基于混乱评估的自主车辆路由的制作方法

本文描述的主题总体上涉及目的地路由设备，并且更具体地涉及基于若干路线选项的混乱评估(chaosassessment)的自主车辆路由。

背景技术：

车辆导航系统已普遍用于向车辆用户提供到达所选目的地的指导。这种导航已经是基本的指导性指令，诸如在交叉路口左转或右转以及即将到来的目的地的通告。导航系统已经改进，以向驾驶员提供路线选项，诸如避开收费公路、历史上高碰撞区域、最短的行驶时间等等。进一步的发展已经实现了基于车辆用户蜂窝设备的拥挤源(crowd-source)数据，与车载位置设备相结合，以进一步中继交通拥堵、交通碰撞、正在进行的建设等。随着自主车辆的出现，路线选项简单地依赖于让自主驾驶车辆到达目的地的基本路由。但是，这种路由具有相关联的混乱场景，其中自主车辆可能无法与之协作，即，自主车辆的人工智能引擎可能无法补偿或克服混乱并且无法完成目的地任务。

技术实现要素：

公开了用于基于路由混乱评估的自主车辆路由的设备和方法。

在一个实现中，公开了一种用于自主车辆路由的方法。该方法包括基于相对于当前自主车辆位置数据的目的地目标数据生成多个路线选项。对于多个路线选项中的每一个，可以评估相关联的混乱级别，并且基于相关联的混乱级别生成自主协作性度量。该方法提供自主选择多个路线选项中包括有利的自主协作性度量的路线选项，并基于包括有利的自主协作性度量的路线选项生成自主任务描述数据。可以发送自主任务描述数据，以自主地接合(engage)由目的地目标数据定义的目的地。

在另一个实现中，公开了一种车辆控制单元。车辆控制单元包括无线通信接口、处理器和存储器。无线通信接口进行操作，以服务于与车辆网络的通信。处理器可通信地耦合到无线通信接口，并且存储器可通信地耦合到处理器并存储路线生成模块和自主任务描述模块。路线生成模块包括指令，该指令当由处理器执行时使得处理器基于相对于当前自主车辆位置数据的目的地目标数据生成多个路线选项。对于多个路线选项中的每一个，指令使处理器评估相关联的混乱级别并基于相关联的混乱级别生成自主协作性度量，以产生经评估的路线选项。自主任务描述模块包括指令，该指令当由处理器执行时使得处理器接收针对多个路线选项中的每一个的经评估的路线选项，并且自主地选择多个路线选项中包括有利的自主协作性度量的每个路线选项的经评估的路线选项，以产生选定的路线选项。指令使处理器基于选定的路线选项生成自主任务描述数据以供发送，以自主地接合由目的地目标数据定义的目的地。

附图说明

本说明书参考附图，其中在几个视图中相同的标号指相同的部分，并且其中：

图1是在车辆环境的背景下的包括车辆控制单元的车辆的示意图；

图2图示了图1的车辆控制单元的框图；

图3图示了用于提供自主车辆路由的图1的车辆控制单元的功能框图；

图4图示了表示覆盖有地图描绘的多个路线选项的底层数据和相关联的混乱级别的示例图形用户界面；

图5图示了表示图4的路线选项中的选定路线选项的示例图形用户界面；以及

图6示出了用于基于混乱评估的自主车辆路线选择的示例处理。

具体实施方式

本文提供了基于混乱评估的自主车辆路由选择。作为示例，可以基于目的地和当前自主车辆位置数据生成多个路线选项。然后，车辆操作者可以选择用于导航到目的地的路线选项。这种选择可以基于主观的车辆操作者标准或用户偏好，诸如选择州际高速公路上的景区后方道路、避开收费公路等等。虽然车辆操作者可以在自主车辆路线选择中提供类似的选择偏好，但是自主车辆使路线选择基于每个路线选项的相应混乱级别以及自主协作性度量。换句话说，鉴于所选择的路线选项的经评估的混乱级别，自主车辆可以考虑其参与所选择的路线选项并实现任务目标(即，目的地)的能力。通过这样做，自主车辆可以进行智能路线选择，其避开具有可压垮车辆自主系统的过度混乱级别的路线。

图1是在车辆环境116的背景下的包括车辆控制单元110的车辆100的示意图。虽然车辆控制单元110可以与其它车辆部件抽象地描绘，但是车辆控制单元110可以与其它车辆部件组合。而且，车辆100还可以是汽车或任何其它载客或非载客车辆，诸如例如陆地、水上和/或空中车辆。在一些情况下，车辆100也可以是太空车辆，涉及具有太空垃圾、其它太空车辆和/或碎片的车辆环境116。

多个传感器设备102与控制单元110通信。多个传感器设备102可以被安置在车辆100的外表面上，或者可以为了关于车辆100的美学目的而以隐藏的方式被安置。而且，传感器可以在车体或其部分对于相应的传感器设备看起来透明的频率下操作。

传感器设备102之间的通信可以基于总线，并且还可以由车辆100的其它系统使用或操作。例如，传感器输入设备102可以通过诸如车身电子区域网络(bean)、控制器区域网络(can)总线配置、视听通信-局域网(avc-lan)配置、汽车以太网lan和/或汽车无线lan配置和/或附加通信系统体系架构的组合之类的网络体系架构的组合来耦合，以提供车辆100的设备和系统之间的通信。

传感器设备102可以操作为监视与车辆100相关的本地状况，包括对车辆环境116的音频、视觉和触感改变。传感器设备102可以包括传感器输入设备、可听传感器设备、视频传感器设备和/或其组合。

传感器设备102可以提供车辆的环境状况(诸如人、物体、(一个或多个)车辆等)的触感或关系改变。传感器输入设备中的一个或多个可以被配置为捕获速度、加速度的改变，和/或在车辆100的环境状况下到这些物体的距离，以及车辆100的接近角度。

传感器设备102可以由光检测和测距(lidar)系统提供，其中传感器输入设备可以捕获与来自车辆100的环境中的物理物体的激光返回相关的数据。因为光以恒定的速度移动，所以lidar可以用于以高准确度确定传感器输入设备与另一个物体之间的距离。而且，测量还考虑传感器输入设备的移动(诸如传感器高度、地点和朝向)。而且，gps地点可以与每个传感器输入设备相关联，以确定传感器移动。传感输入设备还可以包括激光(lidar)和毫米波雷达设备的组合。

可听传感器设备可以提供车辆的环境状况的可听感测。利用语音识别能力，可听传感器设备还可以接收移动车辆100的指令，或者接收与车辆100相关的其它此类指示。可听传感器设备可以例如由纳米机电系统(nems)或微机电系统(mems)音频传感器全向数字麦克风、声音触发数字麦克风等提供。

视频传感器设备包括相关联的视场。在自主操作中，视频传感器设备可以提供相对于车辆用户的盲点视觉感测(诸如针对与车辆100相邻的另一个车辆)和/或前向外围视觉感测(诸如针对车辆用户的前方视野之外的物体，诸如行人、骑车者等等)。

在自主操作中，车辆控制单元110可以部署传感器设备102以提供车道标记读数，从而确定车辆100相对于道路的位置，以促进经由选定的路线选项134按速度v100进行操作等等。

车辆100可以包括用于在手动模式、自主模式和/或驾驶员辅助模式下操作的选项。

当车辆100处于手动模式时，驾驶员手动控制车辆系统，车辆系统可包括推进系统、转向系统、稳定性控制系统、导航系统、能量系统以及可以控制各种车辆功能(诸如车辆气候或娱乐功能等)的任何其它系统。车辆100还可以包括让驾驶员与车辆系统(例如，一个或多个交互式显示器、音频系统、语音识别系统、按钮和/或拨号盘、触觉反馈系统或用于输入或输出信息的任何其它装置)交互的接口。

在自主操作模式中，可由车辆控制单元110提供或与其组合的计算设备可以用于控制一个或多个车辆系统而无需车辆用户的直接干预。一些车辆还可以配备有“驾驶员辅助模式”，其中车辆100的操作可以在车辆用户和计算设备之间共享。

当车辆100以自主(或驾驶员辅助)模式操作时，车辆控制单元110向各种车辆系统发出命令以指导其操作，而不是由车辆用户控制这种车辆系统。

如图1中所示，车辆控制单元110可以被配置为通过天线112提供无线通信126。无线通信126可以诸如经由网络提供数据访问，车辆控制单元110可以向网络发出地图层数据请求150并作为响应接收用于道路状况和/或配置、用于拥挤源数据(接近实时和/或历史)的地图层数据152以及接收来自其它车辆的和/或与其它车辆有关的数据(诸如在车辆到车辆的通信和/或车辆到基础设施的通信中)。在这方面，车辆控制单元110可以操作为经由自主任务描述数据参与所选定的路线选项134，以便用于自主车辆路线选择，这将参考图2-6详细讨论。

图2图示了车辆控制单元110的框图，车辆控制单元110包括无线通信接口202、处理器204和存储器206，它们经由总线208通信耦合。

控制单元110中的处理器204可以是常规的中央处理单元或者能够操纵或处理信息的任何其它类型的设备或多个设备。如可以领会的，处理器204可以是单个处理设备或多个处理设备。这种处理设备可以是微处理器、微控制器、数字信号处理器、微计算机、中央处理单元、现场可编程门阵列、可编程逻辑设备、状态机、逻辑电路系统、模拟电路系统、数字电路系统和/或基于电路系统的硬编码和/或操作指令来操纵信号(模拟和/或数字)的任何设备。

存储器和/或存储器元件206可以是单个存储器设备、多个存储器设备和/或处理器204的嵌入式电路系统。这种存储器设备可以是只读存储器、随机存取存储器、易失性存储器、非易失性存储器、静态存储器、动态存储器、闪存、高速缓存存储器和/或存储数字信息的任何设备。存储器206能够存储机器可读指令，使得机器可读指令可以由处理器204访问。机器可读指令可以包括用编程语言及其代例如，1gl、2gl、3gl、4gl或5gl)(诸如例如可以由处理器204直接执行的机器语言，或可以被编译或汇编成机器可读指令的汇编语言、面向对象编程(oop)、脚本语言、微代码等)编写并存储在存储器206中的逻辑或(一个或多个)算法。可替代地，机器可读指令可以用硬件描述语言(hdl)编写，诸如经由或者现场可编程门阵列(fpga)配置或者专用集成电路(asic)或其等同物实现的逻辑。因而，本文描述的方法和设备可以以任何常规的计算机编程语言实现作为预编程的硬件元件或作为硬件和软件部件的组合。

要注意的是，当处理器204包括多于一个处理设备时，处理设备可以是集中式安置的(例如，经由有线和/或无线总线结构直接耦合在一起)或者可以是分布式安置的(例如，经由通过局域网和/或广域网的间接耦合的云计算)。进一步要注意的是，当处理器204经由状态机、模拟电路系统、数字电路系统和/或逻辑电路系统实现其一个或多个功能时，存储有对应的操作指令的存储器和/或存储器元件可以嵌入在包括状态机、模拟电路系统、数字电路系统和/或逻辑电路系统的电路系统内或在其外部。还要注意的是，存储器元件存储并且处理器204执行与图1-6中所示的至少一些步骤和/或功能对应的硬编码和/或操作指令，以执行本文描述的自主车辆路由特征和方法。

无线通信接口202一般通过通信路径213和/或无线通信126经由车辆网络212支配和管理输入数据。无线通信接口202还管理诸如自主任务描述数据220之类的控制器单元输出数据以及诸如层数据请求150之类的数据请求，并且还管理诸如目的地目标数据224、当前自主车辆位置数据226和地图层数据152之类的控制单元输入数据。不限制本公开在任何特定的硬件布置上操作，因此本文的基本特征可以被替换、移除、添加或以其它方式修改，以用于改进的硬件和/或固件布置，因为它们可以发展。

车辆网络212可以通信地耦合，以从全球定位系统卫星接收信号，诸如经由车辆控制单元110的天线112或其它此类车辆天线(未示出)。天线112可以包括与由全球定位系统卫星发射的电磁信号交互的一个或多个传导元件。所接收的信号可以被变换成指示地点(例如，纬度和经度位置)并且还指示车辆相对于道路数据的定位(诸如当前自主车辆位置数据226)的数据信号。

无线通信126可以基于一个或多个无线通信系统规范。例如，无线通信系统可以根据一个或多个标准规范来操作，包括但不限于3gpp(第三代合作伙伴计划)、4gpp(第四代合作伙伴计划)、5gpp(第五代合作伙伴计划)、lte(长期演进)、lte高级、rfid、ieee802.11、蓝牙、amps(高级移动电话服务)、数字amps、gsm(全球移动通信系统)、cdma(码分多址)、lmds(本地多点分配系统)、mmds(多通道多点分配系统)、irda、无线usb、z-wave、zigbee和/或其变体。

车辆控制单元110可以经由无线通信126和/或其它无线通信通信地耦合到计算机。服务器233可以经由无线通信232通信地耦合到网络云218。服务器233可以包括与由车辆控制单元110运行和/或执行的应用相关联的第三方服务器等。

例如，地图数据层可以在车辆控制单元110上执行，并且还包括当前自主车辆位置数据226和目的地目标数据224。而且，这种数据可以经由车辆屏幕的图形地图显示呈现给车辆用户，以将地点数据传达给车辆100的用户。

服务器233可以由提供应用(诸如地图应用)和地图应用层数据(包括道路信息数据、交通层数据、地理定位层数据等)的组织操作。层数据可以以路线网络描述文件(rndf)格式提供。例如，路线网络描述文件指定可访问的路段，并提供诸如路标(waypoint)、停车标志地点、车道宽度、检查点地点和停车点地点之类的信息。路线网络没有隐含的起点或终点。

车辆控制单元110可以操作为生成自主任务描述数据220，诸如用于自主车辆操作的任务描述文件(mdf)。与任务描述文件(mdf)相关的数据可以操作为指定在任务中到达的检查点，诸如由目的地目标数据224设置的目的地，诸如沿着所选择的路线操作134(图1)。

车辆控制单元110用来确定用于自主车辆路由的选定路线选项134。自主车辆路线可以基于经由通过无线通信126接收的交通地图层数据152提供的路线状况数据、基于经由车辆到车辆通信和/或车辆到基础设施通信和/或其组合与其它车辆相关的车辆度量数据，这可以类似地经由无线通信126提供并且参考图3-6详细讨论。

图3图示了用于提供自主车辆路由的车辆控制单元110的功能框图。

一般而言，自主和/或无人驾驶车辆可以识别对手动车辆操作的感知效率的赞誉。能够彼此通信的车辆(诸如通过车辆到车辆和/或车辆到基础设施通信)将能够提醒其它车辆何时该车辆变换车道或需要减速，这可以消除手动操作车辆造成的不确定性和/或混乱。而且，自主驾驶车辆可以避免意外事故，这被认为是减速和道路事故的主要原因。而且，当道路上的所有车辆都是自主的时，可以消除由人为错误和判断失误引起的大部分混乱。不过，在此之前，人类操作者对自主驾驶车辆操作引入混乱。在这方面，本文实施例中描述的自主车辆路线可以操作为识别路线选项上的混乱源，并且可以使得选定的路线选项在车辆100的自主协作性度量内。实际上，车辆控制单元110可以用来提供基本迭代动作，包括沿所选定的路线选项134导航(图1)并提供适当的计划以使中断和/或道路混乱流动。

车辆控制单元110可以包括存储器206存储的路线生成模块302和自主任务描述模块314，并且每个模块包括当由处理器204执行时提供相应功能的指令。

路线生成模块302包括与路线选项生成器306和混乱级别评估310相关的指令。在操作中，路线选项生成器306接收目的地目标数据224。目的地目标数据224可以是与车辆控制单元110可理解的日常活动(诸如购物、工作、休闲活动等)相关的预编程数据。在另一方面，用户可以经由诸如触摸屏设备(诸如可以由车辆主控单元呈现)之类的人到机器界面、通过语音命令(诸如经由提供语音到文本命令功能的麦克风)、通过可通信地耦合到车辆网络212的手持移动设备等来提供目的地目标数据224。

路线选项生成器306可以基于目的地目标数据224和当前自主车辆位置数据226、经由路线选项数据308生成多个路线选项。如可以领会的，可以从全球定位卫星(gps)数据或其它格式的其它位置数据设备检索当前自主车辆位置数据226。

可以基于地图层数据152生成路线选项数据308，地图层数据152可以由车辆控制单元110响应于地图层数据请求150(图2)而提供。路线选项数据308可以操作为指示混合自主和非自主车辆环境中的混乱级别。如可以领会的，混乱级别越大，自主协作性越低。换句话说，成功的自主操作(即，达到目的地)可以被认为是解决各种混乱级别的功能。例如，第三方碰撞可能产生交通拥堵；但是，其它因素包括所有车道现在是否都关闭以及自主驾驶车辆是否将具有重新路由的能力或者只是呆在选定的路线选项上直到通畅。换句话说，人工智能已经发展和/或成熟的程度可以在不同的自主驾驶车辆之间波动。

其它混乱的示例可以包括车辆故障、轮胎故障、手动操作的车辆位置的突然和/或非预期改变、道路上的速度、落石等等。

混乱级别评估310操作为从路线选项生成器306串行或并行地接收路线选项数据308。对于多个路线选项中的每一个，混乱级别评估可以操作为评估相关联的混乱级别，基于相关联的混乱级别生成自主协作性度量，并产生经评估的路线选项312。

如可以领会的，路线选项的混乱级别可以基于路线状况数据309。路线状况数据309可以基于地图层数据152、近实时拥挤源数据342、近实时车辆度量数据344和/或历史拥挤源数据346。

地图层数据152可以传达路线状况，诸如未开发的道路、没有路肩和/或车道标记等，这些比用定义的车道标记改良的道路具有更大的混乱级别。而且，取决于刷新率，地图层数据152可以传达影响路线选项的混乱级别的路线构造。

近实时车辆度量数据344可以包括经由车辆到车辆和/或车辆到基础设施通信的各种车辆之间的协作。自主和/或驾驶员辅助车辆可以被配置为近实时地广播他们的车辆度量，诸如速度和地点数据。这种信息可以用于评估路线选项和/或其片段的相关联的混乱级别。作为示例，基于从其它车辆获得的速度数据，可以生成其它车辆的速度曲线(speedprofile)。不稳定或混乱的速度曲线可以指示不可预测的驾驶状况，这将为那个路线选项创建低自主协作性度量。

可替代地或附加地，近实时车辆度量数据344可以指示：超过速度限制的车辆数量的数量和/或百分比可以指示过度混乱并且再次为那个路线选项赋予低自主协作性度量。

在另一方面，一个或多个车辆的频繁变道可以是路线选项的高混乱级别的指示符。在混合或大部分手动驾驶车辆中，预定距离内超出变道阈值的频繁变道(例如，四分之一英里中的五次变道)可以被认为是包括高混乱级别。

近实时拥挤源数据342可以基于经由相应手持移动设备(经由板上gps设备)的道路用户的基于gps的位置。手持移动设备的总体速度指示路线的至少一部分的交通流(或交通事件)。在视觉上，交通流率可以作为地图层数据152传达，并且用于机器到人的显示目的，其经由车辆显示器(诸如车辆头部单元显示器、抬头显示器和/或其它车辆屏幕设备)呈现。

例如，在主要的道路和高速公路之上出现彩色叠加层，绿色表示正常的交通流，黄色表示交通状况较慢，红色表示交通拥堵，暗红色表示道路几乎停止或停止走走。车辆控制单元110可以使用底层数据值来确定混乱级别，并且可以利用自主协作性度量阈值316来确定自主车辆100是否可以抵触所得到的混乱级别。

历史拥挤源数据346可以提供要发生和/或发展的混乱级别的指示。数据346的一方面可以是路线选项的一天中的时间的碰撞可能性。即，路线选项的混乱级别可以基于一天中的给定时间、星期几或其组合。可经由服务器233(图2)访问的政府或非政府源可以收集此类数据。然后可以使用这种数据来生成某些路线选项的历史简档。其它信息可以基于事件结束(诸如体育场馆、音乐会、节日等)导致的混乱。例如，如果在特定日期发生高尔夫锦标赛，那么可以基于历史拥挤源数据346假设由路线上的高尔夫球车、增加的交通拥堵和/或比赛位点附近的车辆碰撞产生的高混乱级别。

因而，混乱级别评估310可以包括使得处理器204为多个路线选项中的每一个产生经评估的路线选项312的指令。

自主任务描述模块314可以包括指令，该指令当被执行时使得车辆控制单元110的处理器204自主地选择多个路线选项中的每一个的经评估的路线选项，其包括有利的自主协作性度量，以产生选定的路线选项。经评估的路线选项312包括自主协作性度量，其有利地与自主协作性度量阈值316进行比较，诸如当自主协作性度量在阈值316内时。阈值316涉及车辆100的自主能力，其可以经由车辆控制单元100和/或车辆100的其它控制单元提供。自主能力越高级，诸如人工智能(ai)发动机、适应能力等，车辆控制单元110为实现车辆目标(诸如到达目的地)可以忍受的混乱级别越高。

自主任务描述模块314可以包括指令，该指令当被执行时使得车辆控制单元110的处理器204基于选定的路线选项生成自主任务描述数据220以供发送。自主任务描述数据220可以被发送到车辆100的其它模块，以提供动力系控制来自主地接合由目的地目标数据224定义的目的地。如还可以领会的，本文描述的功能可以被远程地提供，并且被发送到车辆控制单元110以供处理器204执行。而且，在有多个选定的路线选项可以在自主协作性度量阈值316内的情况下，还可以基于与行驶时间参数318和/或行驶距离参数320的有利比较来选择路线选项，诸如也可以相对于其它路线选项具有较低行驶时间和/或距离的经评估的路线选项312。参数318和/或320可以基于车辆控制单元110的优化基础(诸如为了优化燃料和/或能量资源)，或者可以基于经由人到机器界面(诸如头部单元显示器、手持移动设备应用等)的车辆用户输入。

如可以领会的，在另一方面，可以通过相对于车辆控制单元110的远程处理来生成混乱级别评估310和所得到的经评估的路线选项312，以减少车辆的本地处理器的处理负荷，诸如图2的处理器204的处理负荷。这种远程处理可以包括可经由网络云218(图2)访问的云处理，从而允许经由网络云218的存储和数据访问以及应用和/或程序访问，从而释放车辆控制单元110的处理器204和存储器206(图2)。如可以领会的，术语“云”是互联网的比喻说法。在这方面，混乱级别评估也可以用于其它车辆100的其它车辆控制单元110。

图4图示了示例图形用户界面400，其表示覆盖有地图描绘402的多个路线选项420、422、424、426、428的底层数据和相关联的混乱级别，其中地图描绘402可以基于地图层数据152。如所指出的，混乱可以由人为驾驶错误(诸如超速、车变道过多、判断错误等)引入到车辆环境。混乱也可以由基础设施状况和/或事件(诸如碰撞(导致车道关闭)、道路施工、道路恶化(诸如坑洞、粗糙表面等)、道路维护(车道封闭、拥堵)和/或事件拥堵)引起。

多个路线选项420、422、424、426中的每一个可以基于用于实现目的地412的路由、基于目的地目标数据224(图3)和当前自主车辆位置数据306。

一般而言，路线状况数据309(图3)可以基于地图层数据152、近实时拥挤源数据342、近实时车辆度量数据344和/或历史拥挤源数据346。多个路线选项420、422、424、426中的每一个可以包括彼此共享的片段以及彼此独立的片段。在这方面，可以解析多个路线选项，以形成用于多个路线选项420、422、424、426中的每一个的局部数据集。而且，相应局部数据集中的每一个的相关联的混乱级别可以被加权，诸如从最低到最高的混乱级别而从w0(缺省)到w5。如可以领会的，可以利用额外的加权混乱级别(诸如从w0到w09等)来定义进一步的粒度。

对于图4的示例，路线选项420包括指示碰撞的拥挤源数据342，其可被加权为针对与路线选项420相关的局部数据集的一部分的相关联的混乱级别w3。

路线选项424包括指示事件拥堵的历史拥挤源数据346，其可以被加权为针对与路线选项424相关的局部数据集的一部分的相关联的混乱级别w4。基于车辆控制单元110的评估，事件拥堵可以不存在。例如，当事件是预期在15:00左右结束的高尔夫锦标赛，并且当前自主车辆位置数据306的当前时间是13:00时，车辆100有两个小时来“击败”高尔夫锦标赛的结束。就这一点来说，到事件的预计行驶时间可以抵消事件的混乱程度。如果是这样，那么针对路线选项424的相关联的混乱级别的权重将是w0。就这一点来说，车辆控制单元110可以考虑其它标准，以选择具有最低的相关联的混乱级别的路线选项。这种其它标准的示例可以包括行驶时间标准(到达目的地的时间量在时间上等于t0加td)和/或行驶距离标准(到达目的地412所行驶的总距离)。这些值可以由车辆控制单元110生成，诸如为了优化车辆资源(诸如燃料、电池电荷等)，以及以合理的时间间隔到达。车辆用户还可以经由机器到人的界面(诸如车辆头部单元显示器)提供他们的偏好。

路线选项426包括指示不稳定交通的车辆度量数据344，其可以被加权为针对与路线选项426相关的局部数据集的一部分的相关联的混乱级别w5。

如图所示，路线选项420、422、426包括指示道路建设的地图层数据152，其可以被加权为针对与路线选项420、422和426相关的每个局部数据集的相关联的混乱级别w1；即，除了路线选项424(其可以或可以不基于一天中的时间)，每个路线选项包括某个混乱级别。

因而，用于路线选项420的相关联的混乱级别的相应加权是w3；对于路线选项422是w1；对于路线选项424是w3；对于路线选项426是w5。如图所示，基于避免或最小化混乱的位置和机会(诸如路线选项422可以用于避免与路线选项424的“事件拥塞”(当存在时)相关联的混乱)，相关联的混乱级别与沿路线选项的最高级别相关。

因而，相关联的混乱级别低的路线选项是路线选项422，其权重为w1。相关联的混乱级别高的路线选项是路线选项426，其具有与车辆度量数据344所展示的不稳定交通相关的权重w5。

自主车辆路由可以基于路线选项之一的选择，在本示例中，路线选项可以包括路线选项420、422、424和426。参考自主车辆的人工智能引擎，不同的方法可以包括不同的自主协作性度量。即，一般而言一些人工智能引擎在混乱的车辆环境中可以比其它人工智能引擎更健壮，或者算法中的进一步精炼和/或尚未开发的算法可以在更高的混乱环境中产生进一步的健壮性。一般而言，在道路上自主和手动操作的车辆的混合可以存在瞬时混乱的级别。本文给出的实施例提供了考虑与路线选项相关的可用数据的智能自主路线选择。关于路线选择，自主车辆可以使选项基于人工智能引擎的自主协作性度量，即，人工智能引擎在不同且变化的车辆环境中共存和操作的能力。利用低自主协作性度量，在完成任务时可以容忍低级别的混乱(诸如实现目的地目标)；相反，高自主协作性度量可以适应车辆环境中更高级别的混乱。

因而，可以鉴于与自主车辆相关的自主协作性度量阈值来选择路线选项。如可以领会的，阈值可以在不同的代理(即，不同的自主车辆)之间变化，包括诸如车辆性能能力和人工智能引擎能力之类的考虑因素。

对于图4的示例，利用低自主协作性度量阈值，可以鉴于相对于其它路线选项420、424和426的相对低的混乱级别而选择路线选项422。

另一方面，更高的自主协作性度量阈值可以准许更宽的路线选择，诸如路线选项420(w3)和422(w1)中任一个的路线选择。如果是这样，那么可以利用进一步的标准来提供多个可用路线之间的自主路线选择，诸如行驶时间参数和/或行驶距离参数。这样的参数可以基于车辆控制单元110的优化基础(诸如优化燃料和/或能量资源)，或者可以基于经由人到机器界面(诸如头部单元显示器、手持移动设备应用等)的车辆用户输入。因而，基于随后的选择标准，可以鉴于较短的行驶距离来选择路线选项420，并且取决于碰撞的细节(诸如行驶时间延迟、车道关闭的数量、发生的时间碰撞等)，也可以提供比可能与路线选项422相关联的行驶时间更短的行驶时间。

图5图示了示例图形用户界面400，其表示覆盖有地图描绘402的图4的路线选项的所选路线选项134。选定的路线选项134提供关于当前自主车辆位置数据226的目的地412的目标。如所指示的，所选定的路线选项可以基于自主地选择多个路线选项420、422、424、426(图4)中包括有利的自主协作性度量的路线选项。

基于路线选项134，车辆100(图1)的车辆控制单元110可以生成自主任务描述数据，自主任务描述数据可以被发送用于自主地接合目的地412，目的地412可以由车辆控制单元110的人工智能引擎、由车辆用户(经由诸如头部单元触摸屏、手持移动设备等之类的人到机器界面)通过目的地目标数据224来定义(图3)。自主任务描述数据220可以以任务描述文件(mdf)格式提供以用于自主车辆操作。数据220可以操作为指定在任务中到达的检查点，诸如由目的地目标数据224设定的目的地412，诸如沿着所选定的路线操作134。

图6图示了用于基于混乱评估的自主车辆路线选择的示例处理600。在操作602处，该处理基于相对于当前自主车辆位置数据的目的地目标数据生成多个路线选项。

在操作604处，在操作606处评估多个路线选项中的每一个，并且在操作608处该处理基于相关联的混乱级别生成自主协作性度量。

路线选项数据可以基于地图层数据，地图层数据可以由车辆控制单元110响应于地图层数据请求150(图2)而提供。路线选项数据可以操作为指示混合自主和非自主车辆环境中的混乱级别。如可以领会的，混乱级别越大，自主协作性越低。换句话说，成功的自主操作(即，到达目的地)可以是根据解决各种级别的混乱。例如，第三方碰撞可以产生交通拥堵；但是，进一步的因素包括所有车道是否现在都因碰撞而关闭以及自主驾驶车辆是否具有重新路由或仅仅停留在选定路线选项上直到碰撞被清除的能力。换句话说，人工智能引擎已经被开发和/或成熟的程度可以在变化的自动车辆中波动。

其它混乱的示例可以包括车辆故障、轮胎故障、手动操作的车辆位置的突然和/或非预期改变、道路上的速度、落石等等。

当在操作610处评估了多个路线选项中的每一个并生成了自主协作性度量时，该处理通过自主选择多个路线选项中包括有利的自主协作性度量的路线选项在操作612继续。即，对于多个路线选项中的每一个，混乱级别评估可以操作为评估相关联的混乱级别、基于相关联的混乱级别生成自主协作性度量并产生经评估的路线选项。

如可以领会的，可以使用变化的标准来选择路线选项。示例可以包括选择具有相应较低自主协作性度量的路线。另一个示例可以是针对自主车辆使用自主协作性度量阈值。经评估的路线选项312包括与自主协作性度量阈值316相比有利的自主协作性度量，诸如当自主协作性度量在阈值316内时。这种阈值的示例可以涉及自主车辆100(图1)的自主能力，这种自主能力经由车辆控制单元110和/或车辆100的其它控制单元提供。车辆的自主能力(诸如人工智能(ai)引擎、适应能力等)越高级，车辆控制单元110可以适应以实现任务目标(即，到达目的地)的混乱级别越高。

在操作614处，可以基于在操作612处选定的路线选项来生成自主任务描述数据。可以将自主任务描述数据220发送到车辆100的其它模块，以提供动力系控制来自主地接合由目的地目标数据定义的目的地。

然后可以在操作616处发送自主任务描述数据，用于自主地接合由目的地目标数据定义的目的地。如还可以领会的，本文描述的处理600可以被远程提供和发送到自主车辆100的车辆控制单元110。

而且，在有多个所选路线选项可能在自主协作性度量阈值内或者具有类似的相关联混乱级别的情况下，还可以基于与行驶时间参数和/或行驶距离参数的有利比较来选择路线选项。这种参数可以基于优化算法(诸如为了优化燃料和/或能量资源)，或者可以基于经由人到机器界面(诸如头部单元显示器、手持移动设备应用等)的车辆用户输入。

如本领域普通技术人员还可以领会的，本文可以使用的术语“耦合”包括直接耦合和经由另一个部件、元件、电路或模块的间接耦合，其中，对于间接耦合，介于中间的部件、元件、电路或模块不修改信号的信息，但是可以调节其电流水平、电压水平和/或功率水平。如本领域普通技术人员还将领会的，推断的耦合(即，其中一个元件通过推断耦合到另一个元件)包括以与“耦合”相同的方式在两个元件之间的直接和间接耦合。

如本领域普通技术人员还将领会的，本文可以使用的术语“有利地比较”指示两个或更多个元件、项、信号等之间的比较提供了期望的关系。

当在附图的描述中使用术语“模块”时，模块包括以硬件、软件和/或固件实现的执行一个或多个功能的功能块，诸如输入信号的处理以产生输出信号。如本文所使用的，模块可以包含子模块，子模块本身是模块。

前面的描述涉及目前被认为是最实用的实施例。但是，应当理解的是，本公开不限于这些实施例，而是相反旨在覆盖包括在所附权利要求的精神和范围内的各种修改和等同布置，其范围应被赋予最宽泛的解释，以涵盖法律允许的所有此类修改和等同结构。