CN112046502A - 自动驾驶装置和方法 - Google Patents

Abstract

公开了一种自动驾驶装置和方法。该装置包括传感器单元、输出单元、存储器和处理器，该处理器被配置为基于存储在存储器中的地图信息来控制本车辆的自动驾驶。处理器基于由传感器单元检测到的本车辆周围的周围车辆的驾驶信息和地图信息，生成周围车辆的实际驾驶轨迹和预期驾驶轨迹，以及基于当本车辆的自动驾驶模式关闭时传感器单元检测到的乘客状态，基于根据周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差确定的本车辆的自动驾驶风险，控制本车辆的驾驶以及与外部机构的通信一项或多项。

Description

自动驾驶装置和方法

相关申请的交叉引用

本申请要求于2019年5月20日提交的韩国专利申请第10-2019-0058611号的优先权和权益，如同本文所述，出于所有目的，特此通过引用将其并入本文。

技术领域

本公开的示例性实施方式涉及应用于自动驾驶车辆的自动驾驶装置和方法。

背景技术

当今的汽车工业正朝着实施自动驾驶的方向发展，以最大程度地减少驾驶员对车辆驾驶的干预。自动驾驶车辆是指这样的车辆，该车辆通过在驾驶时使用外部信息检测和处理功能来识别周围环境来自动地确定驾驶路径，并利用其自身的动力独立地行驶。

尽管驾驶员不操作方向盘、加速踏板或制动器，但是自动驾驶车辆可以自动行驶到目的地，同时防止与驾驶路径上的障碍物碰撞并且基于道路的形状控制车辆速度和驾驶方向。例如，自动驾驶车辆可以在直路上执行加速，并且可以在根据弯道中的弯道的曲率改变驾驶方向的同时执行减速。

为了确保自动驾驶车辆的安全驾驶，需要通过使用安装在车辆上的传感器精确地测量驾驶环境并继续监视车辆的驾驶状态来基于测得的驾驶环境控制自动驾驶车辆的驾驶。为此，将诸如LIDAR传感器、雷达传感器、超声波传感器和相机传感器的各种传感器，即用于检测诸如周围车辆、行人和固定设施的周围对象的传感器应用于自动驾驶车辆。由这种传感器输出的数据用于确定驾驶环境的信息，例如状态信息，诸如周围对象的位置、形状、移动方向和移动速度。

此外，自动驾驶车辆还具有以下功能：通过使用先前存储的地图数据确定并校正车辆的位置来最佳地确定驾驶路径和驾驶车道的功能，控制车辆的驾驶，以使车辆不会偏离所确定的路径和车道的功能，以及针对驾驶路径或在附近突然出现的车辆的危险因素进行防御和躲避驾驶的功能。

在韩国专利申请公开第10-1998-0068399号(1998年10月15日)中公开了本公开的背景。

发明内容

实施方式致力于提供自动驾驶装置和方法，该装置和方法可以通过基于自动驾驶车辆的自动驾驶风险向乘客输出适当的警告来提高自动驾驶车辆的驾驶稳定性和驾驶精度，并通过控制本车辆的驾驶以及基于乘客的状态与外部机构进行通信，有效地处理出现在乘客中的紧急情况。

在实施方式中，自动驾驶装置包括：传感器单元，被配置为检测自动行驶的本车辆周围的周围车辆以及已经进入所述本车辆的乘客的状态；输出单元；存储器，被配置为存储地图信息；以及处理器，被配置为基于存储在所述存储器中的所述地图信息来控制所述本车辆的自动驾驶。处理器被配置为基于由所述传感器单元检测到的所述周围车辆的驾驶信息和所述存储器中存储的所述地图信息，来生成所述周围车辆的实际驾驶轨迹和预期驾驶轨迹，并且当基于根据所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差而确定的所述本车辆的自动驾驶风险来关闭所述本车辆的自动驾驶模式时，基于所述传感器单元检测到的所述乘客的状态来控制所述本车辆的驾驶以及与外部机构的通信中的一项或多项。

在实施方式中，处理器被配置为基于所述周围车辆的驾驶模式是否为所述自动驾驶模式以及所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差，来确定所述本车辆的所述自动驾驶风险；并且通过所述输出单元以与确定的所述自动驾驶风险相对应的等级向所述乘客输出警告。所述处理器基于所述本车辆的所述自动驾驶风险的升序，通过所述输出单元将警告作为第一等级至第三等级向所述乘客输出。

在实施方式中，处理器被配置为：当所述周围车辆的驾驶模式为所述自动驾驶模式时，通过所述输出单元向所述乘客输出与所述第一等级相对应的警告，并且当所述周围车辆的所述驾驶模式是手动驾驶模式时，通过所述输出单元向所述乘客输出与第二等级相对应的警告。

在实施方式中，处理器被配置为：基于所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差的大小或轨迹误差的累加，对所述本车辆执行自动驾驶控制的可靠性诊断，并且作为执行诊断的结果，如果确定对所述本车辆的自动驾驶控制不可靠，则通过所述输出单元向所述乘客输出与所述第三等级相对应的警告。

在实施方式中，当在预设的第一临界时间内出现所述轨迹误差的大小为预设的第一临界值或更大的状态时，确定对所述本车辆的自动驾驶控制不可靠。

在实施方式中，处理器被配置为在所述第一临界时间内在所述轨迹误差的大小小于所述第一临界值的状态下，使用所述轨迹误差的累加来附加地执行可靠性的诊断；并且在所述第一临界时间内所述轨迹误差的大小小于所述第一临界值的状态下，当在预设为大于所述第一临界时间的值的第二临界时间内，出现通过累加所述轨迹误差而获取的累加为预设的第二临界值或更大的状态时，确定对所述本车辆的所述自动驾驶控制不可靠。

在实施方式中，处理器被配置为当所述轨迹误差的大小变得小于所述第一临界值时、当所述轨迹误差的累加变得小于所述第二临界值时、或者当在通过所述输出单元向所述乘客输出警告之后确定通过所述传感器单元检测到的所述乘客的状态为前视状态时，解除通过所述输出单元输出的警告。

在实施方式中，处理器被配置为在所述轨迹误差的大小变为所述第一临界值或更大，或者所述轨迹误差的累加变为所述第二临界值或更大的状态下，如果确定所述传感器单元检测到的所述乘客的状态不对应于所述前视状态，则关闭所述本车辆的所述自动驾驶模式。

在实施方式中，处理器被配置为当所述本车辆的所述自动驾驶模式关闭后，所述乘客未执行手动驾驶操作时，允许所述本车辆的驾驶模式进入紧急自动驾驶模式，使得所述本车辆移动到所述乘客所需的特定点。

在实施方式中，处理器被配置为当通过所述传感器单元未检测到所述乘客的行为，或通过所述传感器单元检测到的所述乘客的生物信号的模式与作为所述乘客的正常身体状态下的生物信号而先前存储在所述存储器中的正常生物信号的模式不同时，向所述外部机构发送救援信号。

在实施方式中，自动驾驶方法包括以下步骤：由处理器基于存储在存储器中的地图信息来控制本车辆的自动驾驶；由所述处理器基于由传感器单元检测到的周围车辆的驾驶信息和所述存储器中存储的所述地图信息，来生成所述本车辆周围的所述周围车辆的实际驾驶轨迹和预期驾驶轨迹；以及当基于根据所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差而确定的所述本车辆的自动驾驶风险来关闭所述本车辆的自动驾驶模式时，由所述处理器基于所述传感器单元检测到的乘客的状态来控制所述本车辆的驾驶以及与外部机构的通信中的一项或多项。

附图说明

图1是可以应用根据本公开的实施方式的自动驾驶装置的自动驾驶控制***的总体框图。

图2是示出根据本公开的实施方式的自动驾驶装置中的自动驾驶综合控制器的详细配置的框图。

图3是示出其中根据本公开的实施方式的自动驾驶装置被应用于车辆的示例的示例性示图。

图4是示出应用了根据本公开的实施方式的自动驾驶装置的车辆的内部结构的示例的示例图。

图5是示出根据本公开的实施方式的LIDAR传感器、雷达传感器和相机传感器可在其中检测自动驾驶装置中的周围对象的设置距离和水平视野的示例的示例图。

图6是示出根据本公开的实施方式的其中传感器单元在自动驾驶装置中检测周围车辆的示例的示例图。

图7是用于描述根据本公开的实施方式的自动驾驶方法的流程图。

图8是用于具体描述根据本公开的实施方式的自动驾驶方法中的输出警告的步骤的流程图。

具体实施方式

在下文中，下面将通过各种示例性实施方式参考附图来描述自动驾驶装置和方法。为了描述的清楚和方便起见，在此过程中附图中所示的线的粗细或元素的大小可能已被放大。在下文中描述的术语已经通过考虑其在本公开中的功能来定义，并且可以根据用户或操作者的意图或实践而改变。因此，应基于本说明书的整体内容来解释这些术语。

图1是可以应用根据本公开的实施方式的自动驾驶装置的自动驾驶控制***的总体框图。图2是示出根据本公开的实施方式的自动驾驶装置中的自动驾驶综合控制器的详细配置的框图。图3是示出其中根据本公开的实施方式的自动驾驶装置被应用于车辆的示例的示例性示图。图4是示出应用了根据本公开的实施方式的自动驾驶装置的车辆的内部结构的示例的示例图。图5是示出根据本公开的实施方式的LIDAR传感器、雷达传感器和相机传感器可在其中检测自动驾驶装置中的周围对象的设置距离和水平视场的示例的示例图。图6是示出根据本公开的实施方式的其中传感器单元在自动驾驶装置中检测周围车辆的示例的示例图。

首先，参照图1和图3描述可以应用根据本实施方式的自动驾驶装置的自动驾驶控制***的结构和功能。如图1所示，自动驾驶控制***可以基于配置为通过驾驶信息输入接口101、行驶信息输入接口201、乘客输出接口301和车辆控制输出接口401来发送和接收车辆的自动驾驶控制所需的数据的自动驾驶综合控制器600实现。

自动驾驶综合控制器600可以在车辆的自动驾驶模式或手动驾驶模式下基于乘客对用户输入单元100的操作通过驾驶信息输入接口101来获取驾驶信息。如图1所示，例如，用户输入单元100可以包括驾驶模式切换110和用户终端120(例如，安装在车辆上的导航终端或乘客拥有的智能手机或平板电脑)。因此，驾驶信息可以包括车辆的驾驶模式信息和导航信息。例如，通过乘客对驾驶模式切换110的操作而确定的车辆的驾驶模式(即自动驾驶模式/手动驾驶模式或运动模式/节能模式/安全模式/普通模式)可以作为驾驶信息通过驾驶信息输入接口101被发送到自动驾驶综合控制器600。此外，导航信息，例如乘客的目的地和乘客通过用户终端120输入的到达目的地的路径(例如，到达目的地的候选路径中的乘客选择的最短路径或偏好路径)，可以作为驾驶信息通过驾驶信息输入接口101被发送到自动驾驶综合控制器600。用户终端120可以被实现为提供用户界面(UI)的控制面板(例如，触摸屏面板)，驾驶员通过该用户界面输入或修改用于车辆的自动驾驶控制的信息。在这种情况下，驾驶模式切换110可以被实现为用户终端120上的触摸按钮。

此外，自动驾驶综合控制器600可以通过行驶信息输入接口201获取指示车辆的驾驶状态的行驶信息。行驶信息可以包括当乘客操作方向盘时形成的转向角，当踩踏加速踏板或制动踏板时形成的加速踏板行程或制动踏板行程，以及指示车辆的驾驶状态和行为的各种类型的信息，例如车辆速度、加速度、偏航、俯仰和侧倾、即在车辆中形成的行为。如图1所示，行驶信息可以由行驶信息检测单元200检测，包括转向角传感器210、加速位置传感器(APS)/踏板行程传感器(PTS)220、车辆速度传感器230、加速度传感器240、偏航/俯仰/侧倾传感器250。此外，车辆的行驶信息可以包括车辆的位置信息。可以通过应用于车辆的全球定位***(GPS)接收器260获取车辆的位置信息。这样的行驶信息可以通过行驶信息输入接口201被发送到自动驾驶综合控制器600，并且可以被用于在车辆的自动驾驶模式或手动驾驶模式下控制车辆的驾驶。

此外，自动驾驶综合控制器600可以在车辆的自动驾驶模式或手动驾驶模式下通过乘客输出接口301将提供给乘客的驾驶状态信息发送到输出单元300。即，自动驾驶综合控制器600将车辆的驾驶状态信息发送到输出单元300，使得乘客可以基于通过输出单元300输出的驾驶状态信息来检查车辆的自动驾驶状态或手动驾驶状态。驾驶状态信息可包括指示车辆的驾驶状态的各种类型的信息，例如，当前的驾驶模式，车辆的变速范围和车速。此外，如果确定有必要在车辆的自动驾驶模式或手动驾驶模式下警告驾驶员驾驶状态信息，则自动驾驶综合控制器600通过乘客输出接口301将警告信息发送到输出单元300，以便输出单元300可以向驾驶员输出警告。如图1所示，为了在听觉和视觉上输出这种驾驶状态信息和警告信息，输出单元300可以包括扬声器310和显示器320。在这种情况下，显示器320可以被实现为与用户终端120相同的装置，或者可以被实现为与用户终端120分离的独立装置。

此外，自动驾驶综合控制器600可以在车辆的自动驾驶模式或手动驾驶模式下，通过车辆控制输出接口401将用于车辆的驾驶控制的控制信息发送到应用于车辆的低等级控制***400。如图1所示，用于车辆的驾驶控制的低等级控制***400可以包括发动机控制***410，制动控制***420和转向控制***430。自动驾驶综合控制器600可以通过车辆控制输出接口401将发动机控制信息、制动控制信息和转向控制信息作为控制信息发送到相应的低等级控制***410、420和430。因此，发动机控制***410可以通过增加或减少供应给发动机的燃料来控制车辆的车速和加速度。制动控制***420可以通过控制车辆的制动功率来控制车辆的制动。转向控制***430可以通过应用于车辆的转向装置(例如，电动机驱动的动力转向(MDPS)***)来控制车辆的转向。

如上所述，根据本实施方式的自动驾驶综合控制器600可以获取以下信息：分别通过驾驶信息输入接口101和行驶信息输入接口201的可以发送到输出单元300的基于驾驶员的操作的驾驶信息和指示车辆的驾驶状态的行驶信息，基于其中通过处理器610所处理的自动驾驶算法而生成的并可以通过乘客输出接口301传输到输出单元300的驾驶状态信息和警告信息、基于通过处理器610所处理的自动驾驶算法而生成的通过车辆控制输出接口401以使得执行车辆的驾驶控制的控制信息。

为了保证车辆的稳定自动驾驶，需要通过精确地测量车辆的驾驶环境来连续地监视车辆的驾驶状态，并且基于所测量的驾驶环境来控制驾驶。为此，如图1所示，根据本实施方式的自动驾驶装置可以包括传感器单元500，用于检测车辆的周围对象，例如周围车辆、行人、道路或固定设施(例如，信号灯、路标、交通标志或建筑围栏)。如图1所示，传感器单元500可以包括LIDAR传感器510、雷达传感器520和相机传感器530中的一个或多个，以便检测车辆外部的周围对象。

LIDAR传感器510可以将激光信号发送到车辆的***，并且可以通过接收从对应对象反射并返回的信号来检测车辆外部的周围对象。LIDAR传感器510可以检测位于根据其规格预先定义的设置距离、设置垂直视场和设置水平视场内的周围对象。LIDAR传感器510可以包括分别安装在车辆的前、顶和后的前LIDAR传感器511、顶LIDAR传感器512和后LIDAR传感器513，但是每个传感器的安装位置和安装的传感器数量不限于特定实施方式。用于确定从相应对象反射并返回的激光信号的有效性的临界值可以预先存储在自动驾驶综合控制器600的存储器620中。自动驾驶综合控制器600的处理器610可以使用测量通过LIDAR传感器510传输的激光信号从相应对象反射并返回的激光信号所花费的时间的方法来确定相应对象的位置(包括到相应对象的距离)、速度和移动方向。

雷达传感器520可以在车辆周围辐射电磁波，并且可以通过接收从对应对象反射并返回的信号来检测车辆外部的周围对象。雷达传感器520可以检测在根据其规格预先定义的设置距离、设置垂直视场和设置水平视场内的周围对象。雷达传感器520可以包括分别安装在车辆的前、左、右和后的前雷达传感器521、左雷达传感器522、右雷达传感器523和后雷达传感器524，但是，每个传感器的安装位置和安装的传感器数量不限于特定实施方式。自动驾驶综合控制器600的处理器610可以使用分析通过雷达传感器520发送和接收的电磁波的功率的方法来确定相应对象的位置(包括到相应对象的距离)、速度和移动方向。

相机传感器530可以通过拍摄车辆的***来检测车辆外部的周围对象，并且可以检测在根据其规格预先定义的设置距离、设置垂直视场和设置水平视场内的周围对象。相机传感器530可以包括分别安装在车辆的前、左、右和后的前相机传感器531、左相机传感器532、右相机传感器533和后相机传感器534，但是，每个传感器的安装位置和安装的传感器数量不限于特定实施方式。自动驾驶综合控制器600的处理器610可以通过将预定义的图像处理应用于由相机传感器530捕获的图像来确定相应对象的位置(包括到相应对象的距离)、速度和移动方向。此外，用于拍摄车辆内部的内部相机传感器535可以安装在车辆内的给定位置(例如，后视镜)。自动驾驶综合控制器600的处理器610可以基于由内部相机传感器535捕获的图像来监视乘客的行为和状态，并且可以通过输出单元300向乘客输出指导或警告。

如图1所示，除了LIDAR传感器510、雷达传感器520和相机传感器530外，传感器单元500还可以包括超声传感器540，并且还可以采用各种类型的传感器来与传感器一起检测车辆的周围对象。为了帮助理解本实施方式，图3示出了前LIDAR传感器511或前雷达传感器521已经安装在车辆的前部，后LIDAR传感器513或后雷达传感器524已经安装在车辆的后部，前相机传感器531、左相机传感器532、右相机传感器533和后相机传感器534分别安装在车辆的前部、左面、右面和后部的示例。然而，如上所述，每个传感器的安装位置和安装的传感器数量不限于特定实施方式。图5示出了设定距离和水平视场的示例，在该距离和水平视场内，LIDAR传感器510、雷达传感器520和相机传感器530可以检测车辆前方的周围对象。图6示出了每个传感器检测周围对象的示例。图6仅是检测周围对象的示例。检测周围对象的方法取决于每个传感器的安装位置和安装的传感器数量。可以根据传感器单元500的配置来检测自动行驶的本车辆的全方位区域中的周围车辆和周围对象。

此外，为了确定车辆内乘客的状态，传感器单元500还可包括麦克风和生物传感器，用于检测乘客的语音和生物信号(例如，心率、心电图、呼吸、血压、体温、脑电图、光电容积脉搏波(或脉搏波)和血糖)。生物传感器可以包括心率传感器、心电图传感器、呼吸传感器、血压传感器、体温传感器、脑电图传感器、光电容积脉搏波传感器和血糖传感器。

图4示出了车辆的内部结构的示例。可以在车辆内安装内部装置，内部装置的状态由乘客(诸如车辆的驾驶员或同行乘客)操作来控制，并且支持该乘客的驾驶或便利(例如，休息或娱乐活动)。这样的内部装置可以包括其中乘坐乘客的车辆座椅S，诸如内部灯和氛围灯的照明装置L，用户终端120，显示器320和内部桌子。内部装置的状态可以由处理器610控制。

车辆座椅S的角度可以通过处理器610(或通过乘客的手动操作)进行调整。如果车辆座椅S配置有前排座椅S1和后排座椅S2，则仅可以调节前排座椅S1的角度。如果不设置后排座椅S2并且将前排座椅S1分为座椅结构和脚凳结构，则前排座椅S1可以被实现为使得前排座椅S1的座椅结构与脚凳结构在物理上分开，并且调节前排座椅S1的角度。此外，可以设置用于调节车辆座椅S的角度的致动器(例如，电机)。照明装置L的开和关可以由处理器610(或通过乘客的手动操作)来控制。如果照明装置L包括多个照明单元，例如内部灯和氛围灯，则可以独立地控制每个照明单元的开和关。用户终端120或显示器320的角度可以由处理器610(或者通过乘客的手动操作)基于乘客的视场角来调节。例如，可以调整用户终端120或显示器320的角度，使得其屏幕沿乘客的注视方向放置。在这种情况下，可以提供用于调节用户终端120和显示器320的角度的致动器(例如，电动机)。

如图1所示，自动驾驶综合控制器600可以通过网络与服务器700通信。自动驾驶综合控制器600和服务器700之间的网络方法可以采用诸如广域网(WAN)、局域网(LAN)或个人局域网(PAN)之类的各种通信方法。此外，为了确保广泛的网络覆盖，使用了低功耗的广域网(LPWAN，包括LoRa、Sigfox、Ingenu、LTE-M和NB-IOT等商业化技术，即IoT中覆盖范围非常广的网络)可以采用通信方式。例如，可以采用LoRa(能够进行低功率通信并且还具有最大约20Km的宽覆盖范围)或Sigfox(根据环境，覆盖范围从10Km(市区)到30Km(在市区以外的郊区))通信方法。此外，可以采用，基于第三代合作伙伴计划(3GPP)版本12、13的LTE网络技术，例如机器类型通信(LTE-MTC)(或LTE-M)、窄带(NB)LTE-M和具有省电模式(PSM)的NBIoT。服务器700可以提供最新的地图信息(可以对应于各种类型的地图信息，例如二维(2-D)导航地图数据，三维(3-D)流形地图数据或3D高精度电子地图数据)。此外，服务器700可以提供各种类型的信息，例如道路中的事故信息、道路控制信息、交通量信息和天气信息。自动驾驶综合控制器600可以通过从服务器700接收最新的地图信息来更新存储在存储器620中的地图信息，可以接收事故信息、道路控制信息、交通量信息和天气信息，并且可以将该信息用于车辆的自动驾驶控制。

参照图2描述根据本实施方式的自动驾驶综合控制器600的结构和功能。如图2所示，自动驾驶综合控制器600可以包括处理器610和存储器620。

存储器620可以存储车辆的自动驾驶控制所需的基本信息，或者可以存储在由处理器610控制的车辆的自动驾驶过程中生成的信息。处理器610可以访问(或读取)存储在存储器610中的信息，并且可以控制车辆的自动驾驶。存储器620可以被实现为计算机可读记录介质，并且可以以被处理器610访问的方式操作。具体地，存储器620可以被实现为硬盘驱动器、磁带、存储卡、只读存储器(ROM)、随机存取存储器(RAM)、数字视频光盘(DVD)或光学数据存储(例如光盘)。

存储器620可以存储处理器610进行自动驾驶控制所需的地图信息。存储在存储器620中的地图信息可以是提供道路单元信息的导航地图(或数字地图)，但是为了提高自动驾驶控制的精度，可以将地图信息实现为提供车道单元的道路信息的精确道路地图，即3D高精度电子地图数据。因此，存储在存储器620中的地图信息可以提供车辆的自动驾驶控制所需的动态和静态信息，例如车道、车道的中心线、执法车道、道路边界、道路的中心线、交通标志、道路标记、道路的形状和高度以及车道宽度。

此外，存储器620可以存储用于车辆的自动驾驶控制的自动驾驶算法。自动驾驶算法是用于识别自动驾驶车辆的周围，确定其周围的状态并基于确定结果来控制车辆的驾驶的算法(识别、确定和控制算法)。处理器610可以通过执行存储在存储器620中的自动驾驶算法来执行针对车辆周围环境的主动自动驾驶控制。

处理器610可以基于分别从驾驶信息输入接口101和行驶信息输入接口201接收的驾驶信息和行驶信息，传感器单元500检测到的关于周围对象的信息，以及存储在存储器620中的地图信息和自动驾驶算法来控制车辆的自动驾驶。处理器610可以实现为嵌入式处理器，例如复杂指令集计算机(CICS)或精简指令集计算机(RISC)，或者专用半导体电路，例如专用集成电路(ASIC)。

在本实施方式中，处理器610可以通过分析自动行驶的每个本车辆和周围车辆的驾驶轨迹来控制自动行驶的本车辆的自动驾驶。为此，处理器610可以包括传感器处理模块611，驾驶轨迹生成模块612，驾驶轨迹分析模块613，驾驶控制模块614，乘客状态确定模块616和轨迹学习模块615。图2基于其功能将每个模块图示为独立的方框，但是这些模块可以被集成到单个模块中并且被实现为用于集成和执行模块的功能的元件。

传感器处理模块611可以基于传感器单元500检测到自动行驶的本车辆周围的周围车辆的结果来确定周围车辆的行驶信息(即，包括周围车辆的位置，并且可以进一步包括周围车辆沿该位置的速度和移动方向)。即，传感器处理模块611可以基于通过LIDAR传感器510接收的信号来确定周围车辆的位置，可以基于通过雷达传感器520接收的信号来确定周围车辆的位置，可以基于由相机传感器530捕获的图像来确定周围车辆的位置，并且可以基于通过超声波传感器540接收到的信号来确定周围车辆的位置。为此，如图1所示，传感器处理模块611可以包括LIDAR信号处理模块611a，雷达信号处理模块611b和相机信号处理模块611c。在一些实施方式中，可以将超声信号处理模块(未示出)进一步添加到传感器处理模块611。使用LIDAR传感器510，雷达传感器520和相机传感器530确定周围车辆的位置的方法的实现方法不限于特定实施方式。此外，传感器处理模块611除了确定周围车辆的位置，速度和移动方向之外，还可以确定属性信息，例如周围车辆的大小和类型。可以预先定义用于确定诸如周围车辆的位置、速度、移动方向、大小和类型的信息的算法。

驾驶轨迹生成模块612可以生成周围车辆的实际驾驶轨迹和预期驾驶轨迹以及自动行驶的本车辆的实际驾驶轨迹。为此，如图2所示，驾驶轨迹生成模块612可包括周围车辆驾驶轨迹生成模块612a和自动驾驶的车辆的驾驶轨迹生成模块612b。

首先，周围车辆驾驶轨迹生成模块612a可以产生周围车辆的实际驾驶轨迹。

具体地，周围车辆驾驶轨迹生成模块612a可以基于由传感器单元500检测到的周围车辆的行驶信息(即，由传感器处理模块611确定的周围车辆的位置)来产生周围车辆的实际驾驶轨迹)。在这种情况下，为了产生周围车辆的实际驾驶轨迹，周围车辆驾驶轨迹生成模块612a可以参考存储在存储器620中的地图信息，并且可以通过交叉参考由传感器单元500检测到的周围车辆的位置和存储在存储器620中的地图信息中的给定位置来生成周围车辆的实际驾驶轨迹。例如，当传感器单元500在特定点检测到周围车辆时，周围车辆驾驶轨迹生成模块612a可以通过交叉参考检测到的周围车辆的位置和地图信息中的给定位置，来在存储在存储器620中的地图信息中指定当前检测到的周围车辆的位置。如上所述，周围车辆驾驶轨迹生成模块612a可以通过连续地监视周围车辆的位置来产生周围车辆的实际驾驶轨迹。也就是说，周围车辆驾驶轨迹生成模块612a可以通过将由传感器单元500检测到的周围车辆的位置映射到存储在存储器620中的地图信息中的位置，基于交叉参考并累加位置，来生成周围车辆的实际驾驶轨迹。

可以将周围车辆的实际驾驶轨迹与稍后将描述的周围车辆的预期驾驶轨迹进行比较，以用于确定存储在存储器620中的地图信息是否准确。在这种情况下，如果将特定周围车辆的实际驾驶轨迹与预期驾驶轨迹进行比较，则可能存在以下问题：尽管地图信息是准确的，但是错误地确定了存储在存储器620中的地图信息是不正确的。例如，如果多个周围车辆的实际驾驶轨迹和预期驾驶轨迹相同，并且特定周围车辆的实际驾驶轨迹和预期驾驶轨迹不同，则仅将特定周围车辆的实际驾驶轨迹与预期驾驶轨迹进行比较时，尽管地图信息是准确的，但是可能错误地确定存储在存储器620中的地图信息是不正确的。为了防止该问题，有必要确定多个周围车辆的实际驾驶轨迹的趋势是否超出预期驾驶轨迹。为此，周围车辆驾驶轨迹生成模块612a可以生成多个周围车辆中的每一个的实际驾驶轨迹。此外，如果出于直线路径驾驶的目的，考虑到周围车辆的驾驶员在他或她的驾驶过程中趋向于稍微向左和向右移动方向盘，可以以弯曲形式而不是直线形式产生周围车辆的实际驾驶轨迹。为了计算稍后将描述的预期驾驶轨迹之间的误差，周围车辆驾驶轨迹生成模块612a可以通过将给定的平滑方案应用于以曲线形式生成的原始实际驾驶轨迹来生成直线形式的实际驾驶轨迹。可以采用各种方案，例如对周围车辆的每个位置进行插值，作为平滑方案。

此外，周围车辆驾驶轨迹生成模块612a可以基于存储在存储器620中的地图信息来产生周围车辆的预期驾驶轨迹。

如上所述，存储在存储器620中的地图信息可以是3D高精度电子地图数据。因此，地图信息可以提供车辆的自动驾驶控制所需的动态和静态信息，例如车道、车道的中心线、执法车道、道路边界、道路的中心线、交通标志、道路标记、道路的形状和高度以及车道宽度。如果考虑到车辆通常在车道的中间行驶，则可以预期在自动行驶的本车辆周围行驶的周围车辆也将在车道的中间行驶。因此，周围车辆驾驶轨迹生成模块612a可以产生周围车辆的预期驾驶轨迹作为并入地图信息中的道路的中心线。

自动驾驶的车辆的驾驶轨迹生成模块612b可以基于通过行驶信息输入接口201获取的自动行驶的本车辆的行驶信息，生成到目前为止已经被驾驶的自动行驶的本车辆的实际驾驶轨迹。

具体地，自动驾驶的车辆的驾驶轨迹生成模块612b可以通过交叉参考通过行驶信息输入接口201(即，由GPS接收器260获取的关于自动行驶的本车辆的位置的信息)获取的自动行驶的本车辆的位置和存储在存储器620中的地图信息中的给定位置，来生成自动行驶的本车辆的实际驾驶轨迹。例如，自动驾驶的车辆的驾驶轨迹生成模块612b可以通过交叉参考通过行驶信息输入接口201获取的自动行驶的本车辆的位置和地图信息中的给定位置，在地图信息中指定存储在存储器620中的自动行驶的本车辆的当前位置。如上所述，自动驾驶的车辆的驾驶轨迹生成模块612b可以通过连续监视自动行驶的本车辆的位置来生成自动行驶的本车辆的实际驾驶轨迹。也就是说，自动驾驶的车辆的驾驶轨迹生成模块612b可以通过将通过行驶信息输入接口201获取的自动行驶的本车辆的位置映射到存储在存储器620中的地图信息中的位置，基于交叉参考并累加位置，来生成自动行驶的本车辆的实际驾驶轨迹。

此外，自动驾驶的车辆的驾驶轨迹生成模块612b可以基于存储在存储器620中的地图信息生成直至自动行驶的本车辆的目的地的预期驾驶轨迹。

也就是说，自动驾驶的车辆的驾驶轨迹生成模块612b可以使用通过行驶信息输入接口201(即，通过GPS接收器260获取的关于自动行驶的本车辆的当前位置的信息)获取的自动行驶的本车辆的当前位置和存储在存储器620中的地图信息来产生到达目的地的预期驾驶轨迹。与周围车辆的预期驾驶轨迹类似，自动行驶的本车辆的预期驾驶轨迹可以被生成为合并到存储在存储器620中的地图信息中的道路的中心线。

由周围车辆驾驶轨迹生成模块612a和自动驾驶的车辆的驾驶轨迹生成模块612b产生的驾驶轨迹可以存储在存储器620中，并且可以用于在由处理器610控制自动行驶的本车辆的自动驾驶的过程中的各种目的。

驾驶轨迹分析模块613可以通过分析由驾驶轨迹生成模块612生成并存储在存储器620中的驾驶轨迹(即，周围车辆的实际驾驶轨迹和预期驾驶轨迹以及自动行驶的本车辆的实际驾驶轨迹)来诊断自动行驶的本车辆的自动驾驶控制的当前可靠性。自动驾驶控制的可靠性的诊断可以在分析周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的过程中执行。

驾驶控制模块614可以执行用于控制自动行驶的本车辆的自动驾驶的功能。具体地，驾驶控制模块614可以分别使用通过驾驶信息输入接口101和行驶信息输入接口201接收的驾驶信息和行驶信息，传感器单元500检测到的关于周围对象的信息，以及存储在存储器620中的地图信息来综合处理自动驾驶算法，可以通过车辆控制输出接口401将控制信息发送到低等级控制***400，使得低等级控制***400控制自动行驶的本车辆的自动驾驶，并且可以通过乘客输出接口301将自动行驶的本车辆的驾驶状态信息和警告信息发送到输出单元300，使得驾驶员可以识别驾驶状态信息和警告信息。此外，当集成和控制这种自动驾驶时，驾驶控制模块614通过考虑已经由传感器处理模块611、驾驶轨迹生成模块612和驾驶轨迹分析模块613分析的自动行驶的本车辆和周围车辆的驾驶轨迹来控制自动驾驶，从而提高自动驾驶控制的精度并增强自动驾驶控制的安全性。

轨迹学习模块615可以对由自动驾驶的车辆的驾驶轨迹生成模块612b生成的自动行驶的本车辆的实际驾驶轨迹进行学习或校正。例如，当周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差为预设临界值或更大时，轨迹学习模块615可以通过确定存储在存储器620中的地图信息不正确，来确定需要校正自动行驶的本车辆的实际驾驶轨迹。因此，轨迹学习模块615可以确定用于校正自动行驶的本车辆的实际驾驶轨迹的横向偏移值，并且可以校正自动行驶的本车辆的驾驶轨迹。

乘客状态确定模块616可以基于由内部相机传感器535和生物传感器检测到的乘客的状态和生物信号来确定乘客的状态和行为。由乘客状态确定模块616确定的乘客状态可以用于对自动行驶的本车辆的自动驾驶控制或在向乘客输出警告的过程中。

在下文中，基于上述内容描述了第一实施方式，在第一实施方式中，与本车辆的自动驾驶风险相对应的警告被输出给乘客。

如上所述，根据本实施方式的处理器610(的驾驶轨迹生成模块612)可以基于由传感器单元500检测到的周围车辆的驾驶信息来产生周围车辆的实际驾驶轨迹。也就是说，当传感器单元500在特定点检测到周围车辆时，处理器610可以通过交叉参考检测到的周围车辆的位置和存储在存储器620中的地图信息中的位置来在地图信息中指定当前检测到的周围车辆的位置。如上所述，处理器610可以通过连续地监视周围车辆的位置来生成周围车辆的实际驾驶轨迹。

此外，处理器610(的驾驶轨迹生成模块612)可以基于存储在存储器620中的地图信息来产生周围车辆的预期驾驶轨迹。在这种情况下，处理器610可以生成周围车辆的预期驾驶轨迹作为并入地图信息中的车道的中心线。

此后，处理器610可以基于周围车辆的驾驶模式是否是自动驾驶模式以及周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差，来确定本车辆的自动驾驶风险，并可以通过输出单元300以与所确定的自动驾驶风险相对应的等级向乘客输出警告。本车辆的自动驾驶风险可以被定义为意味着在本车辆的自动驾驶过程中可能出现与外部对象的碰撞的可能性。在这种情况下，处理器610可以基于本车辆的自动驾驶风险的升序，通过输出单元300将警报作为第一等级至第三等级输出给乘客。

对应于第一等级的警告可以意味着当本车辆的自动驾驶风险处于最低等级时向乘客输出的警告。例如，对应于第一等级的警告可以被实现为其中通过输出单元300输出具有第一颜色(例如，蓝色)的视觉显示的实施方式。对应于第二等级的警告可以意味着当本车辆的自动驾驶风险处于中间等级时向乘客输出的警告。例如，对应于第二等级的警告可以被实施为其中通过输出单元300输出具有第二颜色(例如，黄色)的视觉显示的实施方式。对应于第三等级的警告可以意味着当本车辆的自动驾驶风险处于最高等级时向乘客输出的警告。例如，对应于第三等级的警告可以被实现为其中通过输出单元300输出具有第三颜色(例如，红色)的视觉显示，并且给定的语音警告与视觉显示一起输出的实施方式。视觉警告和听觉警告可以通过输出单元300的显示装置320和扬声器310输出。此外，视觉警告和听觉警告仅是用于帮助理解本实施方式的示例，并且可以在乘客可以识别出本车辆的自动驾驶风险的当前等级的范围内被实现为各种实施方式。实施方式的详细实现方法不限于特定实施方式。此外，详细的实现方法可以包括附加的实现示例，例如根据车辆的规格使用座椅振动的警告。乘客可以基于由用户终端120提供的UI或由显示装置320本身提供的UI来设置或修改输出与第一等级至第三等级相对应的警告的方法。

详细描述其中处理器610以对应于自动驾驶风险的等级通过输出单元300向乘客输出警告的构造。处理器610可以基于V2X通信来确定周围车辆的驾驶模式是自动驾驶模式还是手动驾驶模式。

当周围车辆的驾驶模式是自动驾驶模式时，处理器610可以通过输出单元300向乘客输出与第一等级相对应的警告。即，当周围车辆的驾驶模式是自动驾驶模式时，可以认为由于周围车辆的驾驶员的手动驾驶而发生意想不到的情况的可能性或者由于周围车辆的驾驶员的不良驾驶而引起的与本车辆的碰撞的可能性相对较低。在这种情况下，处理器610可以确定本车辆的自动驾驶风险对应于最低等级，并且可以通过输出单元300向乘客输出与第一等级相对应的警告。

当周围车辆的驾驶模式是手动驾驶模式时，处理器610可以通过输出单元300向乘客输出与第二等级相对应的警告。即，当周围车辆的驾驶模式是手动驾驶模式时，可以认为由于周围车辆的驾驶员的手动驾驶而发生意想不到的情况的可能性或者由于周围车辆的驾驶员的不良驾驶而引起的与本车辆的碰撞的可能性与周围车辆以自动驾驶模式行驶的情况相比相对较高。在这种情况下，处理器610可以确定本车辆的自动驾驶风险对应于中间等级，并且可以通过输出单元300向乘客输出与第二等级相对应的警告。

如上所述，通过确定周围车辆的驾驶模式是否为自动驾驶模式的过程，将与第一等级或第二等级相对应的警告输出给乘客。因此，乘客可以有效地识别归因于外部因素的自动驾驶风险，即，基于由周围车辆的驾驶引起的本车辆与周围车辆之间的碰撞的自动驾驶风险。

处理器610可以基于周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差来执行对本车辆的自动驾驶控制的可靠性的诊断。作为执行的结果，如果确定为对本车辆的自动驾驶控制不可靠，则处理器610可以通过输出单元300向乘客输出与第三等级相对应的警告。当执行对本车辆的自动驾驶控制的可靠性的诊断时，处理器610可以基于周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的大小或轨迹误差的累加，来执行对本车辆的自动驾驶控制的可靠性的诊断。

具体地，其中存在周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的状态可以对应于对本车辆执行的自动驾驶控制为不可靠的状态。即，如果基于由传感器单元500检测到的周围车辆的驾驶信息而生成的实际驾驶轨迹与基于存储在存储器620中的地图信息而产生的预期驾驶轨迹之间存在误差，则这表示周围车辆未沿着(期望周围车辆按照图信息行驶)车道中心线行驶的状态。这意味着存在传感器单元500可能错误地检测到周围车辆的可能性，或者存在存储在存储器620中的地图信息可能不正确的可能性。即，可能存在两种可能性。首先，尽管周围车辆实际上是基于预期驾驶轨迹行驶的，但是由于传感器单元500的异常，周围车辆的实际驾驶轨迹可能会发生错误。其次，存储在存储器620中的地图信息和周围车辆现在正在行驶的道路的状态可能不匹配(例如，由于周围车辆当前正在行驶的道路上的建造或维修，因为与存储在存储器620中的地图信息相比，该车道已向左或向右移动，因此周围车辆在已移动的车道上行驶)。因此，处理器610可以基于周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的大小或轨迹误差的累加，来执行对本车辆的自动驾驶控制的可靠性的诊断。此外，如上所述，为了考虑到周围车辆的总体驾驶趋势，可以考虑多个周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差，而不是任何特定周围车辆的实际驾驶轨迹。

详细地描述由处理器610基于周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差执行可靠性诊断的过程。首先，当在预设的第一临界时间内出现轨迹误差的大小为预设的第一临界值或更大值的状态时，处理器610可以确定对本车辆的自动驾驶控制不可靠。

在这种情况下，第一临界时间是指为诊断自动驾驶控制的可靠性而预设的时间。时序，即时间的标准，可以是处理器610发起的周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的比较的时序。具体地，处理器610生成周围车辆的实际驾驶轨迹和预期驾驶轨迹，计算实际驾驶轨迹和预期驾驶轨迹之间的轨迹误差，并且诊断自动驾驶控制的可靠性的过程可以以预设的确定周期周期性地执行，以便减少存储器620的资源和处理器610的计算负荷(因此，可以在确定周期中周期性地删除存储在存储器620中的周围车辆的实际驾驶轨迹和预期驾驶轨迹)。在这种情况下，当在从任何一个周期的开始时刻起经过第一临界时间之前出现轨迹误差的大小为第一临界值或更大值的状态时，处理器610可以确定自动驾驶控制为不可靠。第一临界时间的大小(其值小于确定周期的时间区间的大小)可以根据设计者的意图以各种方式来设计并且存储在存储器620中。此外，第一临界值也可以根据设计者的意图以各种方式设计并存储在存储器620中。

此外，当在第一临界时间内轨迹误差的大小小于第一临界值时，处理器610可以使用轨迹误差的累加来附加地执行可靠性诊断。即，尽管在第一临界时间内轨迹误差的大小小于第一临界值，但是当小于第一临界值的轨迹误差的累加值大于或等于给定值时，周围车辆的状态对应于以下状态：尽管误差程度较小，但是周围车辆已经偏离预期驾驶轨迹而行驶了给定时间。因此，处理器610可以通过使用轨迹误差的累加来附加地执行可靠性诊断，从而更精确地确定对本车辆的自动驾驶控制是否可靠。

在这种情况下，在第一临界时间内轨迹误差的大小小于第一临界值的状态下，当在预设为大于第一临界时间的值的第二临界时间内，通过累加轨迹误差而获取的累加(即一个周期内轨迹误差的累加值)为预设的第二临界值或更大值的状态时，处理器610可以确定对本车辆的自动驾驶控制不可靠。在这种情况下，第二临界时间可以被预先存储在存储器620中，该第二临界时间是大于第一临界时间并且小于确定周期的时间区间的大小的值。此外，也可以根据设计者的意图以各种方式设计第二临界值并将其存储在存储器620中。

如果通过上述过程确定对本车辆的自动驾驶控制不可靠，则处理器610可以通过输出单元300向乘客输出与第三等级相对应的警告。也就是说，当通过上述过程确定对本车辆的自动驾驶控制不可靠时的自动驾驶风险可被认为高于在周围车辆的自动驾驶模式或手动驾驶模式中引起的自动驾驶风险。因此，处理器610可以确定自动驾驶风险对应于最高等级，并且可以通过输出单元300向乘客输出与第三等级相对应的警告。在这种情况下，处理器610可以通过考虑由传感器单元500(的内部相机传感器535)检测到的乘客的状态(即，由乘客状态确定模块616确定的乘客状态)，通过输出单元300向乘客输出警告。在这种情况下，如果确定乘客未向前看，则处理器610可以通过输出单元300将警告输出给乘客。因此，乘客可以识别出与通过输出单元300输出的第三等级相对应的警告，并且可以通过感知传感器单元500的操作可能异常的可能性或存储在存储器620中的地图信息不正确的可能性，来采取适当的后续措施。

如上所述，诊断了对本车辆的自动驾驶控制的可靠性，并且将对应于第三等级的警告输出给乘客。因此，乘客可以有效地识别出归因于内部因素的自动驾驶风险，即归因于对本车辆本身进行错误的自动驾驶控制而导致的本车辆与周围车辆之间的碰撞引起的自动驾驶风险。

在通过输出单元300向乘客输出警告之后，当周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的大小变得小于第一临界值或轨迹误差的累加小于第二临界值时，处理器610可以解除通过输出单元300输出的警告。即，在输出警告之后，当在任何一个周期内轨迹误差的大小变得小于第一临界值或轨迹误差的累加小于第二临界值时，这意味着对本车辆的自动驾驶控制的可靠性已经恢复。因此，处理器610可以解除从输出单元300输出的警告来防止不必要的警告被输出给驾驶员。在这种情况下，如果尽管解除了通过输出单元300的警告输出，但是在特定时刻已经输出了警告，这意味着存在存储在存储器620中的地图信息相对于道路上的特定点或路段可能不正确的可能性。因此，处理器610可以在不影响当前对本车辆的自动驾驶控制的时刻，使用随后从服务器700接收到的新地图信息来更新存储在存储器620中的地图信息。

此外，在通过输出单元300向乘客输出警告之后，如果确定传感器单元500检测到的乘客的状态为前视状态，则处理器610可以解除通过输出单元300输出的警告。也就是说，如果在已经输出警告之后乘客保持前视，则可以确定本车辆当前正在安全行驶。因此，处理器610可以解除通过输出单元300输出的警告来防止不必要的警告输出到驾驶员。即使在这种情况下，处理器610可以在不影响当前对本车辆的自动驾驶控制的时刻，使用随后从服务器700接收到的新地图信息来更新存储在存储器620中的地图信息。

当基于根据周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差而确定的本车辆的自动驾驶风险，来关闭本车辆的自动驾驶模式时，处理器610可以基于由传感器单元500检测到的乘客的状态来控制本车辆的驾驶以及与外部机构的通信中的一项或多项。也就是说，即使在通过输出单元300将警告输出给乘客之后，如果确定周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的大小为第一临界值或更大或者轨迹误差的累加大于或等于第二临界值，并且由传感器单元500检测到的乘客的状态不对应于前视状态，则处理器610可以关闭自动驾驶模式，以便引起乘客的手动驾驶。在自动驾驶模式被关闭之后，处理器610可以基于由传感器单元500检测到的乘客的状态来控制本车辆的驾驶以及与外部机构的通信中的一项或多项。

描述了在关闭本车辆的自动驾驶模式之后，基于乘客的状态来控制本车辆的驾驶以及与外部机构的通信的处理器610的操作。如果在关闭本车辆的自动驾驶模式之后未执行乘客的手动驾驶操作，则处理器610可以将本车辆的驾驶模式改变为紧急自动驾驶模式，使得本车辆可以移动到乘客需要的特定地点。也就是说，尽管自动驾驶模式已经关闭，但是如果通过驾驶信息检测器200的转向角传感器210或APS/PTS220未检测到乘客的手动驾驶操作，则处理器610可以主要确定乘客发生了紧急情况，并且可以通过允许本车辆的驾驶模式进入紧急自动驾驶模式来控制低等级控制***400，使得本车辆移动到乘客所需的特定点(例如，附近的医院，乘客所需的急诊室，服务站或休息区)。

此外，如果通过传感器单元500未检测到乘客的行为，或者由传感器单元500检测到的乘客的生物信号的模式与作为乘客在正常身体状况下的生物信号而先前存储在存储器620中的正常生物信号的模式不同，则处理器610可以将救援信号发送到外部机构。

也就是说，如果在传感器单元500内设置的内部相机传感器535未检测到乘客的行为(即乘客不动)，或者由传感器单元500内设置的生物传感器检测到的乘客的生物信号(例如，脉搏或体温)的模式与正常生物信号的模式不同，则处理器610可以确定乘客中已经出现紧急情况，并且可以将救援信号发送给乘客所需的外部机构(例如，附近的医院、消防局或警察局)。

图7是用于描述根据本公开的实施方式的自动驾驶方法的流程图。图8是用于具体描述根据本公开的实施方式的自动驾驶方法中的输出警告的步骤的流程图。

参照图7描述根据本公开的实施方式的自动驾驶方法。首先，处理器610基于存储在存储器620中的地图信息来控制本车辆的自动驾驶(S100)。

此外，处理器610基于由传感器单元500检测到的周围车辆的驾驶信息和存储在存储器620中的地图信息，生成在本车辆周围的周围车辆的实际驾驶轨迹和预期驾驶轨迹(S200)。

此外，处理器610基于周围车辆的驾驶模式是否是自动驾驶模式以及周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差，来确定本车辆的自动驾驶风险，并通过输出单元300以与确定的自动驾驶风险相对应的等级向乘客输出警告(S300)。在步骤S300，处理器610可以基于本车辆的自动驾驶风险的升序，通过输出单元300将警告作为第一等级至第三等级输出给乘客。

参考图8详细描述步骤S300。处理器610确定周围车辆的驾驶模式(S301)。作为确定的结果，如果周围车辆的驾驶模式是自动驾驶模式，则处理器610通过输出单元300向乘客输出与第一等级相对应的警告(S302)。作为步骤S301处的确定的结果，如果周围车辆的驾驶模式是手动驾驶模式，则处理器610通过输出单元300向乘客输出与第二等级相对应的警告(S303)。

在步骤S302或S303之后，处理器610基于周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的大小或轨迹误差的累加，对本车辆执行自动驾驶控制的可靠性诊断。作为诊断执行的结果，如果确定对本车辆的自动驾驶控制不可靠，则处理器610通过输出单元300向乘客输出与第三等级相对应的警告。

具体地，当在预设的第一临界时间内，出现周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的大小为预设的第一临界值或更大的状态(S304)时，或者在第一临界时间内轨迹误差的大小小于第一临界值的状态下，当在预设为大于第一临界时间的值的第二临界时间内，出现通过累加所述轨迹误差而获取的累加为预设的第二临界值或更大的状态(S305)时，处理器610确定对本车辆的自动驾驶控制不可靠，并且通过输出单元300向乘客输出与第三等级相对应的警告(S306)。如果在步骤S305中未出现累加为第二临界值或更大的状态，则处理器610执行正常自动驾驶控制(S600)。

在步骤S300之后，如果在步骤S400中，确定周围车辆的实际驾驶轨迹与预期驾驶轨迹之间的轨迹误差的大小变得小于第一临界值，或者轨迹误差的累加变得小于第二临界值，或者由传感器单元500检测到的乘客的状态为前视状态时(当满足图7中的警告解除条件时)，处理器610解除通过输出单元300输出的警告(S500)，并执行正常的自动驾驶控制(S600)。

相反，在步骤S300之后，在轨迹误差的大小为第一临界值或更大或者轨迹误差的累加大于或等于第二临界值的状态下，在步骤S400中如果确定由传感器单元500检测到的乘客的状态不对应于前视状态(当不满足图7中的警告解除条件时)，则处理器610关闭自动驾驶模式(S700)。

在步骤S700之后，处理器610基于由传感器单元500检测到的乘客的状态，来控制本车辆的驾驶和与外部机构的通信中的一项或多项(S800)。

在步骤S800处，如果未执行乘客的手动驾驶操作(S810)，则处理器610允许本车辆的驾驶模式进入紧急自动驾驶模式，使得本车辆可以移动到乘客必需的特定点(S820)。此外，当通过传感器单元500未检测到乘客的行为，或者由传感器单元500检测到的乘客的生物信号的模式与作为乘客的正常身体状况下的生物信号而先前存储在存储器620中的正常生物信号的模式不同(S830)，则处理器610可以将救援信号发送到外部机构(S840)。

如上所述，在本实施方式中，通过同时考虑归因于外部因素的自动驾驶风险(通过确定本车辆周围的周围车辆的驾驶模式是否为自动驾驶模式的过程来确定)和归因于内部因素的自动驾驶风险(通过执行本车辆的自动驾驶控制的可靠性诊断过程确定)，可以通过输出装置(例如应用于自动驾驶车辆的扬声器或显示装置)警告乘客。因此，乘客可以准确地识别本车辆的自动驾驶状态并采取适当的跟进措施，从而提高了自动驾驶车辆的驾驶稳定性和驾驶精度。

此外，在本实施方式中，在本车辆的自动驾驶模式关闭后，基于乘客的状态，通过控制本车辆的紧急驾驶并且将救援信号传输到外部机构，可以有效地处理乘客发生的紧急情况。

尽管已经参考附图中示出的示例性实施方式公开了本公开，但是示例性实施方式是用于说明的目的，并且本领域技术人员将理解，在不脱离如所附权利要求所限定的本公开的范围和精神的情况下，各种修改和其他等效示例性实施方式是可能的。因此，本公开的真实技术范围应由所附权利要求书限定。

Claims (20)

1.一种自动驾驶装置，包括：

传感器单元，被配置为检测自动行驶的本车辆周围的周围车辆以及已经进入所述本车辆的乘客的状态；

输出单元；

存储器，被配置为存储地图信息；以及

处理器，被配置为基于存储在所述存储器中的所述地图信息来控制所述本车辆的自动驾驶，

其中，所述处理器被配置为：

基于由所述传感器单元检测到的所述周围车辆的驾驶信息和所述存储器中存储的所述地图信息，来生成所述周围车辆的实际驾驶轨迹和预期驾驶轨迹，并且

当基于根据所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差而确定的所述本车辆的自动驾驶风险来关闭所述本车辆的自动驾驶模式时，基于所述传感器单元检测到的所述乘客的状态来控制所述本车辆的驾驶以及与外部机构的通信中的一项或多项。

2.根据权利要求1所述的自动驾驶装置，其中，所述处理器被配置为：

基于所述周围车辆的驾驶模式是否为所述自动驾驶模式以及所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差，来确定所述本车辆的所述自动驾驶风险；并且

通过所述输出单元以与确定的所述自动驾驶风险相对应的等级向所述乘客输出警告；

其中，所述处理器基于所述本车辆的所述自动驾驶风险的升序，通过所述输出单元将警告作为第一等级至第三等级向所述乘客输出。

3.根据权利要求2所述的自动驾驶装置，其中，所述处理器被配置为：

当所述周围车辆的驾驶模式为所述自动驾驶模式时，通过所述输出单元向所述乘客输出与所述第一等级相对应的警告，并且

当所述周围车辆的所述驾驶模式是手动驾驶模式时，通过所述输出单元向所述乘客输出与第二等级相对应的警告。

4.根据权利要求2所述的自动驾驶装置，其中，所述处理器被配置为：

基于所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差的大小或轨迹误差的累加，对所述本车辆执行自动驾驶控制的可靠性诊断，并且

作为执行诊断的结果，如果确定对所述本车辆的自动驾驶控制不可靠，则通过所述输出单元向所述乘客输出与所述第三等级相对应的警告。

5.根据权利要求4所述的自动驾驶装置，其中，所述处理器被配置为：当在预设的第一临界时间内出现所述轨迹误差的大小为预设的第一临界值或更大的状态时，确定对所述本车辆的自动驾驶控制不可靠。

6.根据权利要求5所述的自动驾驶装置，其中，所述处理器被配置为：

在所述第一临界时间内在所述轨迹误差的大小小于所述第一临界值的状态下，使用所述轨迹误差的累加来附加地执行可靠性的诊断；并且

在所述第一临界时间内所述轨迹误差的大小小于所述第一临界值的状态下，当在预设为大于所述第一临界时间的值的第二临界时间内，出现通过累加所述轨迹误差而获取的累加为预设的第二临界值或更大的状态时，确定对所述本车辆的所述自动驾驶控制不可靠。

7.根据权利要求6所述的自动驾驶装置，其中，所述处理器被配置为：当所述轨迹误差的大小变得小于所述第一临界值时、当所述轨迹误差的累加变得小于所述第二临界值时、或者当在通过所述输出单元向所述乘客输出警告之后确定通过所述传感器单元检测到的所述乘客的状态为前视状态时，解除通过所述输出单元输出的警告。

8.根据权利要求7所述的自动驾驶装置，其中，所述处理器被配置为：在所述轨迹误差的大小变为所述第一临界值或更大，或者所述轨迹误差的累加变为所述第二临界值或更大的状态下，如果确定所述传感器单元检测到的所述乘客的状态不对应于所述前视状态，则关闭所述本车辆的所述自动驾驶模式。

9.根据权利要求8所述的自动驾驶装置，其中，所述处理器被配置为：当所述本车辆的所述自动驾驶模式关闭后，所述乘客未执行手动驾驶操作时，允许所述本车辆的驾驶模式进入紧急自动驾驶模式，使得所述本车辆移动到所述乘客所需的特定点。

10.根据权利要求9所述的自动驾驶装置，其中，所述处理器被配置为：当通过所述传感器单元未检测到所述乘客的行为，或通过所述传感器单元检测到的所述乘客的生物信号的模式与作为所述乘客的正常身体状态下的生物信号而先前存储在所述存储器中的正常生物信号的模式不同时，向所述外部机构发送救援信号。

11.一种自动驾驶方法，包括以下步骤：

由处理器基于存储在存储器中的地图信息来控制本车辆的自动驾驶；

由所述处理器基于由传感器单元检测到的周围车辆的驾驶信息和所述存储器中存储的所述地图信息，来生成所述本车辆周围的所述周围车辆的实际驾驶轨迹和预期驾驶轨迹；以及

当基于根据所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差而确定的所述本车辆的自动驾驶风险来关闭所述本车辆的自动驾驶模式时，由所述处理器基于所述传感器单元检测到的乘客的状态来控制所述本车辆的驾驶以及与外部机构的通信中一项或多项。

12.根据权利要求11所述的自动驾驶方法，还包括：

由所述处理器基于所述周围车辆的驾驶模式是否为所述自动驾驶模式以及所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的轨迹误差，来确定所述本车辆的所述自动驾驶风险；以及

通过输出单元以与确定的所述自动驾驶风险相对应的等级向所述乘客输出警告；

其中，所述处理器基于所述本车辆的所述自动驾驶风险的升序，通过所述输出单元将警告作为第一等级至第三等级向所述乘客输出。

13.根据权利要求12所述的自动驾驶方法，其中，在警告的输出中，当所述周围车辆的驾驶模式为所述自动驾驶模式时，所述处理器通过所述输出单元向所述乘客输出与所述第一等级相对应的警告，并且当所述周围车辆的所述驾驶模式是手动驾驶模式时，所述处理器通过所述输出单元向所述乘客输出与第二等级相对应的警告。

14.根据权利要求12所述的自动驾驶方法，其中，在警告的输出中，所述处理器基于所述周围车辆的所述实际驾驶轨迹与所述预期驾驶轨迹之间的所述轨迹误差的大小或所述轨迹误差的累加，对所述本车辆执行自动驾驶控制的可靠性诊断，并且作为执行诊断的结果，如果确定对所述本车辆的自动驾驶控制不可靠，则所述处理器通过所述输出单元向所述乘客输出与所述第三等级相对应的警告。

15.根据权利要求14所述的自动驾驶方法，其中，在警告的输出中，当在预设的第一临界时间内出现所述轨迹误差的大小为预设的第一临界值或更大的状态时，所述处理器确定对所述本车辆的自动驾驶控制不可靠。

16.根据权利要求15所述的自动驾驶方法，其中，在警告的输出中，在所述第一临界时间内所述轨迹误差的大小小于所述第一临界值的状态下，当在预设为大于所述第一临界时间的值的第二临界时间内，出现通过累加所述轨迹误差而获取的累加为预设的第二临界值或更大的状态时，所述处理器确定对所述本车辆的所述自动驾驶控制不可靠。

17.根据权利要求16所述的自动驾驶方法，还包括：在警告的输出之后，当所述轨迹误差的大小变得小于所述第一临界值时、当所述轨迹误差的累加变得小于所述第二临界值时、或者当确定通过所述传感器单元检测到的所述乘客的状态为前视状态时，所述处理器解除通过所述输出单元输出的警告。

18.根据权利要求17所述的自动驾驶方法，还包括：在所述轨迹误差的大小变为所述第一临界值或更大，或者所述轨迹误差的累加变为所述第二临界值或更大的状态下，如果确定所述传感器单元检测到的所述乘客的状态不对应于所述前视状态，则所述处理器关闭所述本车辆的所述自动驾驶模式。

19.根据权利要求18所述的自动驾驶方法，其中，在控制所述本车辆的驾驶以及通信中的一项或多项中，当所述本车辆的所述自动驾驶模式关闭后，所述乘客未执行手动驾驶操作时，所述处理器允许所述本车辆的驾驶模式进入紧急自动驾驶模式，使得所述本车辆移动到所述乘客所需的特定点。

20.根据权利要求19所述的自动驾驶方法，其中，在控制所述本车辆的驾驶以及通信中的一项或多项中，当通过所述传感器单元未检测到所述乘客的行为，或通过所述传感器单元检测到的所述乘客的生物信号的模式与作为所述乘客的正常身体状态下的生物信号而先前存储在所述存储器中的正常生物信号的模式不同时，所述处理器向所述外部机构发送救援信号。

Images