CN112789209B - 减少由停止的自主车辆给周围道路使用者带来的不便 - Google Patents
减少由停止的自主车辆给周围道路使用者带来的不便 Download PDFInfo
- Publication number
- CN112789209B CN112789209B CN201980063083.XA CN201980063083A CN112789209B CN 112789209 B CN112789209 B CN 112789209B CN 201980063083 A CN201980063083 A CN 201980063083A CN 112789209 B CN112789209 B CN 112789209B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road user
- processors
- behavior
- sensor data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 26
- 230000008447 perception Effects 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 14
- 230000003542 behavioural effect Effects 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 55
- 230000015654 memory Effects 0.000 description 21
- 230000000903 blocking effect Effects 0.000 description 17
- 230000001133 acceleration Effects 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009118 appropriate response Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- 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
- B60W30/181—Preparing for stopping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
- B60W60/00253—Taxi operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
-
- 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
-
- 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
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/04—Vehicle stop
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2554/4041—Position
-
- 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
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/14—Cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/18—Propelling the vehicle
- B60Y2300/18008—Propelling the vehicle related to particular drive situations
- B60Y2300/18091—Preparing for stopping
-
- 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
- G06Q2240/00—Transportation facility access, e.g. fares, tolls or parking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开的各方面提供了减少由停止的自主车辆引起的对其他道路使用者的不便。作为示例,具有自主驾驶模式的车辆(100)可以停止在第一位置处。当车辆停止时,从车辆的感知***(172)接收传感器数据。传感器数据可以识别道路使用者。使用传感器数据可以确定指示由使车辆在第一位置处停止而给道路使用者带来的不便的程度的值。在自主驾驶模式下控制车辆以使车辆从第一位置移动并减小所述值。
Description
相关申请的交叉引用
本申请要求于2018年9月25日提交的申请序列号16/141467的权益,其公开内容通过引用合并于此。
技术领域
本申请涉及一种减少自主车辆给其他道路使用者带来的不便的方法,以及一种减少由停止的自主车辆给其他道路使用者带来的不便的***。
背景技术
自主车辆比如不需要人类驾驶员的车辆可用于帮助将乘客或物品从一个位置运输到另一位置。这种车辆可以在完全自主模式下操作,其中乘客可提供一些初始输入,比如上车或目的地位置,并且车辆将自身操纵到该位置。
当一个人(或使用者)想通过车辆而在两个位置之间被物理运输时,他们可以使用任何数量的运输服务。迄今为止,这些服务通常涉及人类驾驶员,其被给予调度指令至接载使用者的位置。在许多情况下,人类驾驶员和使用者能够为要上车的使用者安排确切的位置。另外,当等待乘客停止和等待乘客时,人类驾驶员通常能够识别出他们何时给环境中的其他道路使用者(比如其他车辆、行人、骑自行车的人等)带来不便。例如,车辆可以阻挡或不方便其后的其他车辆、从相邻车道驶近的车辆、试图停车或开走的车辆、骑自行车的人和/或自行车道、试图穿越的行人等。这样,人类驾驶员可能能够确定如何最大程度地减少对其他驾驶员的不便。在没有人类驾驶员的自主车辆的情况下,这是不容易实现的。
发明内容
本公开的一方面提供了一种减少自主车辆给其他道路使用者带来的不便的方法。该方法包括:通过一个或多个处理器使具有自主驾驶模式的车辆在第一位置处停止;当车辆停止时,通过一个或多个处理器从车辆的感知***接收传感器数据,该传感器数据识别道路使用者;通过一个或多个处理器使用传感器数据确定指示由使车辆在第一位置处停止而给道路使用者带来的不便的程度的值;以及通过一个或多个处理器在自主驾驶模式下控制车辆以使车辆从第一位置移动并减小所述值。
在一示例中,传感器数据指示针对其他道路使用者的观察到的行为,并且该方法还包括:接收预测其他道路使用者的未来行为的行为模型的输出;以及将未来行为与观察到的行为进行比较,并且其中,确定所述值还基于该比较。在另一示例中,传感器数据指示针对其他道路使用者的观察到的行为,并且该方法还包括:接收预测其他道路使用者的第一未来行为的行为模型的第一输出;在接收到第一输出之后,接收预测道路使用者的第二未来行为的行为模型的第二输出;以及将第一未来行为与第二未来行为进行比较,并且其中,确定所述值还基于该比较。在该示例中,第二输出还指示第二未来行为是对车辆的响应,并且确定所述值还基于第二未来行为是对车辆的响应的指示。在另一示例中,确定所述值包括将传感器数据输入到输出所述值的模型中。在该示例中,该方法还包括基于来自预测其他道路使用者的第一未来行为的行为模型的输出来确定车辆给道路使用者带来不便,并且其中,传感器数据基于车辆给道路使用者带来不便的确定被输入到模型中。在另一示例中,基于道路使用者是否在与车辆的车道相邻的车道中来控制车辆。在另一示例中,基于道路使用者是否在车辆的车道中并且在车辆的后面来控制车辆。在另一示例中,车辆停在第一位置处以等待乘客,并且该方法还包括基于所述控制向乘客的客户端计算设备发送消息。在另一示例中,该方法还包括确定所述值满足阈值,并且其中,控制车辆还基于所述值满足阈值的确定。
本公开的另一方面提供了一种用于减少由停止的自主车辆给其他道路使用者带来的不便的***。该***包括一个或多个处理器,其配置为:使具有自主驾驶模式的车辆在第一位置处停止;当车辆停止时,从车辆的感知***接收传感器数据,该传感器数据识别道路使用者;使用传感器数据确定指示由使车辆在第一位置处停止而给道路使用者带来的不便的程度的值;以及通过一个或多个处理器在自主驾驶模式下控制车辆以使车辆从第一位置移动并减小所述值。
在一示例中,传感器数据指示针对其他道路使用者的观察到的行为,并且一个或多个处理器还配置为:接收预测其他道路使用者的未来行为的行为模型的输出;以及将未来行为与观察到的行为进行比较,并且其中,确定所述值还基于该比较。在另一示例中,传感器数据指示针对其他道路使用者的观察到的行为,并且一个或多个处理器还配置为:接收预测其他道路使用者的第一未来行为的行为模型的第一输出;在接收到第一输出之后,接收预测道路使用者的第二未来行为的行为模型的第二输出;以及将第一未来行为与第二未来行为进行比较,并且其中,确定所述值还基于该比较。在该示例中,第二输出还指示第二未来行为是对车辆的响应,并且一个或多个处理器还配置为也基于第二未来行为是对车辆的响应的指示来确定所述值。在另一示例中,一个或多个处理器还配置为确定所述值包括将传感器数据输入到输出所述值的模型中。在该示例中,一个或多个处理器还配置为基于来自预测其他道路使用者的第一未来行为的行为模型的输出来确定车辆给道路使用者带来不便,并且传感器数据基于车辆给道路使用者带来不便的确定被输入到模型中。在另一示例中,一个或多个处理器还配置为也基于道路使用者是否在与车辆的车道相邻的车道中来控制车辆。在另一示例中,一个或多个处理器还配置为也基于道路使用者是否在车辆的车道中并且在车辆的后面来控制车辆。在另一示例中,车辆停在第一位置处以等待乘客,并且一个或多个处理器还配置为基于所述控制向乘客的客户端计算设备发送消息。在另一示例中,一个或多个处理器还配置为确定所述值满足阈值,并且其中,控制车辆还基于所述值满足阈值的确定。
附图说明
图1是根据本公开各方面的示例车辆的功能图。
图2是根据本公开各方面的地图信息的示例表示。
图3是根据本公开各方面的车辆的示例外部视图。
图4是根据本公开各方面的***的示例示图。
图5是根据本公开各方面的***的示例功能图。
图6是根据本公开各方面的一段道路的视图。
图7-11是根据本公开各方面的各种情况的示例。
图12是根据本公开各方面的针对道路使用者的实际轨迹和预测轨迹的示例比较。
图13是根据本公开各方面的针对道路使用者的实际轨迹和预测轨迹的另一示例比较。
图14是根据本公开各方面的流程图。
具体实施方式
概述
该技术涉及使自主车辆能够就在等待乘客到达时是否从上车位置移动做出独立确定。这又可以减少在停止并等待一个或多个乘客的自主车辆的周围环境中给其他道路使用者带来的不便。例如,如上所述,车辆可以阻挡或不方便其后的其他车辆、从相邻车道驶近的车辆、试图停车或开走的车辆、骑自行车的人和/或自行车道、试图穿越的行人等。
作为一种方法,当自主车辆停止时,其可以基于车辆是否在阻挡或者以其他方式不方便其他道路使用者而以增加的时间间隔向远程操作者请求关于自主车辆是否应移动的帮助。作为响应,远程操作者可以查看车辆的周围环境,并根据车辆周围的交通流量来指示自主车辆呆在原位还是移动。当然,这种反复来回可能会花费一些时间,这可能会给其他道路使用者带来烦恼和不便。为了在这种情况下减少甚至消除需要自主车辆呼叫远程操作者,车辆的计算设备可以识别车辆给其他驾驶员造成不便的情况,然后尝试减少这种不便。
为此,车辆的计算设备可以从车辆的感知***接收传感器数据。感知***可以包括各种传感器,并且可以配置为检测和识别车辆环境中的物体,例如其他道路使用者。然后,该信息可用于确定车辆是否给其他道路使用者带来不便,例如通过阻塞交通或使其他道路使用者不得不在车辆周围移动。例如,车辆的计算设备可以确定车辆是否在阻止其他车辆、行人和骑自行车的人前进或导致这些道路使用者不得不在车辆周围行驶。
车辆的计算设备可以接收来自各种行为预测模型的输出。例如,对于由车辆的感知***检测到的给定类型的每个道路使用者,车辆的计算设备可以针对该类型的道路使用者使用相应的行为预测模型,以估计该道路使用者的未来行为。在某些情况下,这些行为模型还可以识别其他道路使用者的行为是否对车辆做出了响应。如果预测随时间变化,或者在其他道路使用者接近车辆时预测与其他道路使用者的实际行为不充分对应,并且这些变化或差异是由车辆引起的,则这可能表示车辆给其他道路使用者带来了不便。
为了使车辆的计算设备能够快速评估不便,可以使用模型来仅针对由车辆的感知***检测为被车辆不便的那些其他道路使用者提供不便值,如上所述。可以通过使用由车辆感知***生成的传感器数据和车辆被识别为给其他交通造成不便时的带有标记的实例来训练模型。可以训练模型以提供指示车辆对前述道路使用者造成不便的可能性的值。可替代地,无论各种行为模型的输出如何,只要车辆停止,该模型就可以用于确定该车辆是否给其他道路使用者带来不便。
模型的输出可用于确定适当的响应。例如,可以将该值与阈值进行比较,以确定车辆是否给其他道路使用者带来不便从而该车辆应该移动。如果未达到阈值,则车辆的计算设备可以通过将车辆保持在其当前位置进行响应。如果达到阈值,则车辆的计算设备可以通过移动车辆进行响应,以减小该值。另外,车辆如何移动可以取决于车辆如何给其他交通带来不便。在又一示例中,车辆的计算设备可能尝试从模型中搜索具有较低值的位置。
本文所述的特征可以使自主车辆能够在等待乘客到达时就是否从上车位置移动做出独立确定。这可以减少甚至消除需要远程操作者做出这些决定,同时还减少车辆对这种情况做出反应所花费的时间。这种时间上的减少还可以增加车辆的安全性,因为车辆能够连续地监视其环境并预期给其他道路使用者带来不便,所以车辆的安全性可能能够更快地响应。同时,通过允许车辆自动确定其正在阻挡或不方便其他道路使用者,车辆可能对其环境更加敏感且更不可能阻挡、不方便以及在某些情况下使其他道路使用者烦恼。
示例***
如图1所示,根据本公开一方面的车辆100包括各种部件。尽管本公开的某些方面对于特定类型的车辆特别有用,但车辆可以是任何类型的车辆,包括但不限于汽车、卡车、摩托车、公共汽车、休闲车等。车辆可以具有一个或多个计算设备,例如计算设备110,其包含一个或多个处理器120、存储器130和通常在通用计算设备中存在的其他部件。
存储器130存储一个或多个处理器120可访问的信息,包括可由处理器120执行或以其他方式使用的指令132和数据134。存储器130可以是能够存储处理器可访问的信息的任何类型,包括计算设备可读介质或存储可借助电子设备读取的数据的其他介质,例如硬盘驱动器、存储卡、ROM、RAM、DVD或其他光盘以及其他写入方法功能和只读存储器。***和方法可以包括前述的不同组合,由此指令和数据的不同部分被存储在不同类型的介质上。
指令132可以是将由处理器直接执行(例如机器代码)或间接执行(例如脚本)的任何指令集。例如,指令可以作为计算设备代码存储在计算设备可读介质上。就这一点而言,术语“指令”和“程序”在本文中可以互换使用。指令可以以目标代码格式存储以供处理器直接处理,或者以任何其他计算设备语言存储,包括按需解释或预先编译的脚本或独立源代码模块的集合。指令的功能、方法和例程将在下面更详细地说明。
数据134可以由处理器120根据指令132来检索、存储或修改。作为示例,存储器130的数据134可以存储预定义的场景。给定场景可以标识一组场景要求,包括物体的类型、物体相对于车辆的位置范围以及其他因素,例如自主车辆是否能够围绕物体操纵、物体是否正在使用转向灯、与物体当前位置相关的交通信号灯的状态、物体是否正在接近停车标志等。要求可能包括离散值,例如“右转向灯打开”或“处于仅右转弯车道”或者例如“具有以偏离车辆100的当前路径30至60度的角度定向的前进方向”的值范围。在一些示例中,预定场景可以包括针对多个物体的类似信息。
一个或多个处理器120可以是任何常规处理器,例如可商购获得的CPU。可替代地,一个或多个处理器可以是专用设备,比如ASIC或其他基于硬件的处理器。尽管图1在功能上将计算设备110的处理器、存储器和其他元件示出为在同一框内,但本领域普通技术人员将理解,处理器、计算设备或存储器实际上可以包括可能会或可能不会存储在同一物理壳体内的多个处理器、计算设备或存储器。作为示例,内部电子显示器152可以由具有其自己的处理器或中央处理单元(CPU)、存储器等的专用计算设备控制,该专用计算设备可以经由高带宽或其他网络连接与计算设备110对接。在一些示例中,该计算设备可以是可以与使用者的客户端设备通信的使用者界面计算设备。类似地,存储器可以是位于不同于计算设备110的壳体中的硬盘驱动器或其他存储介质。因此,对处理器或计算设备的引用将被理解为包括对可能并行或可能不并行运行的处理器或计算设备或存储器的集合的引用。
计算设备110可以是通常与诸如上述的处理器和存储器之类的计算设备以及使用者输入150(例如鼠标、键盘、触摸屏和/或麦克风)以及各种电子显示器(例如具有屏幕的监视器或可用于显示信息的任何其他电子设备)结合使用的所有部件。在该示例中,车辆包括内部电子显示器152以及一个或多个扬声器154以提供信息或视听体验。就这一点而言,内部电子显示器152可以位于车辆100的车厢内,并且可以由计算设备110用来向车辆100内的乘客提供信息。除了内部扬声器之外,一个或多个扬声器154可以包括外部扬声器,其布置在车辆上的各个位置,以便向车辆100外部的物体提供可听见的通知。
在一示例中,计算设备110可以是结合到车辆100中的自主驾驶计算***。自主驾驶计算***可以能够与车辆的各种部件通信。例如,返回图1,计算设备110可以与车辆100的各种***通信,比如减速***160(用于控制车辆的制动)、加速***162(用于控制车辆的加速)、转向***164(用于控制车轮的定向和车辆的方向)、信号***166(用于控制转向信号)、导航***168(用于将车辆导航到某个位置或物体周围)、定位***170(用于确定车辆的位置)、感知***172(用于检测车辆环境中的物体)和动力***174(例如电池和/或汽油或柴油动力发动机),以在不要求或不需要来自车辆乘客的连续或周期性输入的自主驾驶模式下根据存储器130的指令132来控制车辆的运动、速度等。此外,尽管这些***示出为在计算设备110外部,但实际上,这些***也可以并入计算设备110中,同样作为用于控制车辆100的自主驾驶计算***。
计算设备110可以通过控制各种部件来控制车辆的方向和速度。举例来说,计算设备110可以使用来自地图信息和导航***168的数据完全自主地将车辆导航到目的地位置。计算设备110可以使用定位***170来确定车辆的位置和使用感知***172来检测物体并在需要安全到达位置时对其做出响应。为此,计算设备110可以使车辆加速(例如通过增加由加速***162提供给发动机的燃料或其他能量)、减速(例如通过减少提供给发动机的燃料、改变档位和/或通过减速***160施加制动)、改变方向(例如通过转向***164转动车辆100的前轮或后轮)和发出这样变化的信号(例如通过点亮信号***166的转向信号)。因此,加速***162和减速***160可以是包括在车辆发动机和车辆车轮之间的各种部件的动力传动系的一部分。同样,通过控制这些***,计算设备110也可以控制车辆的动力传动系,以便自主地操纵车辆。
作为示例,计算设备110可以与减速***160和加速***162交互以便控制车辆的速度。类似地,转向***164可以由计算设备110使用以便控制车辆100的方向。例如,如果车辆100配置为在道路上使用,比如汽车或卡车,则转向***可以包括用于控制车轮角度以使车辆转向的部件。信号***166可以由计算设备110使用,以便例如在需要时通过点亮转向信号灯或刹车灯来向其他驾驶员或车辆发出车辆意图的信号。
导航***168可被计算设备110使用以确定并遵循到达位置的路线。在这方面,导航***168和/或数据134可以存储地图信息,例如计算设备110可以用来导航或控制车辆的高度详细地图。作为示例,这些地图可以标识道路的形状和高度、车道标记、十字路口、人行横道、速度限制、交通信号灯、建筑物、标志、实时或历史交通信息、植被或其他此类物体和信息。车道标记可以包括诸如实线或折断的双或单车道线、实线或折断的车道线、反射器等特征。给定车道可以与定义车道边界的左右车道线或其他车道标志相关。因此,大多数车道可以由一个车道线的左边缘和另一车道线的右边缘界定。如上所述,地图信息可以在过去的相似时间存储来自特定上车地点的已知交通或拥堵信息和/或公交时刻表(火车、公交车等)。该信息甚至可以通过计算设备110接收的信息实时更新。
图2是用于包括十字路口220的一段道路的地图信息200的示例。在该示例中,地图信息200描绘了地图信息的一部分,该信息包括标识车道标记或车道线210、212、214、停车标志240、242、244、246以及停车线250、252、254、256的形状、位置和其他特征的信息。车道线还可以定义由道路的宽度暗含的各种车道260、261、264、265,比如车道262、263、266、267,和/或车道260-267还可以在地图信息200中被明确标识。在此示例中,地图信息200还标识自行车道280、282。除了这些特征之外,地图信息还可以包括标识每个车道的交通方向和速度限制的信息以及允许计算设备110确定车辆是否有权完成特定操纵(即完成转弯或穿越交通或十字路口的车道)的信息以及其他特征,比如路缘石、建筑物、水路、植被、标志等。
地图信息还可以存储预定的停止位置,包括上车位置和下车位置。上车位置可以指自主车辆停下来等待接载乘客旅行的位置。下车位置可以指自主车辆停下来以允许乘客在旅行后离开车辆的位置。其他停止位置也是可能的,比如车辆停止、允许乘客离开并等待乘客返回的位置。这些中的每个可以简单地是离散的、预定的上下车位置的停车位置,并且在某些情况下是由人工操作者手动选择的或由计算设备随时间学习的。在这方面,每个停止位置可以是车辆可以通过对每个位置的特征进行一些手动或自动分析而选择停止的位置。在图2的示例中,地图信息包括停止位置290、292。然而,在某些位置,例如在邻里或狭窄的道路中,如在图2的示例中,可能很少或没有“固定”或预先指定的停车空间或区域。
尽管本文将详细地图信息描绘为基于图像的地图,但地图信息不必完全基于图像(例如栅格)。例如,详细的地图信息可以包括一个或多个道路图或图形网络信息,比如道路、车道、十字路口以及这些特征之间的连接。每个特征可以存储为图形数据,并且可以与诸如地理位置及其是否链接到其他相关特征的信息相关,例如停车标志可以链接到道路和十字路口等。在一些示例中,相关的数据可以包括道路图的基于网格的索引,以允许高效地查找某些道路图特征。
感知***172还包括一个或多个部件,用于检测车辆外部的物体,比如其他车辆、道路上的障碍物、交通信号灯、标志、树木等。例如,感知***172可以包括一个或多个LIDAR传感器、声纳设备、雷达单元、相机和/或记录可由计算设备110处理的数据的任何其他检测设备。感知***的传感器可以检测物体及其特征,比如位置、定向、大小、形状、类型(例如车辆、行人、骑自行车的人等)、前进方向和移动速度等。来自传感器和/或上述特征的原始数据可被量化或布置为描述性函数、向量和/或边界盒子,并在其由感知***172生成时被周期性且连续地发送给计算设备110以进一步处理。如以下进一步详细讨论,计算设备110可以使用定位***170确定车辆的位置和使用感知***172来检测物体并在需要安全到达位置时响应物体。
例如,图3是车辆100的示例性外部视图。在该示例中,车顶顶部壳体310和圆顶壳体312可包括LIDAR传感器以及各种相机和雷达单元。另外,位于车辆100的前端的壳体320和位于车辆的驾驶员侧和乘客侧的壳体330、332可以各自存储LIDAR传感器。例如,壳体330位于驾驶员门350的前面。车辆100还包括用于雷达单元和/或相机的壳体340、342,它们也位于车辆100的车顶上。其他雷达单元和相机(未示出)可以位于车辆100的前后端和/或在沿车顶或车顶顶部壳体310的其他位置上。车辆100还包括典型乘用车的许多特征,比如车门350、352、车轮360、362等。
一旦检测到附近物体,计算设备110和/或感知***172就可以确定物体的类型,例如交通锥标、行人、车辆(比如乘用车、卡车、公共汽车等)、自行车等。可以通过各种模型来识别物体,这些模型可以考虑检测到的物体的各种特征,比如物体的大小、物体的速度(自行车通常不会超过每小时40英里,也不会低于每小时0.1英里)、来自自行车的热量(自行车往往具有从身体散发热量的骑手)等。此外,可以根据物体的特定属性对物体进行分类,比如车牌上包含的信息、保险杠贴纸或出现在车辆上的徽标。
在一示例中,计算设备110可操作成仅基于另一车辆的即时方向、加速度/减速度和速度来预测另一车辆的未来运动,例如另一车辆的当前方向和运动将继续。然而,存储器130也可以存储行为模型,其提供对检测到的物体采取一个或多个动作的概率。为了增加这些行为模型的有用性,每个行为模型都可以与特定类型的物体相关。例如,一种类型的行为模型可以用于标识为行人的物体,另一种类型的行为模型可以用于标识为车辆的物体,另一种类型的行为可以用于标识为自行车或骑自行车的人的物体等。计算设备110可以使用行为模型以通过分析与另一车辆的当前周围环境有关的数据(比如检测或估计的大小、形状、位置、方向、前进方向、速度、加速度或减速度、加速度或减速度的变化等)并且确定其他物体可能会对周围环境做出怎样的反应来预测所检测到的物体的未来运动。在这方面,行为模型可以从物体环境的以物体为中心的视图来起作用,因为***确定其他物体正在感知什么,以便更好地预测那些物体的行为。就这一点而言,至少在某些情况下,行为模型还可指示物体的预测行为是否响应于包括车辆100的特定其他物体。
车辆100的一个或多个计算设备110还可以例如使用无线网络连接156来向/至其他计算设备接收或发送信息。无线网络连接可以包括例如蓝牙(R)、蓝牙LE、LTE、蜂窝、近场通信等以及前述的各种组合。图4和5分别是示例***400的图片和功能图,该示例***包括多个计算设备410、420、430、440和经由网络460连接的存储***450。***400还包括车辆100以及可以与车辆100类似配置的车辆100A。尽管为了简单起见仅示出了少数车辆和计算设备,但典型的***可能包括相当多的车辆和计算设备。
如图4所示,每个计算设备410、420、430、440可以包括一个或多个处理器、存储器、数据和指令。可以类似于计算设备110的一个或多个处理器120、存储器130、数据134和指令132类似地配置这样的处理器、存储器、数据和指令。
网络460和中间节点可以包括各种配置和协议,包括短距离通信协议,比如蓝牙(R)、蓝牙LE、互联网、万维网、内联网、虚拟专用网、广域网、局域网、使用一个或多个公司专有的通信协议的专用网、以太网、WiFi和HTTP以及上述的各种组合。能够与其他计算设备之间来回传输数据的任何设备(比如调制解调器和无线接口)都可以促进这种通信。
在一示例中,一个或多个计算设备110可以包括具有多个计算设备的服务器,例如负载平衡服务器场,其与网络的不同节点交换信息以用于在其他计算设备之间接收、处理和传输数据。例如,一个或多个计算设备410可包括能够经由网络460而与车辆100的一个或多个计算设备110或车辆100A的类似计算设备以及客户端计算设备420、430、440进行通信的一个或多个服务器计算设备。例如,车辆100和100A可以是可以由服务器计算设备调度到各个位置的车辆队列的一部分。在这方面,车队的车辆可以周期性地发送由车辆的相应定位***提供的服务器计算设备位置信息,并且一个或多个服务器计算设备可以跟踪车辆的位置。
另外,服务器计算设备410可以使用网络460在显示器比如计算设备420、430、440的显示器424、434、444上向使用者比如使用者422、432、442发送和呈现信息。就这一点而言,计算设备420、430、440可以被认为是客户端计算设备。
如图5所示,每个客户端计算设备420、430、440可以是打算供使用者422、432、442使用的个人计算设备,并具有通常与个人计算设备结合使用的所有部件,包括一个或多个处理器(例如中央处理单元(CPU))、存储数据和指令的存储器(例如RAM和内部硬盘驱动器)、显示器比如显示器424、434、444(例如具有屏幕的监视器、触摸屏、投影仪、电视或可操作成显示信息的其他设备)以及使用者输入设备426、436、446(例如鼠标、键盘、触摸屏或麦克风)。客户端计算设备还可包括用于记录视频流的相机、扬声器、网络接口设备以及用于将这些元件彼此连接的所有部件。
尽管客户端计算设备420、430和440每个可以包括全尺寸的个人计算设备,但它们可以替代地包括能够通过网络比如因特网与服务器无线交换数据的移动计算设备。仅作为示例,客户端计算设备420可以是移动电话或者诸如能够启用无线的PDA、平板PC、可穿戴计算设备或***或能够经由因特网或其他网络获得信息的上网本的设备。在另一示例中,客户端计算设备430可以是可穿戴计算***,如图4中的手表所示。作为示例,使用者可以使用小键盘、键区、麦克风,使用带有相机的视觉信号或触摸屏来输入信息。
在一些示例中,客户端计算设备440可以是管理员用来向使用者比如使用者422和432提供远程操作者服务的远程操作者工作站。例如,远程操作者442可以使用远程操作者工作站440通过使用者各自的客户端计算设备和/或车辆100或100A经由电话呼叫或音频连接而与使用者进行通信,以确保车辆100和100A的安全运行以及使用者的安全,如下面进一步详细介绍。尽管在图4和5中仅示出了单个远程操作者工作站440,但在典型的***中可以包括任何数量的这种工作站。
存储***450可以存储各种类型的信息,如下面更详细描述。该信息可以由服务器计算设备比如一个或多个服务器计算设备410检索或以其他方式访问,以便执行本文所述的一些或全部特征。例如,信息可以包括可用于识别一个或多个服务器计算设备的使用者的使用者帐户信息,例如凭证(例如在传统的单因素身份验证的情况下为使用者名和密码以及通常在多因素身份验证中使用的其他类型的凭证,比如随机标识符、生物识别等)。使用者帐户信息还可以包括个人信息,比如使用者名、联系信息、使用者客户端计算设备(或多个设备与同一使用者帐户一起使用时的多个设备)的标识信息以及年龄信息、健康信息和有关使用者过去多长时间进入或退出车辆的使用者历史记录信息,如下所述。
存储***450还可以存储用于生成和评估位置之间的路由的路由数据。例如,路由信息可用于估计车辆在第一位置到达第二位置将花费多长时间。在这方面,路由信息可以包括地图信息,不一定与上述的详细地图信息一样特别,而是包括道路,以及关于那些道路的信息,比如方向(单向、双向等)、定向(北方、南方等)、速度限制以及标识预期交通状况的交通信息等。
存储***450还可以存储可以提供给客户端计算设备以显示给使用者的信息。例如,存储***450可以存储预定的距离信息,用于确定对于给定的上车或目的地位置车辆可能停在的区域。存储***450还可以存储图形、图标和可以向使用者显示的其他项目,如下所述。
与存储器130一样,存储***450可以是能够存储服务器计算设备410可访问的信息的任何类型的计算机化存储装置,比如硬盘驱动器、存储卡、ROM、RAM、DVD、CD-ROM、能写只读存储器。另外,存储***450可以包括分布式存储***,其中数据存储在物理上可以位于相同或不同地理位置的多个不同存储设备上。如图4所示,存储***450可以经由网络460连接到计算设备,和/或可以直接连接到或合并到任何计算设备110、410、420、430、440等中。
示例方法
除了上述和附图中所示的操作之外,现在将描述各种操作。应当理解,不必以下面描述的精确顺序执行以下操作。相反,可以以不同的顺序或同时地处理各个步骤,并且还可以添加或省略步骤。
在一方面,使用者可以将用于请求车辆的应用下载到客户端计算设备。例如,使用者422和432可以通过电子邮件中的链接直接从网站或应用程序商店下载应用程序到客户端计算设备420和430。例如,客户端计算设备可以通过网络将对应用程序的请求发送到例如一个或多个服务器计算设备410,并作为响应接收该应用程序。该应用程序可以本地安装在客户端计算设备上。
然后,使用者可以使用他或她的客户端计算设备来访问该应用程序并请求车辆。举例来说,使用者比如使用者432可以使用客户端计算设备430将请求发送到用于车辆的一个或多个服务器计算设备410。作为其一部分,使用者可以识别上车位置、目的地位置,并且在某些情况下,可以识别车辆可以在服务区域内的任何地方停靠的一个或多个中间停止位置。
这些上车和目的地位置可以是预先定义的(例如停车场的特定区域等),或者可以仅仅是车辆服务区域内的任何位置。作为示例,上车位置可以默认为使用者的客户端计算设备的当前位置,或者可以由使用者在使用者的客户端设备处输入。例如,使用者可以输入地址或其他位置信息,或者在地图上选择位置以选择上车位置。一旦使用者选择了上车和/或目的地位置中的一个或多个,客户端计算设备420就可以将一个或多个位置发送到集中式调度***的一个或多个服务器计算设备。作为响应,一个或多个服务器计算设备比如服务器计算设备410可以例如基于可用性和对使用者的接近度来选择车辆,比如车辆100。然后,服务器计算设备410可以将使用者分配为车辆100的乘客,调度所选择的车辆(这里是车辆100)以接载所分配的乘客。这可以包括通过向车辆的计算设备110提供由所分配的乘客指定的上车和/或目的地位置以及可以由车辆100的计算设备110用来认证客户端计算设备比如客户端计算设备430的信息。
此后,计算设备110可以使车辆100朝向上车位置操纵,并且在接载乘客之后朝向目的地位置操纵。一旦车辆在上车或下车位置的预定距离之内,比如50米左右,计算设备110就可以开始寻找停车地点并允许乘客进出车辆。在一些情况下,车辆可能在马路或停车位前方的车道中部分地向路缘牵引。尽管在某些情况下在这些位置停车可能是适当的,但这可能给其他道路使用者带来不便。
图6是对应于地图信息200的一段道路的示例600鸟瞰图。在该示例中,十字路口620、车道线610、612、614、停车标志640、642、644、646、停车线650、652、654、656、车道660-268、自行车道680、682和停车位690、692的形状位置和其他特征通常可分别对应于十字路口220、车道线210、212、214、停车标志240、242、244、246、停车线250、252、254、256、车道260-268、自行车道280、282和停车位置290、292的形状位置和其他特征。下面进一步讨论的图7-10提供了示例情况,其中使用图6的示例600,车辆在停下并等待乘客时可能会阻挡或不方便其他车辆。尽管这些示例对于演示很有用,但不应将其视为限制性的;车辆可能会以无数种方式阻挡或不方便其他道路使用者。
例如,转向图7,车辆100可以在靠近上车位置710的车道662中停止并等待乘客。在该示例中,第二车辆720可以从后面接近车辆100。就这一点而言,车辆100可能正在阻挡第二车辆720并给第二车辆720带来不便。如图8所示,车辆100可以在靠近上车位置810的车道663中停止并等待乘客。在该示例中,第二车辆820可能正在从相邻车道662接近车辆100。就这一点而言,车辆100可能正在阻挡第二车辆820并给第二车辆820带来不便。转向图9,车辆100可以在靠近上车位置910的车道661中停止并等待乘客。在该示例中,第二车辆920可停在停车位690中,并试图“开走”或相反,等待拉出进入车道661。在这方面,车辆100可能正在阻挡第二车辆920并给第二车辆920带来不便。图10提供了车辆100的类似示例,该车辆在上车位置1030附近停止并且阻挡第二车辆1040拐入并到达与马路相对应的相邻区域1050。就这一点而言,车辆100可能正在阻挡第二车辆1040并给第二车辆1040带来不便。如图11所示,车辆100可以在靠近上车位置1110的车道660中停止并等待乘客。在该示例中,车辆100至少部分地阻挡自行车道680,并且骑自行车的人1120从后面接近车辆100。
作为一种方法,当停止时,计算设备110可基于车辆是否在阻挡或以其他方式给其他道路使用者带来不便而以一致的增加和/或减小的时间间隔向远程操作者请求关于车辆是否应移动的协助。例如,计算设备110可以经由网络460向远程操作者442的远程操作者工作站440发送协助请求。该请求可以包括感知***172捕获的车辆周围环境的一个或多个静止和/或视频图像。作为响应,远程操作者442可以查看车辆周围环境的图像,并根据车辆100周围的交通流量来指示车辆的计算设备110保持原位不动还是移动。当然,在网络460上的这种来回往返可能要花费时间,这可能给其他道路使用者带来烦恼和不便。为了减少或甚至消除在这种情况下自主车辆呼叫远程操作者的需要,计算设备110可以自动识别车辆在给其他驾驶员带来不便的情况,然后尝试减少这种不便。
为此,当停止时,计算设备110可以从车辆的感知***172接收传感器数据。然后,该传感器数据可以用于确定车辆是否给其他道路使用者带来不便,例如通过阻塞交通或引起其他道路使用者必须在车辆周围移动。例如,计算设备110可以确定车辆是否在阻止其他道路使用者前进或使这些道路使用者不得不在车辆周围行驶,如下面进一步讨论。作为示例,计算设备可以确定另一车辆是否已经在该车辆后方附近停止停车,换言之,是“尾随的”。
另外或可替代地,如上所述,计算设备110可以接收来自各种行为预测模型的输出。例如,对于从感知***172提供的传感器数据中识别出的给定类型的每个道路使用者,车辆的计算设备可以使用针对该类型(例如车辆、行人、骑自行车的人等)的对应的行为预测模型,以为该道路使用者输出未来的行为或轨迹。在某些情况下,这些行为模型还可以识别其他道路使用者的行为或轨迹是否响应于车辆在当前位置减速或停止。
如果预测随着时间改变,或者如果预测在其他道路使用者接近车辆时与其他道路使用者的实际行为不充分对应,并且这些变化或差异是由车辆引起的(即响应于车辆),则这可能表示车辆正在阻挡或不方便其他道路使用者。例如,如果预测的行为(或轨迹)包括其他道路使用者在其靠近车辆的车道中或直接通过车辆的位置前进,但实际的观察到的行为(或轨迹)使其他道路使用者移动远离车辆(横向)或在车辆后方停止,则这可能表示车辆正在阻挡或不方便其他道路使用者。
例如,图12描绘了当停止时道路使用者相对于车辆100的预测轨迹1210和实际轨迹1220,例如在图7的示例中所示。在图12的示例中,预测轨迹1210穿过车辆100的位置,但实际轨迹1220具有横向远离车辆移动的其他道路使用者。图13描绘了当停止时道路使用者相对于车辆100的预测轨迹1210和实际轨迹1320,例如在图7的示例中所示。在图13的示例中,预测轨迹1310穿过车辆100的位置,但实际轨迹1320具有停在车辆100后面的其他道路使用者。此差异的大小以及其他道路使用者必须使车辆行驶多长时间也可以指示车辆给其他道路使用者带来多少不便或者车辆是否完全阻挡其他道路使用者。
一旦确定车辆在停止时给其他道路使用者带来不便,则计算设备110可以评估或确定该不便的值。为了允许计算设备110快速评估对其他道路使用者的不便,可以使用模型来仅针对由车辆的感知***检测为被车辆阻挡或不便的那些其他道路使用者提供不便值,如上所述。例如,模型可以包括机器学习模型,比如深度神经网络或其他类型的机器学习模型。
模型可以例如由服务器计算设备410中的一个或多个“离线”训练,并经由网络460发送或以其他方式下载到计算设备110的存储器130以供以后使用。用于模型的训练数据可以包括使用由车辆的感知***生成的传感器数据以及包括车辆被识别为阻塞和/或给其他交通造成不便的位置的带标记的实例。例如,可以基于远程操作者针对不同车辆的前述确定来生成这些标记,并进一步用不便值来标记这些确定。当远程操作者正在查看车辆环境的图像时,此不便值可能是远程操作者以某种预定义的比例选择的值,比如0到1或1到10等。传感器数据可以包括由对应车辆的感知***生成的所有数据,或者更为精简的信息,比如感知***在一段时间内针对每个道路使用者检测到的姿态、速度、加速度和类似数据。可以使用训练数据来训练模型,以便提供指示当车辆在给定位置(通常是车辆当前停止的位置)处停止时车辆阻挡和/或给前述道路使用者带来不便的值,然后将其发送到车队的车辆。
可替代地,无论各种行为模型的输出如何,只要车辆停止,该模型就可以用于确定车辆是否给其他道路使用者带来不便。
模型的输出可用于确定适当的响应。例如,可以将该值与阈值进行比较,以确定车辆是否阻挡和/或给其他道路使用者带来不便,从而使车辆应该行驶。例如,如果该值的范围为0到1,其中1是给其他道路使用者带来很大的不便,则可以具有介于两者之间的某个预定阈值(例如0.7左右)。当不满足阈值时,则车辆的计算设备可以确定车辆100未给其他道路使用者带来不便。在这种情况下,计算设备110可以通过将车辆100保持在其当前位置来响应。当达到阈值时,车辆的计算设备确定车辆给其他道路使用者带来不便。在这种情况下,计算设备110可以通过移动车辆来响应以减小该值。
车辆如何移动可以取决于车辆如何阻塞或给其他交通带来不便。例如,基于被模型识别为不便的道路使用者的相对位置,计算设备可以选择不同类型的运动。例如,如果车辆在相邻车道中给道路使用者带来不便,比如在图8的示例中,则计算设备110可以使车辆向前和/或向右移动(在右侧驾驶国家)。作为另一示例,如果车辆给车辆后面的其他道路使用者带来不便,比如在图7的示例中,则车辆计算设备可以尝试将车辆进一步向右移动(在右侧驾驶国家),以允许其他道路使用者在左侧通过车辆。这些运动实际上又可能会降低该值。
在又一示例中,车辆的计算设备可能尝试使用该模型来搜索具有较低值的新位置。例如,车辆的计算设备可以搜索距离道路使用者更远并且不阻塞车辆的计算设备预测道路使用者试图去的地方的附近停车位置,这可能是以不方便正被接载的乘客为代价。然后,计算设备110可以将这些新位置和来自感知***的传感器数据输入到模型中,以确定新位置的不便值。然后可以选择具有最低值的新位置。可替代地,地图可以包括标识用于不同停止位置的估计的不便值的数据。在这方面,计算设备可以简单地搜索和选择具有比车辆当前位置更低的不便值的新位置。
一旦选择了新位置,则计算设备110可以控制车辆以便移动到该较低值位置。如果计算设备110不能找到具有较低值的位置,则车辆的计算设备可以将消息发送至车辆的乘客(例如到达乘客的客户端计算设备以进行显示),指示车辆将要移动到新位置。车辆的计算设备也可以控制车辆以便向前行驶。同时,车辆的计算设备可能会尝试标识此新位置,例如通过搜索预先映射的靠向路边位置或尝试标识在车辆当前位置的一定距离内的附近停车区。
图14是可由一个或多个处理器比如计算设备110的一个或多个处理器120执行的流程图1400。在该示例中,在框1410,具有自主驾驶模式的车辆在第一位置处停止。在框1420,当车辆停止时,从车辆的感知***接收传感器数据。该传感器数据识别道路使用者。在框1430,使用传感器数据,确定指示由使车辆在第一位置处停止而给道路使用者带来的不便的程度的值。在框1440,在自主驾驶模式下控制车辆以使车辆从第一位置移动以减小该值。
本文所述的特征可以使自主车辆能够在等待乘客到达时做出关于是否从上车位置移动的独立确定。这可以减少甚至消除远程操作者做出这些决定的需要,同时还减少了车辆对这种情况做出反应所花费的时间。这种时间上的减少还可以增加车辆的安全性,因为车辆能够连续地监视其环境并预期给其他道路使用者带来不便,所以车辆的安全性可能能够更快地响应。同时,通过允许车辆自动确定其阻挡或不方便其他道路使用者,车辆可能对其环境更加敏感且更不可能阻挡、不方便以及在某些情况下使其他道路使用者烦恼。
除非另有说明,否则上述替代示例不是相互排斥的,而是可以以各种组合实现以实现独特的优点。由于可以在不背离权利要求所限定的主题的情况下利用以上讨论的特征的这些和其他变形以及组合,因此实施例的前述描述应当通过说明的方式而不是通过限制权利要求限定的主题的方式来进行。另外,在此描述的示例的提供以及用短语表达为“比如”、“包括”等的用语不应解释为将权利要求的主题限制于特定示例;相反,这些示例仅旨在说明许多可能的实施例之一。此外,不同附图中的相同附图标记可以标识相同或相似的元件。
Claims (18)
1.一种减少自主车辆给道路使用者带来的不便的方法,所述方法包括:
通过一个或多个处理器使具有自主驾驶模式的车辆在第一位置处停止;
当车辆停止时,通过一个或多个处理器从车辆的感知***接收传感器数据,所述传感器数据识别道路使用者;
通过一个或多个处理器使用传感器数据确定指示由使车辆在第一位置处停止而给道路使用者带来的不便的程度的值;以及
当所述值满足阈值时:
通过一个或多个处理器搜索多个附近停车位置,在所述多个附近停车位置,车辆对道路使用者的干扰比车辆在第一位置停止时少;
通过一个或多个处理器基于传感器数据确定所述多个附近停车位置中的每一个的不便值;
通过一个或多个处理器从所述多个附近停车位置中选择具有所确定的不便值中最低不便值的第二位置;
通过一个或多个处理器在自主驾驶模式下控制车辆以使车辆从第一位置移动到第二位置。
2.根据权利要求1所述的方法,其中,所述传感器数据指示针对所述道路使用者的观察到的行为,并且所述方法还包括:
接收预测所述道路使用者的未来行为的行为模型的输出;以及
将所述未来行为与观察到的行为进行比较,并且其中,确定所述值还基于所述比较。
3.根据权利要求1所述的方法,其中,所述传感器数据指示针对所述道路使用者的观察到的行为,并且所述方法还包括:
接收预测所述道路使用者的第一未来行为的行为模型的第一输出;
在接收到第一输出之后,接收预测所述道路使用者的第二未来行为的行为模型的第二输出;以及
将第一未来行为与第二未来行为进行比较,并且其中,确定所述值还基于所述比较。
4.根据权利要求3所述的方法,其中,所述第二输出还指示所述第二未来行为是对车辆的响应,并且确定所述值还基于所述第二未来行为是对车辆的响应的指示。
5.根据权利要求1所述的方法,其中,确定所述值包括将所述传感器数据输入到输出所述值的模型中。
6.根据权利要求5所述的方法,还包括基于来自预测所述道路使用者的第一未来行为的行为模型的输出来确定车辆给所述道路使用者带来不便,并且其中,所述传感器数据基于车辆给所述道路使用者带来不便的确定被输入到所述模型中。
7.根据权利要求1所述的方法,其中,基于所述道路使用者是否在与车辆的车道相邻的车道中来控制车辆。
8.根据权利要求1所述的方法,其中,基于所述道路使用者是否在车辆的车道中并且在车辆的后面来控制车辆。
9.根据权利要求1所述的方法,其中,车辆停在所述第一位置处以等待乘客,并且所述方法还包括基于所述控制向乘客的客户端计算设备发送消息。
10.一种用于减少由停止的自主车辆给道路使用者带来的不便的***,所述***包括:
一个或多个处理器,其配置为:
使具有自主驾驶模式的车辆在第一位置处停止;
当车辆停止时,从车辆的感知***接收传感器数据,所述传感器数据识别道路使用者;
使用传感器数据确定指示由使车辆在第一位置处停止而给道路使用者带来的不便的程度的值;以及
当所述值满足阈值时:
通过一个或多个处理器搜索多个附近停车位置,在所述多个附近停车位置,车辆对道路使用者的干扰比车辆在第一位置停止时少;
通过一个或多个处理器基于传感器数据确定所述多个附近停车位置中的每一个的不便值;
通过一个或多个处理器从所述多个附近停车位置中选择具有所确定的不便值中最低不便值的第二位置;
通过所述一个或多个处理器在自主驾驶模式下控制车辆以使车辆从第一位置移动到所述第二位置。
11.根据权利要求10所述的***,其中,所述传感器数据指示针对所述道路使用者的观察到的行为,并且所述一个或多个处理器还配置为:
接收预测所述道路使用者的未来行为的行为模型的输出;以及
将未来行为与观察到的行为进行比较,并且其中,确定所述值还基于所述比较。
12.根据权利要求10所述的***,其中,所述传感器数据指示针对所述道路使用者的观察到的行为,并且所述一个或多个处理器还配置为:
接收预测所述道路使用者的第一未来行为的行为模型的第一输出;
在接收到第一输出之后,接收预测所述道路使用者的第二未来行为的行为模型的第二输出;以及
将第一未来行为与第二未来行为进行比较,并且其中,确定所述值还基于所述比较。
13.根据权利要求12所述的***,其中,所述第二输出还指示所述第二未来行为是对车辆的响应,并且所述一个或多个处理器还配置为进一步基于所述第二未来行为是对车辆的响应的指示来确定所述值。
14.根据权利要求10所述的***,其中,所述一个或多个处理器还配置为确定所述值包括将所述传感器数据输入到输出所述值的模型中。
15.根据权利要求14所述的***,其中,所述一个或多个处理器还配置为基于来自预测所述道路使用者的第一未来行为的行为模型的输出来确定车辆给所述道路使用者带来不便,并且其中,所述传感器数据基于车辆给所述道路使用者带来不便的确定被输入到所述模型中。
16.根据权利要求10所述的***,其中,所述一个或多个处理器还配置为进一步基于所述道路使用者是否在与车辆的车道相邻的车道中来控制车辆。
17.根据权利要求10所述的***,其中,所述一个或多个处理器还配置为进一步基于所述道路使用者是否在车辆的车道中并且在车辆的后面来控制车辆。
18.根据权利要求10所述的***,其中,车辆停在所述第一位置处以等待乘客,并且所述一个或多个处理器还配置为基于所述控制向乘客的客户端计算设备发送消息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/141,467 | 2018-09-25 | ||
US16/141,467 US10955848B2 (en) | 2018-09-25 | 2018-09-25 | Reducing inconvenience to surrounding road users caused by stopped autonomous vehicles |
PCT/US2019/052380 WO2020068636A1 (en) | 2018-09-25 | 2019-09-23 | Reducing inconvenience to surrounding road users caused by stopped autonomous vehicles |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112789209A CN112789209A (zh) | 2021-05-11 |
CN112789209B true CN112789209B (zh) | 2024-06-28 |
Family
ID=69884265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980063083.XA Active CN112789209B (zh) | 2018-09-25 | 2019-09-23 | 减少由停止的自主车辆给周围道路使用者带来的不便 |
Country Status (6)
Country | Link |
---|---|
US (3) | US10955848B2 (zh) |
EP (1) | EP3837146A4 (zh) |
JP (1) | JP7217340B2 (zh) |
KR (1) | KR102478819B1 (zh) |
CN (1) | CN112789209B (zh) |
WO (1) | WO2020068636A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017220116A1 (de) * | 2017-11-13 | 2019-05-16 | Ford Global Technologies, Llc | Verfahren und Vorrichtung um einen schnellen Halt eines autonom fahrenden Fahrzeugs zu ermöglichen |
JP7308098B2 (ja) | 2019-08-21 | 2023-07-13 | 株式会社Lixil | 建具 |
US20210286924A1 (en) | 2020-03-11 | 2021-09-16 | Aurora Innovation, Inc. | Generating autonomous vehicle simulation data from logged data |
JP7436348B2 (ja) * | 2020-11-19 | 2024-02-21 | トヨタ自動車株式会社 | 情報処理装置、情報処理システム、情報処理方法、およびプログラム |
JP7351320B2 (ja) | 2021-03-09 | 2023-09-27 | トヨタ自動車株式会社 | 車両制御システム及び車両制御方法 |
US11498585B1 (en) * | 2021-05-05 | 2022-11-15 | Waymo Llc | Driveway pullovers for autonomous vehicles |
US11546734B2 (en) * | 2021-05-17 | 2023-01-03 | Ford Global Technologies, Llc | Providing security via vehicle-based surveillance of neighboring vehicles |
US20220388546A1 (en) * | 2021-06-04 | 2022-12-08 | Waymo Llc | Predicting a Parking or Pullover Spot Vacancy for an Autonomous Vehicle Pickup |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9766626B1 (en) * | 2012-02-06 | 2017-09-19 | Waymo Llc | System and method for predicting behaviors of detected objects through environment representation |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4628683B2 (ja) | 2004-02-13 | 2011-02-09 | 富士重工業株式会社 | 歩行者検出装置、及び、その歩行者検出装置を備えた車両用運転支援装置 |
JP4877360B2 (ja) | 2009-06-12 | 2012-02-15 | トヨタ自動車株式会社 | 進路評価装置および進路評価方法 |
JP5382218B2 (ja) | 2010-06-16 | 2014-01-08 | トヨタ自動車株式会社 | 運転支援装置 |
JP5768273B2 (ja) | 2011-03-25 | 2015-08-26 | 株式会社国際電気通信基礎技術研究所 | 歩行者の軌跡を予測して自己の回避行動を決定するロボット |
US10466709B2 (en) | 2013-11-08 | 2019-11-05 | Hitachi, Ltd. | Autonomous driving vehicle and autonomous driving system |
US9631933B1 (en) | 2014-05-23 | 2017-04-25 | Google Inc. | Specifying unavailable locations for autonomous vehicles |
JP6327043B2 (ja) | 2014-07-28 | 2018-05-23 | アイシン・エィ・ダブリュ株式会社 | 自動運転支援装置、自動運転支援方法及びプログラム |
CA2985539C (en) | 2015-05-13 | 2023-04-04 | Uber Technologies, Inc. | Autonomous vehicle operated with guide assistance |
US9733096B2 (en) | 2015-06-22 | 2017-08-15 | Waymo Llc | Determining pickup and destination locations for autonomous vehicles |
US9805605B2 (en) | 2015-08-12 | 2017-10-31 | Madhusoodhan Ramanujam | Using autonomous vehicles in a taxi service |
US9682707B1 (en) * | 2015-08-27 | 2017-06-20 | Waymo Llc | Detecting and responding to parking behaviors in autonomous vehicles |
US10538252B2 (en) | 2015-09-30 | 2020-01-21 | Nissan Motor Co., Ltd. | Information presenting device and information presenting method |
WO2017087984A1 (en) | 2015-11-20 | 2017-05-26 | Uber Technologies, Inc. | Controlling autonomous vehicles in connection with transport services |
US9613386B1 (en) * | 2015-12-01 | 2017-04-04 | Google Inc. | Pickup and drop off zones for autonomous vehicles |
US9836057B2 (en) | 2016-03-24 | 2017-12-05 | Waymo Llc | Arranging passenger pickups for autonomous vehicles |
WO2017205822A1 (en) * | 2016-05-27 | 2017-11-30 | Uber Technologies, Inc. | Facilitating rider pick-up for a self-driving vehicle |
US9884621B2 (en) * | 2016-06-17 | 2018-02-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous parking controller and method based on ambient conditions relating to a vehicle parking location |
JP2017226371A (ja) | 2016-06-24 | 2017-12-28 | アイシン・エィ・ダブリュ株式会社 | 走行情報表示システムおよび走行情報表示プログラム |
-
2018
- 2018-09-25 US US16/141,467 patent/US10955848B2/en active Active
-
2019
- 2019-09-23 EP EP19865410.5A patent/EP3837146A4/en active Pending
- 2019-09-23 CN CN201980063083.XA patent/CN112789209B/zh active Active
- 2019-09-23 WO PCT/US2019/052380 patent/WO2020068636A1/en unknown
- 2019-09-23 KR KR1020217011902A patent/KR102478819B1/ko active IP Right Grant
- 2019-09-23 JP JP2021514557A patent/JP7217340B2/ja active Active
-
2021
- 2021-02-17 US US17/177,278 patent/US11543823B2/en active Active
-
2022
- 2022-12-05 US US18/074,901 patent/US20230168677A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9766626B1 (en) * | 2012-02-06 | 2017-09-19 | Waymo Llc | System and method for predicting behaviors of detected objects through environment representation |
Also Published As
Publication number | Publication date |
---|---|
US20230168677A1 (en) | 2023-06-01 |
KR20210048575A (ko) | 2021-05-03 |
US11543823B2 (en) | 2023-01-03 |
CN112789209A (zh) | 2021-05-11 |
US20200097007A1 (en) | 2020-03-26 |
EP3837146A1 (en) | 2021-06-23 |
JP7217340B2 (ja) | 2023-02-02 |
EP3837146A4 (en) | 2022-06-01 |
JP2021536404A (ja) | 2021-12-27 |
US20210216074A1 (en) | 2021-07-15 |
US10955848B2 (en) | 2021-03-23 |
KR102478819B1 (ko) | 2022-12-19 |
WO2020068636A1 (en) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102222323B1 (ko) | 자율 차량들을 위한 동적 라우팅 | |
CN112789209B (zh) | 减少由停止的自主车辆给周围道路使用者带来的不便 | |
AU2021203701B2 (en) | Recognizing assigned passengers for autonomous vehicles | |
JP6824395B2 (ja) | 自律走行車の停車位置のプランニング | |
US11619940B2 (en) | Operating an autonomous vehicle according to road user reaction modeling with occlusions | |
US11543824B2 (en) | Queueing into pickup and drop-off locations | |
CN114435393B (zh) | 用于自主驾驶***的对轨道智能体的行为预测 |
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 |