处理与自主车辆的操作有关的请求信号
专利汇可以提供处理与自主车辆的操作有关的请求信号专利检索，专利查询，专利分析的服务。并且除其他事项外，车辆在无人类干预的情况下基于用于规划轨迹的自动过程在该轨迹上自主地驾驶通过道路网络到达目的 位置 ；并且自动过程基于从车辆的乘员接收到的进行速度降低操纵的 请求 来改变对轨迹的规划以到达目标位置。，下面是处理与自主车辆的操作有关的请求信号专利的具体信息内容。
1.一种方法，包括：
(a)使车辆在道路网络上自主地驾驶，
(b)响应于表示对所述车辆进行速度降低安全操纵的请求的请求信号，通过计算地分析数据以选择用于所述操纵的目标位置，
(c)使所述车辆自主地驾驶朝向所述目标位置并进行所述操纵，并且
(d)重复操作(b)和(c)，直到所述车辆在所述目标位置处完成所述操纵。
2.如权利要求1所述的方法，其特征在于，所述目标位置包括目标停车地点。
3.如权利要求1所述的方法，其特征在于，所述速度降低操纵包括使所述车辆停车。
4.如权利要求1所述的方法，其特征在于，包括从乘员、远程操作员、或者软件或硬件进程接收所述请求信号。
5.如权利要求4所述的方法，其特征在于，所述请求信号包括从所述车辆中的用户接口接收到的、由所述车辆的乘员的交互而产生的数据中的至少一些数据。
6.如权利要求5所述的方法，其特征在于，所述用户接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。
7.如权利要求4所述的方法，其特征在于，接收所述请求信号包括经由电信从所述远程操作员接收命令。
8.如权利要求4所述的方法，其特征在于，接收所述请求信号包括基于所述车辆的性能的退化而从所述软件或硬件进程接收所述请求。
9.如权利要求8所述的方法，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。
10.如权利要求4所述的方法，其特征在于，接收所述请求信号包括基于检测到所述道路网络上的事件而从所述软件或硬件进程接收所述请求。
11.如权利要求1所述的方法，其特征在于，所述请求信号或所述数据包括紧急程度。
12.如权利要求11所述的方法，其特征在于，所述紧急程度已由所述请求信号的发起者指示。
13.如权利要求11所述的方法，其特征在于，包括通过对所述请求的算法分析来推断所述紧急程度。
14.如权利要求13所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。
15.如权利要求1所述的方法，其特征在于，所述数据包括预期的停车时间间隔。
16.如权利要求15所述的方法，其特征在于，所述预期的停车时间间隔已由所述请求信号的发起者指示。
17.如权利要求15所述的方法，其特征在于，通过对所述请求的算法分析来推断所述预期的停车时间间隔。
18.如权利要求17所述的方法，其特征在于，所述算法分析包括对与所述请求相关联的数据的分析。
19.如权利要求1所述的方法，其特征在于，所述数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。
20.如权利要求1所述的方法，其特征在于，分析所述数据包括评估一个或多个目标位置的质量。
21.如权利要求20所述的方法，其特征在于，相对于所述车辆离线地评估所述质量。
22.如权利要求20所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述质量。
23.如权利要求20所述的方法，其特征在于，对所述质量的评估包括基于以下因素中的一个或多个来计算质量：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。
24.如权利要求23所述的方法，其特征在于，由数值表示所述因素中的一个或多个。
25.如权利要求24所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。
26.如权利要求23所述的方法，其特征在于，计算所述质量包括向所述因素中的一个或多个分配权重。
27.如权利要求26所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：
所述请求的特征、所述车辆的类型、法规、紧急程度和预期的停车时间间隔。
28.如权利要求23所述的方法，其特征在于，包括基于目标位置的质量值或指定所述目标位置的排除的信息来忽略所述目标位置。
29.如权利要求23所述的方法，其特征在于，包括以质量类别对目标位置进行分类。
30.如权利要求1所述的方法，其特征在于，分析所述数据包括：应用最小质量阈值来标识一个或多个可接受的目标位置。
31.如权利要求30所述的方法，其特征在于，包括基于以下各项中的一项或多项来计算所述最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则。
32.如权利要求1所述的方法，其特征在于，分析所述数据包括标识用于选择目标位置的区域。
33.如权利要求32所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。
34.如权利要求32所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。
35.如权利要求32所述的方法，其特征在于，所述区域包括形状或大小或两者。
36.如权利要求35所述的方法，其特征在于，包括基于交通状况或基于紧急程度或基于两者来确定所述形状或所述大小。
37.如权利要求32所述的方法，其特征在于，包括基于一个或多个目标位置的质量来确定所述区域。
38.如权利要求32所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。
39.如权利要求32所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。
40.如权利要求32所述的方法，其特征在于，选择目标位置包括将所述区域离散化为潜在的目标地点。
41.如权利要求32所述的方法，其特征在于，选择目标位置包括使用可用性数据。
42.如权利要求41所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。
43.一种方法，包括：
(a)使车辆在道路网络上自主地驾驶，
(b)由计算机接收表示对紧急停车的请求或对紧急状况的标识的信号，
(b)由计算机分析所述请求或所述紧急状况和数据，以标识用于停车的目标位置，以及(c)使所述车辆自主移动到并停在所述目标位置处。
44.如权利要求43所述的方法，其特征在于，包括从(a)乘员、(b)远程操作员、或(c)标识所述紧急状况的软件或硬件进程接收所述信号。
45.如权利要求43所述的方法，其特征在于，接收所述信号包括从所述车辆中的用户接口接收由所述车辆的乘员的交互而产生的所述数据中的至少一些数据。
46.如权利要求45所述的方法，其特征在于，所述接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。
47.如权利要求43所述的方法，其特征在于，接收所述信号包括经由电信从远程操作员接收命令。
48.如权利要求43所述的方法，其特征在于，由软件或硬件进程基于所述车辆的性能的退化而发起所述信号。
49.如权利要求48所述的方法，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。
50.如权利要求43所述的方法，其特征在于，通过检测到所述道路网络上的事件而发起所述信号。
51.如权利要求43所述的方法，其特征在于，所述数据或所述信号包括紧急程度。
52.如权利要求51所述的方法，其特征在于，所述紧急程度已由所述信号的发起者指示。
53.如权利要求51所述的方法，其特征在于，包括通过对所述信号的算法分析来推断所述紧急程度。
54.如权利要求53所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。
55.如权利要求43所述的方法，其特征在于，所述数据或所述信号包括预期的停车时间间隔。
56.如权利要求55所述的方法，其特征在于，从所述信号的发起者接收所述预期的停车时间间隔。
57.如权利要求55所述的方法，其特征在于，通过对所述信号的算法分析来推断所述预期的停车时间间隔。
58.如权利要求57所述的方法，其特征在于，所述算法分析包括分析所述数据。
59.如权利要求43所述的方法，其特征在于，所述数据包括交通数据、传感器数据、地图数据、或它们中的两个或更多个。
60.如权利要求43所述的方法，其特征在于，分析所述请求包括评估一个或多个目标位置的质量。
61.如权利要求60所述的方法，其特征在于，相对于所述车辆离线地评估所述质量。
62.如权利要求60所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述质量。
63.如权利要求60所述的方法，其特征在于，评估所述质量包括基于以下因素中的一个或多个来计算质量：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。
64.如权利要求63所述的方法，其特征在于，由数值表示所述因素中的一个或多个。
65.如权利要求64所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。
66.如权利要求63所述的方法，其特征在于，对所述质量的计算包括向所述因素中的一个或多个分配权重。
67.如权利要求66所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：
所述请求的特征、所述车辆的类型、法规、紧急程度和预期的停车时间间隔。
68.如权利要求63所述的方法，其特征在于，包括基于目标位置的质量值或指定所述目标位置的排除的信息来忽略所述目标位置。
69.如权利要求63所述的方法，其特征在于，包括以质量类别对目标位置进行分类。
70.如权利要求43所述的方法，其特征在于，所述分析包括：应用最小质量阈值来标识一个或多个可接受的目标位置。
71.如权利要求70所述的方法，其特征在于，包括基于以下各项中的一项或多项来计算所述最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则。
72.如权利要求43所述的方法，其特征在于，分析所述数据包括标识用于选择目标位置的区域。
73.如权利要求72所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。
74.如权利要求72所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。
75.如权利要求72所述的方法，其特征在于，所述区域包括形状或大小或两者。
76.如权利要求75所述的方法，其特征在于，包括基于交通状况或基于紧急程度或基于两者来确定所述形状或所述大小。
77.如权利要求72所述的方法，其特征在于，包括基于一个或多个目标位置的质量来确定所述区域。
78.如权利要求72所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。
79.如权利要求72所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。
80.如权利要求72所述的方法，其特征在于，选择目标位置包括将所述区域离散化为潜在的目标地点。
81.如权利要求72所述的方法，其特征在于，选择目标位置包括使用可用性数据。
82.如权利要求81所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。
83.一种方法，包括：
规划过程，所述规划过程与驾驶在道路网络上的车辆相关联，所述规划过程包括：(a)由计算机接收表示对所述车辆进行速度降低安全操纵的请求的输入信号、(b)分析数据以更新目标位置和到所述目标位置的轨迹、(c)提供输出信号以控制所述车辆移动到所述目标位置、以及(d)重复(a)、(b)和(c)直到所述车辆到达所述目标位置。
84.如权利要求83所述的方法，其特征在于，所述目标位置包括目标停车地点。
85.如权利要求83所述的方法，其特征在于，所述速度降低操纵包括使所述车辆停车。
86.如权利要求83所述的方法，其特征在于，包括基于请求从乘员、远程操作员、或者软件或硬件进程接收所述输入信号。
87.如权利要求83所述的方法，其特征在于，接收所述输入信号包括从所述车辆中的用户接口接收由所述车辆的乘员的交互而产生的所述数据中的至少一些数据数据是。
88.如权利要求87所述的方法，其特征在于，所述用户接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。
89.如权利要求86所述的方法，其特征在于，接收所述输入信号包括经由电信从所述远程操作员接收命令。
90.如权利要求86所述的方法，其特征在于，从所述软件或硬件进程基于所述车辆的性能的退化而发起所述输入信号。
91.如权利要求90所述的方法，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。
92.如权利要求86所述的方法，其特征在于，根据检测到所述道路网络上的事件而发起所述输入信号。
93.如权利要求83所述的方法，其特征在于，所述数据包括紧急程度。
94.如权利要求93所述的方法，其特征在于，所述紧急程度已由所述输入信号的发起者指示。
95.如权利要求93所述的方法，其特征在于，包括通过对所述输入信号的算法分析来推断所述紧急程度。
96.如权利要求95所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。
97.如权利要求83所述的方法，其特征在于，所述数据包括预期的停车时间间隔。
98.如权利要求97所述的方法，其特征在于，所述预期的停车时间间隔已由所述输入信号的发起者指示。
99.如权利要求97所述的方法，其特征在于，通过对所述输入信号的算法分析来推断所述预期的停车时间间隔。
100.如权利要求99所述的方法，其特征在于，所述算法分析包括对与所述输入信号相关联的数据的分析。
101.如权利要求83所述的方法，其特征在于，所述数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。
102.如权利要求83所述的方法，其特征在于，分析所述数据包括评估一个或多个目标位置的质量。
103.如权利要求102所述的方法，其特征在于，相对于所述车辆离线地评估所述质量。
104.如权利要求102所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述质量。
105.如权利要求102所述的方法，其特征在于，评估所述质量包括基于以下因素中的一个或多个来计算质量：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。
106.如权利要求105所述的方法，其特征在于，由数值表示所述因素中的一个或多个。
107.如权利要求106所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。
108.如权利要求105所述的方法，其特征在于，计算所述质量包括向所述因素中的一个或多个分配权重。
109.如权利要求108所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：所述请求的特征、所述车辆的类型、法规、紧急程度和预期的停车时间间隔。
110.如权利要求105所述的方法，其特征在于，包括基于目标位置的质量值或指定所述目标位置的排除的信息来忽略所述目标位置。
111.如权利要求105所述的方法，其特征在于，包括以质量类别对目标位置进行分类。
112.如权利要求83所述的方法，其特征在于，分析所述数据包括：应用最小质量阈值来标识一个或多个可接受的目标位置。
113.如权利要求112所述的方法，其特征在于，包括基于以下各项中的一项或多项来计算所述最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则。
114.如权利要求83所述的方法，其特征在于，对所述数据的分析包括标识用于选择目标位置的区域。
115.如权利要求114所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。
116.如权利要求114所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。
117.如权利要求114所述的方法，其特征在于，所述区域包括形状或大小或两者。
118.如权利要求117所述的方法，其特征在于，包括基于交通状况或基于紧急程度或基于两者来确定所述形状或所述大小。
119.如权利要求114所述的方法，其特征在于，包括基于一个或多个目标位置的质量来确定所述区域。
120.如权利要求114所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。
121.如权利要求114所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。
122.如权利要求114所述的方法，其特征在于，选择目标位置包括将所述区域离散化为潜在的目标地点。
123.如权利要求114所述的方法，其特征在于，选择目标位置包括使用可用性数据。
124.如权利要求123所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。
125.一种方法，包括
基于用于规划轨迹的自动过程在无人类干预的情况下使车辆在所述轨迹上自主地驾驶通过道路网络到达目的位置，以及
使所述自动过程基于从所述车辆的乘员接收到的进行速度降低操纵的请求来改变对所述轨迹的规划以到达目标位置。
126.如权利要求125所述的方法，其特征在于，所述目标位置包括目标停车地点。
127.如权利要求125所述的方法，其特征在于，所述速度降低操纵包括使所述车辆停车。
128.如权利要求125所述的方法，其特征在于，所述请求包括从所述车辆的用户接口接收到的、由于所述乘员的交互而产生的数据，并且所述用户接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或它们中的两个或更多个的组合。
129.如权利要求128所述的方法，其特征在于，所述数据包括紧急程度。
130.如权利要求129所述的方法，其特征在于，包括通过对所述请求的算法分析来推断所述紧急程度。
131.如权利要求130所述的方法，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。
132.如权利要求128所述的方法，其特征在于，所述数据包括预期的停车时间间隔。
133.如权利要求132所述的方法，其特征在于，所述预期的停车时间间隔已由所述乘员指示。
134.如权利要求132所述的方法，其特征在于，包括通过对所述请求的算法分析来推断所述预期的停车时间间隔。
135.如权利要求125所述的方法，其特征在于，包括分析附加数据，所述附加数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。
136.如权利要求135所述的方法，其特征在于，分析所述附加数据包括评估一个或多个目标位置的质量。
137.如权利要求136所述的方法，其特征在于，相对于所述车辆离线地评估所述质量。
138.如权利要求136所述的方法，其特征在于，在所述车辆正驾驶时在线地评估所述质量。
139.如权利要求136所述的方法，其特征在于，评估所述质量包括基于以下因素中的一个或多个来计算质量：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。
140.如权利要求139所述的方法，其特征在于，由数值表示所述因素中的一个或多个。
141.如权利要求140所述的方法，其特征在于，所述数值中的每一个被映射到预定义的范围。
142.如权利要求139所述的方法，其特征在于，计算所述质量包括向所述因素中的一个或多个分配权重。
143.如权利要求142所述的方法，其特征在于，所述权重基于以下各项中的一项或多项：所述请求的特征、所述车辆的类型、法规、紧急程度和预期的停车时间间隔。
144.如权利要求136所述的方法，其特征在于，包括基于目标位置的质量或指定所述目标位置的排除的信息来忽略所述目标位置。
145.如权利要求136所述的方法，其特征在于，包括以质量类别对目标位置进行分类。
146.如权利要求136所述的方法，其特征在于，分析所述附加数据包括：应用最小质量阈值来标识一个或多个可接受的目标位置。
147.如权利要求146所述的方法，其特征在于，包括基于以下各项中的一项或多项来计算所述最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则。
148.如权利要求125所述的方法，其特征在于，包括标识潜在地包括目标位置的区域。
149.如权利要求148所述的方法，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。
150.如权利要求148所述的方法，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。
151.如权利要求148所述的方法，其特征在于，所述区域包括形状或大小或两者。
152.如权利要求151所述的方法，其特征在于，包括基于交通状况或基于紧急程度或基于两者来确定所述形状或所述大小。
153.如权利要求148所述的方法，其特征在于，包括基于一个或多个目标位置的质量来确定所述区域。
154.如权利要求148所述的方法，其特征在于，包括在没有目标位置被标识出时扩展所述区域。
155.如权利要求148所述的方法，其特征在于，包括基于所述车辆的新位置来更新所述区域。
156.如权利要求148所述的方法，其特征在于，包括通过将所述区域离散化为潜在的目标地点来在所述区域中选择目标位置。
157.如权利要求148所述的方法，其特征在于，包括通过使用可用性数据来选择目标位置。
158.如权利要求157所述的方法，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。
159.一种自主车辆，包括：
(a)转向设备、加速设备和减速设备，所述转向设备、加速设备和减速设备响应来自驾驶控制系统的信号，以在道路网络上自主地驾驶所述车辆；
(b)接收设备，所述接收设备在所述车辆上，所述接收设备接收用于所述车辆进行速度降低安全操纵的请求信号，并且使所述驾驶控制系统分析数据并选择用于所述操纵的目标位置；以及
(c)通信元件，所述通信元件将指示命令的信号发送到所述驾驶控制系统以用于所述转向设备、加速设备和减速设备使所述车辆驾驶到所述目标位置并在所述目标位置处执行所述操纵。
160.如权利要求159所述的自主车辆，其特征在于，所述目标位置包括目标停车地点。
161.如权利要求159所述的自主车辆，其特征在于，所述速度降低操纵包括使所述车辆停车。
162.如权利要求159所述的自主车辆，其特征在于，从乘员、远程操作员、或软件或硬件进程接收所述请求。
163.如权利要求162所述的自主车辆，其特征在于，所述请求信号包括从所述车辆中的用户接口接收到的、由所述车辆的乘员的交互而产生的数据。
164.如权利要求163所述的自主车辆，其特征在于，所述接口包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。
165.如权利要求162所述的自主车辆，其特征在于，接收所述请求信号包括经由电信从所述远程操作员接收命令。
166.如权利要求162所述的自主车辆，其特征在于，由软件或硬件进程基于所述车辆的性能的退化而发起所述请求信号。
167.如权利要求166所述的自主车辆，其特征在于，所述性能的退化包括所述车辆的传感器或组件的性能的退化。
168.如权利要求162所述的自主车辆，其特征在于，通过检测到所述道路网络上的事件而发起所述请求信号。
169.如权利要求159所述的自主车辆，其特征在于，所述数据包括紧急程度。
170.如权利要求169所述的自主车辆，其特征在于，所述紧急程度已由所述请求的发起者指示。
171.如权利要求169所述的自主车辆，其特征在于，所述驾驶控制系统通过对所述请求的算法分析来推断所述紧急程度。
172.如权利要求171所述的自主车辆，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、或类型、或它们中的两个或更多个的分析。
173.如权利要求159所述的自主车辆，其特征在于，所述数据包括预期的停车时间间隔。
174.如权利要求173所述的自主车辆，其特征在于，所述预期的停车时间间隔已由所述请求的发起者指示。
175.如权利要求173所述的自主车辆，其特征在于，通过对所述请求的算法分析来推断所述预期的停车时间间隔。
176.如权利要求159所述的自主车辆，其特征在于，所述数据包括交通数据、传感器数据、或地图数据、或它们中的两个或更多个。
177.如权利要求159所述的自主车辆，其特征在于，分析所述数据包括评估一个或多个目标位置的质量。
178.如权利要求177所述的自主车辆，其特征在于，相对于所述车辆离线地评估所述质量。
179.如权利要求177所述的自主车辆，其特征在于，在所述车辆正驾驶时在线地评估所述质量。
180.如权利要求177所述的自主车辆，其特征在于，评估所述质量基于以下因素中的一个或多个：紧急状况、所述车辆在所述道路网络上的位置、交通速度、交通量、交通组成、车道选择、堵塞程度、从另一车辆的视线、与交叉路口的距离、专用车道的存在、地形、以及道路坡度。
181.如权利要求180所述的自主车辆，其特征在于，由数值表示所述因素中的一个或多个。
182.如权利要求181所述的自主车辆，其特征在于，所述数值中的每一个被映射到预定义的范围。
183.如权利要求180所述的自主车辆，其特征在于，对所述质量的计算包括向所述因素中的一个或多个分配权重。
184.如权利要求183所述的自主车辆，其特征在于，所述权重基于以下各项中的一项或多项：所述请求信号的特征、所述车辆的类型、法规、紧急程度和预期的停车时间间隔。
185.如权利要求180所述的自主车辆，其特征在于，所述驾驶控制系统基于目标位置的质量值或指定所述目标位置的排除的信息来忽略目标位置。
186.如权利要求180所述的自主车辆，其特征在于，所述驾驶控制系统以质量类别对目标位置进行分类。
187.如权利要求159所述的自主车辆，其特征在于，分析所述数据包括：应用最小质量阈值来标识一个或多个可接受的目标位置。
188.如权利要求187所述的自主车辆，其特征在于，所述驾驶控制系统基于以下各项中的一项或多项计算所述最小质量阈值：紧急程度、预期的停车时间间隔、和冲突的规则。
189.如权利要求188所述的自主车辆，其特征在于，分析所述数据包括标识潜在地包括目标位置的区域。
190.如权利要求189所述的自主车辆，其特征在于，所述区域包括可驾驶区域或不可驾驶区域或两者。
191.如权利要求189所述的自主车辆，其特征在于，所述区域包括由所述车辆的面向前的侧所面向的区域。
192.如权利要求189所述的自主车辆，其特征在于，所述区域包括形状或大小或两者。
193.如权利要求192所述的自主车辆，其特征在于，所述驾驶控制系统基于交通状况或基于紧急程度或基于两者来确定所述形状或所述大小。
194.如权利要求189所述的自主车辆，其特征在于，所述驾驶控制系统基于一个或多个目标位置的质量来确定所述区域。
195.如权利要求189所述的自主车辆，其特征在于，当没有目标位置被标识出时，所述驾驶控制系统扩展所述区域。
196.如权利要求189所述的自主车辆，其特征在于，所述驾驶控制系统基于所述车辆的新位置来更新所述区域。
197.如权利要求189所述的自主车辆，其特征在于，所述驾驶控制系统通过将所述区域离散化为潜在的目标地点来选择目标位置。
198.如权利要求189所述的自主车辆，其特征在于，所述驾驶控制系统通过使用可用性数据来选择目标位置。
199.如权利要求198所述的自主车辆，其特征在于，包括从以下各项中的一项或多项获取所述可用性数据：众包数据库、传感器、感知过程、历史数据库、停车场数据库、停车空间数据库、所述车辆和另一车辆。
200.一种装置，包括：
用户接口设备，所述用户接口设备位于自主车辆中并且包括处理器和存储器，所述用户接口设备被配置成向车辆的乘员暴露(a)使所述乘员能够表达用于所述车辆进行速度降低操纵的请求信号的输入特征，以及(b)向所述乘员报告所述操纵的状态的输出特征。
201.如权利要求200所述的装置，其特征在于，所述速度降低操纵包括使所述车辆停车。
202.如权利要求200所述的装置，其特征在于，所述输入特征的一部分或全部被可移除的或易碎的介质遮挡。
203.如权利要求200所述的装置，其特征在于，所述输入特征包括按钮、开关、拉绳、踏板、垫、传感器、汽笛、显示器、或语音助手、或者它们中的两个或更多个的组合。
204.如权利要求203所述的装置，其特征在于，所述语音助手包括自然语言处理模块。
205.如权利要求204所述的装置，其特征在于，所述自然语言处理模块推断紧急程度。
206.如权利要求200所述的装置，其特征在于，所述输入特征进一步使所述乘员能够标识目标位置。
207.如权利要求200所述的装置，其特征在于，所述输入特征进一步使所述乘员能够表达紧急程度、预期的停车时间间隔、或两者。
208.如权利要求207所述的装置，其特征在于，基于按压的长度或按压的数量或两者来确定所述紧急程度。
209.如权利要求200所述的装置，其特征在于，所述处理器通过算法分析来推断紧急程度。
210.如权利要求209所述的装置，其特征在于，所述算法分析包括对口头请求的频率、音量、声音、语音、类型、或单词、或它们中的两个或更多个的分析。
211.如权利要求209所述的装置，其特征在于，所述算法分析包括对直至到达停车的估计时间、或直至到达停车的估计距离、或两者的分析。
212.如权利要求200所述的装置，其特征在于，所述处理器通过算法分析来推断预期的停车时间间隔。
213.如权利要求200所述的装置，其特征在于，所述处理器标识潜在地用于所述速度降低操纵的区域。
214.如权利要求213所述的装置，其特征在于，所述输出特征报告包括与目标位置有关的信息的所述区域，所述信息包括以下各项中的一项或多项：形状、大小、质量和直至到达所述目标位置的估计时间。
215.如权利要求214所述的装置，其特征在于，在没有目标位置被标识出时，所述输入特征允许所述乘员扩展所述区域。
216.如权利要求214所述的装置，其特征在于，所述输入特征允许所述乘员降低质量阈值。
217.如权利要求200所述的装置，其特征在于，所述输出特征报告朝向目标位置的轨迹。
218.如权利要求200所述的装置，其特征在于，所述输入特征或所述输出特征或两者基于视觉通信或听觉通信或两者而起作用。
219.如权利要求200所述的装置，其特征在于，在所述乘员的个人设备上实现向所述乘员报告。
处理与自主车辆的操作有关的请求信号
背景技术
然而，如果在执行轨迹规划期间目标位置变得不可用或以其他方式不合适，则AV系统可以标识另一目标位置并相应地调整轨迹规划。
具体实施方式
2.一个或多个传感器24，该一个或多个传感器24用于测量或推断或测量并且推断AV的状态和状况，诸如，车辆的位置、线速度和角速度和加速度、以及前进方向(heading)(例如，AV的前端的取向)。例如，此类传感器可包括，但不限于：GPS；惯性测量单元，该惯性测量单元测量车辆线性加速度和角速率；单个车轮速度传感器，用于测量或估计单个车轮滑移率；
单个车轮制动压力或制动扭矩传感器；发动机扭矩或单个车轮扭矩传感器；以及方向盘角度和角速率传感器。
3.一个或多个传感器26，该一个或多个传感器26用于测量AV的环境的属性。例如，此类传感器可包括，但不限于：激光雷达；雷达；可见光、红外和/或热光谱单目或立体摄像机；超声传感器；飞行时间(TOP)深度传感器；以及温度和雨水传感器。
4.一个或多个设备28，该一个或多个设备28用于传送所测量的或所推断的或所测量并且所推断的其他车辆的状态和状况，诸如位置、线性速度和角速度、线性加速度和角加速度、以及线性前进方向和角前进方向。这些设备包括车辆到车辆(V2V)和车辆到基础设施(V2I)通信设备以及用于通过点对点或自组织网络或通过该两者进行无线通信的设备。设备可以跨电磁频谱(包括无线电和光通信)或其他介质(例如，声学通信)进行操作。
5.一个或多个数据源30，该一个或多个数据源30用于提供与环境12有关的历史或实时或预测的信息、或它们中的任何两个或更多个的组合，包括例如交通拥堵更新以及天气状况。此类数据可以被存储在车辆上的存储器存储单元32上，或者经由无线通信从远程数据库34传输至车辆。
6.一个或多个数据源36，该一个或多个数据源36用于提供从GIS数据库提取的数字道路地图数据，潜在地包括一项各项中的一项或多项：道路几何属性的高精度地图；描述道路网络连接属性的地图；描述道路物理属性的地图(诸如，车辆交通车道和骑自行车者交通车道的数量、车道宽度、车道交通方向、车道标记类型和位置)；以及描述道路特征(诸如，人行横道、各种类型的交通标志(例如，停车、让行)、以及各种类型的交通信号(例如，红-黄-绿指示器、闪烁的黄色或红色指示器、右转或左转箭头))的空间位置的地图。此类数据可以被存储在AV上的存储器存储单元32上，或者通过无线通信从远程定位的数据库传输至AV，或其二者的组合。
7.一个或多个数据源38，该一个或多个数据源38用于提供与先前已在一天中的类似时间处沿本地道路段段行驶的车辆的驾驶属性(例如，典型的速度和加速度概况)有关的历史信息。此类数据可以被存储在AV上的存储器存储单元32上，或者通过无线通信从远程定位的数据库34传输至AV，或其二者的组合。
8.一个或多个计算机系统40，该一个或多个计算机系统40位于AV上，以用于执行算法(例如，进程42)以用于基于实时传感器数据和先验信息两者在线(即，在车上实时地)生成控制动作，从而允许AV执行其自主驾驶能力。
9.一个或多个接口设备44(例如，显示器、鼠标、跟踪点、键盘、触摸屏、扬声器、生物统计读取器以及姿势读取器)，该一个或多个接口设备44被耦合至计算机系统40以用于向AV的乘员提供各种类型的信息以及警报并且接收来自AV的乘员的输入。该耦合可以是无线或者有线的。可以将接口设备中的任何两个或更多个集成到单个中。
10.一个或多个无线通信设备46，该一个或多个无线通信设备46用于将数据从远程定位的数据库34传输至AV，并且将车辆传感器数据或与驾驶性能相关的数据传输至远程定位的数据库34。
11.功能设备以及AV特征48，该功能设备以及AV特征48被装备成从计算机系统接收用于驾驶(例如，转向、加速、减速、档位选择)和用于辅助功能(例如，转向指示器激活)的命令并按照该命令行动。
停车请求
2.乘员的旅行计划改变，并且想立即退出AV。
3.AV系统的监测过程检测到AV或AV系统中一个或多个组件(例如，车辆组件、传感器、电池、计算机、软件进程或通信设备或它们的组合)中的错误或故障，并确定AV必须停车。
4.AV系统的中央服务器指示当前的目的位置不再相关。例如，AV正在行驶以服务来自用户的接载请求，但是该接载请求被取消，并且中央服务器指示该AV系统停车。
5.乘员或远程操作员可能希望将AV从自主模式转换到手动模式或半自主模式，这可能要求首先让AV停车。
6.AV系统检测或接收与紧急车辆的存在有关的信息，并确定使AV停车，潜在地直到检测到的紧急车辆通过为止。
7.AV系统检测到道路阻塞或类似事件，并确定AV必须停车。
8.交通官员或警察要求或指示AV停车。
紧急程度
1.指定的停车地点。指定的停车地点的示例包括停车位、停车场、卡车停车区或被用作车辆停车的地点的路肩。其他示例包括位于行驶车道、公交车道或自行车道中的停车地点，其中在紧急情况下停车可能是可接受的，但在其他情况下是不可接受的。该信息可以被编码在地图数据中。
2.行驶速度。如果目标停车地点在行驶车道上或行驶车道旁，则较低速度环境通常比较高速度的环境更优。行驶速度的确定可以基于以下各项中的一项或多项：道路段的速度限制、由AV系统测量的当前在道路段上的车辆的平均速度、来自数据源的统计测量、以及在AV车上或车外的带注释的地图数据。
3.交通量如果目标停车地点在行驶陆地上或行驶车道旁，则较低交通密度的环境通常比较高交通的环境更优。可以基于以下各项中一项或多项来确定交通密度：AV系统测量的当前在道路段上的车辆的平均密度或流量、来自数据源的统计测量、以及在AV车上或车外的带注释的地图数据。
4.交通组成。如果目标停车地点在行驶车道上或行驶车道旁，则避开基于诸如包括大量重型车辆的交通之类的交通组成的区域可能是优选的。可以基于以下各项中一项或多项来确定交通组成：AV系统测量的当前在道路段上的重型车辆的平均密度或流量、来自数据源的统计测量、以及在AV车上或车外的带注释的地图数据。
5.车道的选项。如果停车地点在行驶车道中，则与道路中间的车道相比，在最靠近道路边缘的车道中停车通常是优选的。
6.堵塞程度。如果AV系统决定停在特定的目标停车地点处，则这是对其他车辆和其他道路使用者需要多少操纵才能避免撞到AV的测量。在指定的停车地点(诸如，停车场和路肩)中，AV可能不会对其他车辆造成阻碍。对于在道路边缘处的停车地点，其中该停车地点的一部分在行驶车道上，并且AV的一部分在行驶车道之外，其他车辆可能需要稍作操纵(例如，转弯)来避免撞到AV。如果AV系统选择在交通车道的中间停车，则其他车辆将不得不大幅度操纵(例如，转换车道)以便避开AV。阻塞程度可以被表示为例如被停车的AV阻塞的行驶车道的一部分。可以使用数值；例如，值为0指示无阻塞，值为0.5指示一半车道被阻塞，值为1指示整个行驶车道被阻塞，并且值为1.5指示1.5个车道被阻塞。
7.从其他车辆的视线。如果目标停车地点是其他车辆将需要操纵以便避开停车的AV的位置，则优选在停车的AV对其他车辆而言是可见的位置中停车。例如，通常优选在长的直道路段上停车，而不是在弯曲的道路段或陡峭倾斜的道路段上停车。这可以例如由该停车地点处的道路段的曲率的测量来表示，其中较低的曲率优于较高的曲率。道路段的曲率可以被测量或从地图数据读取。
8.与十字路口的距离。对AV而言通常优选的是在更远的地方停车，而不是在更靠近交叉路口、高速公路坡道、铁路道口、人行横道或交通灯的地方停车，其中在更靠近交叉路口、高速公路坡道、铁路道口、人行横道或交通灯的地方的停车地点可能会导致交通阻塞或交通拥堵或对其他的道路使用者造成潜在的安全隐患。可以例如由从目标停车地点到最近的相关交叉路口或十字路口的距离来表示距离测量。可以根据地图数据或传感器数据计算出距离测量。
9.专用车道的存在。某些区域将道路的一条或多条仅专用于公交车或自行车。取决于当地交通法规，将车辆停在专用车道上可能会违反法规，或者可以在紧急情况下可接受。可以从地图数据或数据提供商获取专用车道和交通法规的数据。
10.地形。通常优选的是在混凝土或沥青表面上停车，而不是在碎石、泥浆或草表面上停车。地图数据可以包括地形数据，并且可以将不同的分数分配给不同类型的地形。
11.道路的坡度。通常优选的是在平坦表面或平缓倾斜的表面上停车，而不是在陡峭倾斜的道路段上停车，尤其是在停车地点被确定在行驶车道上时。这可以由道路段的坡度或陡度表示，可以将道路段的坡度或陡度记录为地图数据的一部分。
2.质量确定包括过滤过程402。对于数字度量，过滤过程可以将度量设置为具有可接受的下界限或上界限或两者，并忽略具有在一个界限或两个界限之外的该度量的停车地点。
对于类别度量，过滤过程可以为度量创建排除列表，并随后忽略具有从该排除列表中获取类别值的该度量的停车地点。界限和排除列表可基于许多因素而改变，诸如，停车请求的来源、停车请求的发起者、停车请求的原因、AV的类型和当地法规。
3.在步骤403中，质量确定将停车地点分类为对停车地点的质量进行粗略地编码的预定义分类(例如，极好、好、较差、或差)。随后，可以基于每个停车地点在每个分类中所属的程度，应用模糊逻辑规则来对各个停车地点进行比较。
2.如果紧急程度是在从0到1的范围中的数字，其中1为最紧急，并且0为最不紧急，则最小质量可以将最小紧急程度设置为0.5。
3.如果以时间单位(诸如，秒、分钟或小时)将预期的停车时间间隔计算为数值，则可以使用函数将预期的停车时间间隔的范围映射到紧急程度。例如，如果预期的停车时间间隔小于30秒，则最小质量阈值被设置为0.1；如果预期的停车时间间隔在30秒和2分钟之间，则最小质量阈值被设置为0.4；如果预期的停车时间间隔超过2分钟，则最小质量阈值被设置为0.8。
4.如果存在影响最小质量阈值的值的冲突规则(例如，交通法规、相反的驾驶方向、高峰时间、大的交通量或工作日)，则使用导致阈值的最低值的规则。实际上，可以通过多种技术来创建和校准这些规则。例如，可以使用机器学习过程来推断规则，该机器学习过程分析现实世界驾驶数据(包括图像、视频和GPS轨迹)、交通数据、政府数据、历史数据、传感器数据、健康数据、风险数据、事故数据、模拟数据、或它们中的两个或更多个的组合。
邻近区域和目的区域
2.在允许停车的邻近区域内确定一个或多个停车区域。这可以例如通过确定地图数据中允许任何停车的区域的交叉路口来完成，取决于停车请求的特征(例如，请求类型、作出请求的方式以及请求的频率)、AV的类型(例如，轿车、卡车、出租车、SUV、警车、地铁运输车、救护车或公共汽车)、以及邻近区域内的已知的停车限制。图8和图9示出了该步骤。参照图
8，AV系统801在道路上驾驶。诸如802之类的阴影区域是在地图数据中在线或离线或在线并且离线记录的在AV 801的附近803中的任何停车区域的示例。参照图9，在道路地图的顶部上构建邻近区域902。保留在邻近区域902内的停车区域(即，图9中的阴影区域，诸如区域
903)聚集，以供AV 901搜索可接受的停车地点。
3.如果未将邻近区域902内的停车区域离散化为单独的停车地点，则可以将停车区域离散化为有限数量的停车地点的集合。例如，离散化开始于对停车区域的采样(例如，随机采样或均匀采样)。采样产生有限数量的点，并且可以例如通过在采样点周围绘制形状(例如矩形)来在采样点中的每一个周围构建停车地点。该形状的大小足够大到容纳AV的大小和形状。该形状的取向可以被编码在停车地点中，由该点处的交通流的方向或由地图数据确定。例如，如果采样点在交通车道上，则AV通常必须在交通流的方向上停车。该形状将相应地被取向，并且将以其大小、边界和取向来表征。在一些实现中，停车区域的离散停车地点由数据库给出；例如，被编码在地图数据上的街道或停车场上的停车空间的信息。图10示出了从1011到1015标记的离散停车地点的集合。在图10所示的情况下，AV系统1001保留具有相同行驶方向的停车地点，而丢弃具有不同行驶方向的其他停车地点。一些实现可以考虑具有不同行驶方向的停车地点；例如，如果对于AV到达在相反的行驶方向中的停车地点而言U形转弯是容易的话。
4.使用质量确定过程，技术可以计算邻近区域的单独停车区域内每个停车地点的质量。
5.使用阈值确定过程，计算停车请求的最小质量阈值。
6.满足质量阈值的停车区域内的停车地点是可接受的停车地点。可接受的停车地点聚集形成目的区域。例如，图10中的停车地点1011、1012和1013可以被分类为可接受的停车地点，并且因此形成AV系统1001的目的区域，同时忽略没有通过质量阈值的停车地点1014和
1015。
2.停车地点的不可用的原因。例如，如果停车地点由于存在另一辆汽车而不可用，则AV系统可能预期它稍后将变得可用；在一些实现中，该期望可以取决于例如由法规定义的允许的最大停车时间。另一方面，如果停车地点由于建筑施工而不可用，则AV系统可能不会预期该停车地点在一天中的剩余时间或几天内变得可用。AV系统可以注释地图数据以反映该情况。
2.当AV移动时，基于AV的新位置更新邻近区域或仅目标停车地点可能是可取的。更新可以确保，例如，邻近区域不包含位于AV后方并且因此难以到达的停车地点。另一方面，可以例如基于以下各项中的一项或多项来触发更新：按照指定的常规频率(例如，每5秒、10秒、15秒、20秒、30秒、40秒、50秒、60秒、2分钟、5分钟、10分钟、20分钟或30分钟)、或在车辆从邻近区域最后被计算的位置已行驶超过某个指定的距离(例如，5米、10米、15米、20米、30米、40米、50米、100米、200米、300米、400米或500米)之后、或出现新数据、或观察到新事件、或现有数据变得过时、或在目标停车地点被另一辆车占用时。
3.停车地点的质量可能会由于动态因素(例如，当前的交通状况)而改变。质量的变化可能会导致某些停车地点的可接受性的变化，例如，如果质量测量更改为高于或低于质量阈值的水平的话。
2.目标区域中的所有可接受的停车地点被认为均不可用。
2.选择可用的停车地点作为目标停车地点。AV系统可以访问已知可接受且可用的停车地点的列表，诸如，AV服务站、充电位置、专用AV停车空间或其他此类位置。可以在云、远程服务器或另一位置上维护该列表，或可以在车队中的所有AV之间共享该列表。AV可以基于许多因素来从已知是可接受的且可用的停车地点的该列表中选择目标停车地点，所述许多因素包括到停车地点的距离、停车地点的质量、停车请求的特征(例如，紧急程度以及预期的停车时间间隔)、或其他因素。在朝向目标停车地点移动时，AV可以潜在地继续伺机在路上寻找可接受的且可用的停车地点，并在找到新的目标停车地点后移动到该新的目标停车地点。
3.在紧急情况下，AV可能会缓慢减速并停车。在这样做之前，AV可能还会尝试确保其位于最靠近路肩的车道中。AV可能会使用其闪光灯或指示器来警告交通中的其他车辆。
2.经由位于AV中的扬声器上播放的语音消息的听觉通信。
1322提供的可用性层1321中的数据。感知过程1322不断地从传感器和其他数据源接收输入以更新可用性层1321。轨迹规划过程1311的输出是被发现到达目标停车地点的轨迹。当轨迹不能标识目标停车地点或轨迹时(步骤1331)，AV系统可以改变参数或扩展先前标识的邻近区域以再次搜索目标停车地点。当找到停车地点和轨迹时，AV系统随后执行轨迹规划
1313。然而，在执行期间，目标停车地点可能变得不可用或轨迹变得不可执行，并且AV系统可以提供更新的位置1303以改变邻近区域并重新发起目的构建过程1310。最终的操作1350是使AV停在目标停车地点处。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种智能车的控制监测系统 | 2020-06-08 | 451 |
| 用于个人信息管理的信使助理 | 2020-06-17 | 771 |
| 一种无踏板自动驾驶车辆起步方法及装置 | 2020-05-16 | 580 |
| 一种基于云平台的自动化设备的调试方法 | 2020-05-21 | 310 |
| 用于商业债务自动收款的系统和方法 | 2020-05-31 | 188 |
| 智能化妆镜 | 2020-05-14 | 328 |
| 一种创建个性化健康服务档案的方法 | 2020-06-05 | 1005 |
| 一种基于云平台的自动化设备的模糊自优化调试方法 | 2020-06-01 | 421 |
| 处理与自主车辆的操作有关的请求信号 | 2020-05-12 | 760 |
| assistant for creation of layouts or reports for databases | 2020-06-15 | 132 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
