自动驾驶车辆对紧急车辆的响应的制作方法

1.本发明涉及自动驾驶车辆对紧急车辆的响应。


背景技术：

2.自动驾驶车辆(例如，可能不需要人类驾驶员的车辆)能够用于帮助将乘客或物品从一个位置运输到另一个位置。这样的车辆可以以完全自动模式操作，其中，乘客可以提供一些初始输入，诸如搭乘或目的地位置，并且自动驾驶车辆将其自身操纵到该位置。因此，这样的车辆可以很大程度上取决于能够在任何给定时间确定自动驾驶车辆的位置以及检测和识别自动驾驶车辆外部的对象(诸如其他车辆、停车灯、行人等)的系统。


技术实现要素：

3.本公开的各方面提供了一种使自动驾驶车辆能够响应紧急车辆的方法。该方法包括：由一个或多个处理器接收识别紧急车辆接近自动驾驶车辆的传感器数据；由一个或多个处理器接收紧急车辆的预测轨迹；由一个或多个处理器基于预测轨迹和识别自动驾驶车辆当前正在行驶的道路的地图信息，确定自动驾驶车辆是否正在阻碍(impede)紧急车辆；以及由一个或多个处理器基于确定自动驾驶车辆正在阻碍紧急车辆以自动驾驶模式控制自动驾驶车辆，以便响应紧急车辆。
4.在一个示例中，确定自动驾驶车辆是否正在阻碍紧急车辆还基于多个启发法(heuristic)。在另一示例中，确定自动驾驶车辆是否正在阻碍紧急车辆还基于紧急车辆是否正在从自动驾驶车辆的前方或后方接近自动驾驶车辆。在该示例中，当紧急车辆正在从自动驾驶车辆的前方接近自动驾驶车辆时，确定自动驾驶车辆是否正在阻碍紧急车辆还包括确定自动驾驶车辆是否在将允许紧急车辆通过(pass)自动驾驶车辆的道路上。附加地或替代地，当紧急车辆正在从自动驾驶车辆的前方接近自动驾驶车辆时，确定自动驾驶车辆是否正在阻碍紧急车辆还包括确定道路是否存在沿相同交通方向行驶的多个交通车道。附加地或替代地，当紧急车辆正在从自动驾驶车辆的前方接近自动驾驶车辆时，确定自动驾驶车辆是否正在阻碍紧急车辆还包括确定是否存在具有与自动驾驶车辆的车道相同的交通方向的多个交通车道，并且在多个交通车道之间是否不存在障碍(barrier)。附加地或替代地，当紧急车辆正在从自动驾驶车辆的前方接近自动驾驶车辆时，确定自动驾驶车辆是否正在阻碍紧急车辆还包括确定道路是否仅存在沿自动驾驶车辆的方向行驶的一个交通车道，是否存在对向(opposing)交通车道，以及是否存在足够的可用道路宽度供紧急车辆通过自动驾驶车辆。在该示例中，从自动驾驶车辆的轨迹的最近边缘穿过对向交通车道到道路边缘测量用于通过的可用道路宽度。替代地，用于通过的可用道路宽度是从自动驾驶车辆的轨迹的最近边缘穿过对向交通车道到被识别为停放的车辆的对象上的最近点来测量的。替代地，用于通过的可用道路宽度是从自动驾驶车辆的轨迹的最近边缘穿过对向交通车道到被识别为低于预定速度移动的车辆的对象上的最近点来测量的。替代地，用于通过的可用道路宽度是用于在自动驾驶车辆的前方的预定距离内通过的最小可用道路宽度。
附加地或替代地，确定自动驾驶车辆是否正在阻碍紧急车辆还基于自动驾驶车辆的规划轨迹的一个或多个道路点(waypoint)。附加地或替代地，当紧急车辆正在从自动驾驶车辆的后方接近自动驾驶车辆时，确定自动驾驶车辆是否正在阻碍紧急车辆还包括确定紧急车辆是否能够通过自动驾驶车辆。在该示例中，确定紧急车辆是否能够通过自动驾驶车辆包括确定自动驾驶车辆是否具有与自动驾驶车辆的车道具有相同交通方向的左侧或右侧的相邻车道。另外，当不存在相邻车道时，确定紧急车辆是否能够通过自动驾驶车辆包括确定道路上是否存在未被中间屏障(median)隔开的对向交通车道。
5.在另一示例中，确定自动驾驶车辆是否正在阻碍紧急车辆还包括将紧急车辆的预测轨迹与自动驾驶车辆的规划轨迹进行比较，以确定预测轨迹和规划轨迹是否相交。在另一示例中，以自动驾驶模式控制自动驾驶车辆以便响应紧急车辆还包括确定在紧急车辆不改变车道的情况下在紧急车辆的当前位置与自动驾驶车辆的当前位置之间是否存在路径，并且当在紧急车辆不改变车道的情况下在紧急车辆的当前位置与自动驾驶车辆的当前位置之间存在路径时，控制自动驾驶车辆改变车道。在另一示例中，在自动驾驶模式下控制自动驾驶车辆以便响应紧急车辆还包括确定紧急车辆的预测轨迹是否使紧急车辆进入自动驾驶车辆为了响应紧急车辆的潜在车道改变的预期目的地车道。在另一示例中，以自动驾驶模式控制自动驾驶车辆以便响应紧急车辆还包括识别包括足够的可用道路宽度以供紧急车辆通过自动驾驶车辆的靠边停车位置。在该示例中，识别靠边停车位置包括惩罚(penalize)可能潜在地导致其他道路使用者偏离其当前车道的潜在靠边停车位置。附加地或替代地，识别靠边停车位置包括惩罚可能潜在地导致其他道路使用者进入迎面而来的(oncoming)交通车道以便通过自动驾驶车辆的潜在靠边停车位置。在另一示例中，以自动驾驶模式控制自动驾驶车辆以便响应紧急车辆还包括允许自动驾驶车辆进入交叉路口到允许紧急车辆有足够的空间通过自动驾驶车辆所需的程度。在该示例中，允许自动驾驶车辆进入交叉路口到允许紧急车辆有足够的空间通过自动驾驶车辆所需的程度是基于自动驾驶车辆的最大可允许制动极限。在另一示例中，当紧急车辆正在从自动驾驶车辆的后方接近自动驾驶车辆时，自动驾驶车辆在最右侧车道中，而没有到道路的右侧道路边缘的过多空间，并且在自动驾驶车辆的左侧存在足够的可用车道宽度以供紧急车辆通过自动驾驶车辆而不越过车道边界时，控制自动驾驶车辆还包括控制自动驾驶车辆以便靠边停车。在另一示例中，当紧急车辆正在从后方接近自动驾驶车辆时，紧急车辆已经处于自动驾驶车辆的正后方预定时间段，并且在自动驾驶车辆的一侧存在车道或足够的空间以供紧急车辆通过自动驾驶车辆而不越过车道边界时，控制自动驾驶车辆还包括控制自动驾驶车辆以便靠边停车。在另一示例中，控制自动驾驶车辆包括识别不阻挡紧急车辆或其他交通的靠边停车位置。在该示例中，识别靠边停车位置包括识别沿着道路的右侧道路边缘的靠边停车位置，其中，道路上存在两个以上的交通车道。附加地或替代地，识别靠边停车位置包括识别单车道道路上的靠边停车位置，该单车道道路在自动驾驶车辆的左侧为紧急车辆或其他车辆留下足够的空间。
附图说明
6.图1是根据示例性实施例的示例车辆的功能图。
7.图2是根据本公开的各方面的地图信息的示例。
8.图3是根据本公开的各方面的车辆的示例外部视图。
9.图4-图13表示根据本公开的各方面的地图信息和识别紧急车辆的传感器数据的组合的示例。
10.图14是根据本公开的各方面的示例流程图。
具体实施方式
11.概述
12.所述技术涉及使自动驾驶车辆能够检测自动驾驶车辆是否正在阻碍紧急车辆(例如，其路径或前进)并相应地做出响应。这种紧急车辆可以包括消防车、警车、救护车等，并且可以通过使用由一个或多个传感器生成的传感器数据的任何已知方法来检测。
13.当自动驾驶车辆的感知系统检测到对象时，它还可以确定该对象的特性，诸如位置、朝向、走向、速度、加速度、类型等。对于任何道路使用者对象，诸如车辆、骑自行车者和行人，该信息可以发布到自动驾驶车辆的其他系统，诸如行为预测系统。行为预测系统可以使用检测到的道路使用者对象的特性来预测这些道路使用者对象中的每一个的未来特性，包括每个道路使用者对象随时间的预测轨迹。该信息也可以发布到自动驾驶车辆的其他系统。
14.自动驾驶车辆的一个或多个计算设备(诸如规划系统的计算设备，其生成轨迹以便遵循到目的地的路线)，可以使用由感知系统和行为预测系统发布的信息，结合详细的地图信息，确定自动驾驶车辆是否正在阻碍紧急车辆。例如，一旦感知系统检测到紧急车辆，一个或多个计算设备就可以使用涉及多个启发法的过程来确定自动驾驶车辆是否正在阻碍紧急车辆。
15.该过程可以涉及区分紧急车辆正在从自动驾驶车辆的前方接近时的情况和紧急车辆正在从自动驾驶车辆的后方接近时的情况。因此，如果紧急车辆没有正在接近自动驾驶车辆，则可以确定自动驾驶车辆没有正在阻碍紧急车辆。如果紧急车辆正在从自动驾驶车辆的前方接近自动驾驶车辆，则该过程可以涉及确定自动驾驶车辆是否在狭窄的道路或狭窄的通道上。如果不是，则可以确定自动驾驶车辆没有正在阻碍紧急车辆。
16.如果紧急车辆正在从自动驾驶车辆的后方接近，则该过程可以包括确定紧急车辆是否能够通过自动驾驶车辆。如果不是，则可以确定自动驾驶车辆正在阻碍紧急车辆。
17.可以针对自动驾驶车辆的规划轨迹上的多个道路点重复该过程，以便在不同的时间点确定自动驾驶车辆是否可以被确定为没有正在阻碍紧急车辆。
18.一旦自动驾驶车辆被确定为正在阻碍紧急车辆，则自动驾驶车辆的系统就可以使用该信息来确定适当的响应。这样的响应可以涉及移出紧急车辆的路径，诸如通过改变车道或靠边停车。为了实现这样的响应，自动驾驶车辆的规划系统可以相对于其他道路状况优先移出紧急车辆的道路。在一些情况下，可以使用栅栏(fence)来实现该逻辑。在其他情况下，自动驾驶车辆可以在确定靠边停车位置时尝试跟随其他道路使用者的行为。
19.本文描述的特征可以使得自动驾驶车辆能够在自动驾驶车辆可能正在阻碍紧急车辆时选择性地响应紧急车辆。通过这样做，这避免了自动驾驶车辆的行为可能对紧急车辆造成潜在的损害或者可能导致自动驾驶车辆以对于紧急车辆、其他道路使用者和乘客而言不太可预测的方式行动的情况。
20.示例系统
21.如图1所示，根据本公开的一个方面的自动驾驶车辆100包括各种组件。虽然本公开的某些方面结合特定类型的车辆特别有用，但是自动驾驶车辆可以是任何类型的车辆，包括但不限于汽车、卡车、摩托车、公共汽车、休闲车等。自动驾驶车辆可以具有一个或多个计算设备，诸如包含一个或多个处理器120、存储器130和通常存在于通用计算设备中的其他组件的计算设备110。
22.存储器130存储可由一个或多个处理器120访问的信息，包括可以由处理器120执行或以其他方式使用的指令134和数据132。存储器130可以是能够存储可由处理器访问的信息的任何类型，包括计算设备可读介质，或存储可以借助于电子设备读取的数据的其他介质，诸如硬盘驱动器、存储卡、rom、ram、dvd或其他光盘，以及其他可写和只读存储器。系统和方法可以包括前述内容的不同组合，由此指令和数据的不同部分存储在不同类型的介质上。
23.指令134可以是由处理器直接(诸如机器代码)或间接(诸如脚本)执行的任何指令集。例如，指令可以作为计算设备代码存储在计算设备可读介质上。在这方面，术语“指令”和“程序”在本文中可以互换使用。指令可以以目标代码格式存储以供处理器直接处理，或者以任何其他计算设备语言存储，包括按需解释或预先编译的脚本或独立源代码模块的集合。下面更详细地解释指令的功能、方法和例程。
24.数据132可以由处理器120根据指令134检索、存储或修改。例如，尽管所要求保护的主题不受任何特定数据结构的限制，但是数据可以存储在计算设备寄存器中，作为具有多个不同字段和记录的表、xml文档或平面文件存储在关系数据库中。数据还可以以任何计算设备可读格式被格式化。
25.一个或多个处理器120可以是任何常规处理器，诸如市售的cpu或gpu。替代地，一个或多个处理器可以为专用设备，诸如asic或其他基于硬件的处理器。尽管图1在功能上将计算设备110的处理器、存储器和其他元件示出为在同一块内，但是本领域普通技术人员将理解，处理器、计算设备或存储器实际上可以包括可以存储或可以不存储在同一物理壳体内的多个处理器、计算设备或存储器。例如，存储器可以是位于与计算设备110不同的外壳中的硬盘驱动器或其他存储介质。因此，对处理器或计算设备的引用将被理解为包括对可以并行操作或可以不并行操作的处理器或计算设备或存储器的集合的引用。
26.计算设备110可以包括通常与计算设备结合使用的所有组件，诸如上述处理器和存储器以及用户输入150(例如，一个或多个按钮、鼠标、键盘、触摸屏和/或麦克风)、各种电子显示器(例如，具有屏幕的监视器或可操作以显示信息的任何其他电气设备)和扬声器154，以根据需要向自动驾驶车辆100的乘客或其他人提供信息。例如，电子显示器152可以位于自动驾驶车辆100的车厢内，并且可以由计算设备110使用以向自动驾驶车辆100内的乘客提供信息。
27.计算设备110还可以包括一个或多个无线网络连接156，以促进与其他计算设备(诸如下面详细描述的客户端计算设备和服务器计算设备)的通信。无线网络连接可以包括短程通信协议，诸如蓝牙、蓝牙低功耗(le)、蜂窝连接，以及各种配置和协议，包括互联网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司专有的通信协议的专用网络、以太网、wifi和http、以及前述的各种组合。
28.计算设备110可以是用于自动驾驶车辆100的自主控制系统的一部分，并且可以能够与自动驾驶车辆的各种组件通信，以便以自动驾驶模式控制自动驾驶车辆。例如，返回图1，计算设备110可以与自动驾驶车辆100的各种系统通信，诸如减速系统160、加速系统162、转向系统164、信号系统166、规划系统168、路由系统170、定位系统172、感知系统174、行为预测系统176和动力系统178，以便以自动驾驶模式根据存储器130的指令134控制自动驾驶车辆100的移动、速度等。
29.作为示例，计算设备110可以与减速系统160和加速系统162交互，以便控制自动驾驶车辆的速度。类似地，转向系统164可以由计算设备110使用，以便控制自动驾驶车辆100的方向。例如，如果自动驾驶车辆100被配置为在诸如汽车或卡车的道路上使用，则转向系统可以包括用于控制车轮的角度以使自动驾驶车辆转弯的组件。计算设备110还可以使用信号系统166，以便例如通过在需要时点亮转向信号或刹车灯来向其他驾驶员或车辆发信号通知自动驾驶车辆的意图。
30.路由系统170可以由计算设备110使用，以便使用地图信息生成到目的地的路线。规划系统168可以由计算设备110使用，以便生成允许自动驾驶车辆遵循由路由系统生成的路线的短期轨迹。在这方面，规划系统168和/或路由系统170可以存储详细的地图信息，例如，识别道路网络的预先存储的高度详细的地图，包括道路的形状和高程、车道线、交叉路口、人行横道、速度限制、交通信号、建筑物、标志、实时交通信息(如从远程计算设备接收到的那样更新)、靠边停车地点、植被或其他这样的对象和信息。
31.图2是用于一小段道路的地图信息200的示例。地图信息200包括识别限定车道220、222、224、226的车道标记或车道线210、212、214、216、218的形状、位置和其他特性的信息。在该示例中，车道线214表示双黄色车道线，车道线212、216表示虚线白色车道线，并且车道线210、218表示雾线(fog line)。图4-13中的类似描绘可以表示类似的车道线特征。
32.除了上述特征和信息之外，地图信息还可以包括识别由箭头230、232、234、236表示的每个车道的交通方向的信息。这里，车道220、222可以被认为是相邻车道，因为它们彼此相邻并且具有相同的交通方向。类似地，车道224、226也可以被认为是相邻车道，因为它们彼此相邻并且具有相同的交通方向。另外，由于不同的交通方向，车道224、226可以被认为是车道220、222的对向交通车道。类似地，车道220、222可以被认为是车道224、226的对向交通车道。地图信息还可以包括允许计算设备110确定自动驾驶车辆是否具有完成特定操纵(即，完成转弯或穿过交通车道或交叉路口)的通行权(right of way)的其他信息。
33.除了上述物理特征信息之外，地图信息可以被配置为道路图，其包括表示道路或车道路段的多个图形节点和边缘(edge)，道路或车道路段一起构成地图信息的道路网络。每条边缘由具有特定地理位置(例如，纬度、经度、高度等)的起始图形节点、具有特定地理位置(例如，纬度、经度、高度等)的结束图形节点和方向来定义。该方向可以指自动驾驶车辆100必须沿其移动以便跟随所述边缘的方向(即，交通或交通流的方向)。图形节点可以位于固定或可变距离处。例如，图形节点的间隔的范围可以从几厘米到几米，并且可以对应于图形节点所在的道路的速度限制。在这方面，更大的速度可以对应于图形节点之间的更大距离。所述边缘可以表示沿着相同车道驾驶或改变车道。每个节点和边缘可以具有唯一标识符，诸如节点的纬度和经度位置或边缘的开始和结束位置或节点。除了节点和边缘之外，地图可以识别附加信息，诸如在不同边缘处所需的操纵类型以及哪些车道是可行驶的。
34.路由系统170可以使用上述地图信息来确定从当前位置(例如，当前节点的位置)到目的地的路线。可以使用基于成本的分析来生成路线，该基于成本的分析尝试选择具有最低成本的到达目的地的路线。可以以任何数量的方式来评估成本，诸如到目的地的时间、行进的距离(每条边缘可以与穿过该条边缘的成本相关联)、所需的操纵类型、乘客或自动驾驶车辆的便利性等。每个路线可以包括自动驾驶车辆能够用来到达目的地的多个节点和边缘的列表。随着自动驾驶车辆行驶到目的地，可以周期性地重新计算路线。
35.用于路线规划的地图信息可以是与用于规划轨迹的地图相同或不同的地图。例如，用于规划路线的地图信息不仅需要关于各个车道的信息，而且还需要车道边界的性质(例如，白实线、白虚线、黄实线等)以确定允许车道改变的位置。然而，与用于规划轨迹的地图不同，用于路由的地图信息不需要包括其他细节，诸如人行横道、交通灯、停车标志等的位置，尽管这些信息中的一些对于路由目的可能是有用的。例如，在具有大量具有交通控制(诸如停车标志或交通信号灯)的交叉路口的路线与不具有交通控制或具有非常少的交通控制的路线之间，后者路线可能具有较低的成本(例如，因为它更快)，因此是优选的。
36.定位系统172可以由计算设备110使用，以便确定自动驾驶车辆在地图或地球上的相对或绝对位置。例如，定位系统172可以包括gps接收器以确定设备的纬度、经度和/或高度位置。诸如基于激光的定位系统、惯性辅助gps或基于相机的定位的其他定位系统也可用于识别自动驾驶车辆的位置。自动驾驶车辆的位置可以包括绝对地理位置，诸如纬度、经度和高度，道路图的节点或边缘的位置以及相对位置信息，诸如相对于紧靠围绕其周围的其他汽车的位置，其通常能够在该绝对地理位置处以较少的噪声来确定。
37.定位系统172还可以包括与计算设备110通信的其他设备，诸如加速度计、陀螺仪或另一方向/速度检测设备，以确定自动驾驶车辆的方向和速度或其变化。仅作为示例，加速设备可以确定其相对于重力方向或与其垂直的平面的俯仰、偏航或滚动(或其变化)。该设备还可以跟踪速度的增加或减少以及这种变化的方向。如本文所阐述的设备对位置和朝向数据的提供可以自动提供给计算设备110、其他计算设备以及前述的组合。
38.感知系统174还包括用于检测自动驾驶车辆外部的对象(诸如其他车辆、道路中的障碍物、交通信号、标志、树木等)的一个或多个组件。例如，感知系统174可以包括lidar、声纳、雷达、相机和/或记录可以由计算设备110处理的数据的任何其他检测设备。在自动驾驶车辆是诸如小型货车的乘用车的情况下，小型货车可以包括安装在车顶或其他方便位置上的激光器或其他传感器。
39.例如，图3是自动驾驶车辆100的示例外部视图。在该示例中，车顶壳体310和圆顶壳体312可以包括lidar以及各种相机和雷达单元。另外，位于自动驾驶车辆100的前端处的壳体320和自动驾驶车辆的驾驶员侧和乘客侧上的壳体330、332可以均存储lidar传感器。例如，壳体330位于驾驶员门360的前方。自动驾驶车辆100还包括也位于自动驾驶车辆100的车顶上的用于雷达单元和/或相机的壳体340、342。附加的雷达单元和相机(未示出)可以位于自动驾驶车辆100的前端和后端处和/或沿着车顶或车顶壳体310的其他位置上。
40.计算设备110可以能够与自动驾驶车辆的各种组件通信，以便根据计算设备110的存储器的主车辆控制代码来控制自动驾驶车辆100的移动。例如，返回图1，计算设备110可以包括与自动驾驶车辆100的各种系统通信的各种计算设备，诸如减速系统160、加速系统162、转向系统164、信号系统166、规划系统168、路由系统170、定位系统172、感知系统174、
行为预测系统176和动力系统178(即，自动驾驶车辆的引擎或马达)，以便根据存储器130的指令134控制自动驾驶车辆100的移动、速度等。
41.自动驾驶车辆的各种系统可以使用自动驾驶车辆控制软件来运行，以便确定如何控制自动驾驶车辆。作为示例，感知系统174的感知系统软件模块可以使用由自动驾驶车辆的一个或多个传感器(例如相机、lidar传感器、雷达单元、声纳单元等)生成的传感器数据来检测和识别对象及其特性。这些特性可以包括位置、类型、走向、朝向、速度、加速度、加速度变化、尺寸、形状等。在一些情况下，可以将特性输入到行为预测系统176的行为预测系统软件模块中，该行为预测系统176使用基于对象类型的各种行为预测模型来输出检测到的对象的预测未来行为。在其他情况下，可以将特征放入一个或多个检测系统软件模块中，诸如被配置为检测已知交通信号的状态的交通灯检测系统软件模块、被配置为从由自动驾驶车辆的一个或多个传感器生成的传感器数据检测施工区的施工区检测系统软件模块以及被配置为从由自动驾驶车辆的传感器生成的传感器数据检测紧急车辆的紧急车辆检测系统。这些检测系统软件模块中的每一个可以使用各种模型来输出施工区或对象是紧急车辆的可能性。
42.检测到的对象、预测的未来行为、来自检测系统软件模块的各种可能性、识别自动驾驶车辆的环境的地图信息、来自识别自动驾驶车辆的位置和朝向的定位系统172的位置信息、自动驾驶车辆的目的地位置或节点以及来自自动驾驶车辆的各种其他系统的反馈可以输入到规划系统168的规划系统软件模块中。规划系统168可以基于由路由系统170的路由模块生成的路线，使用该输入来生成自动驾驶车辆在未来的某个短暂时间段内遵循的轨迹。在这方面，轨迹可以限定加速度、减速度、速度等的特定特性，以允许自动驾驶车辆遵循到达目的地的路线。计算设备110的控制系统软件模块可以被配置为例如通过控制自动驾驶车辆的制动、加速和转向来控制自动驾驶车辆的移动，以便遵循轨迹。
43.计算设备110可以通过控制各种组件来以自动驾驶模式控制自动驾驶车辆。例如，作为示例，计算设备110可以使用来自详细地图信息和规划系统168的数据完全自主地将自动驾驶车辆导航到目的地位置。计算设备110可以使用定位系统172来确定自动驾驶车辆的位置，并且使用感知系统174来检测对象并在需要时做出响应以安全地到达该位置。再次，为了这样做，计算设备110和/或规划系统168可以生成轨迹并使自动驾驶车辆遵循这些轨迹，例如，通过使自动驾驶车辆加速(例如，通过由加速系统162向引擎或动力系统178供应燃料或其他能量)、减速(例如，通过减少供应给引擎或动力系统178的燃料、改变档位和/或通过由减速系统160施加制动)、改变方向(例如，通过由转向系统164转动自动驾驶车辆100的前轮或后轮)，并使用信号系统166发信号通知这样的变化(例如，通过点亮转向信号)。因此，加速系统162和减速系统160可以是动力传动系统的一部分，该动力传动系统包括自动驾驶车辆的引擎和自动驾驶车辆的车轮之间的各种组件。再次，通过控制这些系统，计算设备110还可以控制自动驾驶车辆的动力传动系统，以便自主地操纵自动驾驶车辆。
44.示例方法
45.除了上述和附图中所示的操作之外，现在将描述各种操作。应当理解，以下操作不必以下面描述的精确顺序执行。相对，能够以不同的顺序或同时处理各种步骤，并且还可以添加或省略步骤。
46.图14是用于使自动驾驶车辆能够响应紧急车辆的示例流程图1400，其可以由一个
或多个计算设备的一个或多个处理器执行，诸如计算设备110的处理器120和/或上面讨论的自动驾驶车辆100的各种其他系统的其他处理器。在框1410处，接收识别紧急车辆接近自动驾驶车辆的传感器数据。另外，在框1420处，接收紧急车辆的预测轨迹。
47.当自动驾驶车辆100的感知系统174检测到对象时，它还可以确定该对象的特性，诸如位置、朝向、走向、速度、加速度、类型等。对于任何道路使用者对象，诸如车辆、骑自行车者和行人，该信息可以发布到自动驾驶车辆的其他系统，包括如上所述的行为预测系统176。行为预测系统可以使用检测到的道路使用者对象的特性来预测这些道路使用者对象中的每一个的未来特性，包括每个道路使用者对象随时间的预测轨迹。该信息也可以发布到自动驾驶车辆的其他系统。在这方面，计算设备110可以接收包括紧急车辆的对象的特性，以及那些紧急车辆的预测轨迹。
48.在框1430处，基于预测轨迹和识别自动驾驶车辆当前正在其上行驶的道路的地图信息，确定自动驾驶车辆是否正在阻碍紧急车辆。自动驾驶车辆的一个或多个计算设备(诸如计算设备110和/或规划系统168)可以使用由感知系统174和行为预测系统176发布的信息，结合详细的地图信息(诸如地图信息200)，确定自动驾驶车辆是否正在阻碍紧急车辆。这可以在每次检测到紧急车辆时发生，或者仅在某些情况下发生，例如当用警报器和/或闪光灯检测到紧急车辆时。可替代地，这可以在能够从环境推断紧急车辆的存在时发生，诸如当检测到警报器但不能溯源到任何特定对象时，或者在其他道路使用者被看到在常规道路上向道路的左侧或右侧靠边停车的情况下，这可能表明被遮挡或超出范围(例如，超出自动驾驶车辆的感知系统的传感器的范围)的紧急车辆正在从自动驾驶车辆的后方或前方接近。例如，一旦感知系统检测到紧急车辆，一个或多个计算设备就可以使用涉及多个启发法的过程来确定自动驾驶车辆是否正在阻碍紧急车辆。
49.该过程可以涉及区分紧急车辆正在从自动驾驶车辆的前方接近时的情况和紧急车辆正在从自动驾驶车辆的后方接近时的情况。在任一种情况下，紧急车辆必须接近或更确切地朝着自动驾驶车辆移动，这是因为紧急车辆处于与自动驾驶车辆的车道对向交通车道中，或者被预测为穿过自动驾驶车辆的路线或轨迹(例如，在交叉路口处)以使自动驾驶车辆被确定为正在阻碍紧急车辆。因此，如果紧急车辆没有正在接近自动驾驶车辆，则可以确定自动驾驶车辆没有正在阻碍紧急车辆(尽管出于其他原因跟踪紧急车辆可能仍然是重要的)。
50.如果紧急车辆正在从自动驾驶车辆的前方接近自动驾驶车辆(例如，对向交通车道、具有相同交通方向的车道或交叉交通车道，诸如在交叉路口处相交的那些车道)，则该过程可以首先涉及确定自动驾驶车辆是否在具有在相同行驶方向上行进的多个相邻车道的道路上。如果是，则可以确定自动驾驶车辆没有正在阻碍紧急车辆。
51.图4-图13的示例表示地图信息和识别紧急车辆的传感器数据的组合。在这些示例中的每一个中，如在上面的图2的示例中，箭头表示不同车道中的交通方向。
52.转到图4的示例，感知系统174检测到紧急车辆410正在从前方接近自动驾驶车辆100。在该示例(其也对应于地图信息200)中，存在多于两个交通车道(例如，在该示例中存在4个车道)，并且自动驾驶车辆100在最右侧交通车道(这里是车道226)中。这样，自动驾驶车辆100可以由计算设备110确定为没有正在阻碍紧急车辆410。如果紧急车辆在车道220或222中的任意一个中，这可以是相同的结果。
53.转到图5的示例，感知系统174检测到紧急车辆510正在从前方接近自动驾驶车辆100。在该示例中(其也对应于地图信息200)，存在多于两个交通车道(例如，在该示例中存在4个车道)。与图4的示例不同，自动驾驶车辆100不在最右侧交通车道(这里是车道226)中。然而，因为两个车道220和222具有相同的行驶方向，所以计算设备110可以确定自动驾驶车辆100没有正在阻碍紧急车辆510。如果紧急车辆在车道220或222中的任意一个中，这可以是相同的结果。
54.转到图6的示例，感知系统174检测到紧急车辆610正在从前方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道626中，并且紧急车辆610在车道624中。这里，车道624和626都具有相同的交通方向，因此，存在相同方向上行进的多个交通车道，而没有对向交通车道。这样，自动驾驶车辆100可以由计算设备110确定为没有正在阻碍紧急车辆610。
55.如果自动驾驶车辆在没有多个相邻车道在相同行驶方向上行驶的道路上，则该过程可以涉及确定在自动驾驶车辆的左侧是否存在对向交通车道。换句话说，该过程涉及确定自动驾驶车辆是否在单车道道路上。如果不是，则可以确定自动驾驶车辆没有正在阻碍紧急车辆。这避免了紧急车辆正在接近沿错误方向行驶的自动驾驶车辆的情况。
56.转到图7的示例，感知系统174检测到紧急车辆710正在从前方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道724中，并且紧急车辆710在车道724中。车道724不具有相邻车道或对向交通车道，因此是单车道道路。这样，自动驾驶车辆100可以由计算设备110确定为没有正在阻碍紧急车辆710。
57.如果自动驾驶车辆在没有多个相邻车道在相同行驶方向上行驶的道路上，并且在自动驾驶车辆的左侧没有对向交通车道，则该过程可以涉及确定在自动驾驶车辆的车道与自动驾驶车辆左侧的对向交通车道之间是否存在将阻止紧急车辆进入自动驾驶车辆的车道的中间屏障或其他屏障。如果是，则可以确定自动驾驶车辆没有正在阻碍紧急车辆。
58.转到图8的示例，感知系统174检测到紧急车辆810正在从前方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道826中，并且紧急车辆810在车道822中。这里，车道822和826具有不同的交通方向，因此这些是对向交通车道。另外，由于在自动驾驶车辆100和紧急车辆810之间存在中间屏障820，因此计算设备110可以确定自动驾驶车辆100没有正在阻碍紧急车辆810。
59.因此，如果只有一个交通车道在自动驾驶车辆的方向上行驶，并且存在对向交通车道而没有中间屏障或其他屏障，则该过程可以涉及确定是否有足够的空间或可用道路宽度供紧急车辆通过自动驾驶车辆。因此，如果没有足够的可用道路宽度(例如，由于诸如窄桥上的一般宽度，当存在停放的车辆时，或者当紧急车辆特别宽时)使紧急车辆通过自动驾驶车辆(即使在对向交通车道中没有其他车辆)，则可以确定自动驾驶车辆正在阻碍紧急车辆。这可以例如基于来自感知系统174的传感器数据结合地图信息(例如地图信息200)来确定。否则，可以确定自动驾驶车辆没有正在阻碍紧急车辆。
60.用于通过的可用道路宽度可以被确定为在自动驾驶车辆的前方和/或后方的某个距离内可用于通过自动驾驶车辆的最小距离。作为示例，该距离可以是沿着自动驾驶车辆的路径(即，自动驾驶车辆已经驾驶的地方)或未来计划的轨迹(即，在自动驾驶车辆的前方)的5米、10米、15米或更多或更少。在这方面，可以从自动驾驶车辆的轨迹的最近边缘，跨
越对向交通车道到道路边缘和/或到由感知系统174识别(或分类)为停放的车辆的对象上的最近点，来测量用于通过的可用道路宽度。在这方面，如果存在缓慢移动(例如，小于或等于每小时10英里或更多或更少)、静止或停放在相邻车道中的车辆，则紧急车辆将不能从该车道通过。类似地，如果存在快速移动的车辆(例如，大于每小时10英里或更多或更少)，则可以忽略这样的车辆，或者换句话说，自动驾驶车辆可以假设快速移动的车辆本身将快速地移出紧急车辆的路径。
61.转到图9的示例，感知系统174检测到紧急车辆910正在从前方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道924中，并且紧急车辆910在车道922中。这里，车道922和924都具有不同的交通方向，因此这些是对向交通车道。框920表示自动驾驶车辆100将沿着框920的当前轨迹通过的二维区域或三维体积的空间。停放的车辆930也部分地位于车道922内。因此，距离d可以表示用于通过的可用道路宽度。该距离d可以被测量并用于确定可用道路宽度是否足以允许紧急车辆910通过自动驾驶车辆100，或者更确切地说，可用道路宽度是否大于紧急车辆910的宽度加上某个缓冲距离。如果是，则计算设备110可以确定自动驾驶车辆100没有正在阻碍紧急车辆910。如果不是，则计算设备110可以确定自动驾驶车辆100正在阻碍紧急车辆910。
62.如果紧急车辆正在从自动驾驶车辆的后方接近，则该过程可以包括确定紧急车辆是否将需要通过自动驾驶车辆(例如，靠近自动驾驶车辆，而不是简单地在不同方向上驾驶)，紧急车辆是否能够从具有用于通过的可用道路宽度的相邻、相对或可能相同的车道通过。例如，如果自动驾驶车辆在具有在相同行驶方向上行进的多个相邻车道的道路上，并且不存在阻止紧急车辆在相邻车道中通过自动驾驶车辆的中间屏障(或其他屏障)或缓慢或停止的车辆，则可以确定自动驾驶车辆没有正在阻碍紧急车辆。例如，如果自动驾驶车辆具有紧急车辆能够从其通过(例如，没有中间屏障或其他屏障)的左侧或右侧相邻车道(例如，具有与上述示例中相同的交通方向)，并且没有其他停止或缓慢移动的车辆阻止紧急车辆使用相邻车道，则计算设备110可以确定自动驾驶车辆没有正在阻碍紧急车辆。
63.在这种情况下，计算设备还可以执行上述测量以确认存在足够的可用道路宽度用于通过。因此，该过程可以涉及确定是否存在足够的空间或可用道路宽度供紧急车辆使用任何可用交通车道(例如，相邻、相对、相同车道等)通过自动驾驶车辆。因此，如果没有足够的可用道路宽度(例如，由于诸如窄桥上的一般宽度，当存在停放的车辆时，或者当紧急车辆特别宽时)使紧急车辆通过自动驾驶车辆(即使在对向交通车道中没有其他车辆)，则可以确定自动驾驶车辆正在阻碍紧急车辆。这可以例如基于来自感知系统174的传感器数据结合地图信息(例如地图信息200)来确定。否则，可以确定自动驾驶车辆没有正在阻碍紧急车辆。在这方面并且如在上面的示例中，可以从自动驾驶车辆的轨迹的最近边缘，跨越对向交通车道到道路边缘和/或到由自动驾驶车辆的感知系统识别(和/或分类)为停放的车辆或缓慢移动的车辆的对象上的最近点，来测量用于通过的可用道路宽度。如果可用道路宽度对于紧急车辆的宽度(加上一些缓冲距离)而言太窄，则紧急车辆将不能通过。在这方面，如果存在缓慢移动(例如，小于或等于每小时10英里或更多或更少)、静止或停放在相邻车道中的车辆，则紧急车辆将不能从该车道通过。类似地，如果存在快速移动的车辆(例如，大于每小时10英里或更多或更少)，则可以忽略这样的车辆，或者换句话说，自动驾驶车辆可以假设快速移动的车辆本身将快速地移出紧急车辆的路径。另外，在一些情况下，这可能涉
及忽略停车车道(即，指定用于停车而不是驾驶的路肩区域)。
64.转到图10的示例，感知系统174检测到紧急车辆1010正在从后方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道226中，并且紧急车辆1010也在车道226中。这里，两个车道224和226具有相同的交通方向，因此它们是相邻车道。此外，没有阻止紧急车辆在车道224和226之间移动的中间屏障或其他缓慢移动的车辆。再次，在这种情况下，计算设备还可以执行上述测量以确认存在足够的可用道路宽度用于通过；然而，在这种情况下，考虑到车道224，存在足够的可用道路宽度用于通过。这样，自动驾驶车辆100可以被确定为没有正在阻碍紧急车辆1010。
65.转到图11的示例，感知系统174检测到紧急车辆1110正在从后方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道1124中，并且紧急车辆1110在车道1124中。车道1124不具有相邻车道或对向交通车道，因此是单车道道路。再次，在这种情况下，计算设备还可以执行上述测量以确认存在足够的可用道路宽度用于通过；然而，在这种情况下，没有足够的可用道路宽度用于在车道1124中通过。这样，自动驾驶车辆100可以由计算设备110确定为正在阻碍紧急车辆1110。
66.转到图12的示例，感知系统174检测到紧急车辆1210正在从后方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道1224中，并且紧急车辆1210也在车道1224中。这里，车道1222和1224都具有不同的交通方向，因此这些是对向交通车道。在该示例中，没有与车道1224相邻的车道，并且还存在将阻止紧急车辆1210使用车道1222通过自动驾驶车辆的中间屏障1220。再次，在这种情况下，计算设备还可以执行上述测量以确认存在足够的可用道路宽度用于通过；然而，在这种情况下，考虑到车道1222的宽度，没有足够的可用道路宽度用于通过。这样，自动驾驶车辆100可以由计算设备110确定为正在阻碍紧急车辆1210。
67.转到图13的示例，感知系统174检测到紧急车辆1310正在从后方接近自动驾驶车辆100。在该示例中，自动驾驶车辆100在车道1324中，并且紧急车辆1310也在车道1324中。这里，车道1322和1324都具有不同的交通方向，因此这些是对向交通车道。框1320表示自动驾驶车辆100将沿着由框1320表示的当前轨迹通过的二维区域或三维体积的空间。停放的车辆1330也部分地位于车道1322内。再次，在这种情况下，计算设备可以执行上述测量以确认存在足够的可用道路宽度用于通过。在该示例中，距离d可以表示用于通过的可用道路宽度。该距离d可以被测量并用于确定可用道路宽度是否足以允许紧急车辆1310将自动驾驶车辆100通过，或者更确切地说，可用道路宽度是否大于紧急车辆1310的宽度加上某个缓冲距离。如果是，则可以确定自动驾驶车辆100没有正在阻碍紧急车辆1310。如果不是，则可以确定自动驾驶车辆100正在阻碍紧急车辆1310。
68.可以针对自动驾驶车辆的规划轨迹上的多个道路点重复该过程，以确定自动驾驶车辆是否可能在不同点处(例如，在沿着由规划系统168生成的自动驾驶车辆的当前轨迹的不同道路点处)阻碍紧急车辆。在这方面，每一道路点可以包括可对应于道路图中的节点的位置。可以沿着轨迹每隔一次(诸如每0.5米、每1米或更多或更少)对这些道路点进行采样。
69.在图14中的框1440处，基于确定自动驾驶车辆正在阻碍紧急车辆，以自动驾驶模式控制自动驾驶车辆以便响应紧急车辆。一旦确定自动驾驶车辆100正在阻碍紧急车辆，计算设备110就可以使用该信息来确定适当的响应。这样的响应可以涉及移出紧急车辆的路
径，诸如通过改变车道或靠边停车。例如，改变车道可以涉及向右或向左移动一个或多个车道(假设紧急车辆没有位于这样的车道中)。例如，如果在紧急车辆的当前位置和自动驾驶车辆的当前位置之间存在直接路径(例如，到自动驾驶车辆的后轴)而没有紧急车辆改变车道，则自动驾驶车辆可以自动地执行向右的车道改变。然而，在一些情况下，在执行车道改变之前，计算设备110可以检查紧急车辆的预测轨迹是否使紧急车辆进入车道改变的预期目的地(例如，预期目的地车道)(例如，与在特定或任何点处包括车道改变的规划轨迹上的道路点相交)。如果是，则自动驾驶车辆可以不执行、取消或中止车道改变，并且还可以采取附加动作，诸如在生成新轨迹时增加车道改变的成本。
70.在其他情况下，如果自动驾驶车辆不能向右移动一个或多个车道，则自动驾驶车辆可以尝试靠边停车。自动驾驶车辆的计算设备可以使用约束来确定靠边停车位置，诸如确保靠边停车位置为紧急车辆留下足够的空间或可用道路宽度以通过自动驾驶车辆。例如，当选择靠边停车位置时，自动驾驶车辆的计算设备可以惩罚一些参数(或增加其成本)，以确保所选择的靠边停车位置不阻碍紧急车辆。这样的参数的示例可以包括基于“道路宽度”和“道路类型”计算的“阻挡ev成本”，其可以惩罚可能潜在地导致其他道路使用者(诸如其他车辆、骑自行车者、行人等)偏离他们的当前车道和/或进入对向交通车道以便通过自动驾驶车辆的靠边停车位置。
71.为了实现这样的响应，规划系统168可以相对于其他道路状况优先移出紧急车辆的路径。例如，为了乘客搭乘和下车而进行的靠边停车可能被禁用。在这种情况下，自动驾驶车辆的当前位置可以被设置为自动驾驶车辆的目的地，这可以有效地使自动驾驶车辆尽快靠边停车。附加地或替代地，可以忽略对进入交叉路口(例如，对于红灯或预期红灯)或在停车标志之前停车的某些限制，从而允许自动驾驶车辆进入交叉路口至允许紧急车辆有足够的空间通过自动驾驶车辆所需的程度。例如，通常，自动驾驶车辆可以使用最大可允许制动限制(例如，基于自动驾驶车辆的制动器预期能够做什么的最大可接受或允许减速度值或限制)在交叉路口之前或更确切地说在交叉路口的入口处(例如，启发式地确定或从详细地图信息确定)尝试靠边停车并停止紧急车辆。然而，如果这样做是不可能的，但是自动驾驶车辆的计算设备已经确定自动驾驶车辆将为紧急车辆而停止，则可以允许自动驾驶车辆尽可能多地进入交叉路口，以便以最大可允许制动限制停止。通过将该逻辑连接到停止决定，这避免了自动驾驶车辆在停止和不停止决定之间来回行驶，因此使轨迹规划更一致。
72.在一些情况下，如果自动驾驶车辆最初被确定为没有正在阻碍紧急车辆，则可以基于自动驾驶车辆的当前轨迹与紧急车辆的位置和/或预测轨迹的比较来确定关于自动驾驶车辆是否可能正在阻碍紧急车辆的进一步检查。例如，如果紧急车辆当前与自动驾驶车辆在相同的车道中，或者在紧急车辆的当前位置和自动驾驶车辆的当前位置(例如，自动驾驶车辆的后轴)之间存在直接路径而紧急车辆没有改变车道，则可以确定自动驾驶车辆正在阻碍紧急车辆。作为另一实例，如果紧急车辆的预测轨迹在特定(例如，考虑几何形状和时间)或任何(例如，仅考虑几何形状)点处与自动驾驶车辆的规划轨迹的任何道路点重叠，则可以确定自动驾驶车辆正在阻碍紧急车辆。
73.在一些情况下，该逻辑可以使用栅栏来实现，该栅栏表示自动驾驶车辆的计算设备将不会穿过的模拟“屏障”(例如，自动驾驶车辆将总是在栅栏的位置之前停止)。例如，当自动驾驶车辆的计算设备已经确定自动驾驶车辆将由于红灯或预期红灯而停止时，交叉路
口的入口可以与栅栏相关联。在上面的示例中，其中，自动驾驶车辆不能使用最大可允许制动限制在栅栏之前停止，并且自动驾驶车辆的计算设备已经确定自动驾驶车辆将为紧急车辆停止，该栅栏可以尽可能多地移动到交叉路口中，以便以最大可允许制动限制停止。
74.在其他情况下，自动驾驶车辆可以在确定靠边停车位置时尝试跟随其他道路使用者的行为。这可以降低自动驾驶车辆不得不执行将阻碍紧急车辆的前进的动作(诸如车道改变或停止)的可能性。例如，如果其他道路使用者决定向左移动，则自动驾驶车辆也将向左移动而不是向右移动，并且这将确保右车道畅通以供紧急车辆通过。
75.在一些情况下，当自动驾驶车辆被确定为正在阻碍紧急车辆时，这可能是因为自动驾驶车辆正在为了警察靠边停车(police pullover)而停止。为了确定自动驾驶车辆是否正在为警察靠边停车而停止，或者仅在自动驾驶车辆正在为警察靠边停车而停止的情况下允许自动驾驶车辆靠边停车，可以使用附加的启发法。作为上述启发法的替代或补充(当自动驾驶车辆被确定为正在阻碍紧急车辆时)，可以采用这些附加启发法。
76.例如，在紧急车辆正在从后方接近自动驾驶车辆的情况下，自动驾驶车辆在最右侧车道中而没有到右侧道路边缘的过多空间(例如，1米或更多或更少)，并且自动驾驶车辆的左侧(例如左侧或驾驶员侧)存在足够的可用车道宽度以供紧急车辆通过而不越过车道边界(诸如双黄线)，则可以控制自动驾驶车辆以便靠边停车。附加地或替代地，如果紧急车辆已经处于自动驾驶车辆的正后方预定时间段，并且在自动驾驶车辆的左侧存在车道或足够的空间以供紧急车辆通过，则可以将自动驾驶车辆确定为被控制以便靠边停车。在这方面，可能存在或可能不存在紧急车辆正在使自动驾驶车辆靠边停车的特定确定。在一些情况下，这些附加的启发法可以仅在紧急车辆被分类为警车时使用。
77.在自动驾驶车辆正在被控制以便靠边停车的这种情况下，如果紧急车辆通过在自动驾驶车辆的后方驾驶或停止在自动驾驶车辆的前方，来使自动驾驶车辆靠边停车，则能够使用相同的响应行为。例如，自动驾驶车辆的计算设备110可以识别不阻挡紧急车辆或其他交通的靠边停车位置。这可以涉及识别沿着存在多于两个车道(这是因为紧急车辆能够从两个车道的左侧通过)的右侧道路边缘的靠边停车位置，或者识别单车道道路上的靠边停车位置，该靠边停车位置在自动驾驶车辆的左侧留下足够的空间以供紧急车辆或其他车辆在左侧通过而不进入对向交通车道。
78.另外，当自动驾驶车辆的计算设备已经确定自动驾驶车辆正在阻碍紧急车辆和/或需要靠边停车时，自动驾驶车辆的计算设备可以向自动驾驶车辆的任何乘客显示一个或多个通知。这可以确保自动驾驶车辆的响应行为(例如，靠边停车、停止、不停止以使乘客下车或以其他方式偏离指定路线)对于乘客而言显得不令人惊讶或不安全。
79.本文描述的特征可以使得自动驾驶车辆能够在自动驾驶车辆可能正在阻碍紧急车辆时选择性地响应紧急车辆。通过这样做，这避免了自动驾驶车辆的行为可能对紧急车辆有害或者可能导致自动驾驶车辆以对于紧急车辆、其他道路使用者和乘客而言不可预测的方式表现的情况。
80.除非另有说明，否则前述替代示例不是相互排斥的，而是可以以各种组合来实现以实现独特的优点。由于能够在不脱离由权利要求限定的主题的情况下利用上述特征的这些和其他变化和组合，因此实施例的前述描述应当通过说明的方式而不是通过限制由权利要求限定的主题的方式来理解。另外，本文描述的示例的提供以及措辞为“诸如”、“包括”等
的短语不应被解释为将权利要求的主题限制于具体示例；相反，这些示例仅旨在说明许多可能的实施例之一。此外，不同附图中的相同附图标记能够标识相同或相似的元件。