DE102021123721A1

DE102021123721A1 - Fahrzeugbetrieb unter verwendung eines verhaltensregelmodells

Info

Publication number: DE102021123721A1
Application number: DE102021123721.1A
Authority: DE
Inventors: Amitai Bin-Nun; Radboud Duintjer Tebbens; Hsun-Hsien Chang; Anne Collin
Original assignee: Motional AD LLC
Current assignee: Motional AD LLC
Priority date: 2020-09-14
Filing date: 2021-09-14
Publication date: 2022-03-17
Also published as: GB202300609D0; US20220080962A1; KR20220036874A; KR102657847B1; GB202113111D0; GB2603829A; GB2603829B; CN114185332A

Abstract

Verfahren für den Fahrzeugbetrieb unter Verwendung eines Verhaltensregelmodells beinhalten den Empfang von Sensordaten aus einem ersten Satz von Sensoren und einem zweiten Satz von Sensoren. Die Sensordaten repräsentieren den Betrieb des Fahrzeugs in Bezug auf ein oder mehrere Objekte. Basierend auf den Sensordaten werden Verstöße gegen ein Verhaltensmodell für den Betrieb des Fahrzeugs bestimmt. Eine erste Risikostufe des einen oder der mehreren Verstöße wird basierend auf einer Verteilung von Ereignissen beim Betrieb des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte bestimmt. Als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, wird eine Bewegungsbahn erzeugt. Die Bewegungsbahn weist eine zweite Risikostufe auf, die niedriger als die Schwellenrisikostufe ist. Das Fahrzeug wird basierend auf der Bewegungsbahn betrieben, um eine Kollision des Fahrzeugs mit einem oder mehreren Objekten zu vermeiden.

Description

QUERVERWEISE AUF VERWANDTE ANMELDUNGEN
Diese Anmeldung ist eine Konvertierung der vorläufigen US-Anmeldung Nr. 63/078,062 , die am 14. September 2020 eingereicht wurde und hiermit in ihrer Gesamtheit durch Bezugnahme aufgenommen wird.
GEBIET DER ERFINDUNG
Diese Beschreibung betrifft allgemein den Betrieb von Fahrzeugen und speziell den Fahrzeugbetrieb unter Verwendung eines Verhaltensregelmodells.
HINTERGRUND
Der Betrieb eines Fahrzeugs von einem Anfangsort zu einem Endzielort erfordert oft, dass ein Benutzer oder das Fahrzeugentscheidungssystem eine Route durch ein Straßennetz vom Anfangsort zu einem Endzielort auswählt. Die Route kann die Erfüllung von Zielsetzungen beinhalten, wie zum Beispiel eine maximale Fahrzeit nicht zu überschreiten. Eine komplexe Route kann viele Entscheidungen erfordern, was traditionelle Algorithmen für autonomes Fahren nicht durchführbar macht.
KURZDARSTELLUNG
Es werden Verfahren, Systeme und Vorrichtungen für den Fahrzeugbetrieb unter Verwendung eines Verhaltensregelmodells offenbart. In einer Ausführungsform empfangen ein oder mehrere Prozessoren eines in einer Umgebung betriebenen Fahrzeugs erste Sensordaten aus einem ersten Satz von Sensoren des Fahrzeugs und zweite Sensordaten aus einem zweiten Satz von Sensoren des Fahrzeugs. Die ersten Sensordaten repräsentieren den Betrieb des Fahrzeugs und die zweiten Sensordaten repräsentieren ein oder mehrere in der Umgebung befindliche Objekte. Der eine oder die mehreren Prozessoren bestimmen einen oder mehrere Verstöße gegen ein gespeichertes Verhaltensmodell für den Betrieb des Fahrzeugs basierend auf den ersten Sensordaten und den zweiten Sensordaten. Der eine oder die mehreren Verstöße werden in Bezug auf das eine oder die mehreren Objekte in der Umgebung bestimmt. Der eine oder die mehreren Prozessoren bestimmen eine erste Risikostufe des einen oder der mehreren Verstöße basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte. Als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, erzeugen der eine oder die mehreren Prozessoren eine Bewegungsbahn für das Fahrzeug. Die Bewegungsbahn weist eine zweite Risikostufe auf, die niedriger als die Schwellenrisikostufe ist. Die zweite Risikostufe wird in Bezug auf das eine oder die mehreren Objekte bestimmt. Der eine oder die mehreren Prozessoren steuern das Fahrzeug basierend auf der Bewegungsbahn, um eine Kollision des Fahrzeugs mit dem einem oder den mehreren Objekten zu vermeiden.
In einer Ausführungsform weist der erste Satz von Sensoren mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor auf.
In einer Ausführungsform weisen die ersten Sensordaten mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs auf.
In einer Ausführungsform weist der zweite Satz von Sensoren mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon auf.
In einer Ausführungsform weisen die zweiten Sensordaten mindestens eines von einem Bild des einen oder der mehreren Objekte, einer Geschwindigkeit des einen oder der mehreren Objekte, einer Beschleunigung des einen oder der mehreren Objekte oder einem seitlichen Abstand zwischen dem einen oder den mehreren Objekten und dem Fahrzeug auf.
In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren die zweite Risikostufe basierend auf der Bewegungsbahn und der gespeicherten Verteilung der Ereignisse des Fahrzeugbetriebs in Bezug auf das eine oder die mehreren Objekte.
In einer Ausführungsform weist die gespeicherte Verteilung von Ereignissen eine log-normale Wahrscheinlichkeitsverteilung unabhängiger Zufallsvariablen auf. Jede Zufallsvariable repräsentiert eine Risikostufe einer Gefahr beim Betrieb des Fahrzeugs.
In einer Ausführungsform weist das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs mehrere Betriebsregeln auf. Jede Betriebsregel hat eine Priorität gegenüber jeder anderen Betriebsregel. Die Priorität repräsentiert eine Risikostufe des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell.
In einer Ausführungsform beinhaltet ein Verstoß des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs, dass ein seitlicher Abstand zwischen dem Fahrzeug und dem einen oder den mehreren Objekten einen seitlichen Schwellenabstand unterschreitet.
In einer Ausführungsform wird die Priorität der Betriebsregel basierend auf der Häufigkeit des Verstoßes angepasst.
In einer Ausführungsform wird ein Bewegungsplanungsprozess des Fahrzeugs basierend auf einer Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell angepasst, um die zweite Risikostufe abzusenken.
In einer Ausführungsform wird eine Risikostufe des Bewegungsplanungsprozesses des Fahrzeugs basierend auf der Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell bestimmt.
In einer Ausführungsform erzeugen ein oder mehrere Prozessoren eines in einer Umgebung operierenden Fahrzeugs eine Bewegungsbahn basierend auf ersten Sensordaten aus einem ersten Satz von Sensoren des Fahrzeugs und zweiten Sensordaten aus einem zweiten Satz von Sensoren des Fahrzeugs. Die ersten Sensordaten repräsentieren den Betrieb des Fahrzeugs und die zweiten Sensordaten repräsentieren ein oder mehrere in der Umgebung befindliche Objekte. Der eine oder die mehreren Prozessoren bestimmen, ob die Bewegungsbahn einen oder mehrere Verstöße gegen ein gespeichertes Verhaltensmodell für den Betrieb des Fahrzeugs verursacht. Der eine oder die mehreren Verstöße werden in Bezug auf das eine oder die mehreren Objekte in der Umgebung bestimmt. Als Reaktion auf das Bestimmen, dass die Bewegungsbahn den einen oder die mehreren Verstöße gegen das gespeicherte Verhaltensmodell verursacht, bestimmen der eine oder die mehreren Prozessoren eine erste Risikostufe des einen oder der mehreren Verstöße basierend auf einer gespeicherten Verteilung von Ereignissen des Fahrzeugbetriebs in Bezug auf das eine oder die mehreren Objekte. Der eine oder die mehreren Prozessoren empfangen eine alternative Bewegungsbahn für das Fahrzeug. Der eine oder die mehreren Prozessoren bestimmen, dass die alternative Bewegungsbahn eine zweite Risikostufe aufweist, die höher als die erste Risikostufe ist. Die zweite Risikostufe wird in Bezug auf das eine oder die mehreren Objekte bestimmt. Der eine oder die mehreren Prozessoren steuern das Fahrzeug basierend auf der Bewegungsbahn, um eine Kollision des Fahrzeugs mit dem einem oder den mehreren Objekten zu vermeiden.
In einer Ausführungsform weist das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs mehrere Schichten auf. Jede Schicht hat eine Position, die einem Verstoß des einem oder der mehreren Verstöße entspricht.
In einer Ausführungsform tritt eine Kollision des Fahrzeugs mit dem einen oder den mehreren Objekten auf, wenn die jeweilige Position jeder Schicht der mehreren Schichten übereinstimmt.
In einer Ausführungsform wird ein Bewegungsplanungsprozess des Fahrzeugs so gestaltet, dass die Wahrscheinlichkeit, dass die jeweilige Position jeder Schicht der mehreren Schichten übereinstimmt, geringer als eine Schwellenwahrscheinlichkeit ist.
In einer Ausführungsform stellt ein Verstoß des einen oder der mehreren Verstöße eine Verlangsamung des Fahrzeugs dar, die eine Schwellenverlangsamung überschreitet.
In einer Ausführungsform stellt ein Verstoß des einen oder der mehreren Verstöße einen seitlichen Abstand des Fahrzeugs zu dem einen oder den mehreren Objekten dar, der einen seitlichen Schwellenabstand unterschreitet.
In einer Ausführungsform weist der erste Satz von Sensoren mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor auf.
In einer Ausführungsform weisen die ersten Sensordaten mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs auf.
In einer Ausführungsform weist der zweite Satz von Sensoren mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon auf.
In einer Ausführungsform weisen die zweiten Sensordaten mindestens eines von einem Bild des einen oder der mehreren Objekte, einer Geschwindigkeit des einen oder der mehreren Objekte, einer Beschleunigung des einen oder der mehreren Objekte oder einem seitlichen Abstand zwischen dem einen oder den mehreren Objekten und dem Fahrzeug auf.
In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren die zweite Risikostufe basierend auf der alternativen Bewegungsbahn und der gespeicherten Verteilung der Ereignisse des Fahrzeugbetriebs in Bezug auf das eine oder die mehreren Objekte.
In einer Ausführungsform weist die gespeicherte Verteilung von Ereignissen eine log-normale Wahrscheinlichkeitsverteilung unabhängiger Zufallsvariablen auf, wobei jede Zufallsvariable eine Risikostufe einer Gefahr beim Betrieb des Fahrzeugs repräsentiert.
In einer Ausführungsform weist das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs mehrere Betriebsregeln auf. Jede Betriebsregel der mehreren Betriebsregeln hat eine Priorität in Bezug auf jede andere Betriebsregel der mehreren Betriebsregeln. Die Priorität repräsentiert eine Risikostufe des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell.
In einer Ausführungsform beinhaltet ein Verstoß des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs, dass ein seitlicher Abstand zwischen dem Fahrzeug und dem einen oder den mehreren Objekten einen seitlichen Schwellenabstand unterschreitet.
In einer Ausführungsform wird die Priorität der Betriebsregel basierend auf der Häufigkeit des Verstoßes angepasst.
In einer Ausführungsform wird ein Bewegungsplanungsprozess des Fahrzeugs basierend auf einer Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell angepasst, um die zweite Risikostufe abzusenken.
In einer Ausführungsform wird eine Risikostufe des Bewegungsplanungsprozesses des Fahrzeugs basierend auf der Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell bestimmt.
Diese und andere Aspekte, Merkmale und Implementierungen können als Verfahren, Vorrichtungen, Systeme, Komponenten, Programmprodukte, Einrichtungen oder Schritte zum Ausführen einer Funktion und auf andere Weise ausgedrückt werden.
Diese und andere Aspekte, Merkmale und Implementierungen werden aus den folgenden Beschreibungen einschließlich der Ansprüche ersichtlich.
Figurenliste

1 ist ein Blockdiagramm, das ein Beispiel für ein autonomes Fahrzeug (AF) mit autonomer Fähigkeit gemäß einer oder mehreren Ausführungsformen veranschaulicht.
2 ist ein Blockdiagramm, das ein Beispiel für eine „Cloud“-Rechenumgebung gemäß einer oder mehreren Ausführungsformen veranschaulicht.
3 ist ein Blockdiagramm, das ein Computersystem gemäß einer oder mehreren Ausführungsformen veranschaulicht.
4 ist ein Blockdiagramm, das ein Beispiel für die Architektur eines AF gemäß einer oder mehreren Ausführungsformen veranschaulicht.
5 ist ein Blockdiagramm, das ein Beispiel für Eingaben und Ausgaben, die durch ein Wahrnehmungsmodul gemäß einer oder mehreren Ausführungsformen verwendet werden können, veranschaulicht.
6 ist ein Blockdiagramm, das ein Beispiel für ein LiDAR-System gemäß einer oder mehreren Ausführungsformen veranschaulicht.
7 ist ein Blockdiagramm, das das LiDAR-System im Betrieb gemäß einer oder mehreren Ausführungsformen veranschaulicht.
8 ist ein Blockdiagramm, das den Betrieb des LiDAR-Systems in zusätzlicher Detaillierung gemäß einer oder mehreren Ausführungsformen veranschaulicht.
9 ist ein Blockdiagramm, das Zusammenhänge zwischen Eingaben und Ausgaben eines Planungsmoduls gemäß einer oder mehreren Ausführungsformen veranschaulicht.
10 veranschaulicht einen gerichteten Graphen, der bei der Wegplanung gemäß einer oder mehreren Ausführungsformen verwendet wird.
11 ist ein Blockdiagramm, das Ein- und Ausgaben eines Steuermoduls gemäß einer oder mehreren Ausführungsformen veranschaulicht.
12 ist ein Blockdiagramm, das Eingaben, Ausgaben und Komponenten einer Steuervorrichtung gemäß einer oder mehreren Ausführungsformen veranschaulicht.
13 ist ein Flussdiagramm, das einen Beispielprozess zum Bestimmen, ob eine Bewegungsbahn gegen ein gespeichertes Verhaltensmodell für den Betrieb eines Fahrzeugs verstößt, gemäß einer oder mehreren Ausführungsformen veranschaulicht.
14 zeigt ein Beispiel eines gespeicherten Verhaltensmodells für den Betrieb eines Fahrzeugs gemäß einem oder mehreren Ausführungsformen.
15 zeigt ein Beispiel für die Häufigkeit von Verstößen gegen ein gespeichertes Verhaltensmodell für den Betrieb eines Fahrzeugs gemäß einer oder mehreren Ausführungsformen.
16 zeigt ein Beispiel eines gespeicherten Verhaltensmodells für den Betrieb eines Fahrzeugs gemäß einem oder mehreren Ausführungsformen.
17 zeigt ein Beispiel einer gespeicherten Verteilung von Betriebsereignissen eines Fahrzeugs in Bezug auf das eine oder die mehreren Objekte gemäß einer oder mehreren Ausführungsformen.
18 zeigt ein Beispiel einer gespeicherten Verteilung von Betriebsereignissen eines Fahrzeugs in Bezug auf das eine oder die mehreren Objekte gemäß einer oder mehreren Ausführungsformen.
19 zeigt ein Beispiel einer gespeicherten Verteilung von Betriebsereignissen eines Fahrzeugs in Bezug auf das eine oder die mehreren Objekte gemäß einer oder mehreren Ausführungsformen.
20 zeigt ein Beispiel einer gespeicherten Verteilung von Betriebsereignissen eines Fahrzeugs in Bezug auf das eine oder die mehreren Objekte gemäß einer oder mehreren Ausführungsformen.
21 zeigt ein Beispiel einer gespeicherten Verteilung von Betriebsereignissen eines Fahrzeugs in Bezug auf das eine oder die mehreren Objekte gemäß einer oder mehreren Ausführungsformen.
22 ist ein Flussdiagramm, das ein Beispiel eines Prozesses zum Fahrzeugbetrieb mittels eines Verhaltensregelmodells gemäß einer oder mehreren Ausführungsformen veranschaulicht.
23 ist ein Flussdiagramm, das ein Beispiel eines Prozesses zum Fahrzeugbetrieb mittels eines Verhaltensregelmodells gemäß einer oder mehreren Ausführungsformen veranschaulicht.

DETAILLIERTE BESCHREIBUNG
In der folgenden Beschreibung werden zwecks Erklärung zahlreiche spezifische Details dargelegt, um ein gründliches Verständnis der vorliegenden Erfindung zu ermöglichen. Es wird jedoch offensichtlich, dass die vorliegende Erfindung auch ohne diese spezifischen Details umgesetzt werden kann. In anderen Fällen werden bekannte Strukturen und Vorrichtungen in Blockdiagrammform dargestellt, um eine unnötige Verschleierung der vorliegenden Erfindung zu vermeiden.
Zur leichteren Beschreibung sind in den Zeichnungen spezifische Anordnungen oder Reihenfolgen von schematischen Elementen abgebildet, wie zum Beispiel solche, die Vorrichtungen, Module, Anweisungsblöcke und Datenelemente darstellen. Der Fachmann sollte jedoch verstehen, dass die spezifische Reihenfolge oder Anordnung der schematischen Elemente in den Zeichnungen nicht bedeuten soll, dass eine bestimmte Reihenfolge oder Sequenz der Bearbeitung oder eine Trennung der Prozesse erforderlich ist. Ferner soll die Aufnahme eines schematischen Elements in eine Zeichnung nicht bedeuten, dass dieses Element in allen Ausführungsformen erforderlich ist oder dass die durch dieses Element dargestellten Merkmale in einer Ausführungsform nicht in andere Elemente aufgenommen oder mit anderen Elementen kombiniert werden dürfen.
Ferner ist in den Zeichnungen, in denen Verbindungselemente, wie beispielsweise durchgezogene oder gestrichelte Linien oder Pfeile verwendet werden, um eine Verbindung, Beziehung oder Verknüpfung zwischen oder unter zwei oder mehreren anderen schematischen Elementen darzustellen, das Fehlen solcher Verbindungselemente nicht so zu verstehen, dass keine Verbindung, Beziehung oder Verknüpfung bestehen kann. Mit anderen Worten werden einige Verbindungen, Zusammenhänge oder Verknüpfungen zwischen Elementen in den Zeichnungen nicht dargestellt, um die Offenbarung nicht zu verschleiern. Zur leichteren Veranschaulichung wird außerdem ein einzelnes Verbindungselement verwendet, um mehrere Verbindungen, Zusammenhänge oder Verknüpfungen zwischen Elementen darzustellen. Wenn zum Beispiel ein Verbindungselement eine Kommunikation von Signalen, Daten oder Anweisungen darstellt, sollte der Fachmann verstehen, dass ein solches Element einen oder mehrere Signalwege (z. B. einen Bus) darstellt, je nachdem, was erforderlich ist, um die Kommunikation zu bewirken.
Im Folgenden wird im Detail Bezug auf Ausführungsformen genommen, deren Beispiele in den begleitenden Zeichnungen veranschaulicht sind. In der folgenden detaillierten Beschreibung werden zahlreiche spezifische Details dargelegt, um ein gründliches Verständnis der verschiedenen beschriebenen Ausführungsformen zu ermöglichen. Jedoch wird für einen durchschnittlichen Fachmann deutlich sein, dass die verschiedenen beschriebenen Ausführungsformen auch ohne diese spezifischen Details umgesetzt werden können. In anderen Fällen sind allgemein bekannte Verfahren, Vorgehensweisen, Komponenten, Schaltungen und Netzwerke nicht ausführlich beschrieben, um eine unnötige Verschleierung der Aspekte der Ausführungsformen zu vermeiden.
Im Folgenden werden mehrere Merkmale beschrieben, die jeweils unabhängig voneinander oder in einer beliebigen Kombination anderer Merkmale verwendet werden können. Allerdings kann es sein, dass ein einzelnes Merkmal keines der oben erörterten Probleme oder nur eines der oben erörterten Probleme anspricht. Einige der oben erörterten Probleme werden möglicherweise durch keines der hier beschriebenen Merkmale vollständig angesprochen. Auch wenn Überschriften angegeben sind, können Informationen, die sich auf eine bestimmte Überschrift beziehen, aber nicht in dem Abschnitt mit dieser Überschrift zu finden sind, auch an anderer Stelle in dieser Beschreibung gefunden werden. Ausführungsformen werden hier gemäß der folgenden Übersicht beschrieben:

1. Allgemeiner Überblick
2. Systemübersicht
3. Architektur autonomer Fahrzeuge
4. Eingaben autonomer Fahrzeuge
5. Planung autonomer Fahrzeuge
6. Steuerung autonomer Fahrzeuge
7. Autonomer Fahrzeugbetrieb unter Verwendung eines Verhaltensregelmodells

Allgemeiner Überblick
In diesem Dokument werden Verfahren, Systeme und Vorrichtungen für den Fahrzeugbetrieb unter Verwendung eines Verhaltensregelmodells vorgestellt. Die Sicherheit im Straßenverkehr ist ein wichtiges Thema für die öffentliche Gesundheit mit weltweit mehr als 1 Million Verkehrstoten im Jahr 2020. Gemessen an verlorenen Lebensjahren sind Verkehrsunfälle derzeit die siebthäufigste Todesursache in den Vereinigten Staaten. Eine kritische Herausforderung bei der Bewertung der Auswirkungen von Maßnahmen zur Verbesserung der Straßenverkehrssicherheit besteht jedoch darin, dass einzelne Fahrer nur selten kollidieren, sodass für einen direkten Vergleich der Kollisionsraten bei verschiedenen Maßnahmen zur Verbesserung der Straßenverkehrssicherheit Daten von einer unrealistisch großen Anzahl von Fahrten benötigt werden. Diese Frage gilt allgemein für die Bewertung von politischen, technologischen oder pädagogischen Maßnahmen zur Verbesserung der Straßenverkehrssicherheit. Da menschliche Faktoren ein entscheidender Grund für die meisten Kraftfahrzeugkollisionen sind, können Verfahren zur Ermittlung von Verhaltensweisen, die zu einem höheren Kollisionsrisiko führen, einen Weg zur Vermeidung von Verkehrstoten eröffnen. In den letzten Jahren haben die Herausforderungen bei der Messung der Sicherheit von autonomen Fahrzeugen (AFs) im Vergleich zum menschlichen Fahrverhalten alte Fragen zur effektiven Messung der Fahrsicherheit wieder aufgeworfen. Die Bewertung der Straßenverkehrssicherheit stützt sich zunehmend auf Verfahren für andere komplexe, sicherheitskritische Systeme wie die Luftfahrt und die industrielle Sicherheit; ähnlich können neue Verfahren zur Bewertung der Straßenverkehrssicherheit auch auf andere komplexe Systeme angewendet werden.
Die hier offenbarten Ausführungsformen implementieren ein regelbasiertes Werkzeug zum Bewerten der Leistung eines maschinellen oder menschlichen Fahrers, zum Bewerten von Risikofaktoren und zum Bewerten der Leistung eines AF-Systems oder eines Teilsystems, wie z. B. eines Bewegungsplanungsmoduls. Die hier offenbarten Implementierungen der verhaltensbasierten Fahrbewertung basieren auf der Beobachtung, dass gute Fahrer Verhaltensregeln konsequent befolgen. Die Regeln ergeben sich aus Sicherheitserwägungen, Verkehrsgesetzen oder allgemein anerkannten bewährten Verfahren. Durch Formulierung von Fahrregeln kann quantitativ bewertet werden, inwieweit das tatsächliche Fahrverhalten eines Menschen oder eines automatisierten Systems mit dem erwünschten Fahrverhalten übereinstimmt.
Zu den Vorteilen und Nutzen der hier beschriebenen Ausführungsformen gehört die Bewertung der Fahrleistung sowohl für automatisierte Fahrzeugsysteme als auch für menschliche Fahrer. Mithilfe der Ausführungsformen können bestimmte Verhaltensweisen beim autonomen Fahren ausgewertet werden. Außerdem sind die Ausführungsformen für Versicherungsgesellschaften nützlich, die Verbesserungen bei der Risikobewertung belohnen können. Darüber hinaus können die hier offenbarten Ausführungsformen in eine Vielzahl von Regulierungs- und Normungsprozessen einfließen, die zunehmend spezifische AF-Verhaltensweisen fordern, und die Zusammenarbeit der Industrie bei der Definition guter AF-Fahrverhaltensweisen fördern.
Systemübersicht
1 ist ein Blockdiagramm, das ein Beispiel für ein autonomes Fahrzeug 100 mit autonomer Fähigkeit gemäß einer oder mehreren Ausführungsformen veranschaulicht.
Wie hier verwendet, bezieht sich der Begriff „autonome Fähigkeit“ auf eine Funktion, ein Merkmal oder eine Einrichtung, die es ermöglicht, ein Fahrzeug teilweise oder vollständig ohne menschliches Eingreifen in Echtzeit zu betreiben, einschließlich, aber nicht beschränkt auf vollständig autonome Fahrzeuge, hochgradig autonome Fahrzeuge und bedingt autonome Fahrzeuge.
Wie hier verwendet, ist ein autonomes Fahrzeug (AF) ein Fahrzeug, das über autonome Fähigkeiten verfügt.
Wie hier verwendet, umfasst „Fahrzeug“ Transportmittel für den Transport von Gütern oder Personen. Zum Beispiel Autos, Busse, Züge, Flugzeuge, Drohnen, Lastwagen, Boote, Schiffe, Tauchboote, Lenkflugkörper usw. Ein fahrerloses Kraftfahrzeug ist ein Beispiel für ein Fahrzeug.
Wie hier verwendet, bezieht sich „Bewegungsbahn“ auf einen Weg oder eine Route zum Betreiben eines AF von einem ersten raumzeitlichen Ort zu einem zweiten raumzeitlichen Ort. In einer Ausführungsform wird der erste raumzeitliche Ort als Anfangs- oder Startort und der zweite raumzeitliche Ort als Bestimmungsort, Endort, Ziel, Zielposition oder Zielort bezeichnet. In einigen Beispielen besteht eine Bewegungsbahn aus einem oder mehreren Segmenten (z. B. Straßenabschnitten), und jedes Segment besteht aus einem oder mehreren Blöcken (z. B. Abschnitten eines Fahrstreifens oder einer Einmündung). In einer Ausführungsform entsprechen die raumzeitlichen Orte den Orten der realen Welt. Die raumzeitlichen Orte sind zum Beispiel Abhol- oder Absetzorte zum Abholen oder Absetzen von Personen oder Gütern.
Wie hier verwendet, umfasst „Sensor(en)“ eine oder die mehreren Hardwarekomponenten, die Informationen über die Umgebung rund um den Sensor erfassen. Einige der Hardwarekomponenten können sensorische Komponenten (z. B. Bildsensoren, biometrische Sensoren), Sende- und/oder Empfangskomponenten (z. B. Laser- oder Hochfrequenzwellensender und -empfänger), elektronische Komponenten wie Analog-DigitalWandler, eine Datenspeichervorrichtung (z. B. ein RAM und/oder ein nicht-flüchtiger Speicher), Software- oder Firmwarekomponenten und Datenverarbeitungskomponenten wie eine ASIC (anwendungsspezifische integrierte Schaltung), einen Mikroprozessor und/oder einen Mikrocontroller umfassen.
Wie hier verwendet, ist eine „Szeneriebeschreibung“ eine Datenstruktur (z. B. Liste) oder ein Datenstrom, der ein oder mehrere klassifizierte oder markierte Objekte enthält, die durch einen oder mehrere Sensoren an dem AF-Fahrzeug erkannt oder durch eine AF-externe Quelle bereitgestellt werden.
Wie hier verwendet, ist eine „Straße“ ein physischer Bereich, der durch ein Fahrzeug befahren werden kann und einem benannten Verkehrsweg (z. B. Stadtstraße, Autobahn usw.) oder einem unbenannten Verkehrsweg (z. B. eine Einfahrt an einem Haus oder Bürogebäude, ein Abschnitt eines Parkplatzes, ein Abschnitt eines leeren Grundstücks, ein Feldweg in einem ländlichen Gebiet usw.) entsprechen kann. Da einige Fahrzeuge (z. B. Allradlastwagen, Geländewagen, usw.) in der Lage sind, eine Vielzahl physischer Bereiche zu befahren, die nicht speziell für den Fahrzeugverkehr angepasst sind, kann eine „Straße“ ein physischer Bereich sein, der nicht formell durch eine Gemeinde oder andere Regierungs- oder Verwaltungsbehörde als Verkehrsweg definiert ist.
Wie hier verwendet, ist ein „Fahrstreifen“ ein Abschnitt einer Straße, der durch ein Fahrzeug befahren werden kann und dem größten Teil oder der Gesamtheit des Zwischenraums zwischen den Fahrstreifenmarkierungen oder nur einem Teil (z. B. weniger als 50 %) des Zwischenraums zwischen den Fahrstreifenmarkierungen entsprechen kann. Zum Beispiel könnte eine Straße mit weit auseinanderliegenden Fahrstreifenmarkierungen zwei oder mehr Fahrzeuge zwischen den Markierungen aufnehmen, sodass ein Fahrzeug das andere überholen kann, ohne die Fahrstreifenmarkierungen zu überqueren, und könnte daher so interpretiert werden, dass ein Fahrstreifen schmaler als der Zwischenraum zwischen den Fahrstreifenmarkierungen ist oder dass zwei Fahrstreifen zwischen den Fahrstreifenmarkierungen liegen. Ein Fahrstreifen könnte auch bei Fehlen von Fahrstreifenmarkierungen interpretiert werden. Beispielsweise kann ein Fahrstreifen basierend auf physischen Merkmalen einer Umgebung, z. B. Felsen und Bäume entlang einem Verkehrsweg in einem ländlichen Gebiet, definiert werden.
„Eine oder mehrere“ umfasst eine Funktion, die durch ein Element ausgeführt wird, eine Funktion, die durch mehr als ein Element ausgeführt wird, z. B. auf verteilte Weise, wobei mehrere Funktionen durch ein Element ausgeführt werden, mehrere Funktionen durch mehrere Elemente ausgeführt werden, oder eine beliebige Kombination des oben Genannten.
Es versteht sich auch, dass die Begriffe „erste“, „zweite“ usw. hier zwar in einigen Fällen zur Beschreibung verschiedener Elemente verwendet werden, diese Elemente jedoch nicht durch diese Begriffe eingeschränkt werden sollten. Diese Begriffe werden nur verwendet, um ein Element von einem anderen zu unterscheiden. Beispielsweise könnte ein erster Kontakt als ein zweiter Kontakt bezeichnet sein, und in ähnlicher Weise könnte ein zweiter Kontakt als ein dritter Kontakt bezeichnet sein, ohne vom Schutzbereich der verschiedenen beschriebenen Ausführungsformen abzuweichen. Der erste Kontakt und der zweite Kontakt sind beide Kontakte, aber sie sind nicht derselbe Kontakt.
Die Terminologie, die bei der Beschreibung der verschiedenen hier beschriebenen Ausführungsformen verwendet wird, dient nur der Beschreibung bestimmter Ausführungsformen und ist nicht als einschränkend beabsichtigt. Bei der Beschreibung der verschiedenen beschriebenen Ausführungsformen und der beigefügten Ansprüche sollen die Singularformen „ein“, „eine“ sowie „der“, „die“, „das“ auch die Pluralformen einschließen, sofern der Zusammenhang nicht eindeutig etwas anderes vorgibt. Es versteht sich auch, dass der Begriff „und/oder“ wie hier verwendet sich auf alle möglichen Kombinationen eines oder mehrerer der zugehörigen aufgelisteten Punkte bezieht und diese mit einschließt. Es versteht sich ferner, dass die Begriffe „enthalten“, „einschließlich“, „umfassen“ und/oder „umfassend“, wenn in dieser Beschreibung verwendet, das Vorhandensein angegebener Merkmale, Ganzzahlen, Schritte, Vorgänge, Elemente und/oder Komponenten davon angibt, aber nicht das Vorhandensein oder die Hinzufügung eines/einer oder mehrerer anderer Merkmale, Ganzzahlen, Schritte, Vorgänge, Elemente, Komponenten und/oder Gruppen davon ausschließt.
Wie hier verwendet, ist der Begriff „falls“ gegebenenfalls so auszulegen, dass er je nach Zusammenhang „wenn“ oder „bei“ oder „als Reaktion auf das Ermitteln“ oder „als Reaktion auf das Erkennen“ bedeutet. In ähnlicher Weise ist die Formulierung „falls ermittelt wird“ oder „falls [ein angegebener Zustand oder ein Ereignis] erkannt wird“ je nach Zusammenhang gegebenenfalls so auszulegen, dass sie „bei Ermitteln“ oder „als Reaktion auf das Ermitteln“ oder „bei Erkennen [des angegebenen Zustands oder Ereignisses]“ oder „als Reaktion auf das Erkennen [des angegebenen Zustands oder Ereignisses]“ bedeutet.
Wie hier verwendet, bezieht sich ein AF-System auf das AF zusammen mit der Anordnung von Hardware, Software, gespeicherten Daten und in Echtzeit erzeugten Daten, die den Betrieb des AF unterstützen. In einer Ausführungsform ist das AF-System in das AF integriert. In einer Ausführungsform ist das AF-System über mehrere Orte verteilt. Zum Beispiel ist ein Teil der Software des AF-Systems auf einer Cloud-Rechenumgebung implementiert, ähnlich der Cloud-Rechenumgebung 300, die im Folgenden mit Bezug auf 3 beschrieben wird.
Allgemein beschreibt dieses Dokument Technologien, die auf alle Fahrzeuge anwendbar sind, die über eine oder mehrere autonome Fähigkeiten verfügen, einschließlich vollständig autonomer Fahrzeuge, hochgradig autonomer Fahrzeuge und bedingt autonomer Fahrzeuge, wie z. B. sogenannte Stufe-5-, Stufe-4- und Stufe-3-Fahrzeuge (siehe SAE International Standard J3016: Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems (Taxonomie und Definitionen für Begriffe im Zusammenhang mit automatischen Straßen-Kraftfahrzeug-Fahrsystemen), die durch Verweis in ihrer Gesamtheit übernommen wurde, für weitere Einzelheiten über die Klassifizierung von Autonomiegraden in Fahrzeugen). Die in diesem Dokument beschriebenen Technologien sind auch auf teilautonome Fahrzeuge und fahrerunterstützte Fahrzeuge anwendbar, wie z. B. sogenannte Stufe-2- und Stufe-1-Fahrzeuge (siehe SAE International's Standard J3016: Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems (Taxonomie und Definitionen für Begriffe im Zusammenhang mit automatisierten Straßen-Kraftfahrzeug-Fahrsystemen)). In einer Ausführungsform können eines oder mehrere der Fahrzeugsysteme der Stufen 1, 2, 3, 4 und 5 unter bestimmten Betriebsbedingungen basierend auf dem Verarbeiten von Sensoreingaben bestimmte Fahrzeugfunktionen (z. B. Lenken, Bremsen und Verwenden von Karten) automatisieren. Die in diesem Dokument beschriebenen Technologien können Fahrzeugen auf allen Stufen zugute kommen, von vollständig autonomen Fahrzeugen bis hin zu durch Menschen betriebenen Fahrzeugen.
Mit Bezug auf 1 betreibt ein AF-System 120 das AF-System 100 entlang einer Bewegungsbahn 198 durch eine Umgebung 190 bis zu einem Zielort 199 (mitunter auch als Endort bezeichnet), wobei Objekte (z. B. natürliche Hindernisse 191, Fahrzeuge 193, Fußgänger 192, Radfahrer und andere Hindernisse) vermieden und Straßenregeln (z. B. Betriebsregeln oder Fahrpräferenzen) befolgt werden.
In einer Ausführungsform beinhaltet das AF-System 120 Vorrichtungen 101, die dazu eingerichtet sind, Betriebsbefehle aus den Computerprozessoren 146 zu empfangen und darauf zu reagieren. In einer Ausführungsform ähneln die Computerprozessoren 146 dem nachfolgend mit Bezug auf 3 beschriebenen Prozessor 304. Beispiele für Vorrichtungen 101 beinhalten eine Lenksteuerung 102, Bremsen 103, Gangschaltung, Gaspedal oder andere Beschleunigungssteuerungsmechanismen, Scheibenwischer, Seitentürschlösser, Fenstersteuervorrichtungen und Blinker.
In einer Ausführungsform umfasst das AF-System 120 Sensoren 121 zur Messung oder Ableitung von Zuständen oder Bedingungen des AF 100, wie z. B. die Position des AF, die Lineargeschwindigkeit und -beschleunigung, die Winkelgeschwindigkeit und -beschleunigung und die Fahrtrichtung (z. B. eine Ausrichtung des vorderen Endes des AF 100). Beispiele für Sensoren 121 sind GNSS, Trägheitsmesseinheiten (IMU), die sowohl lineare Fahrzeugbeschleunigungen als auch Winkelbeschleunigungen messen, Radsensoren zum Messen oder Schätzen von Radschlupfverhältnissen, Radbremsdruck- oder Bremsmomentsensoren, Motordrehmoment- oder Raddrehmomentsensoren sowie Lenkwinkel- und Winkelgeschwindigkeitssensoren.
In einer Ausführungsform umfassen die Sensoren 121 auch Sensoren zum Erfassen oder Messen von Eigenschaften der Umgebung des AF. Zum Beispiel Monokular- oder Stereo-Videokameras 122 im sichtbaren Licht-, Infrarot- oder Wärmespektrum (oder beiden Spektren), LiDAR 123, RADAR, Ultraschallsensoren, Time-of-Flight(TOF)-Tiefensensoren, Geschwindigkeitssensoren, Temperatursensoren, Feuchtigkeitssensoren und Niederschlagssensoren.
In einer Ausführungsform umfasst das AF-System 120 eine Datenspeichereinheit 142 und einen Speicher 144 zum Speichern von Maschinenanweisungen im Zusammenhang mit Computerprozessoren 146 oder durch Sensoren 121 gesammelten Daten. In einer Ausführungsform ähnelt die Datenspeichereinheit 142 dem ROM 308 oder der Speichervorrichtung 310, die nachfolgend mit Bezug auf 3 beschrieben werden. In einer Ausführungsform ähnelt der Speicher 144 dem nachfolgend beschriebenen Hauptspeicher 306. In einer Ausführungsform speichern die Datenspeichereinheit 142 und der Speicher 144 historische, Echtzeit- und/oder vorausschauende Informationen über die Umgebung 190. In einer Ausführungsform umfassen die gespeicherten Informationen Karten, Fahrleistungen, Aktualisierungen zu Verkehrsstaus oder Wetterbedingungen. In einer Ausführungsform werden Daten, die sich auf die Umgebung 190 beziehen, über einen Kommunikationskanal aus einer entfernt gelegenen Datenbank 134 an das AF 100 übertragen.
In einer Ausführungsform umfasst das AF-System 120 Kommunikationsvorrichtungen 140 zum Übermitteln gemessener oder abgeleiteter Eigenschaften von Zuständen und Bedingungen anderer Fahrzeuge, wie z. B. Positionen, Linear- und Winkelgeschwindigkeiten, Linear- und Winkelbeschleunigungen sowie Linear- und Winkelfahrtrichtungen an das AF-System 100. Diese Vorrichtungen umfassen Fahrzeug-zu-Fahrzeug(V2V)- und Fahrzeug-zu-Infrastruktur(V2I)-Kommunikationsvorrichtungen und Vorrichtungen für drahtlose Kommunikation über Punkt-zu-Punkt- oder Ad-hoc-Netzwerke oder beides. In einer Ausführungsform kommunizieren die Kommunikationsvorrichtungen 140 über das elektromagnetische Spektrum (einschließlich Funk- und optische Kommunikation) oder andere Medien (z. B. Luft- und akustische Medien). Eine Kombination von Fahrzeug-zu-Fahrzeug(V2V)-Kommunikation, Fahrzeug-zu-Infrastruktur(V2I)-Kommunikation (und in einer Ausführungsform eine oder mehrere andere Kommunikationsarten) wird mitunter als Fahrzeugzu-alles (V2X)-Kommunikation bezeichnet. Die V2X-Kommunikation entspricht in der Regel einem oder mehreren Kommunikationsstandards für die Kommunikation mit, zwischen und unter autonomen Fahrzeugen.
In einer Ausführungsform enthalten die Kommunikationsvorrichtungen 140 Kommunikationsschnittstellen. Zum Beispiel drahtgebundene, drahtlose, WiMAX-, Wi-Fi-, Bluetooth-, Satelliten-, Zellular-, optische, Nahfeld-, Infrarot- oder Funkschnittstellen. Die Kommunikationsschnittstellen übertragen Daten aus einer entfernt gelegenen Datenbank 134 an das AF-System 120. In einer Ausführungsform ist die entfernt gelegene Datenbank 134 wie in 2 beschrieben in eine Cloud-Rechenumgebung 200 eingebettet. Die Kommunikationsschnittstellen 140 übertragen die aus den Sensoren 121 gesammelten Daten oder andere Daten, die sich auf den Betrieb des AF 100 beziehen, an die entfernt gelegene Datenbank 134. In einer Ausführungsform übertragen die Kommunikationsschnittstellen 140 Informationen, die sich auf Teleoperationen beziehen, an das AF 100. In einer Ausführungsform kommuniziert das AF 100 mit anderen entfernt gelegenen (z. B. „Cloud“) Servern 136.
In einer Ausführungsform speichert und überträgt die entfernt gelegene Datenbank 134 auch digitale Daten (z. B. Speichern von Daten wie Straßen- und Wegestandorte). Diese Daten werden im Speicher 144 des AF 100 gespeichert oder über einen Kommunikationskanal aus der entfernt gelegenen Datenbank 134 an das AF 100 übertragen.
In einer Ausführungsform speichert und überträgt die entfernt gelegene Datenbank 134 historische Informationen über Fahreigenschaften (z. B. Geschwindigkeits- und Beschleunigungsprofile) von Fahrzeugen, die zuvor zu ähnlichen Tageszeiten entlang der Bewegungsbahn 198 gefahren sind. In einer Ausführungsform können diese Daten im Speicher 144 des AF 100 gespeichert oder über einen Kommunikationskanal aus der entfernt gelegenen Datenbank 134 an das AF 100 übertragen werden.
Die im AF 100 befindlichen Rechenvorrichtungen 146 erzeugen auf algorithmische Weise Steueraktionen, die sowohl auf Echtzeit-Sensordaten als auch auf vorherigen Informationen basieren, sodass das AF-System 120 seine autonomen Fahrfähigkeiten ausführen kann.
In einer Ausführungsform umfasst das AF-System 120 Computerperipherievorrichtungen 132, die mit Rechenvorrichtungen 146 gekoppelt sind, um Informationen und Warnungen an einen Benutzer (z. B. einen Insassen oder einen entfernt befindlichen Benutzer) des AF 100 zu liefern und Eingaben von diesem zu empfangen. In einer Ausführungsform ähneln die Peripherievorrichtungen 132 der Anzeigevorrichtung 312, der Eingabevorrichtung 314 und der Cursorsteuervorrichtung 316, die nachfolgend mit Bezug auf 3 behandelt werden. Die Kopplung erfolgt drahtlos oder drahtgebunden. Zwei oder mehr der Schnittstellenvorrichtungen könnten zu einer einzelnen Vorrichtung integriert sein.
Beispiel für eine Cloud-Rechenumgebung
2 ist ein Blockdiagramm, das ein Beispiel für eine „Cloud“-Rechenumgebung gemäß einer oder mehreren Ausführungsformen veranschaulicht. Cloud Computing ist ein Modell zum Bereitstellen von Diensten, das einen komfortablen, bedarfsgerechten Netzwerkzugang zu einem gemeinsam genutzten Bestand konfigurierbarer Rechenressourcen (z. B. Netzwerke, Netzwerkbandbreite, Server, Verarbeitung, Speicher, Anwendungen, virtuelle Maschinen und Dienste) ermöglicht. In typischen Cloud-Rechensystemen sind in einem oder mehreren großen Cloud-Rechenzentren die Rechner untergebracht, die zum Erbringen der durch die Cloud bereitgestellten Dienste verwendet werden. Mit Bezug auf 2 umfasst die Cloud-Rechenumgebung 200 Cloud-Rechenzentren 204a, 204b und 204c, die über die Cloud 202 miteinander verbunden sind. Die Rechenzentren 204a, 204b und 204c bieten Cloud-Rechendienste für die mit der Cloud 202 verbundenen Computersysteme 206a, 206b, 206c, 206d, 206e und 206f.
Die Cloud-Rechenumgebung 200 enthält ein oder mehrere Cloud-Rechenzentren. Allgemein bezieht sich ein Cloud-Rechenzentrum, z. B. das in 2 dargestellte Cloud-Rechenzentrum 204a, auf die physische Anordnung von Servern, die eine Cloud, z. B. die in 2 dargestellte Cloud 202, oder einen bestimmten Abschnitt einer Cloud bilden. Beispielsweise sind die Server physisch im Cloud-Rechenzentrum in Räumen, Gruppen, Reihen und Racks angeordnet. Ein Cloud-Rechenzentrum hat eine oder mehrere Zonen, die einen oder mehrere Räume mit Servern umfassen. Jeder Raum hat eine oder mehrere Reihen von Servern, und jede Reihe enthält ein oder mehrere Racks. Jedes Rack enthält einen oder mehrere einzelne Serverknoten. In einigen Ausführungen sind Server in Zonen, Räumen, Racks und/oder Reihen basierend auf den physischen Infrastrukturanforderungen der Rechenzentrumseinrichtung, die Strom, Energie, Heizung, Wärme und/oder andere Anforderungen umfassen, in Gruppen angeordnet. In einer Ausführungsform ähneln die Serverknoten dem in 3 beschriebenen Computersystem. Das Rechenzentrum 204a weist viele Rechensysteme auf, die über viele Racks verteilt sind.
Die Cloud 202 umfasst die Cloud-Rechenzentren 204a, 204b und 204c sowie die Netzwerk- und Netzwerkressourcen (z. B. Netzwerkgeräte, Knoten, Router, Switches und Netzwerkkabel), die die Cloud-Rechenzentren 204a, 204b und 204c miteinander verbinden und dazu beitragen, den Zugang der Computersysteme 206a-f zu den Cloud-Rechendiensten zu ermöglichen. In einer Ausführungsform stellt das Netzwerk eine Kombination aus einem oder mehreren lokalen Netzwerken, Weitverkehrsnetzwerken oder Internetnetzwerken dar, die über drahtgebundene oder drahtlose Verbindungen mittels terrestrischer oder satellitengestützter Verbindungstechnik gekoppelt sind. Daten, die über das Netzwerk ausgetauscht werden, werden unter Verwendung einer Anzahl von Netzwerkschichtprotokollen übertragen, wie z. B. Internet Protocol (IP), Multiprotocol Label Switching (MPLS), Asynchronous Transfer Mode (ATM), Frame Relay, usw. Fernerhin werden in Ausführungsformen, in denen das Netzwerk eine Kombination aus mehreren Teilnetzwerken darstellt, in jedem der zugrunde liegenden Teilnetzwerke unterschiedliche Netzwerkschichtprotokolle verwendet. In einer Ausführungsform stellt das Netzwerk ein oder mehrere miteinander verbundene Internetnetzwerke dar, wie z. B. das öffentliche Internet.
Die Verbraucher der Rechensysteme 206a-f oder Cloud-Rechendienste sind über Netzwerkverbindungen und Netzwerkadapter mit der Cloud 202 verbunden. In einer Ausführungsform sind die Rechensysteme 206a-f als verschiedene Rechenvorrichtungen, z. B. Server, Desktops, Laptops, Tablets, Smartphones, Geräte für das Internet der Dinge (IoT), autonome Fahrzeuge (darunter Autos, Drohnen, Pendelfahrzeuge, Züge, Busse usw.) und Verbraucherelektronik, implementiert. In einer Ausführungsform sind die Rechensysteme 206a-f in oder als Bestandteil von anderen Systemen implementiert.
Computersystem
3 ist ein Blockdiagramm 300, das ein Computersystem gemäß einer oder mehreren Ausführungsformen veranschaulicht. In einer Implementierung ist das Computersystem 300 eine Spezialrechenvorrichtung. Die Spezialrechenvorrichtung ist fest verdrahtet, um die Techniken auszuführen, oder enthält digitale elektronische Vorrichtungen wie eine oder die mehreren anwendungsspezifische integrierte Schaltungen (ASICs) oder feldprogrammierbare Gate-Arrays (FPGAs), die dauerhaft programmiert sind, um die Techniken auszuführen, oder kann einen oder mehrere Universal-Hardware-Prozessoren umfassen, die dazu programmiert sind, die Techniken gemäß Programmanweisungen in Firmware, Arbeitsspeicher, anderen Speichern oder einer Kombination davon auszuführen. Derartige Spezialcomputervorrichtungen können auch kundenspezifische fest verdrahtete Logik, ASICs oder FPGAs mit kundenspezifischer Programmierung kombinieren, um die Techniken zu erzielen. In verschiedenen Ausführungsformen sind die Spezialrechenvorrichtungen Desktop-Computersysteme, tragbare Computersysteme, Handgeräte, Netzwerkgeräte oder sonstige Vorrichtungen, die zur Implementierung der Techniken festverdrahtete und/oder programmgesteuerte Logik enthalten.
In einer Ausführungsform umfasst das Computersystem 300 einen Bus 302 oder einen anderen Kommunikationsmechanismus zum Übermitteln von Informationen und einen mit einem Bus 302 gekoppelten Hardwareprozessor 304 zum Verarbeiten von Informationen. Der Hardwareprozessor 304 ist zum Beispiel ein Allzweck-Mikroprozessor. Das Computersystem 300 beinhaltet auch einen Hauptspeicher 306, wie beispielsweise einen Direktzugriffsspeicher (RAM) oder eine andere dynamische Speichervorrichtung, die mit dem Bus 302 zum Speichern von Informationen und Anweisungen gekoppelt ist, die durch den Prozessor 304 ausgeführt werden sollen. In einer Ausführungsform wird der Hauptspeicher 306 zum Speichern von temporären Variablen oder anderen Zwischeninformationen während der Ausführung von Anweisungen durch den Prozessor 304 verwendet. Derartige in nichtflüchtigen, für den Prozessor 304 zugänglichen Speichermedien gespeicherte Anweisungen machen aus dem Computersystem 300 eine Spezialmaschine, die auf das Ausführen der in den Anweisungen angegebenen Funktionen zugeschnitten ist.
In einer Ausführungsform beinhaltet das Computersystem 300 ferner einen Nur-LeseSpeicher (ROM) 308 oder eine andere statische Speichervorrichtung, die mit dem Bus 302 gekoppelt ist, um statische Informationen und Anweisungen für den Prozessor 304 zu speichern. Eine Speichervorrichtung 310, wie beispielsweise eine Magnetplatte, eine optische Platte, ein Solid-State-Laufwerk oder ein dreidimensionaler Kreuzpunktespeicher, ist vorhanden und mit dem Bus 302 zum Speichern von Informationen und Anweisungen gekoppelt.
In einer Ausführungsform ist das Computersystem 300 über den Bus 302 an ein Display 312, wie z. B. eine Kathodenstrahlröhre (CRT), ein Flüssigkristalldisplay (LCD), ein Plasmadisplay, ein Leuchtdioden(LED)-Display oder ein organisches Leuchtdioden(OLED)-Display, zum Anzeigen von Informationen für einen Computerbenutzer gekoppelt. Eine Eingabevorrichtung 314 mit alphanumerischen und anderen Tasten ist mit dem Bus 302 zum Übermitteln von Informationen und Befehlsauswahlen an den Prozessor 304 gekoppelt. Eine andere Art von Benutzereingabevorrichtung ist eine Cursorsteuervorrichtung 316, z. B. eine Maus, ein Trackball, ein berührungsempfindliches Display oder Cursorrichtungstasten zum Übermitteln von Richtungsinformationen und Befehlsauswahlen an den Prozessor 304 und zum Steuern der Cursorbewegung auf dem Display 312. Diese Eingabevorrichtung verfügt in der Regel über zwei Freiheitsgrade in zwei Achsen, eine erste Achse (z. B. x-Achse) und eine zweite Achse (z. B. y-Achse), mit denen die Vorrichtung Positionen in einer Ebene angeben kann.
Gemäß einer Ausführungsform werden die hier beschriebenen Techniken durch das Computersystem 300 als Reaktion darauf durchgeführt, dass der Prozessor 304 eine oder die mehreren Sequenzen von einer oder mehreren Anweisungen ausführt, die im Hauptspeicher 306 enthalten sind. Derartige Anweisungen werden aus einem anderen Speichermedium, z. B. der Speichervorrichtung 310, in den Hauptspeicher 306 eingelesen. Die Ausführung der im Hauptspeicher 306 enthaltenen Anweisungssequenzen veranlasst den Prozessor 304, die hier beschriebenen Prozessschritte durchzuführen. In alternativen Ausführungsformen wird eine fest verdrahtete Schaltungsanordnung anstelle von oder in Kombination mit Softwareanweisungen verwendet.
Der Begriff „Speichermedium“, wie hier verwendet, betrifft alle nichtflüchtigen Medien, die Daten und/oder Anweisungen speichern, die eine Maschine veranlassen, auf eine spezifische Art und Weise zu arbeiten. Derartige Speichermedien umfassen nichtflüchtige Medien und/oder flüchtige Medien. Nichtflüchtige Medien umfassen z. B. optische Platten, Magnetplatten, Solid-State-Laufwerke oder dreidimensionale Kreuzpunktespeicher, wie z. B. die Speichervorrichtung 310. Flüchtige Medien umfassen dynamische Speicher, wie beispielsweise den Hauptspeicher 306. Übliche Formen von Speichermedien umfassen zum Beispiel eine Floppy-Disk, eine Diskette, eine Festplatte, ein Solid-State-Laufwerk, ein Magnetband oder jedes andere magnetische Datenspeichermedium, einen CD-ROM, ein beliebiges anderes optisches Datenspeichermedium, ein beliebiges physisches Medium mit Lochmustern, einen RAM, einen PROM und EPROM, einen FLASH-EPROM, NV-RAM, oder einen beliebigen anderen Speicherchip oder eine Speicherkassette.
Speichermedien unterscheiden sich von Übertragungsmedien, können aber zusammen mit diesen verwendet werden. Übertragungsmedien sind am Übertragen von Informationen zwischen Speichermedien beteiligt. Zum Beispiel umfassen Übertragungsmedien Koaxialkabel, Kupferdraht und Lichtwellenleiter, einschließlich der Leitungen, die den Bus 302 umfassen. Übertragungsmedien können auch die Form von akustischen Wellen oder Lichtwellen annehmen, wie etwa jene, die bei Funkwellen- und Infrarotdatenkommunikation erzeugt werden.
In einer Ausführungsform sind verschiedene Formen von Medien am Transportieren von einer oder mehreren Sequenzen von einer oder mehreren Anweisungen an den Prozessor 304 zur Ausführung beteiligt. Zum Beispiel werden die Anweisungen zuerst auf einer Magnetplatte oder einem Solid-State-Laufwerk eines entfernt gelegenen Computers getragen. Der entfernt gelegene Computer lädt die Anweisungen in seinen dynamischen Speicher und sendet die Anweisungen unter Verwendung eines Modems über eine Telefonleitung. Ein am Computersystem 300 lokal vorhandenes Modem empfängt die Daten über die Telefonleitung und verwendet einen Infrarotsender, um die Daten in ein Infrarotsignal umzuwandeln. Ein Infrarotdetektor empfängt die in dem Infrarotsignal transportierten Daten, und eine entsprechende Schaltungsanordnung stellt die Daten auf den Bus 302. Der Bus 302 transportiert die Daten an den Hauptspeicher 306, aus dem der Prozessor 304 die Anweisungen abruft und ausführt. Die durch den Hauptspeicher 306 empfangenen Anweisungen können gegebenenfalls entweder vor oder nach dem Ausführen durch den Prozessor 304 auf der Speichervorrichtung 310 gespeichert werden.
Das Computersystem 300 enthält auch eine Kommunikationsschnittstelle 318, die mit dem Bus 302 gekoppelt ist. Die Kommunikationsschnittstelle 318 stellt eine bidirektionale Datenkommunikationskopplung mit einer Netzwerkverbindung 320 bereit, die mit einem lokalen Netzwerk 322 verbunden ist. Die Kommunikationsschnittstelle 318 ist zum Beispiel eine Integrated Services Digital Network(ISDN)-Karte, ein Kabelmodem, Satellitenmoden oder ein Modem zum Bereitstellen einer Datenkommunikationsverbindung mit einem entsprechenden Typ einer Telefonleitung. Als weiteres Beispiel ist die Kommunikationsschnittstelle 318 eine Karte eines lokalen Netzwerks (LAN), um eine Datenkommunikationsverbindung zu einem kompatiblen LAN bereitzustellen. Bei einigen Implementierungen sind auch drahtlose Verbindungen implementiert. Bei jeder derartigen Implementierung sendet und empfängt die Kommunikationsschnittstelle 318 elektrische, elektromagnetische oder optische Signale, die digitale Datenströme transportieren, die verschiedene Arten von Informationen darstellen.
Die Netzwerkverbindung 320 stellt typischerweise eine Datenkommunikation über ein oder mehrere Netzwerke zu anderen Datenvorrichtungen bereit. Zum Beispiel stellt die Netzwerkverbindung 320 eine Verbindung durch das lokale Netzwerk 322 zu einem Hostcomputer 324 oder zu einem Cloud-Rechenzentrum oder Geräten bereit, die durch einen Internetdienstanbieter (ISP) 326 betrieben werden. Der ISP 326 stellt wiederum Datenkommunikationsdienste über das weltweite paketorientierte Datenkommunikationsnetzwerk bereit, das jetzt allgemein als das „Internet“ 328 bezeichnet wird. Sowohl das lokale Netzwerk 322 als auch das Internet 328 verwenden elektrische, elektromagnetische oder optische Signale, die digitale Datenströme transportieren. Die Signale über die verschiedenen Netzwerke und die Signale auf der Netzwerkverbindung 320 und über die Kommunikationsschnittstelle 318, die die digitalen Daten an das und aus dem Computersystem 300 transportieren, sind Beispielformen von Übertragungsmedien. In einer Ausführungsform enthält das Netzwerk 320 die Cloud 202 oder einen Teil der oben beschriebenen Cloud 202.
Das Computersystem 300 sendet Nachrichten und empfängt Daten einschließlich Programmcode über das/die Netzwerk(e), die Netzwerkverbindung 320 und die Kommunikationsschnittstelle 318. In einer Ausführungsform empfängt das Computersystem 300 einen Code zum Verarbeiten. Der empfangene Code wird sofort beim Empfang durch den Prozessor 304 ausgeführt und/oder auf der Speichervorrichtung 310 oder einem anderen nichtflüchtigen Speicher zum späteren Ausführen gespeichert.
Architektur autonomer Fahrzeuge
4 ist ein Blockdiagramm, das eine Beispielarchitektur 400 für ein autonomes Fahrzeug (z. B. das in 1 gezeigte AF 100) gemäß einer oder mehreren Ausführungsformen veranschaulicht. Die Architektur 400 enthält ein Wahrnehmungsmodul 402 (mitunter als Wahrnehmungsschaltung bezeichnet), ein Planungsmodul 404 (mitunter als Planungsschaltung bezeichnet), ein Steuermodul 406 (mitunter als Steuerschaltung bezeichnet), ein Lokalisierungsmodul 408 (mitunter als Lokalisierungsschaltung bezeichnet) und ein Datenbankmodul 410 (mitunter als Datenbankschaltung bezeichnet). Jedes Modul spielt eine Rolle beim Betrieb des AF 100. Die Module 402, 404, 406, 408 und 410 können zusammen Bestandteil des in 1 gezeigten AF-Systems 120 sein. In einer Ausführungsform sind die Module 402, 404, 406, 408 und 410 eine Kombination aus Computersoftware (z. B. ausführbarer Code, der auf einem computerlesbaren Medium gespeichert ist) und Computerhardware (z. B. ein oder mehrere Mikroprozessoren, Mikrocontroller, anwendungsspezifische integrierte Schaltungen [ASICs], Hardware-Speichervorrichtungen, andere Arten von integrierten Schaltungen, andere Arten von Computerhardware oder eine Kombination von einem oder allen dieser Dinge).
Beim Betrieb empfängt das Planungsmodul 404 Daten, die einen Zielort 412 darstellen, und ermittelt Daten, die eine Bewegungsbahn 414 (mitunter auch als Route bezeichnet) darstellen, die durch das AF 100 gefahren werden kann, um den Zielort 412 zu erreichen (z. B. am Zielort anzukommen). Damit das Planungsmodul 404 die die Bewegungsbahn 414 repräsentierenden Daten ermitteln kann, empfängt das Planungsmodul 404 Daten aus dem Wahrnehmungsmodul 402, dem Lokalisierungsmodul 408 und dem Datenbankmodul 410.
Das Wahrnehmungsmodul 402 identifiziert nahegelegene physische Objekte mittels eines oder mehrerer Sensoren 121, z. B. wie ebenfalls in 1 gezeigt. Die Objekte werden klassifiziert (z. B. gruppiert in Arten wie Fußgänger, Fahrrad, Kraftfahrzeug, Verkehrszeichen usw.), und eine Szeneriebeschreibung einschließlich der klassifizierten Objekte 416 wird dem Planungsmodul 404 zur Verfügung gestellt.
Das Planungsmodul 404 empfängt auch Daten, die die AF-Position 418 repräsentieren, aus dem Lokalisierungsmodul 408. Das Lokalisierungsmodul 408 ermittelt die AF-Position unter Verwendung von Daten aus den Sensoren 121 und Daten aus dem Datenbankmodul 410 (z. B. geografische Daten), um eine Position zu berechnen. Zum Beispiel verwendet das Lokalisierungsmodul 408 Daten aus einer Globalen-Navigationssatellitensystem(GNSS)-Einheit und geografische Daten, um einen Längen- und Breitengrad des AF zu berechnen. In einer Ausführungsform beinhalten die durch das Lokalisierungsmodul 408 verwendeten Daten hochpräzise Karten der geometrischen Eigenschaften der Fahrbahn, Karten, die die Verbindungseigenschaften des Straßennetzes beschreiben, Karten, die die physischen Eigenschaften der Straßen beschreiben (wie z. B. die Verkehrsgeschwindigkeit, das Verkehrsaufkommen, die Anzahl der Fahrstreifen für den Auto- und Fahrradverkehr, die Fahrstreifenbreite, die Fahrstreifenrichtungen oder die Arten und Orte von Fahrstreifenmarkierungen oder Kombinationen davon), und Karten, die die räumliche Lage von Straßenmerkmalen wie Fußgängerüberwegen, Verkehrsschildern oder anderen Verkehrssignalen verschiedener Arten beschreiben.
Das Steuermodul 406 empfängt die Daten der Bewegungsbahn 414 und die Daten das AF-Position 418 und führt die Steuerfunktionen 420a-c (z. B. Lenken, Drosselklappenbetätigung, Bremsen, Zündung) des AF so aus, dass das AF 100 auf der Bewegungsbahn 414 bis zum Zielort 412 fährt. Falls zum Beispiel die Bewegungsbahn 414 eine Linkskurve enthält, führt das Steuermodul 406 die Steuerfunktionen 420a-c so aus, dass der Lenkwinkel der Lenkfunktion das AF 100 zum Linksabbiegen veranlasst und das Betätigen der Drosselklappe und Bremsen das AF 100 zum Anhalten und Warten auf passierende Fußgänger oder entgegenkommende Fahrzeuge veranlasst, bevor das Abbiegen durchgeführt wird.
Eingaben autonomer Fahrzeuge
5 ist ein Blockdiagramm, das ein Beispiel für die Eingaben 502a-d (z. B. Sensoren 121 in 1) und Ausgaben 504a-d (z. B. Sensordaten), die durch das Wahrnehmungsmodul 402 (4) verwendet werden, gemäß einem oder mehreren Ausführungsformen. Eine Eingabe 502a ist ein LiDAR(„Light Detection and Ranging“)-System (z. B. LiDAR 123 wie in 1 gezeigt). LiDAR ist eine Technologie, die Licht (z. B. Lichtblitze wie Infrarotlicht) verwendet, um Daten über physische Objekte in Sichtlinie zu erhalten. Ein LiDAR-System erzeugt LiDAR-Daten als Ausgabe 504a. LiDAR-Daten sind beispielsweise Sammlungen von 3D- oder 2D-Punkten (auch als Punktwolken bekannt), die zur Konstruktion einer Darstellung der Umgebung 190 verwendet werden.
Eine weitere Eingabe 502b ist ein RADAR-System. RADAR ist eine Technologie, die Funkwellen verwendet, um Daten über nahe gelegene physische Objekte zu erhalten. RADAR-Einrichtungen können Daten über Objekte erhalten, die sich nicht in Sichtlinie eines LiDAR-Systems befinden. Ein RADAR-System 502b erzeugt RADAR-Daten als Ausgabe 504b. Zum Beispiel sind RADAR-Daten ein oder mehrere elektromagnetische Hochfrequenzsignale, die zur Konstruktion einer Darstellung der Umgebung 190 verwendet werden.
Eine weitere Eingabe 502c ist ein Kamerasystem. Ein Kamerasystem verwendet eine oder die mehreren Kameras (z. B. Digitalkameras, die einen Lichtsensor, wie ein ladungsgekoppeltes Bauelement [CCD], verwenden), um Informationen über nahe gelegene physische Objekte zu erhalten. Ein Kamerasystem erzeugt Kameradaten als Ausgabe 504c. Kameradaten liegen häufig in Form von Bilddaten vor (z. B. Daten in einem Bilddatenformat wie RAW, JPEG, PNG usw.). In einigen Beispielen verfügt das Kamerasystem über mehrere unabhängige Kameras, z. B. zwecks Stereopsis (Stereosehen), wodurch das Kamerasystem in der Lage ist, die Tiefe wahrzunehmen. Obwohl die durch das Kamerasystem wahrgenommenen Objekte hier als „nah“ beschrieben werden, gilt dies relativ zum AF. Beim Betrieb kann das Kamerasystem dazu ausgelegt sein, weit entfernt gelegene Objekte zu „sehen“, z. B. bis zu einem Kilometer oder mehr vor dem AF. Dementsprechend kann das Kamerasystem über Merkmale wie Sensoren und Objektive verfügen, die für die Wahrnehmung weit entfernter Objekte optimiert sind.
Eine weitere Eingabe 502d ist ein Ampelerkennungs(AE)-System. Ein AE-System verwendet eine oder mehrere Kameras, um Informationen über Ampeln, Straßenschilder und andere physische Objekte zu erhalten, die visuelle Betriebsinformationen liefern. Ein AE-System erzeugt AE-Daten als Ausgabe 504d. AE-Daten liegen häufig in Form von Bilddaten vor (z. B. Daten in einem Bilddatenformat wie RAW, JPEG, PNG usw.). Ein AE-System unterscheidet sich von einem System mit einer Kamera dadurch, dass bei einem AE-System eine Kamera mit weitem Sichtfeld (z. B. mit einem Weitwinkelobjektiv oder einem Fischaugenobjektiv) verwendet wird, um Informationen über möglichst viele physische Objekte zu liefern, die visuelle Betriebsinformationen bereitstellen, sodass das AF 100 Zugriff auf alle relevanten Betriebsinformationen hat, die durch diese Objekte bereitgestellt werden. Beispielsweise könnte der Blickwinkel des AE-Systems ca. 120 Grad oder mehr betragen.
In einer Ausführungsform werden die Ausgaben 504a-d mittels einer Sensorfusionstechnik kombiniert. So werden entweder die einzelnen Ausgaben 504a-d anderen Systemen des AF 100 (z. B. einem Planungsmodul 404 wie in 4 dargestellt) zur Verfügung gestellt, oder die kombinierte Ausgabe kann den anderen Systemen entweder in Form einer einzelnen kombinierten Ausgabe oder mehrerer kombinierter Ausgaben derselben Art (z. B. unter Verwendung derselben Kombinationstechnik oder Kombination derselben Ausgaben oder beides) oder unterschiedlicher Arten (z. B. unter Verwendung jeweils unterschiedlicher Kombinationstechniken oder Kombination jeweils unterschiedlicher Ausgaben oder beides) zur Verfügung gestellt werden. In einer Ausführungsform wird eine frühzeitige Fusionstechnik verwendet. Eine frühzeitige Fusionstechnik zeichnet sich dadurch aus, dass die Ausgaben kombiniert werden, bevor ein oder mehrere Datenverarbeitungsschritte auf die kombinierte Ausgabe angewendet werden. In einer Ausführungsform wird eine späte Fusionstechnik verwendet. Eine späte Fusionstechnik zeichnet sich dadurch aus, dass die Ausgaben kombiniert werden, nachdem ein oder mehrere Datenverarbeitungsschritte auf die einzelnen Ausgaben angewendet wurden.
6 ist ein Blockdiagramm, das ein Beispiel für ein LiDAR-System 602 (z. B. die in 5 dargestellte Eingabe 502a) gemäß einer oder mehreren Ausführungsformen veranschaulicht. Das LiDAR-System 602 emittiert Licht 604a-c aus einem Lichtemitter 606 (z. B. einem Laseremitter). Das durch ein LiDAR-System emittierte Licht liegt in der Regel nicht im sichtbaren Spektrum; beispielsweise wird häufig Infrarotlicht verwendet. Ein Teil des emittierten Lichts 604b trifft auf ein physisches Objekt 608 (z. B. ein Fahrzeug) und wird zurück zum LiDAR-System 602 reflektiert. (Das durch ein LiDAR-System emittierte Licht durchdringt normalerweise keine physischen Objekte, z. B. physische Objekte in fester Form.) Das LiDAR-System 602 verfügt auch über einen oder mehrere Lichtdetektoren 610, die das reflektierte Licht detektieren. In einer Ausführungsform erzeugen ein oder mehrere dem LiDAR-System zugeordnete Datenverarbeitungssysteme ein Bild 612, das das Sichtfeld 614 des LiDAR-Systems darstellt. Das Bild 612 enthält Informationen, die die Begrenzungen 616 eines physischen Objekts 608 repräsentieren. Auf diese Weise wird das Bild 612 verwendet, um die Begrenzungen 616 eines oder mehrerer physischer Objekte in der Nähe eines AF zu ermitteln.
7 ist ein Blockdiagramm, das das LiDAR-System 602 im Betrieb gemäß einer oder mehreren Ausführungsformen veranschaulicht. In dem in dieser Figur dargestellten Szenario empfängt das AF 100 sowohl die Kamerasystemausgabe 504c in Form eines Bildes 702 als auch die LiDAR-Systemausgabe 504a in Form von LiDAR-Datenpunkten 704. Beim Betrieb vergleicht das Datenverarbeitungssystem des AF 100 das Bild 702 mit den Datenpunkten 704. Insbesondere wird ein im Bild 702 identifiziertes physisches Objekt 706 ebenfalls unter den Datenpunkten 704 identifiziert. Auf diese Weise nimmt das AF 100 die Begrenzungen des physischen Objekts anhand der Kontur und Dichte der Datenpunkte 704 wahr.
8 ist ein Blockdiagramm, das den Betrieb des LiDAR-Systems 602 in zusätzlicher Detaillierung gemäß einer oder mehreren Ausführungsformen veranschaulicht. Wie oben beschrieben, erkennt das AF 100 die Begrenzung eines physischen Objekts anhand der Eigenschaften der durch das LiDAR-System 602 erfassten Datenpunkte. Wie in 8 gezeigt, reflektiert ein ebenes Objekt, wie z. B. der Boden 802, das durch ein LiDAR-System 602 emittierte Licht 804a-d auf konsistente Weise. Anders ausgedrückt, da das LiDAR-System 602 Licht in gleichmäßigen Abständen emittiert, reflektiert der Boden 802 das Licht mit dem gleichen konsistenten Abstand zum LiDAR-System 602 zurück. Während sich das AF 100 über den Boden 802 bewegt, erkennt das LiDAR-System 602 weiterhin das durch den nächsten gültigen Bodenpunkt 806 reflektierte Licht, falls nichts die Straße versperrt. Falls jedoch ein Objekt 808 die Straße versperrt, wird das durch das LiDAR-System 602 emittierte Licht 804e-f von den Punkten 810a-b in einer Weise reflektiert, die nicht mit der erwarteten Gleichmäßigkeit übereinstimmt. Aus diesen Informationen kann das AF 100 ermitteln, dass das Objekt 808 vorhanden ist.
Wegplanung
9 ist ein Blockdiagramm 900, das die Zusammenhänge zwischen Eingaben und Ausgaben eines Planungsmoduls 404 (z. B. wie in 4 dargestellt) gemäß einer oder mehreren Ausführungsformen veranschaulicht. Allgemein ist die Ausgabe eines Planungsmoduls 404 eine Route 902 aus einem Startpunkt 904 (z. B. Quellenort oder Anfangsort) und einem Endpunkt 906 (z. B. Ziel- oder Endort). Die Route 902 ist in der Regel durch ein oder mehrere Segmente definiert. Ein Segment ist zum Beispiel eine Entfernung, die mindestens über einen Abschnitt einer Straße, einer Landstraße, einer Autobahn, einer Einfahrt oder eines anderen für den Autoverkehr geeigneten physischen Bereichs zurückzulegen ist. In einigen Beispielen, z. B. falls das AF 100 ein geländegängiges Fahrzeug wie z. B. ein vierradgetriebener (4WD) oder allradgetriebener (AWD) PKW, SUV, Lieferwagen oder dergleichen ist, umfasst die Route 902 „geländegängige“ Segmente wie unbefestigte Wege oder offene Felder.
Zusätzlich zur Route 902 gibt ein Planungsmodul auch Routenplanungsdaten auf Fahrstreifenebene 908 aus. Die Routenplanungsdaten auf Fahrstreifenebene 908 werden verwendet, um Segmente der Route 902 basierend auf den Bedingungen des Segments zu einem bestimmten Zeitpunkt zu durchfahren. Falls die Route 902 beispielsweise eine Autobahn mit mehreren Fahrstreifen umfasst, enthalten die Routenplanungsdaten auf Fahrstreifenebene 908 die Bewegungsbahnplanungsdaten 910, die das AF 100 verwenden kann, um einen Fahrstreifen unter den mehreren Fahrstreifen auszuwählen, z. B. in Abhängigkeit davon, ob sich eine Ausfahrt nähert, ob eine oder mehrere der Fahrstreifen andere Fahrzeuge aufweisen oder aufgrund anderer Faktoren, die im Laufe weniger Minuten oder weniger variieren. In ähnlicher Weise enthalten bei einigen Implementierungen die Routenplanungsdaten auf Fahrstreifenebene 908 auch Geschwindigkeitsrandbedingungen 912, die spezifisch für ein Segment der Route 902 gelten. Falls das Segment zum Beispiel Fußgänger oder unerwarteten Verkehr enthält, können die Geschwindigkeitsrandbedingungen 912 das AF 100 auf eine Fahrgeschwindigkeit beschränken, die langsamer als eine erwartete Geschwindigkeit ist, z. B. eine Geschwindigkeit, die auf den Geschwindigkeitsbegrenzungsdaten für das Segment basiert.
In einer Ausführungsform umfassen die Eingaben an das Planungsmodul 404 auch die Datenbankdaten 914 (z. B. aus dem in 4 dargestellten Datenbankmodul 410), die aktuellen Standortdaten 916 (z. B. die in 4 dargestellte AF-Position 418), die Zielortdaten 918 (z. B. für den in 4 dargestellten Zielort 412) und die Objektdaten 920 (z. B. die klassifizierten Objekte 416, die durch das Wahrnehmungsmodul 402 wahrgenommen werden, wie in 4 gezeigt). In einer Ausführungsform enthalten die Datenbankdaten 914 Regeln, die bei der Planung verwendet werden. Regeln werden durch eine formale Sprache spezifiziert, z. B. durch boolesche Logik. In jeder Situation, in der sich das AF 100 befindet, sind mindestens einige der Regeln auf die Situation anwendbar. Eine Regel gilt für eine gegebene Situation, falls die Regel Bedingungen enthält, die basierend auf den dem AF 100 zur Verfügung stehenden Informationen, z. B. Informationen über die Umgebung, erfüllt sind. Regeln können eine Priorität aufweisen. Beispielsweise kann eine Regel, die besagt: „Falls die Straße eine Autobahn ist, auf den äußerst linken Fahrstreifen wechseln“, eine niedrigere Priorität als „Falls die Ausfahrt sich innerhalb von 2 Kilometern nähert, auf den äußerst rechten Fahrstreifen wechseln“ aufweisen.
10 veranschaulicht einen gerichteten Graphen 1000, der bei der Wegplanung z. B. durch das Planungsmodul 404 (4) gemäß einer oder mehrerer Ausführungsformen verwendet wird. Allgemein wird ein gerichteter Graph 1000 wie der in 10 gezeigte verwendet, um einen Weg zwischen einem beliebigen Startpunkt 1002 und Endpunkt 1004 zu ermitteln. In der Praxis kann die Entfernung zwischen dem Startpunkt 1002 und dem Endpunkt 1004 relativ groß (z. B. in zwei verschiedenen Ballungsgebieten) oder relativ klein (z. B. zwei Einmündungen, die an einen Stadtblock angrenzen oder zwei Fahrstreifen einer Straße mit mehreren Fahrstreifen) sein.
In einer Ausführungsform hat der gerichtete Graph 1000 Knoten 1006a-d, die verschiedene Orte zwischen dem Startpunkt 1002 und dem Endpunkt 1004 darstellen, die durch ein AF 100 belegt werden könnten. In einigen Beispielen, z. B. wenn der Startpunkt 1002 und der Endpunkt 1004 verschiedene Ballungsräume darstellen, stellen die Knoten 1006a-d Straßensegmente dar. In einigen Beispielen, z. B. wenn der Startpunkt 1002 und der Endpunkt 1004 verschiedene Orte auf derselben Straße darstellen, stellen die Knoten 1006a-d verschiedene Positionen auf dieser Straße dar. Auf diese Weise enthält der gerichtete Graph 1000 Informationen in unterschiedlicher Granularität. In einer Ausführungsform ist ein gerichteter Graph mit hoher Granularität auch ein Teilgraph eines anderen gerichteten Graphen mit einem größeren Maßstab. Zum Beispiel hat ein gerichteter Graph, bei dem der Startpunkt 1002 und der Endpunkt 1004 weit entfernt sind (z. B. viele Kilometer auseinander liegend), die meisten seiner Informationen in einer niedrigen Granularität und basiert auf gespeicherten Daten, enthält aber auch einige Informationen mit hoher Granularität für den Abschnitt des Graphen, der physische Orte im Sichtfeld des AF 100 darstellt.
Die Knoten 1006a-d unterscheiden sich von Objekten 1008a-b, die sich nicht mit einem Knoten überlappen können. In einer Ausführungsform, wenn die Granularität gering ist, stellen die Objekte 1008a-b Regionen dar, die nicht mit dem Auto befahren werden können, z. B. Gebiete, die keine Straßen oder Wege aufweisen. Bei hoher Granularität stellen die Objekte 1008a-b physische Objekte im Sichtfeld des AF 100 dar, z. B. andere Kraftfahrzeuge, Fußgänger oder andere Objekte, mit denen das AF 100 den physischen Raum nicht teilen kann. In einer Ausführungsform sind einige oder alle der Objekte 1008a-b statische Objekte (z. B. ein Objekt, das seine Position nicht ändert, wie eine Straßenlampe oder ein Strommast) oder dynamische Objekte (z. B. ein Objekt, das seine Position ändern kann, wie ein Fußgänger oder ein anderes Kraftfahrzeug).
Die Knoten 1006a-d sind durch die Kanten 1010a-c verbunden. Falls zwei Knoten 1006a-b durch eine Kante 1010a verbunden sind, ist es möglich, dass ein AF 100 zwischen dem einen Knoten 1006a und dem anderen Knoten 1006b fahren kann, z. B. ohne zu einem Zwischenknoten fahren zu müssen, bevor es am anderen Knoten 1006b ankommt. (Wenn von einem zwischen Knoten fahrenden AF 100 gesprochen wird, ist gemeint, dass sich das AF 100 zwischen den beiden physischen Positionen bewegt, die durch die jeweiligen Knoten dargestellt werden.) Die Kanten 1010a-c sind oft bidirektional, in dem Sinne, dass ein AF 100 von einem ersten Knoten zu einem zweiten Knoten oder vom zweiten Knoten zum ersten Knoten fährt. In einer Ausführungsform sind die Kanten 1010a-c unidirektional, in dem Sinne, dass ein AF 100 von einem ersten Knoten zu einem zweiten Knoten fahren kann, das AF 100 jedoch nicht vom zweiten Knoten zum ersten Knoten fahren kann. Die Kanten 1010a-c sind unidirektional, wenn sie z. B. Einbahnstraßen, einzelne Fahrstreifen einer Straße, eines Weges oder einer Landstraße oder andere Merkmale darstellen, die aufgrund rechtlicher oder physischer Randbedingungen nur in einer Richtung befahren werden können.
In einer Ausführungsform verwendet das Planungsmodul 404 den gerichteten Graphen 1000 zum Identifizieren eines Weges 1012, der aus Knoten und Kanten zwischen dem Startpunkt 1002 und dem Endpunkt 1004 besteht.
Eine Kante 1010a-c ist einem Aufwand 1014a-b zugeordnet. Der Kostenwert 1014a-b ist ein Wert, der die Ressourcen darstellt, die aufgewendet werden, falls das AF 100 diese Kante auswählt. Eine typische Ressource ist die Zeit. Falls zum Beispiel eine Kante 1010a eine physische Entfernung darstellt, die doppelt so groß wie die einer anderen Kante 1010b ist, kann der zugeordnete Kostenwert 1014a der ersten Kante 1010a doppelt so groß wie der zugeordnete Kostenwert 1014b der zweiten Kante 1010b sein. Andere Faktoren, die sich auf die Zeit auswirken, sind der erwartete Verkehr, die Anzahl der Einmündungen, Geschwindigkeitsrandbedingungen usw. Eine weitere typische Ressource ist der Kraftstoffverbrauch. Zwei Kanten 1010a-b können die gleiche physische Entfernung darstellen, aber eine Kante 1010a kann mehr Kraftstoff als eine andere Kante 1010b erfordern, z. B. aufgrund von Straßenbedingungen, voraussichtlichem Wetter usw.
Wenn das Planungsmodul 404 einen Weg 1012 zwischen dem Startpunkt 1002 und dem Endpunkt 1004 identifiziert, wählt das Planungsmodul 404 in der Regel einen Weg mit optimiertem Kostenwert, z. B. den Weg mit dem geringsten Gesamtkostenwert, wenn die einzelnen Kostenwerte der Kanten addiert werden.
Steuerung autonomer Fahrzeuge
11 ist ein Blockdiagramm 1100, das die Eingaben und Ausgaben eines Steuermoduls 406 (z. B. wie in 4 dargestellt) gemäß einer oder mehreren Ausführungsformen veranschaulicht. Ein Steuermodul arbeitet gemäß einer Steuervorrichtung 1102, die z. B. einen oder mehrere Prozessoren (z. B. einen oder mehrere Computerprozessoren wie Mikroprozessoren oder Mikrocontroller oder beides) ähnlich dem Prozessor 304, einen Kurzzeit- und/oder Langzeitdatenspeicher (z. B. Direktzugriffsspeicher oder Flashspeicher oder beides) ähnlich dem Hauptspeicher 306, ROM 1308 und Speichervorrichtung 210 und im Speicher gespeicherte Anweisungen enthält, die Operationen der Steuervorrichtung 1102 durchführen, wenn die Anweisungen ausgeführt werden (z. B. durch den einen oder die mehreren Prozessoren).
In einer Ausführungsform empfängt die Steuervorrichtung 1102 Daten, die eine gewünschte Ausgabe 1104 darstellen. Die gewünschte Ausgabe 1104 umfasst in der Regel eine Geschwindigkeit und eine Fahrtrichtung. Die gewünschte Ausgabe 1104 kann zum Beispiel auf Daten basieren, die aus einem Planungsmodul 404 empfangen werden (z. B. wie in 4 gezeigt). Die Steuervorrichtung 1102 erzeugt gemäß der gewünschten Ausgabe 1104 Daten, die als Drosselklappeneingabe 1106 und als Lenkeingabe 1108 verwendet werden können. Die Drosselklappeneingabe 1106 stellt die Größe dar, in der die Drosselklappe (z. B. Beschleunigungssteuerung) eines AF 100 zu betätigen ist, z. B. durch Betätigen des Lenkpedals oder durch Betätigen einer anderen Drosselklappensteuerung, um die gewünschte Ausgabe 1104 zu erreichen. In einigen Beispielen umfasst die Drosselklappeneingabe 1106 auch Daten, die zum Betätigen der Bremse (z. B. Verlangsamungssteuerung) des AF 100 verwendet werden können. Die Lenkeingabe 1108 stellt einen Lenkwinkel dar, z. B. den Winkel, in dem die Lenksteuerung (z. B. Lenkrad, Lenkwinkelsteller oder eine andere Funktion zur Steuerung des Lenkwinkels) des AF positioniert werden sollte, um die gewünschte Ausgabe 1104 zu erreichen.
In einer Ausführungsform empfängt die Steuervorrichtung 1102 eine Rückmeldung, die bei der Anpassung der für die Drosselklappe und Lenkung bereitgestellten Eingaben verwendet wird. Falls beispielsweise das AF 100 auf eine Störung 1110 wie z. B. einen Hügel trifft, wird die gemessene Geschwindigkeit 1112 des AF 100 unter die gewünschte Ausgabegeschwindigkeit abgesenkt. In einer Ausführungsform wird der Steuervorrichtung 1102 eine Messwertausgabe 1114 zur Verfügung gestellt, sodass die nötigen Anpassungen, z. B. basierend auf der Differenz 1113 zwischen der gemessenen Geschwindigkeit und der gewünschten Ausgabe, durchgeführt werden. Die gemessene Ausgabe 1114 umfasst die gemessene Position 1116, die gemessene Geschwindigkeit 1118 (einschließlich Drehzahl und Fahrtrichtung), die gemessene Beschleunigung 1120 und andere durch Sensoren des AF 100 messbare Ausgaben.
In einer Ausführungsform werden Informationen über die Störung 1110 im Voraus erkannt, z. B. durch einen Sensor wie eine Kamera oder einen LiDAR-Sensor, und einem vorausschauenden Rückmeldemodul 1122 zur Verfügung gestellt. Das vorausschauende Rückmeldemodul 1122 liefert dann Informationen an die Steuervorrichtung 1102, die die Steuervorrichtung 1102 zur entsprechenden Anpassung verwenden kann. Falls zum Beispiel die Sensoren des AF 100 einen Hügel erkennen („sehen“), können diese Informationen durch die Steuervorrichtung 1102 genutzt werden, um sich darauf vorzubereiten, die Drosselklappe zum geeigneten Zeitpunkt zu betätigen, um eine wesentliche Verlangsamung zu vermeiden.
12 ist ein Blockdiagramm 1200, das Eingaben, Ausgaben und Komponenten einer Steuervorrichtung 1102 gemäß einer oder mehreren Ausführungsformen veranschaulicht. Die Steuervorrichtung 1102 weist einen Geschwindigkeitsprofilersteller 1202 auf, der den Betrieb einer Drosselklappen-/Bremssteuervorrichtung 1204 beeinflusst. Beispielsweise weist der Geschwindigkeitsprofilersteller 1202 die Drosselklappen-/Bremssteuervorrichtung 1204 an, eine Beschleunigung oder Verlangsamung unter Verwendung der Drosselklappe/Bremse 1206 einzuleiten, abhängig z. B. von der Rückmeldung, die durch die Steuervorrichtung 1102 empfangen und durch den Geschwindigkeitsprofilersteller 1202 verarbeitet wird.
Die Steuervorrichtung 1102 weist auch eine Seitenführungssteuervorrichtung 1208 auf, die den Betrieb einer Lenksteuervorrichtung 1210 beeinflusst. Zum Beispiel weist die Seitenführungssteuervorrichtung 1208 die Lenksteuervorrichtung 1204 an, die Position des Lenkwinkelstellers 1212 abhängig von z. B. der Rückmeldung anzupassen, die durch die Steuervorrichtung 1102 empfangen und durch die Seitenführungssteuervorrichtung 1208 verarbeitet wird.
Die Steuervorrichtung 1102 empfängt mehrere Eingaben, mit denen ermittelt wird, wie die Drosselklappe/Bremse 1206 und der Lenkwinkelsteller 1212 gesteuert werden sollen. Ein Planungsmodul 404 liefert Informationen, die durch die Steuervorrichtung 1102 verwendet werden, um z. B. eine Bewegungsrichtung zu wählen, wenn das AF 100 den Betrieb aufnimmt, und um zu ermitteln, welches Straßensegment befahren werden soll, wenn das AF 100 eine Einmündung erreicht. Ein Lokalisierungsmodul 408 liefert der Steuervorrichtung 1102 Informationen, die zum Beispiel den aktuellen Standort des AF 100 beschreiben, sodass die Steuervorrichtung 1102 ermitteln kann, ob sich das AF 100 an einem Ort befindet, der basierend auf der Art und Weise, in der die Drosselklappe/Bremse 1206 und der Lenkwinkelsteller 1212 gesteuert werden, erwartet wird. In einer Ausführungsform empfängt die Steuervorrichtung 1102 Informationen aus anderen Eingaben 1214, z. B. Informationen, die aus Datenbanken, Computernetzwerken usw. empfangen werden.
Fahrzeugbetrieb unter Verwendung eines Verhaltensregelmodells
13 ist ein Flussdiagramm, das einen Prozess zum Bestimmen, ob eine Bewegungsbahn gegen ein gespeichertes Verhaltensmodell für den Betrieb des AF 100 verstößt, gemäß einer oder mehreren Ausführungsformen veranschaulicht. Das AF 100 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. Das AF 100 verwendet ein gespeichertes Verhaltensmodell des Betriebs des AF 100, um eine Rückmeldung über das Fahrverhalten des AF zu geben. Das gespeicherte Verhaltensmodell wird mitunter auch als Regelwerk bezeichnet. In einigen Ausführungsformen erfolgt die Rückmeldung nach dem Prinzip „bestanden/nicht bestanden“. Der Prozess von 13 dient dazu, zu erkennen, wann das AF 100 eine regelwidrige Bewegungsbahn erzeugt, wann dem AF 100 eine wesentlich bessere Bewegungsbahn als die erzeugte zur Verfügung stand und welche Bewegungsbahn vorzuziehen ist.
Das AF 100 operiert in einer Umgebung 190. Die Umgebung 190 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. In einer Ausführungsform erzeugen ein oder mehrere Prozessoren 146 des AF 100 eine Bewegungsbahn 198. Die Prozessor 146 und die Bewegungsbahn 198 werden mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. Die Bewegungsbahn 198 wird basierend auf ersten Sensordaten aus einem ersten Satz von Sensoren (z. B. Sensoren 121) des AF 100 und zweiten Sensordaten aus einem zweiten Satz von Sensoren (z. B. Sensoren 122) des AF 100 erzeugt. Die Sensoren 121, 122 werden mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. Die ersten Sensordaten repräsentieren den Betrieb des AF 100,und die zweiten Sensordaten repräsentieren ein oder mehrere in der Umgebung 190 befindliche Objekte 146. Die Objekte werden mit Bezug auf 4 veranschaulicht und ausführlicher beschrieben. In einer Ausführungsform weist der erste Satz von Sensoren 121 mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor auf. Die ersten Sensordaten weisen mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs auf.
In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren, ob die Bewegungsbahn 198 einen oder mehrere Verstöße gegen ein gespeichertes Verhaltensmodell für den Betrieb des AF 100 verursacht. Ein Beispiel für ein gespeichertes Verhaltensmodell wird im Folgenden mit Bezug auf 14 veranschaulicht und näher beschrieben. Der eine oder die mehreren Verstöße werden in Bezug auf das eine oder die mehreren Objekte 416 in der Umgebung 190 bestimmt. So werden beispielsweise Kriterien definiert, um eine Bewegungsbahn 198 als potenziell fehlerhaft zu kennzeichnen. Ein einfaches Kriterium ist der Verstoß gegen eine einzige Regel, aber auch andere Formulierungen sind möglich. Beispielsweise liefert das Verfahren von 13 bei einer durch das Planungsmodul 404 des AF 100 erzeugten potenziellen oder tatsächlichen Bewegungsbahn 198 eine Rückmeldung über die Bewegungsbahn 198 hinsichtlich der Angemessenheit des Fahrverhaltens. Das Planungsmodul 404 wird mit Bezug auf 4 dargestellt und ausführlicher beschrieben.
In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren 146 als Reaktion auf das Bestimmen, dass die Bewegungsbahn 198 den einen oder die mehrere Verstöße des gespeicherten Verhaltensmodells verursacht, eine erste Risikostufe des einen oder der mehreren Verstöße basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des AF 100 in Bezug auf das eine oder die mehreren Objekte 416. Diese Ereignisse werden mitunter auch als „Gefahren“ bezeichnet. Die gespeicherte Verteilung von Ereignissen wird mit Bezug auf 15 veranschaulicht und ausführlicher beschrieben. Der eine oder die mehreren Prozessoren 146 erzeugen eine alternative Bewegungsbahn für das AF 100. So wird beispielsweise ein Satz von alternativen Bewegungsbahnen erzeugt, die mit der markierten Bewegungsbahn 198 verglichen werden.
In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren 146, dass die alternative Bewegungsbahn eine zweite Risikostufe aufweist, die höher als die erste Risikostufe ist. Die zweite Risikostufe wird in Bezug auf das eine oder die mehreren Objekte 416 bestimmt. Die möglichen Ergebnisse der Rückmeldung aus der Risikobestimmung sind beispielsweise „BESTANDEN“, d. h. die Bewegungsbahn 198 ist entweder zufriedenstellend, oder es ist keine bessere alternative Bewegungsbahn verfügbar, oder „NICHT BESTANDEN“, d. h. die AF-Bewegungsbahn 198 entspricht nicht den Verhaltensspezifikationen des Regelwerks, und es sind wesentlich bessere alternative Bewegungsbahnen verfügbar. Die Bewegungsbahn 198 wird als „NICHT BESTANDEN“ eingestuft, falls eine wesentlich bessere Bewegungsbahn erkannt wird. Es wird eine Formalisierung dessen vorgenommen, was eine wesentlich bessere Bewegungsbahn ausmacht. Das Verfahren von 13 wird nicht dazu verwendet, marginale oder triviale Verbesserungen zu erkennen.
Der Prozess von 13 soll verhindern, dass „trivial befriedigende“ Bewegungsbahnen, d. h. Bewegungsbahnen, bei denen das AF 100 zum Stillstand kommt oder sein Ziel nicht erreicht, als bessere Lösung als eine Bewegungsbahn 198, die das Ziel mit einigen Regelverstößen erreicht, angesehen werden. Eine Regel zum „Erreichen des Ziels“ ist ausdrücklich in die Regelwerke eingebaut. Der eine oder die mehreren Prozessoren 146 steuern das AF 100 basierend auf der Bewegungsbahn 198, um eine Kollision des AF 100 mit einem oder mehreren Objekten 416 zu vermeiden. Beispielsweise steuert das Steuermodul 406, das in 4 dargestellt und näher beschrieben ist, das AF 100.
14 zeigt ein gespeichertes Verhaltensmodell für den Betrieb des AF 100 gemäß einem oder mehreren Ausführungsformen. Das AF 100 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. In einer Ausführungsform empfangen ein oder mehrere Prozessoren 146 des AF 100 erste Sensordaten aus einem ersten Satz von Sensoren 121 des AF 100 und zweite Sensordaten aus einem zweiten Satz von Sensoren 122 des AF 100. Die Prozessoren 146 und Sensoren 121, 122 werden mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. Die ersten Sensordaten repräsentieren den Betrieb des AF 100, und die zweiten Sensordaten repräsentieren ein oder mehrere in der Umgebung 190 befindliche Objekte 416. Die Objekte 416 werden mit Bezug auf 4 veranschaulicht und ausführlicher beschrieben. Die Umgebung 190 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. In einer Ausführungsform weist der zweite Satz von Sensoren 122 mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon auf. Die zweiten Sensordaten weisen mindestens eines von einem Bild des einen oder der mehreren Objekte 416, einer Geschwindigkeit des einen oder der mehreren Objekte 416, einer Beschleunigung des einen oder der mehreren Objekte 416 oder einem seitlichen Abstand zwischen dem einen oder den mehreren Objekten 416 und dem AF 100 auf.
In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren 146 einen oder mehrere Verstöße gegen ein gespeichertes Verhaltensmodell des Betriebs des AF 100 basierend auf den ersten Sensordaten und den zweiten Sensordaten. Der eine oder die mehreren Verstöße werden in Bezug auf das eine oder die mehreren Objekte 416 in der Umgebung 190 bestimmt. Beispielsweise zeichnen fahrzeugbasierte oder externe Sensoren, wie sie am AF 100 ausgelegt sind, Informationen über die Szenarien, an denen das AF 100 beteiligt ist, und über das entsprechende Fahrverhalten des Fahrers, einschließlich unter anderem Geschwindigkeit, Kurs, benachbarte Objekte oder Routen, auf.
In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren 146 eine erste Risikostufe des einen oder der mehreren Verstöße basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des AF 100 in Bezug auf das eine oder die mehreren Objekte 416. Ein Beispiel für die Verteilung von Ereignissen wird mit Bezug auf 15 veranschaulicht und ausführlicher beschrieben. So wird beispielsweise anhand der Aufzeichnungen mithilfe von Regelwerken (Regelformulierung und Regelauswertung) bestimmt, ob das Fahrverhalten regelkonform ist oder gegen die Regeln verstößt. Regelverstöße können sowohl bei Menschen als auch bei automatisierten Fahrsystemen mit Sicherheitsergebnissen korreliert werden.
Als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, erzeugen der eine oder die mehreren Prozessoren eine Bewegungsbahn 198 für das AF 100. Die Bewegungsbahn 198 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. Die Bewegungsbahn weist eine zweite Risikostufe auf, die niedriger als die Schwellenrisikostufe ist. Die zweite Risikostufe wird in Bezug auf das eine oder die mehreren Objekte 416 bestimmt. Der eine oder die mehreren Prozessoren 146 steuern das AF 100 basierend auf der Bewegungsbahn 198, um eine Kollision des AF 100 mit einem oder mehreren Objekten 416 zu vermeiden.
In einer Ausführungsform wird ein Bewegungsplanungsprozess des Planungsmoduls 404 basierend auf einer Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell angepasst, um die zweite Risikostufe abzusenken. Ein validiertes Regelwerk wird beispielsweise bei der Entwicklung und Implementierung von automatisierten Fahrzeugsystemen oder bei der Risikobewertung von menschlichen Fahrern für Versicherungszwecke oder Zwecke der öffentlichen Sicherheit eingesetzt. Bei maschinellen Fahrern, die in der Regel Systemmodelle aufweisen, kann die Fahrleistung die AF-Fahrleistung anhand von Regelwerken bewerten. In einer Ausführungsform wird eine Risikostufe des Bewegungsplanungsprozesses des AF 100 basierend auf der Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell bestimmt. So werden beispielsweise die Auswirkungen der Systemauslegung und der Leistung der Teilsysteme auf die geplanten Bewegungsbahnen modelliert, wie in 14 dargestellt. Geplante Bewegungsbahnen werden bewertet, um die Gesamtfahrleistung in Abhängigkeit von der Systemauslegung und der Leistung der Teilsysteme zu messen. (Teil-)Systemanforderungen werden aus Verhaltensspezifikationen (Regeln) abgeleitet, optimieren die Leistung und setzen Prioritäten bei den Ressourcen.
15 zeigt Häufigkeiten von Verstößen gegen ein gespeichertes Verhaltensmodell für den Betrieb des AF 100 gemäß einem oder mehreren Ausführungsformen. Das AF 100 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. Ein Beispiel für ein gespeichertes Verhaltensmodell des Betriebs wird mit Bezug auf 14 veranschaulicht und näher beschrieben. In einer Ausführungsform bestimmen der eine oder die mehreren Prozessoren 146 die zweite Risikostufe basierend auf der Bewegungsbahn 198 und der gespeicherten Verteilung der Ereignisse des Betriebs des AF 100 in Bezug auf das eine oder die mehreren Objekte 416. Der eine oder die mehreren Prozessoren 146 und die Bewegungsbahn 198 werden mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. Das eine oder die mehreren Objekte 416 werden mit Bezug auf 4 veranschaulicht und ausführlicher beschrieben.
Die Häufigkeit der Verstöße gegen das in 15 dargestellte gespeicherte Verhaltensmodell für den Betrieb modelliert ein Verhalten, das das AF 100 auf öffentlichen Straßen zeigen sollte. Wenn Gesetze häufig nicht ausreichend spezifiziert sind und es schwierig ist, das richtige Verhalten für alle Szenarien aufzuzählen, selbst wenn perfekte Informationen vorliegen, erfordern komplexe Szenarien Kompromisse zwischen verschiedenen Verhaltensweisen. Das in 14 dargestellte gespeicherte Verhaltensmodell wird verwendet, um die Leistung des AF-Systems im Vergleich zu einem menschlichen Fahrer in Bezug auf Kollisionen und Verstöße gegen das Sicherheitsumfeld zu messen. So besteht beispielsweise ein umgekehrtes Verhältnis zwischen der Häufigkeit und der Schwere von Vorfällen. Es gibt nachweisbare quantitative Zusammenhänge zwischen Vorfällen unterschiedlicher Schwere. Vorfälle sind das Ergebnis eines einzigen generativen Prozesses, der zu einer charakterisierbaren Verteilung führt, die mit Bezug auf 16 dargestellt und näher beschrieben wird.
Die hier offenbarten Ausführungsformen ermöglichen die Analyse der Schweregradverteilung anhand weniger kontinuierlicher Messungen der Kollisionsschwere. Zwar gibt es detaillierte Statistiken über die relative Häufigkeit von Kollisionen mit Todesopfern, Verletzten und Sachschäden, doch die diskrete Natur dieser Kategorien und das Fehlen einer quantitativen Skala schränken die Analyse der Verteilung der Kollisionsschwere ein. Die offenbarten Ausführungsformen betrachten daher kontinuierliche Verteilungen der Kollisionsschwere. Anhand von vier Datenmengen mit verschiedenen Ersatzwerten für die Schwere wird geprüft, ob die Schwereverteilung sicherheitskritischer Straßenverkehrsunfälle mit den Modellen in 13 und 15 übereinstimmt.
Eine erste Beispieldatenmenge ist das National Automotive Sampling System's Crashworthiness Data System („NASS CDS“). Dabei handelt es sich um eine fortlaufende Datenerhebung, bei der eine Zufallsstichprobe aller gemeldeten Kollisionen in den Vereinigten Staaten, die so schwerwiegend sind, dass eine Abschleppung erforderlich ist, untersucht, rekonstruiert und katalogisiert wird. Eines der gemeldeten Kollisionsmerkmale ist das Delta-V, definiert als „die Änderung der Geschwindigkeit zwischen den Bewegungsbahnen eines Fahrzeugs vor und nach der Kollision“, ein kanonisches Maß für die Unfallschwere, das weithin als der beste Prädiktor für Verletzungen und Todesfälle bei Fahrzeugkollisionen gilt. Im Gegensatz zu Kollisionsschweregraden kann Delta-V ein Kontinuum von Werten annehmen. So wurde zum Beispiel zwischen 2000 und 2011 eine Datenmenge von 6.286 Kollisionen analysiert, die Aufzeichnungen von Ereignisdatenschreibern der beteiligten Fahrzeuge enthielt. Delta-V wurde bestimmt, indem die euklidische Norm des gemeldeten maximalen Delta-V während des Kollisionsereignisses in Quer- und Längsrichtung genommen wurde. Viele Ereignisse in dieser Datenmenge weisen ein Delta-V von 0 Meilen pro Stunde auf, was künstlich erscheint, da eine Kollision eine gewisse Geschwindigkeitsdifferenz voraussetzt. Um dieses potenzielle Datenartefakt zu eliminieren, wurden Vorfälle mit einem Delta-V unter 5 Meilen pro Stunde verworfen, bei denen es unwahrscheinlich ist, dass sie zu einer Abschleppkollision geführt haben, und die weit weniger als 10 % der Werte der Datenmenge ausmachen. Andere analysierte Beispieldatenmengen umfassen Daten zu Versicherungsansprüchen.
16 zeigt ein gespeichertes Verhaltensmodell für den Betrieb des AF 100 gemäß einem oder mehreren Ausführungsformen. Das AF 100 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. In einer Ausführungsform umfasst das gespeicherte Verhaltensmodell für den Betrieb des AF 100 mehrere Schichten. Jede Schicht hat eine Position, die einem spezifischen Verstoß des einem oder der mehreren Verstöße entspricht. 16 veranschaulicht einen Rahmen für den Zusammenhang zwischen Sicherheitsvorfällen unterschiedlicher Schwere basierend auf Beobachtungen eines nahezu festen Verhältnisses zwischen Unfällen mit hohem Schweregrad und solchen mit geringerem Schweregrad. Daraus folgt, dass eine Konzentration auf die Verringerung kleinerer Unfälle, Beinaheunfälle und gefährlicher Bedingungen zu einem proportionalen Rückgang schwerer Unfälle führt.
In einer Ausführungsform tritt eine Kollision des AF 100 mit dem einen oder den mehreren Objekten 416 auf, wenn die jeweilige Position jeder Schicht der mehreren Schichten übereinstimmt. Das gespeicherte Verhaltensmodell von 16 beispielsweise betrachtet die Sicherheit komplexer Systeme als aus mehreren Schichten bestehend, wenn auch mit einigen Löchern in jeder Schicht, die Ausfälle darstellen. Das Modell von 16 legt nahe, dass ein Unfall nur dann eintritt, wenn die Löcher der einzelnen Sicherheitsschichten übereinstimmen. Dies bedeutet, dass mehrere Sicherheitsschichten mit wenigen Löchern in jeder Schicht (d. h. mit geringer Ausfallwahrscheinlichkeit) erforderlich sind, um ein sicheres System zu entwickeln.
In einer Ausführungsform wird ein Bewegungsplanungsprozess des AF 100 so gestaltet, dass die Wahrscheinlichkeit, dass die jeweilige Position jeder Schicht der Vielzahl von Schichten übereinstimmt, geringer als eine Schwellenwahrscheinlichkeit ist. Zum Beispiel messen Ersatzsicherheitskennzahlen potenzielle Fahrkonflikte oder Verhaltensweisen, die zwar nicht zu einer Kollision führen, aber ein gewisses Maß an Gefahr bedeuten. Während es eine breite Palette von Techniken gibt, sind Ersatzsicherheitsmetriken spezifisch für eng definierte Umstände (z. B. die Bewertung der Sicherheit einer Teilmenge von ampellosen Kreuzungen). Telematikdienste stellen eine kommerzielle Demonstration des praktischen Werts von Ersatzsicherheitsmetriken dar, indem sie Kohorten von Fahrern verfolgen, die häufig stark bremsen oder beschleunigen, und ihnen ein höheres Kollisionsrisiko zuordnen.
In einer Ausführungsform weist das gespeicherte Verhaltensmodell für den Betrieb des AF 100 mehrere Betriebsregeln auf. Jede Betriebsregel hat eine Priorität gegenüber jeder anderen Betriebsregel. Die Priorität repräsentiert eine Risikostufe des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell. So werden beispielsweise Ersatzsicherheitskennzahlen zur Bewertung der AF-Sicherheit verwendet. Daher werden Ersatzsicherheitsmetriken verwendet, um die Straßenverkehrssicherheit schneller zu bewerten und das Konzept in einen ganzheitlichen theoretischen Rahmen zu integrieren. In einer Ausführungsform beinhaltet ein Verstoß des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell für den Betrieb des AF 100, dass ein seitlicher Abstand zwischen dem AF 100 und dem einen oder den mehreren Objekten 416 einen seitlichen Schwellenabstand unterschreitet. Beispielsweise ist das gespeicherte Verhaltensmodell von 16 in einen Rahmen für Unfälle (eine Verteilung von Unfallschweregraden) formalisiert, der, falls er validiert ist, impliziert, dass die Sicherheit komplexer Systeme durch Beobachtung von Ersatzsicherheitsmetriken abgeleitet werden kann. In einer Ausführungsform wird die Priorität der Betriebsregel basierend auf der Häufigkeit des Verstoßes angepasst. So werden zum Beispiel empirische Daten von menschlichen Fahrern zur Unterstützung der Anwendung des gespeicherten Verhaltensmodells von 16 auf die Verkehrssicherheit herangezogen.
17 zeigt eine gespeicherte Verteilung von Betriebsereignissen des AF 100 in Bezug auf das eine oder die mehreren Objekte 416 gemäß einer oder mehreren Ausführungsformen. Das AF 100 und die Objekte 416 werden mit Bezug auf 1 und 4 dargestellt und ausführlicher beschrieben. In einer Ausführungsform weist die gespeicherte Verteilung von Ereignissen eine log-normale Wahrscheinlichkeitsverteilung unabhängiger Zufallsvariablen auf. Jede Zufallsvariable repräsentiert eine Risikostufe einer Gefahr beim Betrieb des AF 100. Die gespeicherte Verteilung der Ereignisse von 17 impliziert beispielsweise, dass die Kollisionsereignisse einer Log-Normalverteilung folgen. Die Beobachtung von Ereignissen mit geringem Schweregrad, einschließlich der Verhaltenskennzahlen, gibt daher Aufschluss über die Häufigkeit von Ereignissen mit hohem Schweregrad. Die in 17 dargestellte gespeicherte Verteilung von Ereignissen ermöglicht somit eine AF-Auslegung mit redundanten Systemen und Resistenz gegen Einzelpunktausfälle. Beispielsweise kann die gespeicherte Verteilung von Ereignissen genutzt werden, um einen vorhersehbaren Zusammenhang zwischen der Häufigkeit und der Schwere von sicherheitskritischen Fahrereignissen basierend auf bestehenden theoretischen Rahmen für Unfälle zu formalisieren.
In einer Ausführungsform wird eine mathematische Analyse verwendet, um zu bestimmen, dass das gespeicherte Verhaltensmodell (siehe 16) für die Unfallverursachung und die Unfallschwere eine bestimmte Verteilungsform der Vorfallschwere impliziert. Das gespeicherte Verhaltensmodell von 16 wird in 17 als mathematischer Ausdruck für die Schwere eines sicherheitskritischen Fahrvorfalls infolge einer Gefahr formalisiert. Sicherheitskritische Fahrvorfälle (Ereignisse) werden als Vorfälle modelliert, die ein erhöhtes Risiko beinhalten, aber zu einer Kollision führen können oder auch nicht. Der zentrale Grenzwertsatz wird von 17 verwendet, um zu zeigen, dass dieser mathematische Ausdruck eine Log-Normalverteilung der Schwere sicherheitskritischer Ereignisse impliziert.
In einer Ausführungsform kann eine Verteilungsform von vier verschiedenen Datenmengen, die die Schwere von Kraftfahrzeugvorfällen approximieren, weiter analysiert werden. Die mathematische Analyse (siehe 17) legt nahe, dass das gespeicherte Verhaltensmodell mit einer Log-Normalverteilung der Unfallschwere übereinstimmt. Die in 17 dargestellte empirische Analyse bestätigt, dass alle fünf Datenmengen einer Log-Normalverteilung sehr nahe kommen. Eine sechste Beispieldatenmenge deutet auf eine signifikante zunehmende Beziehung zwischen Beinahekollisionen und Kollisionen hin. Die in 17 dargestellten Experimente unterstützen die Verwendung von häufig auftretenden Ereignissen mit geringer Schwere, um die Sicherheit von Kraftfahrzeugen oder einzelnen Fahrern schneller zu bewerten. Darüber hinaus sind komplexe Systeme, die auf Robustheit gegenüber Einzelpunktausfällen ausgelegt sind, einschließlich autonomer Fahrzeuge, mit denselben theoretischen Rahmenbedingungen vereinbar, was eine schnellere Einführung von sichereren Technologien unter Verwendung der hier offenbarten Ausführungsformen ermöglicht.
In einer Ausführungsform werden mehrere gebräuchliche „endlastige“ Kandidatenverteilungen (Potenzgesetz, exponentiell, log-normal) verwendet, um die Schwere der Kollisionen zu modellieren. Das Potenzgesetz und die Exponentialverteilung haben monoton abnehmende Dichtefunktionen (d. h. sie haben kein linkes Verteilungsende). Sie passen daher nur auf das rechte Ende der Daten. Um einen fairen Vergleich zwischen den drei Verteilungskandidaten zu gewährleisten, wird das linke Ende jeder Datenmenge im Verhältnis zu seinem Spitzenwert verworfen, der sich ergibt, indem die Datenmenge in 100 Perzentile unterteilt wird und das untere Ende des Perzentils mit der höchsten Anzahl von Proben genommen wird (siehe 19). Da die Log-Normalverteilung ein linkes Ende aufweist, begünstigt dieses Verfahren die beiden anderen Kandidatenverteilungen. Die Nichtberücksichtigung des linken Verteilungsendes führt dazu, dass Kollisionen mit sehr geringem Schweregrad (d. h. mit geringen Schadenssummen oder Delta-V), die am stärksten unter der Untererfassung leiden, ignoriert werden.
In einer Ausführungsform wird geprüft, ob eine empirische Datenmenge einer Log-Normalverteilung, einer anderen Kandidatenverteilung oder keiner Kandidatenverteilung folgt. In einem Experiment wurde das Python-Powerlaw-Paket verwendet, das eine Maximum-Likelihood-Schätzung verwendet, um eine optimale Anpassung für jede Kandidatenverteilung zu erhalten. Für jede Datenmenge und jede Kandidatenverteilung wurde der Kolmogorov-Smirnov-Abstand (KS-Abstand) bestimmt, der als maximale Differenz zwischen der kumulativen empirischen Verteilungsfunktion und der angepassten kumulativen Verteilungsfunktion des Kandidaten definiert ist. Der KS-Abstand ist ein Maß dafür, wie gut jede einzelne Kandidatenverteilung zu den Daten passt. Um direkter zu bestimmen, ob die Log-Normalverteilung eine bessere Anpassung als die beiden anderen Kandidatenverteilungen bietet, wird der p-Wert für die Signifikanz des Log-Likelihood-Verhältnisses, dass die Daten aus der Log-Normalverteilung stammen, im Vergleich zu jeder anderen Kandidatenverteilung betrachtet. Ein kleiner p-Wert spricht für die Log-Normalverteilung.
In einem Experiment wurde eine Aufzeichnung der Fahrten mit der Datenmenge der sicherheitskritischen Vorfälle kombiniert, um die Gesamtzahl der Beinahekollisionen zu bestimmen, die jeder Fahrer im Laufe der Studie aufwies, und die Fahrer in Kohorten eingeteilt, je nachdem, wie viele Beinahekollisionen sie während der Studie erfuhren. Bei einer größeren Anzahl von Beinahekollisionen enthält die Datenmenge nur wenige Fahrer. Diese Fahrer wurden zu einer Kohorte zusammengefasst, bis die Zahl der gefahrenen Kilometer in der Kohorte eine Million überstieg, und diesen Kohorten wurde die durchschnittliche Zahl der Beinahekollisionen aller Fahrer zugeordnet, die der Kohorte hinzugefügt wurden. Es wurde die Spearman-Rangkorrelation bestimmt, die die Stärke der monotonen (nicht unbedingt linearen) Beziehung und ihre Signifikanz misst, um zu untersuchen, ob Fahrerkohorten mit höheren Raten von Beinahekollisionen tendenziell auch höhere Raten von Kollisionen und schweren Kollisionen aufweisen.
18 zeigt eine gespeicherte Verteilung von Betriebsereignissen des AF 100 in Bezug auf das eine oder die mehreren Objekte 416 gemäß einer oder mehreren Ausführungsformen. Das AF 100 und die Objekte 416 werden mit Bezug auf 1 und 4 dargestellt und ausführlicher beschrieben. In einer Ausführungsform stellt ein Verstoß des einen oder der mehreren Verstöße eine Verlangsamung des AF 100 dar, die eine Schwellenverlangsamung überschreitet. Eine Risikostufe wird zum Beispiel anhand von Nichtkollisionsergebnissen wie der Häufigkeit von Beinahekollisionen und gefährlichen Fahrsituationen bewertet. Um zu beurteilen, ob ein einziger Rahmen das Verhalten vor einer Kollision und bei einer Kollision vereinen kann, wurden zwei Beispieldatenmengen analysiert.
Eine erste Beispieldatenmenge stellt die Messwerte einer Mobileinrichtung dar, die in Verbraucherfahrzeugen installiert ist und zur Analyse der Fahrsicherheit verwendet wird. Die erste Datenmenge ist eine zufällig ausgewählte Stichprobe von Starkbremsungen oberhalb einer Schwellenverlangsamung. Starkbremsung ist ein Ausweichmanöver, das mit einem erhöhten Kollisionsrisiko verbunden ist. Um festzustellen, ob sich Starkbremsereignisse auf dem gleichen Kontinuum wie Kollisionen befinden, wurde die log-normale Anpassung mit denselben Verfahren wie bei den Kollisionsdaten ausgewertet.
In einer Ausführungsform stellt ein Verstoß des einen oder der mehreren Verstöße einen seitlichen Abstand des AF 100 zu dem einen oder den mehreren Objekten 416 dar, der einen seitlichen Schwellenabstand unterschreitet (Beinahekollision). Eine zweite Datenmenge stammt zum Beispiel aus der zweiten naturalistischen Fahrstudie des Strategy Highway Research Program (SHRP-2), der bisher größten Studie zum realen Fahrverhalten. Zwei extrahierte Datenmengen wurden verwendet: Die erste enthielt Fahrtenaufzeichnungen von Fahrern, die an der Studie teilnahmen (3.546 Fahrer, 5,4 Millionen erfasste Fahrten und 32 Millionen vollständig dokumentierte gefahrene Meilen), die zweite enthielt eine Aufzeichnung sicherheitskritischer Ereignisse (8.717 Kollisionen und Beinahekollisionen). In der SHRP-2-Studie wurden sicherheitskritische Ereignisse in eine von fünf Kategorien eingeteilt, mit Kollisionsschweregraden von 1-4 und Beinahekollisionen. Für die Analyse werden Kollisionen mit Sachschäden, Verletzten oder Toten als „schwer“ eingestuft (286 Ereignisse). Alle anderen Berührungsereignisse mit Ausnahme derjenigen, die als Stufe 4 eingestuft sind (d. h. Reifen verlassen die Fahrbahn oder Auftreffen auf den Bordstein, die kein Risikoelement beinhalten), werden als „leicht“ eingestuft (775 Ereignisse). Kollisionen der Stufe 4 und Nichtkollisionsereignisse, die ein Ausweichmanöver erfordern, werden als „Beinahekollisionen“ eingestuft (7.656 Ereignisse).
19 zeigt ein Beispiel für eine gespeicherte Verteilung von Betriebsereignissen des AF 100 in Bezug auf das eine oder die mehreren Objekte 416 gemäß einer oder mehreren Ausführungsformen. Das AF 100 und die Objekte 416 werden mit Bezug auf 1 und 4 dargestellt und ausführlicher beschrieben. Das gespeicherte Verhaltensmodell von 16 ist als eine Reihe unabhängiger Faktoren konzipiert, die mit einer gefährlichen Fahrsituation interagieren, um die Gefahr entweder zu vergrößern oder zu verringern. Eine Gefahr kann zum Beispiel durch das Verhalten eines anderen Fahrzeugs auf der Straße entstehen. Ob es zu einer Kollision kommt, hängt von einer Anzahl anderer Faktoren ab, z. B. von der Reaktionszeit des Fahrers, der Straßengeometrie, dem Wetter, der Geschwindigkeit, den Fähigkeiten des Fahrzeugs und dem Wartungszustand. Falls einer oder mehrere Faktoren sehr günstig sind, ist die Gefahr erloschen, und es kommt zu keinem sicherheitskritischen Vorfall. In der Realität sind Faktoren nicht völlig dispositiv und können eine Gefahr nicht völlig auslöschen; sie könnten sie sogar verschlimmem und somit additiv werden (z. B. schlechtes Wetter), sodass ein Faktor auch als Gefahr dienen kann (z. B. kann ein schlecht gewartetes Auto entweder eine Gefahr sein oder ein Faktor, der eine andere Gefahr verschlimmert). Falls die anderen Faktoren die Gefahr nur geringfügig mindern, kommt es zu einer Beinahekollision oder einer leichten Kollision, und falls die anderen Faktoren weitgehend unwirksam sind, um die Gefahr zu mindern, kann es zu einer schweren Kollision kommen.
In einer Ausführungsform weist die gespeicherte Ereignisverteilung von 19 eine log-normale Wahrscheinlichkeitsverteilung von unabhängigen Zufallsvariablen auf. Jede Zufallsvariable repräsentiert eine Risikostufe einer Gefahr beim Betrieb des Fahrzeugs. So weist zum Beispiel jede Kollision als Hauptursache eine Gefahr auf. Die Verteilung der Kollisionsschwere wird gemäß Gleichung (1) bestimmt. $S = \sum_{i} w_{i} S_{i}$
Hier ist S_i eine Zufallsvariable, die die Schwere der mit dem Auftreten der Gefahr i verknüpften sicherheitskritischen Ereignisse darstellt, und w_i ist der Anteil der sicherheitskritischen Ereignisse, die auf die Gefahr i zurückzuführen sind. Für eine einzelne Gefahrenart wird die Verteilung der Ergebnisse gemäß Gleichung (2) bestimmt. $S_{i} = {[H_{i} \times X]}_{1 i} \times X_{2 i} \times X_{3 i} \dots X_{Ni}$
Hier ist H_i eine Zufallsvariable, die den Schweregrad der Gefahr i darstellt, und jedes X_ji ist eine Zufallsvariable, die die Auswirkung des Faktors j auf die Minderung (oder Verschlimmerung) der spezifischen Gefahr i darstellt. Die Logarithmierung beider Seiten ergibt Gleichung (3). ${log S}_{i} = log {[H_{i} + log X]}_{1 i} + {log X}_{2i} + {log X}_{3i} \dots + {log X}_{Ni}$
Da die rechte Seite in Gleichung (3) eine Summe aus einer Reihe unabhängiger Zufallsvariablen ist, konvergieren diese zu einer Normalverteilung, falls entweder (1) alle H_i und X_ji identisch verteilt sind oder (2) H_i und X_ji die Bedingungen des zentralen Grenzwertsatzes von Ljapunow oder Lindeberg erfüllen. Falls dies der Fall ist, wird S_i durch die log-normale Wahrscheinlichkeitsverteilung gemäß Gleichung (4) gut angenähert. $p (x) = 1 / x exp [- ({(ln x - μ)}^{2}) / (2 σ^{2})]$
Dabei sind µ und σ der Mittelwert bzw. die Standardabweichung der normalverteilten Größe log S_i. Zwar ist es schwieriger, unterschiedliche Gefahren und Faktoren durch annähernd identisch verteilte Zufallsvariablen zu modellieren, doch solange keine kleine Teilmenge die Zufallsvariablen dominiert, die Zufallsvariablen größtenteils unabhängig sind und es eine ausreichend große Anzahl von ihnen gibt, wird S_i zu einer Log-Normalverteilung konvergieren. Falls also zahlreiche, größtenteils unkorrelierte Faktoren die Schwere der Kollisionen beeinflussen, wie es das in 16 dargestellte Modell unterstellt, wird die Schwereverteilung zu einer Log-Normalverteilung tendieren.
Gleichung (2) ermöglicht die Erfassung der Schwere aller Kollisionen durch Summieren über eine gewichtete Wahrscheinlichkeit des Auftretens der Gefahr i. Die Summe mehrerer Log-Normalverteilungen bleibt als Log-Normalverteilung bestehen und konvergiert nur sehr langsam zu einer Normalverteilung. Das Ergebnis der Schwere von Autokollisionen (oder jedes anderen Prozesses, der dem in 16 dargestellten Modell folgt) ist also log-normal. Es wird Ausnahmegefahren geben, die Einzelfehler darstellen (z. B. wenn ein Fahrer einschläft und die Folgen eher schwerwiegend sind) und die nicht einer Log-Normalverteilung folgen, aber solange ein System gegenüber Einzelfehlern widerstandsfähig ist, wird die Verteilung des Schweregrads log-normal sein.
Wie bereits erörtert, stellt das Modell von 16 eine qualitative Verteilungsform für bestimmte Klassen von sicherheitskritischen Ereignissen dar, die durch ein langes rechtes Verteilungsende gekennzeichnet sind. Die obige Analyse legt nahe, dass sich für AF-Systeme eine natürliche Verteilung ergibt, bei der die meisten Vorfälle auf eine Kombination von Faktoren zurückzuführen sind, und legt nahe, dass die wahre Verteilungsform der Ereignisse eine Log-Normalverteilung ist. Der obere Abschnitt von 19 fasst die Ergebnisse der Analyse der Verteilung der Kollisionsschwere zusammen und bestätigt für alle Datenmengen, dass (i) die log-normale Anpassung den bei weitem geringsten KS-Abstand zu den Daten unter den Kandidatenverteilungen ergibt und (ii) die log-normale Anpassung höchst signifikant besser als die Anpassungen an die anderen Kandidatenverteilungen ist.
20 zeigt ein Beispiel für eine gespeicherte Verteilung von Betriebsereignissen des AF 100 in Bezug auf das eine oder die mehreren Objekte 416 gemäß einer oder mehreren Ausführungsformen. Das AF 100 und die Objekte 416 werden mit Bezug auf 1 und 4 dargestellt und ausführlicher beschrieben. In 20 sind die Anpassungen für zwei der Anspruchsdatenmengen visuell dargestellt. Jedes Diagramm zeigt auf einer logarithmischen Skala die angepasste Wahrscheinlichkeitsverteilungsfunktion jeder Kandidatenverteilung gegenüber der empirischen Wahrscheinlichkeitsmassenfunktion. In beiden Fällen zeigt die visuelle Inspektion, dass die Log-Normalverteilung wahrscheinlich die beste Anpassung ist und die numerischen Ergebnisse aus 19 ergänzt.
21 zeigt ein Beispiel für eine gespeicherte Verteilung von Betriebsereignissen des AF 100 in Bezug auf das eine oder die mehreren Objekte 416 gemäß einer oder mehreren Ausführungsformen. Das AF 100 und die Objekte 416 werden mit Bezug auf 1 und 4 dargestellt und ausführlicher beschrieben. Die Analyse der SHRP-2-Daten zum naturalistischen Fahrverhalten zeigt eine stark ansteigende Beziehung zwischen dem Anteil der Beinahekollisionen und dem Anteil der Kollisionen in einer Kohorte (Spearman R = 0,95, p < 0,001). Die ansteigende Beziehung war zwar etwas schwächer, aber immer noch stark und signifikant, wenn nur die Beziehung zwischen der Kohorten-Beinahekollisionsrate und der Rate schwerer Kollisionen betrachtet wurde (Spearman R = 0,75, p = 0,01). Diese Ergebnisse stützen die Annahme, dass die Häufigkeit der Fahrerbeteiligung an Beinahekollisionen ein starkes Signal für die Fähigkeit des Fahrers und die Gesamtkollisionsrate ist. 21 veranschaulicht diese Beziehung, indem sie Beinahekollisionen der Fahrerkohorte mit den Kollisionsraten der Kohorte und den Raten schwerer Kollisionen mit einer Best-Fit-Linie und den 95%-Konfidenzintervallen darstellt. Aufgrund individueller Schwankungen und Ausreißer gibt es nur eine schwache Korrelation zwischen der Zahl der Beinahekollisionen und der Zahl der Kollisionen auf der Ebene des einzelnen Fahrers (und nicht auf der Ebene der oben genannten Kohorte), aber sie ist sowohl für Kollisionen (Spearman R = 0,19, p < 0,001) als auch für schwere Kollisionen (Spearman R = 0,12, p < 0,001) äußerst signifikant. Da SHRP-2 ein diskretes Ergebnis von „Beinahekollision“ aufweist, ist es schwieriger, die relative Schwere der verschiedenen Beinahekollisionen zu bewerten und festzustellen, ob sie einer Log-Normalverteilung folgen. Die Datenmenge für Ausweichbremsmanöver aus CMT liefert jedoch ein Maß für die Schwere sowohl von Kollisionen als auch von sicherheitskritischen Vorfällen in Delta-V. Der untere Abschnitt von 19 zeigt, dass, wie Kollisionsereignisse auch, Starkbremsereignisse einer Log-Normalverteilung folgen.
22 ist ein Flussdiagramm, das ein Beispiel eines Prozesses zum AF-Betrieb mittels eines Verhaltensregelmodells gemäß einer oder mehreren Ausführungsformen veranschaulicht. In einer Ausführungsform wird der Prozess von 22 durch das AF 100 durchgeführt und mit Bezug auf 1 näher beschrieben. In anderen Ausführungsformen führt eine spezifische Einrichtung, zum Beispiel das Wahrnehmungsmodul 402 oder das Planungsmodul 404, einige oder alle Schritte des Prozesses durch. Ebenso können Ausführungsformen verschiedene und/oder zusätzliche Schritte enthalten oder die Schritte in verschiedener Reihenfolge durchführen. Das Wahrnehmungsmodul 402 und das Planungsmodul 404 werden mit Bezug auf 4 veranschaulicht und ausführlicher beschrieben.
Das AF 100 empfängt 2204 erste Sensordaten aus einem ersten Satz von Sensoren 121 des AF 100 und zweite Sensordaten aus einem zweiten Satz von Sensoren 122 des AF 100. Der erste Satz von Sensoren 121 und der zweite Satz von Sensoren 122 werden mit Bezug auf 1 näher beschrieben. Die ersten Sensordaten repräsentieren den Betrieb des AF 100 und die zweiten Sensordaten repräsentieren ein oder mehrere Objekte 416, die sich in einer Umgebung 190 befinden. Das eine oder die mehreren Objekte 416 werden mit Bezug auf 4 ausführlicher beschrieben. Die Umgebung 190 wird mit Bezug auf 1 ausführlicher beschrieben.
Das AF 100 bestimmt 2208 einen oder mehrere Verstöße gegen ein gespeichertes Verhaltensmodell des Betriebs des AF 100 basierend auf den ersten Sensordaten und den zweiten Sensordaten. Ein Beispiel für ein gespeichertes Verhaltensmodell wird mit Bezug auf 14 näher beschrieben. Der eine oder die mehreren Verstöße werden in Bezug auf das eine oder die mehreren Objekte 416 in der Umgebung 190 bestimmt.
Das AF 100 bestimmt 2212 eine erste Risikostufe des einen oder der mehreren Verstöße basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des AF 100 in Bezug auf das eine oder die mehreren Objekte 416. Ein Beispiel für die Verteilung von Ereignissen wird mit Bezug auf 17 ausführlicher beschrieben.
Als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, erzeugt 2216 das AF 100 eine Bewegungsbahn 198 für das AF 100. Die Bewegungsbahn 198 wird mit Bezug auf 1 ausführlicher beschrieben. Die Bewegungsbahn 198 weist eine zweite Risikostufe auf, die niedriger als die Schwellenrisikostufe ist. Die zweite Risikostufe wird in Bezug auf das eine oder die mehreren Objekte 416 bestimmt.
Das AF 100 wird basierend auf der Bewegungsbahn 198 betrieben 2220, um eine Kollision des AF 100 mit einem oder mehreren Objekten 416 zu vermeiden. Zum Beispiel wird ein Steuermodul 406 des AF 100 zum Betrieb des AF 100 verwendet. Das Steuermodul 406 wird mit Bezug auf 4 ausführlicher beschrieben.
23 ist ein Flussdiagramm, das ein Beispiel eines Prozesses für den Betriebs des AF 100 mittels eines Verhaltensregelmodells gemäß einer oder mehreren Ausführungsformen veranschaulicht. Das AF 100 wird mit Bezug auf 1 veranschaulicht und ausführlicher beschrieben. In einer Ausführungsform wird der Prozess von 23 durch die Planungsschaltung 404 durchgeführt, die mit Bezug auf 4 näher beschrieben wird. In anderen Ausführungsformen führen andere Einheiten, zum Beispiel das Wahrnehmungsmodul 402 oder das Steuermodul 406, einige oder alle Schritte des Prozesses durch. Ebenso können Ausführungsformen verschiedene und/oder zusätzliche Schritte enthalten oder die Schritte in verschiedener Reihenfolge durchführen. Das Wahrnehmungsmodul 402 und das Steuermodul 406 werden mit Bezug auf 4 veranschaulicht und ausführlicher beschrieben.
Das AF 100 erzeugt 2304 eine Bewegungsbahn 198, die auf ersten Sensordaten aus einem ersten Satz von Sensoren 121 des AF 100 und zweiten Sensordaten aus einem zweiten Satz von Sensoren 122 des AF 100 basiert. Der erste Satz von Sensoren 121 und der zweite Satz von Sensoren 122 werden mit Bezug auf 1 näher beschrieben. Die ersten Sensordaten repräsentieren den Betrieb des AF 100 und die zweiten Sensordaten repräsentieren ein oder mehrere Objekte 416, die sich in einer Umgebung 190 befinden. Das eine oder die mehreren Objekte 416 werden mit Bezug auf 4 ausführlicher beschrieben. Die Umgebung 190 wird mit Bezug auf 1 ausführlicher beschrieben.
Das AF 100 bestimmt 2308, ob die Bewegungsbahn 198 einen oder mehrere Verstöße eines gespeicherten Verhaltensmodells für den Betrieb des AF 100 verursacht. Ein Beispiel für ein gespeichertes Verhaltensmodell wird mit Bezug auf 14 näher beschrieben. Der eine oder die mehreren Verstöße werden in Bezug auf das eine oder die mehreren Objekte 416 in der Umgebung 190 bestimmt.
Als Reaktion auf das Bestimmen, dass die Bewegungsbahn 190 den einen oder die mehreren Verstöße gegen das gespeicherte Verhaltensmodell verursacht, bestimmt 2312 das AF 100 eine erste Risikostufe des einen oder der mehreren Verstöße basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des AF 100 in Bezug auf das eine oder die mehreren Objekte 416. Ein Beispiel für die Verteilung von Ereignissen wird mit Bezug auf 17 ausführlicher beschrieben. Das AF 100 erzeugt eine alternative Bewegungsbahn für das AF 100.
Das AF 100 bestimmt 2316, dass die alternative Bewegungsbahn eine höhere zweite Risikostufe als die erste Risikostufe aufweist. Die zweite Risikostufe wird in Bezug auf das eine oder die mehreren Objekte 416 bestimmt.
Das AF 100 wird basierend auf der Bewegungsbahn 198 betrieben 2320, um eine Kollision des AF 100 mit einem oder mehreren Objekten 416 zu vermeiden. Zum Beispiel wird ein Steuermodul 406 des AF 100 zum Betrieb des AF 100 verwendet. Das Steuermodul 406 wird mit Bezug auf 4 ausführlicher beschrieben.
Unter Verwendung der hier offenbarten Ausführungsformen wird gezeigt, dass sicherheitskritische Vorfälle aus denselben Kausalmechanismen resultieren, unabhängig davon, ob sie zu einem Schaden (d. h. einer Kollision im Falle von Kraftfahrzeugvorfällen) führen, und (ii) in Übereinstimmung mit dem in 16 dargestellten und näher beschriebenen Modell, dass die Schwere des Schadens multiplikativer Natur ist, was zu einer log-normalen Schwereverteilung führt. In Experimenten korrelieren Beinahekollisionen stark mit Kollisionen (siehe 21). Auf einer aggregierten Ebene zeigen Experimente, die unter Verwendung der offenbarten Ausführungsformen durchgeführt wurden, dass die Häufigkeit von Starkbremsungen in einer Kohorte auch mit der Kollisionsrate in dieser Kohorte korreliert, da Starkbremsungen oft aus einem Verkehrskonflikt resultieren, der sich ohne Kollision auflöst. Aggressives Bremsen ist somit ein Indikator für schwerere Konflikte und eine höhere Kollisionshäufigkeit. Unfälle mit Starkbremsungen folgen der gleichen Verteilungsform wie Unfälle mit Kollisionen unter Verwendung der gleichen Variablen (Delta-V), was auf einen gemeinsamen Verursachungsmechanismus hindeutet. Mithilfe der hier offenbarten Ausführungsformen kann festgestellt werden, dass Ausweichbremsungen der gleichen Häufigkeits- und Schweregradverteilung wie die Unfälle selbst folgen.
Die hier offenbarten Ausführungsformen können auch verwendet werden, um festzustellen, dass fünf verschiedene Datenmengen von Aufprallunfällen und sicherheitskritischen Ereignissen sämtlich einer Log-Normalverteilung folgen. Daher wird eine Implementierung zur Auswertung des Aufprallrisikos basierend auf der Häufigkeit, mit der ein Fahrer einer Gefahrensituation begegnet, offenbart. Während die Ausführungsformen die Bewertung von Maßnahmen im Bereich der Straßenverkehrssicherheit beschleunigen können, sind sie im Falle von AFs besonders nützlich. Sicherheitsstandards für AFs und andere komplexe Systeme empfehlen redundante Teilsysteme mit mehreren Sicherheitsmaßnahmen, um einzelne Fehlerquellen zu minimieren. Diese Empfehlungen stimmen mit dem Modell in 16 überein, und die entsprechende Analyse in 17 deutet daraufhin, dass sie zu einer vorhersehbaren Beziehung zwischen weniger schweren und schwereren Ereignissen führen, wobei schwerere Ereignisse mit zunehmend geringerer Häufigkeit auftreten.
Die AF-Gemeinschaft unternimmt Schritte zur Definition guter Verhaltensweisen für AFs, die über die Vermeidung von Kollisionen hinausgehende Verhaltenskompetenzen messen. Die hier offenbarten Ausführungsformen können verwendet werden, um entweder in der Simulation oder durch Aggregation von realen Daten zu bewerten, wie gut führende (z. B. vor einem Aufprall) Metriken für AFs das Risiko vorhersagen. Zu den führenden Metriken gehören unter anderem starkes Bremsen und dichtes Auffahren (geringe Zeit bis zur Kollision). Im Gegensatz zu systemspezifischer Software oder anderen Metriken haben Metriken zur Bewertung der Sicherheit im Straßenverkehr den Vorteil, dass sie technologieneutral sind (d. h., sie können die Sicherheit unabhängig von der spezifischen technischen Umsetzung bewerten). Die hier beschriebene Analyse zeigt, dass das Produkt der Zufallsvariablen selbst bei einer gewissen Abhängigkeit zwischen den Zufallsvariablen zu einer Log-Normalverteilung konvergiert. Darüber hinaus trägt die formale Modellierung von Unfällen mithilfe der Gleichung (3) zu einem besseren Verständnis dafür bei, wie die verschiedenen Faktoren zusammenwirken, um die Schwere von Vorfällen zu beeinflussen. Darüber hinaus können durch die Berücksichtigung anderer Ereignisse als Beinahekollisionen in naturalistischen Fahrstudien einige der statistischen Schwankungen beseitigt werden, die die Analyse der SHRP-2-Daten einschränken. Schließlich kann eine umfassende Analyse von sicherheitskritischen Ereignissen mit AFs durchgeführt werden.
In der vorgenannten Beschreibung sind Ausführungsformen der Erfindung unter Bezugnahme auf zahlreiche spezifische Details beschrieben, die von Implementierung zu Implementierung verschieden sein können. Die Beschreibung und die Zeichnungen sind dementsprechend in einem veranschaulichenden statt einem einschränkenden Sinn zu sehen. Der einzige und ausschließliche Indikator für den Schutzbereich der Erfindung und das, was durch die Anmelder als Schutzbereich der Erfindung beabsichtigt ist, ist der wörtliche und äquivalente Schutzbereich der Menge der Ansprüche, die aus dieser Anmeldung in der spezifischen Form hervorgehen, in der diese Ansprüche ausgestellt sind, einschließlich etwaiger späterer Korrekturen. Alle hier ausdrücklich dargelegten Definitionen für Begriffe, die in diesen Ansprüchen enthalten sind, regeln die Bedeutung der in den Ansprüchen verwendeten Begriffe. Darüber hinaus kann bei Verwendung des Begriffs „ferner umfassend“ in der vorstehenden Beschreibung oder in den folgenden Ansprüchen das auf diese Formulierung Folgende ein zusätzlicher Schritt oder eine zusätzliche Einrichtung oder ein Unterschritt bzw. eine Untereinrichtung eines bereits erwähnten Schritts oder einer bereits erwähnten Einrichtung sein.
Die folgenden Aspekte sind ebenfalls Bestandteil der Erfindung:

1. Verfahren, umfassend:
- Empfangen von ersten Sensordaten aus einem ersten Satz von Sensoren des Fahrzeugs und zweiten Sensordaten aus einem zweiten Satz von Sensoren des Fahrzeugs durch einen oder mehrere Prozessoren eines in einer Umgebung betriebenen Fahrzeugs, wobei die ersten Sensordaten den Betrieb des Fahrzeugs darstellen und die zweiten Sensordaten ein oder mehrere in der Umgebung befindliche Objekte repräsentieren;
- Bestimmen durch den einen oder die mehreren Prozessoren eines oder mehrerer Verstöße gegen ein gespeichertes Verhaltensmodell des Betriebs des Fahrzeugs basierend auf den ersten Sensordaten und den zweiten Sensordaten, wobei der eine oder die mehreren Verstöße in Bezug auf das eine oder die mehreren in der Umgebung befindlichen Objekte bestimmt werden;
- Bestimmen einer ersten Risikostufe des einen oder der mehreren Verstöße durch den einen oder die mehreren Prozessoren basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte;
- als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, Erzeugen einer Bewegungsbahn für das Fahrzeug durch den einen oder die mehreren Prozessoren, wobei die Bewegungsbahn eine zweite Risikostufe aufweist, die niedriger als die Schwellenrisikostufe ist, wobei die zweite Risikostufe in Bezug auf das eine oder die mehreren Objekte bestimmt wird; und
- Betreiben des Fahrzeugs durch den einen oder die mehreren Prozessoren basierend auf der Bewegungsbahn, um eine Kollision zwischen dem Fahrzeug und dem einen oder den mehreren Objekten zu vermeiden.
2. Verfahren gemäß Aspekt 1, wobei der erste Satz von Sensoren mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor umfasst.
3. Verfahren gemäß Aspekt 1, wobei die ersten Sensordaten mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs umfassen.
4. Verfahren gemäß Aspekt 1, wobei der zweite Satz von Sensoren mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon umfasst.
5. Verfahren gemäß Aspekt 1, wobei die zweiten Sensordaten mindestens eines von einem Bild des einen oder der mehreren Objekte, einer Geschwindigkeit des einen oder der mehreren Objekte, einer Beschleunigung des einen oder der mehreren Objekte oder einem seitlichen Abstand zwischen dem einen oder den mehreren Objekten und dem Fahrzeug umfassen.
6. Verfahren gemäß Aspekt 1, ferner umfassend das Bestimmen der zweiten Risikostufe durch den einen oder die mehreren Prozessoren basierend auf der Bewegungsbahn und der gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte.
7. Verfahren gemäß Aspekt 1, wobei die gespeicherte Verteilung von Ereignissen eine log-normale Wahrscheinlichkeitsverteilung unabhängiger Zufallsvariablen umfasst, wobei jede Zufallsvariable eine Risikostufe einer Gefahr beim Betrieb des Fahrzeugs repräsentiert.
8. Verfahren gemäß Aspekt 1, wobei das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs eine Vielzahl von Betriebsregeln umfasst, wobei jede Betriebsregel der Vielzahl von Betriebsregeln eine Priorität in Bezug auf jede andere Betriebsregel der Vielzahl von Betriebsregeln aufweist, wobei die Priorität eine Risikostufe des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell repräsentiert.
9. Verfahren gemäß Aspekt 8, wobei ein Verstoß des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs darin besteht, dass ein seitlicher Abstand zwischen dem Fahrzeug und dem einen oder den mehreren Objekten einen seitlichen Schwellenabstand unterschreitet.
10. Verfahren gemäß Aspekt 9, ferner umfassend das Anpassen der Priorität der Betriebsregel basierend auf der Häufigkeit des Verstoßes.
11. Verfahren gemäß Aspekt 1, ferner umfassend das Anpassen eines Bewegungsplanungsprozesses des Fahrzeugs basierend auf einer Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell, um die zweite Risikostufe abzusenken.
12. Verfahren gemäß Aspekt 11, ferner umfassend das Bestimmen einer Risikostufe des Bewegungsplanungsprozesses des Fahrzeugs basierend auf der Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell.
13. Autonomes Fahrzeug, umfassend:
- einen oder mehrere Computerprozessoren; und
- ein oder mehrere nichtflüchtige Speichermedien, die Anweisungen speichern, die beim Ausführen durch den einen oder die mehreren Computervorrichtungen die Durchführung von Verfahren gemäß einem der Aspekte 1-12 bewirken.
14. Ein oder mehrere nichtflüchtige Speichermedien, die Anweisungen speichern, die beim Ausführen durch eine oder mehrere Computervorrichtungen die Durchführung von Verfahren gemäß einem der Aspekte 1-12 bewirken.
15. Verfahren, umfassend das Durchführen eines maschinell ausgeführten Vorgangs mit Anweisungen, die beim Ausführen durch eine oder mehrere Rechenvorrichtungen das Durchführen von Verfahren gemäß einem der Aspekte 1-12 bewirken, wobei der maschinell ausgeführte Vorgang mindestens eines von Senden der Anweisungen, Empfangen der Anweisungen, Speichern der Anweisungen oder Ausführen der Anweisungen ist.
16. Verfahren, umfassend:
- Erzeugen einer Bewegungsbahn durch einen oder mehrere Prozessoren eines in einer Umgebung operierenden Fahrzeugs basierend auf ersten Sensordaten aus einem ersten Satz von Sensoren des Fahrzeugs und zweiten Sensordaten aus einem zweiten Satz von Sensoren des Fahrzeugs, wobei die ersten Sensordaten den Betrieb des Fahrzeugs repräsentieren und die zweiten Sensordaten ein oder mehrere in der Umgebung befindliche Objekte repräsentieren;
- Bestimmen durch den einen oder die mehreren Prozessoren, ob die Bewegungsbahn einen oder mehrere Verstöße gegen ein gespeichertes Verhaltensmodell des Betriebs des Fahrzeugs verursacht, wobei der eine oder die mehreren Verstöße in Bezug auf das eine oder die mehreren in der Umgebung befindlichen Objekte bestimmt werden;
- als Reaktion auf das Bestimmen, dass die Bewegungsbahn den einen oder die mehreren Verstöße gegen das gespeicherte Verhaltensmodell verursacht:
  - Bestimmen einer ersten Risikostufe des einen oder der mehreren Verstöße durch den einen oder die mehreren Prozessoren basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte; und
  - Erzeugen einer alternativen Bewegungsbahn für das Fahrzeug durch den einen oder die mehreren Prozessoren;
- Bestimmen, durch den einen oder die mehreren Prozessoren, dass die alternative Bewegungsbahn eine zweite Risikostufe aufweist, die höher als die erste Risikostufe ist, wobei die zweite Risikostufe in Bezug auf das eine oder die mehreren Objekte bestimmt wird; und
- Betreiben des Fahrzeugs durch den einen oder die mehreren Prozessoren basierend auf der Bewegungsbahn, um eine Kollision zwischen dem Fahrzeug und dem einen oder den mehreren Objekten zu vermeiden.
17. Verfahren gemäß Aspekt 16, wobei das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs eine Vielzahl von Schichten umfasst, wobei jede Schicht eine jeweilige Position aufweist, die einem Verstoß des einen oder der mehreren Verstöße entspricht.
18. Verfahren gemäß Aspekt 17, wobei eine Kollision des Fahrzeugs mit dem einen oder den mehreren Objekten erfolgt, wenn die jeweilige Position jeder Schicht der Vielzahl von Schichten übereinstimmt.
19. Verfahren gemäß Aspekt 17, wobei ein Bewegungsplanungsprozess des Fahrzeugs so gestaltet ist, dass die Wahrscheinlichkeit, dass die jeweilige Position jeder Schicht der Vielzahl von Schichten übereinstimmt, geringer als eine Schwellenwahrscheinlichkeit ist.
20. Verfahren gemäß Aspekt 16, wobei ein Verstoß des einen oder der mehreren Verstöße eine Verlangsamung des Fahrzeugs darstellt, die eine Schwellenverlangsamung überschreitet.
21. Verfahren gemäß Aspekt 16, wobei ein Verstoß des einen oder der mehreren Verstöße einen seitlichen Abstand des Fahrzeugs zu dem einen oder den mehreren Objekten darstellt, der einen seitlichen Schwellenabstand unterschreitet.
22. Verfahren gemäß Aspekt 16, wobei der erste Satz von Sensoren mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor umfasst.
23. Verfahren gemäß Aspekt 16, wobei die ersten Sensordaten mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs umfassen.
24. Verfahren gemäß Aspekt 16, wobei der zweite Satz von Sensoren mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon umfasst.
25. Verfahren gemäß Aspekt 16, wobei die zweiten Sensordaten mindestens eines von einem Bild des einen oder der mehreren Objekte, einer Geschwindigkeit des einen oder der mehreren Objekte, einer Beschleunigung des einen oder der mehreren Objekte oder einem seitlichen Abstand zwischen dem einen oder den mehreren Objekten und dem Fahrzeug umfassen.
26. Verfahren gemäß Aspekt 16, ferner umfassend das Bestimmen der zweiten Risikostufe durch den einen oder die mehreren Prozessoren basierend auf der alternativen Bewegungsbahn und der gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte.
27. Verfahren gemäß Aspekt 16, wobei die gespeicherte Verteilung von Ereignissen eine log-normale Wahrscheinlichkeitsverteilung unabhängiger Zufallsvariablen umfasst, wobei jede Zufallsvariable eine Risikostufe einer Gefahr beim Betrieb des Fahrzeugs repräsentiert.
28. Verfahren gemäß Aspekt 16, wobei das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs eine Vielzahl von Betriebsregeln umfasst, wobei jede Betriebsregel der Vielzahl von Betriebsregeln eine Priorität in Bezug auf jede andere Betriebsregel der Vielzahl von Betriebsregeln aufweist, wobei die Priorität eine Risikostufe des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell repräsentiert.
29. Verfahren gemäß Aspekt 16, wobei ein Verstoß des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs darin besteht, dass ein seitlicher Abstand zwischen dem Fahrzeug und dem einen oder den mehreren Objekten einen seitlichen Schwellenabstand unterschreitet.
30. Verfahren gemäß Aspekt 29, ferner umfassend das Anpassen der Priorität der Betriebsregel basierend auf der Häufigkeit des Verstoßes.
31. Verfahren gemäß Aspekt 16, ferner umfassend das Anpassen eines Bewegungsplanungsprozesses des Fahrzeugs basierend auf einer Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell, um die zweite Risikostufe abzusenken.
32. Verfahren gemäß Aspekt 31, ferner umfassend das Bestimmen einer Risikostufe des Bewegungsplanungsprozesses des Fahrzeugs basierend auf der Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell.
33. Autonomes Fahrzeug, umfassend:
- einen oder mehrere Computerprozessoren; und
- ein oder mehrere nichtflüchtige Speichermedien, die Anweisungen speichern, die beim Ausführen durch den einen oder die mehreren Computervorrichtungen die Durchführung von Verfahren gemäß einem der Aspekte 16-32 bewirken.
34. Ein oder mehrere nichtflüchtige Speichermedien, die Anweisungen speichern, die beim Ausführen durch eine oder mehrere Computervorrichtungen die Durchführung von Verfahren gemäß einem der Aspekte 16-32 bewirken.
35. Verfahren, umfassend das Durchführen eines maschinell ausgeführten Vorgangs mit Anweisungen, die beim Ausführen durch eine oder mehrere Rechenvorrichtungen die Durchführung von Verfahren bewirken, die in einem der Aspekte 16-32 aufgeführt sind, wobei der maschinell ausgeführte Vorgang mindestens eines von Senden der Anweisungen, Empfangen der Anweisungen, Speichern der Anweisungen oder Ausführen der Anweisungen ist.

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 63/078062 [0001]

Claims

Verfahren, umfassend: Empfangen von ersten Sensordaten aus einem ersten Satz von Sensoren des Fahrzeugs und zweiten Sensordaten aus einem zweiten Satz von Sensoren des Fahrzeugs durch einen oder mehrere Prozessoren eines in einer Umgebung betriebenen Fahrzeugs, wobei die ersten Sensordaten den Betrieb des Fahrzeugs darstellen und die zweiten Sensordaten ein oder mehrere in der Umgebung befindliche Objekte repräsentieren; Bestimmen durch den einen oder die mehreren Prozessoren eines oder mehrerer Verstöße gegen ein gespeichertes Verhaltensmodell des Betriebs des Fahrzeugs basierend auf den ersten Sensordaten und den zweiten Sensordaten, wobei der eine oder die mehreren Verstöße in Bezug auf das eine oder die mehreren in der Umgebung befindlichen Objekte bestimmt werden; Bestimmen einer ersten Risikostufe des einen oder der mehreren Verstöße durch den einen oder die mehreren Prozessoren basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte; als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, Erzeugen einer Bewegungsbahn für das Fahrzeug durch den einen oder die mehreren Prozessoren, wobei die Bewegungsbahn eine zweite Risikostufe aufweist, die niedriger als die Schwellenrisikostufe ist, wobei die zweite Risikostufe in Bezug auf das eine oder die mehreren Objekte bestimmt wird; und Betreiben des Fahrzeugs durch den einen oder die mehreren Prozessoren basierend auf der Bewegungsbahn, um eine Kollision zwischen dem Fahrzeug und dem einen oder den mehreren Objekten zu vermeiden.
Verfahren gemäß Anspruch 1, wobei der erste Satz von Sensoren mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor umfasst.
Verfahren gemäß Anspruch 1, wobei die ersten Sensordaten mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs umfassen.
Verfahren gemäß Anspruch 1, wobei der zweite Satz von Sensoren mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon umfasst.
Verfahren gemäß Anspruch 1, wobei die zweiten Sensordaten mindestens eines von einem Bild des einen oder der mehreren Objekte, einer Geschwindigkeit des einen oder der mehreren Objekte, einer Beschleunigung des einen oder der mehreren Objekte oder einem seitlichen Abstand zwischen dem einen oder den mehreren Objekten und dem Fahrzeug umfassen.
Verfahren gemäß Anspruch 1, ferner umfassend das Bestimmen der zweiten Risikostufe durch den einen oder die mehreren Prozessoren basierend auf der Bewegungsbahn und der gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte.
Verfahren gemäß Anspruch 1, wobei die gespeicherte Verteilung von Ereignissen eine log-normale Wahrscheinlichkeitsverteilung unabhängiger Zufallsvariablen umfasst, wobei jede Zufallsvariable eine Risikostufe einer Gefahr beim Betrieb des Fahrzeugs repräsentiert.
Verfahren gemäß Anspruch 1, wobei das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs eine Vielzahl von Betriebsregeln umfasst, wobei jede Betriebsregel der Vielzahl von Betriebsregeln eine Priorität in Bezug auf jede andere Betriebsregel der Vielzahl von Betriebsregeln aufweist, wobei die Priorität eine Risikostufe des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell repräsentiert.
Verfahren gemäß Anspruch 8, wobei ein Verstoß des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell für den Betrieb des Fahrzeugs darin besteht, dass ein seitlicher Abstand zwischen dem Fahrzeug und dem einen oder den mehreren Objekten einen seitlichen Schwellenabstand unterschreitet.
Verfahren gemäß Anspruch 9, ferner umfassend das Anpassen der Priorität der Betriebsregel basierend auf der Häufigkeit des Verstoßes.
Verfahren gemäß Anspruch 1, ferner umfassend das Anpassen eines Bewegungsplanungsprozesses des Fahrzeugs basierend auf einer Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell, um die zweite Risikostufe abzusenken.
Verfahren gemäß Anspruch 11, ferner umfassend das Bestimmen einer Risikostufe des Bewegungsplanungsprozesses des Fahrzeugs basierend auf der Häufigkeit des einen oder der mehreren Verstöße gegen das gespeicherte Verhaltensmodell.
Autonomes Fahrzeug, umfassend: einen oder mehrere Computerprozessoren; und ein oder mehrere nichtflüchtige Speichermedien, auf denen Anweisungen gespeichert sind, die beim Ausführen durch den einen oder die mehreren Computerprozessoren die Durchführung von Operationen bewirken, umfassend: Empfangen von ersten Sensordaten aus dem ersten Satz von Sensoren des Fahrzeugs und zweiten Sensordaten aus einem zweiten Satz von Sensoren des Fahrzeugs durch einen oder mehrere Computerprozessoren eines in einer Umgebung betriebenen autonomen Fahrzeugs, wobei die ersten Sensordaten den Betrieb des Fahrzeugs repräsentieren und die zweiten Sensordaten ein oder mehrere in der Umgebung befindliche Objekte repräsentieren; Bestimmen eines oder mehrerer Verstöße gegen ein gespeichertes Verhaltensmodell des Betriebs des autonomen Fahrzeugs durch den einen oder die mehreren Computerprozessoren des autonomen Fahrzeugs basierend auf den ersten Sensordaten und den zweiten Sensordaten, wobei der eine oder die mehreren Verstöße in Bezug auf das eine oder die mehreren in der Umgebung befindlichen Objekte bestimmt werden; Bestimmen einer ersten Risikostufe des einen oder der mehreren Verstöße durch den einen oder die mehreren Computerprozessoren des autonomen Fahrzeugs basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte; als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, Erzeugen einer Bewegungsbahn für das Fahrzeug durch den einen oder die mehreren Computerprozessoren des autonomen Fahrzeugs, wobei die Bewegungsbahn eine zweite Risikostufe aufweist, die niedriger als die Schwellenrisikostufe ist, wobei die zweite Risikostufe in Bezug auf das eine oder die mehreren Objekte bestimmt wird; und Betreiben des Fahrzeugs durch den einen oder die mehreren Computerprozessoren des autonomen Fahrzeugs basierend auf der Bewegungsbahn, um eine Kollision zwischen dem Fahrzeug und dem einen oder den mehreren Objekten zu vermeiden.
Autonomes Fahrzeug gemäß Anspruch 13, wobei der erste Satz von Sensoren mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor umfasst.
Autonomes Fahrzeug gemäß Anspruch 13, wobei die ersten Sensordaten mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs umfassen.
Autonomes Fahrzeug gemäß Anspruch 13, wobei der zweite Satz von Sensoren mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon umfasst.
Speichermedium oder mehrere nichtflüchtige Speichermedien, auf denen Anweisungen gespeichert sind, die beim Ausführen durch einen oder mehrere Rechenvorrichtungen die Durchführung von Operationen bewirken, umfassend: Empfangen von ersten Sensordaten aus einem ersten Satz von Sensoren des Fahrzeugs und zweiten Sensordaten aus einem zweiten Satz von Sensoren des Fahrzeugs durch einen oder mehrere Prozessoren eines in einer Umgebung betriebenen Fahrzeugs, wobei die ersten Sensordaten den Betrieb des Fahrzeugs darstellen und die zweiten Sensordaten ein oder mehrere in der Umgebung befindliche Objekte repräsentieren; Bestimmen durch den einen oder die mehreren Prozessoren eines oder mehrerer Verstöße gegen ein gespeichertes Verhaltensmodell des Betriebs des Fahrzeugs basierend auf den ersten Sensordaten und den zweiten Sensordaten, wobei der eine oder die mehreren Verstöße in Bezug auf das eine oder die mehreren in der Umgebung befindlichen Objekte bestimmt werden; Bestimmen einer ersten Risikostufe des einen oder der mehreren Verstöße durch den einen oder die mehreren Prozessoren basierend auf einer gespeicherten Verteilung von Ereignissen des Betriebs des Fahrzeugs in Bezug auf das eine oder die mehreren Objekte; als Reaktion darauf, dass die erste Risikostufe größer als eine Schwellenrisikostufe ist, Erzeugen einer Bewegungsbahn für das Fahrzeug durch den einen oder die mehreren Prozessoren, wobei die Bewegungsbahn eine zweite Risikostufe aufweist, die niedriger als die Schwellenrisikostufe ist, wobei die zweite Risikostufe in Bezug auf das eine oder die mehreren Objekte bestimmt wird; und Betreiben des Fahrzeugs durch den einen oder die mehreren Prozessoren basierend auf der Bewegungsbahn, um eine Kollision zwischen dem Fahrzeug und dem einen oder den mehreren Objekten zu vermeiden.
Speichermedium oder mehrere nichtflüchtige Speichermedien gemäß Anspruch 17, wobei der erste Satz von Sensoren mindestens eines von einem Beschleunigungsmesser, einem Lenkradwinkelsensor, einem Radsensor oder einem Bremssensor umfasst.
Speichermedium oder mehrere nichtflüchtige Speichermedien gemäß Anspruch 17, wobei die ersten Sensordaten mindestens eines von einer Geschwindigkeit des Fahrzeugs, einer Beschleunigung des Fahrzeugs, einem Kurs des Fahrzeugs, einer Winkelgeschwindigkeit des Fahrzeugs oder einem Drehmoment des Fahrzeugs umfassen.
Speichermedium oder mehrere nichtflüchtige Speichermedien gemäß Anspruch 17, wobei der zweite Satz von Sensoren mindestens eines von einem LiDAR, einem RADAR, einer Kamera und einem Mikrofon umfasst.