 基于驾驶员行为的车辆应用推荐 | |
US10037695B2 (en) | Personalized route indices via crowd-sourced data | |
CN105910610B (zh) | 用于动态位置报告速率确定的方法和设备 | |
US11113547B2 (en) | Planning control in response to a driving obstruction during operation of an autonomous driving vehicle (ADV) | |
US9519670B2 (en) | Method and apparatus for road risk indices generation | |
JP2019145077A (ja) | 自律走行車(adv)に対して車両とクラウド間のリアルタイム交通地図を構築するためのシステム | |
CN105575210B (zh) | 用于预测性的驾驶模式学习和启用的方法和设备 | |
JP2019504373A (ja) | 車両の周囲の状況に基づいて車両の一つ又は複数の軌跡を予測する方法とシステム | |
JP2019506647A (ja) | モーション計画に基づく自律走行車の走行方法およびシステム | |
CN105549454A (zh) | 提供用于自动驾驶车辆的代客指令的***和方法 | |
CN104648284A (zh) | 自主车辆模式 | |
CN105931457B (zh) | 确定和传输驾驶员特性的方法和*** | |
KR20190141081A (ko) | 자율 주행 차량의 v2x 통신 기반의 차량 차로 시스템 | |
US10002470B2 (en) | Method and apparatus for predictive driving demand modeling | |
US11104353B2 (en) | Computing system with autonomous operation mechanism and method of operation thereof | |
CN105588574A (zh) | 用于避开目的地拥堵的方法和*** | |
CN110536240A (zh) | 使适应性地理围栏结合车辆工作的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151104 |
|
RJ01 | Rejection of invention patent application after publication |