CN110823235A - 用于导出路段限速的智能车辆导航***、方法以及控制逻辑 - Google Patents
用于导出路段限速的智能车辆导航***、方法以及控制逻辑 Download PDFInfo
- Publication number
- CN110823235A CN110823235A CN201910476026.6A CN201910476026A CN110823235A CN 110823235 A CN110823235 A CN 110823235A CN 201910476026 A CN201910476026 A CN 201910476026A CN 110823235 A CN110823235 A CN 110823235A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- road segment
- speed limit
- distribution function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 118
- 239000000203 mixture Substances 0.000 claims abstract description 49
- 238000005315 distribution function Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000005065 mining Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 43
- 238000012545 processing Methods 0.000 description 20
- 238000009826 distribution Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 14
- 238000005070 sampling Methods 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000036962 time dependent Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
- B60K31/0058—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator responsive to externally generated signalling
-
- 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
- B60W30/143—Speed control
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Environmental Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
提出了用于通过挖掘大规模车辆数据追踪来导出指定路段的限速的***和方法。一种用于控制机动车辆的操作的方法包括:确定车辆的当前位置;确定与车辆的位置对应的指定路段;接收指示当在路段上行进校准时间范围时的车速的主速度数据;接收指示当在路段上行进校准时间范围时的参与车辆的速度的群众来源的速度数据;基于主和群众来源的速度数据,累积用于路段的速度分布函数;由速度分布函数生成有限混合模型,以估计限速范围;从估计的限速范围选择限速候选;以及基于选择的限速候选向车辆子***发送命令信号,以执行控制操作。
Description
引言
本发明总体涉及具有限速监测能力的车辆导航***。更具体地,本发明的方面涉及用于导出路段的限速的智能导航***和控制逻辑。
背景技术
诸如现代汽车的流水生产机动车辆最初装配有或改装为包括车载电子设备的网络,这些车载电子设备提供有助于使驾驶员努力最小化的自动驾驶能力。在汽车应用中,例如,最可识别类型的自动驾驶特征是巡航控制***,该巡航控制***允许车辆操作员在驾驶员不操作油门或制动踏板的情况下设置特定车速并使车载车辆计算机***维持该速度。下一代自适应巡航控制(ACC)是计算机自动驾驶特征,该计算机自动驾驶特征在附随地管理主车辆与前/后车之间的前后间隔的同时调整车速。另一种自动驾驶特征是避碰***(CAS),该避碰***检测即将发生的碰撞情况,并且在还例如通过在没有驾驶员输入的情况下转向或制动自主采取防止动作的同时向驾驶员提供警告。智能驻车辅助***(IPAS)、车道偏离和自动转向(“自动转向”)***以及其他高级驾驶员辅助***(ADAS)和自主驾驶特征也可用于许多现代汽车上。
随着车辆处理、通信以及感测能力继续提高,制造商将坚持提供更多***自动驾驶能力,愿望是最终提供有能力在城市和农村场景这两者中在各种各样车型当中操作的完全自主车辆。原始设备制造商(OEM)朝向具有更高级驾驶自动特征的车辆到车辆(V2V)和车辆到基础设施(V2I)“交谈”车发展,这些更高级驾驶自动特征采用自主转向、制动以及动力总成***来启用无人驾驶车辆操作。自动路线生成***使用车辆状态和动态传感器、道路地图和状况数据、以及路径预测算法来用自动车道中心和车道改变预测、场景规划等提供车辆路线规定。计算机辅助的线路重新规定技术预测例如可以基于实时和虚拟车辆数据更新的另选行进路线。
沿着给定车辆路线的限速和行驶状况可能频繁或不期望地变化,特别是在城市设置中。比如,时间相关的限速根据当日时间(诸如在上课时间或高峰时间期间)沿着给定路线变化,而变量相关的限速根据指定状况(诸如建筑区和恶劣天气)变化。许多汽车现在装配有全球定位***(GPS)收发器和具有映射数据库的导航软件,以获得与车辆的当前位置关联的限速信息。高级驾驶员辅助***和自主驾驶***经常能够基于由车内导航***获得的限速信息使特定自动驾驶操纵适应。然而,在映射数据库中存储的限速信息可能变得过时,并且即使定期更新,也可能不反映限速的时间相关或变量相关变化。另外,采用调查车辆的车队来更新数据库存储的限速信息极其昂贵且耗时。
发明内容
这里公开的是用于导出路段限速的智能车辆导航***和附带控制逻辑、用于制造这种***的方法和用于操作这种***的方法、以及具有智能导航***的机动车辆,这些智能导航***具有限速评估能力。以示例的方式,提出了用于经由挖掘大规模车辆数据追踪来导出指定路段的限速的新型***和方法。用于导出特定路段的最大(或最小)法定限速的方法使用群众感测的车辆数据的统计分析,该统计分析检查由在校准时间范围期间在路段上行驶的大量车辆生成的实际车辆行驶速度的概率分布。所公开的统计技术将做出贡献的车辆用作传感器来启用准确的实时限速检索。证实的限速值对交通流量状况透明,并且通常不受过时影响。另外,来自开放的一大组参与车辆的随机或区分段的群众来源的数据有助于消除对专用调查车辆的需要,由此,显著减少与更新数据库存储的限速数据关联的时间和成本。除了规定成本更低、更及时的更新之外,所公开的***和方法还有助于提高高级驾驶员辅助***和自主驾驶功能。
本发明的方面致力于用于估计可观察动态驾驶环境的一个或多个不同参数的概率建模技术和计算机可执行算法。比如,提出了一种用于基于路段限速来调节机动车辆的控制器调整的操作的方法,该路段限速借助车速数据追踪的统计分析来导出。代表方法按任意顺序且以与上面和下面公开的选项和特征中的任意一个的任意组合的形式,包括:经由机动车辆的常驻车辆控制器,例如,借助与全球导航***收发器、蜂窝数据芯片等协作操作,确定机动车辆的当前车辆位置;经由常驻车辆控制器,例如,借助与常驻车辆导航模块或远程第三方导航数据提供商协作操作,确定与车辆的当前位置对应的指定路段;由常驻车辆控制器从存储地图数据库的常驻或远程存储设备,接收分派给指定路段的存储限速;以及例如由常驻车辆控制器从动力总成控制模块和/或专用轮速传感器,接收指示当在校准时间范围内在指定路段上行驶时的机动车辆的速度的主车速数据。
继续上述示例,方法还可以包括:例如由主云计算平台的高速服务器类计算机,接收主车速数据和指示在校准时间范围内在指定路段上行进时的多个参与车辆的车速的群众来源的速度数据;基于接收的主车速数据和群众来源的速度数据,累积用于指定路段的统计速度分布函数(例如,每小时的、每天的、每周的等);从统计速度分布函数生成有限混合模型,以估计用于指定路段的限速范围;以及从估计的限速范围选择限速候选。车辆控制器基于选择的限速候选响应地向常驻车辆子***发送命令信号,以执行控制操作。
本发明的其他方面致力于智能车辆导航***,这些***用于借助统计分析从多个参与机动车辆聚集的群众感测的数据来导出路段限速。如这里使用的,术语“机动车辆”可以包括任意相关车辆平台,诸如乘用车(内燃机、混合动力、全电动、燃料电池等)、商用车辆、工业车辆、履带式车辆、越野和全地形车辆(ATV)、摩托车等。另外,术语“辅助的”和“自动的”以及“自主的”可以关于可以被分为汽车工程师协会(SAE)等级2、3、4或5车辆的任意相关车辆平台来使用。汽车工程师协会等级0例如通常作为“无辅助”驾驶的典型,无辅助驾驶凭借短暂干预允许车辆生成的警告,但在其他方面仅依赖人类控制。相比之下,汽车工程师协会等级3用用于全车控制(转向、速度、加速/减速等)的充分车辆自动化来允许无辅助的、部分辅助的和完全自主的驾驶,同时在校准时间范围内迫使驾驶员介入。在谱上端的是一起消除人类干预的等级5自动化(例如,没有方向盘、油门踏板,或换挡手柄)。
在示例中,智能车辆导航***包括可操作为与多个机动车辆通信的远程***服务器计算机。各机动车辆包括:车体;车辆动力总成,附接到车体并可操作为推进车体;以及车辆导航***,具有附接到车体的位置跟踪设备和图形人机界面(HMI)。驻留车辆控制器附接到车体并操作地连接到车辆动力总成和导航***。驻留车辆控制器被编程为将存储器存储的指令执行为:经由车辆导航***的位置跟踪设备,确定机动车辆的当前位置;确定与车辆的当前位置对应的指定路段;并且生成主车速数据,该主车速数据指示当在校准时间范围内在指定路段上行进时的机动车辆的车速。
继续上述示例,远程***服务器计算机被编程为将存储器存储的指令执行为:从各个参与机动车辆接收各车速数据;基于接收的群众来源的速度数据累积用于指定路段的统计速度分布函数;由统计速度分布函数生成有限混合模型,以估计用于指定路段的限速范围;并且从估计的限速范围选择限速候选。驻留车辆控制器可操作为从远程***服务器计算机接收选择的限速候选;控制器基于限速候选响应地向驻留车辆子***发送命令信号,以执行控制操作。
对于公开的***、方法以及车辆中的任意一个,累积统计速度分布函数可以包括累积用于指定路段的每日速度分布函数和每小时速度分布函数这两者。作为另一个选项,生成有限混合模型可以包括应用期望最大化算法,以确定与有限混合模型的类密度和先验概率对应的一个或多个混合模型参数。另外,可以基于统计速度分布函数确定指示用于有限混合模型的分量的数量的K值。在这种情况下,K值可以等于n,并且生成有限混合模型可以包括生成用于指定路段的n个有限混合模型。
对于公开的***、方法以及车辆中的任意一个,可以从估计的限速范围选择多个假设的限速候选,并且可以向各假设的限速候选应用最大似然测试,从而选择用于指定路段的限速候选。可选地,有限混合模型可以包括多个多维高斯概率密度函数的加权和。公开的操作中的一者或多者或全部可以由驻留车辆控制器、远程主服务器计算机,或其他合适的计算设备,或其任意组合来执行。在以云为中心的架构中,驻留车辆控制器计算随机概率值,确定该随机概率值是否大于校准的阈值,并且如果是这样,则响应地向机动车辆非车载的远程***服务器计算机发送主车速数据。作为又一个选项,驻留车辆控制器可以评价准则集合,该准则集合包括一个或多个邻居密度准则、一个或多个道路车辆密度分布准则、一个或多个车辆自运动分布准则、和/或一个或多个时间相关性准则。在这种情况下,可以用使用逻辑回归技术的协同过滤器来处理评价的准则集合。
对于公开的***、方法以及车辆中的任意一个,驻留车辆子***是自适应巡航控制(ACC)***或其他高级驾驶员辅助***控制模块。在这种情况下,控制操作包括自适应巡航控制/高级驾驶员辅助***将车辆的当前速度提高(或降低)为与用于当前路段的选择限速候选或导出的规范行驶速度更紧密地对齐。比如,车辆控制器可以选择修改的行驶速度(将当前行驶速度从78mph降至73mph),该修改的行驶速度与公布的法定限速(70mph)关联,但更接近有限混合模型导出的估计(例如,72mph)。***还可以向导出的速度值应用用户选择的Δ(例如,X mph或Y百分比),并且以该速度操作车辆。另外或另选地,控制操作可以包括驻留车辆导航***将超过存储限速的选择限速候选保存在存储器存储的地图数据库中。图形人机界面或其他合适的车内显示设备可以可操作为显示选择的限速候选。导出的限速可以用作例如用于公路入口匝道和出口匝道的建议速度指示,因为匝道限速通常不录制在地图数据库中。该方法可以用于指示建议的弯道速度(例如,通过在车内显示器上显示黄钻石);建议的弯道速度可以由控制***用于弯道控制目的。引申开来,可以基于其他类型的变量分析(夜间、恶劣的天气状况、车型等)来关联不同的建议值。
上述发明内容不旨在表示本发明的每一个实施例或每一个方面。相反,前述发明内容仅提供这里阐述的新型概念和特征中的一些的范例。本发明的上述特征和优点、以及其他特征和附带优点将从结合附图和所附权利要求采取的、用于进行本发明的图示示例和代表模式的以下具体实施方式容易地清楚。而且,本发明明确地包括上面和下面提出的元素和特征的任意和全部组合和子组合。
附图说明
图1是根据本发明的方面的、具有用于执行自动和/或自主驾驶操作的车内控制器、感测设备以及通信设备的网络的代表机动车辆的示意图示。
图2是根据公开的概念的方面的、用于导出路段限速的以云为中心的随机采样算法的流程图,该算法可以对应于由车载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备的网络执行的存储器存储的指令。
图3是根据公开的概念的方面的、用于导出路段限速的以车辆为中心的区分采样算法的流程图,该算法可以对应于由车载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备的网络执行的存储器存储的指令。
本发明肯接受各种修改和另选形式,并且在附图中以示例的方式示出并且将在这里详细描述一些代表实施例。然而,应理解,本发明的新型方面不限于在上面列举的附图中图示的特定形式。相反,本发明将覆盖落在如由所附权利要求包含的本发明的范围内的全部修改、等同物、组合、子组合、排列、分组以及替代。
具体实施方式
本发明容许许多不同形式的实施例。附图中示出并且在这里将详细描述本发明的代表实施例,理解,这些示例被提供为公开原理的代表,而不是本发明的广泛方面的限制。在此意义上,例如在摘要、技术领域、背景技术、发明内容以及具体实施方式章节中描述但在权利要求中未明确阐述的元素和限制不应由暗示、推论或在其他方面单独或共同地并入到权利要求中。
为了本具体实施方式的目的(除非特别否定):单数包括复数,反之亦然;词语“和”和“或”应都为连接和分离的;词语“任意一个”和“全部”应都意指“任意一个和全部”,并且词语“包括”、“含有”、“具有”等应各意指“没有限制地包括”。而且,近似的词语,诸如“大约”、“几乎”、“大致”、“近似”等,在这里例如可以在“处于、接近,或差不多处于”或“在其0-5%内”或“在可接受制造公差内”或其任意逻辑组合的意义上使用。最后,方向形容词和副词,诸如前部、后部、车内、车外、右舷、左舷、垂直、水平、向上、向下、前、后、左、右等,可以与在机动车辆操作地定向在正常驾驶面上时的机动车辆的向前行驶方向有关。
现在参照同样的附图标记贯穿若干视图指同样的特征的附图,在图1中示出了代表汽车,该汽车普遍指定为10,并且在这里为了讨论的目的而被描绘为轿车样式的乘用车。封装在汽车10的车体12上(例如,贯穿不同车厢分布)的是用于执行一个或多个辅助或自动驾驶操作的电子设备的车载网络。图示的汽车10-这里还被称为“机动车辆”或简称为“车辆”-仅是实践本发明的方面和特征可以凭借的示例性应用。同样地,用于下面讨论的具体计算网络架构的本概念的实施方案也应被理解为这里公开的新型特征的示例性应用。由此可见,将理解,本发明的方面和特征可以应用于其他***架构,用于各种自动驾驶操作,并且对于任意逻辑相关类型的机动车辆实施。而且,仅示出并且将在下面详细描述网络和车辆的选择部件。虽然如此,但这里讨论的车辆和网络可以包括大量另外和另选特征、以及例如用于进行本发明的各种方法和功能的其他可用***部件。最后,这里呈现的附图不是必须为等比例,而是纯为了指导目的提供。由此,附图中示出的具体和相对维数不被解释为限制。
图1的代表车辆10最初装配有车辆远程通信和信息(“远程信息处理”)单元14,该单元(例如,经由小区塔、基站、V2X和/或移动交换中心(MSC)等)与远程定位或“非车载”云计算***24无线通信。作为非限制性示例,图1中普遍示出的其他车辆硬件部件16中的一些包括电子视频显示设备18、麦克风28、一个或多个扬声器30、以及各种各样的输入控制器32(例如,按钮、旋钮、开关、跟踪垫、键盘、触摸屏等)。通常,这些硬件部件16至少部分起驻留车辆导航***的作用,例如,启用辅助和/或自动车辆导航,并且起人/机界面的作用,例如,使得用户能够与远程信息处理单元14与车辆10的其他***和***部件通信。麦克风28向车辆乘员提供输入口头或其他听觉命令的装置;车辆10可以装配有嵌入式语音处理单元,该语音处理单元编程有计算语音识别软件模块。相反,扬声器30向车辆乘员提供可听输出,并且可以是专用于与远程信息处理单元14一起使用的单独扬声器或可以是音频***22的一部分。音频***22操作地连接到网络连接接口34和音频总线20,以经由一个或多个扬声器部件接收模拟信息,将其渲染为声音。
通信地耦合到远程信息处理单元14的是网络连接接口34,该网络连接接口的合适示例包括双绞线/光纤以太网交换机、内部/外部并行/串行通信总线、局域网(LAN)接口、控制器区域网络(CAN)、面向媒体的***转移(MOST)、局部互联网络(LIN)接口等。其他适当的通信接口可以包括符合ISO、汽车工程师协会以及IEEE标准和规范的通信接口。网络连接接口34使得车辆硬件16能够与彼此和与在车体12内或“常驻”到车体以及在车体12外部或“远离”车体这两者的各种***和子***发送和接收信号。这允许车辆10执行各种车辆功能,诸如控制车辆转向、管理车辆变速器的操作、控制引擎节流阀、啮合/脱离制动***,以及其他自动驾驶功能。比如,远程信息处理单元14从/向高级驾驶员辅助***电子控制单元(ECU)52、引擎控制模块(ECM)、动力总成控制模块(PCM)56、传感器接口模块58、制动***控制模块(BSCM)60、以及各种各样的其他车辆电子控制模块和控制模块(诸如变速器控制模块(TCM)、气候控制模块(CCM)等)接收和/或发送数据。
继续参照图1,远程信息处理单元14是单独和借助其与其他联网设备通信提供服务的混合的车载计算设备。该远程信息处理单元14通常由一个或多个处理器40组成,这些处理器中的每一个可以具体实施为分立微处理器、专用集成电路(ASIC)、专用控制模块等。车辆10可以经由中央处理单元(CPU)36提供集中车辆控制,该中央处理单元操作地耦合到一个或多个电子存储设备38以及实时时钟(RTC)42,这些电子存储设备中的每一个可以具有CD-ROM、磁盘、IC设备、半导体存储器(例如,各种类型的RAM或ROM)等的形式。与远程非车载联网设备的长距离车辆通信能力可以经由蜂窝芯片集/部件、导航和定位芯片集/部件(例如,全球定位***(GPS)收发器),或无线调制解调器中的一者或多者或全部来提供,这些部件全部共同表示为44。近距离无线连接可以经由短距离无线通信设备46(例如,单元或近场通信(NFC)收发器)、专用短距离通信(DSRC)部件48、和/或双天线50来提供。应理解,车辆10可以在没有上面列出的部件中的一者或多者的情况下实施,或者可以如对于特定最终用途期望地包括另外的部件和功能。上述的各种通信设备可以被配置为交换数据,该数据作为V2V通信***或其他车辆到每件事物(V2X)通信***(例如,车辆到基础设施(V2I)、车辆到行人(V2P)、和/或车辆到设备(V2D))中的定期广播的一部分。
中央处理单元36从一个或多个感测设备接收传感器数据,这些感测设备将例如光电、雷达、激光、超声、光、红外或其他合适的检测技术用于执行自动驾驶操作。根据图示的示例,汽车10可以装配有一个或多个数字照相机62、一个或多个距离传感器64、一个或多个车速传感器66、一个或多个车辆动态传感器68、以及用于处理原始传感器数据的任意必备过滤、分类、融合以及分析硬件和软件。数字照相机62可以使用电荷耦合设备(CCD)传感器和其他合适的光学传感器来生成指示车辆10的视场的图像,并且可以被配置为连续图像生成,例如,每秒生成至少大约35个图像。以比较的方式,距离传感器64可以发射并检测反射的无线电、电磁或基于光的波(例如,雷达、电磁感应、光探测和测距(LIDAR)等),以检测例如对象的存在、几何维数和/或接近度。车速传感器66可以具有各种形式,包括测量轮速的轮速传感器,轮速然后用于确定实时车速。另外,车辆动态传感器68可以具有单轴或三轴加速计、角速率传感器、测斜仪、惯性测量单元(IMU)等的性质,这些部件用于检测纵向和横向加速度、横摆、滚动和/或俯仰率或其他动态相关参数。使用来自感测设备62、64、66、68的数据,中央处理单元36识别车辆10的可检测距离内的对象,并且确定目标对象的属性,诸如尺寸、相对位置、接近角、相对速度等。
通常,公开的***、方法以及设备有助于通过检查在指定时间范围内在指定路段上的实际车辆行驶速度的统计概率分布,来导出该路段的最大(或最小)法定限速。至少部分通过作为“群众来源的”传感器参与的大量车辆例如使用全球定位***信息和车辆控制器区域网络总线(CANbus)数据生成车辆行驶速度数据。公开的用于导出路段限速的技术中的至少一些随机选择在任意时间可用的群众来源车辆的子集,以便聚集车辆行驶速度数据。可选地,公开的用于导出路段限速的技术中的至少一些计算地选择给定时间窗和具有一个或多个预定特性的可用群众来源车辆的子集。如与采用专用调查车辆的车队来更新数据库存储的限速信息相比,公开的***、方法以及设备提供例如用于映射数据库、车辆导航***以及自动驾驶模块的成本更低且更及时的限速更新。另外,如与基于照相机或人的限速标志检测的较低洞察力相比,可以使得车速感测跨整个零售车队可用于提供高洞察力数据聚集能力。
现在参照图2的流程图,根据本发明的方面总体在100处描述了用于使用以云为中心的随机采样技术导出路段限速的改进方法或控制策略。图2中图示并在下面进一步详细描述的操作中的一些或全部可以代表与处理器可执行指令对应的算法,这些指令可以例如存储在主或辅助或远程存储器中,并且例如由车载或远程控制器、处理单元、控制逻辑电路或其他模块或设备执行为执行与公开概念关联的上面或下面描述的功能中的任意一个或全部。应认识到,可以改变图示的操作块的执行顺序,可以添加另外的块,并且可以修改、组合或消除描述的块中的一些。
对于随机采样和区分采样技术,期望在代表时段内在特定路段上的车速的概率密度函数(PDF)分布随时间(例如,高峰时间拥挤对非高峰时间自由流;时间相关学校和建筑区等)、环境(例如,城市对居住;公路对偏僻小路等)以及无法控制的因素(例如,建筑、碰撞、恶劣天气等)变化。可以从概率密度函数分布查明最大法定行驶速度,作为有限混合模型估计,以将一个或多个***代表参数(例如,无建筑和碰撞、非高峰时间和/或自由流分量)与一个或多个非代表参数(例如,下雪/下雨、高峰时间、和/或拥挤/停止分量)隔离。对于至少一些实施方案,车速的分布函数可以表示为最终联合分布g(x)并且计算为:
g(x)=∑mwiPi(x;μi,σi)
其中,
并且其中,wi是给予特定第i个隐藏分量的加权因子:Pi是用于各隐藏分量的概率分布的单独分量;x是随机概率密度函数变量,在这种情况下是观察到的车速;μi是第i个隐藏分布函数的均值;并且σi是第i个隐藏分布函数的标准偏差。最终联合分布g(x)可以隔离出成停止分量PS(μi,σi)、拥挤分量PC(μi,σi)以及自由流分量PF(μi,σi)。
在自由流行驶期间,观察到驾驶员倾向于比公布的法定最大限速超过平均值。对于具有40英里每小时(mph)的公布限速的给定路段,例如,经验数据示出驾驶员以6.12mph的平均值超速驾驶。相比之下,对于具有70mph的公布限速的给定路段,例如,经验数据示出驾驶员以7.67mph的平均值超速驾驶。为了考虑该倾向,可以为自由流分量PF(μi,σi)的自由流子分布模型(μi,δi)提供统计值。然后从范围[μi-2δi,μi+2δi]内选择假设的限速的集合,作为H0,H1...Hx。然后对于各假设的限速运行最大似然测试。
可以使用有限混合模型来帮助分类给定***的观察,以为了聚类而调节这些观察并对未观察的不均一性建模。在有限混合建模中,可以假定观察到的数据集属于被称为类的一个或多个未观察到的亚群;可以使用概率密度或回归模型的混合来对感兴趣的结果建模。在拟合有限混合模型之后,可以对于各观察预测类成员关系概率。观察到的分布可以看起来近似正态的,例如,具有轻微不对称。因为分布是两个正态密度-左侧密度和右侧密度(两个密度中的后者使分布向右倾斜)-的混合,所该不对称可能发生。可以采用有限混合模型来估计这两个基础密度的均值和方差连同它们在整个群体中的比例。更普遍地,有限混合模型可以对含有任意数量的亚群的混合建模,并且这些亚群特定模型不需要限于正态密度的混合。有限混合模型经常允许线性和通用线性回归模型的混合,包括用于二元、顺序、标称以及计数响应的模型,并且有限混合模型可以允许包括具有亚群特定效应的协方差。可以关于各亚群进行推断,并且可以将单独观察分成亚群。
根据至少一些实施方案,可以应用期望最大化(EM)算法,作为通过识别与先验数量的分量的混合的参数来拟合有限混合模型的迭代过程。以非限制性示例的方式,可以采用期望最大化算法,作为用于在缺失值或潜变量存在时找到一个或多个最大似然估计的通用技术。在应用期望最大化作为迭代算法的情况下,迭代可以在执行期望(E)步骤与最大化(M)步骤之间交替,该期望步骤可以生成用于使用参数的当前估计评价的对数似然的期望的函数,该最大化步骤可以计算使在期望步骤中找到的期望对数似然最大化的一个或多个参数。然后可以采用这些参数估计来在随后的期望步骤中确定一个或多个潜变量的分布。
有限混合模型和高斯混合模型技术的挑战是识别如何最佳地确定N个观察到的随机变量对于混合模型分布到的分量的数量(k)。在代表方法中,***可以维持用于给定路段的若干有限混合模型模型。例如,高斯混合模型(GMM)可以表示为(GMMk=1,GMMk=2,GMMk=3,...),其中,GMMk=1是具有一个分量的高斯混合模型。用于该确定的目的可以包括找到数据集最紧密地拟合到的最佳模型。作为另一个选项,可以采用迭代交叉验证(ICV)方法,其中,从参与车辆的一部分接收一批数据(例如,公路的描绘段的过去14天的车速数据)。迭代交叉验证方法使用接收的数据和信息准则来找到最佳拟合模型。存在可以用于找到最佳模型的各种信息准则,诸如赤池弘次(Akaike)信息准则、贝叶斯信息准则或用于给定的数据集合的统计模型的相对质量的其他合适估计量。选择的模型可以用于下一步云算法,该下一步云算法用于限速范围估计和候选选择。模型可以用新接收的数据和现有数据来“训练”;如果过时数据的段被认为可接受,则可以排除。开放(OSM)数据库具有标记有限速信息的识别路段的一部分;该部分地面实况可以用于训练/测试算法。可以采用聚类/分类算法来识别模型中的不同类;可以从来自该类的开放街道图标记的路段查明一致性。然后可以用导出的限速值标记该整个类。
方法100在具有处理器可执行指令的末端块101处开始,这些指令使可编程控制器或控制模块或类似合适的处理器呼叫随机采样协议的初始化过程,以通过向群众感测的车辆数据应用统计学习以推断最大法定限速,来导出路段的限速。该例程在进行中的车辆操作期间可以实时、连续、***、零星和/或定期(例如,每100毫秒)地执行。作为又一个选项,末端块101可以响应于从后端或中间件计算节点接收的广播提示信号初始化,该计算节点被指派去做收集、分析、排序、存储以及分配限速信息。作为块101处的初始化过程的一部分,常驻车辆中央处理单元36和/或处理器40可以执行车载处理代码段,例如以获得车辆数据(例如,位置、速度、前进方向、加速度、时间戳等),发起车速数据收集,滤除收集的数据中的明显错误和异常值,并且在认为特定数据缺失时提供数据插值。
图2的方法100进行到具有指令的过程块103,这些指令确定随机概率值,该随机概率值用于查明车速数据的特定集合是否将贡献于用于导出法定限速。可以使用简单随机采样技术来确定随机概率值,诸如随机排序算法或库采样算法。另选地,中央处理单元36可以装配有随机数生成器(RNG)模块,或者可以通信地连接到硬件随机数生成器,以便不加区分地产生随机值。在决策块105处,方法100将确定在块103处确定的随机概率值是否满足或超过校准的阈值。该阈值可以是经由工程校准过程预定的固定概率值。作为另一个可用选项,校准的阈值可以是基于一个或多个预定因子(例如,交通量、数据收集的时间等)的动态调节的概率值。在交通量高时,例如,校准的阈值概率值可以被设置为较高值,由此,仅小部分的参与车辆将上传数据。相反,在交通量低时,概率值可以被设置为较低数,因此该给定路段上的大致全部参与车辆将报告数据,以帮助确保取得足够大小的数据集。如果判断未满足校准的阈值(块105=否),则方法进行到过程块107并丢弃数据。在该特定时刻,方法100可以绕回到末端块101,并且以连续环路形式运行,或者可以临时终止。在确定满足或超过校准的阈值(块105=是)时,方法100进行到输入/输出块109并上传数据。
继续参照图2,方法100提供处理器可执行指令,这些指令使后端或中间件计算节点(诸如云计算***24的远程***服务器计算机):(1)在预定义过程块111处累积每日速度分布函数;并且(2)在预定义过程块113处累积每小时(高峰或非高峰)速度分布函数。各种各样类型的分布函数可以用于累积统计速度分布函数,包括累积密度函数(CDF)、离散密度函数(DDF)、联合概率密度函数(JPDF)等。对于至少一些实施方案,可以合乎期望的将概率密度函数或概率质量函数(PMF)用于预定义过程块111和113。在过程块115处,方法从累积分布函数确定用于有限混合模型的K值。K值通常指示基于累积分布函数的用于给定有限混合模型的分量的数量。该K值可以被设置为等于整数n;在这种情况下,***可以生成用于指定路段的总数n个有限混合模型。
在完成必备的速度分布函数时,方法100根据各结果概率模型关联到的路段的分类对该模型分类。使用可用的开放街道图数据库,例如,方法在过程块117处应用地方街道/偏僻小路处理或在过程块119处应用公路/快速干道部分处理。作为非限制性示例,大部分已知路段用对应的道路种类标记在开放街道图中,诸如公路、地方主要街道、地方小街道、住宅等。在建立用于特定路段的适当种类之后,方法100应用种类特定K值来运行有限混合模型。为了图示性目的,被分类为公路的路段可以自动分派有K值2,而被分类为地方街道的路段可以自动分派有K值3。方法100然后进行到过程块121,并且使用如上所述的期望最大化算法来执行有限混合模型估计。
当在块121处推断出有限混合模型估计和期望最大化算法之后,方法100在过程块123处估计限速范围,然后在过程块125处选择一个或多个限速候选。使用有限混合模型/高斯混合模型,***能够识别用于指定路段的限速的本地/不同概率分布的隐藏聚类的数量。对于该本地/不同概率分布的各聚类,***可以计算均值和标准偏差。通常,***可以希望隔离最高聚类,因为它可能反映实际法定限速值。***可以着眼于整个距离,并且从其选择是五(5)和/或十(10)的倍数的那些值,这些值确认几乎全部法定限速也是五或十的倍数(例如,20mph、25mph、30mph...60mph、65mph、70mph),而不是不是五或十的倍数的值(例如,67mph)。***在值用于车速控制目的时选择实际限速值,例如,在车辆巡航控制将实际车速设置为正规流量速度的情况下。
一旦完成过程块123的限速范围估计过程且其后进行过程块125的限速候选选择过程,则方法100将在过程块127处进行候选假设测试,并且在过程块129处进行道路种类聚类和缺失数据推断。为了选择最终限速候选,方法100可以在用于同一时隙的调查下使用与同一路段关联的数据的不同集合,来针对在块125处选择的可用候选的选择子集运行假设测试。将分派被确定为具有最高统计置信的值作为成功候选。对于道路种类聚类,***可以将路段一起聚类在公共种类(例如,“高速公路道路”种类;“偏僻小路道路”种类、“快速干道道路”种类等)内。如果用于特定高速公路道路的聚合数据集是缺失关键数据点或被认为不足,则***可以使用其他类似分类路段的推断限速来估计什么是适当限速。
在过程块131处,以云计算服务服务器栈形式存储最终限速候选,并且在期望的时候向任意一个或全部联网车辆广播。每一辆车然后可以基于接收的限速候选执行一个或多个车辆控制操作。作为一个示例,控制操作可以包括将选择的限速候选保存到车辆的车载导航***的常驻映射数据库。每当车辆经过对应路段时,可以在车辆远程信息处理单元14的人机界面上向驾驶员显示新限速。可选地,限速可以响应于中央处理单元36确定驾驶员在指定路段上以过快速度操作车辆10而输出为触觉、听觉和/或视觉警告。作为又一个选项,控制操作可以包括执行响应于新存储器存储的限速值调节的一个或多个自动驾驶操作。比如,在跨指定路段行进时,常驻自适应巡航控制***可以自动提高或降低车辆的当前速度,以将实际速度与选择的限速候选更紧密地对齐。预想的是可以基于选择的限速候选修改任意速度相关的高级驾驶员辅助***操纵或速度相关的自主驾驶操纵。
现在参照图3的流程图,根据本发明的方面总体在200处描述了用于使用以车辆为中心的区分采样技术导出路段限速的改进方法或控制策略。图3中图示并在下面进一步详细描述的操作中的一些或全部可以代表与处理器可执行指令对应的算法,这些指令可以例如存储在主或辅助或远程存储器中,并且例如由车载或远程控制器、处理单元、控制逻辑电路或其他模块或设备执行为执行与公开概念关联的上面或下面描述的功能中的任意一个或全部。应认识到,可以改变图示的操作块的执行顺序,可以添加另外的块,并且可以修改、组合或消除描述的块中的一些。
用于导出路段限速的预期采样技术可以实施协同过滤过程,以间接推断来自特定车辆的、用于指定路段的车速数据的各贡献的相关性。数据的第i个贡献的重要性(概率)pi可以由逻辑回归来确定:
其中,Ti是时间相关因子(例如,期间对于特定贡献累积数据的时间范围是非高峰时间的时间段);Ki是车辆自运动因子(例如,车速分布随着时间的过去稳定(没有频发加速/制动);车辆在操作标准或自适应巡航控制等);Ci是车辆自余隙因子(例如,指示自由流交通的车辆的前向碰撞警报(FCA)***、侧面盲区警报(SBZA)***、和/或自适应巡航控制***);Di是车辆邻居密度因子(例如,车辆处于高度密集行驶环境中;车辆处于农村行驶环境中等)。可以使用训练数据的丰富集合计算***参数α1、α2、α3、α4。在一些实施例中,α1、α2、α3、α4在采用逻辑回归来测试数据的贡献的重要性时可以用作先验知识。
图3的方法200在具有处理器可执行指令的末端块201处开始,这些指令使可编程控制器或控制模块或类似合适的处理器呼叫区分采样协议的初始化过程,以通过向群众感测的车辆数据应用统计学习以推断最大法定限速,来导出路段的限速。图3的过程块201可以包括上面参照图2的过程块101描述的特征和选项中的任意一个。在过程块203处,方法200建立评价准则的集合,针对这些准则,在上传用于建模和最大化的数据之前测出车辆生成的数据。根据图示的示例,机动车辆的中央处理单元36可以评价邻居密度准则205A,可以评价道路车辆密度/自余隙分布准则205B,可以评价车辆自运动分布准则205C,和/或可以评价时间相关性准则205D。上面在重要性(概率)pi评估的讨论中描述了这些单独因子中的每一个。随后在预定义过程块207处用使用逻辑回归技术的协同过滤器处理评价的准则集合205A-D。
在决策块209处,方法200确定(例如,以与上面对于图2的块103描述的过程类似的方式确定的)随机概率值是否满足或超过校准的阈值。如上面说明的,该阈值可以是经由工程校准过程预定的固定概率值。作为另一个可用选项,校准的阈值可以是基于一个或多个预定因子的动态调节的概率值。如果判断未满足校准的阈值(块209=否),则方法进行到过程块211并丢弃数据。在该特定时刻,方法200可以绕回到末端块201,并且以连续环路形式运行或临时终止。在确定满足或超过校准的阈值(块209=是)时,方法200进行到输入/输出块213并上传当前数据集,用于处理和分析。
继续参照图3,方法200提供处理器可执行指令,这些指令使后端或中间件计算节点(诸如云计算资源24的远程***服务器计算机):(1)在预定义过程块215处累积地方街道部分速度分布函数;并且(2)在预定义过程块217处累积公路部分速度分布函数。图3的过程块215和217可以包括上面参照图2的过程块111和113描述的特征和选项中的任意一个。方法100然后进行到过程块219,并且使用如上所述的期望最大化算法来执行有限混合模型估计。图3的过程块219可以模仿上面参照图2的过程块121描述的操作中的任意一个。当在块219处推断出有限混合模型估计和期望最大化算法之后,方法200估计限速范围,然后在过程块221处选择一个或多个假设的限速候选。其后,方法200在过程块223处进行候选假设测试、道路种类聚类以及缺失数据推断。图3的过程块221和223可以包括上面参照图2的过程块123、125、127以及129描述的特征和选项中的任意一个。在过程块225处,以上面参照图2的过程块131描述的方式,以云服务器栈的形式存储最终限速候选,并且向选择联网车辆广播。
在一些实施例中,本发明的方面可以借助指令的计算机可执行程序(诸如程序模块)来实施,这些程序模块通常称为由车载车辆计算机或常驻和远程计算设备的分布式网路执行的软件应用或应用程序。在非限制性示例中,软件可以包括执行特定任务或实施特定数据类型的例程、程序、对象、分量以及数据结构。软件可以形成允许常驻车辆控制器或控制模块或其他合适的集成电路设备根据输入的源做出反应的接口。软件还可以与其他代码段协作来响应于连同接收数据的源一起接收的数据发起各种任务。软件可以存储在各种存储介质中的任意一个上,诸如CD-ROM、磁盘、磁泡存储器以及半导体存储器(例如,各种类型的RAM或ROM)。
而且,本发明的方面可以用各种计算机***和计算机网络架构来实践,包括多处理器***、基于微处理器或可编程消费电子产品、小型计算机、大型计算机、主从、端对端或并行计算框架等。另外,本发明的方面可以在分布式计算环境中实践,在分布式计算环境中,由借助通信网络链接的常驻和远程处理设备执行任务。在分布式计算环境中,程序模块可以位于包括存储储存设备的车载和非车载计算机存储介质这两者中。因此,本发明的方面可以结合各种硬件、软件或其组合实施在计算机***或其他处理***中。
这里描述的方法中的任意一个可以包括用于由以下部件执行的机器可读指令:(a)处理器、(b)控制器和/或(c)任意其他合适的处理设备。这里公开的任意算法、软件、控制逻辑、协议或方法可以在软件中具体实施,该软件存储在有形介质上,诸如例如,闪速存储器、CD-ROM、软盘、硬盘驱动器、数字通用光盘(DVD)或其他存储设备。整个算法、控制逻辑、协议或方法、和/或其部分可以另选地由除了控制器之外的设备来执行,和/或以可用方式具体实施在固件或专用硬件中(例如,它可以由专用集成电路、可编程逻辑设备(PLD)、现场可编程逻辑设备(FPLD)、离散逻辑等实施)。进一步地,虽然参照这里描绘的流程图描述了特定算法,但存在用于实施另选可以使用的示例机器可读指令的许多其他方法。
已经参照图示的实施例详细描述了本发明的方面;然而,本领域技术人员将认识到,可以在不偏离本发明的范围的情况下对其进行许多修改。本发明不限于这里公开的精确结构和组成;从前面的描述清楚的任意一个和全部修改、改变以及变更在如由所附权利要求限定的本发明的范围内。而且,本概念明确包括之前元素和特征的任意一个和全部组合和子组合。
Claims (10)
1.一种用于控制机动车辆的操作的方法,所述方法包括:
经由所述机动车辆的常驻车辆控制器,确定所述机动车辆的车辆位置;
经由所述常驻车辆控制器,确定与所述车辆位置对应的指定路段;
由所述常驻车辆控制器从存储器存储的地图数据库,接收分派给所述指定路段的存储的限速;
接收指示当在所述指定路段上行进校准时间范围时的所述机动车辆的车速的主车速数据;
接收指示当在所述指定路段上行进所述校准时间范围时的多个参与车辆的车速的群众来源的速度数据;
基于所述接收的主车速数据和群众来源的速度数据,累积用于所述指定路段的统计速度分布函数;
由所述统计速度分布函数生成有限混合模型,以估计用于所述指定路段的限速范围;
从所述估计的限速范围选择限速候选;以及
经由所述常驻车辆控制器,基于所述选择的限速候选向常驻车辆子***发送命令信号,以执行控制操作。
2.根据权利要求1所述的方法,其中,累积所述统计速度分布函数包括累积用于所述指定路段的每日速度分布函数和每小时速度分布函数。
3.根据权利要求1所述的方法,其中,生成所述有限混合模型包括应用期望最大化算法,以确定与所述有限混合模型的类密度和先验概率对应的一个或多个混合模型参数。
4.根据权利要求1所述的方法,还包括:基于所述统计速度分布函数确定指示用于所述有限混合模型的分量的数量的K值。
5.根据权利要求4所述的方法,其中,所述K值等于n,并且其中,生成所述有限混合模型包括生成用于所述指定路段的n个有限混合模型。
7.根据权利要求1所述的方法,还包括:
从所述估计的限速范围选择多个假设的限速候选;以及
向所述假设的限速候选中的每一个应用最大似然测试,从而选择用于所述指定路段的所述限速候选。
8.根据权利要求1所述的方法,其中,所述有限混合模型包括多个多维高斯概率密度函数的加权和。
9.根据权利要求1所述的方法,其中,接收所述主车速数据、接收所述群众来源的速度数据、累积所述统计速度分布函数、生成所述有限混合模型、以及选择所述限速候选由所述机动车辆非车载的远程***服务器计算机执行。
10.根据权利要求1所述的方法,还包括:
经由所述常驻车辆控制器,计算随机概率值:
确定所述随机概率值是否大于校准的阈值;以及
响应于所述随机概率值大于所述校准的阈值,向所述机动车辆非车载的远程***服务器计算机发送所述主车速数据。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862715511P | 2018-08-07 | 2018-08-07 | |
US62/715511 | 2018-08-07 | ||
US16/142680 | 2018-09-26 | ||
US16/142,680 US10838423B2 (en) | 2018-08-07 | 2018-09-26 | Intelligent vehicle navigation systems, methods, and control logic for deriving road segment speed limits |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110823235A true CN110823235A (zh) | 2020-02-21 |
CN110823235B CN110823235B (zh) | 2024-01-02 |
Family
ID=69405841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910476026.6A Active CN110823235B (zh) | 2018-08-07 | 2019-06-01 | 用于导出路段限速的智能车辆导航***、方法以及控制逻辑 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10838423B2 (zh) |
CN (1) | CN110823235B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243316A (zh) * | 2020-02-28 | 2020-06-05 | 长安大学 | 一种导航***道路限速值是否需要实时更新的判断方法 |
WO2023088271A1 (zh) * | 2021-11-18 | 2023-05-25 | 北京车和家信息技术有限公司 | 地图更新方法及其装置 |
CN116194935A (zh) * | 2020-09-22 | 2023-05-30 | 格步计程车控股私人有限公司 | 用于确定地理区域中的车辆的导航简档的方法和设备 |
CN116238497A (zh) * | 2023-05-11 | 2023-06-09 | 安徽蔚来智驾科技有限公司 | 车辆限速控制方法、电子设备、存储介质及车辆 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10109184B2 (en) * | 2014-10-08 | 2018-10-23 | Here Global B.V. | Probe based variable speed sign value |
WO2019241307A2 (en) * | 2018-06-11 | 2019-12-19 | Traxen, Inc. | Automated cruise control system to automatically decrease an overall ground vehicle energy consumption |
JP7011553B2 (ja) * | 2018-08-10 | 2022-02-10 | 日立Astemo株式会社 | 情報処理装置、車両制御方法、情報処理システム |
EP3712870B1 (en) * | 2019-03-21 | 2022-11-02 | Zenuity AB | Method and arrangement for validating speed limit information for a road vehicle |
US20230060300A1 (en) * | 2019-04-24 | 2023-03-02 | Walter Steven Rosenbaum | Method and system for analyzing the control of a vehicle |
EP3730375B1 (en) * | 2019-04-24 | 2021-10-20 | Walter Steven Rosenbaum | Method and system for analysing the control of a vehicle |
US11823568B2 (en) * | 2019-05-02 | 2023-11-21 | Toyota Motor North America, Inc. | Dynamic speed limit for vehicles and autonomous vehicles |
US11594036B2 (en) * | 2019-08-21 | 2023-02-28 | Micron Technology, Inc. | Advanced driver-assistance system (ADAS) operation utilizing algorithmic skyline detection |
EP3882881B1 (en) * | 2020-03-18 | 2024-07-24 | Magna Electronics Sweden AB | Recommended speed service |
CN111583690B (zh) * | 2020-04-15 | 2021-08-20 | 北京踏歌智行科技有限公司 | 一种基于5g的矿区无人运输***的弯道协同感知方法 |
KR102329320B1 (ko) * | 2020-04-29 | 2021-11-23 | 주식회사 만도모빌리티솔루션즈 | 운전자 보조 장치 및 운전자 보조 방법 |
JP7154256B2 (ja) * | 2020-07-06 | 2022-10-17 | 本田技研工業株式会社 | 制御装置、制御方法、およびプログラム |
US11588735B2 (en) * | 2020-07-29 | 2023-02-21 | Micron Technology, Inc. | Edge processing of sensor data using a neural network to reduce data traffic on a communication network |
US11915122B2 (en) | 2020-07-29 | 2024-02-27 | Micron Technology, Inc. | Gateway for distributing an artificial neural network among multiple processing nodes |
CN112132312B (zh) * | 2020-08-14 | 2022-08-23 | 蓝海(福建)信息科技有限公司 | 一种基于进化多目标多任务优化的路径规划方法 |
CN112141098B (zh) * | 2020-09-30 | 2022-01-25 | 上海汽车集团股份有限公司 | 一种智能驾驶汽车避障决策方法及装置 |
US20220324421A1 (en) * | 2020-12-23 | 2022-10-13 | ClearMotion, Inc. | Systems and methods for terrain-based insights for advanced driver assistance systems |
WO2022140657A1 (en) * | 2020-12-23 | 2022-06-30 | Clearmotion,Inc. | Systems and methods for vehicle control using terrain-based localization |
CN113256971B (zh) * | 2021-05-07 | 2022-08-19 | 公安部第三研究所 | 一种高速公路封控***及方法 |
US12039862B2 (en) | 2022-01-13 | 2024-07-16 | GM Global Technology Operations LLC | System and process for mitigating road network congestion |
US11893882B2 (en) | 2022-01-13 | 2024-02-06 | GM Global Technology Operations LLC | System and process for determining recurring and non-recurring road congestion to mitigate the same |
CN115146478A (zh) * | 2022-07-21 | 2022-10-04 | 合众新能源汽车有限公司 | 基于优化算法的行驶工况构建方法、装置及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040254930A1 (en) * | 2003-04-16 | 2004-12-16 | Chiranjit Acharya | Construction and selection of a finite mixture model for use in clustering and vector quantization |
CN102540223A (zh) * | 2010-09-29 | 2012-07-04 | 福特全球技术公司 | 地图信息传输、处理和更新 |
CN102799646A (zh) * | 2012-06-27 | 2012-11-28 | 浙江万里学院 | 一种面向多视点视频的语义对象分割方法 |
CN103839443A (zh) * | 2012-11-23 | 2014-06-04 | 鸿富锦精密工业(深圳)有限公司 | 车速控制***及方法 |
CN104050817A (zh) * | 2014-05-23 | 2014-09-17 | 北京中交兴路信息科技有限公司 | 限速信息库生成、限速信息检测的方法和*** |
CN104660684A (zh) * | 2015-01-29 | 2015-05-27 | 百度在线网络技术(北京)有限公司 | 一种用于更新路网数据信息的方法和装置 |
CN106796759A (zh) * | 2014-12-26 | 2017-05-31 | 日立汽车***株式会社 | 车辆控制*** |
Family Cites Families (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697730B2 (en) | 2000-04-04 | 2004-02-24 | Georgia Tech Research Corp. | Communications and computing based urban transit system |
US6356838B1 (en) | 2000-07-25 | 2002-03-12 | Sunil Paul | System and method for determining an efficient transportation route |
US7589643B2 (en) | 2005-06-30 | 2009-09-15 | Gm Global Technology Operations, Inc. | Vehicle speed monitoring system |
US7739036B2 (en) | 2005-08-26 | 2010-06-15 | Gm Global Technology Operations, Inc. | Speed limit advisor |
US7266438B2 (en) | 2005-08-26 | 2007-09-04 | Gm Global Technology Operations, Inc. | Method of assisting driver to negotiate a roadway |
EP2135200A4 (en) | 2007-02-12 | 2011-12-28 | Sean O'sullivan | DISTRIBUTED TRANSPORT SYSTEM AND SERVICE NETWORK |
US20090030885A1 (en) | 2007-07-26 | 2009-01-29 | Ridecharge | Method and system for on-demand and scheduled services relating to travel and transportation |
US8428843B2 (en) | 2008-06-20 | 2013-04-23 | GM Global Technology Operations LLC | Method to adaptively control vehicle operation using an autonomic vehicle control system |
US8170739B2 (en) | 2008-06-20 | 2012-05-01 | GM Global Technology Operations LLC | Path generation algorithm for automated lane centering and lane changing control system |
US8050855B2 (en) | 2008-08-07 | 2011-11-01 | General Motors Llc | Method and system for transmitting data to a traffic information server |
US20100228415A1 (en) | 2009-03-05 | 2010-09-09 | Sunil Paul | System and method for reducing the cost of efficient vehicles |
US20110313880A1 (en) | 2010-05-24 | 2011-12-22 | Sunil Paul | System and method for selecting transportation resources |
US8494759B2 (en) * | 2010-09-08 | 2013-07-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicle speed indication using vehicle-infrastructure wireless communication |
US9514647B2 (en) | 2010-10-20 | 2016-12-06 | GM Global Technology Operations LLC | Optimal acceleration profile for enhanced collision avoidance |
US8612139B2 (en) | 2010-11-30 | 2013-12-17 | GM Global Technology Operations LLC | Systems and methods for planning vehicle routes based on safety factors |
US20120239452A1 (en) | 2011-03-17 | 2012-09-20 | Aarjav Trivedi | Fleet Management Systems and Processes |
US9014915B2 (en) | 2011-07-25 | 2015-04-21 | GM Global Technology Operations LLC | Active safety control for vehicles |
DE102011109491A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
DE102011109492A1 (de) | 2011-08-04 | 2013-02-07 | GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) | Fahrunterstützungsvorrichtung zur Unterstützung der Befahrung enger Fahrwege |
US9318023B2 (en) | 2011-08-31 | 2016-04-19 | GM Global Technology Operations LLC | System and method for collision avoidance maneuver path determination with jerk limit |
US20130204676A1 (en) | 2012-01-26 | 2013-08-08 | Flywheel Software, Inc. | Method and system for dynamically categorizing service providers |
US20130219294A1 (en) | 2012-02-16 | 2013-08-22 | GM Global Technology Operations LLC | Team-Oriented Human-Vehicle Interface For Adaptive Cruise Control System And Methods For Using Same |
US9066206B2 (en) | 2012-07-03 | 2015-06-23 | Uber Technologies, Inc. | System and method for providing dynamic supply positioning for on-demand services |
US8849515B2 (en) | 2012-07-24 | 2014-09-30 | GM Global Technology Operations LLC | Steering assist in driver initiated collision avoidance maneuver |
US8996273B2 (en) | 2012-08-31 | 2015-03-31 | GM Global Technology Operations LLC | Anticipatory cruise control |
CN103303143B (zh) * | 2013-06-25 | 2016-01-13 | 奇瑞汽车股份有限公司 | 高速公路限速***及方法 |
US9557179B2 (en) * | 2013-08-20 | 2017-01-31 | Qualcomm Incorporated | Navigation using dynamic speed limits |
US9099006B2 (en) | 2013-08-22 | 2015-08-04 | GM Global Technology Operations LLC | Context-aware threat response arbitration |
US9424745B1 (en) * | 2013-11-11 | 2016-08-23 | Emc Corporation | Predicting traffic patterns |
US9457807B2 (en) | 2014-06-05 | 2016-10-04 | GM Global Technology Operations LLC | Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver |
US9428187B2 (en) | 2014-06-05 | 2016-08-30 | GM Global Technology Operations LLC | Lane change path planning algorithm for autonomous driving vehicle |
US9283967B2 (en) | 2014-07-16 | 2016-03-15 | GM Global Technology Operations LLC | Accurate curvature estimation algorithm for path planning of autonomous driving vehicle |
US9229453B1 (en) | 2014-08-29 | 2016-01-05 | GM Global Technology Operations LLC | Unified motion planner for autonomous driving vehicle in avoiding the moving obstacle |
US10109184B2 (en) * | 2014-10-08 | 2018-10-23 | Here Global B.V. | Probe based variable speed sign value |
DE102014016567A1 (de) | 2014-11-08 | 2016-05-12 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Verfahren zum Bestimmen einer Ausweichtrajektorie und Fahrerassistenzsystem dafür |
US20160231124A1 (en) | 2015-01-15 | 2016-08-11 | GM Global Technology Operations LLC | Horizon-based driver assistance systems and methods |
US9868443B2 (en) | 2015-04-27 | 2018-01-16 | GM Global Technology Operations LLC | Reactive path planning for autonomous driving |
US10796248B2 (en) | 2015-04-29 | 2020-10-06 | Ford Global Technologies, Llc | Ride-sharing joint rental groups |
US20160320198A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing routing using contextual constraints |
US20160320195A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing long-term ride-share groups |
US20160320194A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing user path disturbances and user re-routing |
US20160321771A1 (en) | 2015-04-29 | 2016-11-03 | Ford Global Technologies, Llc | Ride-sharing range contours |
US20170021830A1 (en) | 2015-07-22 | 2017-01-26 | GM Global Technology Operations LLC | Adaptive cruise control profiles |
US9487212B1 (en) | 2015-10-09 | 2016-11-08 | GM Global Technology Operations LLC | Method and system for controlling vehicle with automated driving system |
-
2018
- 2018-09-26 US US16/142,680 patent/US10838423B2/en active Active
-
2019
- 2019-06-01 CN CN201910476026.6A patent/CN110823235B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040254930A1 (en) * | 2003-04-16 | 2004-12-16 | Chiranjit Acharya | Construction and selection of a finite mixture model for use in clustering and vector quantization |
CN102540223A (zh) * | 2010-09-29 | 2012-07-04 | 福特全球技术公司 | 地图信息传输、处理和更新 |
CN102799646A (zh) * | 2012-06-27 | 2012-11-28 | 浙江万里学院 | 一种面向多视点视频的语义对象分割方法 |
CN103839443A (zh) * | 2012-11-23 | 2014-06-04 | 鸿富锦精密工业(深圳)有限公司 | 车速控制***及方法 |
CN104050817A (zh) * | 2014-05-23 | 2014-09-17 | 北京中交兴路信息科技有限公司 | 限速信息库生成、限速信息检测的方法和*** |
CN106796759A (zh) * | 2014-12-26 | 2017-05-31 | 日立汽车***株式会社 | 车辆控制*** |
CN104660684A (zh) * | 2015-01-29 | 2015-05-27 | 百度在线网络技术(北京)有限公司 | 一种用于更新路网数据信息的方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243316A (zh) * | 2020-02-28 | 2020-06-05 | 长安大学 | 一种导航***道路限速值是否需要实时更新的判断方法 |
CN116194935A (zh) * | 2020-09-22 | 2023-05-30 | 格步计程车控股私人有限公司 | 用于确定地理区域中的车辆的导航简档的方法和设备 |
CN116194935B (zh) * | 2020-09-22 | 2024-02-20 | 格步计程车控股私人有限公司 | 用于确定地理区域中的车辆的导航简档的方法和设备 |
WO2023088271A1 (zh) * | 2021-11-18 | 2023-05-25 | 北京车和家信息技术有限公司 | 地图更新方法及其装置 |
CN116238497A (zh) * | 2023-05-11 | 2023-06-09 | 安徽蔚来智驾科技有限公司 | 车辆限速控制方法、电子设备、存储介质及车辆 |
CN116238497B (zh) * | 2023-05-11 | 2024-01-26 | 安徽蔚来智驾科技有限公司 | 车辆限速控制方法、电子设备、存储介质及车辆 |
Also Published As
Publication number | Publication date |
---|---|
US10838423B2 (en) | 2020-11-17 |
US20200050209A1 (en) | 2020-02-13 |
CN110823235B (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110823235B (zh) | 用于导出路段限速的智能车辆导航***、方法以及控制逻辑 | |
CN110888426B (zh) | 用于多车道分离和路段轨线提取的车辆导航***、方法和逻辑 | |
CN112236346B (zh) | 用于模拟自主驾驶的方法和设备 | |
US11023751B2 (en) | Systems and methods for safe route determination | |
US11370435B2 (en) | Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving | |
US11597395B2 (en) | Systems and methods to manage vehicles under anomalous driving behavior | |
US11814046B2 (en) | Estimating speed profiles | |
CN110901648A (zh) | 用于实时生态路线选择和自适应驱动控制的车辆、***和逻辑 | |
WO2020152627A1 (en) | Automatically choosing data samples for annotation | |
US20190303693A1 (en) | Road sign recognition for connected vehicles | |
DE102019114595B4 (de) | Verfahren zum Steuern des Betriebs eines Kraftfahrzeugs und zum Ableiten von Straßenabschnittsgeschwindigkeitsgrenzwerten | |
GB2604710A (en) | Homotopic-based planner for autonomous vehicles | |
US12030485B2 (en) | Vehicle operation using maneuver generation | |
US11935417B2 (en) | Systems and methods for cooperatively managing mixed traffic at an intersection | |
EP3631365A2 (en) | Systems and methods for safe route determination | |
GB2608467A (en) | Cross-modality active learning for object detection | |
KR20220139850A (ko) | 속력 프로파일 추정 | |
US20230221128A1 (en) | Graph Exploration for Rulebook Trajectory Generation | |
WO2019232022A1 (en) | Systems and methods for safe route determination | |
US11801836B2 (en) | Enhanced vehicle operation | |
EP4156043A1 (en) | Driver scoring system and method with accident proneness filtering using alert clustering and safety-warning based road classification | |
US20230419200A1 (en) | Decentralized parking fulfillment service | |
US20230286514A1 (en) | Detection of abnormal driving based on behavior profiles | |
US20230079116A1 (en) | Adaptive communication for a vehicle in a communication network | |
US11564116B2 (en) | Asynchronous observation matching for object localization in connected vehicles |
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 |