自主车辆的交通信号响应的制作方法

本申请是于2014年7月31日提交的美国专利申请第14/448,299号的继续申请，其公开内容通过引用并入本文。

背景技术：

自主车辆，诸如不需要人类驾驶员的车辆，可以用于帮助将乘客或物品从一个位置运输到另一个位置。自主车辆的重要组件是感知系统，其允许车辆使用相机、雷达、传感器和其他类似设备来感知和解释其周遭。感知系统在自主车辆处于运动中的同时执行许多决定，诸如加速、减速、停止、转弯等。自主车辆还可以使用相机、传感器和全球定位设备来收集和解释关于其周围环境(例如停放的轿车、树木、建筑物等)的图像和传感器数据。

来自感知系统的信息可以与高度详细地图信息组合，以便允许车辆的计算机在各种环境中安全地操纵车辆。这种高度详细地图信息可以描述车辆环境的预期状况，诸如道路的形状和位置、交通信号和其他对象。在这方面，来自感知系统的信息和详细地图信息可以用于帮助车辆的计算机做出涉及路口和交通信号的驾驶决策。

技术实现要素：

本公开的一个方面提供了一种方法。该方法包括由一个或多个计算设备识别交通信号灯将从黄色转变为红色时的时间；由一个或多个计算设备估计在交通信号灯将从黄色转变为红色的估计的时间之时车辆的位置；由一个或多个计算设备识别与该交通信号灯相关联的路口的起点；由一个或多个计算设备确定车辆的所估计的位置是否将超过起点至少阈值距离；以及当车辆的所估计的位置被确定为超过起点至少阈值距离时，由一个或多个计算设备确定车辆应该继续通过该路口。

在一个示例中，该方法还包括，当确定车辆的所估计的位置不超过起点至少阈值距离时，确定车辆应该在起点处或在起点之前停止。在另一个示例中，该方法还包括识别交通信号灯从绿色转变为黄色时的时间，识别交通信号灯将保持黄色的时间长度，并且识别交通信号灯将从黄色转变为红色时的时间基于交通信号灯从绿色转变为黄色时的时间和交通信号灯将保持黄色的时间长度。在该示例中，识别时间长度包括基于车辆正在行驶的道路的速度限制来计算时间长度。可替换地，识别时间长度包括检索默认值。在另一替代方案中，识别时间长度包括访问对于各种交通信号灯的多个时间长度并检索对应于该交通信号灯的值。在另一示例中，该方法还包括在确定车辆应该通行过路口之后，估计在交通信号将变红之时车辆的第二位置，以及确定车辆的所估计的第二位置是否将超过起点至少第二阈值距离。在该示例中，第二阈值距离小于所述阈值距离。在另一示例中，车辆的所估计的位置对应于车辆的接近车辆后部的部分的估计的位置。在另一个示例中，识别交通信号灯将从黄色转变为红色时的时间基于从远离车辆的设备接收的信息。

本公开的另一方面包括具有一个或多个计算设备的系统。该一个或多个计算设备被配置为识别交通信号灯将从黄色转变为红色时的时间；估计在交通信号灯将从黄色转变为红色的估计的时间之时车辆的位置；识别与该交通信号灯相关联的路口的起点；确定车辆的所估计的位置是否将超过起点至少阈值距离；并且当确定车辆的所估计的位置超过起点至少阈值距离时，确定车辆应该继续通过路口。

在一个示例中，该一个或多个计算设备还被配置为当车辆的所估计的位置被确定为不超过起点至少阈值距离时，确定车辆应该在起点处或在起点之前停止。在另一示例中，该一个或多个计算设备还被配置为识别交通信号灯从绿色转变为黄色时的时间；识别交通信号灯将保持黄色的时间长度；并且基于交通信号灯从绿色转变为黄色时的时间以及交通信号灯将保持黄色的时间长度来识别交通信号灯将从黄色转变为红色时的时间。在该示例中，一个或多个计算设备还被配置为通过基于车辆正在行驶的道路的速度限制计算时间长度来识别时间长度。可替换地，一个或多个计算设备还被配置为通过检索默认值来识别时间长度。在另一替代方案中，一个或多个计算设备还被配置成通过访问对于各种交通信号灯的多个时间长度并检索对应于交通信号灯的值来识别时间长度。在另一示例中，一个或多个计算设备还被配置为在确定车辆应该通行过路口之后，估计在交通信号将变红之时车辆的第二位置，并且确定车辆的所估计的第二位置是否将超过起点至少第二阈值距离。在该示例中，第二阈值距离小于所述阈值距离。在另一示例中，车辆的所估计的位置对应于车辆的接近车辆后部的部分的估计的位置。在另一示例中，一个或多个计算设备还被配置为基于从远离车辆的设备接收的信息来识别交通信号灯将从黄色转变为红色时的时间。

本公开的另一方面提供一种非暂态有形计算机可读存储介质，其上存储了程序的计算机可读指令。该指令当由一个或多个处理器执行时，使得所述一个或多个处理器执行一种方法，所述方法包括识别交通信号灯将从黄色转变为红色时的时间；估计在交通信号灯将从黄色转变为红色的估计的时间之时车辆的位置；识别与该交通信号灯相关联的路口的起点；确定车辆的所估计的位置是否将超过起点至少阈值距离；以及当车辆的所估计的位置被确定为超过起点至少阈值距离时，确定车辆应该继续通过该路口。

在一个示例中，该方法还包括，当确定车辆的所估计的位置不超过起点至少阈值距离时，确定车辆应该在起点处或在起点之前停止。在另一个示例中，该方法还包括识别交通信号灯从绿色转变为黄色时的时间，识别交通信号灯将保持黄色的时间长度，并且识别交通信号灯将从黄色转变为红色时的时间基于交通信号灯从绿色转变为黄色时的时间和交通信号灯将保持黄色的时间长度。在该示例中，识别时间长度包括基于车辆正在行驶的道路的速度限制来计算时间长度。可替换地，识别时间长度包括检索默认值。在另一替代方案中，识别时间长度包括访问对于各种交通信号灯的多个时间长度并检索对应于交通信号灯的值。在另一示例中，该方法还包括在确定车辆应该通行过路口之后，估计在交通信号将变红之时车辆的第二位置，以及确定车辆的所估计的第二位置是否将超过起点至少第二阈值距离。在该示例中，第二阈值距离小于所述阈值距离。在另一示例中，车辆的所估计的位置对应于车辆的接近车辆后部的部分的估计的位置。在另一个示例中，识别交通信号灯将从黄色转变为红色时的时间基于从远离车辆的设备接收的信息。

附图说明

图1是根据本公开的方面的系统的功能图。

图2是根据本公开的方面的自主车辆的内部。

图3是根据本公开的方面的详细地图信息的示例。

图4是根据本公开的方面的自主车辆的外部。

图5是根据本公开的方面的包括路口的一段道路的示例图。

图6是根据本公开的方面的车辆的预期的位置的示例图。

图7是根据本公开的方面的详细地图信息的另一示例。

图8是根据本公开的方面的、与包括路口的一段道路的示例图组合的详细地图信息的示例。

图9是根据本公开的方面的、与包括路口的一段道路的示例图组合的详细地图信息的另一示例。

图10是根据本公开的方面的示例流程图。

具体实施方式概述

该技术涉及确定自主车辆或以自主模式驾驶的车辆是否应该响应于黄色交通灯而行进或停止。黄灯的情况可能特别难以解决。例如，对所有黄灯简单制动可能不是一个好的决定；如果附近存在其他车辆，特别是在自主车辆之后的那些车辆，那么当仍然有时间通过该灯时，这样的其他车辆可能不会预期突然停车。然后这可能导致事故。可以使确定响应复杂化的其他因素可以包括：在交通信号变黄时，在自主车辆前面是否存在缓慢移动但已经到达路口的其他车辆。在这种情况下，当交通信号实际上是红色时，经过路口可能导致自主车辆驶入路口。因此，本文所描述的特征解决了计算机可以如何确定自主车辆在交通信号已转变为红色时是否应该继续通过交通路口。

自主车辆的一个或多个计算设备可以使用任何已知技术来识别交通信号的状态。例如，使用传感器数据和详细地图信息的组合，计算机可以估计交通信号的大致位置。然后使用模板、图像中与颜色检测匹配的图像等，计算机可以确定交通信号的状态(红色、黄色或绿色)。可替换地，该信息可以从诸如与交通信号灯相关联的发射器的另一个设备接收，和/或从已做出该确定的另一车辆接收。这样，计算机还可以使用上述任何示例确定交通信号何时从绿色转变为黄色。

在一个方面中，关于是否应黄色交通信号停止的决定可以基于车辆为了在路口之前达到停止将需要实行多少制动。例如，如果在到交通路口的给定距离内停止车辆所需的减速度大于阈值，则车辆的计算机可以确定车辆应该继续通过路口。如果不是，则车辆的计算机可以在路口之前停止车辆。虽然这样的逻辑对于许多情形合理地起作用，但是这样的逻辑在如下情形下可能会失败：当自主车辆(1)已经制动(并且因此制动更多一点就将允许自主车辆达到停止)，(2)正在加速(并且因此改变为猛制动是不合理的)，或者(3)在到达路口之前灯就已经变红的情况下，但自主车辆基于上述逻辑决定通过时。

为了解决这样的问题，可以考虑附加的因素。例如，当接近交通信号时，自主车辆的计算机可以识别交通信号将变红时的时间。例如，该时间可以由计算机通过访问预存储的信息来估计，所述预存储的信息关于黄色交通信号将保持黄色的时间长度。该信息可以是默认估计值、针对特定交通信号或路口的测量的值，或者该信息可以数学上基于自主车辆当前行驶的道路的速度限制。可替换地，可以从另一个设备(诸如与交通信号灯相关联的发射器)和/或已经做出该确定的另一个车辆接收该时间长度或灯将从黄色转变为红色时的未来时间。

车辆的计算机还可以确定车辆的速度分布。该速度分布可以使用任何数量的约束针对未来的短时间段来迭代地确定，所述约束包括但不限于道路速度限制、沿着自主车辆的轨迹的曲率、自主车辆可以执行的最小和最大加速度、加速度的平滑性以及沿着轨迹的其他交通参与者。例如，可以通过在接下来的20秒左右中针对每秒分析所有约束来确定速度分布作为成本函数，其中如果自主车辆处于合意状态，则每个成本函数将是较低的值，否则，每个成本函数将是较高的值。通过对每个成本函数值求和，计算机可以选择具有最低总成本值的速度分布。非线性优化可以允许在短时间段内确定解。此外，在决策逻辑的先前迭代中计算的速度分布也可以用于确定当前速度分布。这可以节省时间来更快地作出决定，因为如果总体交通情形没有突然改变，则速度分布通常仅改变很小。

使用速度分布，计算机可以估计在交通信号将从黄色改变为红色之时自主车辆的未来位置。这个时间可以使用关于黄色交通信号将保持黄色的时间长度以及计算机确定交通信号从绿色改变为黄色时的时间的信息来确定。然后使用该时间长度和速度分布，计算机可以估计在交通信号灯将从黄色改变为红色时自主车辆将位于何处。可替换地，如果车辆的计算机从另一个设备接收到识别交通信号灯将从黄色转变为红色时的未来时间的信息，则该未来时间可以用于估计当交通信号灯将从黄色改变为红色之时自主车辆将位于何处。

可以使用相对于自主车辆的参考位置来确定估计的未来位置。例如，该参考位置可以是自主车辆上的最面向后面的点(most rear facing point)、自主车辆的后车轴的中心中的点、自主车辆的后保险杠的点或平面等。在一些示例中，可以基于法律要求来选择参考，该法律要求诸如在交通信号变为红色之前车辆的后轮在路口内的要求。在这样的示例中，点或参考可以包括在后轮胎之一上的点或在后轮胎之间延伸的平面。

使用估计的未来位置，计算机可以确定当交通信号将从黄色改变为红色时，参考位置是否将到达路口内的特定位置。例如，详细地图信息可以限定路口开始和结束的位置以及阈值信息。可替换地，路口的位置可以由车辆的计算机使用传感器信息(诸如来自相机和/或激光器的数据)来确定，以检测路口的典型特征，诸如白色停止线、交通信号的位置或一个或多个其他道路与车辆正在其上驾驶的道路相会的位置。该信息可以用于识别限定车辆应该停止的路口的起点的位置，诸如不比路口处的第一交通信号更远的位置。如果车辆的所估计的位置进入路口并且距限定路口的起点的位置至少阈值距离，则自主车辆可以继续通过路口。如果不是，则自主车辆可以停止。

阈值距离可以最初是预定距离。然而，随着车辆更靠近路口地移动，由于基于其他因素(诸如其他车辆等)改变速度分布的可能性，该阈值实际上可能随着自主车辆接近路口而减小。

因此，本文描述的方面允许自主车辆的计算机响应于黄色交通信号来做出关于是否进入路口的决定。再者，这些方面还允许自主车辆遵守法律要求，该法律要求要求当交通信号变为红色时，车辆使其最后的车轴在路口内。

示例系统

如图1中所示，根据本公开的一个方面的车辆100包括各种组件。尽管本公开的某些方面结合特定类型的车辆特别有用，但是车辆可以是任何类型的车辆，包括但不限于轿车、卡车、摩托车、公共汽车、船、飞机、直升机、割草机、休闲车辆、游乐场车辆、农场设备、建筑设备、电车、高尔夫球车、火车和手推车。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。

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(一个或多个)处理器120执行或以其他方式使用的数据132和指令134。存储器130可以是可由(一个或多个)处理器访问的能够存储信息的任何类型，包括计算设备可读介质或存储数据的其他介质以及其他可写和只读存储器，所述数据可以借助于诸如硬盘驱动器、存储卡、ROM、RAM、DVD或其他光盘的电子设备来读取。系统和方法可以包括前述的不同组合，由此指令和数据的不同部分被存储在不同类型的介质上。

数据132可以根据指令132由(一个或多个)处理器120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限制，但是数据可以存储在计算设备寄存器中，在关系数据库中作为具有多个不同字段和记录的表、XML文档或平面文件。还可以以任何计算设备可读格式来格式化数据。

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由处理器直接处理，或者以任何其他计算设备语言存储，该任何其他计算设备语言包括根据需要解释或预先编译的独立源代码模块的脚本或集合。下面更详细地解释指令的功能、方法和例程。

一个或多个处理器120可以是任何常规处理器，诸如商业可用的CPU。可替换地，一个或多个处理器可以是专用设备，诸如ASIC或其他基于硬件的处理器，诸如现场可编程门阵列(FPGA)。尽管图1在功能上将计算设备110的(一个或多个)处理器、存储器和其他元件示为在同一块内，但是本领域普通技术人员将理解，处理器、计算设备或存储器可以实际上包括可以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的壳体不同的壳体中的硬盘驱动器或其他存储介质。因此，对处理器或计算设备的提及将被理解为包括对处理器或计算设备或存储器的集合的提及，处理器或计算设备或存储器可以或可以不并行操作。

计算设备110可以具有通常结合计算设备(诸如上述处理器和存储器)以及用户输入部150(例如，鼠标、键盘、触摸屏和/或麦克风)和各种电子显示器(例如，具有屏幕的监视器，小型LCD触摸屏或可操作以显示信息的任何其他电气设备)使用的所有组件。在该示例中，车辆包括内部电子显示器152。在这方面，内部电子显示器152可以位于车辆100的舱室内，并且可以由计算设备110使用以向车辆100内的乘客提供信息。

在一个示例中，计算设备110可以是结合到车辆100中的自主驾驶计算系统。该自主驾驶计算系统能够根据需要与车辆的各种组件通信，以便以完全自主的驾驶模式(没有来自驾驶员的输入)以及半自主的驾驶模式(一些输入来自驾驶员)来控制车辆。

作为示例，图2描绘了具有自主的、半自主的和手动(来自驾驶员的连续输入)驾驶模式的车辆的内部设计。在这方面，自主车辆可以包括非自主车辆的所有特征，例如：转向装置，诸如方向盘210；导航显示装置，诸如导航显示器215(其可以是电子显示器152的一部分)；和齿轮选择器装置，诸如齿轮变速杆220。除了前述之外，车辆还可以具有各种用户输入设备140，诸如触摸屏217(再次，其可以是电子显示器152的一部分)或按钮输入部219，用于激活或去激活一个或多个自主驾驶模式，并且用于使得驾驶员或乘客290能够向计算设备110提供诸如导航目的地的信息。

返回图1，当接合时，计算机110可以控制车辆100的这些功能中的一些或全部，并且因此是完全或部分自主的。将理解，尽管在车辆100内示出了各种系统和计算设备110，但是这些元件可以在车辆100外部或者物理上分开很大的距离。

在这方面，计算设备110可以与车辆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、信令系统166、导航系统168、定位系统170和感知系统172，使得一个或多个一起工作的系统可以根据存储在存储器130中的指令134来控制车辆100的移动、速度、方向等。虽然这些系统被示为在计算设备110外部，但是实际上，这些系统也可以并入计算设备110中，再次作为用于控制车辆100的自主驾驶计算系统。

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，以便控制车辆100的方向。例如，如果车辆100被配置为在道路上使用，诸如轿车或卡车，则转向系统可以包括组件以控制车轮的角度来使车辆转向。信令系统166可以由计算设备110使用，以便例如通过在需要时点亮转向信号或制动灯来向其他驾驶员或车辆发出信号通知车辆的意图。

导航系统168可以由计算设备110使用，以便确定到一位置的路线并遵循该路线。在这方面，导航系统168和/或数据132可以存储地图信息，例如，识别道路的形状和高度、车道线、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、草木或其他这样的对象和信息的高度详细的地图。

图3是针对包括路口302的一段道路的详细地图信息300的示例。在该示例中，详细地图信息300包括识别车道线310、312、314，交通信号320、322、324、326，人行横道330、332、334、336的形状、位置和其他特性的信息。虽然本文的示例涉及简化的三灯、三态交通信号(例如，指示车辆可以前进通过路口的绿灯状态，指示车辆可以谨慎前进但可能需要在路口停止的过渡状态的黄灯状态和指示车辆应该在路口之前停止的红灯状态等)，但也可以使用其他类型的交通信号，诸如用于仅右转或仅左转车道的那些交通信号。

另外，详细地图信息包括轨道网络340、342、344，其向车辆的计算机提供用于操纵车辆的指南，使得车辆遵循轨道并服从交通法规。作为示例，车辆的计算机可以通过遵循轨道340，转换到轨道342，并且随后过渡到轨道344来将车辆从点A操纵到点B(实际上不是详细地图信息的部分的两个虚拟位置)，以便在路口302处左转弯。

详细地图信息300还可以包括多个标记350、352、354和356，这些标记指示交通路口的开始，或者如果与车辆的当前车道相对应的交通信号将发出红灯则指示车辆必须停止的点。为了简单起见，没有示出路口302的附加细节，诸如附加交通信号和轨道。虽然本文针对右车道驾驶位置图示地示出示例，但是详细地图信息可以以任何数量的不同方式存储，该不同方式包括数据库、道路图等，并且还可以包括左车道驾驶位置的地图。

计算设备110可以使用定位系统170，以便确定车辆在地图上或在地球上的相对或绝对位置。例如，定位系统170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位置系统也可以用于识别车辆的位置。车辆的位置可以包括绝对地理位置，诸如纬度、经度和高度，以及相对位置信息，诸如相对于紧邻其周围的其他轿车的位置，相对位置信息通常可以以比绝对地理位置具有更少的噪声被确定。

定位系统170还可以包括与计算设备110通信的其他设备，诸如加速度计、陀螺仪或另外的方向/速度检测设备，以确定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、偏航或滚转(或其变化)。设备还可以跟踪速度的增加或减小以及这种变化的方向。可以自动地向计算设备110、其他计算设备和前述的组合提供如本文所陈述的该设备对位置和取向数据的提供。

感知系统172还包括用于检测车辆外部的对象和执行对其的分析的一个或多个组件，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。例如，感知系统172可以包括激光器、声纳、雷达、一个或多个相机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。在车辆是小型客车(诸如轿车)的情况下，轿车可以包括安装在顶部或其他方便位置的激光器以及诸如相机、雷达、声纳和附加激光器的其他传感器。计算设备110可以通过控制各种组件来控制车辆的方向和速度。通过示例的方式，如果车辆完全自主地操作，则计算设备110可以使用来自详细地图信息和导航系统168的数据将车辆导航到一位置。计算设备110可以使用定位系统170来确定车辆的位置，并且可以使用感知系统172来检测对象并在需要时响应于对象以安全地到达该位置。为了这样做，计算设备110可以使车辆加速(例如，通过增加由加速系统162提供给发动机的燃料或其他能量)、减速(例如，通过减少供应到发动机的燃料或通过由减速系统160施加制动)、改变方向(例如，通过转向系统164转动车辆100的前轮或后轮)，并且发出信号通知这种变化(例如，通过点亮信令系统166的转向信号)。

图4是上述车辆100的示例外部视图。如图所示，感知系统172的各种组件可以定位在车辆100上或车辆100中，以便在车辆被驾驶时更好地检测外部对象。在这方面，一个或多个传感器，诸如激光测距仪410和412可以被定位或安装在车辆上。作为示例，一个或多个计算设备110(未示出)可以例如通过将激光测距仪410旋转180度来控制激光测距仪410。另外，感知系统可以包括一个或多个相机420，其安装在车辆100的挡风玻璃的内部以接收和分析关于环境的各种图像。除了激光测距仪410位于图4中的感知系统172的顶部上以及一个或多个相机420内部安装在挡风玻璃上之外，诸如声纳、雷达、GPS等的其他检测设备也可以以类似的方式定位。

一个或多个计算设备110还可以包括诸如发射器和接收器的特征，其允许一个或多个设备向其他设备发送信息以及从其他设备接收信息。例如，一个或多个计算设备可以确定关于交通信号灯的当前状态的信息以及关于交通信号灯的状态何时改变(从绿色到黄色到红色到绿色)的信息。一个或多个计算设备可以将该信息发送到与其他车辆相关联的其他计算设备。类似地，一个或多个计算设备可以从其他计算设备接收这样的信息。例如，一个或多个计算设备可以从与其他自主或非自主车辆相关联的一个或多个其他计算设备接收关于交通信号灯的当前状态的信息以及关于交通信号灯的状态何时改变的信息。作为另一示例，一个或多个计算设备可以利用与交通信号灯相关联的设备接收这样的信息。在这方面，一些交通信号灯可以包括发送出关于交通信号灯的当前状态的信息以及关于交通信号灯的状态何时改变的信息的发射器。

该信息可以经由任何无线传输方法来发送和接收，诸如无线电、蜂窝、因特网、万维网、内联网、虚拟专用网络、广域网、本地网络、专用于一个或多个公司的使用通信协议的专用网络、以太网、WiFi和HTTP以及前述的各种组合。可以通过能够向其他计算机发送数据以及从其他计算机发送数据的任何设备(诸如调制解调器和无线接口)来促进这种通信。

示例方法

除了上述操作和图中所示的操作之外，现在将描述各种操作。应该理解，以下操作不必以下面描述的精确顺序执行。而是，可以以不同的顺序或同时处理各个步骤，并且还可以添加或省略步骤。

如上面所指出的，车辆的一个或多个计算设备可以使用上述各种系统来操纵车辆。例如，图5描绘了包括路口502的一段道路500。车辆100正在接近路口502，并且在如上所述的自主驾驶模式中可以例如由一个或多个计算设备110控制。

在该示例中，路口502对应于详细地图信息300的路口302。在这方面，车道线510、512和514分别对应于车道线310、312和314的形状、位置和其他特性。类似地，人行横道530、532、534和536分别对应于人行横道330、332、334和336的形状、位置和其他特性，并且交通信号526对应于交通信号326的形状、位置和其他特性。为了简单起见，仅示出了单个交通信号526，但是也可以存在与交通信号320、322和324的形状、位置和其他特性相对应的其他交通信号。

自主车辆的一个或多个计算设备可以使用任何已知技术来识别交通信号的状态。例如，使用传感器数据和详细地图信息中的交通信号的预期位置的组合，计算机可以估计与车辆的位置相关的交通信号的大致位置。例如，返回图3，当车辆在点A(对应于图5中的车辆100的位置)时，车辆的计算机可以访问详细地图信息，以便确定交通信号320、322、324和326全部都与车辆100的位置相关。因此，所有其他交通信号，诸如与位于图3中的点B或点C处的车辆相关的交通信号(实际上不是详细地图信息的部分的两个附加的虚拟位置)可以被忽略。然后使用模板、图像中的与颜色检测匹配的图像等，计算机可以确定这些交通信号的状态(红灯、黄灯或绿灯)。可替换地，可以仅根据传感器数据而不参考详细地图信息来估计交通信号的位置。作为另一示例，交通信号的位置可以从另一个设备(诸如与交通信号灯相关联的发射器)接收，和/或从已做出该确定的另一车辆接收。

一个或多个计算设备110还可以识别交通信号何时改变状态。例如，车辆的一个或多个计算设备110可以在短时间段内监视这些交通信号的状态，以确定交通信号何时改变状态。在图5的示例中，车辆的一个或多个计算设备可以基于用于识别交通信号的状态的信息来估计交通信号改变状态时的时间。例如，使用与由车辆的相机每秒数次捕获的图像相关联的时间戳信息，车辆的一个或多个计算设备可以估计交通信号将状态从一种灯颜色改变到另一种灯颜色(诸如从绿灯状态改变到黄灯状态(绿色到黄色))时的时间。然后，该信息可以用于确定是否停止车辆(因为交通信号灯可能最终变为红色)或者继续通过路口而不停止。可替换地，可以从另一个设备(诸如与交通信号灯相关联的发射器)和/或从已经做出该确定的另一车辆接收交通信号将状态从一种灯颜色改变到另一种灯颜色时的时间。

当相关交通信号处于黄灯状态时，车辆的一个或多个计算设备可以基于将需要多少制动功率以使车辆停止在路口来确定是继续通过还是停止在路口处。例如返回图3，如果“d”是点A和标记350(其指示路口302的开始)之间的剩余距离，并且“v”是车辆100的当前速度，则为了停止所需的减速度“a”给定为a＝0.5v^2/d。在该示例中，如果v以米每秒为单位，并且d以米为单位，则减速度a将以米每平方秒为单位。车辆的一个或多个计算设备110可以将减速度a与阈值进行比较，以确定车辆是否应该通行过路口。阈值可以基于对于车辆的乘客来说舒适的制动功率来选择。太大的减速度对于乘客来说可能是可怕的(例如，就好像驾驶员为了在路口处停止而要“猛踩”刹车)。因此，如果该减速度a大于该阈值，则车辆的一个或多个计算设备110可以允许车辆继续通过路口，而如果不是，则车辆的一个或多个计算设备可以停止车辆。

在其他示例中，当车辆的一个或多个计算设备在确定在相关交通信号处于黄灯状态时是否继续通过路口时，可以考虑附加因素。例如，当接近交通信号时，自主车辆的一个或多个计算设备110可以识别交通信号灯将从黄灯状态改变为红灯状态(黄色到红色)时的时间。

在一种情况下，计算机可以首先识别交通信号将保持处于黄灯状态的时间长度。这可以包括访问关于黄色交通信号将保持黄色的时间长度的信息。该信息可以是默认估计值(例如，总是2.5秒)、对特定交通信号或路口的测量的值(例如，特定于交通信号326)，或者该信息可以数学上基于针对车辆100正在行驶的道路的速度限制。作为示例，在25英里每小时的道路上，交通信号灯可以具有大约小于4秒时段的黄灯，而在35英里每小时的道路上，交通信号灯可以具有更长时段的黄灯，诸如4秒或更多秒。可替换地，该信息可以从另一个设备接收，诸如与交通信号灯相关联的发射器，和/或从已经做出该确定的另一车辆接收。

基于所识别的时间长度，车辆的一个或多个计算设备可以识别交通信号将从黄灯状态转变到红灯状态(黄色到红色)时的时间。这可以通过简单地将所识别的时间长度添加到当交通信号从绿灯状态转变为黄灯状态时的估计的时间来完成。可替换地，可以从另一个设备(诸如与交通信号灯相关联的发射器)和/或从已经做出该确定的另一车辆接收交通信号将从黄灯状态转变为红灯状态时的未来时间。

车辆的一个或多个计算设备还可以确定针对车辆的速度分布。速度分布可以描述预期的未来速度，并且在一些情况下描述针对未来多个不同时间的预期的未来加速度和减速度。如上面所指出的，可以针对短暂的时间段(例如，每秒，或者更多或更少，针对接下来的20秒，或者更多或更少)来迭代地确定该速度分布。作为忽略更复杂因素的简单速度分布的示例，车辆的一个或多个计算设备可以假定车辆的当前速度将在短时段内继续(例如，将不存在加速或减速)或者使用车辆的当前速度以及加速度和减速度来估计车辆的未来速度。

还可以使用任何数量的附加约束来确定速度分布，所述附加约束包括但不限于道路速度限制、沿着自主车辆的轨迹的曲率、自主车辆可以执行的最小和最大加速度、加速度的平滑性以及沿着轨迹的其他交通参与者。例如，可以通过在接下来的20秒左右针对每秒分析所有这样的约束来确定速度分布作为成本函数，其中如果自主车辆处于合意状态，则每个成本函数将是较低的值，否则，每个成本函数将是较高的值。通过对每个成本函数值求和，计算机可以选择具有最低总成本值的速度分布。非线性优化可以允许在短时间段内确定解。

另外，在决策逻辑的先前迭代中计算的速度分布也可以用于确定当前速度分布。这可以节省时间来更快地作出决定，因为如果总体交通情形没有突然改变，速度分布通常仅改变很小。

使用速度分布，车辆的一个或多个计算设备可以估计在交通信号将从黄灯状态改变为红灯状态之时自主车辆的未来位置。例如，使用最简单的速度分布(其中车辆的速度不改变)，未来位置可以通过将车辆的速度乘以当前时间与交通信号将从黄灯状态改变为红灯状态时的估计的时间之间的差来确定。可替换地，如果车辆的计算机从另一个设备接收到识别何时交通信号灯将从黄色转变为红色时的未来时间的信息，则该未来时间可以用于估计当交通信号灯将从黄色改变为红色时该自主车辆将位于何处。

当然，在速度分布更复杂的情况下，可以通过找到直到当交通信号将从黄灯状态改变为红灯状态之时车辆的平均速度、并将该值乘以当前时间与当交通信号将从黄灯状态改变为红灯状态时的估计的时间之间的差来简化对未来位置的估计。再者，如果车辆的计算机从另一个设备接收到识别交通信号灯将从黄色转变为红色时的未来时间的信息，则该未来时间可以用于估计当交通信号灯将从黄色改变为红色之时自主车辆将位于何处。图6是当交通信号526相对于道路500的一段从黄灯状态改变为红灯状态之时车辆100的估计的未来位置(以虚线示出，因为它是估计位置)的示例。

可以使用相对于自主车辆的参考位置来确定所估计的未来位置。例如，该参考位置可以是车辆100上的最面向后面的点，如箭头620所指示的车辆的后车轴的中心中的点或沿着该车辆的后车轴的平面的点，如箭头622所指示的车辆的后保险杠的点或平面等。在一些示例中，可以基于法律要求来选择参考，所述法律要求诸如在交通信号转变为红色之前车辆的后轮在路口内的要求。在这样的示例中，点或参考可以包括在后轮之一上的点或者在后轮之间延伸的平面，如箭头620所指示的。

车辆的一个或多个计算设备还可以识别与相关交通信号相关联的路口的起点。例如，如上面所指出的，详细地图信息可以包括限定路口开始和结束的位置的标记以及阈值信息。针对路口的相关标记可以是车辆将在沿着特定轨道的路口之前经过的标记。返回图3，当沿着轨道340从点1朝向路口302行驶时，车辆将首先经过标记350。因此，标记350可以是针对路口302的相关标记。

可替换地，路口的位置可以由车辆的计算机使用传感器信息(诸如来自相机和/或激光器的数据)来确定，以检测路口的典型特征，诸如白色停止线、交通信号的位置或一个或多个其他道路与车辆正在驾驶的道路相会的位置。该信息可以用于识别限定车辆应该停止的路口的起点的位置，诸如不比路口处的第一交通信号更远的位置。

车辆的一个或多个计算设备可以确定车辆以及在某些情况下车辆的参考位置在交通信号将从黄灯状态改变为红灯状态时是否将经过起点至少阈值距离。例如，阈值距离最初可以是基于如上面所述的示例中的车辆的停止功率所选择的预定距离，诸如5米或更多或更少。例如，图7是详细地图信息300的另一示例，但包括指示沿着轨道340经过标记350的阈值距离Th的参考点710。

基于车辆的所估计的未来位置是否被确定为超过起点至少阈值距离，车辆的一个或多个计算设备可以确定车辆是否应该继续通过路口。如果估计的未来位置经过相关标记的位置至少阈值距离(或进入路口至少阈值距离)，则车辆的一个或多个计算设备110可以允许车辆继续通过路口。如果不是，则一个或多个计算设备110可以在标记的位置之前停止车辆。

例如，图8是道路500的一段的示例，其包括当交通信号526从黄灯状态改变为红灯状态之时车辆100的未来的估计位置。然而，该示例还包括图7的标记350的位置和参考点710。这里，车辆100的未来的估计位置(甚至相对于箭头620和622的平面)经过参考点710。在这方面，车辆的一个或多个计算设备可以允许车辆继续通过路口。类似地，如果车辆100在交通信号526从黄灯状态改变为红灯状态之前不经过参考点710的位置，则车辆的一个或多个计算设备可以使车辆在标记350的位置处或在其之前停止。

随着车辆变得更靠近路口，由于基于其他因素(诸如其他车辆等)改变速度分布的可能性，阈值实际上可能减小。例如，如图9中所示，随着车辆100接近路口502，阈值距离Th可能减小到Th'。因此，当车辆100从点E的位置移动到点F的位置时，参考点710可以被重新定位到参考点910的位置。因此，随着车辆100靠近路口502地移动，为了使车辆的一个或多个计算设备允许车辆继续通过路口，车辆不需要进入路口502那么深。

图10是描绘上述一些方面的示例流程图1000，其可以由诸如车辆100的一个或多个计算设备110的一个或多个计算设备执行。在该示例中，在块1010处，接收识别交通信号灯从绿色转变为黄色时的时间的信息。在块1020处，识别交通信号灯将保持黄色的时间长度。在块1030处，基于交通信号灯从绿色转变为黄色时的时间和交通信号灯将保持黄色的时间长度，估计交通信号灯将从黄色转变为红色时的时间。在块1040处，估计在交通信号灯将从黄色转变为红色的估计的时间之时车辆的位置。在块1050处，基于详细地图信息识别与交通信号灯相关联的路口的起点。在块1060处，确定车辆的所估计的位置是否将超过起点至少阈值距离。在块1070处，当车辆的所估计的位置被确定为超过起点至少阈值距离时，确定车辆应该继续通过路口。

在一些示例中，交通信号灯会在交通信号灯将从红色转变为黄色的估计的时间之前变红。这可能由于各种原因，诸如当确定交通信号灯的状态时对灯颜色进行了错误分类、错误地识别交通信号将保持在黄灯状态的时间长度或者简单地因为特定交通信号灯的定时包括一些异常。在这种情况下，例如使用上述制动功率示例，车辆的计算设备可以直接计算车辆是否可以在未进入路口太远的情况下及时停止(例如，出于安全原因不超过1米或者更多或更少)。

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获得独特的优点。由于在不脱离由权利要求限定的主题的情况下可以利用上面论述的特征的这些和其他变体和组合，所以对实施例的前述描述应该作为对由权利要求限定的主题的说明而非限制来看待。此外，本文描述的示例以及措辞为“诸如”、“包括”等的从句不应被解释为将权利要求的主题限制为特定示例；而是，这些示例旨在仅示出许多可能的实施例之一。此外，在不同附图中相同的参考标号可以标识相同或相似的元件。

工业实用性

本发明享有广泛的工业适用性，包括但不限于确定自主车辆或以自主模式驾驶的车辆响应于黄色交通灯是应该前进通过还是应该停止。