CN112319456A - 车辆威胁检测和响应 - Google Patents
车辆威胁检测和响应 Download PDFInfo
- Publication number
- CN112319456A CN112319456A CN202010742475.3A CN202010742475A CN112319456A CN 112319456 A CN112319456 A CN 112319456A CN 202010742475 A CN202010742475 A CN 202010742475A CN 112319456 A CN112319456 A CN 112319456A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- computer
- target vehicle
- host vehicle
- risk assessment
- 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
- 238000001514 detection method Methods 0.000 title abstract description 6
- 230000004044 response Effects 0.000 title abstract description 4
- 238000012502 risk assessment Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000116 mitigating effect Effects 0.000 description 3
- 238000007514 turning Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
-
- 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
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] 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
- B60W2556/65—Data transmitted between vehicles
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/08—Electric propulsion units
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/10—Change speed gearings
- B60W2710/1005—Transmission ratio engaged
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
-
- 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
- B60W2756/00—Output or target parameters relating to data
- B60W2756/10—Involving external transmission of data to or from the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Combustion & Propulsion (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供“车辆威胁检测和响应”。一种方法包括:基于比较目标车辆相对于主车辆的速度、车道选择和路径选择来确定所述目标车辆相对于所述主车辆的跟随风险评估值;基于所述跟随风险评估值高于阈值来确定所述目标车辆正跟随所述主车辆;然后将识别所述目标车辆的数据传输到远程计算机并致动车辆部件以将所述主车辆操作到由所述远程计算机指定的位置。
Description
技术领域
本公开的各方面总体上涉及车辆威胁检测***。
背景技术
车辆可以包括用于向远程计算机报告诸如事故和/或紧急情况之类的意外事件的通信***。对意外事件的响应可能取决于对意外事件的及时识别。
发明内容
一种方法包括:基于比较目标车辆相对于主车辆的速度、车道选择和路径选择来确定所述目标车辆相对于所述主车辆的跟随风险评估值;基于所述跟随风险评估值高于阈值来确定所述目标车辆正跟随所述主车辆;然后将识别所述目标车辆的数据传输到远程计算机并致动车辆部件以将所述主车辆操作到由所述远程计算机指定的位置。
所述方法可以包括检测所述主车辆与所述目标车辆之间的距离并进一步基于所述距离来确定所述跟随风险评估值。
识别所述目标车辆的所述数据可以包括所述目标车辆的图像数据或视频数据中的至少一者。
所述远程计算机可以是便携式装置、车辆计算机或与所述位置相关联的计算机中的一者。
确定所述跟随风险评估值可以包括获得作为来自机器学习程序的输出的所述跟随风险评估值。
所述方法可以包括基于所述跟随风险评估值高于所述阈值而将识别所述目标车辆的警报输出到所述主车辆。
比较速度可以包括确定所述目标车辆的速度是否适应于所述主车辆的速度。
比较车道选择可以包括确定所述目标车辆的车道选择是否对应于所述主车辆的两次或更多次车道选择。
比较路径选择可以包括确定所述目标车辆的所述路径选择是否对应于所述主车辆的两次或更多次转弯。
一种***包括计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令可由所述处理器执行以:基于比较目标车辆相对于主车辆的速度、车道选择和路径选择来确定所述目标车辆相对于所述主车辆的跟随风险评估值;基于所述跟随风险评估值高于阈值来确定所述目标车辆正跟随所述主车辆;然后将识别所述目标车辆的数据传输到远程计算机并致动车辆部件以将所述主车辆操作到由所述远程计算机指定的位置。
所述指令可以进一步包括用于检测所述主车辆与所述目标车辆之间的距离并进一步基于所述距离来确定所述跟随风险评估值的指令。
识别所述目标车辆的所述数据可以包括所述目标车辆的图像数据或视频数据中的至少一者。
所述远程计算机可以是便携式装置、车辆计算机或与所述位置相关联的计算机中的一者。
确定所述跟随风险评估值可以包括获得作为来自机器学习程序的输出的所述跟随风险评估值。
所述指令可以进一步包括用于基于所述跟随风险评估值高于所述阈值而将识别所述目标车辆的警报输出到所述主车辆的指令。
比较速度可以包括确定所述目标车辆的速度是否适应于所述主车辆的速度。
比较车道选择可以包括确定所述目标车辆的车道选择是否对应于所述主车辆的两次或更多次车道选择。
比较路径选择可以包括确定所述目标车辆的所述路径选择是否对应于所述主车辆的两次或更多次转弯。
本文还公开了一种计算装置,所述计算装置被编程为执行上述方法步骤中的任一者。本文还公开了一种计算机程序产品,所述计算机程序产品包括计算机可读介质,所述计算机可读介质存储可由计算机处理器执行的指令,以执行上述方法步骤中的任一者。
附图说明
图1是用于检测并响应跟随主车辆的目标车辆的示例性***的框图。
图2是在某个位置处主车辆、目标车辆和救援车辆的平面图。
图3是用于检测并响应跟随主车辆的目标车辆的示例性过程的流程图。
具体实施方式
图1是示出示例性车辆威胁检测***100的框图,所述车辆威胁检测***包括车辆计算机110,所述车辆计算机被编程为:基于比较目标车辆106相对于主车辆105的速度、车道选择和路径选择来确定目标车辆106相对于主车辆105的跟随风险评估值,即,目标车辆106跟随主车辆105的风险;基于所述跟随风险评估值高于阈值来确定目标车辆106正跟随主车辆105;然后将识别目标车辆106的数据传输到远程计算机140并致动车辆部件125以将主车辆105操作到由远程计算机140指定的位置。车辆计算机110可以被编程为监测主车辆105和其他附近车辆的相应轨迹。车辆计算机110可以使用车辆的相应轨迹来确定对主车辆105的威胁,并且以一种或多种威胁缓解动作操作主车辆105来响应威胁。有利地,车辆计算机110可以将潜在威胁通知远程计算机140,并且将主车辆105操作到指定位置,这允许主车辆105从另一车辆接收救援以缓解或防止潜在威胁的发生。例如,在确定目标车辆106正跟随主车辆105时,车辆计算机110可以将目标车辆106报告给例如警察,并且可以将主车辆105操作到例如警察局。
车辆105包括车辆计算机110、传感器115、用于致动各种车辆部件125的致动器120以及车辆通信总线130。经由网络135,通信总线130允许车辆计算机110与一个或多个远程计算机140进行通信。
车辆计算机110包括诸如已知的处理器和存储器。存储器包括一种或多种形式的计算机可读介质,并且存储可由车辆计算机110执行以用于执行包括如本文所公开的各种操作的指令。
车辆计算机110可以自主模式、半自主模式或非自主(或手动)模式来操作车辆105。出于本公开的目的,自主模式被定义为其中车辆105的推进、制动和转向中的每一者都由车辆计算机110控制的模式;在半自主模式中,车辆计算机110控制车辆105的推进、制动和转向中的一者或两者;在非自主模式中,人类操作员控制车辆105的推进、制动和转向中的每一者。
车辆计算机110可以包括用于操作车辆105制动、推进(例如,通过控制内燃发动机、电动马达、混合动力发动机等中的一者或多者来控制车辆105的加速度)、转向、变速器、气候控制、内部和/或外部灯等中的一者或多者以及用于确定车辆计算机110(而非人类操作员)是否以及何时控制此类操作的编程。另外,车辆计算机110可以被编程为确定人类操作员是否以及何时控制此类操作。
车辆计算机110可包括或者例如经由如以下进一步描述的车辆105网络(诸如,通信总线)通信地耦接到多于一个处理器,所述多于一个处理器例如包括在车辆105中所包括的用于监测和/或控制各种车辆部件125的电子控制器单元(ECU)等中,例如变速器控制器、制动控制器、转向控制器等。车辆计算机110通常布置用于在车辆通信网络上进行通信,所述车辆通信网络可包括车辆105中的总线(诸如,控制器局域网(CAN)等)和/或其他有线和/或无线机制。
经由车辆105网络,车辆计算机110可向车辆105中的各种装置(例如,传感器115、致动器120、人机界面(HMI)等)传输消息和/或从各种装置接收消息(例如,CAN消息)。另选地或另外,在车辆计算机110实际上包括多个装置的情况下,车辆105通信网络可用于在本公开中表示为车辆计算机110的装置之间的通信。此外,如以下所提及,各种控制器和/或传感器115可经由车辆105通信网络向车辆计算机110提供数据。
车辆105传感器115可包括诸如已知的用于向车辆计算机110提供数据的各种装置。例如,传感器115可以包括设置在车辆105的顶部上、在车辆105的前挡风玻璃后面、在车辆105周围等的光探测和测距(LIDAR)传感器115等,所述传感器提供车辆105周围的物体的相对位置、大小和形状。作为另一个示例,固定到车辆105保险杠的一个或多个雷达传感器115可提供数据来提供物体、第二车辆105等相对于车辆105的位置的位置。替代地或另外,传感器115还可例如包括相机传感器115(例如,前视、侧视等),所述相机传感器提供来自车辆105周围的区域的图像。在本公开的背景下,物体是可通过可由传感器115检测到的物理现象(例如,光或其他电磁波或声音等)来表示的物理(即,物质)物品。因此,车辆105、106以及包括以下讨论的其他物品都落在本文的“物体”的定义内。
车辆105致动器120经由可根据如已知的适当控制信号来致动各种车辆子***的电路、芯片或其他电子和/或机械部件来实施。致动器120可以用于控制部件125,包括车辆105的制动、加速和转向。
在本公开的上下文中,车辆部件125是适于执行机械或电机械功能或操作(诸如使车辆105移动、使车辆105减速或停止、使车辆105转向等)的一个或多个硬件部件。部件125的非限制性示例包括推进部件(其包括例如内燃发动机和/或电动马达等)、变速器部件、转向部件(例如,其可包括方向盘、转向齿条等中的一者或多者)、制动部件(如以下所描述)、驻车辅助部件、自适应巡航控制部件、自适应转向部件、可移动座椅等。
另外,车辆计算机110可以被配置用于经由车辆对车辆通信总线130与车辆105外部的装置通信,例如,通过车辆对车辆(V2V)或车辆对基础设施(V2X)无线通信与另一车辆和/或远程计算机140(通常经由直接射频通信)通信。通信总线130可以包括车辆105的计算机110可通过其进行通信的一种或多种机制,包括无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望组合以及任何期望网络拓扑(或当利用多种通信机制时,多种拓扑)。经由通信总线130提供的示例性通信包括提供数据通信服务的蜂窝、蓝牙、IEEE802.11、专用短程通信(DSRC)和/或包括因特网的广域网(WAN)。
网络135表示车辆计算机110可以通过其与远程计算机140进行通信的一种或多种机制。因此,网络135可为各种有线或无线通信机制中的一者或多者,包括有线(例如,电缆和光纤)和/或无线(例如,蜂窝、无线、卫星、微波和射频)通信机制的任何期望的组合以及任何期望的网络拓扑(或当利用多种通信机制时的多种拓扑)。示例性通信网络包括提供数据通信服务的无线通信网络(例如,使用低功耗(BLE)、IEEE802.11、车辆对车辆(V2V)(诸如专用短程通信(DSRC))等)、局域网(LAN)和/或包括因特网的广域网(WAN)。
远程计算机140可以是被编程为提供诸如本文公开的操作的常规计算装置,即,包括一个或多个处理器和一个或多个存储器。此外,可以经由网络135(例如,因特网或某种其他广域网)来访问远程计算机140。远程计算机140可以是例如被维护在物理位置处的计算机、基于云的服务器、远程车辆计算机、便携式装置(例如,移动电话)等。
图2示出了跟随主车辆105的目标车辆106以及指定救援车辆107的位置的远程计算机140。远程计算机140被编程为确定救援车辆107的位置,并且将识别所述位置的位置数据例如经由网络135传输到车辆计算机110。车辆计算机110然后如下所述将主车辆105操作到接收威胁缓解救援的位置。远程计算机140可以基于与主车辆105的接近度来确定位置。例如,远程计算机140可以确定与主车辆105在物理上最接近(例如,距主车辆具有最小行驶时间和/或距离)的救援车辆107的位置(例如,警察局的位置)。在这种情况下,主车辆105行驶到救援车辆107的位置。作为另一个示例,远程计算机140可以确定主车辆105与最接近主车辆105的救援车辆107之间的位置(例如,停车场)。在这些情况下,远程计算机140可以例如指令救援车辆107行驶到所述位置以向主车辆105提供救援。即,主车辆105和救援车辆107各自行驶到由远程计算机140指定的位置。位置数据可以为常规形式,例如地理坐标,诸如经由使用全球定位***(GPS)的公知导航***获得的纬度和经度坐标。
车辆计算机110被编程为从一个或多个传感器115接收数据。例如,数据可以包括主车辆105的位置、目标车辆106的位置等。位置数据可以为已知形式,例如地理坐标,诸如经由使用全球定位***(GPS)的公知导航***获得的纬度和经度坐标。作为另一个示例,数据可以包括目标车辆106的图像数据或视频数据中的至少一者。例如,传感器115(例如,相机)可以检测相对于主车辆105移动的目标车辆106并且可以收集目标车辆106的图像和/或视频。图像数据是可以由传感器相机115获取的数字图像数据,例如,包括具有强度值和颜色值的像素。视频数据是基本上相等的时间段内的多个图像,例如每秒10张图像,并且按顺序排列。数据的其他示例可以包括车辆***和部件125的测量结果,例如主车辆105速度、主车辆105轨迹、目标车辆106速度、目标车辆106轨迹等。
车辆计算机110可以确定目标车辆106正跟随主车辆105。在当前背景中,“跟随”意味着目标车辆106的轨迹在主车辆105的轨迹的一个或多个阈值(例如,速度、变道次数、转弯次数、加速度、减速度等)内持续预定时间(例如,5分钟、10分钟等)。可以基于对在诸如当日时间、天气、在施工区内操作等某些条件下的用户驾驶习惯(例如,速度变化、车辆之间保持的距离、路线选择、变道次数等)的经验测试来确定预定时间。
为了确定目标车辆106是否正跟随主车辆105,车辆计算机110可以基于传感器115数据来确定目标车辆106的跟随风险评估值。如本文所使用的,“跟随风险评估值”是车辆计算机可以用来确定特定目标车辆106是否正跟随主车辆105的数字,通常是介于0与1之间的标量值或百分比。车辆计算机110可以基于目标车辆106相对于主车辆105的轨迹来确定跟随风险评估值。具体地,车辆计算机110可以确定目标车辆106的速度风险评估值VRA、车道风险评估值LRA、路径风险评估值PRA和距离风险评估值DRA,并且基于可以组合为跟随风险评估值FRA的风险评估值VRA、LRA、PRA、DRA来致动车辆部件125。
VRA是目标车辆106和主车辆105的相对速度的量度。车辆计算机110可以比较主车辆105和目标车辆106的速度以确定目标车辆106的速度是否适应于主车辆105的速度。即,车辆计算机110可以基于主车辆105速度的变化来确定目标车辆106速度是否改变以基本匹配主车辆105速度,例如以保持目标车辆106与主车辆105之间的距离。换句话说,车辆计算机110可以确定目标车辆106速度是否保持在例如主车辆105速度的5%以内。车辆计算机110可以基于传感器115数据来确定车辆105、106的速度。例如,车辆计算机110可以例如从GPS传感器接收指示主车辆105的速度的数据,并且例如从雷达传感器接收指示目标车辆106的速度的数据。车辆计算机110可以指定时间间隔(例如,0.01秒、0.1秒、1秒、1分钟等)接收指示车辆105、106的相应速度的传感器115数据。VRA可以是在预定时间期间车辆105、106的速度的函数。作为一个示例,VRA可以是在预定时间期间确定的平均目标车辆106速度Vt与平均主车辆105速度Vh的比率,如下面的方程1所示。
即,车辆计算机110可以例如基于在预定时间期间发生的指定时间间隔的数量来确定车辆105、106的平均速度Vt、Vh。作为另一个示例,VRA可以是以连续时间间隔确定的目标车辆106速度与主车辆105速度的比率的函数,例如加权和、加权乘积等。换句话说,VRA可以是在指定时间间隔处确定的车辆105、106的瞬时速度的函数。作为又一个示例,VRA可以是二进制值,例如0或1。例如,如果目标车辆106速度保持在主车辆105速度的阈值速度(例如,5%)以内持续预定时间或其部分,则车辆计算机110可以将VRA值设置为1。如果目标车辆106速度超出所述阈值速度持续预定时间或其部分,则车辆计算机110可以将VRA值设置为0。
LRA是在预定时间期间与主车辆105的车道选择匹配的目标车辆106的车道选择的次数的量度。车辆计算机110可以比较目标车辆106和主车辆105的车道选择以确定目标车辆106是否正变道以与主车辆105保持在同一车道中。车道选择是车辆从道路上的一个车道移动到同一道路上的另一个车道。车辆计算机110可以例如从LIDAR传感器接收指示目标车辆106相对于主车辆105的位置的数据。基于位置数据,车辆计算机110可以确定目标车辆106的车道选择(例如,目标车辆106在紧邻主车辆105后面时在同一车道中)。车辆计算机110可以确定目标车辆106的车道选择是否与主车辆105的车道选择匹配。例如,如果目标车辆106(例如,在主车辆105车道选择之后的指定时间以内,例如5秒以内)从一个车道到另一个车道与主车辆105进行相同的车道选择,则车辆计算机110可以确定目标车辆的车道选择与主车辆105的车道选择匹配。车辆计算机110可以确定目标车辆106是否执行与主车辆105的车道选择匹配的预定次数的车道选择,例如两次或更多次。即,车辆计算机110可以确定目标车辆106的车道选择是否与主车辆105的例如两次或更多次车道选择对应。可以基于对在诸如当日时间、天气、在施工区中操作等某些条件下的用户驾驶习惯(例如,速度变化、车辆之间保持的距离、路线选择、变道次数等)的经验测试来确定预定次数的车道选择。
LRA可以例如是在预定时间期间确定的目标车辆106的车道选择次数Lt与主车辆105的车道选择次数Lh的比率,如下面的方程2所示。
如果目标车辆106在预定时间期间比主车辆105做出更多的车道选择,或者车道选择的次数低于车道选择的预定次数,则车辆计算机110可以将LRA值设置为0。作为另一个示例,LRA可以是二进制值,例如0或1。例如,如果与主车辆105的车道选择匹配的目标车辆106的车道选择的次数等于或超过车道选择的预定次数,则车辆计算机110可以将LRA值设置为1。如果与主车辆105的车道选择匹配的目标车辆106的车道选择的次数低于车道选择的预定次数,则车辆计算机110可以将LRA值设置为0。
PRA可以是在预定时间期间与主车辆105的转弯匹配的目标车辆106的转弯的次数的量度。车辆计算机110可以比较主车辆105和目标车辆106的路径选择以确定目标车辆106是否正转弯以与主车辆105保持在同一道路上。路径选择是车辆行驶方向的变化,例如,从一条道路转弯到另一条道路。车辆计算机110可以例如从图像传感器接收数据以识别目标车辆106从一条道路转弯到另一条道路。车辆计算机110可以确定目标车辆106的路径选择(例如,转弯)是否与主车辆105的路径选择(例如,转弯)匹配。例如,如果目标车辆106从一条道路到另一条道路与主车辆105进行相同的转弯,则车辆计算机110可以确定目标车辆106的路径选择与主车辆105的路径选择匹配。车辆计算机110可以确定目标车辆106是否执行与主车辆105的转弯匹配的预定转弯次数,例如两次或更多次。即,车辆计算机110可以确定目标车辆106的转弯是否与主车辆105的例如两次或更多次转弯对应。可以基于对在诸如当日时间、天气、在施工区中操作等某些条件下的用户驾驶习惯(例如,速度变化、车辆之间保持的距离、路线选择、变道次数等)的经验测试来确定预定转弯次数。
PRA可以例如是在预定时间期间确定的目标车辆106的路径选择次数Pt与主车辆105的路径选择次数Ph的比率,如下面的方程3所示。
如果目标车辆106在预定时间期间比主车辆105做出更多的路径选择,或者转弯次数低于预定转弯次数,则车辆计算机110可以将PRA值设置为0。作为另一个示例,PRA可以是二进制值,例如0或1。例如,如果与主车辆105的转弯匹配的目标车辆106的转弯的次数等于或超过预定转弯次数,则车辆计算机110可以将PRA值设置为1。如果与主车辆105的转弯匹配的目标车辆106的转弯的次数小于预定转弯次数,则车辆计算机110可以将PRA值设置为0。
DRA是目标车辆106与主车辆105之间的线性距离的量度。车辆计算机110可以例如基于传感器115数据来确定目标车辆106与主车辆105之间的距离。车辆计算机110可以指定时间间隔(例如,0.01秒、0.1秒、1秒、1分钟等)接收指示车辆105、106之间的距离的传感器115数据。车辆计算机110可以基于目标车辆106与主车辆105之间的距离来确定DRA。例如,车辆计算机110可以将车辆105、106之间的距离与阈值进行比较。所述阈值是车辆计算机110可以确定目标车辆106正跟随主车辆105的车辆105、106之间的最小距离。可以通过对在诸如当日时间、天气、在施工区中操作等某些条件下的用户驾驶习惯(例如,速度变化、车辆之间保持的距离、路线选择、变道次数等)的经验测试来确定所述阈值。
DRA可以是预定时间期间的距离的函数。作为一个示例,DRA可以是在预定时间期间确定的阈值距离Dt与目标车辆106和主车辆105之间的平均距离Da的比率,如下面的方程4所示。
作为另一个示例,DRA可以是以连续时间间隔确定的阈值距离Dt与车辆105、106之间的距离的比率的函数,例如加权和、加权乘积等。换句话说,DRA可以是在指定时间间隔确定的车辆105、106之间的瞬时距离的函数。如果目标车辆106与主车辆105之间的距离小于距离阈值,则车辆计算机110可以将DRA的值设置为1。作为又一个示例,DRA可以是二进制值,例如0或1。例如,如果车辆105、106之间的距离保持在阈值距离以内持续预定时间或其部分,则车辆计算机110可以将DRA值设置为1。如果车辆105、106之间的距离超出阈值距离持续预定时间或其部分,则车辆计算机110可以将DRA值设置为0。
车辆计算机110可以基于目标车辆106和主车辆105的相对轨迹来确定跟随风险评估值FRA。即,基于主车辆105和目标车辆106的速度、车道选择、路径选择和位置,车辆计算机110可以确定目标车辆106的跟随风险评估值FRA。例如,车辆计算机110可以基于VRA、LRA、PRA和DRA的函数(例如,加权乘积、平均值等)来确定跟随风险评估值FRA。即,车辆计算机110确定VRA、LRA、PRA和DRA以针对目标车辆106产生相应的总体跟随风险评估值FRA。作为一个示例,FRA可以是VRA、LRA、PRA和DRA的加权和,如下面的方程5所示。在此类示例中,VRA、LRA、PRA和DRA可以各自根据以上相应的方程来确定。
FRA=(w1*VRA)+(w2*LRA)+(w3*PRA)+(w4*DRA)
方程5
权重w1、w2、w3、w4可以具有相同或不同的值,例如,介于0与1之间。例如,权重w1、w2、w3、w4可以基于对在诸如当日时间、天气、在施工区中操作等某些条件下的用户驾驶习惯(例如,速度变化、车辆之间保持的距离、路线选择、变道次数等)的经验测试来预定。替代地,权重w1、w2、w3、w4可以例如基于车辆105、106的轨迹而变化。在这些情况下,权重w4例如可以与车辆105、106之间的距离成反比。即,随着车辆105、106之间的距离增加,权重w4的值可以减小(并且权重w1、w2、w3的值可以增大),并且随着车辆105、106之间的距离减小,权重w4的值可以增大(并且权重w1、w2、w3的值可以减小)。
作为另一个示例,车辆计算机110可以获得作为来自机器学习程序的输出的跟随风险评估值FRA。在这种情况下,车辆计算机110可以将指示目标车辆106相对于主车辆105的轨迹的数据(例如,图像数据)输入到机器学习程序以预测目标车辆106的跟随风险评估值FRA。机器学习程序可以是被编程为接受图像作为输入并输出跟随风险评估值FRA的卷积神经网络。卷积神经网络包括一系列层,其中每一层使用前一层作为输入。每个层包含多个神经元,所述神经元接收由先前层的神经元的子集生成的数据作为输入,并且生成发送给下一层中的神经元的输出。层的类型包括卷积层,所述卷积层计算权重和小区域的输入数据的点积;池化层,所述池化层沿着空间维度执行下采样操作;以及全连接层,所述全连接层基于前一层的所有神经元的输出而生成。卷积神经网络的最终层为目标车辆106的每个潜在的跟随风险评估值FRA生成分数,并且最终输出是目标车辆106的分数最高的跟随风险评估值FRA。机器学习程序可以例如在车辆计算机110上。替代地,机器学习程序可以在远程计算机140上。在这种情况下,远程计算机140可以确定跟随风险评估值FRA,并且将指示跟随风险评估值的数据传输到车辆计算机110。
车辆计算机110基于跟随风险评估值FRA(例如,如以上方程5所确定的)超过阈值来确定目标车辆106正跟随主车辆105。阈值是0与1之间的标量值,所述标量值指示目标车辆106正跟随主车辆105的可能性,例如0.7。所述阈值可以基于例如对在诸如当日时间、天气、在施工区中操作等某些条件下的用户驾驶习惯(例如,速度变化、车辆之间保持的距离、路线选择、变道次数等)的经验测试来确定。车辆计算机110例如将跟随风险评估值FRA与例如存储在车辆计算机110的存储器中的阈值进行比较,并且当跟随风险评估值FRA大于阈值(例如,0.7)时确定目标车辆106正跟随主车辆105。
车辆计算机110被编程为基于跟随风险评估值FRA超过阈值(即,确定目标车辆106正跟随主车辆105)而将识别目标车辆106的数据传输到远程计算机140。在跟随风险评估值FRA(例如,如以上方程5所确定的)高于阈值的情况下,车辆计算机110将目标车辆106的图像数据和/或视频数据传输到远程计算机140。车辆计算机110可以例如基于图像数据和/或视频数据来识别目标车辆106。在这些情况下,车辆计算机110可以分析图像数据和/或视频数据以通过例如目标车辆106的车牌号、车辆识别(VIN)号、品牌、型号和颜色等来识别目标车辆106。车辆计算机110随后可以将识别目标车辆106的数据例如以与图像数据和/或视频数据相同或不同的传输方式传输到远程计算机140。此外,远程计算机140随后可以将识别目标车辆106的数据传输到救援车辆107。替代地,远程计算机140可以分析目标车辆106的图像数据和/或视频数据以识别目标车辆106。
车辆计算机110被编程为基于跟随风险评估值超过阈值(即,确定目标车辆106正跟随主车辆105)而致动一个或多个车辆部件125。具体地,车辆计算机110被编程为致动车辆部件125,例如推进部件125、转向部件125、制动部件125等,以将主车辆105操作到由远程计算机140指定的位置,例如警察局。车辆计算机110可以包括导航***,所述导航***确定到指定位置的路线。车辆计算机110随后致动车辆部件125以沿着路线操作主车辆105。替代地,远程计算机140可以确定到指定位置的路线并且将所述路线传输到车辆计算机110。
此外,车辆计算机110可以被编程为基于跟随风险评估值超过阈值(即,确定目标车辆106正跟随主车辆105)而输出识别目标车辆106的警报。例如,当跟随风险评估值超过阈值时,车辆计算机110可以致动一个或多个车辆部件125,例如扬声器、显示器等,以将警报输出到主车辆105的用户。车辆计算机110可以被编程为输出音频、视觉或触觉警报中的至少一者。另外,警报可以通知用户车辆计算机110会将主车辆105操作到指定位置,例如警察局。
图3示出了可以在车辆计算机110中实施以检测并响应正跟随主车辆105的目标车辆106的过程300。过程300在框305中开始。
在框305中,车辆计算机110检测在附近操作的目标车辆106。例如,车辆计算机110可以例如经由车辆网络从一个或多个传感器115接收传感器115数据,所述一个或多个传感器检测目标车辆106,例如目标车辆106的轨迹。过程300在框310中继续。
在框310中,车辆计算机110确定目标车辆106的跟随风险评估值FRA。如上所述,车辆计算机110可以使用传感器115数据来确定关于目标车辆106是否正跟随主车辆105的目标车辆106的跟随风险评估值FRA。车辆计算机110可以基于比较车辆105、106的相对轨迹来确定跟随风险评估值FRA。例如,如上所述,车辆计算机110可以基于速度风险评估值VRA、车道风险评估值LRA、路径风险评估值PRA和距离风险评估值DRA来确定跟随风险评估值FRA。过程300在框315中继续。
在框315中,车辆计算机110确定跟随风险评估值FRA是否高于阈值。如上所述,所述阈值可以是基于目标车辆106正跟随主车辆105的可能性而确定的值。在跟随风险评估值FRA超过阈值的情况下,车辆计算机110确定目标车辆106正跟随主车辆105。在跟随风险评估值FRA未超过阈值的情况下,车辆计算机110确定目标车辆106未跟随主车辆105。当车辆计算机110确定目标车辆106正跟随主车辆105时,过程300在框320中继续。否则,过程300返回到框305。
在框320中,车辆计算机110将识别目标车辆106的数据传输到远程计算机140。例如,车辆计算机110将目标车辆106的传感器115数据(例如,图像数据和/或视频数据)例如经由网络135传输到远程计算机140。车辆计算机110可以分析传感器115数据以基于例如VIN、车牌号等来识别目标车辆106。在这些情况下,车辆计算机110可以将识别目标车辆106的数据例如以与传感器115数据相同或不同的传输方式传输到远程计算机140。替代地,远程计算机140可以分析传感器115数据以识别目标车辆106。过程300在框325中继续。
在框325中,远程计算机140确定位置并且将位置数据传输到车辆计算机110。远程计算机140可以基于例如救援车辆107的位置来确定所述位置。例如,如上所述,远程计算机140可以确定最接近主车辆105的救援车辆107的位置。所述位置可以是例如救援车辆107的位置。替代地,所述位置可以是主车辆105和救援车辆107的当前位置之间的位置。远程计算机140随后可以将位置数据传输到车辆计算机110和/或救援车辆107。救援车辆107可以在由远程计算机140指定的位置处对主车辆105提供威胁缓解救援。此外,远程计算机140可以将识别目标车辆106的数据传输到救援车辆107。过程300在框330中继续。
在框330中,车辆计算机110将主车辆105操作到由远程计算机140指定的位置。例如,车辆计算机110可以被编程为致动一个或多个车辆部件125,例如推进部件、制动部件、转向部件等,以将主车辆105操作到所述位置。车辆计算机110可以基于例如最短行驶时间来确定到由远程计算机140指定的位置的路线。替代地,远程计算机140可以确定从主车辆105的位置到由远程计算机140指定的位置的路线。在这种情况下,远程计算机140可以将路线例如以与位置数据相同或不同的传输方式传输到车辆计算机110。当主车辆105到达所述位置时,过程300结束。
如本文所使用,副词“基本上”意指形状、结构、测量结果、数量、时间等因为材料、机加工、制造、数据传输、计算速度等的缺陷而可能偏离精确描述的几何形状、距离、测量结果、数量、时间等。
一般来讲,所描述的计算***和/或装置可采用许多计算机操作***中的任一者,包括但绝不限于以下版本和/或变型:Ford应用、AppLink/Smart Device Link中间件、Microsoft操作***、Microsoft操作***、Unix操作***(例如,由加州红木海岸的Oracle公司发布的操作***)、由纽约阿蒙克市的International Business Machines发布的AIX UNIX操作***、Linux操作***、由加州库比蒂诺的Apple Inc.发布的Mac OSX和iOS操作***、由加拿大滑铁卢的Blackberry,Ltd.发布的BlackBerry OS以及由Google,Inc.和开放手机联盟开发的Android操作***,或由QNX Software Systems供应的CAR信息娱乐平台。计算装置的示例包括但不限于:机载式车辆计算机、计算机工作站、服务器、台式计算机、笔记本计算机、膝上型计算机或手持式计算机或某一其他计算***和/或装置。
计算机和计算装置一般包括计算机可执行指令,其中所述指令可由一个或多个计算装置(诸如以上列出的那些)执行。计算机可执行指令可由使用各种编程语言和/或技术创建的计算机程序编译或解译,所述编程语言和/或技术包括但不限于单独或组合的JavaTM、C、C++、Matlab、Simulink、Stateflow、Visual Basic、Java Script、Perl、HTML等。这些应用中的一些可在虚拟机(诸如Java虚拟机、Dalvik虚拟机等)上编译和执行。一般地,处理器(例如,微处理器)例如从存储器、计算机可读介质等接收指令,并且执行这些指令,由此执行一个或多个过程,包括本文所述的过程中的一个或多个。可使用各种计算机可读介质来存储和传输此类指令和其他数据。计算装置中的文件一般是存储在诸如存储介质、随机存取存储器等计算机可读介质上的数据集合。
存储器可以包括计算机可读介质(也称为处理器可读介质),所述计算机可读介质包括参与提供可由计算机(例如,由计算机的处理器)读取的数据(例如,指令)的任何非暂时性(例如,有形)介质。此类介质可采用许多形式,包括但不限于非易失性介质和易失性介质。非易失性介质可以包括例如光盘或磁盘以及其他持久性存储器。易失性介质可以包括例如通常构成主存储器的动态随机存取存储器(DRAM)。此类指令可由一种或多种传输介质传输,所述一种或多种传输介质包括同轴电缆、铜线和光纤,包括构成耦合到ECU的处理器的***总线的电线。计算机可读介质的常见形式包括例如软盘、软磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡、纸带、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、FLASH-EEPROM、任何其他存储器芯片或盒式磁带、或计算机可从中读取的任何其他介质。
数据库、数据存储库或本文所描述的其他数据存储装置可包括用于存储、访问和检索各种数据的各种机构,包括分层数据库、文件***中的文件集、呈专用格式的应用数据库、关系型数据库管理***(RDBMS)等。每个此类数据存储装置总体上包括在采用计算机操作***(诸如以上所提及那些的一种)的计算装置内,并且经由网络以各种方式中的任一种或多种来访问。文件***可从计算机操作***访问,并且可包括以各种格式存储的文件。RDBMS除了用于创建、存储、编辑和执行所存储的程序的语言(诸如以上提及的PL/SQL语言)之外还通常采用结构化查询语言(SQL)。
在一些示例中,***元件可实现为一个或多个计算装置(例如,服务器、个人计算机等)上、存储在与计算装置相关联的计算机可读介质(例如,磁盘、存储器等)上的计算机可读指令(例如,软件)。计算机程序产品可以包括存储在计算机可读介质上以用于执行本文所述的功能的此类指令。
关于本文所述的介质、过程、***、方法、启发等,应当理解,虽然此类过程等的步骤已被描述为根据某一有序的顺序发生,但是可通过以与本文所述的次序不同的次序执行所述步骤来实践此类过程。还应当理解,可同时执行某些步骤,可添加其他步骤,或者可省略本文中描述的某些步骤。换句话说,本文中对过程的描述是出于说明某些实施例的目的而提供的,并且绝不应当被解释为限制权利要求。
因此,应当理解,以上描述旨在是说明性的而非限制性的。在阅读以上描述时,除了所提供的示例之外的许多实施例和应用对于本领域的技术人员将是明显的。不应参考以上描述来确定本发明的范围,而应参考所附权利要求连同此类权利要求所享有的等效物的全部范围来确定本发明的范围。预期并期望本文所论述的技术未来将有所发展,并且所公开的***和方法将并入此类未来实施例中。总之,应当理解,本发明能够进行修改和变化,并且仅受所附权利要求的限制。
除非本文做出相反的明确指示,否则权利要求中使用的所有术语旨在给出如本领域的技术人员所理解的普通和通常的含义。具体地,除非权利要求叙述相反的明确限制,否则使用诸如“一个”、“该”、“所述”等单数冠词应被解读为叙述所指示的要素中的一者或多者。
根据本发明,一种方法包括:基于比较目标车辆相对于主车辆的速度、车道选择和路径选择来确定所述目标车辆相对于所述主车辆的跟随风险评估值;基于所述跟随风险评估值高于阈值来确定所述目标车辆正跟随所述主车辆;然后将识别所述目标车辆的数据传输到远程计算机并致动车辆部件以将所述主车辆操作到由所述远程计算机指定的位置。
根据实施例,本发明的特征还在于,检测所述主车辆与所述目标车辆之间的距离并进一步基于所述距离来确定所述跟随风险评估值。
根据实施例,识别所述目标车辆的所述数据包括所述目标车辆的图像数据或视频数据中的至少一者。
根据实施例,所述远程计算机是便携式装置、车辆计算机或与所述位置相关联的计算机中的一者。
根据实施例,确定所述跟随风险评估值包括获得作为来自机器学习程序的输出的所述跟随风险评估值。
根据实施例,本发明的特征还在于,基于所述跟随风险评估值高于所述阈值而将识别所述目标车辆的警报输出到所述主车辆。
根据实施例,比较速度包括确定所述目标车辆的速度是否适应于所述主车辆的速度。
根据实施例,比较车道选择包括确定所述目标车辆的车道选择是否对应于所述主车辆的两次或更多次车道选择。
根据实施例,比较路径选择包括确定所述目标车辆的所述路径选择是否对应于所述主车辆的两次或更多次转弯。
根据本发明,提供了一种***,所述***具有:计算机,所述计算机包括处理器和存储器,所述存储器存储指令,所述指令可由所述处理器执行以:基于比较目标车辆相对于主车辆的速度、车道选择和路径选择来确定所述目标车辆相对于所述主车辆的跟随风险评估值;基于所述跟随风险评估值高于阈值来确定所述目标车辆正跟随所述主车辆;然后将识别所述目标车辆的数据传输到远程计算机并致动车辆部件以将所述主车辆操作到由所述远程计算机指定的位置。
根据实施例,所述指令进一步包括用于检测所述主车辆与所述目标车辆之间的距离并进一步基于所述距离来确定所述跟随风险评估值的指令。
根据实施例,识别所述目标车辆的所述数据包括所述目标车辆的图像数据和视频数据中的至少一者。
根据实施例,所述远程计算机是便携式装置、车辆计算机或与所述位置相关联的计算机中的一者。
根据实施例,确定所述跟随风险评估值包括获得作为来自机器学习程序的输出的所述跟随风险评估值。
根据实施例,所述指令进一步包括用于基于所述跟随风险评估值高于所述阈值而将识别所述目标车辆的警报输出到所述主车辆的指令。
根据实施例,比较速度包括确定所述目标车辆的速度是否适应于所述主车辆的速度。
根据实施例,比较车道选择包括确定所述目标车辆的车道选择是否对应于所述主车辆的两次或更多次车道选择。
根据实施例,比较路径选择包括确定所述目标车辆的所述路径选择是否对应于所述主车辆的两次或更多次转弯。
Claims (12)
1.一种方法,其包括:
基于比较目标车辆相对于主车辆的速度、车道选择和路径选择来确定所述目标车辆相对于所述主车辆的跟随风险评估值;
基于所述跟随风险评估值高于阈值来确定所述目标车辆正跟随所述主车辆;以及
然后将识别所述目标车辆的数据传输到远程计算机并致动车辆部件以将所述主车辆操作到由所述远程计算机指定的位置。
2.如权利要求1所述的方法,其还包括检测所述主车辆与所述目标车辆之间的距离并进一步基于所述距离来确定所述跟随风险评估值。
3.如权利要求1所述的方法,其中识别所述目标车辆的所述数据包括所述目标车辆的图像数据或视频数据中的至少一者。
4.如权利要求1所述的方法,其中所述远程计算机是便携式装置、车辆计算机或与所述位置相关联的计算机中的一者。
5.如权利要求1所述的方法,其中确定所述跟随风险评估值包括获得作为来自机器学习程序的输出的所述跟随风险评估值。
6.如权利要求1所述的方法,其还包括基于所述跟随风险评估值高于所述阈值而将识别所述目标车辆的警报输出到所述主车辆。
7.如权利要求1所述的方法,其中比较速度包括确定所述目标车辆的速度是否适应于所述主车辆的速度。
8.如权利要求1所述的方法,其中比较车道选择包括确定所述目标车辆的车道选择是否对应于所述主车辆的两次或更多次车道选择。
9.如权利要求1所述的方法,其中比较路径选择包括确定所述目标车辆的所述路径选择是否对应于所述主车辆的两次或更多次转弯。
10.一种计算机,其被编程为执行如权利要求1-9中任一项所述的方法。
11.一种计算机程序产品,其包括用于执行如权利要求1-9中任一项所述的方法的指令。
12.一种车辆,其包括被编程为执行如权利要求1-9中任一项所述的方法的计算机。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/530,462 | 2019-08-02 | ||
US16/530,462 US11673555B2 (en) | 2019-08-02 | 2019-08-02 | Vehicle threat detection and response |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112319456A true CN112319456A (zh) | 2021-02-05 |
Family
ID=74174869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010742475.3A Pending CN112319456A (zh) | 2019-08-02 | 2020-07-29 | 车辆威胁检测和响应 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11673555B2 (zh) |
CN (1) | CN112319456A (zh) |
DE (1) | DE102020120085A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11367355B2 (en) * | 2020-03-04 | 2022-06-21 | International Business Machines Corporation | Contextual event awareness via risk analysis and notification delivery system |
KR20210130302A (ko) * | 2020-04-21 | 2021-11-01 | 주식회사 만도모빌리티솔루션즈 | 운전자 보조 시스템 |
US20230077207A1 (en) * | 2021-09-08 | 2023-03-09 | Motive Technologies, Inc. | Close following detection using machine learning models |
US11851068B2 (en) | 2021-10-25 | 2023-12-26 | Ford Global Technologies, Llc | Enhanced target detection |
US20230159032A1 (en) * | 2021-11-23 | 2023-05-25 | Ford Global Technologies, Llc | Vehicle lane-change operations |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7327238B2 (en) | 2005-06-06 | 2008-02-05 | International Business Machines Corporation | Method, system, and computer program product for determining and reporting tailgating incidents |
US7782228B2 (en) | 2005-11-07 | 2010-08-24 | Maxwell David C | Vehicle spacing detector and notification system |
JP4989448B2 (ja) | 2007-12-25 | 2012-08-01 | トヨタ自動車株式会社 | 近傍車両監視装置 |
US20130057397A1 (en) * | 2011-09-01 | 2013-03-07 | GM Global Technology Operations LLC | Method of operating a vehicle safety system |
JP6335814B2 (ja) | 2015-02-18 | 2018-05-30 | 三菱電機株式会社 | 不審車両認識装置及び不審車両認識方法 |
US20170316533A1 (en) * | 2016-04-29 | 2017-11-02 | GM Global Technology Operations LLC | Personal safety and privacy features for passengers of an autonomous vehicle based transportation system |
JP6849705B2 (ja) * | 2016-06-24 | 2021-03-24 | スイス リインシュランス カンパニー リミテッド | 自動化されたリスク制御システムを含む自律的又は部分的に自律的な自動車及びそれに対応する方法 |
WO2019131121A1 (ja) * | 2017-12-26 | 2019-07-04 | ソニー株式会社 | 信号処理装置および方法、並びにプログラム |
US11341852B2 (en) * | 2018-02-26 | 2022-05-24 | Nec Corporation | Dangerous act resolution system, apparatus, method, and program |
US11247699B2 (en) * | 2019-11-04 | 2022-02-15 | Volvo Car Corporation | Driver assist interface in a vehicle |
-
2019
- 2019-08-02 US US16/530,462 patent/US11673555B2/en active Active
-
2020
- 2020-07-29 CN CN202010742475.3A patent/CN112319456A/zh active Pending
- 2020-07-29 DE DE102020120085.4A patent/DE102020120085A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
US11673555B2 (en) | 2023-06-13 |
US20210031772A1 (en) | 2021-02-04 |
DE102020120085A1 (de) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109421738B (zh) | 用于监视自主车辆的方法和装置 | |
CN109421742B (zh) | 用于监测自主车辆的方法和设备 | |
US11673555B2 (en) | Vehicle threat detection and response | |
US11235768B2 (en) | Detection of vehicle operating conditions | |
US10752253B1 (en) | Driver awareness detection system | |
US11845431B2 (en) | Enhanced vehicle operation | |
US11574463B2 (en) | Neural network for localization and object detection | |
US11657635B2 (en) | Measuring confidence in deep neural networks | |
US10953871B2 (en) | Transportation infrastructure communication and control | |
US20220274592A1 (en) | Vehicle parking navigation | |
US11288901B2 (en) | Vehicle impact detection | |
US11639173B2 (en) | Vehicle planned path signal | |
US11897468B2 (en) | Vehicle control system | |
US11572731B2 (en) | Vehicle window control | |
US12007248B2 (en) | Ice thickness estimation for mobile object operation | |
US11945456B2 (en) | Vehicle control for optimized operation | |
US20220333933A1 (en) | Enhanced vehicle and trailer operation | |
US11462020B2 (en) | Temporal CNN rear impact alert system | |
US20220144294A1 (en) | Vehicle feature availability detection | |
US11262201B2 (en) | Location-based vehicle operation | |
CN114199260A (zh) | 沿着规划路径的车辆操作 | |
US20220172062A1 (en) | Measuring confidence in deep neural networks | |
US20230131124A1 (en) | Connected vehicle road-safety infrastructure insights | |
CN117095551A (zh) | 车辆停车导航 | |
CN117068141A (zh) | 车辆路径确定 |
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 |