CN109641589B - 用于自主车辆的路线规划 - Google Patents

Abstract

除其他事情外，作出关于如下的确定：到一时间或时间范围为止，自主车辆安全地或稳健地行驶正被考虑用于该自主车辆的道路特征或道路段或路线的能力。该路线符合所存储的道路网络信息的属性。如果计算机已经确定道路特征或道路段或路线不能由自主车辆安全地或稳健地行驶，则将该道路特征或道路段或路线排除在考虑之外。计算机的确定是基于自主车辆的属性的。

Description

用于自主车辆的路线规划

相关申请的交叉引用

本申请要求如下的美国申请的权益：2016年6月14日提交的美国申请序列号15/182,281、2016年6月14日提交的美国申请序列号15/182,313、2016年6月14日提交的美国申请序列号15/182,360、2016年6月14日提交的美国申请序列号15/182,400、以及2016年6月14日提交的美国申请序列号15/182,365，上述申请中的每一个申请的公开内容通过引用以其整体结合于此。

技术领域

本申请涉及用于自主车辆的路线规划。

背景技术

本说明书涉及用于自主车辆的路线规划。

在旅程中的部分期间或在整个旅程期间，自主车辆可以安全驾驶而无需人为干预。

自主车辆包括传感器、致动器、计算机、和通信设备，以实现对通过环境的路线的自动生成和跟踪。一些自主车辆具有无线双向通信能力，该无线双向通信能力用于：与可由人类监测器操纵的远程定位的命令中心通信、访问存储在云服务中的数据和信息、以及与紧急服务通信。

如图1中所示的，在自主车辆10的典型使用中，可以以各种方式标识期望的目标位置12(例如，目的地地址或街道交叉路口)。可以由乘坐者(例如，可以是车辆的所有者或者移动即服务(mobility-as-a-service)“智能出租车(robo-taxi)”应用中的乘客)指定目标位置。目标位置可以由算法(例如，该算法可以在云中的中央服务器上运行，并且被委以优化自主车辆车队的位置的任务，目的是在乘坐者招呼智能出租车时最小化乘坐者的等待时间)提供。在一些情况下，目标位置可以由过程(例如，由于车辆上检测到的医疗紧急情况而将最近的医院标识为目标位置的紧急过程)提供。

在给定期望的目标位置的情况下，选路算法20确定通过环境的从车辆的当前位置16到目标位置12的路线14。我们有时称这个过程为“路线规划”。在一些实施方式中，路线是道路、街道、和公路(highway)的一系列经连接的段(我们有时将其称为道路段或简称段)。

选路算法通常通过分析道路网络信息来操作。道路网络信息通常是关于道路网络的结构、类型、连接性、和其他相关信息的数字表示。道路网络通常被表示为一系列经连接的道路段。道路网络信息除了标识道路段之间的连接性之外，还可以包含关于每个道路段的物理和概念属性的附加信息，该附近信息包括但不限于地理位置、道路名称或数量、道路长度和宽度、速度限制、行驶方向、车道边缘边界类型、以及关于道路段的任何特殊信息，所述任何特殊信息诸如是否为公交车道、是仅右转弯车道还是仅左转弯车道、是否是公路、小道路或土道路的部分、该道路段是否允许停车或站立、以及其他属性。

选路算法通常标识从当前位置到目标位置的一个或多个候选路线22。通常通过采用标识最小化指定成本的路线的算法(诸如，A*、D*、Dijkstra算法等)来完成从候选路线中标识最好或最佳的路线14。该成本通常根据一个或多个标准，所述一个或多个标准通常包括沿着候选路线行驶的距离、在考虑速度限制时沿候选路线行驶的预期时间、交通状况、以及其他因素。选路算法可以标识要被呈现给乘坐者(或其他人，例如，在远程位置处的操作员)的一个或多个良好路线，以供选择或批准。在一些情况下，可以简单地将一个最佳路线提供给车辆轨迹规划和控制模块28，车辆轨迹规划和控制模块28具有引导车辆沿着最佳路线朝向目标(我们有时称为目标位置或仅仅称为目标)的功能。

如图2中所示的，道路网络信息通常被存储在数据库30中，数据库30被维持在集中式可访问服务器32上，并且可以以高频率(例如，1Hz或更高)更新数据库30。可以按需访问(例如，由车辆34请求)网络信息，或者由服务器将网络信息推送给车辆。

道路网络信息可以具有与道路网络信息相关联的时间信息，所述时间信息用于实现对交通规则、停车规则或与时间有关的其他影响(例如，例如在标准营业时间期间或在周末期间不允许停车的道路段)的描述，或所述时间信息用于包括关于在一天中的特定时间(例如，在高峰时间段期间)沿着道路段的预期行驶时间的信息。

发明内容

通常，在一方面中，确定路线的可行性。该路线包括将由自主车辆从开始位置行驶到目标位置的经连接的道路段的序列。该路线符合所存储的道路网络信息。

实施方式可包括以下特征中的一项或者以下特征中的两项或更多项的组合。该路线的可行性包括自主车辆安全地行驶该路线的能力。可行性包括自主车辆不能安全地行驶该路线。该路线的可行性状态包括自主车辆稳健地行驶该路线的能力。可行性状态包括自主车辆不能稳健地行驶该路线。计算机确定路线组中的每一条路线的可行性。计算机确定到给定时间为止的可行性。该路线是由路线规划过程确定的两条或更多条候选路线中的一条。将该路线排除在作为候选路线的考虑之外。可行性状态取决于车辆上的传感器的特性。特性包括根据当前状况或预测的未来状况的实际性能水平或估计性能水平。

可行性状态取决于软件过程的特性。软件过程包括对来自车辆上的传感器的数据进行处理。软件过程包括运动规划。软件过程包括决策制定。软件过程包括车辆运动控制。特性包括根据当前状况或预测的未来状况的实际性能水平或估计性能水平。

可行性状态取决于道路特征的特性。道路特征的特性包括交叉路口、环岛(roundabout)或高速公路出入口的空间特性。道路特征的特性包括交叉路口、环岛或高速公路出入口的连接性特性。道路特征的特性包括空间定向。道路特征的特性包括道路施工或交通事故。道路特征的特性包括粗糙度。道路特征的特性包括由于弯曲和坡度导致的差的能见度。道路特征的特性包括自主车辆的差的先前驾驶性能。道路特征的特性包括模型自主车辆的差的先前模拟性能。道路特征的特性包括恶劣天气中的物理导航挑战。

通常，在一方面中，确定属于道路网络信息体的一个或多个道路段对于自主车辆的行驶的可行性。使道路段的可行性状态可用于与道路网络信息相连接。

实施方式可包括以下特征中的一项或者以下特征中的两项或更多项的组合。道路段的可行性包括自主车辆安全地行驶该道路段的能力。可行性包括自主车辆不能安全地行驶该道路段。该路线的可行性包括自主车辆稳健地行驶该道路段的能力。可行性包括自主车辆不能稳健地行驶该道路段。计算机确定到给定时间为止的可行性。可行性取决于车辆上的传感器的特性。特性包括根据当前状况或预测的未来状况的实际性能水平或估计性能水平。

可行性取决于软件过程的特性。软件过程包括对来自车辆上的传感器的数据进行处理。软件过程包括运动规划。软件过程包括决策制定。软件过程包括车辆运动控制。特性包括根据当前状况或预测的未来状况的实际性能水平或估计性能水平。

可行性状态取决于道路段的特性。道路段的特性包括交叉路口、环岛或高速公路出入口的空间特性。道路段的特性包括交叉路口、环岛或高速公路出入口的连接性特性。道路段的特性包括空间定向。道路段的特性包括道路施工或交通事故。道路段的特性包括粗糙度。道路段的特性包括由于弯曲和坡度导致的差的能见度。道路段的特性包括自主车辆的差的先前驾驶性能。道路段的特性包括模型自主车辆的差的先前模拟性能。道路段的特性包括在恶劣天气中的物理导航挑战。当自主车辆正行驶该路线时，路线的可行性状态被更新。

通常，在一方面中，作出关于如下的确定：到一时间或时间范围为止，自主车辆安全地或稳健地行驶正被考虑用于该自主车辆的道路特征或道路段或路线的能力。该路线符合所存储的道路网络信息的属性。如果计算机已经确定道路特征或道路段或路线不能由自主车辆安全地或稳健地行驶，则将该道路特征或道路段或路线排除在考虑之外。计算机的确定是基于自主车辆的属性的。

实施方式可包括以下特征中的一项或以下特征中的两项或更多项的组合。属性包括自主车辆在自主行驶期间所使用的传感器的特性。自主车辆安全或稳健地行驶的能力的确定基于处理表示自主车辆的属性的数据的软件过程。属性包括传感器的性能水平，所述性能水平包括根据当前状况或预测的未来状况的实际性能水平或估计性能水平。自主车辆的属性包括一个或多个传感器在特定性能水平下产生感兴趣的数据产品的能力。自主车辆的属性包括一个或多个传感器的故障模式。自主车辆的属性包括由自主车辆所使用的软件过程的特性。软件过程的特性包括软件过程在特定性能水平下产生感兴趣的数据产品的能力。软件过程的特性包括数据融合网络在特定性能水平下产生感兴趣的数据产品的能力。软件过程包括运动规划过程。软件过程包括决策制定过程。软件过程包括运动控制过程。

通常，在一方面中，作出关于如下的确定：到一时间或时间范围为止，自主车辆安全地或稳健地行驶正被考虑用于该自主车辆的道路特征或道路段或路线的能力。路线符合所存储的道路网络信息的属性。如果计算机已经确定道路特征或道路段或路线不能由自主车辆安全地或稳健地行驶，则将该道路特征或道路段或路线排除在考虑之外。计算机的确定基于自主车辆行驶的环境的属性。

实施方式可包括以下特征中的一项或者以下特征中的两项或更多项的组合。环境包括道路特征。环境的属性包括自主车辆的可导航性。环境的属性包括道路特征的空间特性。环境的属性包括道路特征的连接性特性。环境的属性包括道路特征的空间定向。环境的属性包括道路施工或交通事故的位置。环境的属性包括道路特征的道路表面粗糙度。环境的属性包括影响能见度的弯曲坡度。环境的属性包括道路特征的标记的特性。环境的属性包括与恶劣天气相关联的道路特征的物理导航挑战。计算机确定自主车辆安全或稳健地行驶道路特征组中的每一个道路特征或道路段组中的每一个道路段或路线组中的每一个路线的能力。

自主车辆安全或稳健地行驶道路特征或道路段或路线的能力取决于车辆上的传感器的特性。特性包括根据当前状况或预测的未来状况的实际性能水平或估计性能水平。计算机确定自主车辆到给定时间为止的能力。该路线是由路线规划过程确定的两条或更多条候选路线中的一条。自主车辆安全或稳健地行驶道路特征或道路段或路线的能力取决于软件过程的特性。软件过程包括对来自车辆上的传感器的数据进行处理。软件过程包括运动规划。软件过程包括决策制定。软件过程包括车辆运动控制。特性包括根据当前状况或预测的未来状况的实际性能水平或估计性能水平。

通常，在一方面中，作出关于如下的确定：到一时间或时间范围为止，自主车辆安全地或稳健地行驶正被考虑用于该自主车辆的道路特征或道路段或路线的能力。该路线符合所存储的道路网络信息的属性。如果计算机已经确定道路特征或道路段或路线不能由自主车辆安全地或稳健地行驶，则将该道路特征或道路段或路线排除在考虑之外。该确定是基于对自主车辆的性能的分析的。

实施方式可包括以下特征中的一项或者以下特征中的两项或更多项的组合。对自主车辆的性能的分析包括与道路特征相关联的先前驾驶性能。对自主车辆的性能的分析包括与道路特征相关联的先前模拟性能。

通常，在一方面中，从两条或更多条候选路线的组中选择到一时间或时间范围为止由自主车辆行驶的路线，该组中的所有候选路线具有超过可行性阈值的可行性状态。

实施方式可包括以下特征中的一项或者以下特征中的两项或更多项的组合。可行性状态包括如下的指示：该候选路线可以由自主车辆安全地或稳健地行驶或者由自主车辆安全地并且稳健地行驶。从源接收作为数据产品或数据的馈送的关于候选路线的信息。所接收的关于候选路线的信息是道路网络信息的部分。候选路线包括包含尚未验证的至少一个道路段的路线。

这些和其他的方面、特征、实施方式、以及优势、以及它们的组合可以被表达为方法、***、部件、装置、程序产品、经营商业的方法、用于执行功能的装置或步骤、以及以其他方式被表达。

根据以下描述和权利要求，其他方面、特征、实施方式和优势将变得显而易见。

附图说明

图1示出了在自主车辆的典型使用中对期望的目标位置的标识。

图2示出了用于维持存储有道路网络信息的数据库的集中式可访问服务器。

图3示出了传感器和软件过程的物理位置的示例。

图4至图9是道路场景的示意图。

图10是车辆和远程定位的数据库的示意图。

具体实施方式

对于涉及人类驾驶车辆的路线规划，通常假设由选路算法标识的从当前位置到目标位置的路线是可由驾驶员安全驾驶的路线，其中所述路线是由经连接的道路段组成的。然而，由于各种原因，对于由该选路算法为自主车辆标识的路线，该假设可能无效。由于道路特征的特定属性和车辆相对于这些道路特征的能力，自主车辆可能不能安全地导航某些道路段、交叉路口、或其他地理区域(我们将广泛地称其为道路特征)。而且，自主车辆可能在一天中的某些时段期间、一年中的某些时段期间、或在某些天气状况下不能安全地导航某些道路特征。

图3和图10中示出了车辆中的传感器和在基于云的服务器和数据库处的软件过程的物理位置的示例。

传感器和软件过程

在许多情况下，这种无法安全地导航道路特征涉及传感器和软件过程的特性，自主车辆使用所述传感器和软件过程来感知环境、处理来自传感器的数据、了解当前由感知的环境所呈现的状况以及可能将来由感知的环境所呈现的状况、执行运动规划、执行运动控制、以及基于这些感知和了解作出决策。除其他事物外，在某些状况下以及在某些时间处，传感器和过程的如下能力可能劣化(degrade)或丢失，或者受到不可接受的改变：感知环境、了解状况、执行运动规划和运动控制、以及作出决策。

传感器和软件过程输出的这种劣化或不可接受的改变的示例如下：

用于感知车辆的环境的传感器

如图3上所示的，以下类型的传感器40通常可用于具有驾驶员辅助能力或高度自动驾驶能力的车辆(例如，自主车辆)：能够测量车辆的环境的属性的传感器，包括但不限于，例如，激光雷达(LIDAR)、雷达(RADAR)、可见光、红外或热光谱中的单目视频相机或立体视频相机、超声波传感器、飞行时间(TOF)深度传感器、以及温度和雨水传感器、以及它们的组合。来自这些传感器的数据42可被处理44以产生“数据产品”46，例如，关于其他车辆、行人、骑自行车者、滑板车、车厢、推车、动物和其他移动物体的类型、位置、速度和估计的未来运动的信息。数据产品还包括相关的物体和特征、道路标记以及道路标志的位置、类型和内容，其中所述相关的物体和特征诸如是静态阻挡物(例如，杆、标志、路缘、交通标记锥和桶、交通信号、交通标志、道路分隔物和树木)

软件过程44使用这种传感器数据以在特定性能水平下计算这种数据产品的能力取决于传感器的属性，诸如，检测范围、分辨率、噪声特性、温度依赖性、和其他因素。在特定性能水平下计算这些数据产品的能力还可能取决于环境状况，诸如，环境光照的属性(例如，是否存在直射阳光、漫射阳光、日出或日落状况、黄昏或黑暗)，雾、霭、烟雾或空气污染的存在，是否正在下雨或下雪或者最近是否已经下雨或下雪，以及其他因素。

通常，表征特定的传感器(以及相关联的处理软件)在特定性能水平(例如，特定水平的检测准确度、检测范围、真肯定或假肯定的比率、或其他度量)下产生感兴趣的数据产品的能力是可能的，其中所述特定性能水平根据与环境状况相关的可测量的度量。例如，表征特定单目相机传感器可以在特定性能水平下检测移动车辆的范围通常是可能的，其中所述特定性能水平根据与白天和夜晚状况相关联的环境照明水平。

此外，标识传感器的特定故障模式，以及标识传感器未被设计成能够生成的数据产品通常是可能的，其中所述传感器的特定故障模式即传感器将确切地劣化或无法生成感兴趣的数据产品的状况或环境。

图9示出了自主车辆传感器配置的示例。

用于处理来自传感器的数据的软件

如上所述，可以由软件过程44使用来自传感器的数据以产生感兴趣的各种数据产品。软件过程中的每一个的生成符合指定性能水平的数据产品的能力取决于传感器软件过程(例如，算法)的属性，这可能会限制它们在具有某些属性的场景中的性能，其中所述具有某些属性的场景诸如，与手头上的感测任务相关的数据特征的密度非常高或非常低。

例如，用于依赖于来自单目视觉传感器的数据来进行行人检测的算法(我们有时可互换地使用术语软件过程和算法)可能在其以指定的性能水平(例如，指定的处理速率)检测超过一定数量的行人的能力方面劣化或失败，并且可能因此在具有大量的行人的场景中劣化或失败(在指定的性能水平下的情景中没有检测到所有行人的意义上)。此外，在几乎不具有诸如平坦的停车场之类的几何地势的场景中，用于基于从车辆安装的传感器收集的激光雷达数据与存储在地图数据库中的数据的比较来确定自我(ego)车辆的位置(称为“定位”)的算法可能以其能力无法在指定的性能水平下(例如，在指定的位置准确度程度下)确定车辆的当前位置。

通常，表征特定传感器软件过程的如下的能力是可能的：在根据可测量的场景属性的特定性能水平下产生感兴趣的数据产品。

通常，由一个以上传感器提供的数据被组合在由一个或多个软件过程实施的数据融合框架中，目的是改进计算一个或多个数据产品的整体性能。例如，来自视频相机的数据可以与来自激光雷达传感器的数据组合，以实现在被设计为超过通过单独使用视频相机或激光雷达传感器可实现的性能水平的性能水平下检测行人。在诸如此类的数据融合场景中，上述情况仍然如此：表征特定数据融合框架在特定性能水平下产生感兴趣的数据产品的能力通常是可能的。

用于运动规划的软件过程

能够高度自动驾驶的车辆(例如，自主车辆)依赖于运动规划过程，即，自动生成和执行通过环境朝向指定的短期目标的轨迹的算法过程。我们广义地使用术语轨迹来包括例如从一个地方到另一个地方的路径。为了区分由运动规划过程产生的轨迹与由路线规划过程产生的路线，我们注意到轨迹是通过车辆最近周围环境(例如，距离标度通常在几米到几百米的量级)的路径，这些路径被专门设计成不与阻挡物碰撞，并且通常具有与如下的相关的理想特性：路径长度、乘坐质量、所需行驶时间、不违反道路规则、遵守驾驶习惯、或其他因素。

在自主车辆上采用的一些运动规划过程表现出已知的限制。例如，在假设车辆仅在向前方向上移动但不在向后方向上移动的情况下，某个运动规划过程可能能够计算用于车辆的从其当前位置到目标的路径。或者，某个运动计划过程可能能够仅在车辆以小于指定速度限制的速度行驶时计算用于车辆的路径。

基于对过程的算法设计或其在模拟或实验测试中观察到的性能的了解来标识运动规划过程上的这些和类似的性能特性(例如，限制)通常是可能的。根据特定运动规划过程的限制，可能难以或不可能在特定区域中安全地导航，所述特定区域例如，需要以高速度行驶的公路，或需要涉及向前和后退操纵两者的复杂多点转弯的多级停车结构。

用于决策制定的软件过程

能够高度自动驾驶的车辆依赖于决策制定过程，即算法过程，该决策制定过程用于自动决定用于车辆在给定时间的适当短期行动进程，例如，是否超过停止的车辆或在其后面等待；是否行进通过四向停止交叉路口或避让(yield)已先前到达该交叉路口的车辆。

在自主车辆上采用的一些决策制定过程表现出已知的限制。例如，某个决策制定过程可能无法确定用于在高复杂度的某些场景中(例如，在包括交通灯的环岛中)或在多层停车结构中的车辆的适当的行动进程。

如在运动规划过程的情况下，基于对过程的算法设计或其在模拟或实验测试中观察到的性能的了解来标识决策制定过程上的这些和类似的性能特性(例如，限制)通常是可能的。根据对特定决策制定过程的限制，可能难以或不可能在特定区域中安全地导航。

用于车辆运动控制的软件过程

自主车辆通常旨在通过采用运动控制过程以高精确程度遵循由运动规划过程提供的轨迹。运动控制过程基于对从期望轨迹的当前偏离和预测偏离的分析和其他因素来计算控制输入(即，转向、制动和油门输入)组。

这些运动控制过程表现出已知的限制。例如，某个运动控制过程可以允许仅在向前方向上的稳定操作，而不允许在向后方向上操作。或者，某个运动控制过程可能具有仅在车辆以小于指定速度限制的速度行驶时跟踪期望的轨迹(达指定的精度)的能力。或者，某个运动控制过程可能具有如下的能力：仅在道路表面摩擦系数超过某个特定水平时执行需要某个水平的横向或纵向加速度的转向或制动输入。

如在运动规划和决策制定过程的情况下，基于对过程的算法设计或其在模拟或实验测试中观察到的性能的了解来标识运动控制过程上的这些和类似的限制通常是可能的。根据对特定运动控制过程的限制，可能难以或不可能在特定区域中安全地导航。

可以基于根据当前状况和未来状况的传感器和软件过程的特定性能水平来确定自主车辆的安全或稳健操作。

道路特征的特性

路线规划过程旨在排除如下的候选路线：包括可被确定为自主车辆无法安全地导航的道路特征。为此目的，路线规划过程可以有用地考虑与自主车辆特别相关的信息的源，所述信息包括关于道路特征的特性的信息，诸如空间特性、定向、表面特性等。通常，这种信息将用于避开为自主车辆选择如下路线：通过对车辆来说难以或不可能在所需的性能或安全水平下进行导航的道路网络的区域。这里描述了信息的源的示例，以及它们对自主车辆性能或安全性的影响的解释。

交叉路口、环岛、高速公路出入口或其他道路特征的空间特性

如图5中所示的示例所示，道路网络信息可以包含或允许通过单独的过程计算与道路交叉路口、环岛、高速公路出入口或包括多车道表面道路和公路的其他道路特征的空间特性有关的信息。这样的信息可以包括例如道路的宽度、交叉路口两端的距离(即，从交叉路口的边缘处的行驶车道上的点到交叉路口的相对边缘处的相对车道上的点的距离)、以及环岛两端的距离(即，环岛的直径)

鉴于对自主车辆的传感器***的检测属性的了解，对这种空间特性的分析可以允许在不考虑或者鉴于某个时间或一天中的时间或时间范围(例如，在日落之后和日出之前)的情况下，确定某些道路段不能由自主车辆在指定的安全水平或稳健水平下导航。考虑到对自主车辆的感测能力的实际限制和道路的可允许行驶速度，这可以允许自主车辆避开(例如)某些交叉路口，这些交叉路口例如“在日落之后，太大而不能看到两端”。这些限制可能使得自主车辆传感器不可能以足够的用于对即将发生的交通作出反应的时间来向运动规划过程提供数据产品。

交叉路口、环岛、高速公路出入口或其他道路特征的连接性特性

如图4中所示的示例所示，道路网络信息可以包含或允许通过单独的过程来计算与特定道路段或各个道路段车道或其他道路特征的连接性特性有关的信息。例如，这种信息可以包括相交的道路段相对于彼此的定向。它还可以包括对专门的行驶车道的指定，诸如，仅右转弯和仅左转弯车道指定，或对公路入口坡道和出口坡道的标识。

鉴于对自主车辆传感器***的检测属性、运动规划过程的能力以及决策制定过程的能力的了解，对这种连接性特性的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避开例如具有如下的几何属性的交叉路口：使得自主车辆传感器不可能以足够的用于对即将发生的交通作出反应的时间向运动规划过程提供数据产品。考虑到对车辆的决策制定能力的已知限制，它还可以允许自主车辆避开太复杂而不能安全地导航(例如，由于复杂的所需的合并，或者无法推出在专门的行驶车道中的行驶)的交叉路口。

道路特征的空间定向

如图6中所示的示例所示，道路网络信息可以包含或允许通过单独的过程来计算与特定道路段或各个道路段车道或其他道路特征的空间定向(例如，在惯性坐标系中的定向)有关的信息。

鉴于对自主车辆传感器***的检测属性的了解，对道路特征的定向的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避免(例如)被“太阳致盲(sunblinded)”(即，由于以低倾斜入射角暴露于直射阳光而经历视频相机和/或激光雷达传感器的严重劣化的性能)。

道路施工和交通事故的位置

道路网络信息可以包含或经由实时地图绘制服务提供商或另一输入而被增加以包括，关于潜在地导致某些道路段的关闭的道路施工或事故的位置的信息。鉴于对自主车辆的传感器***的检测属性的了解，对这种信息的分析可以允许确定由于车辆不能检测到临时标牌、障碍物或者由与道路施工或事故相关联的人员交通指导呈现的手势信号而导致某些道路段或高速公路出入口不能由自主车辆导航。

粗糙道路特征的位置

道路网络信息可以包含或经由实时地图绘制服务提供商或类似输入而被增加以包括，关于粗糙的、劣化的、坑坑洼洼的、损坏的、洗涤板式的(washboarded)或部分构造的道路(包括未准备好的道路和次要道路、以及故意以减速带或振动带(rumblestrips)构造的道路)的区域的位置的信息。该信息可以是二元指定的形式(例如，“粗糙道路”或“光滑道路”)或者是以量化道路表面粗糙度的连续数字或语义度量的形式。

鉴于对自主车辆的传感器***的检测属性的了解，对道路表面粗糙度的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避开(例如)在物理传感器安装件中引起振动从而导致差的传感器***性能的严重洗涤板式的道路，或者具有可能被感知过程意外地分类为不可通过的阻挡物的减速带的道路区域。

由于弯曲和坡度而具有差的能见度的道路特征的位置

如图7和图8中所示的，道路网络信息可以包含或允许通过单独的过程来计算与道路特征的弯曲和坡度(沿着车辆俯仰或滚动轴线)有关的信息。

鉴于对自主车辆的传感器***的检测属性的了解，对道路特征的弯曲和坡度的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避开如下的道路段：陡峭倾斜的并且因此使得车辆传感器***不可能“越过山坡观看(seeoverthehill)”(即，由于传感器的有限的垂直视野，而不能检测周围环境中的交通的存在)，以及不可能“看到拐角周围(seearoundthecorner)”(即，由于传感器的有限的水平视野，而不能检测周围环境中的交通的存在)。

具有难以辨认的、被侵蚀的、难以理解的、维护或定位不良的标记、标牌或信号的 道路特征的位置

道路网络信息可以包含或经由实时地图绘制服务提供商或其他输入而被增加以包括，关于具有如下的道路区域的位置的信息：难以辨认的、被侵蚀的、难以理解的、或维护或定位不良的车道标记和其他道路标记、标牌或信号。

鉴于对自主车辆的传感器***的检测属性、以及(潜在地)运动规划或决策制定过程的能力的了解，对这种信息的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避开(例如)标记不良的道路区域，以考虑车辆无法在具有如下的交通标志或信号的车道、交叉路口内安全地导航：部分被遮挡(例如，通过叶子)或以其他方式难以从公称的行驶车道(多条)中检测。它还可以允许自主车辆避开(例如)具有如下的信号或标牌的道路区域：区域特定的或国家特定的并且不能通过车辆感知过程(多个)可靠地检测到的。

具有自主车辆或其他自主车辆的差的先前驾驶性能的道路特征的位置

道路网络信息可以包含、或者经由实时地图绘制服务提供商或另一输入或通过自主车辆车队中的感兴趣的自主车辆或任何其他车辆而被增加以包括，关于如下的道路特征的位置的信息：在其中，潜在地由于高场景交通或行人密度、静止物体的遮挡、交通路口复杂性、或其他因素，感兴趣的自主车辆或另一自主车辆已经经历危险、劣化、不安全、或以其他方式的不期望的驾驶性能。可以在地图数据库中“标出”车辆性能差的区域的标识，并且当经标出的事件的数量超过指定的阈值时将该区域标记为避开。这可以允许自主车辆避开车辆或其他车辆已经经历导航困难的道路特征。

具有模型自主车辆的差的先前模拟性能的道路特征的位置

道路网络信息可以包含或者被增加以包括，关于如下的道路区域的位置的信息：在其中，在模拟环境中已经观察到感兴趣的自主车辆的模型潜在地由于场景交通或行人密度、静态物体的遮挡、交通路口的复杂性、或其他因素，而经历危险的、劣化的、不安全的或者以其他方式的不期望的驾驶性能。可以在地图数据库中“标出”车辆性能差的区域的标识，并标记该区域以供避开。这可以允许自主车辆避开如下的道路区域：在其中，车辆的模型在模拟环境中已经经历难以安全地导航，从而表明实验车辆可能面临现实世界环境中的导航挑战。

可能在恶劣天气中呈现物理导航挑战的道路特征的位置

道路网络信息可以包含、或允许通过单独的过程来计算、或经由实时地图绘制服务提供商或另一输入而被增加以包括与可能在恶劣天气中或在指定的环境状况下呈现导航挑战的道路特征的位置有关的信息。

鉴于对自主车辆的传感器***的检测属性的了解、以及对车辆的运动控制过程的性能特性的了解，对这种信息的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避开(例如)包含道路倾斜或弯曲的道路段，当被冰、雪或冻雨覆盖时，不可能安全地导航这些道路段。

可能导致已知的车辆故障或故障状况的道路特征的位置

道路网络信息可以包含、或允许通过单独的过程来计算、或经由实时地图绘制服务提供商或另一输入而被增加以包括与可在各种传感器或软件过程中导致已知车辆故障或故障状况的道路特征的位置有关的信息。

鉴于对自主车辆的传感器***的检测属性的了解、以及对车辆的运动控制过程的性能特性的了解，对这种信息的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避开(例如)可能引起来自雷达传感器的错误读数的特定类型的金属桥或立交桥、可能阻挡GPS信号并因此导致差的车辆定位性能的某些隧道、以及可能不能提供可由激光雷达传感器检测到的垂直特征并可因此导致差的车辆定位性能的某些极其平坦的道路区域。

当被冰、雪或冻雨覆盖时不可能安全地导航包含道路倾斜或弯曲的道路段。

道路网络信息可以包含、或允许通过单独的过程来计算、或通过实时地图绘制服务提供商或另一源而被增加以包括与可能在恶劣天气中或在指定的环境状况下呈现导航挑战的道路特征的位置有关的信息。

鉴于对自主车辆的传感器***的检测属性的了解、以及对车辆的运动控制过程的性能特性的了解，对这种信息的分析可以允许确定某些道路段或高速公路出入口潜在地在一天中的某个(某些)时间处或时间范围内不能由自主车辆在指定的安全水平或稳健水平下导航。这可以允许自主车辆避开(例如)包含道路倾斜或弯曲的道路段，当被冰或冻雨覆盖时，不可能安全地导航这些道路段。

除了标识不能由自主车辆安全地导航的特定道路段之外，执行相反的操作也是可能的：基于对如以上所描述的相关信息源的分析，来标识能够由自主车辆安全地导航的特定道路段。例如，基于对车辆传感器和软件过程的已知性能特性以及关于道路特征的给定信息的分析，确定给定的道路段是否可以由自主车辆安全且稳健地导航是可能的。

这种分析对于编译将由其他产品或过程使用的地图数据产品或数据的馈送、描述自主车辆的“经验证的自主驾驶路线”将是有用的。在一些实施方式中，数据产品或数据馈送可以描述“不安全的自主驾驶路线”。该数据可以用作作为道路网络信息的部分来被维护的道路段的属性之一。在某些情况下，对道路段和路线的验证(或对无法安全或稳健地行驶的确定)可以基于自主车辆在诸如街道之类的道路特征的水平下或在给定道路特征内的车道水平下的成功的实验行驶(或模拟行驶)。当确定自我车辆的当前位置和目标位置之间的最佳路线时，选路算法可以通过仅考虑经验证的自主驾驶路线来使用这种信息。这种最佳路线可能试图仅包括被认为是“经验证的自主驾驶路线”的道路段，或者它可能试图包括经验证的和未经验证的驾驶路线的组合，其中该组合由考虑各种因素的优化过程确定，所述各种因素诸如是行驶距离、预期行驶时间、以及道路段是经验证的还是未经验证的等因素。通常，路线算法可以仅探索已知具有超过可行性阈值的可行性状态的候选路线，例如，以允许足够稳健或足够安全的行驶或足够稳健且足够安全的行驶。

在某些实例中，这种信息可用于城市规划目的，以使用户(即，道路网络的人类规划者或自动化道路网络规划软件过程)能够避免设计可能对自主车辆提出导航挑战的道路段或交叉路口在这种使用情况下，本文所描述的分析方法将用于道路设计软件工具或过程的背景中。

这种道路设计软件工具或过程将允许用户使用各种可能的输入设备和用户接口来指定或设计道路段、道路网络、交叉路口、公路、或其他道路特征。当用户采样道路设计软件工具来指定或设计道路段、道路网络、交叉路口、公路、或其他道路特征时，软件过程(即，“可行性状态过程”)将分析多个潜在连接的道路段(例如，高速公路(freeway)或交叉路口)中的道路段或区域的可行性状态。可行性状态过程还可以分析路线的可行性状态。基于以上描述的分析方法来确定可行性状态。

可行性状态过程的输出可以是可行性状态评估，即，以二元指定表示对道路段、道路网络、交叉路口、公路、或其他道路特征或路线的可行性的评估(例如，“可行”或“不可行”)，或者可以采取量化可行性的连续数字或语义度量的形式。可行性状态评估可以包括对道路段、道路网络、交叉路口、公路或其他道路特征或路线的安全性或稳健性的独立评估，每个评估以二元指定或以量化安全性或稳健性的连续数字或语义度量的形式表示。可行性状态过程的输出可以包括基于可行性状态评估的值向用户发出的警告。

根据可行性状态评估的值，可以自动删除由用户设计的道路段、道路网络、交叉路口、公路或其他道路特征。根据可行性状态评估的值，可以以改进可行性状态评估的方式自动修改道路段、道路网络、交叉路口、公路或其他道路特征。

以这种方式，道路设计工具或过程可能能够在用户设计危险道路段、交叉路口、或路线时警告用户，并由此阻止这种道路段、交叉路口或路线的构造，并且还潜在地建议对该道路段、交叉路口或路线进行改进的设计

我们有时使用短语“可行性状态”来广泛地包括例如路线或道路特征或路线段对于自主车辆的行驶的适合性水平的任何确定或指示，所述适合性水平例如，是否不安全、不安全的程度，是否安全、安全的程度，是否可以稳健地行驶、以及稳健性程度，是否有效，以及其他类似的解释。

其他实施方式也在下述权利要求书的范围内。

Claims (21)

1.一种计算机实施的用于路线规划的方法，包括：

由计算机，

通过路线规划过程确定两条或更多条候选路线，所述两条或更多条候选路线各自包括经连接的道路段的序列，所述候选路线中的一条候选路线用于由自主车辆从开始位置行驶到目标位置，其中所述候选路线中的所述一条候选路线包括未被包括在所述候选路线中的至少另一条候选路线中的道路段；

针对所述两条或更多条候选路线中的路线，如果所述自主车辆要行驶在所述路线上，则预测要由所述自主车辆的传感器实现的性能水平，其中预测的性能水平受到环境状况的影响，所述自主车辆将通过行驶在所述路线上而被暴露于所述环境状况；

基于预测的要由所述传感器实现的性能水平以及关于所述自主车辆的针对所述两条或更多条候选路线中的各候选路线的运动规划过程和决策制定过程至少之一的性能特性来确定所述性能水平被预测的所述路线的可行性；以及

基于确定的可行性，来将所述可行性被确定为不可行的所述路线排除在考虑之外。

2.如权利要求1所述的方法，其特征在于，所述可行性取决于道路特征的特性。

3.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括交叉路口、环岛或高速公路出入口的空间特性。

4.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括交叉路口、环岛或高速公路出入口的连接性特性。

5.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括空间定向。

6.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括道路施工或交通事故。

7.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括粗糙度。

8.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括由于弯曲和坡度而导致的能见度的如下特性：指示所述自主车辆不能在指定的安全性水平或指定的稳健性水平下导航所述道路特征。

9.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括自主车辆的先前驾驶性能的如下特性：指示所述自主车辆不能在指定的安全性水平或指定的性能水平下导航所述道路特征。

10.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括模型自主车辆的先前模拟性能的如下特性：指示所述自主车辆不能在指定的安全性水平或指定的性能水平下导航所述道路特征。

11.如权利要求2所述的方法，其特征在于，所述道路特征的所述特性包括与在恶劣天气中呈现导航挑战的道路特征有关的信息，所述信息指示所述自主车辆不能在指定的安全性水平或指定的稳健性水平下导航所述道路特征。

12.一种计算机实施的用于路线规划的方法，包括：

由计算机，

通过路线规划过程确定两个或更多个候选道路段，所述候选道路段属于道路网络信息体，所述候选道路段用于组成用于由自主车辆从开始位置行驶到目标位置的路线；

针对所述两个或更多个候选道路段中的道路段，如果所述自主车辆要行驶在所述道路段上，则预测要由所述自主车辆的传感器实现的性能水平，其中预测的性能水平受到环境状况的影响，所述自主车辆将通过行驶在所述道路段上而被暴露于所述环境状况；

基于预测的要由所述传感器实现的性能水平来确定所述性能水平被预测的所述道路段的可行性；以及

基于确定的可行性，来将所述可行性被确定为不可行的道路段排除在考虑之外，

其中所述可行性还取决于软件过程的性能特性和所述道路段的特性，以及所述软件过程包括所述自主车辆的针对所述两个或更多个候选道路段中的各候选道路段的运动规划过程和决策制定过程至少之一。

13.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括交叉路口、环岛或高速公路出入口的空间特性。

14.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括交叉路口、环岛或高速公路出入口的连接性特性。

15.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括空间定向。

16.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括道路施工或交通事故。

17.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括粗糙度。

18.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括由于弯曲和坡度而导致的能见度的如下的特性：指示所述自主车辆不能在指定的安全性水平或指定的稳健性水平下导航道路特征。

19.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括自主车辆的先前驾驶性能的如下特性：指示所述自主车辆不能在指定的安全性水平或指定的性能水平下导航道路特征。

20.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括模型自主车辆的先前模拟性能的如下特性：指示所述自主车辆不能在指定的安全性水平或指定的性能水平下导航道路特征。

21.如权利要求12所述的方法，其特征在于，所述道路段的所述特性包括与在恶劣天气中呈现导航挑战的道路特征有关的信息，所述信息指示所述自主车辆不能在指定的安全性水平或指定的稳健性水平下导航道路特征。