CN110908379A - 基于历史信息的车辆轨迹预测方法、装置及存储介质 - Google Patents
基于历史信息的车辆轨迹预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110908379A CN110908379A CN201911202038.6A CN201911202038A CN110908379A CN 110908379 A CN110908379 A CN 110908379A CN 201911202038 A CN201911202038 A CN 201911202038A CN 110908379 A CN110908379 A CN 110908379A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicles
- historical
- operation information
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000001133 acceleration Effects 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 abstract description 3
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003137 locomotive effect Effects 0.000 description 3
- 210000000887 face Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于历史信息的车辆轨迹预测方法、装置及存储介质，感知模块获取道路上其他车辆的运行信息，预测模块根据其他车辆的当前运行信息和历史运行信息，获得校正后的其他车辆当前朝向和加速度；根据校正后的其他车辆当前朝向和加速度，预测其他车辆的未来轨迹。本发明能够容忍感知的环境信息误差，有效提高其他车辆轨迹预测准确性，进而保证交通安全性。
Description
技术领域
本发明涉及一种基于历史信息的车辆轨迹预测方法、装置及存储介质。
背景技术
随着科技的发展，尤其是智能计算的飞速发展，自动驾驶汽车技术研究成为各行业聚焦的热点。麦肯锡发布的“决定未来经济的12项前沿技术”报告探讨了12项前沿技术对未来经济、社会的影响程度，分析估测了2025年12项技术各自的经济与社会影响力，其中自动驾驶汽车技术排在第6位，其2025年影响力估测为：经济效益每年约0.2-1.9万亿美元，社会效益每年可挽回3-15万个生命。
按技术领域划分，自动驾驶可分为感知模块、定位模块、预测模块、控制模块、执行模块。感知模块相当于人的眼睛，通过摄像头、毫米波雷达、激光雷达等传感器实时采集周边环境状态，定位模块用于获取车辆自身位置信息，预测模块是对车辆自身运行轨迹进行预测或对其他车辆、行人、机动车的行为进行轨迹预测，控制是对车辆运动的决策、规划，执行是执行车辆的决策规划命令。
预测模块是自动驾驶发展不可或缺的一部分。自动驾驶车辆作为交通场景中的个体，与交通场景中其他个体的交互是必不可少的。在这种情况下，如果自动驾驶车辆无法获知交通场景中其他个体未来的可能行为，那么自动驾驶车辆就很难计算出合适的下一步该执行的行为。例如，自动驾驶车在不知道左边车道前方车正在刹车的趋势情况下，可能会选择向左变道，这样自动驾驶车就很可能追尾左边车道前方车，造成交通事故和危险。
自动驾驶车辆的预测模块的输入为感知模块感知到的周围环境的信息。在现有的技术条件下，感知模块感知的周围环境信息可能不是非常准确，会出现一些误检测或偏差。在这种情况下，如果预测模块按照有偏差的环境信息预测其他车辆的运行轨迹，有可能无法让自动驾驶车辆合适地躲避交通场景中的威胁，从而带来交通安全隐患。
发明内容
本发明的发明目的在于提供一种基于历史信息的车辆轨迹预测方法及***，能够有效容忍感知错误，提高对其他车辆轨迹预测的准确性。
基于同一发明构思，本发明具有三个独立的技术方案：
1、一种基于历史信息的车辆轨迹预测方法，其特征在于：感知模块获取道路上其他车辆的运行信息，预测模块根据其他车辆的当前运行信息和历史运行信息，获得校正后的其他车辆当前朝向和加速度；根据校正后的其他车辆当前朝向和加速度，预测其他车辆的未来轨迹。
进一步地，所述其他车辆的运行信息包括位置、速度。
进一步地，预测模块根据其他车辆的当前运行信息和历史运行信息，获得校正后的其他车辆当前朝向和加速度，通过如下方法实现：
将时间作为自变量，位置或速度作为因变量，利用一元多项式，对历史运行信息和当前运行信息进行拟合，获得时间与位置关系，或时间与速度关系的多项式。
进一步地，预测模块根据拟合获得的多项式，计算校正后的其他车辆当前位置、速度，根据上述校正后的位置、速度信息，获得校正后的其他车辆当前朝向和加速度。
进一步地，利用一元多项式，对历史运行信息和当前运行信息进行拟合时，采用一次多项式或二次多项式，选择均方根误差最小的多项式为最终多项式结果。
进一步地，根据校正后的当前位置、速度，获得其他车辆的当前朝向和加速度，通过如下方法实现：
上一历史时刻位置与当前位置的连线方向为当前朝向；
加速度a＝(v0–v1)/t，v0为当前速度，v1为上一历史时刻速度。
进一步地，所述历史运行信息为离当前最近时刻运行信息至离当前第n近时刻运行信息的集合，n≥3。
进一步地，历史运行信息选取的时间间隔为5s～15s。
2、一种基于历史信息的车辆轨迹预测装置，其特征在于，包括感知模块，所述感知模块用于获取获取道路上其他车辆的运行信息；包括预测模块，所述预测模块用于实现上述的方法。
3、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于：所述计算机程序在被处理器执行时实现上述的方法。
本发明具有的有益效果：
本发明预测模块根据其他车辆的当前运行信息和历史运行信息，获得校正后的其他车辆当前朝向和加速度；根据校正后的其他车辆当前朝向和加速度，预测其他车辆的未来轨迹，从而能够容忍感知的环境信息误差，有效提高其他车辆轨迹预测准确性，进而保证交通安全性。
本发明将时间作为自变量，位置或速度作为因变量，利用一元多项式，对历史运行信息和当前运行信息进行拟合，获得时间与位置关系，或时间与速度关系的多项式，利用多项式实现对其它车辆运行信息校正，获得更加准确的其他车辆当前朝向和加速度，操作简便，进一步保证了对其他车辆轨迹预测的准确性。
本发明利用一元多项式，对历史运行信息和当前运行信息进行拟合时，采用一次多项式或二次多项式，选择均方根误差最小的多项式为最终多项式结果。因为车辆在短期内的行为不可能会符合一个复杂的多项式，所以本发明采用一次多项式或二次多项式进行拟合，有效提高运算速度。
本发明历史运行信息为离当前最近时刻运行信息至离当前第n近时刻运行信息的集合，n≥3；历史运行信息选取的时间间隔为5s～15s。本发明历史运行信息通过上述参数的选取，有效保证历史运行信息和当前运行信息进行拟合的准确性。
附图说明
图1是本发明基于历史信息的车辆轨迹预测方法的总体流程图；
图2是本发明信息优化的流程图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
实施例一：
基于历史信息的车辆轨迹预测方法
感知模块获取道路上其他车辆的运行信息，如图1所示，预测模块根据其他车辆的当前运行信息和历史运行信息，进行信息优化，获得校正后的其他车辆当前朝向和加速度(横向意图)；根据校正后的其他车辆当前朝向和加速度，预测其他车辆的未来轨迹。所述其他车辆的运行信息包括位置、速度。
(一)历史运行信息选择
解决感知模块的感知偏差或误检测，通过与车辆的历史运行信息拟合实现。因为车辆作为一个有一定质量和体积的物理个体，它的姿态不太可能在很短的时间内有大的跳变。例如0.3秒前车头还朝右30度，当前时刻车头却朝左60度是基本不可能的。正是因为这样，使用的历史信息不能太长也不能太短。如果太短，历史信息不足以帮助当前错误的纠正；如果太长，很多比较旧的历史信息与当前的信息关联不大，得到的纠正结果可能会不准确。
实施时，历史运行信息为离当前最近时刻运行信息至离当前第n近时刻运行信息的集合，本实施例中，n＝3，时间间隔为10s。
(二)当前信息优化
对于车辆朝向来说，在上一个历史信息的时刻与当前时刻非常接近的情况下，车辆的朝向基本等于上一个位置到当前位置的朝向。这也就是说，知道了较为准确的非常接近当前的上一时刻的位置和当前位置，即可得到车辆的较准确朝向信息。
对于车辆加速度来说，同样，在上一个历史信息的时刻与当前时刻非常接近的情况下，车辆的加速度基本可以由上一个时刻速度到当前时刻速度的变化来表示。这也就是说，知道了较为准确的非常接近当前的上一时刻的速度和当前速度，即可得到车辆的较准确加速度信息。由上面的内容知道，当前的车辆姿态与较接近当前时刻的几个历史车辆姿态符合一定的趋势，通过对历史运行信息及当前运行信息进行拟合，获得该趋势。
如图2所示，预测模块根据其他车辆的当前运行信息和历史运行信息，进行当前信息优化，获得校正后的其他车辆当前朝向和加速度，通过如下方法实现：
将时间作为自变量，位置或速度作为因变量，利用一元多项式，对历史运行信息和当前运行信息进行拟合，获得时间与位置关系，或时间与速度关系的多项式。
预测模块根据拟合获得的多项式，计算校正后的其他车辆当前位置、速度，根据上述校正后的位置、速度信息，获得校正后的其他车辆当前朝向和加速度。
利用一元多项式，对历史运行信息和当前运行信息进行拟合时，采用一次多项式或二次多项式，不宜选择次数过高的多项式，因为车辆在短期内的行为不可能会符合一个复杂的多项式。选择均方根误差最小的多项式为最终多项式结果。
根据校正后的当前位置、速度，上一历史时刻的位置、速度，获得其他车辆的当前朝向和加速度，通过如下方法实现：
上一历史时刻位置与当前位置的连线方向为当前朝向；
加速度a＝(v0–v1)/t，v0为当前速度，v1为上一历史时刻速度。
(三)未来轨迹生成
首先，找到车辆在其目标道路上的终点。简单来讲，就是车辆到达目标道路后应该在的位置。比如，车辆A的目标道路是车辆当前车道的左道。在这个左道上，已经有一辆车B在前方，并且预测到车B的未来轨迹是在这个左道上进行匀速行驶。如果车B比较靠前，车辆A很难在变向左道的过程中超越车B。那么车辆A在目标道路(左道)上的终点一定在终点时刻的车B所在位置后方。
然后再做一些较为普适的假设，比如车辆A在未来轨迹上行驶遵循纵向匀速假设，并且车辆A最终会到达左道的中心。那么我们即可知道车辆A终点的横向和纵向位置，即为车辆A在目标道路的终点。
通过采样车辆到达目标道路终点的可能时间，我们可以得到多条车辆到达目标道路的未来轨迹。从这些未来轨迹中，通过一些规则，找到最合适的轨迹。本实施例中，采用驾驶消耗大小规则。通俗地讲，从点A驾驶到点B，直接沿线段A-B驾驶是驾驶距离最短的，沿一条折线从A到B驾驶距离会延长。但是如果当前车头朝向就是朝着某个折线的方向，而不是线段A-B的方向，要按照线段A-B行驶，车头需要先转向，在车头转向的过程中车辆也需要向前行驶，那么就不可能严格沿A-B线段行驶。且车头转向也需要消耗。所以需要对不同的车辆消耗，配置不同的权重，从而算出车辆最后的驾驶消耗大小。
实施例二：
基于历史信息的车辆轨迹预测方法
历史运行信息为离当前最近时刻运行信息至离当前第n近时刻运行信息的集合，实施例二中，n＝4，时间间隔为8s。
其余同实施例一。
实施例三：
基于历史信息的车辆轨迹预测装置
包括感知模块，所述感知模块用于获取获取道路上其他车辆的运行信息；通过摄像头、毫米波雷达、激光雷达等传感器实时采集周边环境状态。
预测模块，所述预测模块用于实现上述实施例一或实施例二的方法，预测模块包括控制单元、存储单元、缓存器，所述缓存器用于储存历史运行信息。
实施例四：
计算机可读存储介质
所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器执行时实现实施例一或实施例二的方法。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (10)
1.一种基于历史信息的车辆轨迹预测方法，其特征在于：感知模块获取道路上其他车辆的运行信息，预测模块根据其他车辆的当前运行信息和历史运行信息，获得校正后的其他车辆当前朝向和加速度；根据校正后的其他车辆当前朝向和加速度，预测其他车辆的未来轨迹。
2.根据权利要求1所述的基于历史信息的车辆轨迹预测方法，其特征在于：所述其他车辆的运行信息包括位置、速度。
3.根据权利要求2所述的基于历史信息的车辆轨迹预测方法，其特征在于：预测模块根据其他车辆的当前运行信息和历史运行信息，获得校正后的其他车辆当前朝向和加速度，通过如下方法实现：
将时间作为自变量，位置或速度作为因变量，利用一元多项式，对历史运行信息和当前运行信息进行拟合，获得时间与位置关系，或时间与速度关系的多项式。
4.根据权利要求3所述的基于历史信息的车辆轨迹预测方法，其特征在于：预测模块根据拟合获得的多项式，计算校正后的其他车辆当前位置、速度，根据上述校正后的位置、速度信息，获得校正后的其他车辆当前朝向和加速度。
5.根据权利要求4所述的基于历史信息的车辆轨迹预测方法，其特征在于：利用一元多项式，对历史运行信息和当前运行信息进行拟合时，采用一次多项式或二次多项式，选择均方根误差最小的多项式为最终多项式结果。
6.根据权利要求5所述的基于历史信息的车辆轨迹预测方法，其特征在于：根据校正后的当前位置、速度，获得其他车辆的当前朝向和加速度，通过如下方法实现：
上一历史时刻位置与当前位置的连线方向为当前朝向；
加速度a＝(v0–v1)/t，v0为当前速度，v1为上一历史时刻速度。
7.根据权利要求1至6任何一项所述的基于历史信息的车辆轨迹预测方法，其特征在于：所述历史运行信息为离当前最近时刻运行信息至离当前第n近时刻运行信息的集合，n≥3。
8.根据权利要求7所述的基于历史信息的车辆轨迹预测方法，其特征在于：历史运行信息选取的时间间隔为0.5s～1.5s。
9.一种基于历史信息的车辆轨迹预测装置，其特征在于，包括感知模块，所述感知模块用于获取获取道路上其他车辆的运行信息；包括预测模块，所述预测模块用于实现权利要求1至8任何一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于：所述计算机程序在被处理器执行时实现权利要求1至8任何一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911202038.6A CN110908379A (zh) | 2019-11-29 | 2019-11-29 | 基于历史信息的车辆轨迹预测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911202038.6A CN110908379A (zh) | 2019-11-29 | 2019-11-29 | 基于历史信息的车辆轨迹预测方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110908379A true CN110908379A (zh) | 2020-03-24 |
Family
ID=69820739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911202038.6A Pending CN110908379A (zh) | 2019-11-29 | 2019-11-29 | 基于历史信息的车辆轨迹预测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110908379A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111595303A (zh) * | 2020-07-03 | 2020-08-28 | 成都微宇科技有限责任公司 | 一种筛选航片的方法 |
| CN111707258A (zh) * | 2020-06-15 | 2020-09-25 | 中国第一汽车股份有限公司 | 一种外部车辆监测方法、装置、设备及存储介质 |
| CN112926930A (zh) * | 2021-04-14 | 2021-06-08 | 广州市钛菱云科技有限公司 | 一种外卖保鲜方法、***、设备及计算机可读存储介质 |
| CN113419258A (zh) * | 2021-07-07 | 2021-09-21 | 东软集团股份有限公司 | 一种定位异常检测方法及其相关设备 |
| CN113635900A (zh) * | 2021-08-10 | 2021-11-12 | 吉林大学 | 一种预测巡航过程中基于能量管理的换道决策控制方法 |
| CN113672845A (zh) * | 2020-05-14 | 2021-11-19 | 阿波罗智联(北京)科技有限公司 | 一种车辆轨迹的预测方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101324440A (zh) * | 2008-07-29 | 2008-12-17 | 光庭导航数据（武汉）有限公司 | 基于预测思想的地图匹配方法 |
| CN106525033A (zh) * | 2016-09-22 | 2017-03-22 | 深圳市元征科技股份有限公司 | 一种行车轨迹的确定方法及其装置 |
| CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
-
2019
- 2019-11-29 CN CN201911202038.6A patent/CN110908379A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101324440A (zh) * | 2008-07-29 | 2008-12-17 | 光庭导航数据（武汉）有限公司 | 基于预测思想的地图匹配方法 |
| CN106525033A (zh) * | 2016-09-22 | 2017-03-22 | 深圳市元征科技股份有限公司 | 一种行车轨迹的确定方法及其装置 |
| CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113672845A (zh) * | 2020-05-14 | 2021-11-19 | 阿波罗智联(北京)科技有限公司 | 一种车辆轨迹的预测方法、装置、设备及存储介质 |
| CN111707258A (zh) * | 2020-06-15 | 2020-09-25 | 中国第一汽车股份有限公司 | 一种外部车辆监测方法、装置、设备及存储介质 |
| CN111707258B (zh) * | 2020-06-15 | 2022-05-31 | 中国第一汽车股份有限公司 | 一种外部车辆监测方法、装置、设备及存储介质 |
| CN111595303A (zh) * | 2020-07-03 | 2020-08-28 | 成都微宇科技有限责任公司 | 一种筛选航片的方法 |
| CN112926930A (zh) * | 2021-04-14 | 2021-06-08 | 广州市钛菱云科技有限公司 | 一种外卖保鲜方法、***、设备及计算机可读存储介质 |
| CN113419258A (zh) * | 2021-07-07 | 2021-09-21 | 东软集团股份有限公司 | 一种定位异常检测方法及其相关设备 |
| CN113419258B (zh) * | 2021-07-07 | 2024-03-01 | 东软集团股份有限公司 | 一种定位异常检测方法及其相关设备 |
| CN113635900A (zh) * | 2021-08-10 | 2021-11-12 | 吉林大学 | 一种预测巡航过程中基于能量管理的换道决策控制方法 |
| CN113635900B (zh) * | 2021-08-10 | 2024-03-19 | 吉林大学 | 一种预测巡航过程中基于能量管理的换道决策控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110908379A (zh) | 基于历史信息的车辆轨迹预测方法、装置及存储介质 | |
| US11267474B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
| EP3822142A1 (en) | Confidence levels along the same predicted trajectory of an obstacle | |
| JP6637400B2 (ja) | 車両制御装置 | |
| Cosgun et al. | Towards full automated drive in urban environments: A demonstration in gomentum station, california | |
| CN110389580B (zh) | 用于规划自动驾驶车辆的路径的漂移校正的方法 | |
| US11462099B2 (en) | Control system and control method for interaction-based long-term determination of trajectories for motor vehicles | |
| JP6432679B2 (ja) | 停車位置設定装置及び方法 | |
| CN109050533B (zh) | 一种车辆自动换道控制方法和装置 | |
| CN113228040B (zh) | 多级对象行进方向估计的***和方法 | |
| WO2021103510A1 (en) | Method, device and storage medium for controlling autonomous vehicle | |
| CN110678372B (zh) | 车辆控制装置 | |
| KR20200014931A (ko) | 차량용 정보 기억 방법, 차량의 주행 제어 방법, 및 차량용 정보 기억 장치 | |
| CN114074681B (zh) | 基于概率的车道变更决策和运动规划***及其方法 | |
| CN116209611B (zh) | 在自动驾驶中使用其他道路使用者对自我交通工具行为的反应的方法和*** | |
| US10909377B2 (en) | Tracking objects with multiple cues | |
| US20240043034A1 (en) | Method and system for conditional operation of an autonomous agent | |
| JP2017081382A (ja) | 自動運転装置 | |
| CN112046481A (zh) | 自动驾驶装置和方法 | |
| WO2020164090A1 (en) | Trajectory prediction for driving strategy | |
| US20220392276A1 (en) | Vehicle behavior evaluation device, vehicle behavior evaluation method, and vehicle behavior evaluation program product | |
| Weisswange et al. | Intelligent traffic flow assist: Optimized highway driving using conditional behavior prediction | |
| US20210107522A1 (en) | Vehicle control system | |
| CN111527497B (zh) | 用于运行自主车辆的驾驶员辅助***的方法、计算机可读介质、***和车辆 | |
| WO2023129890A1 (en) | Integrated trajectory forecasting, error estimation, and vehicle handling when detecting an observed scenario |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |