技术特征：
1.一种确定自主车辆的让行行为的方法，该方法包括：识别在当前时间点导航通过环境的自主车辆附近的因素；获得穿过意图预测，所述穿过意图预测表征因素意图在当前时间点之后的未来时间段期间穿过第一穿过区域处的道路的预测的可能性；获得(i)因素和(ii)自主车辆的第一特征；使用机器学习模型处理包括第一特征和穿过意图预测的输入，所述机器学习模型被配置为生成意图让行分数，所述意图让行分数表示自主车辆由于因素要穿过道路的意图而应该在到达第一穿过区域之前执行让行行为的可能性；以及至少从意图让行分数，确定指示自主车辆是否应该在到达第一穿过区域之前执行让行行为的意图让行行为信号。2.如权利要求1所述的方法，还包括：获得因素和自主车辆的第二特征；基于第二特征，确定一个或多个标准中的每个标准被满足；以及其中，使用机器学习模型处理输入包括：响应于确定一个或多个标准中的每个标准被满足，仅使用机器学习模型处理输入。3.如权利要求1所述的方法，其中，所述因素的特征包括：与道路的距离、速度、走向、移动性和穿过意图预测中的至少一个。4.如权利要求1所述的方法，其中，所述自主车辆的特征包括：速度、走向、与因素的距离、自主车辆已经让行的持续时间、和自主车辆是否具有路权中的至少一个。5.如权利要求1所述的方法，还包括：获得指示自主车辆是否应该由于因素的名义行为预测、在到达第一穿过区域之前执行让行行为的名义让行行为信号，所述因素的名义行为预测指示因素是否将在未来时间段中穿过道路；以及至少从名义让行行为信号和意图让行行为信号，生成最终让行行为信号。6.如权利要求5所述的方法，还包括：确定最终让行行为信号指示自主车辆应该让行；以及修改自主车辆的未来轨迹以使自主车辆执行让行行为。7.如权利要求1所述的方法，其中，所述机器学习模型是分类模型。8.如权利要求7所述的方法，其中，所述分类模型是决策树模型。9.如权利要求2所述的方法，其中，标准包括：确定自主车辆的速度；将速度与阈值进行比较；以及如果速度低于阈值，则确定满足标准。10.如权利要求2所述的方法，其中，标准包括：确定自主车辆穿越的道路的类型；确定道路的类型是否是不可接受的道路类型；以及如果道路的类型是不可接受的道路类型，则确定不满足标准。11.一种系统，包括一个或多个计算机和存储指令的一个或多个存储设备，所述指令当由一个或多个计算机执行时使一个或多个计算机执行以下操作，包括：
识别在当前时间点导航通过环境的自主车辆附近的因素；获得穿过意图预测，所述穿过意图预测表征因素意图在当前时间点之后的未来时间段期间穿过第一穿过区域处的道路的预测的可能性；获得(i)因素和(ii)自主车辆的第一特征；使用机器学习模型处理包括第一特征和穿过意图预测的输入，所述机器学习模型被配置为生成意图让行分数，所述意图让行分数表示自主车辆由于因素要穿过道路的意图而应该在到达第一穿过区域之前执行让行行为的可能性；以及至少从意图让行分数，确定指示自主车辆是否应该在到达第一穿过区域之前执行让行行为的意图让行行为信号。12.如权利要求11所述的系统，所述操作还包括：获得因素和自主车辆的第二特征；基于第二特征，确定一个或多个标准中的每个标准被满足；以及其中，使用机器学习模型处理输入包括：响应于确定一个或多个标准中的每个标准被满足，仅使用机器学习模型处理输入。13.如权利要求11所述的系统，其中，所述因素的特征包括：与道路的距离、速度、走向、移动性和穿过意图预测中的至少一个。14.如权利要求11所述的系统，其中，所述自主车辆的特征包括：速度、走向、与因素的距离、自主车辆已经让行的持续时间、和自主车辆是否具有路权中的至少一个。15.如权利要求11所述的系统，所述操作还包括：获得指示自主车辆是否应该由于因素的名义行为预测、在到达第一穿过区域之前执行让行行为的名义让行行为信号，所述因素的名义行为预测指示因素是否将在未来时间段中穿过道路；以及至少从名义让行行为信号和意图让行行为信号，生成最终让行行为信号。16.如权利要求15所述的系统，所述操作还包括：确定最终让行行为信号指示自主车辆应该让行；以及修改自主车辆的未来轨迹以使自主车辆执行让行行为。17.如权利要求11所述的系统，其中，所述机器学习模型是分类模型。18.如权利要求12所述的系统，其中，标准包括：确定自主车辆的速度；将速度与阈值进行比较；以及如果速度低于阈值，则确定满足标准。19.如权利要求12所述的系统，其中，标准包括：确定自主车辆穿越的道路的类型；确定道路的类型是否是不可接受的道路类型；以及如果道路的类型是不可接受的道路类型，则确定不满足标准。20.一种或多种非暂时性计算机可读存储介质，存储指令，当所述指令由一个或多个计算机执行时，使一个或多个计算机执行以下操作，包括：识别在当前时间点导航通过环境的自主车辆附近的因素；获得穿过意图预测，所述穿过意图预测表征因素意图在当前时间点之后的未来时间段
期间穿过第一穿过区域处的道路的预测的可能性；获得(i)因素和(ii)自主车辆的第一特征；使用机器学习模型处理包括第一特征和穿过意图预测的输入，所述机器学习模型被配置为生成意图让行分数，所述意图让行分数表示自主车辆由于因素要穿过道路的意图而应该在到达第一穿过区域之前执行让行行为的可能性；以及至少从意图让行分数，确定指示自主车辆是否应该在到达第一穿过区域之前执行让行行为的意图让行行为信号。
技术总结
公开了确定自主车辆的让行行为的包括在计算机存储介质上编码的计算机程序的方法、系统和装置。能够识别自主车辆附近的因素。所获得的穿过意图预测表征因素意图在未来时间段期间穿过道路的预测的可能性。获得因素和自主车辆的第一特征。使用机器学习模型处理包括第一特征和穿过意图预测的输入以生成意图让行分数，所述意图让行分数表示自主车辆由于因素要穿过道路的意图而应该执行让行行为的可能性。至少从意图让行分数，意图让行行为信号被确定并且指示自主车辆是否应该在到达第一穿过区域之前执行让行行为。过区域之前执行让行行为。过区域之前执行让行行为。
技术研发人员：M.姆奈姆内 A.H.多尔西 Q.严
受保护的技术使用者：伟摩有限责任公司
技术研发日：2022.07.29
技术公布日：2023/2/3