CN108475056A - 用于全自动地引导车辆***的方法以及机动车 - Google Patents
用于全自动地引导车辆***的方法以及机动车 Download PDFInfo
- Publication number
- CN108475056A CN108475056A CN201680079349.6A CN201680079349A CN108475056A CN 108475056 A CN108475056 A CN 108475056A CN 201680079349 A CN201680079349 A CN 201680079349A CN 108475056 A CN108475056 A CN 108475056A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- data
- driving condition
- assessment unit
- neural network
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013528 artificial neural network Methods 0.000 claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 15
- 230000004913 activation Effects 0.000 claims description 11
- 230000001537 neural effect Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 20
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000013461 design Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 210000004218 nerve net Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0014—Adaptive controllers
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
- B60W2050/0057—Frequency analysis, spectral techniques or transforms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种用于使构造成用于在各种行驶状况类型中全自动地引导机动车(1、2、3)的、机动车(1、2、3)的车辆***(5)运行的方法,其中,‑使用包括多个评估单元的计算结构,以便作为用于全自动地引导机动车(1、2、3)的行驶状况数据,从描述机动车(1、2、3)的环境的环境数据和描述机动车(1、2、3)的状态的自身数据中获得待使用的控制数据,并且用于引导机动车(1、2、3),‑每个评估单元从至少另一评估单元的输出数据和/或行驶状况数据中获得输出数据,并且‑评估单元的至少一部分构造成至少部分地以软件为基础的神经网络,其中,‑在运行时间期间,通过以下方式,构造成神经网络的评估单元的至少一部分动态地由可通过配置参数组配置的配置对象形成,‑在使用行驶状况数据的至少一部分的情况下,从多个预定的行驶状况类型中获得当前行驶状况类型,其中,为每个行驶状况类型分配至少一个评估功能,‑从数据库(7)中调取与当前行驶状况类型相关联的配置参数组的评估功能,以及‑尚未存在的、进行评估功能的评估单元通过利用已调取的配置参数组配置配置对象形成。
Description
技术领域
本发明涉及一种用于运行构造成在各种行驶状况类型中全自动地引导机动车的、机动车的车辆***的方法,其中,
-使用包括多个评估单元的计算结构,以便从作为行驶状况数据的、描述机动车环境的环境数据和描述机动车的状态的自身数据中获得待用于全自动地引导机动车的控制数据,并且用于引导机动车,
-每个评估单元从至少另一评估单元的输出数据和/或行驶状况数据中获得输出数据,
-评估单元的至少一部分构造成至少部分地以软件为基础的神经网络。此外,本发明涉及一种机动车。
背景技术
当前研发的课题是借助于相应的车辆***全自动地引导机动车(“自动驾驶”)。应完全地承担机动车的引导的、即特别是纵向和横向引导的车辆***必须评估行驶状况数据,行驶状况数据一方面作为环境数据描述机动车的环境,另一方面作为自身数据描述机动车的当前状态,特别是在动力性方面的状态。在此,环境数据不仅可通过环境传感器、例如摄影机、雷达传感器等的测量获得,然而也可设想的是,在其它方面获得信息,例如通过机动车对机动车通讯、机动车对设施通讯和/或从数字地图中、特别是结合机动车的当前位置信息。大多无论如何在机动车中被获得自身数据,例如机动车的当前速度,当前加速度值等,这可通过自身传感器,通过调取其它车辆***的运行参数获得。为了简洁地描绘环境数据,在现有技术中也已经提出了环境模型。
行驶状况数据必须通过可包括硬件和/或软件组件的计算结构评估,并且转换成控制数据,控制数据确定机动车的进一步运动并且用于操控相应的其它车辆***,例如发动机、制动***、转向***等。为此,通常使用不同的、可理解成自身的评估单元的算法,该算法不仅可通过硬件也可通过软件实现。在计算结构之内将可包括行驶状况数据和/或其它评估单元的输出数据的输入数据转换成也可已经包含控制数据的输出数据的这种评估单元常常也被称为“决策器”,随后通过评估单元在机动车的全自动运行期间为相应行动做出必要的决策。
在应用中,为了实现这种评估单元,当前主要存在来自逻辑和算法方面的过程,其对于确定的情况利用所选择的参数计算必要的决定。但是,在机动车的全自动运行时出现的问题是,需要对于所有可能性包括其物理方面的组合实现相应的决策算法或相应的决策逻辑。即使这种类型的算法对于仅仅在确定的行驶情况中、例如在停车时可用的车辆***来说已经证实为困难的,在多种行驶状况类型中应用的车辆***中,该问题加倍,使得最终不可能考虑所有可能出现的行驶情况。如果使用通常的决策算法和/或决策逻辑,由于固定的且刚性的实现方案,固定编程的软件或预定的硬件不能实现自动地适应新的和未知的行驶情况。
因此,在现有技术中已经提出,至少对于确定的、清晰的应用方案、例如速度自动调节装置,使用神经网络作为人工智能,例如见文献DE 44 25 957 C1。也被称为人造神经网络的神经网络(英文“artificial neuronal network”)是由人造神经元组成的网络。这种类型的神经网络具有确定的拓扑结构,即,连接与节点的关联性,其中,最终可为每个神经元分配权重、阈值和/或激活函数。在训练阶段中,根据情况训练神经网络,以便随后在相似的情况中可做出正确的决策。
然而,在构造成用于特别是在多种行驶状况类型中全自动地引导机动车的车辆***方面,出现的问题是,分别仅仅可对于确定的交通情况训练这种类型的神经网络,例如对于智能地且无事故地经过交叉道口,识别其它交通参与者的意图,自动停车过程的部分方面,在高速公路上超车等情况分析。虽然在这些特殊的评估功能之内,可通过人工神经网络实现,然而由于现实的复杂性,不能实现可无限制地用于所有可想到的交通情况的神经网络或神经网络组。然而,由于在现代机动车中存在的可能的计算能力,通过神经算法实现极大数量的单个评估功能也是不可行的。
文献WO 2014/147 361 A1公开了一种用于控制自动行驶的或至少部分地自动行驶的农用车辆的装置。在该文献中的构思是,在使用适应性的以模型为基础的识别控制部的情况下实现人工预测。在此,在结合可用的传感器时,应给出必要水平的关联思考和实时通讯。
文献DE 4425 957 C1涉及一种用于调节机动车的行驶速度的装置,其中提出,速度调节器配备有人工神经网络,将关于当前速度调节差和当前行驶状态的数据输送给人工神经网络,并且在上述训练之后根据非线性的车辆纵向动态模型从中产生至少一个用于动力传动***的调整信号。由此,也可更可靠地调节小的行驶速度。
发明内容
因此,本发明所要解决的技术问题是,在机动车的全自动引导时,尽管在机动车中有限的计算能力,在机动车中执行多种用于不同交通情况的神经网络,并且由此改善由计算结构获得的控制数据的质量和可靠性。
为了实现该目标,在开头所述的类型的方法中,根据本发明设置成,在运行时间期间,通过以下方式,构造成神经网络的评估单元的至少一部分动态地由可通过配置参数组配置的配置对象形成,
-在使用行驶状况数据的至少一部分的情况下,从多个预定的行驶状况类型中获得当前行驶状况类型,其中,为每个行驶状况类型分配至少一个评估功能,
-从数据库中调取与当前行驶状况类型相关联的配置参数组的评估功能,以及
-通过利用已调取的配置参数组对配置对象进行配置来形成尚未存在的、执行评估功能的评估单元。
本发明的构思是,通过在运行时间、因此在使用计算结构时产生适合用于当前行驶状况类型的、尚未处于激活状态的人工神经网络并且将其合并到模块化的计算结构中,根据情况匹配用于机动车的全自动引导的人工智能。为此,使用配置对象,当存在相应的配置参数组时,可从配置对象中实现包含相应的神经网络并产生评估功能的评估单元。因此,配置参数组特别是包含用于拓扑结构(神经结构)、激活函数、权重和/或阈值的配置数据。
根据本发明,为了实现配置对象,存在多种可能性。即,配置对象可包括硬件和/或软件。作为用于特别是也可配置的神经网络的硬件基础,推荐GPU、FPGA和/或神经芯片。例如,每个配置对象可相应于可配置的硬件构件。以这种方式,使用特别适合用于实现神经网络的硬件,从而可快速且有效地实施神经网络。然而,显然也可设想,配置对象的至少一部分纯粹以软件为基础,即,特别是在运行时间期间在存储装置中作为软件对象产生、并根据配置参数组配置评估单元。在这种情况中,例如存在用于实现神经网络的编程技术的框架结构类型,其中,在使用配置参数组的情况下产生该框架结构类型的具体实例作为评估单元。那么,所产生的实例表示可嵌入或被嵌入整个计算结构的流程中的子程序,其相应地可被其它功能/评估单元调取。这种类型的、特别是纯粹以软件为基础的配置对象的设计方案提供的优点是更高的灵活性,那么其中,例如可通过可供使用的工作存储器限制可能的神经网络的数量。
在数据库中存储配置参数组。为了可调取合适的配置参数组,首先确定行驶状况类型。最终,行驶状况类型汇总出可机动车运行的运行条件组。原则上,行驶状况类型因此包括多种可能的行驶情况,尽管如此,其通过共同点相关联。因此,行驶状况类型通常也可描述成运行环境。例如可设置成,通过将确定的行驶环境,例如城市交通、乡镇道路、高速公路、公路等与速度区间组合,得到行驶状况类型,以例如可区别出在高速公路上的拥堵环境和正常的高速公路运行条件等。在此,行驶环境例如可通过机动车的导航***的数字地图、特别是与机动车的当前位置信息、特别是GPS信息一起确定。无论如何,机动车的当前速度在机动车中是已知的;如有可能在此也可考虑在滑动的时间窗中的平均速度。
在数据库中,为每个行驶状况类型在数据库中分配特别可能需要的评估函数和相关联的配置参数组。评估功能例如可包括行人识别或超车决策,通常地说分类、预测例如其它交通参与者的意图,和/或情况分析,其在本发明的范围中通过神经网络实现,在配置对象方面,神经网络通过配置参数组描述。换句话说,存在配置参数组和配置对象足够用于动态地产生相应的、使用神经网络的评估单元并且在计算结构之内运行。
最终,表示在不同行驶状况类型中不同的所需的神经网络的特征的数据(拓扑结构、参数化等)被存储在数据库中并且根据情况下载到控制器中,以实现一个/多个相应的神经网络并且使其处于激活状态。在此,数据库证实为特别有利的,因为配置参数可存储在有效且灵活的数据结构中。
例如,如果行驶状况类型是在较高速度时的高速公路行驶,例如使用这样的神经网络,即,其特别地与在高速时的超车行为和/或横向交通相协调并且据此训练,而识别行人和/或尝试预测其意图的神经网络在计算结构中是处于非激活状态的,因为在具有高速的高速公路行驶时通常没有行人。因此,相应的神经网络几乎可被删除或从存储器中下载,然而相应的配置参数组还存在于数据库中。然而在该示例中,在堵车、即更低的速度时,即,当行驶状况类型变化成完全可预计到行人时,而不再需要在较高的速度时的超车行为。因此,例如动态地根据需要下载用作用于行人识别和/或行人意图识别的分类的神经网络并且使其处于激活状态。显然,在此示例性地提及的行驶状况类型、评估功能性和神经网络以及其分布不是强制性的;对于本领域技术人员来说可设想和得到多种可能的设计方案。
本发明的一有利的设计方案设置成,行驶状况类型自身通过神经网络确定。特别是直接从行驶状况数据中区分行驶状况类型常常已经证实为非常复杂的估算任务,其自身可通过(基本上是激活状态的)神经网络实现。
如已经指出的那样,适宜地,去激活执行与当前行驶状况类型不相关联的评估功能的、构造成神经网络的评估单元和/或基本上仅仅最大数量的基于神经网络的评估单元同时处于激活状态。通过该方案,存在的可能性是,将在机动车中空闲的且有限的计算能力用于其它目的或神经网络。整体产生尽可能大的灵活性以及同时改善的车辆***的功能质量,因为计算能力可灵活地分配给刚好所需的神经网络并且可以其它方式利用刚好不被需要的计算能力。
此外适宜的是,至少一个通过神经网络实现基础功能的评估单元总是处于激活状态。与行驶状况类型无关地,在每个行驶状况中需要确定的、通过神经网络实现的目标。例如,基础功能可为对象识别和/或分类功能。在实施例中,这种实现基础功能的评估单元的输出数据此外也可用于细化行驶状况类型的确定;例如可行的是,将确定的神经网络的激活或实现神经网络的评估单元的动态实现与前述情况特性相结合,例如将行人意图识别与存在行人相结合,等。在这种情况中,非常特殊地区分确定的行驶状况类型与适应/修正与行驶状况类型的确定关联同样可行。
也通过以下方式实现在不同的、确切地说不同地待训练的神经网络方面的特殊问题,即,在边界条件中可存在表明地域的区别,因此,需要用于不同国家或不同地域的变量。例如,在中国的交通与欧洲、例如德国的交通显著不同,这不仅由于在国家中适用不同的法律规定。也可通过其它标记、例如与白色的中间地带相比黄色的中间地带和/或存在或不存在红色/蓝色停车线(例如在美国)等给出其它交通环境。
因此,本发明的一有利的设计方案也设置成,行驶状况类型也描述当前行驶的国家和/或使用至少一个对于至少一个国家特定的配置参数组。以这种方式,最终也给出例如用于不同国家的变量管理的方式。显然,这种类型的变量多样性也可转用到基本的区别标准上,例如天气区别和/或其它地域区别。
刚好当应实现多种不同的评估功能/多种不同的神经网络时,特别有利的是,如本发明的设计方案设置的那样,从位于机动车外部的、中央计算装置上的数据库中调取配置参数组。这意味着,不一定在机动车之内存在具有配置参数组的数据库,而是也可在与机动车处于无线接触中的机动车外部的、中央计算装置上、例如服务器上设置。无线接触可通过无线移动网络和/或因特网建立。
本发明的一特别优选的设计方案设置成,在暗示评估单元的错误结果的驾驶员干预时,根据交通情况的结论,将特别是包括行驶状况数据、计算结构的配置和描述驾驶员干预的干预数据的当前交通情况的错误数据组/故障数据组传输到一个或所述机动车外部的、中央计算装置处。以这种方式解决的问题是,保持大量应用在机动车中的不同神经网络持续最新,或在特性/性能方面改善。即,如果出现其中神经网络错误地反应的交通情况或行驶情况,例如在汽车中的超车行为时由于天气条件过早驶入原车道,驾驶员最终必须干预,例如以避免事故。基于的问题是,在没有对于所有情况计算能计算并检查可百分之百实现的性能的神经网络时,仅仅可能进行统计性的试验。这与百分之百确定地试验的程序码相反。
现在提出,将由驾驶员进行的驾驶行为、例如通过干预数据描述的驾驶员干预存储在错误数据组中,优选地与所有其它重要的故障数据、特别是行驶状况数据以及计算结构的当前配置一起存储,其中,该错误数据组被发送到中央的IT后台处,即,机动车外部的、中央计算装置处,在其中在机动车外部调取配置参数组的设计方案中,计算装置优选地为相同的机动车外部的、中央计算装置,其位于数据库上。在机动车外部的、中央计算装置中,由所有相应装备的机动车、因此整个车队收集错误数据组,因此,也收集用于相似交通情况的错误数据组(即,在该示例中,用于在确定的速度时汽车在高速公路上超车的错误数据组)。现在,优选地在满足训练条件时,该错误数据组可用于训练相应的神经网络。如果出现训练条件,在更新相关联的配置参数组的情况下,使用该错误数据组用于训练至少一个在交通情况中使用的神经网络。随后,在机动车中更新配置数据组,也就是说,再次为机动车提供更新的配置参数组,从而给出群体智能的形式。因此存在的可能性是,通过单个机动车/驾驶员的错误数据组改善整个车队的人工智能。产生连续的、持续的学习和训练过程。
在此,此外可设想的是,将超过用于出现错误数据组的神经网络数量的极限值,作为训练条件,然而,也可使用其它训练条件。此外,如果不应从机动车外部的、中央计算装置调取配置参数组,将其传输到机动车处,在该处可相应地更新在此存在的数据库。因此,如果在后台中使用在机动车中存在的相同的配置数据组用于训练,仅仅需要数据库的同步。通过在数据库中的柔性***,也可更新神经网络的更大变化并且由此进行改变。
就此而言应指出的是,本发明也允许,使用个性化的或机动车特定的配置参数组。即,在这种情况中,对于不同的机动车和/或驾驶员可存在不同的配置参数组。如果特别是由于错误数据组,也以驾驶员特定的方式进行训练,从而特别是在主动的行驶决策时可学习其驾驶风格,应注意的是,在后台中训练时,使用个性化的或机动车特定的配置参数组的实际的最新版本。
除了方法,本发明还涉及一种机动车,其具有构造成用于在各种行驶状况类型中全自动地引导机动车的车辆***,车辆***具有构造成用于进行根据本发明的方法的控制器。在根据本发明的方法方面的所有实施方案可相似地转移到根据本发明的机动车上,因此,通过机动车同样可获得已经阐述的优点。
附图说明
从以下描述的实施例中并且根据图纸得到本发明的其它优点和细节。其中:
图1示出了根据本发明的方法的实施例的流程图,以及
图2示出了***以及根据本发明的机动车。
具体实施方式
图1示出了根据本发明的方法的实施例的流程图。该方法用于运行构造用于全自动地引导机动车的、机动车的车辆***,其中,车辆***可使用在各种行驶状况类型中、即在不同的运行条件下或用于不同目的。理想地,车辆***构造成在每种通常的交通情况中、同时所有在交通中通常的行驶状况类型中全自动地引导机动车。在此,行驶状况类型此处例如通过可根据当前位置信息从数字地图中确定的行驶环境(城市交通、乡镇道路、高速公路行驶……)以及例如可用于将在高速公路上的堵车情况与在高速公路上的高速行驶情况区分开的速度区间定义。显然,也可设想其它和/或各种行驶状况类型,例如用于停车过程的特殊的行驶状况类型。
通过在图1中的步骤S1指出机动车的全自动引导。在步骤S1中,使用计算结构,其可包含硬件和/或软件组件并且从行驶状况数据中获得用于其它车辆***的控制数据,其因此用于实现机动车的全自动引导。同时,控制数据特别是可描述纵向引导干预、横向引导干预和/或其它措施,例如另一车辆***的参数改变。使用描述机动车环境的环境数据以及描述机动车的当前的、特别是动态状态的机动车的自身数据作为行驶状况数据。
计算结构包括评估单元,其分别从输入数据中获得输出数据。输入数据可至少部分地为行驶状况数据和/或至少部分地为其它评估单元的输出数据。评估单元的输出数据一方面可用作用于至少另一评估单元的输入数据,但是另一方面也已经表示控制数据。评估单元的至少一部分构造成神经网络,以利用人工智能。至少部分地以软件为基础进行实现,其中,完全可设想混合形式,在其中,使用特别适合用于实现神经网络的硬件、例如神经芯片,那么通过相应的、实现实际期望的神经网络的软件将该神经芯片用作运行时间环境。
现在,本发明关注的是,仅仅在应同时使最大数量的神经网络运行之后,动态地预留合适的神经网络作为评估单元。具体地,这通过以下方式实现,即,在步骤S2中确定当前行驶状况类型,这特别是可在使用行驶状况数据(和必要时评估单元的输出数据)的情况下和/或借助于神经网络实现。在此,对于行驶状况类型也存在用于不同国家的不同变量,其中,根据例如通过机动车的GPS传感器获得的当前位置信息可简单地确定所处的国家。此外,也可根据在机动车的环境中存在的确定对象来区分行驶状况类型。为此,适宜地,此外基本上保持用于在计算结构中的对象识别和分类的神经网络处于激活状态,其中,在确定行驶状况类型时考虑其输出数据。由此,例如可区分出“在没有人的高速公路上堵车”和“在有人的高速公路上堵车”的行驶状况类型。
现在重要的是,为每个行驶状况类型分配确定的评估功能,其在该行驶状况类型的行驶情况或交通情况中是合理的或必要的。与行驶状况类型相关联的评估功能应通过动态地可供使用的神经网络实现成评估单元。为此,对每个评估功能都在数据库中存在配置参数组。配置参数组可用于从配置对象中形成评估单元。配置对象可部分地由硬件、例如神经芯片形成,和/或完全通过软件实现,其中,例如通过配置参数组可产生类型对象(框架结构类型)的实例,其之后形成评估单元并被结合到计算结构中。
因此,在步骤S3中检查,行驶状况类型是否改变。如果不是这样的情况,其继续监控变化。然而,在行驶状况类型改变时,在步骤S4中从数据库中调取待使用的评估功能作为配置参数组。在步骤S5中,去激活实现与行驶状况类型不相关联的评估功能的神经网络、因此评估单元,其中,还从配置参数组中产生新补充的评估单元并且使其运行。
例如,当驾驶员离开高速公路,由此从高速公路交通过渡到乡镇道路交通上时,去激活涉及具有不同车道的平行交通情况的神经网络,然而其中,例如根据配置参数组产生与在相同车道上的反向交通相关的神经网络,并且可使其运行。在这点上还应指出的是,显然计算结构可与运行时间相匹配,使得将新的、实现神经网络的评估单元集成到用于控制数据的整个计算过程中。
由于考虑当前行驶的国家,也可覆盖不同地区/地理地域的变量多样性,例如不同的法律法规,其中,显然其它方案也可跟随这种变量形成,例如也可考虑特别是在道路特征等中的地域差异。天气条件也可导致变量区别并且因此集成到行驶状况类型中。由于有效地存储在数据库中,可预留大量配置参数组,因此也实现大量行驶状况类型,其不仅如在示例中阐述的那样在基础方面根据行驶环境和速度区间分类,而且此外涵盖这样的变量,例如国家、地域、天气条件等。
如可从图1中看出的那样,始终与全自动的车辆引导并行地进行动态更新运行;即,可周期地或连续地监控行驶状况类型是否改变。
然而,图1也示出了另一并行进行的步骤顺序。即,在全自动的车辆引导期间进行另一监控,即,监控是否出现需要驾驶员干预的故障。如果在步骤S6中确定了这种情况,在步骤S7中收集用于错误数据组的数据,其在此包括行驶状况数据、计算结构的当前配置、即特别是哪个实现神经网络的评估单元是主动的以及描述驾驶员干预的干预数据。在步骤S8中将该错误数据组传输到中央计算装置处,在中央计算装置中也包含数据库的至少一个副本/备份。即,虽然在本发明的范围中完全可设想通过无线连接从存储在中央计算装置上的数据库中调取配置参数组,然而优选地且在该实施例中实现,数据库不仅设置在机动车中(如果与机动车外部的、中央计算装置的无线连接失效)而且设置在中央计算装置中,其中,在机动车中的数据库与在中央计算装置中的数据库同步。
因为在中央计算装置中接收的错误数据组在此被收集并且在出现训练条件时、例如当出现确定数量的、在确定的所用的神经网络方面的错误数据组时,该错误数据组被用于训练并由此更新相应的神经网络。通过多个根据本发明设计的机动车与中央计算装置通讯并且可提供其错误数据组,这特别有利地实现。如此更新的配置参数组相应地被分配回机动车处,从而在此存在最新版本。
在此,可以不同的方式实现用于导致配置参数组的更新的神经网络的学习过程,例如这在现有技术中是基本上已知的,例如通过修正权重、修正阈值、改变激活函数、增加新的神经元连接或删除神经元连接等。应指出的是,在该方法的范围中,也可使用可在运行时间期间内部更新的神经网络,例如通过根据其它神经元的激活改变权重等。
图2示出了由具有根据本发明的车辆1、2、3……组成的车队以及机动车外部的、用作IT后台的中央计算装置4组成的完整***。更准确地示出的机动车1如机动车2和3那样具有构造成用于全自动地引导机动车的车辆***5,在其控制器6中存储数据库7,其如所描述的那样包含与行驶状况类型相关联的配置参数组。控制器6构造成用于实施根据本发明的方法,如根据图1描述的那样。
为此,控制器6通过至少一个总线***一方面与机动车1的环境传感器8、9、10相连接,但是另一方面也与不仅可用作用于行驶状况数据的源头而且可用作待操控的车辆***的其它车辆***11、12相连接。特别是,机动车1也具有通讯装置13,无线连接部14可通过通讯装置13构造成中央计算装置4。
机动车2、3相应于机动车1构造。
计算装置4同样具有数据库7的最新副本,其中,此外设置用于可由机动车1、2、3提供的错误数据组的存储装置15。如在方法方面描述的那样,错误数据组可用于训练神经网络并且由此用于更新在数据库7中的配置参数组。
Claims (10)
1.一种用于运行设计用于在各种行驶状况类型中全自动地引导机动车(1、2、3)的、机动车(1、2、3)的车辆***(5)的方法,其中,
-使用包括多个评估单元的计算结构,以便从作为行驶状况数据的、描述所述机动车(1、2、3)环境的环境数据和描述所述机动车(1、2、3)的状态的自身数据中获得用于全自动地引导所述机动车(1、2、3)的待使用的控制数据,并且用于引导所述机动车(1、2、3),
-每个评估单元从至少另一评估单元的输出数据和/或行驶状况数据中获得输出数据,
-所述评估单元的至少一部分构造成至少部分地以软件为基础的神经网络,
其特征在于
-在运行时间期间,构造成神经网络的评估单元的至少一部分通过以下方式动态地由能通过配置参数组配置的配置对象形成,
-在使用所述行驶状况数据的至少一部分的情况下,从多个预定的行驶状况类型中获得当前的行驶状况类型,其中,为每个行驶状况类型分配至少一个评估功能,
-从数据库(7)中调取与当前行驶状况类型相关联的配置参数组的评估功能,以及
-通过利用已调取的配置参数组对配置对象进行配置来形成尚未存在的、执行所述评估功能的评估单元。
2.根据权利要求1所述的方法,其特征在于,所述行驶状况类型自身通过神经网络确定。
3.根据权利要求1或2所述的方法,其特征在于,去激活执行与所述当前行驶状况类型不相关联的评估功能的、构造成神经网络的评估单元和/或仅仅最大数量的基于神经网络的评估单元同时处于激活状态。
4.根据上述权利要求中任一项所述的方法,其特征在于,至少一个通过神经网络实现基础功能的评估单元总是处于激活状态。
5.根据权利要求4所述的方法,其特征在于,所述基础功能是对象识别功能和/或分类功能。
6.根据上述权利要求中任一项所述的方法,其特征在于,所述行驶状况类型也描述当前行驶的国家和/或使用至少一个对于至少一个国家特定的配置参数组。
7.根据上述权利要求中任一项所述的方法,其特征在于,从位于机动车外部的、中央计算装置(4)上的数据库(7)中调取所述配置参数组。
8.根据上述权利要求中任一项所述的方法,其特征在于,在表明评估单元的错误结果的驾驶员干预时,根据交通情况的结论,将当前交通情况的错误数据组传输到一个或所述机动车外部的、中央计算装置(4)处。
9.根据权利要求8所述的方法,其特征在于,在满足训练条件时,所述错误数据组用于在更新相关联的配置参数组的情况下训练至少一个在所述交通情况中使用的神经网络。
10.一种机动车(1、2、3),其具有构造成用于在各种行驶状况类型中全自动地引导所述机动车(1、2、3)的车辆***(5),所述车辆***(5)具有构造成用于实施根据权利要求1至8中任一项所述的方法的控制器(6)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016000493.2A DE102016000493B4 (de) | 2016-01-19 | 2016-01-19 | Verfahren zum Betrieb eines Fahrzeugsystems und Kraftfahrzeug |
DE102016000493.2 | 2016-01-19 | ||
PCT/EP2016/080797 WO2017125209A1 (de) | 2016-01-19 | 2016-12-13 | Verfahren zum vollautomatischen führung eines fahrzeugsystems und kraftfahrzeug |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108475056A true CN108475056A (zh) | 2018-08-31 |
CN108475056B CN108475056B (zh) | 2021-02-02 |
Family
ID=57589002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680079349.6A Active CN108475056B (zh) | 2016-01-19 | 2016-12-13 | 用于全自动地引导车辆***的方法以及机动车 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10474151B2 (zh) |
EP (1) | EP3365741B1 (zh) |
CN (1) | CN108475056B (zh) |
DE (1) | DE102016000493B4 (zh) |
WO (1) | WO2017125209A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273634A (zh) * | 2018-12-05 | 2020-06-12 | 大众汽车有限公司 | 至少部分自动的机动车的控制***的配置 |
CN112446482A (zh) * | 2019-09-05 | 2021-03-05 | 美光科技公司 | 数据存储装置中的失效部分的预测性管理 |
CN113320536A (zh) * | 2021-07-16 | 2021-08-31 | 北京航迹科技有限公司 | 一种车辆控制方法及*** |
CN113728369A (zh) * | 2019-04-16 | 2021-11-30 | 戴姆勒股份公司 | 用于预测车辆的交通状况的方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102305291B1 (ko) * | 2017-02-10 | 2021-09-29 | 닛산 노쓰 아메리카, 인크. | 자율주행 차량 운용 관리 |
US11042155B2 (en) * | 2017-06-06 | 2021-06-22 | Plusai Limited | Method and system for closed loop perception in autonomous driving vehicles |
US11392133B2 (en) | 2017-06-06 | 2022-07-19 | Plusai, Inc. | Method and system for object centric stereo in autonomous driving vehicles |
DE102017212835A1 (de) * | 2017-07-26 | 2019-01-31 | Robert Bosch Gmbh | Steuerungssystem für ein autonomes Fahrzeug |
DE102017216061A1 (de) * | 2017-09-12 | 2019-03-14 | Zf Friedrichshafen Ag | Situationsabhängige Entscheidungsfindung für Fahrzeuge |
US10928832B2 (en) | 2017-09-29 | 2021-02-23 | Huawei Technologies Co., Ltd. | Impedance-based motion control for autonomous vehicles |
DE102017218608A1 (de) * | 2017-10-18 | 2019-04-18 | Robert Bosch Gmbh | Verfahren zum Betreiben eines hoch- oder vollautomatisierten Fahrzeugs |
DE102017223160B4 (de) * | 2017-12-19 | 2019-10-24 | Volkswagen Aktiengesellschaft | Verfahren zum Erkennen von zumindest einem an einem Kraftfahrzeug anliegenden Objekt sowie Steuervorrichtung und Kraftfahrzeug |
DE102018100593A1 (de) * | 2018-01-12 | 2019-07-18 | Valeo Schalter Und Sensoren Gmbh | Parkassistenzsystem mit entfernter Konfiguration eines lokalen neuronalen Netzes |
DE102018206745B4 (de) * | 2018-05-02 | 2024-03-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben eines Fahrzeugs mit Umfeldsensoren zum Erfassen eines Umfelds des Fahrzeugs, computerlesbares Medium, System, und Fahrzeug |
DE102018208150B4 (de) * | 2018-05-24 | 2023-08-24 | Audi Ag | Verfahren und System zum Sicherstellen einer Echtzeitfähigkeit eines Fahrerassistenzsystems |
DE102018209752A1 (de) * | 2018-06-18 | 2019-12-19 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, mobiles Anwendergerät und Computerprogramm zum Bereitstellen einer Information zur Nutzung in einem Fahrzeug |
DE102018209756A1 (de) * | 2018-06-18 | 2019-12-19 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, mobiles Anwendergerät und Computerprogramm zum Bereitstellen einer Information zur Nutzung in einem Fahrzeug, sowie Verfahren, Vorrichtung und Computerprogramm zur Nutzung einer Information in einem Fahrzeug |
DE102018209755A1 (de) * | 2018-06-18 | 2019-12-19 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, mobiles Anwendergerät und Computerprogramm zum Bereitstellen einer Information zur Nutzung in einem Fahrzeug, sowie Verfahren, Vorrichtung und Computerprogramm zur Nutzung einer Information in einem Fahrzeug |
DE102018209753A1 (de) * | 2018-06-18 | 2019-12-19 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, mobiles Anwendergerät und Computerprogramm zum Bereitstellen einer Information zur Nutzung in einem Fahrzeug |
EP3588226B1 (en) | 2018-06-29 | 2020-06-24 | Zenuity AB | Method and arrangement for generating control commands for an autonomous road vehicle |
EP3620880A1 (en) * | 2018-09-04 | 2020-03-11 | Autonomous Intelligent Driving GmbH | A method and a device for deriving a driving strategy for a self-driving vehicle and an electronic control unit for performing the driving strategy and a self-driving vehicle comprising the electronic control unit |
CN109435955B (zh) * | 2018-10-22 | 2020-08-25 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶***性能评估方法、装置、设备及存储介质 |
US11194331B2 (en) * | 2018-10-30 | 2021-12-07 | The Regents Of The University Of Michigan | Unsupervised classification of encountering scenarios using connected vehicle datasets |
US11772663B2 (en) | 2018-12-10 | 2023-10-03 | Perceptive Automata, Inc. | Neural network based modeling and simulation of non-stationary traffic objects for testing and development of autonomous vehicle systems |
DE102019202925A1 (de) * | 2019-03-05 | 2020-09-10 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs |
DE102019220223A1 (de) * | 2019-12-19 | 2021-06-24 | Robert Bosch Gmbh | Verfahren zum Betreiben eines Sensors eines Kraftfahrzeugs |
DE102020204867A1 (de) | 2020-04-17 | 2021-10-21 | Volkswagen Aktiengesellschaft | Verfahren und System zum Betreiben einer Fahrmanöverplanung mindestens eines zumindest teilautomatisiert fahrenden Fahrzeugs |
DE102020112899A1 (de) * | 2020-05-13 | 2021-11-18 | Audi Aktiengesellschaft | Verfahren und System zur vollständig automatischen Führung eines Kraftfahrzeugs und Kraftfahrzeug |
CN113276863B (zh) * | 2021-07-01 | 2022-09-13 | 浙江吉利控股集团有限公司 | 车辆控制方法、装置、设备、介质及程序产品 |
DE102021128456A1 (de) | 2021-11-02 | 2023-05-04 | Man Truck & Bus Se | Verfahren zur Betriebsoptimierung eines Kraftfahrzeugs |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060271269A1 (en) * | 2003-11-20 | 2006-11-30 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for determining the driving situation |
CN101033978A (zh) * | 2007-01-30 | 2007-09-12 | 珠海市智汽电子科技有限公司 | 智能汽车辅助导航和自动兼辅助驾驶*** |
KR20110037183A (ko) * | 2009-10-06 | 2011-04-13 | 한국과학기술원 | 뉴로-퍼지 시스템과 병렬처리 프로세서가 결합된 전력 제어 가능한 컴퓨터 시스템, 이를 이용하여 영상에서 물체를 인식하는 방법 및 장치 |
CN102109821A (zh) * | 2010-12-30 | 2011-06-29 | 中国科学院自动化研究所 | 车辆自适应巡航控制***及方法 |
CN104252707A (zh) * | 2013-06-27 | 2014-12-31 | 株式会社理光 | 对象检测方法和装置 |
CN104851280A (zh) * | 2014-02-13 | 2015-08-19 | ***通信集团公司 | 一种车辆行驶控制方法、装置、***及相关设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2974440B2 (ja) * | 1991-03-22 | 1999-11-10 | 株式会社日立製作所 | 自動車総合制御装置 |
US5751915A (en) * | 1993-07-13 | 1998-05-12 | Werbos; Paul J. | Elastic fuzzy logic system |
DE4447642B4 (de) | 1993-08-10 | 2006-10-26 | Mitsubishi Jidosha Kogyo K.K. | Verfahren zum Steuern einer Fahrzeuglaufcharakteristik |
DE4425957C1 (de) | 1994-07-21 | 1996-03-14 | Daimler Benz Ag | Einrichtung zur Regelung der Fahrgeschwindigkeit eines Kraftfahrzeuges |
US6879969B2 (en) * | 2001-01-21 | 2005-04-12 | Volvo Technological Development Corporation | System and method for real-time recognition of driving patterns |
DE20316681U1 (de) | 2003-10-30 | 2004-12-09 | Bastian, Dieter, Dr.med.habil. | Vorrichtung für das Sicherheits-Audit der Straßenverkehrs-Infrastruktur eines Territoriums |
US7639841B2 (en) * | 2004-12-20 | 2009-12-29 | Siemens Corporation | System and method for on-road detection of a vehicle using knowledge fusion |
US7953521B2 (en) * | 2005-12-30 | 2011-05-31 | Microsoft Corporation | Learning controller for vehicle control |
DE102007023000B4 (de) | 2006-05-17 | 2021-03-18 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Regelung eines Fahrzeuges |
DE102008057199A1 (de) | 2008-11-13 | 2009-07-02 | Daimler Ag | Steuergeräteanordnung für ein Kraftfahrzeug |
GB201305067D0 (en) * | 2013-03-19 | 2013-05-01 | Massive Analytic Ltd | Apparatus for controlling a land vehicle which is self-driving or partially self-driving |
-
2016
- 2016-01-19 DE DE102016000493.2A patent/DE102016000493B4/de not_active Withdrawn - After Issue
- 2016-12-13 US US16/069,465 patent/US10474151B2/en active Active
- 2016-12-13 EP EP16815791.5A patent/EP3365741B1/de active Active
- 2016-12-13 WO PCT/EP2016/080797 patent/WO2017125209A1/de unknown
- 2016-12-13 CN CN201680079349.6A patent/CN108475056B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060271269A1 (en) * | 2003-11-20 | 2006-11-30 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for determining the driving situation |
CN101033978A (zh) * | 2007-01-30 | 2007-09-12 | 珠海市智汽电子科技有限公司 | 智能汽车辅助导航和自动兼辅助驾驶*** |
KR20110037183A (ko) * | 2009-10-06 | 2011-04-13 | 한국과학기술원 | 뉴로-퍼지 시스템과 병렬처리 프로세서가 결합된 전력 제어 가능한 컴퓨터 시스템, 이를 이용하여 영상에서 물체를 인식하는 방법 및 장치 |
CN102109821A (zh) * | 2010-12-30 | 2011-06-29 | 中国科学院自动化研究所 | 车辆自适应巡航控制***及方法 |
CN104252707A (zh) * | 2013-06-27 | 2014-12-31 | 株式会社理光 | 对象检测方法和装置 |
CN104851280A (zh) * | 2014-02-13 | 2015-08-19 | ***通信集团公司 | 一种车辆行驶控制方法、装置、***及相关设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273634A (zh) * | 2018-12-05 | 2020-06-12 | 大众汽车有限公司 | 至少部分自动的机动车的控制***的配置 |
US11500382B2 (en) | 2018-12-05 | 2022-11-15 | Volkswagen Aktiengesellschaft | Configuration of a control system for an at least partially autonomous transportation vehicle |
CN113728369A (zh) * | 2019-04-16 | 2021-11-30 | 戴姆勒股份公司 | 用于预测车辆的交通状况的方法 |
US11945450B2 (en) | 2019-04-16 | 2024-04-02 | Mercedes-Benz Group AG | Method for predicting a traffic situation for a vehicle |
CN112446482A (zh) * | 2019-09-05 | 2021-03-05 | 美光科技公司 | 数据存储装置中的失效部分的预测性管理 |
CN113320536A (zh) * | 2021-07-16 | 2021-08-31 | 北京航迹科技有限公司 | 一种车辆控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
WO2017125209A1 (de) | 2017-07-27 |
DE102016000493A1 (de) | 2017-07-20 |
EP3365741A1 (de) | 2018-08-29 |
US10474151B2 (en) | 2019-11-12 |
EP3365741B1 (de) | 2018-12-12 |
US20190018415A1 (en) | 2019-01-17 |
DE102016000493B4 (de) | 2017-10-19 |
CN108475056B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108475056A (zh) | 用于全自动地引导车辆***的方法以及机动车 | |
US12030517B2 (en) | Method and system for determining a driving maneuver | |
CN111907527B (zh) | 用于自主驾驶的可解释学习***和方法 | |
CN108349499B (zh) | 用于控制在车辆中的功能的方法、装置和处理设备 | |
CN112292719B (zh) | 使自我车辆的轨迹与运动的外来对象适配 | |
CN112249033B (zh) | 一种车辆的自动驾驶***及方法 | |
US20200004255A1 (en) | Method and arrangement for generating control commands for an autonomous road vehicle | |
CN113811929A (zh) | 在不同交叉道路上行驶的车辆的联合控制 | |
DE102019113865A1 (de) | Intelligente kraftfahrzeuge, systeme und steuerlogik zur echtzeit-routenführung und adaptive fahrsteuerung | |
CN113496602B (zh) | 智能路侧工具箱 | |
US20190220036A1 (en) | Systems and Methods for Implementing Vehicle Assignments using Vehicle State Information | |
CN111145552B (zh) | 基于5g网络的车辆动态换道轨迹的规划方法 | |
KR20220102395A (ko) | 자율주행 차량 군집 운행을 위한 비신호 교차로에서의 강화학습기반 통행 개선을 위한 장치 및 방법 | |
CN107563543B (zh) | 一种基于群体智能的城市交通优化服务方法与*** | |
JP7278484B2 (ja) | 車両交通のアテンションベースの制御 | |
CN105246116B (zh) | 在移动无线电装置中控制数据连接和/或数据传输 | |
CN109159782B (zh) | 车辆的动力模式调节方法及服务器 | |
Moriarty et al. | Learning cooperative lane selection strategies for highways | |
CN110617829B (zh) | 用于预测车辆的可能行驶路线的方法和装置 | |
CN106843210A (zh) | 一种基于仿生学的自动驾驶车辆运行控制方法 | |
Kessler et al. | Multi vehicle trajectory coordination for automated parking | |
GB2609720A (en) | Hybrid decision-making method and device for autonomous driving and computer storage medium | |
CN115923833A (zh) | 车辆的拟人化决策控制方法、装置、车辆及存储介质 | |
CN115140046A (zh) | 一种车辆控制方法、***、车辆控制器及云服务器 | |
DE102020103124A1 (de) | Verfahren und vorrichtung zur hochauflösenden kartenbasierten fahrzeugsteuerung für unterstütztes fahren |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |