一种智能网联道路支持下的自动驾驶协同控制系统和方法与流程

1.本发明涉及自动驾驶系统，尤其涉及一种智能网联道路支持下的自动驾驶协同控制系统和方法，该系统包括智能网联道路(connected automated highway,cah)子系统和智能网联车辆(connected automated vehicle,cav)子系统。cav与cah实时交互，提供协同感知，协同预测决策，协同控制功能，以实现交通管理控制和智能网联车辆控制。


背景技术：

2.特定情境下实现自动驾驶功能的智能网联车辆正处于发展过程中。现有网联车技术依赖各种传感器和计算设备，受限于成本问题(总成本和/或能耗成本)。智能网联车辆的性能取决于传感器的感知能力和计算设备的计算能力。由于感知能力和计算能力相关的技术限制，通过升级cav硬件来克服其在低智能化水平下的局限性的尝试收效甚微。


技术实现要素：

3.发明目的：本发明旨在提供了一种将智能网联道路(cah)的感知、预测、决策和控制能力与智能网联车辆感知、预测决策和控制相结合的技术，通过通信交换和信息融合，提供自动驾驶协同控制系统。在智能网联道路的支持下(一些实施例中，在智能道路基础设施系统(intelligent road infrastructure subsystem，iris))的支持下，为具有有限功能的cav车辆提供自动驾驶功能(例如，在低智能化水平(例如，低于2的智能化水平))。
4.技术方案：最近，人们开发了自动驾驶系统和方法来解决这些问题。例如，u.s.pat.app.ser.no.15/628331、16/509615、16/135916、16/267836、16/776846、16/505034、62/894703、63/004551、63/004564和63/042620描述了自动驾驶系统(automated driving system，ads)和/或其组件，每一项都通过引用并入本发明中。
5.在一些实施例中，本发明提供的技术涉及包含cav和cah的自动驾驶系统及多种类型的传感器和计算设备。
6.在一些实施例中，自动驾驶系统集成了cav和cah的功能，并且集成了cav和cah提供的信息和数据以进行协同感知、协同预测和决策以及协调控制，为cav提供自动驾驶服务。
7.在一些实施例中，结合cav和cah功能和信息的自动驾驶系统提供了用于cav的协同控制的技术，例如，为cav提供自动驾驶系统。该技术为智能化等级为3或以上的车辆提供了自动驾驶系统。
8.在一些实施例中，该技术涉及自动驾驶协同控制系统(ads)。ads被配置为在智能等级i的cah上，为智能等级v的cav提供智能等级s的自动驾驶协同控制。智能等级i大于智能等级v。智能等级v小于2(例如，v为1.5)。
9.在一些实施例中，自动驾驶系统包括cah子系统和cav子系统。在一些实施例中，ads还包括交通运营中心(traffic operation center，toc)。在一些实施例中，ads还包括支撑系统。在一些实施例中，cah子系统包括智能道路基础设施系统(iris)子系统。
10.在一些实施例中，iris子系统包括路侧智能单元(roadside intelligent unit，riu)、交通控制中心(traffic control center，tcc)和/或交通控制单元(traffic control unit，tcu)。cah子系统包括了道路和道路基础设施。riu被配置成感知和/或融合交通状态信息、传递交通状态信息和/或发出控制指令(例如，向单个车辆发出详细和实时的控制指令)。
11.在一些实施例中，riu包括协同感知模块、计算融合模块、通信模块和/或定位模块。tcu被配置成与另一tcu传递信息、处理信息、从tcc接收指令、发出指令和/或集成本地和全局控制决策。tcu包括数据交换和控制模块、通信模块、服务管理模块、应用模块和/或交互接口。
12.在一些实施例中，tcc被配置为完成所述的iris系统的硬件设备和/或功能服务交互、支持智能分发和/或执行自动驾驶控制功能。tcc被配置为通信和/或数据交换。tcc包括数据服务模块、传输模块、服务管理模块、管理应用模块和/或用户交互接口。
13.在一些实施例中，自动驾驶系统还包括智能网联车辆(cav)。cav包括智能车载单元(viu)。viu与cah子系统交互并与所述iris子系统协作以提供cav的协同控制。
14.在一些实施例中，viu为自动驾驶提供计算功能、通信功能以及执行功能。viu由车载传感模块、车载计算模块、车载执行模块和/或车载通信模块组成。
15.在一些实施例中，toc被配置成与交通控制中心实时交换信息；向车辆和/或iris发布与驾驶环境相关的信息；计算自动驾驶服务费用；收集和分发外部信息；和/或提供道路运营、维护管理、施工服务，和/或救援服务。
16.在一些实施例中，外部机构提供了外部信息。外部机构是气象台、广播站或政府机构。
17.在一些实施例中，自动驾驶系统被配置成提供协同感知、协同预测和决策，以及协同控制功能。自动驾驶系统被配置成执行协同感知方法、协同预测、和/或协同控制方法。
18.在一些实施例中，协同感知包括收集交通状态和/或环境数据以确定道路位置；确定动态交通状态；确定静态交通状态；和/或检测和/或识别障碍物。协同感知还包括了确定车辆位置、速度、加速度和/或状态。
19.在一些实施例中，协同感知包括使用车辆运动感知数据和信息来校正交通和/或车辆位置、速度、加速度和/或状态。在一些实施例中，协同感知包括检测交通标志、交通信号灯和/或交通基础设施。在一些实施例中，协同感知包括使用高精度地图定位车辆。在一些实施例中，协调感测包括使用无地图定位来定位车辆。
20.在一些实施例中，协同感知包括在微观、中观和宏观层面上感知和收集环境信息。在一些实施例中，协同感知包括与iris和/或智能网联车辆协同感知相关信息。在一些实施例中，宏观层面信息感知包括收集描述交通控制措施、交通拥挤状况和/或可驾驶区域的信息。在一些实施例中，中观层面信息感知包括收集通行能力、密度和/或交通流的信息。在一些实施例中，微观层面信息感知包括收集描述车辆位置、车辆轨迹和/或车辆车头时距的信息。在一些实施例中，车辆位置信息包括第一车辆的位置，靠近、邻近和围绕第一车辆的一个或多个其他车辆的信息。
21.在一些实施例中，自动驾驶系统使用riu来提供全局交通信息，并使用viu来提供局部交通信息以实现协同感知。在一些实施例中，全局交通信息包括外部交通状态和环境
数据；和/或部分智能网联车辆内部信息。在一些实施例中，交通信息包括车辆内部信息、驾驶员状态和部分外部环境信息。
22.在一些实施例中，由viu感知的信息被传送到cav以识别紧急情况。在一些实施例中，由viu和/或riu感知到的信息被发送到tcc。在一些实施例中，使用iris子系统发送由viu和/或riu感知的信息。在一些实施例中，viu和/或riu感知到的信息由tcu发送到tcc。
23.在一些实施例中，tcc对viu和/或riu感知到的信息与其他信息进行信息融合。在一些实施例中，信息融合括融合viu和riu的信息以提供交通场景信息。在一些实施例中，信息融合包括融合viu和riu的信息，以提供完整和/或基本上完整和/或基本上完整的交通场景信息。
24.在一些实施例中，信息融合包括使用viu感知信息以校准riu感知信息。在一些实施例中，信息融合包括使用viu感知信息作为安全冗余信息。在一些实施例中，信息融合包括使用riu感知信息来校正和/或补充由viu感知的外部交通信息。在一些实施例中，信息融合包括使用riu感知的信息来校正和/或补充viu感知的不完整的外部交通信息。在一些实施例中，viu部分或完全失效。
25.在一些实施例中，协同感知和决策包括cav和iris的协同感知和/或决策功能。在一些实施例中，协同预测和决策包括预测交通状态和交通行为。在一些实施例中，协同预测和决策包括预测驾驶行为。在一些实施例中，协同预测和决策包括做出决策来管理交通状态和行为。
26.在一些实施例中，协同预测和决策包括微观、中观和宏观层面的预测和决策。
27.在一些实施例中，宏观层面的预测和决策包括预测交通状态、预测网络需求和/或预测驾驶环境。在一些实施例中，宏观层面的预测和决策包括做出决策以形成和/或管理车队策略；和/或规划车辆路径轨迹。在一些实施例中，宏观层面的预测和决策包括通过感知和/或预测来获得和/或确定交通流参数。在一些实施例中，中观层次的预测和决策包括预测特殊事件、预测天气、预测交通形成、预测交通拥挤、预测车辆换道和跟驰行为。
28.在一些实施例中，中观层面的预测和决策包括做出决策以控制特殊事件区域、工作区、减速带、入口匝道和/或出口匝道附近的车辆和/或交通。在一些实施例中，微观层面的预测和决策包括预测驾驶员行为、预测车辆轨迹和/或预测周围车辆的运动。
29.在一些实施例中，微观层面的预测和决策包括车辆的横向控制和/或车辆的纵向控制。在一些实施例中，车辆的纵向控制包括速度跟踪；车头间距保持；和/或为安全、高效交通流和/或节能驾驶的自动驾驶车道管理。在一些实施例中，车辆的横向控制包括车道保持和/或换道。在一些实施例中，微观层面的预测和决策包括提供车辆横向和纵向控制参数。
30.在一些实施例中，协同预测和决策包括cah和iris子系统的协同预测、决策的能力和/或功能。在一些实施例中，协同预测和决策包括tcc、iris子系统和viu的协同预测、决策能力和/或功能。
31.在一些实施例中，协同预测和决策包括使用来自iris子系统和viu的多源感知信息。在一些实施例中，协同预测和决策包括多模式阈值条件的使用。在一些实施例中，协同预测和决策包括对系统安全和/或系统效率的多模式阈值条件的使用。
32.在一些实施例中，tcc被配置成执行宏观和/或中观预测和决策。在一些实施例中，
tcc被配置成规划和/或预测车辆驾驶环境和路网交通状态。在一些实施例中，tcc被配置成向cav提供车辆驾驶环境和路网交通状态。在一些实施例中，tcc被配置成执行宏观级别的预测和决策功能，包括路网调度、行程引导、紧急救援、事件通知和/或服务功能。
33.在一些实施例中，tcc被配置成执行包括事件预测、拥堵确定和/或天气预测的中观层级功能。在一些实施例中，tcc被配置成管理cav控制命令和/或管理cav车队策略。在一些实施例中，viu被配置成执行微观预测和决策。在一些实施例中，微观预测和决策包括预测车辆轨迹。在一些实施例中，微观预测和决策包括感知和/或预测周围车辆的位置、速度和/或加速度。
34.在一些实施例中，协同预测和决策是指cav子系统为智能化等级为1或更高的cav车辆提供紧急制动和安全制动决策的控制。在一些实施例中，cav子系统使用cav感知和预测和/或cav避障功能。在一些实施例中，协同预测和决策包括cav使用所述cav的感知和预测来控制车辆操作。
35.在一些实施例中，cav执行决策以实现cav的横向控制参数和/或纵向控制参数。在一些实施例中，viu被配置成比所述tcc执行更微观的预测和决策。在一些实施例中，tcc被配置成执行比所述viu更宏观和中观的预测和决策。
36.在一些实施例中，viu被配置成执行所述微观预测和决策的一部分。在一些实施例中，tcc被配置成执行全部或基本上全部或有效地执行所有宏观和中观预测和决策。在一些实施例中，tcc和所述viu协同以在微观尺度上提供交通协同预测。
37.在一些实施例中，riu感知数据和viu感知数据进行融合以提供交通和/或车辆特性的宏观和/或微观信息。在一些实施例中，微观层级上的交通协同预测基于融合的描述交通特征的的宏观和/或微观数据。在一些实施例中，分析和预测cav位置、速度和/或加速度信息。
38.在一些实施例中，分析和/或预测cav横向控制和/或cav纵向控制。在一些实施例中，tcc和所述viu协同为道路和交通安全提供协同决策。在一些实施例中，tcc和所述viu协同为cav跟驰、车道保持、换道、间距提供协同决策。在一些实施例中，tcc和所述viu协调提供cav车辆跟随、cav车道保持、cav车道改变和/或cav间距的协同决策。在一些实施例中，tcc和viu进行协同，为cav提供微观控制。
39.在一些实施例中，iris子系统和cav协同以提供安全的cav控制指令和交通管控指令。在一些实施例中，iris子系统和所述cav协同以提供交叉口交通预测和控制方案。在一些实施例中，iris子系统和/或所述cav被配置为cav提供安全避障预测和决策。
40.在一些实施例中，ads被配置为通过使用所述iris和/或所述cav提供的避障预测信息，为安全的交通行为提供预测和决策。在一些实施例中，ads协同由所述cav子系统和所述cah子系统控制cav。在一些实施例中，cah子系统被配置成控制可以控制cav车辆和/或交通流。
41.在一些实施例中，cah子系统被配置成主动和动态地分配道路交通。在一些实施例中，cav子系统和所述cah子系统协同以提供cav控制指令(例如，针对单个车辆的详细且实时的控制指令)。在一些实施例中，cav的控制指令包括车辆横向控制的指令和/或纵向控制的指令。在一些实施例中，cav控制指令通过cah子系统传输到cav。在一些实施例中，ads被配置成提供cav控制指令的执行结果，检测执行结果，并备份执行结果。
42.在一些实施例中，cah子系统和所述cav子系统协同以提供用于符合安全准则的cav控制指令和交通管控指令。在一些实施例中，cav控制策略应用于路段和道路网络。在一些实施例中，ads在异常路况和/或异常交通条件下提供符合安全准则的cav控制指令和交通管控指令。在一些实施例中，ads被配置为将控制功能分配给所述cav子系统和所述cah子系统。
43.在一些实施例中，控制功能提供精确安全的自动驾驶服务。在一些实施例中，cav子系统和所述cah子系统协同以在微观层面、中观层面和/或宏观层面上控制车辆和/或交通。在一些实施例中，宏观层面包括控制交通流、动态分配交通、管理车道和/或分配系统资源。在一些实施例中，中观层面包括控制车队和/或控制智能道路基础设施。
44.在一些实施例中，微观层面包括控制车速、控制车辆加速度、控制车辆纵向位置和/或控制车辆横向位置。在一些实施例中，cav从iris接收指令。在一些实施例中，viu从iris接收指令，并且所述viu控制和/或调整cav速度、加速度、转向角、车辆纵向位置和/或车辆横向位置。
45.在一些实施例中，该技术涉及方法。例如，在一些实施例中，该技术提供了用于协同控制cav的方法。在一些实施例中，方法包括从tcc分发车辆控制和交通管理指令，并通过riu实现车辆控制和交通管理指令。在一些实施例中，车辆控制和交通管理策略包括车辆控制和交通管理指令。
46.在一些实施例中，车辆控制和交通管理策略在微观、中观和/或宏观层面上控制车辆并管理交通。在一些实施例中，车辆控制和交通管理策略包括车速限制、车道管理和/或交通信号管理。在一些实施例中，车辆控制和交通管理策略还包括从所述riu向cav发送车辆控制指令(例如，针对单个车辆的详细和时间敏感的控制指令)。在一些实施例中，车辆控制和交通管理策略还包括通过cav执行所述车辆控制指令。
47.在一些实施例中，方法还包括检测riu执行车辆控制指令的状态。在一些实施例中，方法还包括将车辆控制指令的执行状态传送到所述tcc。在一些实施例中，方法还包括通过riu向车辆发出异常驾驶情况的警报。在一些实施例中，方法还包括向所述tcc报告所述异常驾驶情况。在一些实施例中，所述车辆是接收车辆控制指令的cav。在一些实施例中，所述车辆是接收控制指令的车辆附近、相邻和/或周围的车辆。
48.在一些实施例中，该技术提供了一种用于协同控制cav的方法。在一些实施例中，方法包括从riu向viu发送车辆控制指令(例如，针对单个车辆的详细和实时的控制指令)。在一些实施例中，控制指令包括车辆油门、制动和转向角的指令。在一些实施例中，方法还包括通过cav执行所述控制指令。在一些实施例中，方法还包括紧急情况检测。在一些实施例中，紧急情况由车辆检测。
49.在一些实施例中，紧急情况由cav子系统检测。在一些实施例中，紧急情况由cah子系统检测。在一些实施例中，紧急情况由iris子系统检测。另外，在一些实施例中，通过cav的紧急动作执行来避免障碍物。在一些实施例中，所述cav的紧急避障模块提供用于由所述cav执行紧急避障动作的车辆控制指令。
50.在一些实施例中，紧急避障动作包括刹车制动。在一些实施例中，方法还包括向tcc报告所述紧急情况。在一些实施例中，方法还包括通过协同cav子系统和cah子系统来提供cav的协同控制。在一些实施例中，ads执行所述协同cav子系统和cah子系统的任务。在一
些实施例中，方法还包括通过协同cav子系统和cah子系统来提供cav的协同控制。在一些实施例中，ads执行所述协同cav子系统和cah子系统的任务。
51.本说明书的部分内容根据对信息的操作算法和符号表示来描述该技术的实施例。这些算法描述和表示通常由数据处理领域的技术人员用于将其工作的实质有效地传达给本领域技术人员。这些操作虽然在功能上、计算上或逻辑上被阐述，但被理解为通过计算机程序或等效电路、微码等来实现。此外，有时为了方便将这些操作安排称为模块，而不失一般性。所描述的操作及其相关联的模块可以体现在软件、固件、硬件或其任何组合中。
52.本文所述的某些步骤、操作或过程可以单独地或与其它设备组合使用一个或多个硬件或软件模块来执行或实现。在一些实施例中，软件模块由计算机程序产品实现，该计算机程序产品包括包含计算机程序代码的计算机可读介质，该计算机程序可由计算机处理器执行，以执行所述的任何或所有步骤、操作或处理。
53.在一些实施例中，系统包括虚拟提供的计算机和/或数据存储(例如，作为云计算资源)。在具体实施例中，该技术包括使用云计算来提供虚拟计算机系统，该虚拟计算机系统包括如本文所述的计算机的组件和/或执行计算机的功能。因此，在一些实施例中，云计算通过网络和/或通过因特网提供如本文所述的基础设施、应用程序和软件。在一些实施例中，计算资源(例如，数据分析、计算、数据存储、应用程序、文件存储等)通过网络(例如，因特网；cavh、iris或cah通信；和/或蜂窝网络)远程提供。参见，u.s.pat.app.ser.no.20200005633，通过引用并入本文。
54.该技术的实施例还可以涉及用于执行本文中的操作的设备。该装置可为所需目的而专门构造和/或可包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算装置。这样的计算机程序可以存储在非暂时的、有形的计算机可读存储介质或适合于存储电子指令的任何类型的介质中，所述介质可以耦合到计算机系统总线。此外，说明书中提及的任何计算系统可以包括单处理器，或者可以是采用多处理器设计以提高计算能力的体系结构。
55.基于本文所包含的教导，对于相关领域的技术人员来说，附加实施例将是显而易见的。
附图说明
56.图1为智能网联道路支持下的自动驾驶协同控制系统和方法整体架构。101：智能网联道路子系统；102：智能网联车辆子系统；103：交通运营中心；104：支撑系统；105：交通运行状态与环境协同感知方法；106：交通协同预测决策方法；107：交通协同控制方法。
57.图2示出了智能网联道路上自动驾驶协同控制系统的整体架构。201：智能网联道路系统(cah)；202：智能网联车辆(cav)；203：交通运营中心(toc)；204：支撑子系统；205：交通控制中心(tcc)；206：交通控制单元(tcu)；207：智能路侧单元(riu)；208：感知模块；209：计算融合模块；210：通信模块；211：定位模块；212：智能车载单元(viu)；213：感知模块；214：执行模块；215：通信模块；216：计算模块；217：实时信息交换；218：自动计费系统；219：外部信息对接；220：营运养护施工；221：应急救援服务；222：融合计算平台；223：实时通信网络；224：电力供应网络；225：网络安全系统；226：高精地图定位。
58.图3示出了智能路侧设施系统(iris)布设方式。301：智能车载单元；302：智能路侧
单元；303：交通控制单元；304：交通运营中心；305：交通控制中心；306：支撑系统；307：中云；308：viu与riu之间的数据传输；309：riu与tcu之间的数据传输；310：toc与tcu(微云)之间的数据传输；311：toc和tcc之间的数据传输。
59.图4示出了智能路侧单元(riu)的布设方法和框架。401：感知模块；402：系统模块；403：通信模块；404：计算融合模块；405：路中监测节点；406：路面监测节点；407：监测节点与系统模块通信；408：交通控制中心与系统模块通信。
60.图5所示为交通控制中心的系统结构和控制逻辑。501：tcc；502：tcu；503：riu；504：viu；505：智能分配功能及服务；506：自动驾驶控制功能及服务。
61.图6为交通运营中心的功能架构。601：交通运营中心；602：实时信息交互；603：外部信息交互；604：公路服务；605：自动驾驶服务费计算。
62.图7为智能网联道路系统支持下的自动驾驶协同控制方法逻辑流程。701：协同感知；702：viu感知；703：riu感知；704：车辆内部参数感知；705：车辆周边环境信息感知；706：车辆运动状态感知；707：交通状态信息感知；708：交通环境信息感知；709：来自外部系统的传入数据；710：基于riu信息的融合；711：车辆轨迹预测与控制决策；712：协同预测；713：车辆轨迹预测；714：交通状态预测；715：交通事件预测；716环境信息预测；717：协同决策；718：车辆控制决策；719：交通控制决策；720：协同控制；721：基于安全准则的紧急避障；722：车辆控制；723：交通控制。
63.图8为交通协同感知功能感知信息框架。801：交通运行状态和环境感知；802：交通管控措施；803：可行驶区域；804年：交通拥堵；805：交通容量；806：交通流量；807：车辆密度；808：车辆位置；809：车辆轨迹；810：车头时距/间距。
64.图9显示了智能网联汽车和智能网联道路的协同感知功能分配。901：全场景信息感知；902：智能网联汽车感知到的信息(例如，cav子系统中的一个或多个cav和/或cav子系统感知的信息)；903：智能网联道路子系统感知到的信息(例如，cah子系统中的cah和/或cah子系统感知到的信息)。
65.图10为交通协同预测与决策方法的信息内容与分配。1001：流量预测与决策；1002：交通状态预测；1003：驾驶环境预测；1004：网络需求预测；1005：紧急状况安全调整；1006：车辆路径(od)；1007：交通事故；1008年：天气状况预测；1009：交通拥堵预测；1010：交通事件预测；1011：施工区管理；1012：车队预测；1013年：轨迹规划；1014：避障决策；1015：驾驶行为预测；1016：车辆横向控制；1017：车辆纵向控制。
66.图11显示了交通协同控制方法和流程。1101：协同控制；1102：车道管理；1103：动态交通流量分配；1104：交通流控制；1105：车队控制；1106：信号控制；1107：车辆横向控制；1108：车辆纵向控制。
67.图12显示了一种交通协调控制方法示例。1201：协同预测与决策；1202：控制指令分解分发和备份；1203：riu信息交互接口；1204：cah子系统；1205：viu信息交互接口；1206：车辆紧急避障信息；1207：车辆横向和纵向控制；1208：制动；1209：加速；1210：转向；1211：发出控制指令和检测执行状态；1212：备份控制信息。
68.图13为自动驾驶协同控制系统和方法交通事故特殊工况信息流程图及控制方法。1301：viu；1302：riu；1303：tcu；1304：tcc；1305：toc。
69.图14为自动驾驶协同控制系统和方法交通事故特殊工况处理流程图。1401：某路
段发生事故；1402：事故的系统感知；1403：激活事故工况；1404：事故系统响应；1405：系统感知事故处理的完成；1406：激活正常工况。
70.应当理解，以上的图片不一定是按比例绘制的，图形中的对象也不一定是按彼此之间的比例绘制的。这些图形是旨在使本发明公开的仪器、系统和方法的各种实施例得到清晰和易于理解的描述。在可能的情况下，所有的图片中使用相同的参考编号来表示相同或类似的部件。此外应当感谢的是，这些图片并不打算以任何方式限制当前专利保护的范围。
具体实施方式
71.下面结合附图对本发明的技术方案作进一步说明。
72.本专利提供了与自动驾驶相关的技术，更具体地说，包括与智能网联道路子系统实时交互的智能网联车辆子系统的车路协同自动驾驶系统。该自动驾驶系统提供用于交通运输管控和智能网联车辆驾驶的协同感知，协同预测与决策以及协同控制。
73.在各种实施例的详细描述中，为了说明目的，阐述了许多具体细节，以提供对所公开的实施例的全面理解。然而，该领域有经验的技术人员将理解，可以在具有或没有这些特定细节的情况下实践这些实施例。在其他实例中，结构和设备以框图形式表示。此外，本领域技术人员可以容易地理解，本文提出和执行方法的具体顺序是说明性的，并且可以预期，这些顺序可以变化，并且仍然保持在本文公开的各种实施方案的范围内。
74.本技术中引用的所有文献和类似材料，包括但不限于专利、专利申请、文章、书籍、论文和互联网网页，均为任何目的明确地完整纳入引用。除非另有定义，此处使用的所有技术和科学术语具有与此处所描述的各种实施例所属的常规技术之一中所理解的具有相同含义。当所结合的参考文献中的术语的定义看起来与本教导中提供的定义不同时，以本教导中提供的定义为准。本文使用的章节标题仅用于组织目的，不能被解释为以任何方式限制所描述的主题。
75.定义
76.为进一步加深对本技术的理解，下面定义了一系列术语和短语。并在整个详细描述中对附加定义进行了阐述。
77.在整个说明书和权利要求书中，除非上下文另外明确指出，否则以下术语具有本文明确关联的含义。本文使用的短语“在一个实施例中”虽然可以，但不一定指相同的实施例。此外，本文使用的短语“在另一实施例中”虽然可以，但不一定指代不同的实施例。因此，如下所述，在不脱离本发明的范围或精神的情况下，可以容易地组合本发明的各种实施例。
78.另外，本文所使用的术语“或”是包括性的“或”运算符，并且等同于术语“和/或”,除非上下文另有明确规定。术语“基于”不是排他性的，并且允许基于未描述的其他因素，除非上下文另有明确规定。另外，在整个说明书中，“一个”，“一种”和“该”的含义包括复数引用。“在...中”的含义包括“在...中”和“在...上”。
79.本文中所使用的术语“大约”，“近似”，“基本上”和“显着”是本领域普通技术人员理解的，并且在使用它们的上下文中将在一定程度上变化。如果在给定使用上下文的情况下存在对本领域普通技术人员而言尚不清楚的这些术语的使用，则“约”和“大约”是指小于或等于特定术语的10％“基本上”和“显着”是指该特定术语的正负大于10％。
80.在这里，区间的公开包括所有值的公开以及整个区间内进一步划分的区间，包括区间的端点和子区间。
81.本文所使用的前缀“无”是指技术的实施例，其省略了单词“无”的词根的特征。即，如本文所使用的术语“无x”是指“无x”，其中x是“无x”技术中省略的技术的特征。例如，“无钙”组合物不包含钙，“无混合”方法不包括混合步骤等。
82.尽管此处可以使用术语“第一”，“第二”，“第三”等来描述各种步骤，元素，组成，组件，区域，层和/或部分，但是这些步骤，元素，组成，组件，除非另外指出，否则区域，层和/或部分不应受这些术语限制。这些术语用于区分一个步骤，元素，组成，组件，区域，层和/或部分与另一步骤，元素，组成，组件，区域，层和/或部分。除非上下文明确指出，否则本文中使用的诸如“第一”，“第二”和其他数字术语之类的术语并不暗示顺序或次序。因此，在不脱离技术的情况下，本文讨论的第一步，元件，组成，组件，区域，层或部分可以被称为第二步，元件，组成，组件，区域，层或部分。
83.在这里，“增加”或“减少”是指一个可检测的(例如，测量的)正或负的变化，分别在变量的值相对于先前测量的变量值，相对于预先确定的值，和/或相对于标准控制的值。相对于先前测量的变量值、预先确定的值和/或标准控制的值，增加是一个积极的变化，最好至少是10％，更最好是50％，更最好是2倍，甚至更最好是至少5倍，最最好是至少10倍。同样，下降是一个负变化，最好是至少10％，更最好是50％，更最好是至少80％，最最好是至少90％的变量的先前测量值，预先确定的值，和/或标准控制的值。其他表示数量变化或差异的术语，如“多”或“少”，在这里使用的方式与上面描述的相同。
84.在这里，“系统”指的是为了一个共同的目的而一起工作的多个真实和/或抽象组件。在某些实施例中，“系统”是硬件和/或软件组件的集成组合。在某些实施例中，系统的每个组件与一个或多个其他组件交互并且/或与一个或多个其他组件相关。在某些实施例中，系统指用于控制和指导方法的组件和软件的组合。
85.如本文所用，术语“智能网联交通系统”(“cavh系统”)是指为智能网联车辆(cav)提供完备的车辆管理和控制的综合系统，更具体地说，向控制cav的系统发送车辆跟驰、变道、路径引导和相关信息的详细且实时的控制指令。cavh系统包括通过管理整个运输系统的路段和节点连接的传感、通信和控制组件。cavh系统包括四个控制级别：a)车辆；b)路边单元(rsu)；c)交通控制单元(tcu)；d)交通控制中心(tcc)。见美国专利编号20180336780、20190244521和/或20190096238，其每一个通过引用并入本文。
86.如本文所用，术语“智能道路基础设施系统”(“iris”)是指为cavh系统促进车辆管理和控制的系统。见美国专利编号20190244521和/或20190096238，每一个都通过引用并入本文。
87.如本文所使用的，术语“gps”是指向接收器提供地理位置和时间信息的全球导航卫星系统(gnss)。全球导航卫星系统的例子包括但不限于美国开发的全球定位系统、差分全球定位系统(dgps)、北斗导航卫星系统(bds)系统、glonass全球导航卫星系统、欧盟伽利略定位系统、印度的navic系统，日本的准天顶卫星系统。
88.如本文所用，术语“车辆”是指任何类型的动力运输装置，其包括但不限于汽车、卡车、公共汽车、摩托车或船。车辆通常可以由操作员控制，也可以无人驾驶，以另一种方式远程或自主操作，例如使用方向盘、换档、制动踏板和油门踏板以外的控制装置。
89.如本文所用，术语“自动车辆”(缩写为“av”)是指自动模式下的自动车辆，例如，在任何自动化水平(例如，根据sae国际标准j3016定义，“道路机动车辆驾驶自动化系统相关术语的分类和定义”(2014年出版(j3016_201401)，2016年修订(j3016_201609)和2018年修订(j3016_201806)，通过引用将其并入本文)。
90.如本文所使用的，术语“分配”、“分配”和指代资源分配的类似术语还包括分配、安排、提供、管理、分配、控制和/或协调资源。
91.如本文所用，术语“cv”是指智能网联车辆，例如，配置用于任何级别的通信(例如，v2v、v2i和/或i2v)。
92.如本文所使用的，术语“cav”是指能够与其他车辆(例如，通过v2v通信)、路侧智能单元(riu)、交通控制信号和/或其他基础设施(例如，cah系统、iris和/或cavh系统)或装置进行通信的自动驾驶车辆。也就是说，术语“智能网联车辆”或“cav”是指具有任何级别的自动化(例如，如sae国际标准j3016(2014)所定义)和通信(例如，v2v、v2i和/或i2v)的智能网联车辆。
93.如本文所用，术语“数据融合”是指集成多个数据源以提供比多个数据源的任何单个数据源更一致、更准确和更有用的信息(例如，融合数据)。
94.如本文所使用的，术语“配置的”是指被构造和/或编程以执行所指示的功能的组件、模块、系统、子系统等(例如，硬件和/或软件)。
95.如本文所用，术语“确定”、“计算”、“计算”及其变体可交换地用于任何类型的方法、过程、数学运算或技术。
96.如本文所使用的，术语“可靠性”是指对没有故障和/或错误的系统性能的度量(例如，统计度量)。在一些实施例中，可靠性是系统在没有故障和/或错误的情况下执行的时间长度和/或功能周期数的度量。
97.如本文所使用的，术语“支持”当用于参考ads的一个或多个组件和/或向ads和/或车辆的一个或多个其他组件提供支持和/或支持的车辆时，指例如，ads和/或车辆的组件和/或级别之间的信息和/或数据交换，在ads和/或车辆的组件和/或级别之间发送和/或接收指令，和/或在ads和/或车辆的组件和/或级别之间提供诸如信息交换、数据传输、消息传递和/或警报等功能的其他交互。
98.如本文所用，术语“ads组件”或“ads组件”单独和/或共同指ads和/或cavh系统的一个或多个组件，例如viu、riu、tcc、tcu、tcc/tcu、toc、cav、cah、cav子系统、cah子系统、支持子系统和/或云组件。
99.在本文所使用的术语“关键点”指道路上的一点或者一片区域，其被识别为适合于提供本文所提供的功能分配技术的实施例。在一些实施例中，临界点被分类为“静态临界点”，在另一些实施例中，临界点被分类为“动态临界点”。本文中所使用的“静态临界点”是指道路的一点(例如，区域或位置)，其基于对道路和/或交通状况的识别，通常是恒定不变的或变化非常缓慢(例如，变化的时间长度超过一天，一周或一个月)，或者仅通过计划中的基础架构重建来完成。在本文所使用的“动态临界点”是指道路的一点(例如，区域或位置)，其基于对随着时间(例如，在可预测的情况下，可预测地或不可预测地)变化的道路状况的识别而成为临界点。时间范围为一个小时，一天，一周或一个月。基于历史碰撞数据，交通标志，交通信号，交通通行能力和道路几何形状的临界点是实施例的静态临界点。基于交通振
荡，实时交通管理或实时交通事件的临界点是实施例动态临界点。
100.在一些实施例中，使用例如历史碰撞数据(例如，前20％(例如，前15-25％(例如，前15、16、17、18、19、20、21、22，23％，24％或25％))，将道路系统中最常见的碰撞点确定为临界点)；交通标志(例如，在检测到某些交通标志(例如，容易发生事故的区域)被识别为临界点)；交通流量最大的区域(例如，前20％(例如，前15-25％(例如，前15、16、17、18、19、20、21、22、23、24或25％))被确定为关键点)；道路几何形状(例如，具有关键道路几何形状的道路(例如，曲线，盲点，山丘，交叉路口(例如，信号交叉口，停车标志交叉口，屈服标志交叉口)，环岛)被标识为临界点)；交通振荡(例如，具有重大交通振荡的点被识别为临界点)；实时交通管理(例如，具有潜在交通管理的点被确定为关键点)；和/或实时交通事故(例如，具有交通事故(例如，事故，碰撞，交通拥堵，建筑或维护，与天气有关的事件等)或车辆故障的点被识别为关键点)。
101.在本文所使用的，术语“微观的”，“中观的”，“宏观的”是指时间和空间上的相对标度。在一些实施例中，标尺包括但不限于与各个车辆有关的微观水平(例如，纵向运动(跟随车辆，加速和减速，停止和站立)和横向运动(保持车道，改变车道))，与道路走廊和/或路段有关的中观级别(例如，特殊事件提前通知，事件预测，合并和分叉，排分割和整合，变速限制预测和反应，路段行驶时间预测和/或路段交通流量预测)，以及与整个道路网络有关的宏观层次(例如，潜在拥堵的预测，潜在事件的预测，网络流量需求的预测，网络状态的预测，网络旅行时间的预测)。在一些实施例中，微观级别的时间标度为1至10毫秒，并且与诸如车辆控制指令计算之类的任务有关。在一些实施例中，中观水平的时间标度通常为10至1000毫秒，并且与诸如事件检测和路面状况通知之类的任务有关。在一些实施例中，宏观级别的时间标度大于1秒，并且与诸如路线计算之类的任务有关。
102.在本文所使用的，关于“智能水平”和/或“自动化水平”描述了车辆(v)，基础设施(i)和系统(s)的自动化和/或智能水平。在一些实施例中，车辆智能和/或自动化级别是以下之一：v0：无自动化功能；v1：协助驾驶员控制车辆的基本功能；v2：协助驾驶员控制车辆以完成简单任务并提供基本传感功能的功能；v3：可以实时详细地感知环境并完成相对复杂的驾驶任务的功能；v4：允许车辆在有限条件下独立驾驶的功能，有时还需要人工驾驶。和v5：允许车辆在任何情况下都无需人工备份即可独立驾驶的功能。如本文中所使用的，具有1.5的智能水平(v1.5)的车辆是指具有在车辆智能1和车辆智能水平2之间的能力的车辆，例如，处于v1.5的车辆具有最小或没有自动驾驶能力，但是包括通过cavh系统提供对v1.5车辆的控制的功能和/或功能(例如，硬件和/或软件)(例如，车辆具有“增强的驾驶员辅助”或“驾驶员辅助加”功能)。
103.在一些实施例中，基础设施智能和/或自动化级别是以下之一：i0：无功能；i1：信息收集和交通管理，其中基础设施在聚合的交通数据收集以及基本规划和决策方面提供原始的感知功能，以支持低时空分辨率的简单交通管理；i2：i2x和用于驾驶辅助的车辆导航，其中，除了i1中提供的功能外，基础设施还实现了用于路面状况检测和车辆运动学检测的有限感测功能，例如横向和/或纵向位置，速度和/或加速度，对于部分流量，以秒或分钟为单位；基础设施还通过i2x通信为车辆提供交通信息以及车辆控制建议和说明；i3：专用车道自动化，其中基础设施为单个车辆提供描述周围车辆和其他对象的动态的信息(毫秒级)，并支持与cavh兼容的车辆专用车道上的全自动驾驶；基础设施的交通行为预测能力有
限；i4：特定于场景的自动机，其中基础结构为车辆提供详细的驾驶说明，以在某些场景和/或区域(例如，包含预定义的地理围栏区域的位置，其中交通混合)的位置实现全自动化驾驶(例如，包括自动驾驶和非自动驾驶)自动驾驶汽车)；万一基础设施出现故障，将提供基本的基于车辆的自动化功能(例如紧急制动)作为备用系统；i5：全面的基础设施自动化，其中基础设施在所有情况下都可以对单个车辆进行全面控制和管理，并优化部署基础设施的整个道路网络；无需提供车辆自动化功能作为备份；可用完整的主动安全功能。
104.在一些实施例中，系统智能和/或自动化级别是以下之一：s0：无功能；s1：系统为单个车辆提供简单的功能，如巡航控制和被动安全功能；系统检测车速，位置和距离；s2：该系统包括个人智能，并检测车辆功能状态，车辆加速和/或交通标志和信号；各个车辆根据自己的信息做出决策，并进行部分自动驾驶以提供复杂的功能，例如辅助车辆自适应巡航控制，车道保持，车道变更和自动停车；s3：该系统集成了来自一组车辆的信息，并且具有特定的智能和预测功能，该系统具有针对该组车辆的决策智能，并且可以完成复杂的条件自动驾驶任务，例如协同巡航控制，车辆排练，通过交叉路口，合并和发散的车辆导航；s4：系统在局部网络内最佳地集成了驾驶行为；该系统检测并传递局部网络中的详细信息，并基于网络中的车辆和运输信息做出决策，并处理复杂的高级自动驾驶任务，例如在交通信号走廊中导航，并为小范围内的车辆提供最佳轨迹交通网络；s5：车辆自动化和系统交通自动化，其中，系统最优地管理整个运输网络；该系统检测并传达运输网络内的详细信息，并根据网络内所有可用信息做出决策；该系统处理全自动驾驶任务，包括单个车辆任务和运输任务，并协调所有车辆以管理交通。
105.在一些实施例中，系统等级取决于车辆和基础设施的等级，例如，由下列等式表示(s＝系统自动化；v＝车辆智能；以及i＝基础设施智能)：
106.s＝f(v,i)
107.在一些实施例中，车辆智能由cav子系统提供和/或与之相关，而基础设施智能由cav子系统提供和/或与之相关。本领域普通技术人员可以参考sae国际标准j3016，“与道路机动车辆驾驶自动化系统相关的术语的分类和定义”(于2014年发布(j3016_201401)，并于2016年(j3016_201609)和2018年(j3016_201806)修订)，其提供了对本领域和本文中使用的术语的额外理解。
108.描述
109.本文提供了一种提供自动驾驶系统(ads)的技术。在一些实施例中，ads由包括cav，cah和/或交通运营中心(toc)的智能网联道路系统系统支持。在一些实施例中，cav包括向cav提供自动驾驶能力的车辆智能单元(viu)。因此，在一些实施例中，ads组件(例如，硬件，软件，子系统)协作以提供用于协同自动驾驶的系统和方法，例如以提供协调的感测。协调的预测和决策；协调管理交通运输管理以及相关自动化车辆的运行和控制。
110.例如，在一些实施例中，ads包括互联自动车辆子系统，其与互联自动公路子系统实时交互以提供协调的感测。协调的预测和决策；协调管理交通运输管理以及相关自动化车辆的运行和控制。在一些实施例中，连接的自动高速公路子系统包括智能道路基础设施子系统(iris)，其包括智能路侧单元(riu)，交通控制单元(tcu)和交通控制中心(tcc)。在一些实施例中，ads由数据信息融合计算平台支持，该数据信息融合计算平台包括云计算，有线和无线实时通信网络，供电网络，网络安全系统，高精度地图和/或高精度定位服务。在
一些实施例中，ads提供一种或多种智能连接的车辆协作方法和/或系统功能以用于自动驾驶，例如，感测交通状况和环境等等。预测交通行为并做出决策；协调交通和车辆的控制。
111.在一些实施例中，例如，如图1所示，该技术为连接的自动高速公路上的自动驾驶提供了协调控制。在一些实施例中，该技术提供了一种具有如图1所示的结构的系统。如图1所示，例如，其包括连接和自动公路子系统101，连接和自动车辆子系统102，交通运营中心103和支撑子系统104。在一些实施例中，该系统被配置为执行用于协调控制自动驾驶的方法，例如，用于包括交通状况和环境的协调感测105，协调的预测和决策制定106以及协调控制107的方法。
112.在一些实施例中，例如，如图2所示，ads包括功能模块，以提供用于自动驾驶的协调控制系统。在一些实施例中，ads包括互联自动公路(cah)201，互联自动车辆(cav)202，交通运营中心(toc)203和支撑子系统204。在一些实施例中，cah子系统201包括交通。控制中心(tcc)205，交通控制单元(tcu)206和路侧智能单元(riu)207。在某些实施例中，连通自动公路201的riu 207包括传感模块208，计算模块209，通信模块210和/或位置模块211。在一些实施例中，联网自动车辆202的车辆智能单元(viu)212包括感测模块213，执行模块214，通信模块215和计算单元。在一些实施例中，交通运营中心203包括实时信息交换217；和交通信息中心203。自动计费系统218；外部信息对接219；操作，维护和建造220；和/或紧急救援服务221。在一些实施例中，支持子系统204包括融合计算平台222，实时通信223，电源网络224，网络安全系统225和/或高精度定位226。
113.在一些实施例中，该技术包括智能道路基础设施系统(iris)。在一些实施例中，iris具有如图1所示的设计和布局。例如，在一些实施例中，iris包括路侧智能单元302，交通控制单元303和/或交通控制中心305。在一些实施例中，tcu 303构建在微云上。在一些实施例中，tcc305构建在中云307上。微云是中云的基本节点，其提供高密度，性能，效率和成本效益，以满足系统对服务器部署的需求。在一些实施例中，iris负责道路交通信息感测，计算和定位功能。在一些实施例中，toc 304提供用于iris的交通运营和管理服务(例如，服务费用，紧急响应和外部系统信息)。在一些实施例中，支持子系统306为iris系统提供例如云平台，高精度定位，高精度地图，网络通信和/或功率。在一些实施例中，数据传输308发生在viu 301与riu 302之间。在一些实施例中，数据传输309发生在riu 302与tcu 303之间。在一些实施例中，数据传输310发生在toc304与tcu303之间(例如，微云)。在一些实施例中，数据传输311发生在toc304和tcc305之间。
114.在一些实施例中，iris具有如图4所示的架构。例如，在一些实施例中，iris包括感测模块401，系统模块402，通信模块403以及计算和融合模块404。在一些实施例中，计算和融合模块404位于交通控制中心(tcc)。在一些实施例中，感测模块401包括道路上的监视节点405。在一些实施例中，感测模块401包括道路旁边的监视节点406。在一些实施例中，通信407发生在监视节点407和系统模块402之间。在一些实施例中，通信408发生在交通控制中心和系统模块402之间。在一些实施例中，通信模块403被配置为在通信控制中心和系统模块402之间提供通信。iris和cav和/或在每个模块之间提供数据交换。
115.在一些实施例中，例如，如图5所示，交通控制中心501具有系统架构和控制逻辑。在一些实施例中，该技术包括多个业务控制单元502(例如，tcu 1，tcu 2，tcu 3，
……
tcu n)。在一些实施例中，交通控制中心501和交通控制单元502接收由路侧智能单元503和车辆
智能单元504发送的感测信息，并且在一些实施例中，交通控制中心501和交通控制单元502随后进行处理和/或分析感测信息。在一些实施例中，交通控制中心501将指令定向到特定层和/或通过这些层发送指令以提供自动驾驶控制506和/或服务的智能分配505。例如，在一些实施例中，交通控制中心501发送指令通过分层层传送到cav，例如从交通控制中心501，通过交通控制单元502到路边智能单元503，最后到车辆智能单元504。
116.在一些实施例中，例如，如图6所示，交通运营中心601的功能架构，例如，包括被配置为提供功能的多个子系统。在一些实施例中，交通运营中心601具有功能架构，例如，被配置为提供多种功能。例如，在一些实施例中，交通运营中心601被配置为提供和/或包括功能子系统，这些功能子系统被配置为提供例如实时信息交换602，外部信息连接603，公路服务604和/或自动驾驶服务费用计算605。在一些实施例中，交通运营中心601包括实时信息交换602，其与交通控制中心实时共享信息。在一些实施例中，交通运营中心601包括外部信息接口603，该外部信息接口603接收信息(例如，由外部发布源(例如，包括但不限于气象站和广播站)提供的信息)，并将与驾驶环境相关的信息发送给车辆和iris。在一些实施例中，交通运营中心601包括公路服务组件604，其被配置为提供公路运营服务，维护管理服务，建设服务和救援服务。在一些实施例中，交通运营中心601包括自动驾驶服务费用计算组件605，其被配置为根据用户使用自动驾驶服务的金额和其他收费规则来计算自动驾驶服务的用户要支付的费用。
117.在一些实施例中，例如，如图7所示，该技术提供了自动驾驶的协同控制。在一些实施例中，自动驾驶协同控制由智能网联道路子系统支持，并且包括智能网联道路子系统内的数据流。例如，在一些实施例中，系统使用协同感知701在自动驾驶模式下为cav提供自动驾驶控制。在一些实施例中，协同感知701协同viu702的感知和riu703的感知。在一些实施例中，viu702执行车辆内部感知信息704和车辆周围环境感知信息705的数据融合710。在一些实施例中，riu703感知车辆运动状态706，交通状态信息707和交通环境信息708。在一些实施例中，来自viu，riu的数据和来自外部系统709的输入数据被发送到tcc(例如，经由riu)。然后，在一些实施例中，协同感知数据被tcc融合。在一些实施例中，如果tcc检测信息到不一致，则系统基于riu数据执行数据融合711。
118.在一些实施例中，协同感知701将融合的感知数据和信息提供给协同预测模块。在一些实施例中，协同感知701结束并且协同预测712开始。在一些实施例中，协同预测712包括车辆轨迹预测713，交通状况预测714，交通事件预测715和/或环境信息预测716。在一些实施例中，将协同预测712的结果提供给协同决策模块717。在一些实施例中，协同决策包括做出车辆控制决策718和/或交通控制决策719。
119.在一些实施例中，协同预测和决策向协同控制720提供预测和决策信息。在一些实施例中，协同决策717的结果分为两个部分：第一部分(例如，交通管控723)和第二部分。在一些实施例中，第一部分(例如，交通管控723)由cah使用。在一些实施例中，第二部分由cav使用。在一些实施例中，viu融合来自tcc的车辆轨迹预测和控制决策的控制信息711。在一些实施例中，viu基于安全准则721实施(例如，viu向cav提供控制指令)紧急避障。如图7所示，该技术提供了用于车辆控制722和交通控制723的系统和方法。
120.在一些实施例中，例如，如图8所示，该技术提供了协同感知功能。在一些实施例中，协同感知功能以宏观，中观和/或微观水平记录信息。例如，在一些实施例中，宏观信息
包括交通控制措施802，可驾驶区域803和/或交通拥堵804；以及交通信息。中观信息包括交通容量805，交通流量806和/或交通密度807；和/或微观信息包括车辆位置808，车辆轨迹809和/或车头间距810。
121.在一些实施例中，如图9所示，该技术在智能网联车辆(如由cav组成的cav子系统)和智能网联道路(如由iris组件组成的cah子系统)之间分配协同感知功能。在一些实施例中，cav感知交通信息(如交通信息的一部分)，cah感知交通信息(如交通信息的一部分)。例如，在某些实施例中，cav感知车辆内部参数信息902和车辆外部环境信息904的一部分；cah子系统感知车辆外部环境信息903，其中包括由cav感知的车辆外部环境信息904的一部分。外部信息904的一部分由cav子系统和cah子系统同时感知。在一些实施例中，cah子系统比cav子系统感知更多的车辆外部环境信息903。在一些实施例中，由cav感知的信息被传输到cah子系统以提供全景交通信息901。在一些实施例中，当系统认定由cav子系统和cah子系统感知的信息不一致时，以该技术提供的cah子系统的感知信息为准被系统接受。
122.在一些实施例中，如图10所示，该技术提供了交通协同预测和决策1001。在一些实施例中,交通协同预测和决策1001中包含信息分配及cav子系统和cah子系统中的功能，以提供描述系统未来状态的预测信息(例如,提供预测信息)和/或利用系统的预测状态做出决策。在一些实施例中，协同预测和决策提供了宏观层面、中观层面和/或微观层面上的预测和决策信息。例如，宏观预测包括提供有关交通状态1002、驾驶环境1003和/或网络需求1004的信息；宏观决策包括紧急情况下的交通管理(应急调整1005)和/或车辆路径管理1006(如车辆出发地和/或目的地管理)。中观预测包括预测交通事件1007、天气状况1008和/或交通拥堵1019；中观决策包括预测和/或管理特殊交通事件1010、施工区管控1011和/或车辆队列管理1012。微观预测包括预测车辆轨迹(轨迹规划1013)和/或预测驾驶员行为1015；微观决策包括做出紧急避让决策1014，与车辆横向控制有关的决策1016和/或做出与车辆纵向控制有关的决策1017。在一些实施例中，viu提供宏观和中观的预测和决策。在一些实施例中，tcc提供与轨迹规划1013、紧急避让决策1014和驾驶员行为预测1015相关的微观预测和决策，并将与车辆横向控制1016和车辆纵向控制1017相关的微观决策信息分配分发给viu。
123.在一些实施例中，如图11所示，该技术提供了cav的协同控制。在一些实施例中，该技术包括为cav协同控制设定的系统。在一些实施例中，自动驾驶协同控制系统1101(例如，在智能网联道路系统支持的某些实施例中)提供了宏观层面、中观层面和/或微观层面上的协同控制。例如，在一些实施例中，宏观层面包括车道管理1102、动态交通分配1103和/或交通流控制1104。在一些实施例中，中观层面包括车辆队列控制1105和/或信号控制1106。在一些实施例中，微观层面包括车辆纵向控制1107和/或车辆横向控制1108。
124.在一些实施例中，如图12所示，该技术提供了用于cav协同控制的方法。例如，当cah中的tcc获得协同预测和决策信息1201时，根据系统目标和目标，将控制指令分解并分发1202给cah和cav。从tcc接收指令后，cah子系统1204实现交通管理和控制措施(例如，根据速度限制管理交通，车道管理控制，交通信号管理控制等)，例如，通过给riu1203(例如,通过riu的信息交互接口)发出控制指令1211(例如,各个车辆的实时控制指令)。riu 1203向cav(例如，viu 1205)发送控制指令(例如，针对各个车辆的实时控制指令)。通过riu 1203信息交互接口和viu 1205信息交互接口接收控制指令并检测执行状态后，viu将cah的
数据与车辆紧急避障信息1206进行融合。然后，系统提供车辆横向和纵向控制1207给cav(例如，刹车控制1208，加速控制1209，和/或转向控制1210)。在一些实施例中，相关的控制指令和执行结果被备份1212在本地和在toc中。
125.在一些实施例中，如图13所示，该技术提供了车辆协同控制以解决交通事故。例如，在某些实施例中，系统中包括有在系统的道路上发生交通事故时的数据流。当一辆cav发生事故时，车上的viu1301通过tcu1303将事故信息传送给tcc1304。同时iris中的riu1302通过tcu1303感知事故信息，并将事故信息传输给tcc1304。tcc1304将收集到的信息传送到toc1305。
126.在一些实施例中，如图14所示，该技术提供了在系统内道路上发生交通事故时的响应过程，如图13所示的路段b段。例如，当cav的事故发生在路段1401时，该技术包括事故感知1402。在一些实施例中，事故感知包括使用智能道路基础设施感知事故；在一些实施例中，事故感知包括使用车辆智能组件、功能和/或能力感知事故。然后，感知方法包括事故激活条件1403和事故响应1404。在一些实施例中，对事故的响应包括使用智能道路基础设施对事故的响应；在一些实施例中，对事故的响应包括使用车辆智能组件、功能和/或能力对事故做出响应。最后，响应方法包括感知事故情况的解决方案1405和正常(非事故)的激活条件1406。
127.因此,此处所描述的技术提供了系统和方法，为ads提供协同控制。在一个实施例系统中，该技术提供了一种在指定智能等级s下运行的系统，用于在指定智能等级i下运行的cah上在指定智能等级v下运行的cav。一种实施例情况是当cah智能等级i高于cav智能等级v时，例如，系统在智能等级v低于等级2(v2)(例如，等级v1.5，指智能和自动化功能有限的车辆)时提供对cav的控制。
128.一种实施例系统，包括智能网联道路(cah)子系统；智能网联车辆子系统(cav)；交通运营中心(toc)；和支撑子系统。cah包括iris(例如，由多个路侧智能单元(rius)、交通控制中心(tcc)和交通控制单元(tcu)组成的网络)、道路(例如，高速公路)和其他基础设施。
129.cah子系统包括一个riu(例如，它能够感知和融合交通状态信息，上传交通状态信息，发布控制指令)。该riu包括协同传感模块、计算和融合模块、通信模块和位置模块。cah子系统还包括一个tcu(例如，它能够通过与多个tcu交互来接收和处理信息，发出来自tcc的指令，集成本地和全局控制决策，以及接收来自tcc的决策指令)。tcu包括数据交换与控制模块、通信模块、服务管理模块、应用模块和交互界面。cah子系统还包括一个tcc(例如，它能够控制iris系统的硬件设备和功能服务交互，支持系统级的智能分配，并执行自动驾驶控制)。tcc管理连通性和数据交互，包括数据服务模块、传输模块、服务管理模块、管理应用模块和用户交互界面。
130.在一种实施例系统中，cav与cah子系统交互(例如通过viu)，并与iris子系统协作，以实现cav的协同控制。viu包括有限的自动驾驶功能(例如，基本的感知、计算、通信和执行功能)，并由车载感知模块支持；车载计算模块；车载执行模块；和车载通信模块。在一种实施例系统中，toc提供与tcc的实时交换信息；自动驾驶服务收费的计算；收集和分发来源机构(例如，包括但不限于气象站、广播电台、政府机构等)提供的外部信息，向车辆和iris发布与驾驶环境有关的信息；以及道路运营、维护管理、施工服务和救援服务。
131.实施例系统为自动驾驶提供协同控制，例如，用于协同传感的方法；协同预测与决
策方法；和/或协同控制的方法。实施例系统包括实现协同感知方法的模块，例如收集交通状态和环境数据以实现道路线形估计的模块；动态、静态交通状态与障碍物检测与识别；车辆状态获取与动力补偿；交通标志、交通信号灯等交通基础设施检测；车辆定位(如高精度地图定位和无地图式定位)；提供微观、中观、宏观层面的环境感知和信息采集模块；以及与iris和智能网联车辆协作的模块。协同感知对宏观信息检测，包括交通控制措施、交通拥堵状况和可行驶区域；对中观信息检测，包括交通容量、交通密度、交通流量；以及对微观信息检测，包括周围车辆位置、车辆轨迹和车头时距。riu提供全局交通信息，例如外部交通状况和环境数据，以及部分cav的内部参数。cav中的viu提供了本地的交通信息，如cav的内部参数和驾驶员状态，以及部分外部交通环境信息。viu感知到的信息被转发给cav，作为检测紧急问题的基础(例如，对智能有限的车辆(如v1.5车辆或v1.5cav系统)实施紧急控制(如制动)程序)。由viu和riu感知到的信息被传输到tcu(例如，通过iris子系统)，然后从tcu传输到tcc进行信息融合。信息融合是将来自viu和riu的信息融合成一个完整的(或基本上和/或基本完整的)交通场景信息的过程。利用riu感知到的信息对viu感知到的信息进行校准，将viu传感器感知到的外部交通信息作为冗余安全信息。当viu传感功能失效时，riu可以提供信息支持。
132.iris和cav的协同预测与决策提供交通状态和行为的预测与分析，包括但不限于交通状态预测与决策、驾驶行为预测和决策；以及交通环境微观、中观和宏观层面的预测和决策。宏观层面上的预测与交通决策包括交通状态预测；网络需求预测；驾驶环境预测；交通行为决策，如车辆队列长度和车辆轨迹规划。通过对交通流参数的感知和预测结果的比较，提出控制和管理决策。中观层面的预测和交通决策包括特殊事件预测；天气预报通知；编队预测；交通拥堵预测；以及在特殊事件提示区、工作区、减速带和坡道等区域对车辆变道和车辆跟驰行为的预测和决策。微观层面的预测和交通决策包括驾驶员行为预测；实时车辆轨迹预测；周边车辆意图识别与运动预测；纵向控制、速度跟踪、距离维持等功能，确保自动驾驶车道的平稳性和安全节能驾驶；横向控制，包括车道保持和换道；以及车辆横向和纵向控制参数的决策。
133.预测和交通决策功能主要基于cah子系统的tcc内，利用iris子系统的多源传感、vius以及多模式阈值条件(例如系统安全性和交通效率)。tcc主要负责宏观、中观的预测与决策，如为cav提供路网交通状况，对车辆行驶环境进行合理规划与预测。tcc的宏观层面功能包括交通路网调度、出行引导、应急救援、事件通知等服务功能；tcc的中观层面功能包括事件预测、确定拥塞和天气预测。tcc引导cav执行控制命令，并实现cav队列控制的战略决策。
134.viu主要进行局部微观层面的预测，如根据车辆提供的基本感知功能预测车辆轨迹，判别周围车辆的运动行为。在任何智能水平上，cav子系统都可以根据车辆自身的感知和预测结果，结合车辆的安全避障功能，实现紧急制动和安全制动决策。随着cav智能水平的提高，cav根据车辆的感知和预测结果进一步实现车辆的运行决策，并进一步完成cav的横向和纵向控制参数的决策。
135.协同tcc和viu的功能进行局部交通微预测。根据交通数据融合后的宏观和微观交通特征，预测和分析cav的驾驶行为以及cav的横向和纵向控制。基于安全策略，对道路安全和交通流平稳性进行管理(如优化)，实现微观水平下车辆跟驰和变道行为参数的决策。
136.在保证安全层面，iris子系统和cav实现交叉口预测和控制。如果两个子系统中的一个提供了安全避障预测和决策信息，系统就利用安全预测信息进行安全行为决策。
137.cah与cav的协同控制包括cah子系统对道路交通流的动态分配和主动控制。通过cah子系统形成控制指令，对cav进行横向和纵向控制，并对相关执行结果进行检测和备份。cah子系统与cav协同，从路段和路网层面实施相应的安全控制策略，在异常情况下进行安全管理(如优化)。协同控制将控制功能分配给cah子系统和cav子系统，以提高cav自动驾驶系统的精度和安全性。宏观协同控制包括交通流控制、动态交通分配、车道管理和系统资源分配。中观协同控制包括车辆队列控制和智能路侧设施控制。微观协同控制包括车辆纵向和横向控制，其中cav接收来自iris控制模块的指令，负责调整车辆速度、加速和转向角度。cav协同控制过程包括交通控制中心对宏观、中观和微观控制指令进行分解和分发的步骤；通过rius实现交通控制和管理，如可变限速、可变车道、信号控制；而执行控制指令车辆的状态由rius检测并传输到控制中心，当出现异常情况时，rius向车辆报警，向控制中心报告，同时向周围车辆提供预警。这些方法用于cah和cav的协同控制，在此期间，智能网联车辆的viu负责接收riu发送的控制指令，结合cav控制系统完成车辆油门、刹车、转向角度相关的纵向和横向控制指令；当车辆自身检测到或接收到系统发出的紧急情况警报时，根据车辆的紧急避障模块采取紧急避障措施，如制动，同时将相关控制信息上报至交通控制中心。
138.自动驾驶系统(ads)
139.在一些实施例中，该技术为车辆运行和控制系统(例如，自动驾驶系统(ads)和本文所述的技术)提供了交通和车辆的协同控制。在一些实施例中，ads包括路侧智能单元(riu)网络的一个或多个；交通控制单元(tcu)、交通控制中心(tcc)；tcu/tcc网络；智能车载单元(viu)(例如，包含viu的车辆)；和/或交通运营中心(toc)。在一些实施例中，该系统包括在cav和基础设施(例如，路侧基础设施)上的多种传感器和计算设备，并进行集成感知、预测、规划和控制以实现cav的自动驾驶(例如，如u.s.pat.app.ser.no.63/042,620中所描述的，通过引用并入本文)。
140.在一些实施例中，ads作为一个智能网联交通(cavh)系统被提出，例如，它由智能路侧基础设施系统的一个或多个组件组成(参见，例如，u.s.pat.app.ser.no.16/267,836和u.s.pat.no.10,380,886，二者均以参考方式并入本文件)。在一些实施例中，ads作为分布式驱动系统(dds)，智能路侧工具箱(intelligent roadsidetoolbox,irt)和/或设备分配系统(das)被提出或支持(例如，参见u.s.pat.app.ser.nos.62/894,703；63/004,551；和63/004,564，其每一个均通过引用并入本文)。在一些实施例中，术语“智能路侧单元”及其缩写“riu”分别用于指代名为“路侧单元”的组件及其缩写“rsu”，如在u.s.pat.app.ser.no.16/267,836和u.s.pat.no.10,380,886中对cavh技术所述，二者均通过引用并入本文。在一些实施例中，术语“智能车载单元”及其缩写“viu”分别指代名为“车载单元”的组件及其缩写“obu”，如在u.s.pat.app.ser.no.16/267,836和u.s.pat.no.10,380,886中所述，二者均通过引用并入本文。在一些实施例中，术语“智能车载单元”及其缩写“viu”分别用于指在u.s.pat.app.ser.no.63/042,620中描述的名为“智能车载单元”的组件及其缩写“oiu”，作为参考文件并入本文件。
141.在一些实施例中，该技术提供了一个系统(例如，包含riu和/或riu网络的车辆运
行和控制系统；tcu/tcc网络；包含智能车载单元的车辆；toc；和/或提供信息和计算服务的云平台(参见u.s.pat.app.ser.no.16/454,268，作为参考文件纳入本文))，提供传感功能、运输行为预测和管理功能、规划和决策功能，和/或车辆控制功能。在一些实施例中，系统包括有线和/或无线通信媒体。在一些实施例中，该系统包括供电网络。在一些实施例中，该系统包括网络安全和安全系统。在一些实施例中，该系统包括实时通信功能。
142.在一些实施例中，riu网络包括riu子系统。在一些实施例中，riu子系统包括检测驱动环境特性的感知模块；与车辆、tcus和云通信的通信模块；处理、融合和计算来自感知和/或通信模块的数据的数据处理模块；在数据处理模块与通信模块之间提供通信的接口模块；以及提供电力并根据本地电网的条件调节电力传输的自适应电力供应模块。在一些实施例中，自适应电力供应模块用于提供备份冗余。在一些实施例中，所述通信模块使用有线或无线媒介进行通信。
143.感知模块包括基于雷达、视觉的传感器，其中基于视觉的传感器和基于雷达的传感器提供感知驾驶环境和车辆属性数据。基于雷达的传感器包括但不限于激光雷达、微波雷达、超声波雷达或毫米波雷达。基于视觉的传感器包括但不限于照相机、红外照相机、热照相机。
144.感知模块包括基于卫星的导航系统、惯性导航系统，用于提供车辆位置数据，基于卫星的导航系统包括但不限于差分全球定位系统(dgps)、北斗导航卫星系统(bds)系统或glonass全球导航卫星系统。惯性导航系统包括但不限于惯性基准单元。
145.感知模块包括车辆识别装置，车辆识别设备包括但不限于rfid，蓝牙，wi-fi(ieee802.11)或蜂窝网络无线电，例如3g，4g，5g或6g蜂窝网络无线电。
146.riu子系统被部署在道路附近的固定位置处，该道路包括自动车道以及可选地由人类驾驶的车道。riu子系统可部署的位置包括但不限于高速公路的路边、高速公路的匝道、车辙的高速公路、交汇处、交叉路口、桥梁、隧道、收费站附近、在关键位置上的无人驾驶飞机上、在移动组件上。部署在关键位置上的无人机，包括但不限于无人驾驶飞机(uav)上、交通拥堵处、交通事故处、公路建设处以及在极端天气的地点。riu子系统的部署根据道路几何形状、交通量、交通容量、使用道路的车辆类型、道路大小或该地区的地理定位。riu子系统被安装在机架上(例如架空组件，例如其上安装了公路标志或信号)，例如使用单悬臂或双悬臂支架来安装riu子系统。
147.tcc网络提供业务操作优化、数据处理和归档，tcc网络包括人工操作接口，是基于tcc网络所覆盖的地理区域的宏观tcc、区域tcc或走廊tcc。参见例如：u.s.pat.app.ser.10380886；u.s.pat.app.ser.20190244521；u.s.pat.app.ser.20190096238；u.s.pat.app.ser.16/454268；以及u.s.pat.app.ser.16/505034，通过引用将其引入本文中。
148.tcu网络提供实时车辆控制和数据处理，实时车辆控制和数据处理基于预先安装的算法自动化，基于tcu网络覆盖的地理区域，tcu网络包括段tcu或点tcu。参见例如，u.s.pat.app.ser.no.10380886；美国专利-编号：20190244521；u.s.pat.app.ser.no.20190096238；u.s.pat.app.ser.no.16/454268；以及u.s.pat.app.ser.no.16/505034，通过引用将其引入本文中。系统可包括与riu物理结合或集成的点tcu，或包括与riu物理结合或集成的段tcu。
149.tcc网络处理来自区域tcc的信息并向区域tcc提供控制目标的宏观tcc；区域tcc处理来自走廊tcc的信息并向走廊tcc提供控制目标，以及处理来自宏观和分段tcu并向分段tcu提供控制目标。参见例如：u.s.pat.app.ser.no.10380886；u.s.pat.app.ser.no.20190244521；u.s.pat.app.ser.no.20190096238；u.s.pat.app.ser.no.16/454268；以及u.s.pat.app.ser.no.16/505034，通过引用将其引入本文中。
150.tcu网络包括处理来自走廊或点toc的信息并向点tcu提供控制目标的段tcu，以及处理来自区段tcu和rius的信息并提供基于车辆的控制指令(例如各车辆的详细和时间敏感的控制说明)。参见例如：u.s.pat.app.ser.no.10380886；u.s.pat.app.ser.no.20190244521；u.s.pat.app.ser.no.20190096238；u.s.pat.app.ser.no.16/454268；以及u.s.pat.app.ser.no.16/505034，通过引用将其引入本文中。
151.riu网络向车辆提供定制的交通信息和控制指令(例如，针对单个车辆的详细和时间敏感的控制指令)，并接收由车辆提供的信息。
152.tcc网络包括一个或多个tcc，所述tcc包括：
153.(1)连接和数据交换模块，所述连接和数据交换模块实现tcc之间提供数据连接和交换，连接和数据交换模块包括提供数据校正、数据格式转换、防火墙、加密和解密方法的软件组件。
154.(2)传输和网络模块，所述传输和网络模块提供用于tcc之间的数据交换的通信方法，传输和网络模块包括提供接入功能和云平台内不同传输网络之间的数据转换的软件组件。
155.(3)服务管理模块，所述服务管理模块提供数据存储、数据搜索、数据分析、信息安全、隐私保护和网络管理功能。
156.(4)管理和控制的应用模块，应用模块管理车辆和道路的协同控制、系统监视、紧急服务以及人与设备交互。
157.tcu网络包括一个或多个tcu，所述tcu包括
158.(1)传感器和控制模块，所述传感器和控制模块被配置成提供riu的感测和控制功能，传感器和控制模块提供雷达、照相机、rfid和v2i(车辆到基础设施)设备的感测和控制功能，传感器和控制模块包括dsrc、gps、3g、4g、5g、6g和/或无线(例如ieee 802.11)无线电。
159.(2)传输和网络模块，所述传输和网络模块提供用于自动车辆和riu之间的数据交换的通信网络功能。
160.(3)服务管理模块，所述服务管理模块提供数据存储、数据搜索、数据分析、信息安全、隐私保护和网络管理。
161.(4)应用模块，所述应用模块提供riu的管理和控制方法，riu的管理和控制方法包括车辆和道路的本地协同控制、系统监视和紧急服务。tcc网络包括进一步包括应用模块的一个或多个tcc，并且业务管理模块为应用模块提供数据分析，服务管理模块为应用模块提供数据分析。
162.toc包括交互接口，交互接口提供对tcc网络和数据交换的控制，交互接口包括信
息共享接口和车辆控制接口。
163.信息共享接口包括共享和获取交通数据的接口；共享并从共享移动系统获取乘客需求，根据由车辆操作和控制系统，和/或允许特殊机构(如车辆管理办公室或警察)删除、更改和/或共享信息。
164.车辆控制接口是允许车辆操作和控制系统承担车辆控制的接口，允许车辆与其他车辆形成队列，和/或允许特殊机构(例如，车辆管理办公室或警察)控制车辆。交通数据包括但不限于车辆密度、车辆速度和/或车辆轨迹，交通数据由车辆操作和控制系统和/或其他共享移动性系统提供；交通事故包括但不限于极端条件、重大和/或轻微事故和/或自然灾害。在发生交通事件、极端天气或路面损坏时，车辆操作和控制系统和/或其他共享移动系统发出警报，接口允许车辆操作和控制系统对车辆进行控制。当车辆在同一自动车辆专用车道上行驶时，接口允许车辆与其他车辆形成队列进行协同。
165.在一些实施例中，viu包括被配置成与riu通信的通信模块。在一些实施例中，viu包括被配置成与另一viu通信的通信模块。在一些实施例中，viu包括数据收集模块，其被配置为从外部车辆传感器和内部车辆传感器收集数据；并监视车辆状态和驾驶员状态。在一些实施例中，viu包括车辆控制模块，其被配置为执行驾驶任务的控制指令，从riu接收控制指令，驾驶任务包括跟车和换道。在一些实施例中，viu被配置成使用从riu接收的数据来控制车辆，从riu接收的数据包括车辆控制指令(例如针对单个车辆的详细且时间敏感的控制指令)、行驶路线和交通信息、服务信息，车辆控制指令包括纵向加速度、横向加速度和/或车辆方向，旅行路线和交通信息包括交通状况、事件位置、交叉口位置、入口位置和/或出口位置，服务数据包括燃料站的位置和/或关注点的位置。在一些实施例中，viu被配置成向riu发送数据，发送到riu的数据包括驾驶员输入数据、驾驶员状况数据和/或车辆状况数据，驱动器输入数据包括行程的起点、行程的目的地、预期的行程时间和服务请求，驾驶员状况数据包括驾驶员行为、疲劳水平和驾驶员分心，车辆状况数据包括车辆id、车辆类型和由数据收集模块收集的数据。
166.在一些实施例中，viu被配置成收集包括车辆发动机状态、车辆速度、车辆检测到的周围物体和/或驾驶员状况的数据。在一些实施例中，viu被配置成承担对车辆的控制。在一些实施例中，viu被配置成在自动驾驶系统发生故障时承担对车辆的控制。在一些实施例中，viu被配置成当车辆状况和/或交通状况阻止自动驾驶系统驾驶车辆时承担对车辆的控制，车辆状况和/或交通状况包括不利的天气条件、交通事故、系统故障和/或通信故障。
167.尽管本文中的公开涉及某些图示的实施例，但是应当理解，这些实施例是通过示例而不是通过限制来呈现的。
168.例子
169.该技术提供了一种自动驾驶系统，提供协调的传感、协调的预测和决策、以及运输管理、操作和控制连接的自动化车辆的协调控制，该技术包括一个连接的自动车辆子系统，该子系统与连接的自动高速公路子系统实时交互，cav和cah子系统的组件包括各种硬件和软件组件，在本文提供的技术的实施例的开发过程中，协调控制技术的组件被设计、构建和测试，此外在本文提供的技术的实施例的开发过程中，识别了该技术的规范和性能特征。
170.激光雷达
171.该技术的实施例包括使用激光雷达。在实施例中，该技术包括使用在360
°
视场上
提供快速扫描并具有大于50m的有效检测距离，在99％置信度下检测误差为5cm。一些商用激光雷达硬件产品可用于本文所提供技术的实施例中，例如来自北京surestar技术有限公司的r-fans_15(www.isurestar.com/index.php/en product.html#9)，来自精密测量技术公司(pmt)的tdc-gpx2激光雷达-fl.com公司),以及来自velodyne激光雷达的hdl-64e(velodynelidar.com/index.html)。在实施例中，该技术包括使用激光雷达软件，该软件测量两辆车之间的距离，测量车道标记和车辆之间的距离，和/或测量车辆相对于中心线的角度。一些商业lidar软件产品可在本文提供的技术的实施例中找到应用，例如arcgis中的lidar。这些和其他商业硬件和软件产品满足本文提供的技术实施例的技术规范。
172.成像和照相机
173.该技术的实施例包括成像技术(例如照相机)的使用。在一些实施例中，成像(例如成像硬件、成像软件)用于检测车辆、行人、识别交通标志、识别车道标记。该技术包括使用成像硬件以高分辨率在广角(例如大约170
°
视野)上提供成像，进行夜视(例如红外、低或弱光灵敏度，或其他夜视能力)。该技术包括使用成像软件进行车辆检测(例如具有99％的灵敏度/真实阳性率和90％或更高置信度的车辆检测)和车道检测(例如具有99％或更高置信度的灵敏度/真阳性率的车道检测。成像软件为使用图像数据识别可驾驶路径提供支撑，可测量和/或计算其他车辆(例如超车)的位置、速度和/或加速度。一些商业成像产品可在本文提供的技术的实施例中找到用途，例如来自mobileye的eyeq4(www.mobileye.com/our-technology).
174.虽然现有的自动驾驶技术也在车辆上安装摄像机，但本文所述技术的实施例还使用安装在基础设施上的摄像机，安装在基础设施上的摄像机用于确定道路上的可驾驶区域和可驾驶区域的隔离栏、识别可驾驶区域内的路线的几何线形、识别可驾驶区域或可驾驶路径内的多个或所有道路使用者。
175.在一些实施例中，该技术包括护栏检测(例如u.s.pat.app.ser.no.20163051)。在一些实施例中，该技术包括图像处理(例如ep2395472a1所述，通过引用并入本文)。在一些实施例中，该技术包括使用摄像机支架(例如u.s.pat.app.ser.no.us20170075195a1)。在一些实施例中，该技术包括路径预测(例如u.s.pat.app.ser.no.us20150325753a1，通过引用并入本文中)。在一些实施例中，该技术包括道路垂直轮廓检测(例如u.s.pat.app.ser.no.us20130141480a1，通过引用并入本文中)。
176.在一些实施例中，成像技术使用人工智能、神经网络、机器学习、监督学习、强化学习、深度学习技术来处理图像并识别图像的组件(例如车辆、标志、行人、物体、车道标线、障碍物和护栏)、识别可驾驶路径。
177.雷达和微波雷达
178.该技术的实施例使用雷达技术(例如微波雷达技术)，该技术包括使用雷达(例如微波雷达)硬件，雷达硬件提供可靠的检测精度，在多车道道路上提供自动车道分割，供误差小于5％的车速数据、交通流数据和/或车辆占用率，在低于-10℃的温度下可靠地工作。一些商业雷达硬件产品可在本文提供的技术的实施例中找到应用，例如sensortech的stj1-3(www.whsensortech.com)。
179.该技术使用雷达(例如微波雷达)软件，雷达软件进行测量、计算其他车辆(例如经过的车辆)的位置、速度、加速度、体积等。一些商业雷达软件产品可以在本文提供的技术的
实施例中找到用途，例如sensortech的stj1-3(www.whsensortech.com)使用一种算法将雷达数据转换为交通信息，这些和其他商业硬件和软件产品满足本文提供的技术实施例的技术规范。
180.通信
181.该技术的实施例包括通信技术(例如用于与车辆的通信和/或用于与基础设施的通信(例如tcu))，该技术包括通信硬件，通信硬件(例如用于与车辆的通信)符合ieee802.11p-2010标准，提供大约10mhz的带宽和大约10mbps的数据速率，在5ghz的频带上工作，具有800km/h的多普勒扩展和1400ns的延迟扩展，由12v或24v电源供电，通信硬件与作为循环延迟发射分集(cdd)的天线分集一起工作。一些商业硬件产品可在本文提供的技术的实施例中找到用途，例如来自cohda wireless的mk5v2x(cohdawireless.com网站)或者萨瓦里的街道(savari.net/technology/road-侧单元)。在一些实施例中，本文提供的技术相对于现有技术具有改进的稳定性，例如为复杂的驾驶环境提供可靠的通信。
182.在一些实施例中，通信硬件(例如用于与基础设施(例如tcu)通信的硬件)符合ansi/tia/eia-492aaab和492aaab标准，通过作为光纤的通信介质提供通信，在大约-40℃到55℃的环境工作范围内可靠地工作。一些商业硬件产品可以在本文提供的技术的实施例中找到应用，例如来自cablesys的光纤(www.cablesys.com/fiber-patch-cables).
183.计算装置
184.在一些实施例中，该技术包括计算设备和系统，集成来自多个传感器的数据，计算设备和系统(例如配置为集成来自多个传感器的数据)提供对车辆位置和方向的准确估计、交通状态的高分辨率估计、驾驶路径的自主规划和事件的实时检测。作为车辆模块提供的计算系统的一个例子是通用汽车公司的外部对象计算模块(eocm)，该模块在某些车辆的主动安全系统中提供，示范性eocm系统集成了来自不同来源(如摄像机、雷达和其他传感器)的数据，以提供决策功能和流程(参见u.s.pat.app.ser.no.8527139，通过引用并入本文中)。
185.数据处理
186.在一些实施例中，该技术包括用于数据处理的系统和方法，数据处理包括使用数据融合技术。一些商业数据融合产品可在本文提供的技术的实施例中找到用途，例如来自df tech的数据融合产品，以提供来自多个源的数据和信息的准确和高效集成，数据融合产品还提供备份服务，以解决传感器功能和/或传感器数据的问题。