CN110325928B - 自主车辆运行管理 - Google Patents

自主车辆运行管理 Download PDF

Info

Publication number
CN110325928B
CN110325928B CN201780085084.5A CN201780085084A CN110325928B CN 110325928 B CN110325928 B CN 110325928B CN 201780085084 A CN201780085084 A CN 201780085084A CN 110325928 B CN110325928 B CN 110325928B
Authority
CN
China
Prior art keywords
vehicle
scenario
autonomous vehicle
traffic network
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780085084.5A
Other languages
English (en)
Other versions
CN110325928A (zh
Inventor
K.雷
S.维特维奇
S.齐伯斯坦
L.佩德森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nissan Motor Co Ltd
University of Massachusetts UMass
Original Assignee
University of Massachusetts UMass
Nissan North America Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Massachusetts UMass, Nissan North America Inc filed Critical University of Massachusetts UMass
Publication of CN110325928A publication Critical patent/CN110325928A/zh
Application granted granted Critical
Publication of CN110325928B publication Critical patent/CN110325928B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • 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
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • 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
    • 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
    • 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
    • G08G1/096791—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 another 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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/30—Sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Environmental Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Debugging And Monitoring (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

自主车辆运行管理可以包括使自主车辆航行通过车辆交通网络。航行通过车辆交通网络可以包括生成用于运行特定于场景的运行控制评估模块实例的自主车辆运行控制环境。特定于场景的运行控制评估模块实例可以是相应的特定于场景的运行控制评估模块的实例。特定于场景的运行控制评估模块可以对相应的独特车辆运行场景进行建模。特定于场景的运行控制评估模块实例可以响应于相应对应的独特车辆运行场景生成相应的候选车辆控制动作。航行通过车辆交通网络可以包括使特定于场景的运行控制评估模块实例运行，从第一特定于场景的运行控制评估模块实例接收第一候选车辆控制动作，以及基于第一候选车辆控制动作航行通过车辆交通网络的一部分。

Description

自主车辆运行管理
技术领域
本公开内容涉及自主车辆运行(operational，操作)管理和自主驾驶。
背景技术
车辆诸如自主车辆可以航行通过(traverse，航行通过、穿过)车辆交通网络的一部分。航行通过车辆交通网络的一部分可以包括通过诸如车辆的传感器生成或捕获数据，诸如表示车辆的运行环境或其一部分的数据。因此，用于自主车辆运行管理的***、方法和装置可能是有利的。
发明内容
本文公开了自主车辆运行管理的方面、特征、元件、实施和实施方式。
所公开实施方式的一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分；其中，航行通过车辆交通网络的部分包括根据识别的路径航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，特定于场景的运行控制评估模块实例与在距自主车辆限定距离内的外部对象相关联；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，特定于场景的运行控制评估模块实例是来自多个特定于场景的运行控制评估模块的一特定于场景的运行控制评估模块的实例；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，特定于场景的运行控制评估模块实例是来自多个特定于场景的运行控制评估模块的特定于场景的运行控制评估模块的实例，其中，来自多个特定于场景的运行控制评估模块的每个特定于场景的运行控制评估模块对一独特(distinct，不同的、有区别的)车辆运行场景进行建模；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，使特定于场景的运行控制评估模块实例运行包括通过特定于场景的运行控制评估模块实例对独特车辆运行场景进行建模；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，使特定于场景的运行控制评估模块实例运行包括通过特定于场景的运行控制评估模块实例对独特车辆运行场景进行建模，其中，对独特车辆运行场景进行建模包括对传感器不确定性进行建模；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，使特定于场景的运行控制评估模块实例运行包括通过特定于场景的运行控制评估模块实例对独特车辆运行场景进行建模，其中，对独特车辆运行控制场景进行建模包括从自主车辆的传感器接收传感器信息以及基于传感器信息对独特车辆运行控制场景进行建模。使特定于场景的运行控制评估模块实例运行包括从特定于场景的运行控制评估模块实例接收候选车辆控制动作，并基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，使特定于场景的运行控制评估模块实例运行包括通过特定于场景的运行控制评估模块实例对独特车辆运行场景进行建模，其中，对独特车辆运行控制场景进行建模包括从自主车辆的传感器接收传感器信息以及基于传感器信息对独特车辆运行控制场景进行建模。对独特车辆运行控制场景进行建模包括接收表示车辆交通网络的车辆交通网络信息，以及基于传感器信息和车辆交通网络信息对独特车辆运行控制场景进行建模。使特定于场景的运行控制评估模块实例运行包括从特定于场景的运行控制评估模块实例接收候选车辆控制动作，并基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行，其中，使特定于场景的运行控制评估模块实例运行包括通过特定于场景的运行控制评估模块实例对独特车辆运行场景进行建模，其中，对独特车辆运行控制场景进行建模包括从阻碍(block，阻塞、阻断、受阻)监测器的实例接收车辆交通网络的部分的可用性的概率，并基于可用性的概率对独特车辆运行控制场景进行建模。使特定于场景的运行控制评估模块实例运行包括从特定于场景的运行控制评估模块实例接收候选车辆控制动作，并基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分，其中，航行通过车辆交通网络的部分包括基于候选车辆控制动作和第二候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作，其中，特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第一特定于场景的运行控制模块的实例，其中，来自多个特定于场景的运行控制评估模块的每个场景运行控制评估模块对独特车辆运行场景进行建模；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分，其中，航行通过车辆交通网络的部分包括基于候选车辆控制动作和第二候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作，其中，特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第一特定于场景的运行控制模块的实例，其中，来自多个特定于场景的运行控制评估模块的每个场景运行控制评估模块对独特车辆运行场景进行建模；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化——其中，第二特定于场景的运行控制评估模块实例是第一特定于场景的运行控制评估模块的第二实例——并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分，其中，航行通过车辆交通网络的部分包括基于候选车辆控制动作和第二候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作，其中，特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第一特定于场景的运行控制模块的实例，其中，来自多个特定于场景的运行控制评估模块的每个场景运行控制评估模块对独特车辆运行场景进行建模；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化——其中，第二特定于场景的运行控制评估模块实例是第一特定于场景的运行控制评估模块的第二实例，其中，第二特定于场景的运行控制评估模块实例与在距自主车辆限定距离内的第二外部对象相关联——并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分，其中，航行通过车辆交通网络的部分包括基于候选车辆控制动作和第二候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作，其中，特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第一特定于场景的运行控制模块的实例，其中，来自多个特定于场景的运行控制评估模块的每个场景运行控制评估模块对独特车辆运行场景进行建模；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化——其中，第二特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第二特定于场景的运行控制评估模块的实例——并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作；以及基于候选车辆控制动作航行通过车辆交通网络的部分，其中，航行通过车辆交通网络的部分包括基于候选车辆控制动作和第二候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作，其中，特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第一特定于场景的运行控制模块的实例，其中，来自多个特定于场景的运行控制评估模块的每个场景运行控制评估模块对独特车辆运行场景进行建模；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化——其中，第二特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第二特定于场景的运行控制评估模块的实例——并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作，其中，第二特定于场景的运行控制评估模块实例与在距自主车辆限定距离内的第二外部对象相关联；以及基于候选车辆控制动作航行通过车辆交通网络的部分，其中，航行通过车辆交通网络的部分包括基于候选车辆控制动作和第二候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：使特定于场景的运行控制评估模块实例运行；从特定于场景的运行控制评估模块实例接收候选车辆控制动作，其中，特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第一特定于场景的运行控制模块的实例，其中，来自多个特定于场景的运行控制评估模块的每个场景运行控制评估模块对独特车辆运行场景进行建模；对与在距自主车辆限定距离内的第二外部对象相关联的第二特定于场景的运行控制评估模块实例进行实例化——其中，第二特定于场景的运行控制评估模块实例是多个特定于场景的运行控制评估模块中第二特定于场景的运行控制评估模块的实例——并从第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作，其中，第二特定于场景的运行控制评估模块实例与外部对象相关联；以及基于候选车辆控制动作航行通过车辆交通网络的部分，其中，航行通过车辆交通网络的部分包括基于候选车辆控制动作和第二候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于航行通过车辆交通网络的方法，方法可以包括通过自主车辆航行通过车辆交通网络，其中，航行通过车辆交通网络包括：生成用于使特定于场景的运行控制评估模块实例运行的自主车辆运行控制环境，其中，每个特定于场景的运行控制评估模块实例是相应特定于场景的运行控制评估模块的实例，其中，每个特定于场景的运行控制评估模块对相应的独特车辆运行场景进行建模，并且其中，每个特定于场景的运行控制评估模块实例响应于相应的对应独特车辆运行场景生成相应的候选车辆控制动作。航行通过车辆交通网络可以包括运行第一特定于场景的运行控制评估模块实例，从第一特定于场景的运行控制评估模块实例接收第一候选车辆控制动作，以及基于第一候选车辆控制动作航行通过车辆交通网络的部分。
所公开实施方式的另一方面是用于自主车辆运行管理的自主车辆。自主车辆可以包括处理器，处理器被配置成执行存储在非暂时性计算机可读介质上的指令，以使特定于场景的运行控制评估模块实例运行，从特定于场景的运行控制评估模块实例接收车辆控制动作，以及根据候选车辆控制动作航行通过车辆交通网络的部分。
下文进一步详细地描述本文公开方法、装置、程序和算法的这些和其他方面、特征、元件、实施和实施方式的变化。
附图说明
通过参照下面的描述和附图中提供的实施例，本文公开的方法和装置的各方面将变得更加明显，附图中：
图1是其中可以实施本文公开的方面、特征和元件的车辆的实施例的图；
图2是其中可以实施本文公开的方面、特征和元件的车辆交通和通信***的一部分的实施例的图；
图3是根据本公开内容的车辆交通网络的一部分的图；
图4是根据本公开内容的实施方式的自主车辆运行管理***的实施例的图；
图5是根据本公开内容的实施方式的自主车辆运行管理的实施例的流程图；
图6是根据本公开内容的实施方式的阻碍情景的实施例的图；
图7是根据本公开内容的实施方式的包括行人场景的行人情景的实施例的图；
图8是根据本公开内容的实施方式的包括交叉口(intersection，十字路口)场景的交叉口情景的实施例的图；以及
图9是根据本公开内容的实施方式的包括车道变换场景的车道变换情景的实施例的图。
具体实施方式
车辆诸如自主车辆或半自主车辆可以航行通过车辆交通网络的一部分。车辆可以包括一个或多个传感器，并且航行通过车辆交通网络可以包括传感器生成或捕获传感器数据，诸如与车辆的运行环境或其一部分对应的数据。例如，传感器数据可以包括与车辆运行环境内的一个或多个外部对象诸如行人、远方车辆、其他对象，车辆交通网络几何或它们的组合对应的信息。
自主车辆可以包括自主车辆运行管理***，该自主车辆运行管理***可以包括一个或多个运行环境监测器，一个或多个运行环境监测器可以为自主车辆处理运行环境信息，诸如传感器数据。运行环境监测器可以包括阻碍监测器，阻碍监测器可以确定在时空上靠近自主车辆的车辆交通网络的部分的可用性信息的概率。
自主车辆运行管理***可以包括自主车辆运行管理控制器或执行器，自主车辆运行管理控制器或执行器可以检测与外部对象对应的一个或多个运行场景，诸如行人场景、交叉口场景、车道变换场景、或任何其他车辆运行场景或车辆运行场景的组合。
自主车辆运行管理***可以包括一个或多个特定于场景的运行控制评估模块。每个特定于场景的运行控制评估模块可以是相应运行场景的模型，诸如部分可观测马尔可夫决策过程(POMDP)模型。自主车辆运行管理控制器可以响应于检测到对应运行场景来实例化特定于场景的运行控制评估模块的相应实例。
自主车辆运行管理控制器可以从相应的实例化特定于场景的运行控制评估模块实例接收候选车辆控制动作，可以根据候选车辆控制动作识别车辆控制动作，并且可以根据识别的车辆控制动作控制自主车辆航行通过车辆交通网络的一部分。
虽然本文参照自主车辆进行描述，但本文描述的方法和装置可以在能自主或半自主运行的任何车辆中实施。虽然本文参照车辆交通网络进行描述，但本文描述的方法和装置可以包括在车辆可通行的任何区域内运行的自主车辆。
本文所用术语“计算机”或“计算设备”包括能实施本文公开的任何方法或其任何一个或多个部分的任何单元或单元的组合。
本文所用术语“处理器”指一个或多个处理器，诸如一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个应用处理器、一个或多个专用集成电路、一个或多个专用标准产品；一个或多个现场可编程门阵列、任何其他类型的集成电路或集成电路组合、一个或多个状态机或它们的任何组合。
本文所用术语“存储器”指任何计算机可用或计算机可读介质或设备，该计算机可用或计算机可读介质或设备可以有形地包含、存储、传送或传输可以由任何处理器使用或与任何处理器结合使用的任何信号或信息。例如，存储器可以是一个或多个只读存储器(ROM)、一个或多个随机存取存储器(RAM)、一个或多个寄存器、低功耗双倍速(LPDDR)存储器、一个或多个高速缓冲存储器、一个或多个半导体存储器设备、一个或多个磁性介质、一个或多个光学介质、一个或多个磁光介质或它们的任何组合。
本文所用术语“指令”可以包括用于实施本文公开的任何方法或其任何一个或多个部分的指导或表述，并可以在硬件、软件或它们的任何组合中实现。例如，指令可以实施为存储在存储器中的信息诸如计算机程序，该信息可以由处理器执行以实施本文所述的相应方法、算法、方面或它们的组合中任一者。指令或其一部分可以实施为专用处理器或电路，专用处理器或电路可以包括用于实行本文所述方法、算法、方面或它们的组合中任一者的专用硬件。在一些实施中，指令的部分可以分布于单个设备、多个设备上的多个处理器，其可以直接或通过网络诸如局域网、广域网、互联网或它们的组合进行通信。
本文所用术语“实施例”、“实施方式”、“实施”、“方面”、“特征”或“元件”指用作示例、实例或说明。除非明确指示，否则任何实施例、实施方式、实施、方面、特征或元件均独立于每个其他实施例、实施方式、实施、方面、特征或元件，并可以与任何其他实施例、实施方式、实施、方面、特征或元件结合使用。
本文所用术语“确定”和“识别”或它们的任何变型包括使用本文所示和所述的设备中的一个或多个以任何方式进行选择、明确、计算、查找、接收、确定、建立、获得或以其他方式进行识别或确定。
本文所用术语“或”意指包括性的“或”，而不是排他性的“或”。即，除非另有说明或根据上下文可以明确，否则“X包括A或B”意指自然包括性排列中的任何排列。即，如果X包括A；X包括B；或X既包括A又包括B，则在前述实例中的任何一种下均满足“X包括A或B”。另外，本申请和所附权利要求中所用的冠词“a(一)”和“an(一)”一般应理解为指“一个或多个”，除非另有说明或根据上下文明确指的是单数形式。
此外，为了简化解释，虽然本文的附图和说明书可能包括数连串或数系列的步骤或阶段，但本文公开的方法的元素可以以不同顺序发生或同时发生。另外，本文公开的方法的元素可以与本文未明确展示和描述的其他元素一起发生。此外，实施根据本公开内容的方法并不需要本文所述方法的所有元素。虽然方面、特征和元件在本文特别地描述为组合，但每个方面、特征或元件均可以独立地使用或在有或没有其他方面、特征和元件的情况下以各种组合使用。
图1是其中可以实施本文公开的方面、特征和元件的车辆的实施例的图。如所示，车辆1000包括底盘1100、动力系1200、控制器1300、车轮1400，并可以包括车辆的任何其他元件或元件组合。虽然为简单起见，车辆1000被示出为包括四个车轮1400，但可以使用任何其他一个或多个推进设备，诸如推进器或履带。在图1中，使元件诸如动力系1200、控制器1300和车轮1400互连的线指在相应元件之间可以传送信息诸如数据或控制信号，动力诸如电力或力矩，或者信息和动力二者。例如，控制器1300可以从动力系1200接收动力并可以与动力系1200、车轮1400或其二者通信，以控制车辆1000，这可以包括使车辆1000加速、减速、转向或以其他方式控制该车辆。
动力系1200可以包括动力源1210、传动装置1220、转向单元1230、致动器1240或动力系的任何其他元件或元件组合，诸如悬架、驱动轴、车轴或排气***。虽然是单独示出的，但车轮1400可以包括在动力系1200中。
动力源1210可以包括引擎、电池或它们的组合。动力源1210可以是可操作以提供能量诸如电能、热能或动能的任何设备或设备组合。例如，动力源1210可以包括引擎，诸如内燃引擎、电动机或内燃引擎和电动机的组合，并可以操作以向车轮1400中的一个或多个提供动能作为起动力。动力源1210可以包括势能单元，诸如一个或多个干电池，诸如镍镉(NiCd)电池、镍锌(NiZn)电池、镍氢(NiMH)电池、锂离子(Li-ion)电池；太阳能电池；燃料电池；或能提供能量的任何其他设备。
传动装置1220可以从动力源1210接收能量，诸如动能，并将能量传输至车轮1400，以提供起动力。传动装置1220可以由控制器1300、致动器1240或其二者控制。转向单元1230可以由控制器1300、致动器1240或其二者控制，并可以控制车轮1400以使车辆转向。致动器1240可以从控制器1300接收信号，并可以致动或控制动力源1210、传动装置1220、转向单元1230或它们的任意组合以操作车辆1000。
控制器1300可以包括定位单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360、电子通信接口1370或它们的任意组合。虽然示出为单个单元，但控制器1300中的任何一个或多个元件可以集成到任意数量的单独实体单元中。例如，用户接口1350和处理器1330可以集成到第一实体单元中，并且存储器1340可以集成到第二实体单元中。虽然图1中未示出，但控制器1300可以包括动力源，诸如电池。虽然示出为单独的元件，但定位单元1310、电子通信单元1320、处理器1330、存储器1340、用户接口1350、传感器1360、电子通信接口1370或它们的任意组合可以集成到一个或多个电子单元、电路或芯片中。
处理器1330可以包括能操纵或处理现有或此后开发的信号或其他信息的任何设备或设备组合，包括光学处理器、量子处理器、分子处理器或它们的组合。例如，处理器1330可以包括一个或多个专用处理器、一个或多个数字信号处理器、一个或多个微处理器、一个或多个控制器、一个或多个微控制器、一个或多个集成电路、一个或多个专用集成电路、一个或多个现场可编程门阵列、一个或多个可编程逻辑阵列、一个或多个可编程逻辑控制器、一个或多个状态机或它们的任意组合。处理器1330可以与定位单元1310、存储器1340、电子通信接口1370、电子通信单元1320、用户接口1350、传感器1360、动力系1200或它们的任意组合可操作地耦合。例如，处理器可以经由通信总线1380与存储器1340可操作地耦合。
存储器1340可以包括能够例如包含、存储、传送或传递机器可读指令或与其相关联的任何信息以供处理器1330使用或与该处理器结合使用的任何有形非暂时性计算机可用或计算机可读介质。存储器1340可以是例如一个或多个固态驱动器，一个或多个存储卡，一个或多个可移除介质，一个或多个只读存储器，一个或多个随机存取存储器，一个或多个盘，包括硬盘、软盘、光盘、磁卡或光卡，或适合于存储电子信息的任何类型的非暂时性介质，或它们的任意组合。
通信接口1370可以是无线天线，如所示的，有线通信端口，光通信端口，或能够与有线或无线电子通信介质1500连接的任何其他有线或无线单元。虽然图1示出了通信接口1370经由单个通信链路通信，但通信接口可以被配置成经由多个通信链路通信。虽然图1示出了单个通信接口1370，但车辆可以包括任意数量的通信接口。
通信单元1320可以被配置成经由有线或无线电子通信介质1500诸如经由通信接口1370传输或接收信号。虽然图1中未明确示出，但通信单元1320可以被配置成经由任何有线或无线通信介质诸如射频(RF)、紫外线(UV)、可见光、光纤、缆线或它们的组合进行传输、接收或进行传输和接收。虽然图1示出单个通信单元1320和单个通信接口1370，但可以使用任意数量的通信单元和任意数量的通信接口。通信单元1320可以包括专用短程通信(DSRC)单元、车载单元(OBU)或它们的组合。
定位单元1310可以确定车辆1000的地理位置信息，诸如经度、纬度、海拔、行进方向或速度。例如，定位单元可以包括全球定位***(GPS)单元，诸如广域增强***(WAAS)启用的国家海洋电子协会(NMEA)单元、无线电三角测量单元或它们的组合。定位单元1310可以用于获得下述的信息：该信息表示例如车辆1000的当前前进方向、车辆1000在二维或三维中的当前位置、车辆1000的当前角定向，或它们的组合。
用户接口1350可以包括能与人连接的任何单元，诸如虚拟或实体键盘、触摸板、显示器、触摸显示器、抬头显示器、虚拟显示器、增强现实显示器、触觉显示器、特征追踪设备诸如眼追踪设备、扬声器、麦克风、摄像机、传感器、打印机、或它们的任意组合。用户接口1350可以与处理器1330可操作地耦合，如所示的，或与控制器1300的任何其他元件可操作地耦合。虽然示出为单个单元，但用户接口1350可以包括一个或多个实体单元。例如，用户接口1350可以包括用于与人进行音频通信的音频接口以及与人进行视觉的和基于触摸的通信的触摸显示器。用户接口1350可以包括多个显示器，诸如多个实体上分开的单元，单个实体单元内的多个限定部分，或它们的组合。
传感器1360可以包括一个或多个传感器，诸如传感器阵列，其可以操作以提供可以用于控制车辆的信息。传感器1360可以提供关于车辆的当前运行特性的信息。传感器1360可以包括例如速度传感器、加速度传感器、转向角度传感器、牵引相关传感器、制动相关传感器、转向轮位置传感器、眼追踪传感器、坐落位置传感器、或任何传感器或传感器组合，其可操作以报告关于车辆1000的当前动态情况的一些方面的信息。
传感器1360可以包括可操作以获得关于车辆1000周围的物理环境的信息的传感器。例如，一个或多个传感器可以检测道路几何形状和障碍，诸如固定障碍、车辆和行人。传感器1360可以是或可以包括目前已知或之后开发的一个或多个摄像机、激光感测***、红外感测***、声音感测***或任何其他适合类型的车载环境感测设备或设备的组合。在一些实施方式中，传感器1360和定位单元1310可以结合。
虽然未单独示出，但在一些实施方式中，车辆1000可以包括轨迹控制器。例如，控制器1300可以包括轨迹控制器。轨迹控制器可以操作以获得描述车辆1000的当前状态和为车辆1000规划的路线的信息，并基于该信息确定和优化车辆1000的轨迹。轨迹控制器可以输出信号，信号可操作以控制车辆1000，使得车辆1000遵循由轨迹控制器确定的轨迹。例如，轨迹控制器的输出可以是优化的轨迹，可以向动力系1200、车轮1400或其二者提供该优化的轨迹。在一些实施方式中，优化的轨迹可以是控制输入，诸如转向角度集合，其中每个转向角度对应于一时间点或一位置。在一些实施方式中，优化的轨迹可以是一条或多条路径、线条、曲线或它们的组合。
车轮1400中的一个或多个可以是可以在转向单元1230的控制下枢转至一转向角度的转向轮、在传动装置1220的控制下可以扭转以推进车辆1000的推进车轮，或可以使车辆1000转向并推进车轮的转向推进车轮。
虽然图1中未示出，但车辆可以包括图1中未示出的单元或元件，诸如外壳、
Figure BDA0002148735650000161
模块、调频(FM)无线电单元、近场通信(NFC)模块、液晶显示(LCD)显示单元、有机发光二极管(OLED)显示单元、扬声器或它们的任意组合。
车辆1000可以是自主车辆。自主车辆可以在没有直接人为干预的情况下自主控制，以航行通过车辆交通网络的一部分。虽然图1中未单独示出，但在一些实施中，自主车辆可以包括自主车辆控制单元，自主车辆控制单元可以实施自主车辆路线规划、导航和控制。在一些实施中，自主车辆控制单元可以与车辆的另一单元集成。例如，控制器1300可以包括自主车辆控制单元。
在一些实施中，自主车辆控制单元可以控制或操作车辆1000根据当前车辆运行参数航行通过车辆交通网络的一部分。在另一实施例中，自主车辆控制单元可以控制或操作车辆1000实施限定操作或操控，诸如停放车辆。在另一实施例中，自主车辆控制单元可以基于车辆信息、环境信息、表示车辆交通网络的车辆交通网络信息或它们的组合生成从起点诸如车辆1000的当前位置到目的地的行进路线，并可以控制或操作车辆1000根据该路线航行通过车辆交通网络。例如，自主车辆控制单元可以将行进路线输出至轨迹控制器，轨迹控制器可以使用所生成的路线操作车辆1000从起点行进至目的地。
图2是其中可以实施本文公开的方面、特征和元件的车辆交通和通信***的一部分的实施例的图。车辆交通和通信***2000可以包括一个或多个车辆2100/2110，诸如图1中所示的车辆1000，一个或多个车辆可以行经一个或多个车辆交通网络2200的一个或多个部分，并可以经由一个或多个电子通信网络2300进行通信。虽然图2中未明确示出，但车辆可以航行通过未清楚地或完全地包括在车辆交通网络中的区域，诸如道路外区域。
电子通信网络2300可以是例如多路访问***并可以提供车辆2100/2110与一个或多个通信设备2400之间的通信，诸如语音通信、数据通信、视频通信、消息通信或它们的组合。例如，车辆2100/2110可以经由网络2300从通信设备2400接收信息，诸如表示车辆交通网络2200的信息。
车辆2100/2110可以经由有线通信链路(未示出)、无线通信链路2310/2320/2370或任意数量的有线或无线通信链路的组合进行通信。例如，如所示的，车辆2100/2110可以经由地面无线通信链路2310、经由非地面无线通信链路2320或经由它们的组合进行通信。在一些实施中，地面无线通信链路2310可以包括以太网链路、串行链路、蓝牙链路、红外(IR)链路、紫外(IR)链路、或能提供用于电子通信的任何链路。
车辆2100/2110可以与另一车辆2100/2110通信。例如，主机或主体车辆(HV)2100可以经由直接通信链路2370或经由网络2300从远方或目标车辆(RV)2110接收一条或多条自动车辆间消息，诸如基础安全消息(BSM)。例如，远方车辆2110可以将消息传播至限定传播范围诸如300米以内的主机车辆。在一些实施方式中，主机车辆2100可以经由第三方诸如信号复示器(未示出)或另一远方车辆(未示出)接收消息。在一些实施方式中，车辆2100/2110可以基于例如限定间隔诸如100毫秒定期传输一条或多条自动车辆间消息。
自动车辆间消息可以包括车辆识别信息，地理空间状态信息诸如经度、纬度或海拔信息，地理空间位置准确性信息，运动状态信息诸如车辆加速度信息、偏航速率信息、速度信息、车辆前进方向信息，制动***状态信息，油门信息，转向轮角度信息或车辆路线规划信息，或车辆运行状态信息诸如车辆大小信息、前灯状态信息、转弯信号信息、雨刮器状态信息、传动装置信息或与传动中车辆状态相关的任何其他信息或信息组合。例如，传动装置状态信息可以指示传动中车辆的传动装置是处于自然状态、停止状态、向前状态还是反向状态。
车辆2100可以经由访问点2330与通信网络2300通信。访问点2330——可以包括计算设备——可以被配置成经由有线或无线通信链路2310/2340与车辆2100、通信网络2300、一个或多个通信设备2400或它们的组合进行通信。例如，访问点2330可以是基站、基地收发站(BTS)、Node-B、增强型Node-B(eNode-B)、家用Node-B(HNode-B)、无线路由器、有线路由器、集线器、继电器、交换机或任何类似的有线或无线设备。虽然示出为单个单元，但访问点可以包括任意数量的互连元件。
车辆2100可以经由卫星2350或其他非地面通信设备与通信网络2300进行通信。卫星2350——可以包括计算设备——可以被配置成经由一个或多个通信链路2320/2360与车辆2100、通信网络2300、一个或多个通信设备2400或它们的组合进行通信。虽然示出为单个单元，但卫星可以包括任意数量的互连元件。
电子通信网络2300可以是被配置成提供语音、数据或任何其他类型的电子通信的任何类型的网络。例如，电子通信网络2300可以包括局域网(LAN)、广域网(WAN)、虚拟私人网络(VPN)、移动或蜂窝电话网络、互联网或任何其他电子通信***。电子通信网络2300可以使用通信协议，诸如传输控制协议(TCP)、用户数据报协议(UDP)、互联网协议(IP)、实时传输协议(RTP)、超文本传输协议(HTTP)或它们的组合。虽然示出为单个单元，但电子通信网络可以包括任意数量的互连元件。
车辆2100可以识别车辆交通网络2200的一部分或情况。例如，车辆可以包括一个或多个车载传感器2105，诸如图1中所示的传感器1360，车载传感器可以包括速度传感器、车轮速度传感器、摄像机、陀螺仪、光学传感器、激光传感器、雷达传感器、声波传感器或能确定或识别车辆交通网络2200的一部分或情况的任何其他传感器或设备或它们的组合。
车辆2100可以使用经由网络2300传送的信息航行通过一个或多个车辆交通网络2200的一个或多个部分，该信息诸如为表示车辆交通网络2200的信息、由一个或多个车载传感器2105识别的信息或它们的组合。
虽然为简单起见，图2示出了一辆车辆2100、一个车辆交通网络2200、一个电子通信网络2300和一个通信设备2400，但可以使用任意数量的车辆、网络或计算设备。在一些实施方式中，车辆交通和通信***2000可以包括图2中未示出的设备、单元或元件。虽然车辆2100被示出为单个单元，但车辆可以包括任意数量的互连元件。
虽然车辆2100被示出为经由网络2300与通信设备2400进行通信，但车辆2100可以经由任意数量的直接或间接通信链路与通信设备2400进行通信。例如，车辆2100可以经由直接通信链路诸如蓝牙通信链路与通信设备2400进行通信。
车辆2100/2210可以与实体2500/2510诸如车辆的驾驶员、操作员或所有人相关联。与车辆2100/2110相关联的实体2500/2510可以与一个或多个个人电子设备2502/2504/2512/2514诸如智能电话2502/2512或计算机2504/2514相关联。个人电子设备2502/2504/2512/2514可以经由直接或间接通信链路与对应车辆2100/2110进行通信。虽然在图2中一个实体2500/2510被示出为与一辆车辆2100/2110相关联，但任意数量的车辆可以与实体相关联，并且任意数量的实体可以与车辆相关联。
图3是根据本公开内容的车辆交通网络的一部分的图。车辆交通网络3000可以包括一个或多个不可通行区域3100诸如建筑物，一个或多个部分可通行区域诸如停放区域3200，一个或多个可通行区域诸如道路3300/3400，或它们的组合。自主车辆诸如图1中所示的车辆1000、图2中所示车辆2100/2110中的一辆、半自主车辆或实施自主驾驶的任何其他车辆可以航行通过车辆交通网络3000的一个或多个部分。
车辆交通网络可以包括在一个或多个可通行或部分可通行区域3200/3300/3400之间的一个或多个互通立交3210。例如，图3中所示的车辆交通网络的部分包括在停放区域3200与道路3400之间的互通立交3210。在一些实施方式中，停放区域3200可以包括停车位3220。
车辆交通网络的一部分诸如道路3300/3400可以包括一个或多个车道3320/3340/3360/3420/3440，并可以与一个或多个行进方向相关联，行进方向在图3中由箭头指示。
车辆交通网络或其一部分，诸如图3中所示的车辆交通网络的部分，可以表示为车辆交通网络信息。例如，车辆交通网络信息可以表达为元素诸如标记语言元素的层级，其可以存储在数据库或文件中。为简单起见，本文附图将表示车辆交通网络的部分的车辆交通网络信息描绘为简图或示意图；然而车辆交通网络信息可以以能够表示车辆交通网络或其部分的任何计算机可用形式表达。车辆交通网络信息可以包括车辆交通网络控制信息，诸如行进方向信息、速度限制信息、通行费信息、坡度信息诸如倾斜或角度信息、表面材料信息、美观信息或它们的组合。
车辆交通网络的一部分或部分的组合可以识别为兴趣点或目的地。例如，车辆交通网络信息可以识别建筑物诸如不可通行区域3100，并将附近的部分可通行停放区域3200识别为兴趣点，自主车辆可以将兴趣点识别为目的地，并且自主车辆可以通过航行通过车辆交通网络从起点行进至目的地。虽然与不可通行区域3100相关联的停放区域3200在图3中被示出为与不可通行区域3100相邻，但目的地可以包括例如建筑物以及物理上或地理空间上与建筑物不相邻的停放区域。
识别目的地可以包括识别目的地的位置，其可以是分立的唯一可识别的地理位置。例如，车辆交通网络可以包括目的地的限定位置，诸如街道地址、邮政地址、车辆交通网络地址、GPS地址或它们的组合。
目的地可以与一个或多个入口诸如图3中所示的入口3500相关联。车辆交通网络信息可以包括限定入口位置信息，诸如识别与目的地相关联的入口的地理位置的信息。可以如本文所述的确定预测入口位置信息。
车辆交通网络可以与行人交通网络相关联或可以包括行人交通网络。例如，图3包括行人交通网络的一部分3600，其可以是行人通道。行人交通网络或其部分，诸如图3中所示的行人交通网络的部分3600，可以表示为行人交通网络信息。车辆交通网络信息可以包括行人交通网络信息。行人交通网络可以包括行人可通行区域。行人可通行区域诸如行人通道或人行道可以与车辆交通网络的不可通行区域对应。虽然图3中未单独示出，但行人可通行区域诸如人行横道可以与车辆交通网络的可通行区域或部分可通行区域对应。
目的地可以与一个或多个停靠位置相关联，诸如图3中所示的停靠位置3700。停靠位置3700可以是指定或非指定位置或目的地附近的区域，自主车辆可以停止、停驻或停放在此处，使得可以实施停靠操作，诸如乘客上车或下车。
车辆交通网络信息可以包括停靠位置信息，诸如识别与目的地相关联的一个或多个停靠位置3700的地理位置的信息。停靠位置信息可以是限定的停靠位置信息，其可以是手动包括在车辆交通网络信息中的停靠位置信息。例如，限定的停靠位置信息可以基于用户输入包括在车辆交通网络信息中。停靠位置信息可以是自动生成的停靠位置信息，如本文所述。虽然图3未单独示出，但停靠位置信息可以识别与停靠位置3700相关联的停靠操作的类型。例如，目的地可以与用于乘客上车的第一停靠位置和用于乘客下车的第二停靠位置相关联。虽然自主车辆可以停放在停靠位置，但与目的地相关联的停靠位置可以独立于与目的地相关联的停放区域并与该停放区域不同。
在实施例中，自主车辆可以将兴趣点识别为目的地，兴趣点可以包括不可通行区域3100、停放区域3200和入口3500。自主车辆可以将不可通行区域3100或入口3500识别为兴趣点的主要目的地，并可以将停放区域3200识别为次要目的地。自主车辆可以将停靠位置3700识别为主要目的地的停靠位置。自主车辆可以生成从起点(未示出)到停靠位置3700的路线。自主车辆可以使用该路线从起点航行通过车辆交通网络到达停靠位置3700。自主车辆可以停止或停放在停靠位置3700，使得可以实施乘客上车或下车。自主车辆可以生成从停靠位置3700到停放区域3200的后续路线，可以使用后续路线从停放位置3700航行通过车辆交通网络到达停放区域3200，并可以停放在停放区域3200中。
图4是根据本公开内容的实施方式的自主车辆运行管理***4000的实施例的图。自主车辆运行管理***4000可以在自主车辆——诸如图1中所示的车辆1000、图2中所示的车辆2100/2110中的一个、半自主车辆或实施自主驾驶的任何其他车辆——中实施。
自主车辆可以航行通过车辆交通网络或其部分，这可以包括航行通过独特车辆运行场景。独特车辆运行场景可以包括在自主车辆的限定的时空区域或运行环境内的可能影响自主车辆的运行的任何不同的可识别的运行条件集合。例如，独特车辆运行场景可以基于在限定的时空距离内的自主车辆可能航行通过的道路、路段或车道的数量或基数。在另一实施例中，独特车辆运行场景可以基于在自主车辆的限定的时空区域或运行环境内的可能影响自主车辆的运行的一个或多个交通控制设备。在另一实施例中，独特车辆运行场景可以基于在自主车辆的限定的时空区域或运行环境内的可能影响自主车辆的运行的一个或多个可识别的规则、法规或法条。在另一实施例中，独特车辆运行场景可以基于在自主车辆的限定的时空区域或运行环境内的可能影响自主车辆的运行的一个或多个可识别的外部对象。
独特车辆运行场景的实施例包括其中自主车辆航行通过交叉口的独特车辆运行场景；其中行人穿过或靠近车辆的预期路径的独特车辆运行场景；以及其中自主车辆变换车道的独特车辆运行场景。
为简单和简洁起见，本文可以参照车辆运行场景类型或类别描述类似的车辆运行场景。例如，包括行人的车辆运行场景在本文中可以称为行人场景，指的是包括行人的车辆运行场景的类型或类别。例如，第一行人车辆运行场景可以包括行人在人行横道穿过道路，并且第二行人车辆运行场景可以包括行人乱穿地穿过道路。虽然本文描述了行人车辆运行场景、交叉口车辆运行场景和车道变换车辆运行场景，但可以使用任何其他车辆运行场景或车辆运行场景类型。
在相应的独特车辆运行场景内可以表示自主车辆的运行环境的方面。例如，在相应的独特车辆运行场景内可以表示外部对象的相对定向、轨迹、预期路径。在另一实施例中，在相应的独特车辆运行场景内可以表示车辆交通网络的相对几何。
例如，第一独特车辆运行场景可以对应于行人在人行横道穿过道路，在第一独特车辆运行场景内可以表示行人的相对定向和预期路径，诸如从左到右穿过或从右到左穿过。第二独特车辆运行场景可以对应于行人乱穿地穿过道路，并且在第二独特车辆运行场景内可以表示行人的相对定向和预期路径，诸如从左到右穿过或从右到左穿过。
自主车辆可以航行通过运行环境内的多个独特车辆运行场景，其可以是混合车辆运行场景的方面。例如，行人可以靠近自主车辆航行通过交叉口的预期路径。
自主车辆运行管理***4000可以操作或控制自主车辆在经受限定限制的情况下航行通过独特车辆运行场景，该限定限制为诸如安全限制、发条限制、物理限制、用户接受性限制或对于自主车辆的运行可以限定或得到的任何其他限制或限制的组合。
控制自主车辆航行通过独特车辆运行场景可以包括识别或检测独特车辆运行场景、基于独特车辆运行场景识别候选车辆控制动作、根据候选车辆控制动作中的一个或多个控制自主车辆航行通过车辆交通网络的一部分，或它们的组合。
车辆控制动作可以指示车辆控制操作或操控，诸如加速、减速、转弯、停止或自主车辆连同航行通过车辆交通网络的一部分一起可以实施的任何其他车辆操作或车辆操作组合。
自主车辆运行管理控制器4100或自主车辆的另一单元可以控制自主车辆根据车辆控制动作航行通过车辆交通网络或其部分。
例如，自主车辆运行管理控制器4100可以根据使自主车辆停止或以其他方式控制自主车辆变得或保持固定不动的‘停止’车辆控制动作来控制自主车辆航行通过车辆交通网络或其部分。
在另一实施例中，自主车辆运行管理控制器4100可以根据缓慢向前渐进短距离诸如几英寸或英尺的‘前进’车辆控制动作来控制自主车辆航行通过车辆交通网络或其部分。
在另一实施例中，自主车辆运行管理控制器4100可以根据增加限定加速率或呈限定范围内的加速率的‘加速’车辆控制动作来控制自主车辆航行通过车辆交通网络或其部分。
在另一实施例中，自主车辆运行管理控制器4100可以根据降低限定减速率或呈限定范围内的减速率的‘减速’车辆控制动作来控制自主车辆航行通过车辆交通网络或其部分。
在另一实施例中，自主车辆运行管理控制器4100可以根据按照当前运行参数控制自主车辆航行通过车辆交通网络或其部分——诸如维持当前速度、维持当前路径或路线、维持当前车道定向等——的‘维持’车辆控制动作来控制自主车辆航行通过车辆交通网络或其部分。
在另一实施例中，自主车辆运行管理控制器4100可以根据通过开始或重新开始之前识别的运行参数集合控制自主车辆航行通过车辆交通网络或其部分的‘继续’车辆控制动作来控制自主车辆航行通过车辆交通网络或其部分，这可以包括根据一个或多个其他车辆控制动作控制自主车辆航行通过车辆交通网络或其部分。例如，自主车辆在交叉口可以是固定不动的，为自主车辆识别的路线可以包括航行通过通过交叉口，并且根据‘继续’车辆控制动作控制自主车辆可以包括控制自主车辆沿识别的路径以限定加速率加速至限定速度。在另一实施例中，自主车辆可以以限定速度航行通过车辆交通网络的一部分，可以为自主车辆识别车道变换，并且根据‘继续’车辆控制动作控制自主车辆可以包括根据限定的车道变换参数控制自主车辆实施一系列轨迹调整，使得自主车辆实施识别的车道变换操作。
车辆控制动作可以包括一个或多个性能指标。例如，‘停止’车辆控制动作可以包括作为性能指标的减速率。在另一实施例中，‘继续’车辆控制动作可以清楚地指示路线或路径信息、速度信息、加速率或它们的组合作为性能指标，或者可以清楚或明确地指示可以维持当前或之前识别的路径、速度、加速率或它们的组合。
车辆控制动作可以是混合车辆控制动作，其可以包括一系列车辆控制动作、车辆控制动作组合或其二者。例如，‘前进’车辆控制动作可以指示‘停止’车辆控制动作、之后与限定加速率相关联的‘加速’车辆控制动作以及之后与限定减速率相关联的‘停止’车辆控制动作，使得根据‘前进’车辆控制动作控制自主车辆包括控制自主车辆缓慢向前渐进短距离，诸如几英寸或英尺。
自主车辆运行管理***4000可以包括自主车辆运行管理控制器4100、阻碍监测器4200、运行环境监测器4300、特定于场景的运行控制评估模块4400或它们的组合。虽然单独描述，但阻碍监测器4200可以是运行环境监测器4300的一个或多个实例。
自主车辆运行管理控制器4100可以接收、识别或以其他方式访问表示自主车辆的运行环境的运行环境信息，诸如当前运行环境或预期的运行环境，或者它们的一个或多个方面。自主车辆的运行环境可以包括可能影响自主车辆在自主车辆的限定时空区域内的运行的不同的可识别的运行条件集合。
例如，运行环境信息可以包括自主车辆的车辆信息，诸如指示自主车辆的地理空间位置的信息，将自主车辆的地理空间位置与表示车辆交通网络的信息相关的信息，自主车辆的路线，自主车辆的速度，自主车辆的加速状态，自主车辆的乘客信息，或关于自主车辆或自主车辆的运行的任何其他信息。
在另一实施例中，运行环境信息可以包括：表示自主车辆附近——诸如在自主车辆的限定空间距离以内，诸如300米——的车辆交通网络的信息；指示车辆交通网络的一个或多个方面的几何的信息；指示车辆交通网络的情况诸如表面情况的信息；或它们的任意组合。
在另一实施例中，运行环境信息可以包括表示在自主车辆的运行环境内的外部对象的信息，所述外部对象为诸如表示行人、非人动物、非机动化交通设备诸如自行车或滑板、机动化交通设备诸如远方车辆或可能影响自主车辆的运行的任何其他外部对象或实体的信息。
自主车辆运行环境控制器4100可以监测自主车辆的运行环境或其限定方面。监测自主车辆的运行环境可以包括识别并追踪外部对象，识别独特车辆运行场景，或它们的组合。
例如，自主车辆运行管理控制器4100可以识别并追踪自主车辆的运行环境内的外部对象。识别并追踪外部对象可以包括识别相应外部对象的时空位置——其可以是相对于自主车辆的，识别相应外部对象的一条或多条预期路径——其可以包括识别外部对象的速度、轨迹或其二者。为简单清楚起见，本文中对位置、预期位置、路径、预期路径等的描述可能省略了对应位置和路径指地理空间和时间分量的明示指示；然而，除非本文明确指示，或者根据上下文毫无疑义地确定，否则本文描述的位置、预期位置、路径、预期路径等可以包括地理空间分量、时间分量或其二者。
运行环境监测器4300可以包括用于监测行人的运行环境监测器4310(行人监测器)、用于监测交叉口的运行环境监测器4320(交叉口监测器)、用于监测车道变换的运行环境监测器4330(车道变换监测器)或它们的组合。运行环境监测器4340使用虚线示出以指示自主车辆运行管理***4000可以包括任意数量的运行环境监测器4300。
相应运行环境监测器4300可以监测一个或多个独特车辆运行场景。例如，行人监测器4310可以监测对应于多个行人车辆运行场景的运行环境信息，交叉口监测器4320可以监测对应于多个交叉口车辆运行场景的运行环境信息，并且车道变换监测器4330可以监测对应于多个车道变换车辆运行场景的运行环境信息。
运行环境监测器4300可以接收或以其他方式访问：运行环境信息，诸如由自主车辆的一个或多个传感器生成或捕获的运行环境信息；车辆交通网络信息；车辆交通网络几何信息；或它们的组合。例如，用于监测行人的运行环境监测器4310可以接收或以其他方式访问下述信息诸如传感器信息：该信息可以指示、对应于自主车辆的运行环境中的一个或多个行人或可以以其他方式与该一个或多个行人相关联。
运行环境监测器4300可以将运行环境信息或其部分与运行环境或其方面相关联，诸如与外部对象诸如行人、远方车辆或车辆交通网络几何的方面相关联。
运行环境监测器4300可以生成或以其他方式识别表示运行环境的一个或多个方面的信息，诸如关于外部对象诸如行人、远方车辆或车辆交通网络几何的方面，这可以包括对运行环境信息进行过滤、提取或以其他方式进行处理。
运行环境监测器4300可以将表示运行环境的一个或多个方面的信息输出至自主车辆运行管理控制器4100或供其访问，诸如通过下述方式进行：将表示运行环境的一个或多个方面的信息存储在自主车辆的可由自主车辆运行管理控制器4100访问的存储器诸如图1所示的存储器1340中；将表示运行环境的一个或多个方面的信息发送至自主车辆运行管理控制器4100；或它们的组合。运行环境监测器4300可以将表示运行环境的一个或多个方面的信息输出至自主车辆运行管理***4000的一个或多个元件，诸如阻碍监测器4200。
例如，用于监测行人的运行环境监测器4310可以相关、关联或以其他方式处理运行环境信息，以识别、追踪或预测一个或多个行人的动作。例如，用于监测行人的运行环境监测器4310可以从可以对应于一个或多个行人的一个或多个传感器接收信息，诸如传感器信息，用于监测行人的运行环境监测器4310可以将传感器信息与一个或多个所识别行人相关联，这可以包括识别相应的所识别行人中的一个或多个的行进方向、路径诸如预期路径、当前或预期速度、当前或预期加速率或它们的组合，并且用于监测行人的运行环境监测器4310可以将所识别、所关联或所生成的行人信息输出至自主车辆运行管理控制器4100或供其访问。
在另一实施例中，用于监测交叉口的运行环境监测器4320可以相关、关联或以其他方式处理运行环境信息，以识别、追踪或预测自主车辆的运行环境中的一辆或多辆远方车辆的动作，识别自主车辆的运行环境中的交叉口或其方面，识别车辆交通网络几何，或它们的组合。例如，用于监测交叉口的运行环境监测器4310可以从一个或多个传感器接收信息诸如传感器信息，该一个或多个传感器可以对应于自主车辆的运行环境中的一辆或多辆远方车辆的、自主车辆的运行环境中的交叉口或其一个或多个方面、车辆交通网络几何或它们的组合，用于监测交叉口的运行环境监测器4310可以将传感器信息与自主车辆的运行环境中的一辆或多辆所识别远方车辆、自主车辆的运行环境中的交叉口或其一个或多个方面、车辆交通网络几何或它们的组合相关联，这可以包括识别相应的所识别远方车辆中的一个或多个的当前或预期行进方向、路径诸如预期路径、当前或预期速度、当前或预期加速率或它们的组合，用于监测交叉口的运行环境监测器4320可以将所识别、所关联或所生成的交叉口信息输出至自主车辆运行管理控制器4100或供其访问。
在另一实施例中，用于监测车道变换的运行环境监测器4330可以对运行环境信息进行相关、关联或其他处理，以识别、追踪或预测在自主车辆的运行环境中的一辆或多辆远方车辆的动作，诸如指示沿着自主车辆的预期路径的慢速或固定不动的远方车辆的信息，进而识别在地理空间上对应于当前或预期车道变换操作的、自主车辆的运行环境的一个或多个方面，诸如自主车辆的运行环境中的车辆交通网络几何，或者它们的组合。例如，用于监测车道变换的运行环境监测器4330可以从一个或多个传感器接收信息诸如传感器信息，该一个或多个传感器可以对应于自主车辆的运行环境中的一个或多个远方车辆、自主车辆的运行环境中自主车辆的运行环境的在地理空间上对应于当前或预期车道变换操作的一个或多个方面或它们的组合，用于监测车道变换的运行环境监测器4330可以将传感器信息与自主车辆的运行环境中的一个或多个所识别远方车辆、自主车辆的运行环境的在地理空间上对应于当前或预期车道变换操作的一个或多个方面或它们的组合相关联，这可以包括可以识别相应的所识别远方车辆中的一个或多个的当前或预期行进方向、路径诸如预期路径、当前或预期速度、当前或预期加速率或它们的组合，用于监测交叉口的运行环境监测器4330可以将所识别、所关联或所生成的车道变换信息输出至自主车辆运行管理控制器4100或供其访问。
自主车辆运行管理控制器4100可以基于由运行环境信息表示的运行环境的一个或多个方面识别一个或多个独特车辆运行场景。例如，自主车辆运行管理控制器4100可以响应于识别或基于由运行环境监测器4300中一个或多个指示的运行环境信息识别独特车辆运行场景。
自主车辆运行管理控制器4100可以基于由运行环境信息表示的运行环境的一个或多个方面识别多个独特车辆运行场景。例如，运行环境信息可以包括表示行人靠近沿着自主车辆的预期路径的交叉口的信息，自主车辆运行管理控制器4100可以识别行人车辆运行场景、交叉口车辆运行场景或其二者。
自主车辆运行管理控制器4100可以基于由运行环境信息表示的运行环境的一个或多个方面来对特定于场景的运行控制评估模块4400中一个或多个的相应实例进行实例化。例如，自主车辆运行管理控制器4100可以响应于识别独特车辆运行场景来对特定于场景的运行控制评估模块4400的实例进行实例化。
自主车辆运行管理控制器4100可以基于由运行环境信息表示的运行环境的一个或多个方面实例化一个或多个特定于场景的运行控制评估模块4400的多个实例。例如，运行环境信息可以指示自主车辆的运行环境中的两个行人，并且自主车辆运行环境控制器4100可以基于由运行环境信息表示的运行环境的一个或多个方面来实例化用于每个行人的特定于行人场景的运行控制评估模块4410的相应实例。
对应于场景诸如行人场景、交叉口场景或车道变换场景的所识别外部对象诸如行人或远方车辆的基数、数量或计数可以超过限定阈值，该限定阈值可以是限定的特定于场景的阈值，并且自主车辆运行管理控制器4100可以省略实例化对应于所识别外部对象中的一个或多个的特定于场景的运行控制评估模块4400的实例。
例如，由运行环境监测器4300指示的运行环境信息可以指示自主车辆的运行环境中有二十五个行人，行人场景的限定阈值可以是行人的限定基数诸如十个，自主车辆运行管理控制器4100可以识别十个最相关的行人，诸如在地理空间上最靠近自主车辆的与自主车辆有交汇预期路径的十个行人，自主车辆运行管理控制器4100可以对十个最相关的行人实例化特定于行人场景的运行控制评估模块4410的十个实例，并且自主车辆运行管理控制器4100可以省略对十五个其他行人实例化特定于行人场景的运行控制评估模块4410的实例。
在另一实施例中，由运行环境监测器4300指示的运行环境信息可以指示包括四个路段诸如北行路段、南行路段、东行路段和西行路段的交叉口，并指示对应于北行路段的五辆远方车辆、对应于南行路段的三辆远方车辆、对应于东行路段的四辆远方车辆以及对应于西行路段的两辆远方车辆，交叉口场景的限定阈值可以是每个路段远方车辆的限定基数，诸如二，自主车辆运行管理控制器4100可以识别每个路段的两辆最相关远方车辆，诸如每个路段的在地理空间上最靠近交叉口的与自主车辆有交汇预期路径的两辆远方车辆，自主车辆运行管理控制器4100可以对与北行路段对应的两辆最相关远方车辆实例化特定于交叉口场景的运行控制评估模块4420的两个实例、对与南行路段对应的两辆最相关远方车辆实例化特定于交叉口场景的运行控制评估模块4420的两个实例、对与东行路段对应的两辆最相关远方车辆实例化特定于交叉口场景的运行控制评估模块4420的两个实例，并对与西行路段对应的两辆远方车辆实例化特定于交叉口场景的运行控制评估模块4420的两个实例，并且自主车辆运行管理控制器4100可以省略对与北行路段对应的其他三辆远方车辆、与南行路段对应的另一远方车辆以及与东行路段对应的其他两辆远方车辆实例化特定于交叉口场景的运行控制评估模块4420的实例。可替代地或另外地，交叉口场景的限定阈值可以是限定基数，诸如每个交叉口八辆远方车辆，并且自主车辆运行管理控制器4100可以对交叉口识别八辆最相关远方车辆，诸如在地理空间上最靠近交叉口与自主车辆有交汇预期路径的八辆远方车辆，自主车辆运行管理控制器4100可以对八辆最相关远方车辆实例化特定于交叉口场景的运行控制评估模块4420的八个实例，并且自主车辆运行管理控制器4100可以省略对其他六辆远方车辆实例化特定于交叉口场景的运行控制评估模块4420的实例。
自主车辆运行管理控制器4100可以将运行环境信息或其一个或多个方面发送至自主车辆的另一单元，诸如阻碍监测器4200，或特定于场景的运行控制评估模块4400的一个或多个实例。
自主车辆运行管理控制器4100可以将运行环境信息或其一个或多个方面存储在自主车辆的诸如存储器中，诸如图1中所示的存储器1340。
自主车辆运行管理控制器4100可以从特定于场景的运行控制评估模块4400的相应实例接收候选车辆控制动作。例如，来自第一特定于场景的运行控制评估模块4400的第一实例的候选车辆控制动作可以指示‘停止’车辆控制动作，来自第二特定于场景的运行控制评估模块4400的第二实例的候选车辆控制动作可以指示‘前进’车辆控制动作，并且来自第三特定于场景的运行控制评估模块4400的第三实例的候选车辆控制动作可以指示‘继续’车辆控制动作。
自主车辆运行管理控制器4100可以根据一个或多个候选车辆控制动作确定是否航行通过车辆交通网络的一部分。例如，自主车辆运行管理控制器4100可以从特定于场景的运行控制评估模块4400的多个实例接收多个候选车辆控制动作，可以从候选车辆控制动作中识别车辆控制动作，并可以根据车辆控制动作航行通过车辆交通网络。
自主车辆运行管理控制器4100可以基于一个或多个限定车辆控制动作的识别指标从候选车辆控制动作中识别车辆控制动作。
限定车辆控制动作的识别指标可以包括与每个类型的车辆控制动作相关联的优先级、权重或排名，并且从候选车辆控制动作中识别车辆控制动作可以包括从候选车辆控制动作中识别优先级最高的车辆控制动作。例如，‘停止’车辆控制动作可以与高优先级相关联，‘前进’车辆控制动作可以与中间优先级相关联，其可能低于高优先级，并且‘继续’车辆控制动作可以与低优先级相关联，其可能低于中间优先级。在实施例中，候选车辆控制动作可以包括一个或多个‘停止’车辆控制动作，并且‘停止’车辆控制动作可以被识别为车辆控制动作。在另一实施例中，候选车辆控制动作可能没有‘停止’车辆控制动作，可以包括一个或多个‘前进’车辆控制动作，并且‘前进’车辆控制动作可以被识别为车辆控制动作。在另一实施例中，候选车辆控制动作可能没有‘停止’车辆控制动作，可能没有‘前进’车辆控制动作，可以包括一个或多个‘继续’车辆控制动作，并且‘继续’车辆控制动作可以被识别为车辆控制动作。
从候选车辆控制动作中识别车辆控制动作可以包括基于限定车辆控制动作的识别指标、实例化场景、与实例化场景相关联的权重、候选车辆控制动作、与候选车辆控制动作相关联的权重或它们的组合生成或计算用于每个类型的车辆控制动作的加权平均值。
例如，从候选车辆控制动作中识别车辆控制动作可以包括实施机器学习部件，诸如对分类问题的监督学习，并训练机器学习部件使用对应车辆运行场景的示例，诸如1000个示例。在另一实施例中，从候选车辆控制动作中识别车辆控制动作可以包括实施马尔可夫决策过程或部分可观测的马尔可夫决策过程，其可以描述相应的候选车辆控制动作如何影响之后的候选车辆控制动作影响，并可以包括输出用于相应车辆控制动作的正或负奖励的奖励函数。
自主车辆运行管理控制器4100可以对特定于场景的运行控制评估模块4400的实例进行去实例化。例如，自主车辆运行管理控制器4100可以将不同的运行条件集合识别为指示自主车辆的独特车辆运行场景，为独特车辆运行场景对特定于场景的运行控制评估模块4400的实例进行去实例化，监测运行条件，随后确定运行条件中的一个或多个是已失效还是有可能在限定阈值以下影响自主车辆的运行，且自主车辆运行管理控制器4100可以对特定于场景的运行控制评估模块4400的实例进行去实例化。
阻碍监测器4200可以接收表示自主车辆的运行环境或其方面的运行环境信息。例如，阻碍监测器4200可以从自主车辆运行管理控制器4100、从自主车辆的传感器、从外部设备诸如远方车辆或基础设施设备或它们的组合接收运行环境信息。在一些实施方式中，阻碍监测器4200可以从存储器诸如自主车辆的存储器诸如图1中所示的存储器1340读取运行环境信息或其部分。
虽然图4中未清楚示出，但自主车辆运行管理***4000可以包括预测器模块，预测器模块可以生成预测信息并将预测信息发送至阻碍监测器4200，并且阻碍监测器4200可以将可用性信息的概率输出至运行环境监测器4300中的一个或多个。
阻碍监测器4200可以确定车辆交通网络的一个或多个部分——诸如车辆交通网络靠近自主车辆的部分，这可以包括车辆交通网络对应于自主车辆的预期路径的部分，诸如基于自主车辆的当前路线识别的预期路径——的相应可用性概率或对应阻碍概率。
可用性概率或对应的阻碍概率可以指示自主车辆可以安全航行通过车辆交通网络的一部分或其内的空间位置——诸如不受外部对象诸如远方车辆或行人阻碍——的概率或可能性。例如，车辆交通网络的一部分可以包括障碍，诸如固定不动的对象，并且车辆交通网络的该部分的可用性概率可以是低的，诸如0％，这可以表达为车辆交通网络的该部分阻碍概率高，诸如100％。
阻碍监测器4200可以识别自主车辆的运行环境内诸如300米内的车辆交通网络的多个部分的每个部分的相应可用性概率。
阻碍监测器4200可以基于自主车辆的运行信息、一个或多个外部对象的运行信息、表示车辆交通网络的车辆交通网络信息或它们的组合来识别车辆交通网络的一部分和对应的可用性概率。自主车辆的运行信息可以包括指示自主车辆在车辆交通网络中的地理空间位置的信息，其可以是当前位置或预期位置，诸如基于自主车辆的预期路径识别的预期位置。外部对象的运行信息可以指示车辆交通网络中或附近的一个或多个外部对象的相应地理空间位置，其可以是相应外部对象的当前位置或预期位置，诸如基于预期路径识别的预期位置。
阻碍监测器4200可以指示对应于自主车辆的运行环境中的每个外部对象的可用性概率，并且地理空间区域可以与对应于多个外部对象的多个可用性概率相关联。阻碍监测器4200可以指示对应于自主车辆的运行环境中的每个类型的外部对象的总可用性概率，诸如行人的可用性概率以及远方车辆的可用性概率，并且地理空间区域可以与对应于多个外部对象类型的多个可用性概率相关联。在一些实施方式中，阻碍监测器4200可以指示每个地理空间位置的一个总可用性概率，其可以包括地理位置的多个时间可用性概率。
阻碍监测器4200可以识别外部对象，追踪外部对象，投射外部对象的位置信息、路径信息或其二者，或者它们的组合。例如，阻碍监测器4200可以识别外部对象，并可以识别外部对象的预期路径，其可以指示一系列的预期空间位置、预期时间位置和对应概率。
阻碍监测器可以基于运行环境信息识别外部对象的预期路径，该运行环境信息为：诸如指示外部对象的当前位置的信息；指示外部对象的当前轨迹的信息；指示外部对象的分类类型的信息，诸如将外部对象分类为行人或远方车辆的信息；车辆交通网络信息，诸如指示车辆交通网络包括靠近外部对象的人行横道的信息；之前识别的或追踪的与外部对象相关联的信息，或它们的组合。例如，外部对象可以识别为远方车辆，并且可以基于指示远方车辆的当前位置的信息、指示远方车辆的当前轨迹的信息、指示远方车辆的当前速度的信息、对应于远方车辆的车辆交通网络信息、发条或法规信息或它们的组合来识别远方车辆的预期路径。
阻碍监测器4200可以持续或定期确定或更新可用性概率。一个或多个类别或类型的外部对象可以被识别为优先阻碍的，优先阻碍的外部对象的预期路径可以在空间和时间上与另一优先阻碍的外部对象的预期路径重叠。例如，行人的预期路径可以与另一行人的预期路径重叠。一个或多个类别或类型的外部对象可以被识别为顺从地阻碍的，顺从阻碍的外部对象的预期路径可能被其他外部对象阻碍，诸如被阻碍或以其他方式被影响。例如，远方车辆的预期路径可能被另一远方车辆或行人阻碍。
阻碍监测器4200可以识别优先阻碍的外部对象诸如行人的预期路径，并可以识别顺从阻碍的外部对象诸如远方车辆的预期路径——受优先阻碍的外部对象的预期路径的影响。阻碍监测器4200可以将可用性概率或对应的阻碍概率传送至自主车辆运行管理控制器4100。自主车辆运行管理控制器4100可以将可用性概率或对应的阻碍概率传输至特定于场景的运行控制评估模块4400的相应实例化实例。
每个特定于场景的运行控制评估模块4400均可以对相应的独特车辆运行场景进行建模。自主车辆运行管理***4000可以包括任意数量的特定于场景的运行控制评估模块4400，每个对相应的独特车辆运行场景进行建模。
通过特定于场景的运行控制评估模块4400对独特车辆运行场景进行建模可以包括生成、维持或生成和维持表示自主车辆的运行环境的对应于独特车辆运行场景的方面的状态信息，识别在对应状态的相应建模方面之间的可能的相互作用，并确定解出该模型的候选车辆控制动作。在一些实施方式中，自主车辆的运行环境的对应于独特车辆运行场景的限定方面集合以外的自主车辆的运行环境的方面可以从模型省略。
自主车辆运行管理***4000可以是方案独立的，并可以包括独特车辆运行场景的任何模型，诸如单因素(agent，代理)模型、多因素模型、学习模型或一个或多个独特车辆运行场景的任何其他模型。
特定于场景的运行控制评估模块4400中的一个或多个可以是经典规划(CP)模型，其可以是单个对象模型，并且可以基于限定输入状态对独特车辆运行场景进行建模，其可以针对由特定于场景的运行控制评估模块4400建模的独特车辆运行场景指示自主车辆的运行环境的元素的相应非概率状态。在经典策划模型中，与时间位置相关联的建模元素诸如外部对象的一个或多个方面诸如地理空间位置和与另一时间位置相关联的对应方面诸如紧接着的时间位置在非概率上可以存在诸如限定量或固定量的差异。例如，沿着远方车辆的预期路径，在第一时间位置，远方车辆可以具有第一地理空间位置，并且在紧接着的第二时间位置，远方车辆可以具有与第一地理空间位置存在限定地理空间距离诸如限定米数差异的第二地理空间位置。
特定于场景的运行控制评估模块4400中的一个或多个可以是分立的时间随机控制过程，诸如马尔可夫决策过程(MDP)模型，其可以是单个对象模型，并可以基于限定输入状态对独特车辆运行场景进行建模。自主车辆的运行环境的变化诸如外部对象的位置变化可以建模为概率性变化。马尔可夫决策过程模型可以利用更多的处理资源，并可以比经典规划(CP)模型更准确地对独特车辆运行场景进行建模。
马尔可夫决策过程模型可以将独特车辆运行场景建模为具有对应状态诸如当前状态、预期将来状态或当前状态和预期将来状态的一系列时间位置，诸如当前时间位置、将来时间位置或当前时间位置和将来时间位置。在每个时间位置，模型可以具有一状态，该状态可以是预期状态，并可以与一个或多个候选车辆控制动作相关联。模型可以将自主车辆表示为对象，其可以根据当前状态的所识别动作以及所识别动作将该状态从一种状态(当前状态)转变为另一状态(后续状态)的概率沿着一系列时间位置从当前状态转变为后续状态。
模型可以产生对应于根据相应动作从一个状态转变为另一状态的奖励，该奖励可以是正值或负值。模型可以通过识别对应于一系列时间位置的每个状态的动作来解出最大化累积奖励的独特车辆运行场景。解出模型可以包括响应于建模场景和运行环境信息识别车辆控制动作。
马尔可夫决策过程模型可以使用状态集合、动作集合、状态转变概率集合、奖励函数或它们的组合对独特车辆运行场景进行建模。在一些实施方式中，对独特车辆运行场景进行建模可以包括使用折扣系数，折扣系数可以对应用于后续时间段的奖励函数的输出进行调整或打折。
该状态集合可以包括马尔可夫决策过程模型的当前状态，马尔可夫决策过程模型的一个或多个可能后续状态，或它们的组合。状态可以表示所识别条件，该所识别条件可以是自主车辆的运行环境的可能在概率上影响自主车辆在分立时间位置的运行的相应限定方面诸如外部对象和交通控制设备的预期条件。例如，在自主车辆附近运行的远方车辆可能影响自主车辆的运行并且可以在马尔可夫决策过程模型中表示，这可以包括表示对应于相应时间位置的远方车辆的所识别或预期的地理空间位置，远方车辆的所识别或预期的路径、前进方向或其二者，远方车辆的所识别或预期的速度，远方车辆的所识别或预期的加速率或减速率，或它们的组合。在实例化时，马尔可夫决策过程模型的当前状态可以对应于运行环境的同时期状态或条件。可以对每个独特车辆运行场景限定相应的状态集合。
虽然可以使用任何状态数量或基数，但模型中包括的状态数量或基数可以限制为限定的最大状态数量，诸如300个状态。例如，模型可以包括对应场景的300个最可能状态。
动作集合可以包括马尔可夫决策过程模型在该状态集合中的每个状态下可用的车辆控制动作。可以对每个独特车辆运行场景限定相应的动作集合。
该状态集合转变概率可以在概率上表示由状态表示的自主车辆的运行环境响应于动作的可能或预期的变化。例如，状态转变概率可以指示：响应于自主车辆根据相应动作从当前状态航行通过车辆交通网络，自主车辆的运行环境在紧接着对应于当前状态的当前时间位置的相应时间位置处对应于相应状态的概率。
可以基于运行环境信息来识别该状态转变概率集合。例如，运行环境信息可以指示区域类型诸如城区或农村，一天中的时间，环境光级，天气情况，交通情况——其可以包括预期交通情况诸如高峰时期情况、事件相关交通堵塞或节日相关驾驶员行为情况，道路情况，管辖情况诸如国家、洲或市情况，或可能影响自主车辆的运行的任何其他情况或情况组合。
与行人车辆运行场景相关联的状态转变概率的示例可以包括：行人乱穿的限定概率，这可以基于行人与相应路段之间的地理空间距离；行人停在交叉口的限定概率；行人穿过人行横道的限定概率；行人在人行横道让步于自主车辆的限定概率；与行人车辆运行场景相关联的任何其他概率。
与交叉口车辆运行场景相关联的状态转变概率的示例可以包括远方车辆到达交叉口的限定概率；远方车辆阻隔自主车辆的限定概率；远方车辆紧接着并紧跟着航行通过交叉口的第二远方车辆航行通过交叉口的限定概率，诸如在没有通行(搭顺风车)的情况下；远方车辆在航行通过交叉口之前根据交通控制设备、法规或其他通行指示停在交叉口附近的限定概率；远方车辆航行通过交叉口的限定概率；远方车辆在交叉口附近偏离预期路径的限定概率；远方车辆偏离预期通行优先级的限定概率；与交叉口车辆运行场景相关联的任何其他概率。
与车道变换车辆运行场景相关联的状态转变概率的示例可以包括远方车辆变换速度的限定概率，诸如在自主车辆后方的远方车辆加速的限定概率或在自主车辆前方的远方车辆减速的限定概率；在自主车辆前方的远方车辆变换车道的限定概率；在自主车辆附近的远方车辆变换速度以允许自主车辆并入车道的限定概率；与车道变换车辆运行场景相关联的任何其他概率。
奖励函数可以确定可以为状态和动作的每个组合产生的相应的正或负(成本)值，其可以表示自主车辆根据对应车辆控制动作从对应状态到后续状态航行通过车辆交通网络的预期值。
可以基于运行环境信息识别奖励函数。例如，运行环境信息可以指示区域类型诸如城区或农村，一天中的时间，环境光级，天气情况，交通情况——其可以包括预期交通情况诸如高峰时期情况、事件相关交通堵塞或节日相关驾驶员行为情况，道路情况，管辖状况诸如国家、洲或市的情况，或可能影响自主车辆的运行的任何其他情况或情况的组合。
特定于场景的运行控制评估模块4400中的一个或多个可以是部分可观测马尔可夫决策过程(POMDP)模型，其可以是单个对象模型。部分可观测马尔可夫决策过程模型可以类似于马尔可夫决策过程模型，只是部分可观测马尔可夫决策过程模型可以包括对不确定状态进行建模。部分可观测马尔可夫决策过程模型可以包括对置信度、传感器可信度、干扰、噪音、不确定性诸如传感器不确定性等等进行建模。部分可观测马尔可夫决策过程模型可以利用更多的处理资源，并可以比马尔可夫决策过程模型更准确地对独特车辆运行场景进行建模。
部分可观测马尔可夫决策过程模型可以使用状态集合、状态集合、动作集合、状态转变概率集合、奖励函数、观测结果集合、情况观测概率集合或它们的组合对独特车辆运行场景进行建模。该状态集合、该动作集合、该状态转变概率集合和奖励函数可以类似于上文关于马尔可夫决策过程模型描述的那些。
该观测结果集合可以包括对应于相应状态的观测结果。观测结果可以提供关于相应状态的属性的信息。观测结果可以对应于相应时间位置。观测结果可以包括运行环境信息，诸如传感器信息。观测结果可以包括预期或预测运行环境信息。
例如，部分可观测马尔可夫决策过程模型可以包括在第一地理空间位置和对应于第一状态的第一时间位置处的自主车辆，模型可以指示自主车辆可以识别和实施或尝试实施车辆控制动作，以在紧接着第一时间位置的第二时间位置从第一地理空间位置航行通过车辆交通网络到达第二地理空间位置，并且对应于第二时间位置的观测结果集合可以包括可以识别为对应于第二时间位置的运行环境信息，诸如自主车辆的地理空间位置信息，一个或多个外部对象的地理空间位置信息，可用性概率，预期路径信息等。
该情况观测概率集合可以包括基于自主车辆的运行环境进行相应观测的概率。例如，自主车辆可以通过航行通过第一道路靠近交叉口，同时，远方车辆可以通过航行通过第二道路靠近交叉口，自主车辆可以识别和评估对应于交叉口的运行环境信息，诸如传感器信息，这可以包括对应于远方车辆的运行环境信息。在一些实施方式中，运行环境信息可能是不准确、不完整或错误的。在马尔可夫决策过程模型中，自主车辆可以以非概率方式识别远方车辆，这可以包括识别远方车辆的位置、远方车辆的预期路径等，并且基于不准确的运行环境信息识别的信息诸如所识别远方车辆的位置可能是不准确或错误的。在部分可观测马尔可夫决策过程模型中，自主车辆可以识别在概率上识别远方车辆的信息，这可以包括在概率上识别远方车辆的位置信息，诸如指示远方车辆可能靠近交叉口的位置信息。对应于观测或在概率上识别远方车辆的位置的情况观测概率可以表示所识别运行环境信息准确地表示远方车辆的位置的概率。
可以基于运行环境信息识别该情况观测概率集合。例如，运行环境信息可以指示区域类型诸如城区或农村，一天中的时间，环境光级，天气情况，交通情况——其可以包括预期交通情况诸如高峰时期情况、事件相关交通堵塞或节日相关驾驶员行为情况，道路情况，管辖情况诸如国家、洲或市情况，或可能影响自主车辆的运行的任何其他情况或情况的组合。
在一些实施方式中，诸如实施部分可观测马尔可夫决策过程模型的实施方式，对自主车辆运行控制场景进行建模可以包括对遮挡物进行建模。例如，运行环境信息可以包括对应于自主车辆的运行环境中的一个或多个遮挡物诸如传感器遮挡物的信息，使得运行环境信息可以省略表示自主车辆的运行环境中的一个或多个被遮挡外部对象的信息。例如，遮挡物可以是外部对象，诸如交通标志、建筑物、树、所识别外部对象或能在限定时空位置遮挡一个或多个其他运行情况诸如外部对象使自主车辆无法看见的其他任何运行情况或运行情况的组合。运行环境监测器4300可以识别遮挡物，可以识别或确定外部对象被所识别遮挡物遮挡或遮蔽的概率，并可以包括运行环境信息中的被遮挡车辆概率信息，该被遮挡车辆概率信息被输出至自主车辆运行管理控制器4100并被自主车辆运行管理控制器4100传送至相应的特定于场景的运行控制评估模块4400。
特定于场景的运行控制评估模块4400中的一个或多个可以是分布式部分可观测马尔可夫决策过程(Dec-POMDP)模型，其可以是多对象模型，并可以对独特车辆运行场景进行建模。分布式部分可观测马尔可夫决策过程模型可以类似于部分可观测马尔可夫决策过程模型，只是部分可观测马尔可夫决策过程模型可以对自主车辆和外部对象的子集诸如一个进行建模，而分布式部分可观测马尔可夫决策过程模型可以对自主车辆和外部对象集合进行建模。
特定于场景的运行控制评估模块4400中的一个或多个可以是部分可观测随机对策(POSG)模型，其可以是多对象模型，并可以对独特车辆运行场景进行建模。部分可观测随机对策模型可以类似于分布式部分可观测马尔可夫决策过程，只是分布式部分可观测马尔可夫决策过程可以包括用于自主车辆的奖励函数，而部分可观测随机对策模型可以包括用于自主车辆的奖励函数和用于每个外部对象的相应奖励函数。
特定于场景的运行控制评估模块4400中的一个或多个可以是强化学习(RL)模型，其可以是学习模型，并可以对独特车辆运行场景进行建模。强化学习模型可以类似于马尔可夫决策过程模型或部分可观测马尔可夫决策过程模型，只是可以从该模型中省去限定状态转变概率、观测概率、奖励函数或它们的任意组合。
强化学习模型可以是基于模型的强化学习模型，其可以包括基于一个或多个建模的或观测的事件生成状态转变概率、观测概率、奖励函数或它们的任意组合。
在强化学习模型中，模型可以评估一个或多个事件或相互作用，这可以是模拟事件诸如航行通过交叉口、在行人附近航行通过车辆交通网络或变换车道，并且可以响应于相应时间生成或修改对应模型或其方案。例如，自主车辆可以使用强化学习模型航行通过交叉口。强化学习模型可以指示用于航行通过交叉口的候选车辆控制动作。自主车辆可以将该候选车辆控制动作用作时间位置的车辆控制动作来航行通过交叉口。自主车辆可以确定使用候选车辆控制动作航行通过交叉口的结果，并可以基于该结果更新模型。
在实施例中，在第一时间位置，远方车辆可能在有禁止通行指示诸如红灯的交叉口处固定不动，强化学习模型可以对第一时间位置指示‘继续’候选车辆控制动作，强化学习模型可以包括在根据所识别的候选车辆控制动作航行通过车辆交通网络之后的后续时间位置识别运行环境信息的概率——指示远方车辆的对应于第一时间位置的地理空间位置不同于远方车辆的对应于第二时间位置的地理空间位置——是低的，诸如0/100。自主车辆可以根据所识别的候选车辆控制动作航行通过车辆交通网络，随后可以确定远方车辆的对应于第一时间位置的地理空间位置不同于远方车辆的对应于第二时间位置的地理空间位置，并可以将概率修改或更新为诸如1/101，相应地加入所识别事件。
在另一实施例中，强化学习模型可以指示根据所识别的车辆控制动作并且根据所识别的运行环境信息——其可以是概率性的——航行通过车辆交通网络从第一时间位置到达第二时间位置的限定的正预期奖励。自主车辆可以根据所识别的车辆控制动作航行通过车辆交通网络。自主车辆可以基于随后识别的运行环境信息——其可以是概率性的——确定对应于第二时间位置的运行环境信息大致上类似于识别的对应于第一时间位置的运行环境信息，其可以指示根据所识别的车辆控制动作航行通过车辆交通网络的成本，诸如时间成本，并且强化学习模型可以减少对应的预期奖励。
自主车辆运行管理***4000可以包括任意数量或任意组合的模型类型。例如，特定于行人场景的运行控制评估模块4410、特定于交叉口场景的运行控制评估模块4420和特定于车道变换场景的运行控制评估模块4430可以是部分可观测马尔可夫决策过程模型。在另一实施例中，特定于行人场景的运行控制评估模块4410可以是马尔可夫决策过程模型，并且特定于交叉口场景的运行控制评估模块4420和特定于车道变换场景的运行控制评估模块4430可以是部分可观测马尔可夫决策过程模型。
自主车辆运行管理控制器4100可以基于运行环境信息对特定于场景的运行控制评估模块4400的任意数量的实例进行实例化。
例如，运行环境信息可以包括表示行人靠近沿着自主车辆的预期路径的交叉口的信息，并且自主车辆运行管理控制器4100可以识别行人车辆运行场景、交叉口车辆运行场景或其二者。自主车辆运行管理控制器4100可以对特定于行人场景的运行控制评估模块4410的实例、特定于交叉口场景的运行控制评估模块4420的实例或其二者进行实例化。
在另一实施例中，运行环境信息可以包括表示在沿着自主车辆的预期路径的交叉口处或附近的不止一个行人的信息。自主车辆运行管理控制器4100可以识别对应于该一个或多个行人的行人运行场景、交叉口车辆运行场景或它们的组合。自主车辆运行管理控制器4100可以为行人运行场景中的一些或全部对特定于行人场景的运行控制评估模块4410的实例、特定于交叉口场景的运行控制评估模块4420的实例或它们的组合进行实例化。
特定于行人场景的运行控制评估模块4410可以是自主车辆运行控制场景的模型，其包括自主车辆在行人(行人场景)附近航行通过车辆交通网络的一部分的。特定于行人场景的运行控制评估模块4410可以从自主车辆运行管理控制器4100接收运行环境信息，诸如用于监测行人的由运行环境监测器4310生成的行人信息。
特定于行人场景的运行控制评估模块4410可以对与航行通过车辆交通网络的一部分的行人对应的行人行为或以其他方式在概率上影响自主车辆的运行的行人行为进行建模。特定于行人场景的运行控制评估模块4410可以将行人建模为根据表达可能的行人行为的行人模型规则行动。例如，行人模型规则可以表达车辆交通网络法规、行人交通网络法规、预测行人行为、社会规范或它们的组合。例如，行人模型规则可以指示行人可能经人行横道或其他限定的行人通路区域航行通过车辆交通网络的一部分的概率。特定于行人场景的运行控制评估模块4410可以将行人建模为独立于限定的车辆交通网络法规、行人交通网络法规或其二者行动，诸如乱穿。
特定于行人场景的运行控制评估模块4410可以输出候选车辆控制动作，诸如‘停止’候选车辆控制动作、‘前进’候选车辆控制动作或‘继续’候选车辆控制动作。候选车辆控制动作可以是混合车辆控制动作。例如，候选车辆控制动作可以包括‘前进’车辆控制动作，其可以是间接发信号行人通信的车辆控制动作，并可以包括直接发信号行人通信的车辆控制动作，诸如自主车辆的前灯闪烁或自主车辆的喇叭响起。图7中示出了自主车辆运行控制场景的实施例，其包括自主车辆在行人附近航行通过车辆交通网络的一部分。
特定于交叉口场景的运行控制评估模块4420可以是自主车辆运行控制场景的模型，该模型包括自主车辆航行通过车辆交通网络的包括交叉口的一部分。特定于行人场景的运行控制评估模块4420可以对远方车辆航行通过车辆交通网络中的交叉口的行为或以其他方式在概率上影响航行通过交叉口的自主车辆的运行的行为进行建模。交叉口可以包括车辆交通网络的任何部分，其中，车辆可以从一条道路转移至另一条道路。
对包括自主车辆航行通过车辆交通网络的包括交叉口的一部分的自主车辆运行控制场景进行建模可以包括确定车辆航行通过交叉口的通行顺序，诸如通过与远方车辆协商。
对包括自主车辆航行通过车辆交通网络的包括交叉口的一部分的自主车辆运行控制场景进行建模可以包括对一个或多个交通控制装置进行建模，该交通控制装置为诸如停止标志，让路标志，交通灯或任何其他交通控制设备、法规、信号，或它们的组合。
对包括自主车辆航行通过车辆交通网络的包括交叉口的一部分的自主车辆运行控制场景进行建模可以包括输出‘前进’候选车辆控制动作，响应于自主车辆实施‘前进’候选车辆控制动作接收信息诸如传感器信息，并基于接收到的信息输出后续的候选车辆控制动作。
对包括自主车辆航行通过车辆交通网络的包括交叉口的一部分的自主车辆运行控制场景进行建模可以包括对远方车辆可能根据车辆交通网络法规航行通过交叉口的概率进行建模。对包括自主车辆航行通过车辆交通网络的包括交叉口的一部分的自主车辆运行控制场景进行建模可以包括对远方车辆可能独立于一个或多个车辆交通网络法规——诸如紧随有通行权的另一远方车辆之后或搭顺风车——航行通过交叉口的概率进行建模。
特定于交叉口场景的运行控制评估模块4420可以输出候选车辆控制动作，诸如‘停止’候选车辆控制动作、‘前进’候选车辆控制动作或‘继续’候选车辆控制动作。候选车辆控制动作可以是混合车辆控制动作。例如，候选车辆控制动作可以包括‘继续’车辆控制动作和发信号通信的车辆控制动作，诸如自主车辆的转弯灯闪烁。图8中示出了包括自主车辆航行通过交叉口的自主车辆运行控制场景的实施例。
特定于车道变换场景的运行控制评估模块4430可以是包括自主车辆通过实施车道变换操作航行通过车辆交通网络的一部分的自主车辆运行控制场景的模型。特定于车道变换场景的运行控制评估模块4430可以对在概率上影响航行通过车道变换的自主车辆的运行的远方车辆的行为进行建模。
对包括自主车辆通过实施车道变换航行通过车辆交通网络的一部分的自主车辆运行控制场景进行建模可以包括输出‘维持’候选车辆控制动作、‘继续’车辆控制动作、‘加速’车辆控制动作、‘减速’车辆控制动作或它们的组合。图9中示出了包括自主车辆变换车道的自主车辆运行控制场景的实施例。
自主车辆运行管理控制器4100、阻碍监测器4200、运行环境监测器4300或特定于场景的运行控制评估模块4400中的一个或多个可以持续或定期运行，诸如以十赫兹(10Hz)的频率运行。例如，自主车辆运行管理控制器4100可以每秒多次识别车辆控制动作，诸如十次。自主车辆运行管理***4000的每个部件的运行频率可以同步或不同步，并且自主车辆运行管理控制器4100、阻碍监测器4200、运行环境监测器4300或特定于场景的运行控制评估模块4400中的一个或多个的运行速率可以独立于自主车辆运行管理控制器4100、阻碍监测器4200、运行环境监测器4300或特定于场景的运行控制评估模块4400中的另外一个或多个的运行速率。
由特定于场景的运行控制评估模块4400的实例输出的候选车辆控制动作可以包括下述或与下述相关联：运行环境信息，诸如状态信息、时间信息或其二者。例如，候选车辆控制动作可以与表示可能的将来状态、将来时间位置或其二者的运行环境信息相关联。自主车辆运行管理控制器4100可以识别表示过去时间位置的过时候选车辆控制动作、可能在最低阈值以下发生的状态或未被选择的候选车辆控制动作，并可以删除、省略或忽略过时候选车辆控制动作。
图5是根据本公开内容的实施方式的自主车辆运行管理5000的实施例的流程图。自主车辆运行管理5000可以在自主车辆诸如图1中所示的车辆1000、图2中所示的车辆2100/2110中的一个，半自主车辆或实施自主驾驶的任何其他车辆中实施。例如，自主车辆可以实施自主车辆运行管理***，诸如图4中所示的自主车辆运行管理***4000。
自主车辆运行管理5000可以包括实施或运行一个或多个模块或部件，这可以包括运行自主车辆运行管理控制器或执行器5100，诸如图4中所示的自主车辆运行管理控制器4100；阻碍监测器5200，诸如图4中所示的阻碍监测器4200；零个或多个特定于场景的运行控制评估模块实例(SSOCEMI)5300，诸如图4中所示的特定于场景的运行控制评估模块4400的实例；或它们的组合。
虽然图5中未单独示出，但执行器5100可以监测自主车辆的运行环境或其限定方面。监测自主车辆的运行环境可以包括在5110识别并追踪外部对象，在5120识别独特车辆运行场景，或它们的组合。
执行器5100可以在5110识别自主车辆的运行环境或其方面。识别运行环境可以包括识别表示运行环境或其一个或多个方面的运行环境信息。运行环境信息可以包括自主车辆的车辆信息、表示在自主车辆附近的车辆交通网络或其一个或多个方面的信息、表示自主车辆的运行环境内的外部对象或其一个或多个方面的信息，或它们的组合。
执行器5100可以在5110基于传感器信息、车辆交通网络信息、之前识别的运行环境信息或描述运行环境的一个或多个方面的任何其他信息或信息的组合来识别运行环境信息。传感器信息可以是经处理的传感器信息，诸如来自自主车辆的传感器信息处理单元的经处理的传感器信息，传感器信息处理单元可以从自主车辆的传感器接收传感器信息并可以基于该传感器信息生成经处理的传感器信息。
在5110识别运行环境信息可以包括从自主车辆的传感器诸如图1中所示的传感器1360或图2中所示的车载传感器2105接收指示运行环境的一个或多个方面的信息。例如，传感器可以检测在自主车辆外部、在自主车辆的限定距离诸如300内的外部对象诸如行人、车辆或任何其他对象，并且传感器可以将指示或表示外部对象的传感器信息发送至执行器5100。传感器或自主车辆的另一单元可以将传感器信息存储在自主车辆的存储器诸如图1中所示的存储器1340中，并且自主车辆运行管理控制器5100从存储器中读取传感器信息。
由传感器信息指示的外部对象可能是不确定的，自主车辆运行管理控制器5100可以基于传感器信息、其他信息诸如来自另一传感器的信息、对应于之前识别的对象的信息或它们的组合来识别对象信息，诸如对象类型。传感器或自主车辆的另一单元可以识别对象信息并可以将对象识别信息发送至自主车辆运行管理控制器5100。
传感器信息可以指示道路情况、道路特征或它们的组合。例如，传感器信息可以指示道路情况，诸如湿滑道路情况、结冰道路情况或任何其他的一种或多种道路情况。在另一实施例中，传感器信息可以指示道路标志，诸如车道线、路面几何的方面或任何其他一个或多个道路特征。
在5110识别运行环境信息可以包括根据车辆交通网络信息识别指示运行环境的一个或多个方面的信息。例如，自主车辆运行管理控制器5100可以读取或以其他方式接收指示自主车辆正在靠近交叉口的车辆交通网络信息或以其他方式描述在自主车辆附近诸如在自主车辆的300米内的车辆交通网络的几何或构造的车辆交通网络信息。
在5110识别运行环境信息可以包括根据自主车辆外部的远方车辆或其他远方设备识别指示运行环境的一个或多个方面的信息。例如，自主车辆可以经由无线电子通信链路从远方车辆接收远方车辆消息，该远方车辆信息包括指示远方车辆的远方车辆地理空间状态信息、远方车辆的远方车辆运动状态信息或其二者的远方车辆信息。
执行器5100可以包括一个或多个特定于场景的监测器模块实例。例如，执行器5100可以包括用于监测行人的特定于场景的监测器模块实例、用于监测交叉口的特定于场景的监测器模块实例、用于监测车道变换的特定于场景的监测器模块实例或它们的组合。每个特定于场景的监测器模块实例均可以接收或以其他方式访问对应于相应场景的运行环境信息，并可以将对应于相应场景的专门监测器信息发送、存储或以其他方式输出至或供下述访问：执行器5100、阻碍监测器5200、特定于场景的运行控制评估模块实例5300或它们的组合。
执行器5100可以在5112将表示自主车辆的运行环境的运行环境信息发送至阻碍监测器5200。可替代地或另外地，阻碍监测器5200可以从自主车辆的另一部件诸如自主车辆的传感器接收表示自主车辆的运行环境的运行环境信息，阻碍监测器5200可以从自主车辆的存储器中读取表示自主车辆的运行环境的运行环境信息，或这些的组合。
执行器5100可以在5120检测或识别一个或多个独特车辆运行场景。执行器5100可以在5120基于在5110识别的由运行环境信息表示的运行环境的一个或多个方面检测独特车辆运行场景。
执行器5100可以在5120识别多个独特车辆运行场景，这可以是混合车辆运行场景的方面。例如，运行环境信息可以包括表示行人靠近沿着自主车辆的预期路径的交叉口，并且执行器5100可以在5120识别行人车辆运行场景、交叉口车辆运行场景或其二者。在另一实施例中，由运行环境信息表示的运行环境可以包括多个外部对象，并且执行器5100可以在5120识别对应于每个外部对象的独特车辆运行场景。
执行器5100可以在5130基于由运行环境信息表示的运行环境的一个或多个方面对特定于场景的运行控制评估模块实例5300进行实例化。例如，响应于在5120识别独特车辆运行场景，执行器5100可以在5130对特定于场景的运行控制评估模块实例5300实例化。
虽然图5中示出了一个特定于场景的运行控制评估模块实例5300，但执行器5100可以基于在5110识别的由运行环境信息表示的运行环境的一个或多个方面或者在5110识别的不同外部对象和在5120检测到的相应独特车辆运行场景的组合对多个特定于场景的运行控制评估模块实例5300进行实例化，每个特定于场景的运行控制评估模块实例5300对应于在5120检测到的相应独特车辆运行场景。
例如，在5110识别的由运行环境信息表示的运行环境可以包括多个外部对象，执行器5100可以在5120基于在5110识别的由运行环境信息表示的运行环境来检测多个独特车辆运行场景，这可以是混合车辆运行场景的方面，并且执行器5100可以对对应于独特车辆运行场景和外部对象的每个不同组合的特定于场景的运行控制评估模块实例5300进行实例化。
在5120识别的对应于独特车辆运行场景的特定于场景的运行控制评估模块可能不可用，在5130对特定于场景的运行控制评估模块实例5300进行实例化可以包括生成、解出并实例化在5120识别的对应于独特车辆运行场景的特定于场景的运行控制评估模块的实例5300。例如，在5120识别的独特车辆运行场景可以指示交叉口，该交叉口包括具有停止交通控制信号诸如停止标志的两个车道以及具有让路交通控制信号诸如让路标志的两个车道，可用的特定于场景的运行控制评估模块可以包括与在5120识别的独特车辆运行场景不同的部分可观测马尔可夫决策过程的特定于场景的运行控制评估模块，诸如对包括具有停止交通控制信号的四个车道的交叉口场景进行建模的部分可观测马尔可夫决策过程的特定于场景的运行控制评估模块，并且执行器5100可以在5130生成、解出并实例化对包括具有停止交通控制信号的两个车道以及具有让路交通控制信号的两个车道的交叉口进行建模的马尔可夫决策过程的特定于场景的运行控制评估模块的实例5300。
在5130对特定于场景的运行控制评估模块实例进行实例化可以包括基于关于自主车辆的信息、运行环境信息或它们的组合来识别空间-时间交汇的交汇概率。识别空间-时间交汇的交汇概率可以包括识别自主车辆的预期路径、识别远方车辆的预期路径并基于预期路径信息识别指示自主车辆和远方车辆可能交汇或碰撞的概率的自主车辆与远方车辆的交汇概率。响应于确定交汇概率超过限定阈值，诸如限定的最大可接受交汇概率，可以对特定于场景的运行控制评估模块实例进行实例化。
在5130对特定于场景的运行控制评估模块实例5300进行实例化可以包括将表示自主车辆的运行环境的运行环境信息发送至特定于场景的运行控制评估模块实例5300，如5132所指示的。
特定于场景的运行控制评估模块实例5300可以在5310接收表示自主车辆的运行环境或其一个或多个方面的运行环境信息。例如，特定于场景的运行控制评估模块实例5300可以在5132接收由执行器5100发送的表示自主车辆的运行环境或其一个或多个方面的运行环境信息。可替代地或另外地，特定于场景的运行控制评估模块实例5300可以从自主车辆的另一部件诸如自主车辆的传感器或阻碍监测器5200接收表示自主车辆的运行环境的运行环境信息，特定于场景的运行控制评估模块实例5300可以从自主车辆的存储器中读取表示自主车辆的运行环境的运行环境信息，或这些的组合。
阻碍监测器5200可以在5210接收表示自主车辆的运行环境或其方面的运行环境信息。例如，阻碍监测器5200可以接收由执行器5100在5112发送的运行环境信息或其方面。阻碍监测器5200可以从自主车辆的传感器、外部设备诸如远方车辆或基础设施设备或者它们的组合接收运行环境信息或其方面。阻碍监测器5200可以从存储器诸如自主车辆的存储器读取运行环境信息或其方面。
阻碍监测器5200可以在5220确定车辆交通网络的一个或多个部分诸如车辆交通网络的靠近自主车辆的部分的相应可用性概率(POA)或对应的阻碍概率，所述部分可以包括车辆交通网络的对应于自主车辆的预期路径的部分，诸如基于自主车辆的当前路线识别的预期路径。
在5220确定相应可用性概率可以包括识别外部对象、追踪外部对象、投射外部对象的位置信息、投射外部对象的路径信息或它们的组合。例如，阻碍监测器5200可以识别外部对象，并可以识别外部对象的预期路径，其可以指示一系列预期空间位置、预期时间位置和对应的概率。
阻碍监测器5200可以基于运行环境信息识别外部对象的预期路径，该运行环境信息为诸如指示外部对象的当前位置的信息、指示外部对象的当前轨迹的信息、指示外部对象的分类类型的信息诸如将外部对象分类为行人或远方车辆的信息、车辆交通网络信息诸如指示车辆交通网络包括靠近外部对象的人行横道的信息、之前识别的或追踪的与外部对象相关联的信息或它们的组合。例如，外部对象可以识别为远方车辆，并且可以基于指示远方车辆的当前位置的信息、指示远方车辆的当前轨迹的信息、指示远方车辆的当前速度的信息、对应于远方车辆的车辆交通网络信息、发条或法规信息或它们的组合来识别远方车辆的预期路径。
阻碍监测器5200可以在5222将在5220识别的可用性概率发送至特定于场景的运行控制评估模块实例5300。可替代地或另外地，阻碍监测器5200可以将在5220识别的可用性概率存储在自主车辆的存储器中，或它们的组合。虽然图5中未清楚示出，但阻碍监测器5200除了或代替将可用性概率发送至特定于场景的运行控制评估模块实例5300，还可以在5212将在5220识别的可用性概率发送至执行器5100。
特定于场景的运行控制评估模块实例5300可以在5320接收可用性概率。例如，特定于场景的运行控制评估模块实例5300可以在5222接收由阻碍监测器5200发送的可用性概率。特定于场景的运行控制评估模块实例5300可以从存储器诸如自主车辆的存储器读取可用性概率。
特定于场景的运行控制评估模块实例5300可以在5330解出对应独特车辆运行场景的模型。在一些实施方式中，特定于场景的运行控制评估模块实例5300可以在5330生成或识别候选车辆控制动作。
特定于场景的运行控制评估模块实例5300可以在5332将在5330识别的候选车辆控制动作发送至执行器5100。
可替代地或另外地，特定于场景的运行控制评估模块实例5300可以将在5330识别的候选车辆控制动作存储在自主车辆的存储器中。
执行器5100可以在5140接收候选车辆控制动作。例如，执行器5100可以在5140从特定于场景的运行控制评估模块实例5300接收候选车辆控制动作。可替代地或另外地，执行器5100可以从自主车辆的存储器读取候选车辆控制动作。
执行器5100可以在5150批准候选车辆控制动作，或以其他方式将候选车辆控制动作识别为用于控制自主车辆航行通过车辆交通网络的车辆控制动作。例如，执行器5100可以在5120识别一个独特车辆运行场景，在5130对一个特定于场景的运行控制评估模块实例5300进行实例化，在5140接收一个候选车辆控制动作，并可以在5150批准候选车辆控制动作。
执行器5100可以在5120识别多个独特车辆运行场景，在5130对多个特定于场景的运行控制评估模块实例5300进行实例化，在5140接收多个候选车辆控制动作，并可以在5150批准候选车辆控制动作中的一个或多个。另外或可替代地，自主车辆运行管理5000可以包括操作一个或多个之前实例化的特定于场景的运行控制评估模块实例(未清楚示出)，并且执行器可以在5140从在5130实例化的特定于场景的运行控制评估模块实例以及之前实例化的特定于场景的运行控制评估模块实例中的一个或多个接收候选车辆控制动作，并可以在5150批准候选车辆控制动作中的一个或多个。
在5150批准候选车辆控制动作可以包括确定是否根据候选车辆控制动作航行通过车辆交通网络的部分。
执行器5100可以在5160根据在5150识别的车辆控制动作来控制自主车辆航行通过车辆交通网络或其部分。
执行器5100可以在5170识别自主车辆的运行环境或其方面。在5170识别自主车辆的运行环境或其方面可以类似于在5110识别自主车辆的运行环境，并可以包括更新之前识别的运行环境信息。
执行器5100可以在5180确定或检测独特车辆运行场景解析了还是未解析。例如，执行器5100可以持续或定期接收运行环境信息，如上文所述。执行器5100可以对运行环境信息进行评估，以确定是否已解析了独特车辆运行场景。
执行器5100可以在5180确定对应于特定于场景的运行控制评估模块实例5300的独特车辆运行场景未解析，执行器5100可以将在5170识别的运行环境信息发送至特定于场景的运行控制评估模块实例5300，如5185所指示的，在5180对特定于场景的运行控制评估模块实例5300进行去实例化可以省略或不同。
执行器5100可以在5180确定已解析了独特车辆运行场景，并可以在5190对对应于确定要在5180解析的独特车辆运行场景的特定于场景的运行控制评估模块实例5300进行去实例化。例如，执行器5100可以在5120识别形成自主车辆的独特车辆运行场景的不同的运行条件集合，可以在5180确定运行条件中的一个或多个是已失效的还是有可能在限定阈值以下影响自主车辆的运行，并可以对对应的特定于场景的运行控制评估模块实例5300进行去实例化。
虽然图5中未清楚示出，但执行器5100可以在5170持续或定期重复识别或更新运行环境信息，在5180确定独特车辆运行场景是否被解析，并响应于在5180确定独特车辆运行场景未解析，将在5170识别的运行环境信息发送至特定于场景的运行控制评估模块实例5300，如5185所指示的，直到在5180确定独特车辆运行场景是否被解析包括确定已解析了独特车辆运行场景。
图6是根据本公开内容的实施方式的阻碍情景6000的实施例的图。自主运行管理诸如图5中所示的自主车辆运行管理5000可以包括自主车辆6100诸如图1中所示的车辆1000、图2中所示的车辆2100/2110中的一个、半自主车辆、或实施自主驾驶的任何其他车辆运行自主车辆运行管理***诸如图4中所示的自主车辆运行管理***4000，该自主车辆运行管理***包括阻碍监测器，诸如图4中所示的阻碍监测器4200或图5中所示的阻碍监测器5200，以确定车辆交通网络的对应于阻碍情景6000的部分或区域的可用性概率或对应的阻碍概率。阻碍监测器可以结合或独立于限定的自主车辆运行控制场景运行，并可以结合或独立于限定的自主车辆运行控制场景确定可用性概率。
车辆交通网络的对应于图6中所示的阻碍情景6000的部分包括自主车辆6100航行通过第一道路6200，靠近具有第二道路6220的交叉口6210。交叉口6210包括人行横道6300。行人6400靠近人行横道6300。远方车辆6500航行通过第二道路6220靠近交叉口6210。自主车辆6100的预期路径6110指示自主车辆6100可以通过从第一道路6200右转至第二道路6220航行通过交叉口6210。自主车辆6100的替代预期路径6120——使用虚线示出——指示自主车辆6100可以通过从第一道路6200左转至第二道路6220来航行通过交叉口6210。
阻碍监测器可以识别行人6400的预期路径6410。例如，传感器信息可能指示行人6400具有的速度超过阈值并且轨迹与人行横道6300交叉，车辆交通网络信息可能指示交叉口包括法规控制装置，使得车辆根据法规控制装置航行通过交叉口，让路于人行横道中的行人，或者交叉口6210可以包括一个或多个交通控制设备(未示出)，指示行人6400的允许通行信号，并且行人6400的预期路径6410可以被识别为包括行人6400以高概率诸如1.0或100％航行通过人行横道6300。
阻碍监测器可以识别远方车辆6500的预期路径6510、6520。例如，传感器信息可能指示远方车辆6500靠近交叉口6210，车辆交通网络信息可能指示远方车辆6500可能径直航行通过交叉口6210或者可能在交叉口6210右转到第一道路6200上，并且阻碍监测器可以识别远方车辆6500的径直穿过交叉口的第一预期路径6510以及右转穿过交叉口的第二预期路径。
阻碍监测器可以基于例如远方车辆6500的运行信息识别预期路径6510、6520中的每个的概率。例如，远方车辆6500的运行信息可能指示远方车辆的速度超过最大转弯阈值，并且第一预期路径6510可能被识别为具有高概率，诸如0.9或90％，以及第二预期路径6520可能被识别为具有低概率，诸如0.1或10％。
在另一实施例中，远方车辆6500的运行信息可以指示远方车辆的速度在最大转弯阈值内，并且第一预期路径6510可能被识别为具有低概率，诸如0.1或10％，以及第二预期路径6520可能被识别为具有高概率，诸如0.9或90％。
阻碍监测器可以将第二道路6220的靠近行人的预期路径6410诸如在其几英尺诸如三英尺内的部分或区域——可能对应于人行横道6300——的可用性概率识别为低，诸如0％，指示第二道路6220的对应部分被阻碍与行人6400航行通过人行横道6300对应的时间段。
阻碍监测器可以确定远方车辆6500的第一预期路径6510和自主车辆6100的预期路径在与行人6400航行通过人行横道6300对应的时间段期间被行人阻碍。
图7是根据本公开内容的实施方式的包括行人场景的行人情景7000的实施例的图。自主车辆运行管理诸如图5中所示的自主车辆运行管理5000可以包括自主车辆7100诸如图1中所示的车辆1000、图2中所示的车辆2100/2110中的一个、半自主车辆或实施自主驾驶的任何其他车辆运行自主车辆运行管理***诸如图4中所示的自主车辆运行管理***4000，该自主车辆运行管理***包括特定于行人场景的运行控制评估模块实例，该特定于行人场景的运行控制评估模块实例可以是特定于行人场景的运行控制评估模块诸如图4中所示的特定于行人场景的运行控制评估模块4410的实例，其可以是包括自主车辆7100在行人附近航行通过车辆交通网络的一部分的自主车辆运行控制场景的模型。为简单和清楚起见，车辆交通网络对应于图7所示的行人情景7000的部分被定向为上北右东。
车辆交通网络的对应于图7中所示的行人情景7000的部分包括自主车辆7100沿着第一道路7200的车道中的路段向北航行通过，靠近具有第二道路7220的交叉口7210。交叉口7210包括横过第一道路7200的第一人行横道7300和横过第二道路7220的第二人行横道7310。第一行人7400在第一道路7200中在非行人通路区域向东移动(乱穿)。第二行人7410靠近第一人行横道7300且向西北偏西移动。第三行人7420从西边靠近第一人行横道7300。第四行人7430从北边靠近第二人行横道7310。
自主车辆运行管理***可以包括自主车辆运行管理控制器诸如图4中所示的自主车辆运行管理控制器4100或图5中所示的执行器5100，以及阻碍监测器诸如图4中所示的阻碍监测器4200或图5中所示的阻碍监测器5200。自主车辆7100可以包括一个或多个传感器、一个或多个运行环境监测器或它们的组合。
自主车辆运行管理***可以持续或定期运行，诸如在一系列时间位置的每个时间位置运行。为简单和清楚起见，自主车辆7100、第一行人7400、第二行人7410、第三行人7420和第四行人7430的地理空间位置根据该系列时间位置中的第一、顺序上最早的时间位置示出。虽然为简单和清楚起见参照一系列时间位置进行描述，但自主车辆运行管理***的每个单元均可以以任意频率运行，相应单元的运行可以同步或不同步，并且运行可以与一个或多个时间位置的一个或多个部分同时实施。为简单和清楚起见，可以从本公开内容中省略一个或多个时间位置诸如本文所述时间位置之间的时间位置的相应描述。
在一个或多个时间位置，诸如在每个时间位置，自主车辆7100的传感器可以检测对应于自主车辆7100的运行环境的信息，诸如对应于行人7400、7410、7420、7430中的一个或多个的信息。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理***可以识别自主车辆7100的预期路径7500、自主车辆7100的路线7510或其二者。根据第一时间位置，自主车辆7100的预期路径7500指示自主车辆7100可能通过沿第一道路7200继续向北来航行通过交叉口7210。自主车辆7100的路线7510指示自主车辆7100可以右转到第二道路7220上。
在一个或多个时间位置，诸如在每个时间位置，自主车辆7100的运行环境监测器可以诸如响应于接收到的对应于行人7400、7410、7420的传感器信息来识别或生成表示自主车辆7100的运行环境或其方面的运行环境信息，这可以包括将传感器信息与行人7400、7410、7420、7430相关联，并且可以将运行环境信息——其可以包括表示行人7400、7410、7420、7430的信息——输出至自主车辆运行管理控制器。
在一个或多个时间位置，诸如在每个时间位置，阻碍监测器可以生成指示车辆交通网络的一个或多个区域或部分的相应可用性概率的可用性概率信息。例如，根据第一时间位置，阻碍监测器可以确定第一行人7400的预期路径7520，以及车辆交通网络的在第一行人7400的预期路径7520与自主车辆7100的预期路径7500或路线7510之间的交汇点附近的区域或部分的可用性概率。
在另一实施例中，阻碍监测器可以确定第二行人7410的预期路径7530、第三行人7420的预期路径7540以及车辆交通网络的在第一人行横道7300附近的区域或部分的可用性概率。识别车辆交通网络的在第一人行横道7300附近的区域或部分的可用性概率可以包括将第二行人7410和第三行人7420识别为优先阻碍的外部对象并确定对应预期路径7530、7540可能在空间和时间上重叠。
在另一实施例中，阻碍监测器可以确定一个或多个外部对象的多个预期路径。例如，阻碍监测器可以将第二行人7410的第一预期路径7530识别为具有高概率，并可以将第二行人7410的第二预期路径7532识别为具有低概率。
在另一实施例中，阻碍监测器可以确定第四行人7430的预期路径7550以及车辆交通网络在第二人行横道7310附近的区域或部分的可用性概率。
生成可用性概率信息可以包括生成车辆交通网络的与该系列时间位置中的多个时间位置对应的相应区域或部分的可用性概率。阻碍监测器可以将可用性概率信息输出至自主车辆运行管理控制器或供其访问。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以生成运行环境信息或更新之前生成的运行环境信息，这可以包括接收运行环境信息或其部分。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以基于诸如由运行环境信息表示的运行环境来检测或识别一个或多个独特车辆运行场景，该运行环境信息可以包括由运行环境监测器输出的运行环境信息、由阻碍监测器输出的可用性概率信息或它们的组合。例如，根据第一时间位置，自主车辆运行管理控制器可以检测或识别包括第一行人7400的第一行人场景、包括第二行人7410的第二行人场景、包括第三行人7420的第三行人场景以及包括第四行人7430的第四行人场景中的一个或多个。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以检测一个或多个之前未检测的车辆运行场景。例如，根据第一时间位置，自主车辆运行管理控制器可以检测第一车辆运行场景，并且根据来自该系列时间位置的第二时间位置，诸如第一时间位置之后的时间位置，自主车辆运行管理控制器可以检测第二车辆运行场景。
在一个或多个时间位置，诸如在每个时间位置，响应于检测或识别包括第一行人7400的第一行人场景、包括第二行人7410的第二行人场景、包括第三行人7420的第三行人场景或包括第四行人7430的第四行人场景中的一个或多个，自主车辆运行管理控制器可以对一个或多个特定于行人场景的运行控制评估模块实例进行实例化。
例如，根据第一时间位置，自主车辆运行管理控制器可以检测包括第一行人7400的第一行人场景，可以确定对应于第一行人场景的特定于行人场景的运行控制评估模块可用，并可以响应于检测到包括第一行人7400的第一行人场景对第一特定于行人场景的运行控制评估模块实例进行实例化。
在另一实施例中，自主车辆运行管理控制器可以检测包括第一行人7400的第一行人场景，确定对应于第一行人场景的特定于行人场景的运行控制评估模块可用，生成并解出对应于第一行人场景的特定于行人场景的运行控制评估模块特定于行人场景的运行控制评估模块，并响应于检测到包括第一行人7400的第一行人场景来对对应于第一行人场景的特定于行人场景的运行控制评估模块的实例进行实例化。
自主车辆运行管理控制器可以大致同时检测或识别行人场景中的一个或多个。例如，自主车辆运行管理控制器可以大致同时检测或识别包括第二行人7410的第二行人场景和包括第三行人7420的第三行人场景。
自主车辆运行管理控制器可以大致同时对相应特定于行人场景的运行控制评估模块的两个或更多个相应实例进行实例化。例如，自主车辆运行管理控制器可以大致同时检测或识别包括第二行人7410的第二行人场景和包括第三行人7420的第三行人场景，并可以与对对应于第三行人场景的特定于行人场景的运行控制评估模块的实例进行实例化大致同时地对对对应于第二行人场景的特定于行人场景的运行控制评估模块的实例进行实例化。
在另一实施例中，自主车辆运行管理控制器可以大致同时检测或识别包括第二行人7410的第一预期路径7530的第二行人场景和包括第二行人7410的第二预期路径7532的第五行人场景，并可以与对对应于第五行人场景的特定于行人场景的运行控制评估模块的实例进行实例化大致同时地对对应于第二行人场景的特定于行人场景的运行控制评估模块的实例进行实例化。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以将运行环境信息诸如新的或更新的运行环境信息发送至之前实例化的或运行的特定于场景的运行控制评估模块实例，或以其他方式使其可用。
对特定于场景的运行控制评估模块实例进行实例化或更新可以包括向相应的特定于场景的运行控制评估模块实例提供运行环境信息或其部分，诸如传感器信息或可用性概率，诸如通过将运行环境信息或其部分发送至相应的特定于场景的运行控制评估模块实例或通过存储运行环境信息或其部分，供相应的特定于场景的运行控制评估模块实例访问。
在一个或多个时间位置，诸如在每个时间位置，相应的特定于行人场景的运行控制评估模块实例可以接收或以其他方式访问对应于相应的自主车辆运行控制场景的运行环境信息。例如，根据第一时间位置，第一特定于行人场景的运行控制评估模块实例可以接收对应于第一行人场景的运行环境信息，其可以包括车辆交通网络的在第一行人7400的预期路径7520与自主车辆7100的预期路径7500或路线7510之间的交汇点附近的区域或部分的可用性概率信息。
特定于行人场景的运行控制评估模块可以将行人场景建模为包括表示下述的状态：自主车辆7100的时空位置，相应行人7400、7410、7420、7430的时空位置以及对应的阻碍概率。特定于行人场景的运行控制评估模块可以将行人场景建模为包括诸如‘停止’(或‘等待’)、‘前进’和‘继续’的动作。特定于行人场景的运行控制评估模块可以将行人场景建模为包括状态转变概率，该状态转变概率表示了相应行人进入自主车辆的预期路径诸如航行通过与相应行人相关联的预期路径的概率。状态转变概率可以是基于运行环境信息确定的。特定于行人场景的运行控制评估模块可以将行人场景建模为包括违反交通控制法规的负值奖励以及包括完成行人场景的正值奖励。
在一个或多个时间位置，诸如在每个时间位置，每个实例化的特定于行人场景的运行控制评估模块实例均可以基于相应的建模场景和对应的运行环境信息生成相应的候选车辆控制动作，诸如‘停止’、‘前进’或‘继续’，并可以将相应的候选车辆控制动作输出至自主车辆运行管理控制器，诸如将相应的候选车辆控制动作发送至自主车辆运行管理控制器，或存储相应的候选车辆控制动作供自主车辆运行管理控制器访问。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以从相应的实例化的特定于行人场景的运行控制评估模块实例接收候选车辆控制动作，并可以基于所接收的候选车辆控制动作识别用于对在对应时间位置的自主车辆7100进行控制的车辆控制动作，并可以根据所识别的车辆控制动作控制自主车辆航行通过车辆交通网络或其部分。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以确定所检测的车辆运行场景中的一个或多个是否已失效，并响应于确定车辆运行场景已失效，可以对对应的特定于行人场景的运行控制评估模块实例进行去实例化。
图8是根据本公开内容的实施方式的包括交叉口场景的交叉口情景8000的实施例的图。自主车辆运行管理诸如图5中所示的自主车辆运行管理5000可以包括自主车辆8100诸如图1中所示的车辆1000、图2中所示的车辆2100/2110中的一个、半自主车辆或实施自主驾驶的任何其他车辆运行自主车辆运行管理***，诸如图4中所示的自主车辆运行管理***4000，该自主车辆运行管理***包括特定于交叉口场景的运行控制评估模块实例，该特定于交叉口场景的运行控制评估模块实例可以是特定于交叉口场景的运行控制评估模块诸如图4中所示的特定于交叉口场景的运行控制评估模块4420的实例，其可以是包括自主车辆8100航行通过车辆交通网络的包括交叉口的部分的自主车辆运行控制场景的模型。为简单和清楚起见，车辆交通网络的对应于图8中所示的交叉口情景8000的部分被定向为上北右东。
车辆交通网络的对应于图8中所示交叉口情景8000的部分包括自主车辆8100从西向东航行通过第一道路8200、靠近具有第二道路8220的交叉口8210。自主车辆8100的预期路径8110指示自主车辆8100可以径直航行通过交叉口8210。自主车辆8100的第一替代预期路径8120——用虚线示出——指示自主车辆8100可以从第一道路8200右转至第二道路8220航行通过交叉口8210。自主车辆8100的第二替代预期路径8130——用虚线示出——指示自主车辆8100可以从第一道路8200左转至第二道路8220航行通过交叉口8210。
第一远方车辆8300被示出为沿第一南行车道向南航行通过第二道路8220，靠近交叉口8210。第二远方车辆8310被示出为沿第二道路8220的第一北行车道向北航行通过，靠近交叉口8210。第三远方车辆8320被示出为沿第二道路8220的第二北行车道向北航行通过，靠近交叉口8210。第四远方车辆8330被示出为沿第二道路8220的第一北行车道向北航行通过，靠近交叉口8210。
自主车辆运行管理***可以包括自主车辆运行管理控制器诸如图4中所示的自主车辆运行管理控制器4100或图5中所示的执行器5100，以及阻碍监测器诸如图4中所示的阻碍监测器4200或图5中所示的阻碍监测器5200。自主车辆8100可以包括一个或多个传感器、一个或多个运行环境监测器或它们的组合。
自主车辆运行管理***可以持续或定期运行，诸如在一系列时间位置的每个时间位置运行。为简单和清楚起见，自主车辆8100、第一远方车辆8300、第二远方车辆8310、第三远方车辆8320和第四远方车辆8330的地理空间位置根据该系列时间位置中的第一、顺序上最早的时间位置示出。虽然为简单和清楚起见参照一系列时间位置进行描述，但自主车辆运行管理***的每个单元均可以以任意频率运行，相应单元的运行可以同步或不同步，并且运行可以与一个或多个时间位置的一个或多个部分同时实施。为简单和清楚起见，可以从本公开内容中省略一个或多个时间位置诸如本文所述时间位置之间的时间位置的相应描述。
在一个或多个时间位置，诸如在每个时间位置，自主车辆8100的传感器可以检测对应于自主车辆8100的运行环境的信息，诸如对应于远方车辆8300、8310、8320、8330中的一个或多个的信息。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理***可以识别自主车辆8100的预期路径8110、8120、8130，自主车辆8100的路线(未示出)或其二者。
在一个或多个时间位置，诸如在每个时间位置，自主车辆8100的运行环境监测器可以诸如响应于接收到对应于远方车辆8300、8310、8320、8330的传感器信息识别或生成表示自主车辆8100的运行环境或其方面的运行环境信息，这可以包括将传感器信息与远方车辆8300、8310、8320、8330相关联，并可以将运行环境信息——其可能包括表示远方车辆8300、8310、8320、8330的信息——输出至自主车辆运行管理控制器。
在一个或多个时间位置，诸如在每个时间位置，阻止监测器可以生成指示车辆交通网络的一个或多个区域或部分的相应可用性概率的可用性概率信息。例如，阻碍监测器可以确定第一远方车辆8300的一个或多个可能预期路径8400、8402，第二远方车辆8310的一个或多个可能预期路径8410、8412，第三远方车辆8320的一个或多个可能预期路径8420、8422以及第四远方车辆8330的预期路径8430。阻碍监测器可以生成指示车辆交通网络的对应于自主车辆8100的预期路径8110、自主车辆8100的第一替代预期路径8120或自主车辆8100的第二替代预期路径8130中的一个或多个的一个或多个区域或部分的相应可用性概率的可用性概率信息。
生成可用性概率信息可以包括生成车辆交通网络的对应于该系列时间位置中的多个时间位置的相应区域或部分的可用性概率。阻碍监测器可以将可用性概率信息输出至自主车辆运行管理控制器或供其访问。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以生成运行环境信息或更新之前生成的运行环境信息，这可以包括接收运行环境信息或其部分。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以诸如基于由运行环境信息表示的运行环境来检测或识别一个或多个独特车辆运行场景，运行环境信息可以包括由运行环境监测器输出的运行环境信息、由阻碍监测器输出的可用性概率信息或它们的组合。例如，自主车辆运行管理控制器可以检测或识别包括第一远方车辆8300的第一交叉口场景、包括第二远方车辆8310的第二交叉口场景、包括第三远方车辆8320的第三交叉口场景以及包括第四远方车辆8330的第四交叉口场景中的一个或多个。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以检测一个或多个之前未检测的车辆运行场景。例如，根据第一时间位置，自主车辆运行管理控制器可以检测第一交叉口场景，根据来自该系列时间位置的第二时间位置，诸如第一时间位置之后的时间位置，自主车辆运行管理控制器可以检测第二交叉口场景。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以响应于检测或识别第一交叉口场景、第二交叉口场景、第三交叉口场景或第四交叉口场景中的一个或多个来对一个或多个特定于交叉口场景的运行控制评估模块实例进行实例化。
自主车辆运行管理控制器可以大致同时检测或识别交叉口场景中的一个或多个。例如，自主车辆运行管理控制器可以大致同时检测或识别第二交叉口场景和第三交叉口场景。
自主车辆运行管理控制器可以大致同时对相应特定于交叉口场景的运行控制评估模块的两个或更多个相应实例进行实例化。例如，自主车辆运行管理控制器可以大致同时检测或识别第二交叉口场景和第三交叉口场景，并可以与对对应于第三交叉口场景的特定于交叉口场景的运行控制评估模块的实例进行实例化大致同时地对对应于第二交叉口场景的特定于交叉口场景的运行控制评估模块的实例进行实例化。
在另一实施例中，自主车辆运行管理控制器可以大致同时检测或识别包括第一远方车辆8300的第一预期路径8400的第二交叉口场景和包括第一远方车辆8300的第二预期路径8402的第五交叉口场景，并可以与对对应于第五交叉口场景的特定于交叉口场景的运行控制评估模块的实例进行实例化大致同时地对对应于第二交叉口场景的特定于交叉口场景的运行控制评估模块的实例进行实例化。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以将运行环境信息诸如新的或更新的运行环境信息发送至之前实例化的或运行的特定于场景的运行控制评估模块实例，或以其他方式使其可用。
对特定于场景的运行控制评估模块实例进行实例化或更新可以包括向相应的特定于场景的运行控制评估模块实例提供运行环境信息或其部分，诸如传感器信息或可用性概率，诸如通过将运行环境信息或其部分发送至相应的特定于场景的运行控制评估模块实例或存储运行环境信息或其部分，供相应的特定于场景的运行控制评估模块实例访问。
运行环境信息可以指示自主车辆8100的运行信息，诸如地理空间位置信息、速度信息、加速信息、未决信息、优先级信息或它们的组合，以及远方车辆8300、8310、8320、8330中的一个或多个的运行信息，诸如地理空间位置信息、速度信息、加速信息、未决信息、优先级信息或它们的组合。未决信息可以指示对应于相应车辆和相应地理位置的时间段，诸如相应车辆在交叉口固定不动的时间段。优先级信息可以指示对应于相应车辆相对于交叉口情景8000中的其他车辆的通行优先级。
特定于交叉口场景的运行控制评估模块可以将交叉口场景建模为包括表示下述的状态：自主车辆8100的时空位置、相应远方车辆8300、8310、8320、8330的时空位置、未决信息、优先级信息以及对应的阻碍概率。特定于交叉口场景的运行控制评估模块可以将交叉口场景建模为包括诸如‘停止’(或‘等待’)、‘前进’和‘继续’的动作。特定于交叉口场景的运行控制评估模块可以将交叉口场景建模为包括状态转变概率，该状态转变概率表示相应交叉口进入自主车辆的预期路径诸如航行通过与相应交叉口相关联的预期路径的概率。状态转变概率可以是基于运行环境信息确定的。特定于交叉口场景的运行控制评估模块可以将交叉口场景建模为包括违反交通控制法规的负值奖励以及包括完成交叉口场景的正值奖励。
在一个或多个时间位置，诸如在每个时间位置，相应的特定于交叉口场景的运行控制评估模块实例可以接收或以其他方式访问对应于相应的交叉口场景的运行环境信息。例如，根据第一时间位置，第一特定于交叉口场景的运行控制评估模块实例可以接收对应于第一交叉口场景的运行环境信息，其可以包括车辆交通网络的在第一远方车辆8300的第一预期路径8400与自主车辆8100的预期路径8110之间的交汇点附近的区域或部分的可用性概率信息。
在一个或多个时间位置，诸如在每个时间位置，每个实例化特定于交叉口场景的运行控制评估模块实例均可以基于相应的建模场景和对应的运行环境信息生成相应的候选车辆控制动作，诸如‘停止’、‘前进’或‘继续’，并可以将相应的候选车辆控制动作输出至自主车辆运行管理控制器，诸如将相应的候选车辆控制动作发送至自主车辆运行管理控制器，或存储相应的候选车辆控制动作，供自主车辆运行管理控制器访问。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以从相应的实例化的特定于交叉口场景的运行控制评估模块实例接收候选车辆控制动作，并可以基于所接收的候选车辆控制动作识别对在对应时间位置的自主车辆8100进行控制的车辆控制动作，并可以根据识别的车辆控制动作控制自主车辆8100航行通过车辆交通网络或其部分。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以确定所检测的交叉口场景中的一个或多个是否已失效，并响应于确定交叉口场景已失效，可以对对应的特定于交叉口场景的运行控制评估模块实例进行去实例化。
图9是根据本公开内容的实施方式的包括车道变换场景的车道变换情景9000的实施例的图。自主车辆运行管理诸如图5中所示的自主车辆运行管理5000可以包括自主车辆9100诸如图1中所示的车辆1000、图2中所示车辆2100、2110中的一个、半自主车辆或实施自主驾驶的任何其他车辆运行自主车辆运行管理***，诸如图4中所示的自主车辆运行管理***4000，该自主车辆运行管理***包括特定于车道变换场景的运行控制评估模块实例，该特定于车道变换场景的运行控制评估模块实例可以是特定于车道变换场景的运行控制评估模块诸如图4中所示的特定于车道变换场景的运行控制评估模块4430的实例，其可以是自主车辆运行控制场景的模型，该模型包括通过实施车道变换使自主车辆9100航行通过车辆交通网络的一部分。为简单和清楚起见，车辆交通网络对应于图9中所示的车道变换情景9000的部分被定向为上北右东。
车辆交通网络对应于图9中所示的车道变换情景9000的一部分包括自主车辆9100沿第一道路9200北行航行通过。第一道路9200包括东边的北行车道9210和西边的北行车道9220。自主车辆9100的当前预期路径9110指示自主车辆9100在东边北行车道9210北行行进。自主车辆9100的替代预期路径9120——用虚线示出——指示自主车辆9100可以通过实施变换车道从东边的北行车道9210变换至西边的北行车道9220来航行通过车辆交通网络。
第一远方车辆9300被示出为在自主车辆9100的前方(北方)沿东边的北行车道9210北行航行通过。第二远方车辆9400被示出为在自主车辆9100的后方(南方)沿西边的北行车道9220北行航行通过。
自主车辆运行管理***可以包括自主车辆运行管理控制器诸如图4中所示的自主车辆运行管理控制器4100或图5中所示的执行器5100，以及阻碍监测器诸如图4中所示的阻碍监测器4200或图5中所示的阻碍监测器5200。自主车辆9100可以包括一个或多个传感器、一个或多个运行环境监测器或它们的组合。
自主车辆运行管理***可以持续或定期运行，诸如在一系列时间位置的每个时间位置运行。为简单和清楚起见，自主车辆9100、第一远方车辆9300和第二远方车辆9400的地理空间位置根据该系列时间位置中的第一、顺序上最早的时间位置示出。虽然为简单和清楚起见参照一系列时间位置进行描述，但自主车辆运行管理***的每个单元均可以以任意频率运行，相应单元的运行可以同步或不同步，并且运行可以与一个或多个时间位置的一个或多个部分同时实施。为简单和清楚起见，可以从本公开内容中省略一个或多个时间位置诸如本文所述时间位置之间的时间位置的相应描述。
在一个或多个时间位置，诸如在每个时间位置，自主车辆9100的传感器可以检测对应于自主车辆9100的运行环境的信息，诸如对应于远方车辆9300、9400中的一个或多个的信息。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理***可以识别自主车辆9100的预期路径9110、9120、自主车辆9100的路线(未示出)或其二者。
在一个或多个时间位置，诸如在每个时间位置，自主车辆9100的运行环境监测器可以诸如响应于接收对应于远方车辆9300、9400的传感器信息来识别或生成表示自主车辆9100的运行环境或其方面的运行环境信息，这可以包括将传感器信息与远方车辆9300、9400相关联，并可以将运行环境信息——其可能包括表示远方车辆9300、9400的信息——输出至自主车辆运行管理控制器。
在一个或多个时间位置，诸如在每个时间位置，阻止监测器可以生成指示车辆交通网络的一个或多个区域或部分的相应可用性概率的可用性概率信息。例如，阻碍监测器可以确定第一远方车辆9300的一个或多个可能预期路径9310、9320以及第二远方车辆9400的一个或多个可能预期路径9410、9420。第一远方车辆9300的第一可能预期路径9310指示第一远方车辆9300在东边的北行车道9210航行通过车辆交通网络的对应部分。第一远方车辆9300的第二可能预期路径9320——用虚线示出——指示第一远方车辆9300通过实施车道变换进入西边的北行车道9220来航行通过车辆交通网络的对应部分。第二远方车辆9400的第一可能预期路径9410指示第二远方车辆9400在西边的北行车道9220航行通过车辆交通网络的对应部分。第二远方车辆9400的第二可能预期路径9420——用虚线示出——指示第二远方车辆9400通过实施车道变换进入东边的北行车道9210来航行通过车辆交通网络的对应部分。
阻碍监测器可以生成指示车辆交通网络的对应于自主车辆9100的预期路径9110或自主车辆9100的替代预期路径9120中的一个或多个的一个或多个区域或部分的相应可用性概率的可用性概率信息。
生成可用性概率信息可以包括生成车辆交通网络的对应于该系列时间位置中的多个时间位置的相应区域或部分的可用性概率。阻碍监测器可以将可用性概率信息输出至自主车辆运行管理控制器或供其访问。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以生成运行环境信息或更新之前生成的运行环境信息，这可以包括接收运行环境信息或其部分。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以基于诸如由运行环境信息表示的运行环境来检测或识别一个或多个独特车辆运行场景，运行环境信息可以包括由运行环境监测器输出的运行环境信息、由阻碍监测器输出的可用性概率信息或它们的组合。例如，自主车辆运行管理控制器可以检测或识别包括第一远方车辆9300的第一车道变换场景、包括第二远方车辆9400的第二车道变换场景中的一个或多个，或其二者。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以响应于检测或识别第一车道变换场景或第二车道变换场景中的一个或多个对一个或多个特定于车道变换场景的运行控制评估模块实例进行实例化。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以将运行环境信息诸如新的或更新的运行环境信息发送至之前实例化的或运行的特定于场景的运行控制评估模块实例，或以其他方式使其可用。
对特定于场景的运行控制评估模块实例进行实例化或更新可以包括向相应的特定于场景的运行控制评估模块实例提供运行环境信息或其部分，诸如传感器信息或可用性概率，诸如通过将运行环境信息或其部分发送至相应的特定于场景的运行控制评估模块实例或存储运行环境信息或其部分，以供相应的特定于场景的运行控制评估模块实例访问。
运行环境信息可以指示自主车辆9100的运行信息，诸如地理空间位置信息、速度信息、加速信息或它们的组合，以及远方车辆9300、9400中的一个或多个的运行信息，诸如地理空间位置信息、速度信息、加速信息或它们的组合。
特定于车道变换场景的运行控制评估模块可以将车道变换场景建模为包括表示自主车辆9100的时空位置、相应远方车辆9300、9400的时空位置以及对应的阻碍概率的状态。特定于车道变换场景的运行控制评估模块可以将车道变换场景建模为包括诸如‘维持’、‘加速’、‘减速’和‘继续’(变换车道)的动作。特定于车道变换场景的运行控制评估模块可以将车道变换场景建模为包括表示相应的远方车辆9300、9400进入自主车辆9100的预期路径9110、9120的概率的状态转变概率。例如，第一远方车辆9300可能以比自主车辆9100的速度低的速度航行通过第一远方车辆9300的替代预期路径9320进入自主车辆9300的替代预期路径9120。在另一实施例中，第二远方车辆9400可能以比自主车辆9100的速度大的速度航行通过第二远方车辆9400的预期路径9410进入自主车辆9100的替代预期路径9120。状态转变概率可以基于运行环境信息确定。特定于车道变换场景的运行控制评估模块可以将车道变换场景建模为包括违反交通控制法规的负值奖励以及包括完成车道变换场景的正值奖励。
在一个或多个时间位置，诸如在每个时间位置，相应的特定于车道变换场景的运行控制评估模块实例可以接收或以其他方式访问对应于相应的车道变换场景的运行环境信息。例如，第二特定于车道变换场景的运行控制评估模块实例可以接收对应于第二车道变换场景的运行环境信息，其可以包括车辆交通网络在第二远方车辆9400的预期路径9410与自主车辆9100的替代预期路径9120之间的交汇点附近的区域或部分的可用性概率信息。
在一个或多个时间位置，诸如在每个时间位置，每个实例化的特定于车道变换场景的运行控制评估模块实例均可以基于相应的建模场景和对应的运行环境信息生成相应的候选车辆控制动作，诸如‘维持’、‘加速’、‘减速’或‘继续’，并可以将相应的候选车辆控制动作输出至自主车辆运行管理控制器，诸如将相应的候选车辆控制动作发送至自主车辆运行管理控制器，或存储相应的候选车辆控制动作，供自主车辆运行管理控制器访问。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以从相应的实例化特定于车道变换场景的运行控制评估模块实例接收候选车辆控制动作，并可以基于接收到的候选车辆控制动作识别对在对应时间位置的自主车辆9100进行控制的车辆控制动作，并可以根据识别的车辆控制动作控制自主车辆9100航行通过车辆交通网络或其部分。
在一个或多个时间位置，诸如在每个时间位置，自主车辆运行管理控制器可以确定所检测的车道变换场景中的一个或多个是否已失效，并响应于确定车道变换场景已失效，可以对对应的特定于车道变换场景的运行控制评估模块实例进行去实例化。
已描述上述方面、实施例和实施，以便容易理解本公开内容并非限制性的。相反，本公开内容涵盖所附权利要求的范围内包括的各种修改和同等布置，该范围根据最宽泛的理解，以包含发条允许的所有这种修改和同等结构。

Claims (20)

1.一种用于航行通过车辆交通网络的方法，所述方法包括：
使自主车辆航行通过车辆交通网络，其中，航行通过所述车辆交通网络包括：
使特定于场景的运行控制评估模块实例运行，其中，所述特定于场景的运行控制评估模块实例是针对独特车辆运行场景而进行实例化的特定于场景的运行控制评估模块的实例；
从所述特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及
基于所述候选车辆控制动作航行通过所述车辆交通网络的一部分，其中，所述车辆交通网络的所述部分包括所述独特车辆运行场景。
2.根据权利要求1所述的方法，其中，航行通过所述车辆交通网络的所述部分包括：根据所识别路线航行通过所述车辆交通网络的所述部分。
3.根据权利要求1所述的方法，其中，所述特定于场景的运行控制评估模块实例与在距所述自主车辆定义的距离内的外部对象相关联，其中，所述定义的距离是在航行通过所述车辆运输网络之前定义的。
4.根据权利要求1所述的方法，其中，所述特定于场景的运行控制评估模块是来自多个特定于场景的运行控制评估模块的一特定于场景的运行控制评估模块。
5.根据权利要求4所述的方法，其中，来自所述多个特定于场景的运行控制评估模块的每个特定于场景的运行控制评估模块对相应的独特车辆运行场景进行建模。
6.根据权利要求1所述的方法，其中，使所述特定于场景的运行控制评估模块实例运行包括：由所述特定于场景的运行控制评估模块实例对所述独特车辆运行场景进行建模。
7.根据权利要求6所述的方法，其中，对所述独特车辆运行场景进行建模包括：对传感器不确定性进行建模。
8.根据权利要求6所述的方法，其中，对所述独特车辆运行控制场景进行建模包括：
从所述自主车辆的传感器接收传感器信息；以及
基于所述传感器信息对所述独特车辆运行控制场景进行建模。
9.根据权利要求8所述的方法，其中，对所述独特车辆运行控制场景进行建模包括：
接收表示所述车辆交通网络的车辆交通网络信息；以及
基于所述传感器信息和所述车辆交通网络信息对所述独特车辆运行控制场景进行建模。
10.根据权利要求6所述的方法，其中，对所述独特车辆运行控制场景进行建模包括：
从阻碍监测器实例接收所述车辆交通网络的所述部分的可用性概率；以及
基于所述可用性概率对所述独特车辆运行控制场景进行建模。
11.根据权利要求1所述的方法，还包括：
对第二特定于场景的运行控制评估模块实例进行实例化；以及
从所述第二特定于场景的运行控制评估模块实例接收第二候选车辆控制动作。
12.根据权利要求11所述的方法，其中，航行通过所述车辆交通网络的所述部分包括：基于所述候选车辆控制动作和所述第二候选车辆控制动作航行通过所述车辆交通网络的所述部分。
13.根据权利要求12所述的方法，其中，所述特定于场景的运行控制评估模块实例与在距所述自主车辆定义的距离内的外部对象相关联，并且所述特定于场景的运行控制评估模块是来自多个特定于场景的运行控制评估模块的第一特定于场景的运行控制评估模块，其中，来自所述多个特定于场景的运行控制评估模块的每个特定于场景的运行控制评估模块对相应的独特车辆运行场景进行建模。
14.根据权利要求13所述的方法，其中，所述第二特定于场景的运行控制评估模块实例是所述第一特定于场景的运行控制评估模块的第二实例。
15.根据权利要求14所述的方法，其中，所述第二特定于场景的运行控制评估模块实例与在距所述自主车辆定义的距离内的第二外部对象相关联。
16.根据权利要求13所述的方法，其中，所述第二特定于场景的运行控制评估模块实例是来自所述多个特定于场景的运行控制评估模块的第二特定于场景的运行控制评估模块的实例。
17.根据权利要求16所述的方法，其中，所述第二特定于场景的运行控制评估模块实例与在距所述自主车辆定义的距离内的第二外部对象相关联。
18.根据权利要求16所述的方法，其中，所述第二特定于场景的运行控制评估模块实例与所述外部对象相关联。
19.一种用于航行通过车辆交通网络的方法，所述方法包括：
使自主车辆航行通过车辆交通网络，其中，航行通过所述车辆交通网络包括：
生成用于同时运行特定于场景的运行控制评估模块实例的自主车辆运行控制环境，其中，每个特定于场景的运行控制评估模块实例是相应的特定于场景的运行控制评估模块的实例，其中，每个特定于场景的运行控制评估模块对相应的独特车辆运行场景进行建模，并且其中，每个特定于场景的运行控制评估模块实例响应于相应对应的独特车辆运行场景生成相应的候选车辆控制动作；
使第一特定于场景的运行控制评估模块实例运行；
从所述第一特定于场景的运行控制评估模块实例接收第一候选车辆控制动作；以及
基于所述第一候选车辆控制动作航行通过所述车辆交通网络的一部分。
20.一种自主车辆，包括：
处理器，所述处理器被配置成执行存储在非暂时性计算机可读介质上的指令，以：
使特定于场景的运行控制评估模块实例运行，其中，所述特定于场景的运行控制评估模块实例是针对独特车辆运行场景而进行实例化的特定于场景的运行控制评估模块的实例；
从所述特定于场景的运行控制评估模块实例接收候选车辆控制动作；以及
根据所述候选车辆控制动作航行通过车辆交通网络的一部分，其中，所述车辆交通网络的所述部分包括所述独特车辆运行场景。
CN201780085084.5A 2017-02-10 2017-02-10 自主车辆运行管理 Active CN110325928B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2017/017493 WO2018147871A1 (en) 2017-02-10 2017-02-10 Autonomous vehicle operational management

Publications (2)

Publication Number Publication Date
CN110325928A CN110325928A (zh) 2019-10-11
CN110325928B true CN110325928B (zh) 2023-04-04

Family

ID=63108291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780085084.5A Active CN110325928B (zh) 2017-02-10 2017-02-10 自主车辆运行管理

Country Status (10)

Country Link
US (2) US20200269875A1 (zh)
EP (1) EP3580621A4 (zh)
JP (2) JP2020508252A (zh)
KR (1) KR102305291B1 (zh)
CN (1) CN110325928B (zh)
BR (1) BR112019016274A2 (zh)
CA (1) CA3052951C (zh)
MX (1) MX2019009393A (zh)
RU (1) RU2733015C1 (zh)
WO (1) WO2018147871A1 (zh)

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6890757B2 (ja) * 2017-02-10 2021-06-18 ニッサン ノース アメリカ，インク 部分観測マルコフ決定過程モデルインスタンスを動作させることを含む自律走行車動作管理
DE102017209240A1 (de) * 2017-05-31 2018-12-06 Volkswagen Aktiengesellschaft Verfahren zur Ansteuerung wenigstens einer Vorrichtung von einem Kraftfahrzeug
WO2019089015A1 (en) 2017-10-31 2019-05-09 Nissan North America, Inc. Autonomous vehicle operation with explicit occlusion reasoning
US11874120B2 (en) 2017-12-22 2024-01-16 Nissan North America, Inc. Shared autonomous vehicle operational management
US10795362B2 (en) 2018-08-20 2020-10-06 Waymo Llc Detecting and responding to processions for autonomous vehicles
EP3640102B1 (en) * 2018-10-17 2024-06-12 BlackBerry Limited Route-based selections of vehicle parameter sets
US10649453B1 (en) 2018-11-15 2020-05-12 Nissan North America, Inc. Introspective autonomous vehicle operational management
CN109584554B (zh) * 2018-12-05 2020-09-18 清华大学 一种道路交叉口通行控制方法和***
US11514310B2 (en) * 2018-12-21 2022-11-29 Waymo Llc Training a classifier to detect open vehicle doors
CN109801508B (zh) * 2019-02-26 2021-06-04 百度在线网络技术（北京）有限公司 路口处障碍物的运动轨迹预测方法及装置
CN109949596A (zh) * 2019-02-28 2019-06-28 北京百度网讯科技有限公司 用于自动驾驶车辆的车辆交互方法和装置
KR20210033764A (ko) 2019-09-19 2021-03-29 주식회사 엘지화학 배터리 관리 장치, 배터리 관리 방법, 배터리 팩 및 전기 차량
CN110673602B (zh) * 2019-10-24 2022-11-25 驭势科技（北京）有限公司 一种强化学习模型、车辆自动驾驶决策的方法和车载设备
CN110853378A (zh) * 2019-11-19 2020-02-28 中国联合网络通信集团有限公司 一种车辆匝道汇入管理方法及***
US11899454B2 (en) 2019-11-26 2024-02-13 Nissan North America, Inc. Objective-based reasoning in autonomous vehicle decision-making
US11635758B2 (en) 2019-11-26 2023-04-25 Nissan North America, Inc. Risk aware executor with action set recommendations
US11613269B2 (en) 2019-12-23 2023-03-28 Nissan North America, Inc. Learning safety and human-centered constraints in autonomous vehicles
US11300957B2 (en) 2019-12-26 2022-04-12 Nissan North America, Inc. Multiple objective explanation and control interface design
US11714971B2 (en) 2020-01-31 2023-08-01 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11577746B2 (en) 2020-01-31 2023-02-14 Nissan North America, Inc. Explainability of autonomous vehicle decision making
US11782438B2 (en) 2020-03-17 2023-10-10 Nissan North America, Inc. Apparatus and method for post-processing a decision-making model of an autonomous vehicle using multivariate data
US11740628B2 (en) * 2020-03-18 2023-08-29 Baidu Usa Llc Scenario based control of autonomous driving vehicle
US11455890B2 (en) * 2020-03-23 2022-09-27 Toyota Motor Eng & Mfg North America, Inc. Traffic-adaptive deployment of vehicle functions
US11995989B2 (en) * 2020-03-31 2024-05-28 Gm Cruise Holdings Llc Visualization of planned autonomous vehicle behavior
US11782451B1 (en) 2020-04-21 2023-10-10 Aurora Operations, Inc. Training machine learning model for controlling autonomous vehicle
US11919529B1 (en) 2020-04-21 2024-03-05 Aurora Operations, Inc. Evaluating autonomous vehicle control system
US11989020B1 (en) * 2020-07-14 2024-05-21 Aurora Operations, Inc. Training machine learning model(s), in simulation, for use in controlling autonomous vehicle(s)
US20220068125A1 (en) * 2020-09-01 2022-03-03 International Business Machines Corporation Autonomous vehicle management based on object detection
DE102020215780A1 (de) * 2020-12-14 2022-06-15 Continental Automotive Gmbh Verfahren zur Auswahl eines automatisierten Fahrvorgangs mittels eines Fahrassistenzsystems
CN116490858A (zh) * 2020-12-17 2023-07-25 英特尔公司 自主交通工具关键场景的自适应生成和评估
WO2022146722A1 (en) * 2020-12-29 2022-07-07 Aurora Operations, Inc. Systems and methods related to controlling autonomous vehicle(s)
CN112896187B (zh) * 2021-02-08 2022-07-26 浙江大学 一种考虑社会兼容的自动驾驶决策的***与方法
US20230063368A1 (en) * 2021-08-27 2023-03-02 Motional Ad Llc Selecting minimal risk maneuvers
US20230300616A1 (en) * 2022-03-17 2023-09-21 Qualcomm Incorporated Reputation score assignment for vehicle-based communications
CN115099009B (zh) * 2022-05-31 2023-08-29 同济大学 一种基于推理图的混合交通流运动行为建模方法
KR20240065734A (ko) 2022-11-07 2024-05-14 (주) 오토노머스에이투지 자율주행시 통행우선권에 기초한 충돌 위험도 관리 장치

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7242294B2 (en) * 2003-09-17 2007-07-10 Agilent Technologies, Inc System and method for using mobile collectors for accessing a wireless sensor network
GB0613955D0 (en) * 2006-07-13 2007-01-10 Bae Systems Plc Controller
JP4254844B2 (ja) * 2006-11-01 2009-04-15 トヨタ自動車株式会社 走行制御計画評価装置
US8768612B2 (en) * 2007-06-01 2014-07-01 International Business Machines Corporation Stream processing based intelligent transport systems
JP5067217B2 (ja) * 2008-03-18 2012-11-07 アイシン・エィ・ダブリュ株式会社 交通情報処理システム、統計処理装置、交通情報処理方法及び交通情報処理プログラム
JP5288423B2 (ja) * 2011-04-11 2013-09-11 株式会社日立製作所 データ配信システム、及びデータ配信方法
GB2494716B (en) * 2011-09-15 2019-12-18 Bae Systems Plc Autonomous vehicle and task modelling
US8793046B2 (en) * 2012-06-01 2014-07-29 Google Inc. Inferring state of traffic signal and other aspects of a vehicle's environment based on surrogate data
US9928425B2 (en) * 2012-06-20 2018-03-27 Apstec Systems Usa Llc Methods and systems for non-cooperative automatic security screening in crowded areas
DE102012220134A1 (de) * 2012-11-06 2014-05-08 Robert Bosch Gmbh Verfahren und Informationsgerät zum Erkennen einer absichtlichen Abweichung von einer optimalen Fahrroute eines Fahrzeugs zwischen einem Startpunkt und einem Zielpunkt
US10347127B2 (en) * 2013-02-21 2019-07-09 Waymo Llc Driving mode adjustment
US9779621B1 (en) * 2013-03-15 2017-10-03 Waymo Llc Intersection phase map
DE102013206746B4 (de) * 2013-04-16 2016-08-11 Ford Global Technologies, Llc Verfahren und Vorrichtung zum Modifizieren der Konfiguration eines Fahrassistenzsystems eines Kraftfahrzeuges
US9099004B2 (en) * 2013-09-12 2015-08-04 Robert Bosch Gmbh Object differentiation warning system
US9140554B2 (en) * 2014-01-24 2015-09-22 Microsoft Technology Licensing, Llc Audio navigation assistance
US9656667B2 (en) * 2014-01-29 2017-05-23 Continental Automotive Systems, Inc. Method for minimizing automatic braking intrusion based on collision confidence
US9151627B2 (en) * 2014-03-04 2015-10-06 Google Inc. Navigation directions between automatically determined starting points and selected destinations
KR101664582B1 (ko) * 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
US9534910B2 (en) * 2014-12-09 2017-01-03 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle detection of and response to yield scenarios
JP6294247B2 (ja) * 2015-01-26 2018-03-14 株式会社日立製作所 車両走行制御装置
JP6376059B2 (ja) * 2015-07-06 2018-08-22 トヨタ自動車株式会社 自動運転車両の制御装置
US20180201271A1 (en) * 2015-07-15 2018-07-19 Honda Motor Co., Ltd. Vehicle control device, vehicle control method, and vehicle control program
US9934688B2 (en) * 2015-07-31 2018-04-03 Ford Global Technologies, Llc Vehicle trajectory determination
CN107848533B (zh) * 2015-08-06 2020-07-17 本田技研工业株式会社 车辆控制装置、车辆控制方法及存储车辆控制程序的介质
DE102016000493B4 (de) * 2016-01-19 2017-10-19 Audi Ag Verfahren zum Betrieb eines Fahrzeugsystems und Kraftfahrzeug
CN108773373B (zh) * 2016-09-14 2020-04-24 北京百度网讯科技有限公司 用于操作自动驾驶车辆的方法和装置

Also Published As

Publication number Publication date
US20220227394A1 (en) 2022-07-21
JP2020508252A (ja) 2020-03-19
CA3052951A1 (en) 2018-08-16
EP3580621A1 (en) 2019-12-18
CA3052951C (en) 2023-03-14
EP3580621A4 (en) 2020-04-22
RU2733015C1 (ru) 2020-09-28
JP2022163098A (ja) 2022-10-25
MX2019009393A (es) 2019-12-05
KR20190115464A (ko) 2019-10-11
US20200269875A1 (en) 2020-08-27
BR112019016274A2 (pt) 2020-04-14
KR102305291B1 (ko) 2021-09-29
CN110325928A (zh) 2019-10-11
WO2018147871A1 (en) 2018-08-16

Similar Documents

Publication Publication Date Title
CN110325928B (zh) 自主车辆运行管理
CN110418743B (zh) 自主车辆运行管理阻碍监测
CA3052954C (en) Autonomous vehicle operational management including operating a partially observable markov decision process model instance
CA3052952C (en) Autonomous vehicle operational management control
US11702070B2 (en) Autonomous vehicle operation with explicit occlusion reasoning

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
TR01 Transfer of patent right

Effective date of registration: 20240430

Address after: Kanagawa Prefecture, Japan

Patentee after: NISSAN MOTOR Co.,Ltd.

Country or region after: Japan

Patentee after: University OF MASSACHUSETTS

Country or region after: U.S.A.

Address before: Tennessee

Patentee before: NISSAN NORTH AMERICA, Inc.

Country or region before: U.S.A.

Patentee before: University OF MASSACHUSETTS

TR01 Transfer of patent right