CN117412896A - 确定驾驶行为的方法和调整自动驾驶***控制算法的方法 - Google Patents
确定驾驶行为的方法和调整自动驾驶***控制算法的方法 Download PDFInfo
- Publication number
- CN117412896A CN117412896A CN202280038841.4A CN202280038841A CN117412896A CN 117412896 A CN117412896 A CN 117412896A CN 202280038841 A CN202280038841 A CN 202280038841A CN 117412896 A CN117412896 A CN 117412896A
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- driver
- trajectory
- beta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 230000006399 behavior Effects 0.000 claims description 55
- 238000010972 statistical evaluation Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 15
- 238000004088 simulation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
-
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/12—Brake pedal 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- 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
- B60W2552/50—Barriers
-
- 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
- B60W2556/05—Big 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
-
- 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
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2400/00—Special features of vehicle units
- B60Y2400/30—Sensors
- B60Y2400/301—Sensors for position or displacement
- B60Y2400/3015—Optical cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2400/00—Special features of vehicle units
- B60Y2400/30—Sensors
- B60Y2400/301—Sensors for position or displacement
- B60Y2400/3017—Radars
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于确定与车辆(2)的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的方法。根据本发明,在车辆(2)的手动驾驶操作期间,检测驾驶员的控制命令(SB)和车辆(2)的手动行驶轨迹(r)。在第一计算电路(R1)中确定如果自动驾驶***处于激活状态,自动驾驶***将在手动行驶轨迹(r)上的车辆(2)的当前实际位置产生哪些自动控制命令。在第二计算电路(R2)中模拟车辆(2)的轨迹(β,β',β0至β2),车辆(2)将在自动驾驶***处于激活状态时驾驶。根据检测到的驾驶员的控制命令(SB)、自动控制命令、手动行驶轨迹(r)和/或模拟轨迹(β,β',β0至β2)确定至少一个分数值(SW1至SW4),作为驾驶员的驾驶行为与自动驾驶***的驾驶行为之间的差异的度量。本发明还涉及一种用于调整车队中的车辆(2)的自动驾驶***的控制算法的方法和装置(12)。
Description
技术领域
本发明涉及一种用于确定与车辆的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的方法。
本发明还涉及一种用于调整车队中的车辆的自动驾驶***的控制算法的方法。
本发明还涉及一种用于调整车队中的车辆的自动驾驶***的控制算法的装置。
背景技术
从DE 10 2015 218 361 A1中已知一种用于验证用于在纵向和横向上自主驾驶车辆的车辆功能的方法。该方法包括:
-基于与车辆的环境有关的环境数据确定车辆功能对车辆的执行器的测试控制指令,
-确定车辆的驾驶员正在执行与执行器实际执行的测试控制指令不同的实际控制指令,
-基于环境数据模拟如果实现了测试控制指令而不是实际控制指令就会存在的虚构的交通情况,
-确定虚构的交通状况是对车辆周围环境中的交通参与者构成相关事件,还是对车辆构成相关事件;以及
-提供与虚构的交通情况有关的测试数据,如果虚构的交通情况已被确定为对车辆的环境中的交通参与者或对车辆构成相关事件。
发明内容
本发明的目的在于给出一种用于确定与车辆的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的新方法。本发明的目的还在于给出一种用于调整车队中的车辆的自动驾驶***的控制算法的新方法。本发明的目的还在于给出一种用于调整车队中的车辆的自动驾驶***的控制算法的新装置。
根据本发明,通过具有权利要求1所述特征的确定驾驶行为的方法,通过具有权利要求7所述特征的调整自动驾驶***的控制算法的方法,以及通过具有权利要求9所述特征的调整自动驾驶***的控制算法的装置来实现该目的。
本发明的有利的设计方案是从属权利要求的主题。
根据本发明,在确定与车辆的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的方法中,在车辆的手动驾驶操作期间,检测驾驶员的控制命令和车辆的手动行驶轨迹。在第一计算电路中确定如果自动驾驶***处于激活状态,自动驾驶***将在手动行驶轨迹上的车辆的当前实际位置产生哪些自动控制命令。在第二计算电路中模拟车辆在自动驾驶***处于激活状态时将会行驶经过的轨迹。根据检测到的驾驶员的控制命令、自动控制命令、手动行驶轨迹和/或模拟轨迹确定至少一个分数值,作为驾驶员的驾驶行为与自动驾驶***的驾驶行为之间的差异的度量。
在自动化,特别是高度自动化或自主驾驶车辆的开发中,通过所谓的仿真过程优化自动驾驶***的方法是众所周知的。在这里,驾驶员的驾驶方式被认为是理想的,并且通过记录他的行为来训练行为算法。其目的是模仿驾驶员的驾驶行为。在未来几代自动驾驶***中,驾驶***的能力将超过可靠的普通驾驶员的性能。通过本方法,可以可靠而准确地确定驾驶员的驾驶行为与自动驾驶***的驾驶行为之间的差异。
在此,可以区分自动驾驶***的不同功能范围,例如入门级版本和全功能版本。从而可以在具有不同功能范围的自动驾驶***的驾驶行为与驾驶员的驾驶行为之间形成广泛的相关性。该方法允许以度量计算驾驶行为,以便对驾驶员的驾驶行为进行分类。在这种情况下,可以在自动驾驶***的能力和驾驶员的能力之间建立记录,这使得能够计算差异,特别是每个驾驶情况的差异。计算出的差异可用于生成驾驶员的概述。
以下应用需要精确计算和确定驾驶员相应的驾驶行为与自动驾驶***的驾驶行为之间的差异。例如,如果驾驶员只使用简化的基本版本或入门级版本的自动驾驶***,则可以计算在哪些驾驶情况下他可以使用更完整的驾驶***,即具有更广泛功能的驾驶***。此外,还可以确定在哪些交通情况下或在哪些驾驶路线上,驾驶***本可以更安全或同等地驾驶,以加强对自动驾驶***的信心。此外,关于驾驶员的能力的信息可用于优化针对相应驾驶员的所谓安全辅助***。关于驾驶员和***的性能的完整信息可以累积并用于评分***。
在该方法的可能设计方案中,根据检测到的驾驶员的控制命令和自动控制命令之间的偏差确定分数值。这使得能够简单可靠地确定分数值。
在该方法的另一种可能设计方案中,根据手动行驶轨迹和模拟轨迹之间的偏差确定分数值。这也允许简单可靠地确定分数值。
在该方法的另一种可能设计方案中,根据车辆在手动行驶轨迹和模拟轨迹之间的偏差达到预定阈值之前可以行驶的时间或距离确定分数值。这也使得能够简单而可靠地确定分数值,其中,确定手动行驶轨迹和模拟轨迹之间的偏差的时间和/或位置,从而能够确定经常存在驾驶员的驾驶行为和自动驾驶***的驾驶行为之间的统计相关差异的位置。
在该方法的另一种可能设计方案中,通过至少一个成本函数确定手动行驶轨迹与模拟轨迹之间的偏差。在此,可以单独或组合地使用各种成本函数,其中,成本函数例如考虑二次误差、绝对误差、速度加权绝对误差、累积速度加权绝对误差、量化分类误差和/或基于阈值的相对误差。使用至少一个成本函数,可以简单而可靠地确定偏差以及由此产生的分数值,其中,相应的成本函数可以通过扩展以简单的方式适应任务的复杂性。
在该方法的另一种可能设计方案中,根据自动驾驶***在较早时刻将轨迹确定为至少与手动行驶轨迹基本一致的目标轨迹的概率确定分数值。这也允许简单可靠地确定分数值。
在该方法的另一种可能设计方案中,分数值是基于根据上述方案之一确定的多个分数值的求和,例如加权求和,作为求和分数值来确定。这个求和分数值特别表示驾驶员的驾驶方式与自动驾驶***的驾驶方式有多大的不同。该信息可用于确定驾驶员的当前驾驶能力,特别是确定驾驶员是否不集中精力和/或不安全驾驶。这允许车辆的主动安全***适应驾驶员可能降低的驾驶能力。还可以向驾驶员提供自动驾驶***的激活,因为该***比驾驶员自己更好地胜任当前的驾驶任务。
根据本发明,在用于调整车队中的车辆的自动驾驶***的控制算法的方法中,收集车队中的多个车辆的分数值。分数值由车辆确定,并且分别指示车辆的驾驶员的驾驶行为与车辆的相应位置处的自动驾驶***的驾驶行为之间的差异的度量。对所收集的分数值进行统计评估,并在统计评估中确定经常存在驾驶员的驾驶行为与自动驾驶***的驾驶行为之间统计相关差异的位置。基于确定的统计相关差异的累积/频次,调整自动驾驶***的控制算法的参数以减少差异,并将调整后的参数提供给车队的车辆。这使得自动驾驶***的控制算法能够简单可靠地调整,从而提高自动驾驶***的性能和可靠性。
在用于调整自动驾驶***的控制算法的方法的可能设计方案中,在上述用于确定与车辆的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的方法中或在该方法的可能方案中确定相应的分数值,从而导致特别简单和可靠地确定分数值。
附图说明
下面参考附图更详细地解释本发明的实施例。
在附图中:
图1示意性地示出了用于车辆的自动驾驶操作的装置的实施例的框图,
图2示意性地示出了用于车辆的自动驾驶操作的装置的另一实施例的框图,
图3示意性地示出了用于车辆的自动驾驶操作的装置的另一实施例的框图,
图4示意性地示出了用于确定与车辆的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的装置的框图,
图5示意性地示出了交通状况的俯视图,
图6示意性地示出了车辆在手动驾驶操作期间的真实轨迹和在手动驾驶操作期间的模拟轨迹,
图7示意性地示出了车辆在手动驾驶操作期间的真实轨迹以及在手动驾驶操作期间的模拟轨迹,
图8示意性地示出了车辆在手动驾驶操作期间的真实轨迹和在手动驾驶操作期间的模拟轨迹;并且
图9示意性地示出了车辆的真实轨迹的概率的再模拟。
在所有附图中相互对应的部件都用相同的附图标记标示。
具体实施方式
在图1中,示出了用于图5所示的车辆2的自动、特别是高度自动或自主驾驶操作的装置1的可能实施例的框图。
车辆2具有用于自动驾驶操作的完全成熟的硬件,其中,硬件的性能可以在软件方面的不同扩展阶段受到限制。这可以在至少两个扩展阶段进行,例如基本扩展阶段和高度扩展阶段。这些扩展阶段在预定义的性能方面有所不同,预定义的性能通过对不同应用情况的掌握而有所不同。
装置1包括形成用于环境检测的多个传感器3.1至3.x和形成在所谓控制设备级的至少两个计算单元4、5,每个计算单元形成另一个计算单元4、5的冗余。此外,装置1包括比较器6和执行器7.1至7.z。
传感器3.1至3.x被设计用于检测车辆环境。
计算单元4、5相互独立地被设计用于确定和生成具有多个可能轨迹β、β'(如图5所示)的轨迹树,并且通过优化算法从轨迹树中选出目标轨迹。此外,计算单元4、5相互独立地被设计用于根据传感器3.1至3.x沿着选定的目标轨迹记录的传感器数据确定和生成用于在自动驾驶操作中控制车辆2的驾驶命令,并且通过形成冗余,允许实现车辆2的自动驾驶操作的预定安全要求,特别是具有高度自动化水平的车辆2。计算单元4、5位于计算电路R1、R2中。
执行器7.1至7.z被设计用于执行通过计算单元4、5产生的驾驶命令。
在此,计算单元4、5与所有传感器3.1至3.x耦合,比较器6与两个计算单元4、5耦合。因此,通过两个计算单元4、5从传感器数据计算的驾驶命令可以提供给比较器6,以便对通过计算单元4、5进行的冗余计算进行比较。在这种情况下,比较器6使用通常已知的安全算法从其输入数据确定安全驾驶命令或安全控制信号,并将其传送到执行器7.1至7.z。比较器6的设计与硬件无关,例如按照ASIL-D(ASIL=Automotive Safety Integrity Level)中的ISO 26262标准。
图2示出了用于车辆2的自动驾驶操作的装置1的另一可能实施例的框图。
与图1所示的实施例不同,计算单元4、5和比较器6形成在公共控制设备8中,并且由至少两个冗余工作的独立的芯片级计算核心,例如独立的半导体、处理器、片上***等形成。
图3示出了用于车辆2的自动驾驶操作的装置1的另一可能实施例的框图。
与图2所示的实施例不同,公共控制设备8中的计算单元4、5在公共计算核心9上形成为冗余多核体系结构,作为片上***,具有公共输入/输出10,其接收传感器数据并将其输出到计算单元4、5,以及通信单元11,也称为结构间(Inter-Fabric)。
每个计算单元4、5特别包括CPU 4.1、5.1、GPU 4.2、5.2、NPU 4.3、5.3和存储器4.4、5.4。
为了执行确定相对于车辆2的自动驾驶***的驾驶行为的驾驶员驾驶行为的方法,利用装置1中存在的冗余,并根据以下实施方案对其进行修改。在这种情况下,该实施方案适用于装置1的所有上述和其他适当的实施例。
该方法的目的是通过用于车辆2的自动驾驶操作的装置1来确定和量化驾驶员与驾驶任务相关的性能。
图4示出了用于确定与车辆2的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的装置12的框图,其中,装置12包括根据图1至图3的用于车辆2的自动驾驶操作的装置1。
因此,装置12被设计成在驾驶员对车辆2进行手动驾驶操作期间,通过装置1执行的辅助***(基本扩展阶段)或高度自动化***(高度扩展阶段)完全在后台执行,但执行器7.1至7.z的控制除外。这意味着所有传感器3.1至3.x以及其他硬件和软件算法的执行方式就像其在自动操作中控制车辆2一样。仅本身不执行控制。相反,驱动器和执行器7.1至7.z不是由装置1操控,而是由驾驶员操控。因此,在这种背景或被动运行中,车辆2的控制受制于驾驶员,因为驾驶员通过转向、踏板和可能的其他输入设备向执行器7.1至7.z和驱动器传送控制命令。在一组场景中,驾驶员的驾驶方式将不同于装置1的驾驶方式。
在被动运行中,装置1借助第一计算单元4在信号形成S1的第一计算电路R1中实时计算控制及转向命令,以及图5中更详细地示出的轨迹β、β'。为此,传感器3.1至3.x提供输入信号,例如雷达传感器、激光雷达传感器、摄像机、惯性测量单元、位置检测***等。装置1实时定位并计算车辆2的转向器、制动器和驱动器的控制命令以及计划的轨迹β、β'。
也就是说,在第一计算电路R1中,确定如果自动驾驶***处于激活状态,则自动驾驶***将在图5中更详细地示出的手动行驶轨迹r上的车辆2的当前实际位置产生哪些自动控制命令。
信号形成S1的结果被转发到比较器6。这是根据永久初始化在每个时间步从头开始进行的。
由于被动运行,***不能运行其计划的轨迹β、β',因此驾驶员的真实位置与***的预期位置之间存在差异。这个误差会随着时间的推移而累积,并导致***中断。为此,在第一计算电路R1中,***在每个时间步(时间段)中校正实时信息,并根据真实驾驶情况调整新生成的控制命令。
由于在被动运行中不需要冗余,第二计算单元5用于在模拟操作S2中在第二计算电路R2中模拟车辆2的轨迹β、β',就好像车辆2已经从起始点出发,沿着在第一计算电路R1中确定的轨迹β、β',而不是驾驶员的轨迹。模拟结果也被转发到比较器6。
也就是说,在第二计算电路R2中,模拟车辆2在自动驾驶***处于激活状态时将驾驶的车辆2的轨迹β、β'。
由真实行驶的轨迹r与在第一计算电路R1中确定的轨迹β、β'之间的差值所产生的求和误差被模拟输入补偿至阈值,然后与驾驶员的性能/能力进行比较。
在比较器6中,算法计算驾驶员的分数值SW1到SW4,并将结果返回到两个计算单元4、5。根据检测到的驾驶员的控制命令SB和导航数据ND、自动控制命令、手动行驶轨迹r和模拟轨迹β、β',计算S3分数值SW1至SW4,其中,分数值SW1至SW4表示驾驶员的驾驶行为和自动驾驶***的驾驶行为之间的差异的度量。这意味着,特别是,评估已实现的手动控制指令和未实现的自动控制指令,以及行驶轨迹r和模拟轨迹β、β',以确定驾驶员的驾驶行为与在相同环境中自动驾驶操作将产生的驾驶行为的差异程度。
此外,通过比较器6确定的分数值SW1至SW4被传送到后端13。在此,收集车队中的多个车辆2的分数值SW1至SW5,其中,分数值SW1至SW4特别根据先前的描述由车辆2确定。此外,对所收集的分数值SW1至SW4进行统计评估,其中,在统计评估中确定存在驾驶员的驾驶行为与自动驾驶***的驾驶行为之间统计相关差异的位置。基于确定的统计相关差异的累积,然后调整自动驾驶***的控制算法的参数P以减少差异,并且将调整后的参数P提供给车队的车辆2。
图5示出了车辆2接近障碍物14的交通情况的俯视图。
根据参照图3的描述,车辆2在手动驾驶模式下由驾驶员控制,并且实际上遵循轨迹r。
同时,同样类似于图3的描述,在基本扩展阶段,从装置12计算轨迹β,并且在高度扩展阶段,即作为高度自动化***,从装置12计算轨迹β',其中,高度自动化***能够执行比基本扩展阶段的***更复杂的机动。
图6示出了车辆2在手动驾驶操作期间的真实行驶轨迹r和在该驾驶操作期间的不同时刻t0至t2的模拟轨迹β0。
为了确定第一分数值SW1,第一计算单元4在第一计算电路R1中,从当前车辆的实际位置的时刻t0开始,在第一时刻t0处确定作为目标轨迹的轨迹β0。轨迹r位于未来,不可作为信息使用。此外,如果车辆2要沿着轨迹β0引导,则计算单元4确定执行器7.1至7.z的当前车辆实际位置必须生成的控制命令。
然后,确定驾驶员在车辆实际位置产生的手动控制命令SB和第一计算单元4在同一位置产生的自动控制命令之间的偏差。因此,确定驾驶员在车辆实际位置所做的与第一计算单元4将在车辆实际位置所做的之间的偏差。
在最简单的情况下,可以通过差异来确定偏差。对于多个偏差值,可以通过平均值来确定平均偏差。例如,在求平均值时,可以对用于车辆2的纵向运动的控制命令之间的偏差和用于车辆2的横向运动的控制命令之间的偏差进行不同的加权,特别是依赖于速度的加权。平均值可以包括算术平均值或平方平均值的形成。
对于确定的偏差,例如通过预定的查找表来确定第一分数值SW1。该第一分数值SW1越大,确定的偏差越大。
因此,第一分数值SW1是手动控制命令SB与自动控制命令之间的偏差的度量,自动控制命令在自动驾驶***处于激活状态时被执行。
循环重复所描述的确定第一分数值SW1的方法。
图7示出了车辆2在手动驾驶操作期间的真实行驶轨迹r,以及在手动驾驶操作期间在不同时刻t0至t2期间的模拟轨迹β0、β1、β2。
第一时刻t0的车辆实际位置是用于在第二计算单元5中执行的模拟的起始位置。在第一时刻t0,确定作为目标轨迹形成的轨迹β0,车辆2应沿着该轨迹移动。
通过模拟,确定车辆2将在时间步后的时刻t1所处的模拟位置。在时刻t1,确定该时刻t1的车辆实际位置与为该时刻t1确定的模拟位置之间的偏差。
然后,在时刻t1处,计算一个新的轨迹β2,该轨迹β2在理论上可以与先前确定的轨迹β0相匹配。该计算基于在时刻t1捕获的新传感器数据以及假设车辆2在时刻t1实际处于模拟位置。
在接下来的时间步中重复这些计算步骤,直到确定的偏差超过预定阈值ξ。例如,在时刻tx就是这种情况。时间步后,在时刻tx+1,模拟以当前车辆的实际位置作为新的起始位置重新启动。这是必要的,因为模拟位置和真实传感器数据之间的漂移导致视差,从阈值ξ开始就无法补偿。
根据下表使用成本函数Ψ,例如均方误差函数,对时刻t1至tx确定的偏差进行评估:
表1
对于所获得的结果,例如通过查找表确定第二分数值SW2。
因此,第二分数值SW2是实际行驶轨迹r与第二计算单元5中的模拟轨迹β0、β1、β2之间的偏差的度量。
例如,第二分数值SW2被保存在一个矩阵中,其中,所有轨迹βx到r的所有tx和依赖于其的成本函数Ψ是条目/元素。根据
计算的第二分数值SW2的所有矩阵的求和被用于确定总性能并被传送到后端13。轨迹βx与真实行驶轨迹r的发散越大,意味着成本函数Ψ增加,驾驶员的第二分数值SW2就越差。
图8示出了车辆2在手动驾驶操作期间的真实行驶轨迹r,以及在手动驾驶操作期间在不同时刻t0至t2期间的模拟轨迹β0、β1、β2。
如果阈值ξ超过轨迹β0的成本函数Ψ,则在第二计算电路R2中结束当前模拟循环。所达到的时间步长流入第三分数值SW3。轨迹β0低于阈值ξ的时间越长,驾驶员的第三分数值SW3越好。
即,确定车辆2从第一时刻t0起,直到实际车辆实际位置与第二计算单元5的模拟位置之间的偏差超过预定阈值ξ为止,可以行驶多长时间或多远。因此,确定时刻t0和tx之间经过的时间长度或车辆2在该时长内行驶的距离。对于确定的时长或距离,例如通过查找表确定第三分数值SW3。
因此,第三分数值SW3是车辆2在手动行驶轨迹r和模拟轨迹βx之间的偏差达到预定阈值ξ之前可以驾驶的时间或距离的度量。
在第二计算电路R2中重新开始模拟之前,在超过模拟轨迹βx的预定阈值ξ的时刻tx处,根据图9进行重新模拟。这里,使用当前是时刻t2的时刻tx的真实车辆位置和真实车辆状态,来计算为了使***从时刻t2的真实状态转变为相同时刻t2的自动操作状态而必须满足的条件。
在时刻t0的决策空间中,所有潜在可能的轨迹βx都获得概率权重。***选择具有最佳概率的轨迹βx,并将其输出为轨迹β0。
所有潜在的行驶轨迹βx为***提供了一个决策空间。在统计意义上不可能的轨迹βx被丢弃。
为了计算第四分数值SW4,回顾性地计算决策空间中实际行驶轨迹r的概率权重。也就是说,在驾驶员的轨迹r被驶过之前,***最初计算出的概率是多少。真实轨迹r的权重越差,驾驶员的第四分数值SW4就越差。
即,如果在时刻tx超过预定阈值ξ,则回顾性地确定第一计算单元4在较早时刻t0、t1、t2从轨迹树中选择轨迹βx作为与实际覆盖的轨迹r基本匹配的目标轨迹的概率。对于确定的概率,例如使用查找表来确定第四分数值SW4。
然后将确定的四个分数值SW1至SW4求和。加权求和也是可以考虑的。求和分数值表示驾驶员的驾驶方式与自动驾驶***的驾驶方式有多大的不同。该信息可用于确定驾驶员的当前驾驶能力,特别是确定驾驶员是否不集中精力和/或不安全驾驶,并根据驾驶员可能降低的驾驶能力调整主动安全***,或向驾驶员提供自动驾驶***的激活,因为自动驾驶***目前比驾驶员更安全。
求和分数值也可以与确定该分数值的位置一起提供给后端13。然后,在后端13上,可以通过统计分析确定在某一位置是否存在许多驾驶员的驾驶方式与自动驾驶***的驾驶方式之间的差异的累积,以便在必要时改进自动驾驶***的算法。
例如,如果确定驾驶员在环形交叉路口的驾驶行为通常与自动驾驶***的驾驶行为有很大不同,则该信息可用作指示,表明优化驾驶***算法对于在该环形交叉路口的操作是有意义的。
如果驾驶员是合格的,则可以使用SW1至SW4的分数值来确定自动驾驶***的表现是与合格驾驶员一样好,还是比合格驾驶员差。然后,分数值SW1至SW4可用于以这样一种方式优化自动驾驶***的算法,即自动驾驶***的驾驶行为与合格驾驶员的驾驶行为相一致。
Claims (9)
1.一种用于确定与车辆(2)的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的方法,
其特征在于,在所述车辆(2)的手动驾驶操作期间,
-检测所述驾驶员的控制命令(SB)和所述车辆(2)的手动行驶轨迹(r),
-在第一计算电路(R1)中确定如果自动驾驶***处于激活状态,所述自动驾驶***将在所述手动行驶轨迹(r)上的所述车辆(2)的当前实际位置处产生哪些自动控制命令,
-在第二计算电路(R2)中模拟所述车辆(2)在所述自动驾驶***处于激活状态时将会经过的轨迹(β,β',β0至β2),以及
-根据检测到的驾驶员的控制命令(SB)、自动控制命令、手动行驶轨迹(r)和/或模拟轨迹(β,β',β0至β2)确定至少一个分数值(SW1至SW4),作为所述驾驶员的驾驶行为与所述自动驾驶***的驾驶行为之间的差异的度量。
2.根据权利要求1所述的方法,
其特征在于,根据检测到的驾驶员的控制命令(SB)和自动控制命令之间的偏差确定所述分数值(SW1至SW4)。
3.根据权利要求1或2所述的方法,其特征在于,根据手动行驶轨迹(r)和模拟轨迹(β,β',β0至β2)之间的偏差确定所述分数值(SW1至SW4)。
4.根据权利要求3所述的方法,其特征在于,根据车辆(2)在手动行驶轨迹(r)和模拟轨迹(β,β',β0至β2)之间的偏差达到预定阈值(ξ)之前能够行驶的时间或距离确定所述分数值(SW1至SW4)。
5.根据权利要求3或4所述的方法,其特征在于,通过至少一个成本函数(Ψ)确定所述手动行驶轨迹(r)与所述模拟轨迹(β,β',β0至β2)之间的偏差。
6.根据前述权利要求中任一项所述的方法,其特征在于,根据自动驾驶***在较早时刻(t0,t1,t2)将轨迹(β,β',β0至β2)确定为至少与手动行驶轨迹(r)基本一致的目标轨迹的概率确定所述分数值(SW1至SW4)。
7.一种用于调整车队中的车辆(2)的自动驾驶***的控制算法的方法,其特征在于,
-收集所述车队中的多个车辆(2)的分数值(SW1至SW4),其中,所述分数值(SW1至SW4)由所述车辆(2)确定,并且分别指示所述车辆(2)的驾驶员的驾驶行为与自动驾驶***在所述车辆(2)的相应位置处的驾驶行为之间的差异的度量,
-对所收集的分数值(SW1至SW4)进行统计评估,并在统计评估中确定经常存在所述驾驶员的驾驶行为与所述自动驾驶***的驾驶行为之间统计相关的差异的位置,
-基于确定的统计相关差异的累积,调整自动驾驶***的控制算法的参数(P)以减少差异;以及
-将调整后的参数(P)提供给所述车队的车辆(2)。
8.根据权利要求7所述的方法,其特征在于,在根据权利要求1至6中任一项所述的用于确定与车辆(2)的自动驾驶***的驾驶行为相关的驾驶员的驾驶行为的方法中确定各自的分数值(SW1至SW4)。
9.一种被设计用于执行根据权利要求7或8所述方法的装置(12)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021002909.7A DE102021002909A1 (de) | 2021-06-07 | 2021-06-07 | Verfahren zur Ermittlung eines Fahrverhaltens und Verfahren zur Anpassung von Regelalgorithmen automatisierter Fahrsysteme |
DE102021002909.7 | 2021-06-07 | ||
PCT/EP2022/060372 WO2022258249A1 (de) | 2021-06-07 | 2022-04-20 | Verfahren zur ermittlung eines fahrverhaltens und verfahren zur anpassung von regelalgorithmen automatisierter fahrsysteme |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117412896A true CN117412896A (zh) | 2024-01-16 |
Family
ID=81654535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280038841.4A Pending CN117412896A (zh) | 2021-06-07 | 2022-04-20 | 确定驾驶行为的方法和调整自动驾驶***控制算法的方法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4351947A1 (zh) |
KR (1) | KR20230173207A (zh) |
CN (1) | CN117412896A (zh) |
DE (1) | DE102021002909A1 (zh) |
WO (1) | WO2022258249A1 (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011121260A1 (de) | 2011-12-15 | 2013-06-20 | Gm Global Technology Operations, Llc | Verfahren zum Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Aufmerksamkeitsverlust mit Hilfe eines Fehlerzählers |
US9650051B2 (en) * | 2013-12-22 | 2017-05-16 | Lytx, Inc. | Autonomous driving comparison and evaluation |
DE102015218361A1 (de) | 2015-09-24 | 2017-03-30 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Testeinheit zur Verifizierung einer Fahrzeugfunktion |
DE102016007563A1 (de) | 2016-06-21 | 2017-02-09 | Daimler Ag | Verfahren zur Trajektorienplanung |
US10146224B2 (en) * | 2016-11-09 | 2018-12-04 | GM Global Technology Operations LLC | Processor-implemented systems and methods for automated driving |
DE102017200180A1 (de) * | 2017-01-09 | 2018-07-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Testeinheit zur Bewegungsprognose von Verkehrsteilnehmern bei einer passiv betriebenen Fahrzeugfunktion |
US10730526B2 (en) * | 2017-07-14 | 2020-08-04 | Ccc Information Services Inc. | Driver assist design analysis system |
DE102018204101A1 (de) | 2018-03-16 | 2019-09-19 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Planung einer Trajektorie für die Längs- und/oder Querführung eines Fahrzeugs |
DE102018128890A1 (de) | 2018-11-16 | 2020-05-20 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Testvorrichtung zum Testen eines Fahrassistenzsystems für ein Kraftfahrzeug |
DE102019202106A1 (de) * | 2019-02-18 | 2020-08-20 | Zf Friedrichshafen Ag | Verfahren zum Validieren von automatisierten Funktionen eines Fahrzeugs |
DE102019206908B4 (de) | 2019-05-13 | 2022-02-17 | Psa Automobiles Sa | Verfahren zum Trainieren wenigstens eines Algorithmus für ein Steuergerät eines Kraftfahrzeugs, Computerprogrammprodukt, Kraftfahrzeug sowie System |
DE102019129904A1 (de) | 2019-11-06 | 2021-05-06 | Valeo Schalter Und Sensoren Gmbh | Automatische Fahrkompetenzanalyse |
-
2021
- 2021-06-07 DE DE102021002909.7A patent/DE102021002909A1/de active Pending
-
2022
- 2022-04-20 EP EP22723640.3A patent/EP4351947A1/de active Pending
- 2022-04-20 CN CN202280038841.4A patent/CN117412896A/zh active Pending
- 2022-04-20 KR KR1020237041623A patent/KR20230173207A/ko not_active Application Discontinuation
- 2022-04-20 WO PCT/EP2022/060372 patent/WO2022258249A1/de active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4351947A1 (de) | 2024-04-17 |
WO2022258249A1 (de) | 2022-12-15 |
KR20230173207A (ko) | 2023-12-26 |
DE102021002909A1 (de) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10488864B2 (en) | Fault-tolerant method for recognizing errors in an electronics system for operating a controlled object | |
KR102416203B1 (ko) | 자기-학습(self-learning) 차량 제어 시스템 | |
US10782700B2 (en) | Fault-tolerant method for operating an autonomous controlled object | |
KR101665459B1 (ko) | 선행 차량 선택 장치 | |
US20180052453A1 (en) | Fault-tolerant method and device for controlling an autonomous technical system through diversified trajectory planning | |
KR101436624B1 (ko) | 차선 유지 제어 시스템, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
US20190344799A1 (en) | Vehicle control system and method | |
US11167757B2 (en) | Method and device for controlling a longitudinal position of a vehicle | |
KR102570338B1 (ko) | 자동차의 환경에서 타겟 자동차의 궤적을 예측하기 위한 방법 및 시스템 | |
US20180052465A1 (en) | Fault-tolerant method and device for controlling an autonomous technical system based on a consolidated model of the environment | |
US11498551B2 (en) | Method and system for operating a vehicle | |
KR102592830B1 (ko) | 차량용 센서퓨전 타겟 예측 장치 및 그의 센서 퓨전 타겟 예측 방법과 그를 포함하는 차량 | |
US20220113397A1 (en) | Target tracking device | |
US11592810B2 (en) | Systems and methods for injecting faults into an autonomy system | |
KR20210102970A (ko) | 파라미터 추정의 무결성 범위의 적응식 결정 방법 | |
KR20220045232A (ko) | 차량 경로 추종 성능 정량화 방법 | |
US11872995B2 (en) | Method for predicting a driving maneuver in a driver assistance system | |
CN113544611A (zh) | 用于运行自动化车辆的方法和设备 | |
CN117412896A (zh) | 确定驾驶行为的方法和调整自动驾驶***控制算法的方法 | |
US11636691B2 (en) | Sensor recognition integration device | |
EP4049097A1 (en) | Checkpoint-based tracing for monitoring a robotic system | |
JP6980497B2 (ja) | 情報処理方法及び情報処理装置 | |
EP3920070A1 (en) | Testing and simulation in autonomous driving | |
CN115081612A (zh) | 用以改进机器人策略学习的设备和方法 | |
JP2024528745A (ja) | 運転挙動を検出するための方法および自動運転システムの制御アルゴリズムを適合させるための方法ならびに装置 |
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 |