用于动态车队优先化管理的方法和系统技术方案

提供了用于请求远程运输系统远程控制自主车辆的系统和方法。在一实施例中，一种方法包括：由自主车辆的处理器接收与自主车辆相关的经验数据，其中，经验数据包括自主车辆的位置、一天中的时间、自主车辆的姿态、检测到的环境中的自由空间、检测到的自主车辆的环境中的拥堵、计划的机动类型和相关的机动图；由处理器基于经验数据确定计划机动的一个或多个特征；由处理器通过用机器学习模型处理一个或多个特征来确定与计划任务相关的风险值；以及由处理器基于风险值选择性地生成给远程运输系统的请求数据，其中请求数据包括风险值。其中请求数据包括风险值。其中请求数据包括风险值。

【技术实现步骤摘要】
用于动态车队优先化管理的方法和系统


[0001]本公开总体涉及车辆，更具体地涉及用于管理向自主车辆车队中的自主车辆提供的辅助的系统和方法。

技术介绍

[0002]许多车辆具有一个或多个自主特征。例如，自主车辆是能够感知其环境并在很少或没有用户输入的情况下导航的车辆。这是通过使用诸如雷达、激光雷达、图像传感器等传感器来实现的。自主车辆还使用来自全球定位系统(GPS)技术、导航系统、车对车通信、车对基础设施技术和/或线控系统的信息来导航车辆。
[0003]在某些情况下，操作员可能需要介入并向自主车辆提供辅助。在这种情况下，可以从远程位置的远程操作员请求帮助。例如，远程操作员可以监督自主车辆的车队。
[0004]因此，期望提供用于管理向自主车辆车队中的自主车辆提供的辅助的系统和方法。此外，从随后的详细描述和所附权利要求中，结合附图和前述
和
技术介绍
，本公开的其他期望特征和特性将变得显而易见。

技术实现思路

[0005]提供了用于请求远程运输系统远程控制自主车辆的系统和方法。在一实施例中，一种方法包括：由自主车辆的处理器接收与自主车辆相关的经验数据，其中，经验数据包括自主车辆的位置、一天中的时间、自主车辆的姿态、检测到的环境中的自由空间、检测到的自主车辆的环境中的拥堵、计划的机动类型和相关的机动图；由处理器基于经验数据确定计划机动的一个或多个特征；由处理器通过用机器学习模型处理一个或多个特征来确定与计划任务相关的风险值；以及由处理器基于风险值选择性地生成给远程运输系统的请求数据，其中请求数据包括风险值。
[0006]在各种实施例中，一个或多个特征包括与邻近交叉口的控制类型或级别相关的第二风险值。
[0007]在各种实施例中，一个或多个特征包括基于先验地图的故障概率值。
[0008]在各种实施例中，一个或多个特征包括基于一天中的时间先验地图的一天中的时间故障概率值。
[0009]在各种实施例中，一个或多个特征包括机动应急风险值。
[0010]在各种实施例中，一个或多个特征包括机动类型风险值。
[0011]在各种实施例中，一个或多个特征包括自由空间机动性风险值。
[0012]在各种实施例中，一个或多个特征包括拥堵级别风险值。
[0013]在各种实施例中，该方法包括由远程运输系统选择性地向自主车辆分配操作员，以基于请求数据提供远程辅助。
[0014]在各种实施例中，请求数据包括干预类型，并且其中该方法还包括由远程运输系统基于请求数据对干预类型进行优先化。
[0015]在各种实施例中，该方法包括：由远程运输系统确定计划机动的一个或多个附加特征；以及由远程运输系统通过用机器学习模型处理一个或多个附加特征来更新与计划任务相关的风险值。
[0016]在各种实施例中，一个或多个附加特征包括天气类型风险值。
[0017]在各种实施例中，一个或多个附加特征包括拥堵风险值。
[0018]在各种实施例中，一个或多个附加特征包括先验地图概率值。
[0019]在另一实施例中，一种系统包括：通信系统，其配置为向远程运输系统传送请求自主控制干预的请求数据；以及控制器，其配置成由处理器接收与自主车辆相关的经验数据，其中，经验数据包括自主车辆的位置、一天中的时间、自主车辆的姿态、检测到的环境中的自由空间、检测到的自主车辆的环境中的拥堵、计划的机动类型和相关的机动图，其中，控制器进一步配置成基于经验数据确定计划机动的一个或多个特征，通过用机器学习模型处理一个或多个特征来确定与计划任务相关的风险值，基于风险值选择性地生成请求数据，其中请求数据包括风险值。
[0020]在各种实施例中，一个或多个特征包括与邻近交叉口的控制类型或级别相关的第二风险值、基于先验地图的故障概率值、基于一天中的时间先验地图的一天中的时间故障概率值、机动应急风险值、机动类型风险值、自由空间机动性风险值和拥堵级别风险值中的至少一个。
[0021]在各种实施例中，该系统包括远程运输系统，该远程运输系统配置成由处理器确定计划机动的一个或多个附加特征，并且通过用至少一个附加机器学习模型处理一个或多个附加特征来更新与计划任务相关的风险值。
[0022]在各种实施例中，一个或多个附加特征与天气类型、拥堵级别和先验地图中的至少一个相关。
[0023]在各种实施例中，该系统包括远程运输系统，其中远程运输系统配置为基于请求数据向自主车辆分配操作员以提供远程辅助。
[0024]在各种实施例中，请求数据包括干预类型，并且其中系统还包括远程运输系统，其中远程运输系统配置为基于请求数据对干预类型进行优先化。
附图说明
[0025]下文将结合以下附图描述示例性实施例，其中相同的附图标记表示相同的元件，其中：
[0026]图1是示出根据各种实施例的具有车队管理系统的车辆的功能框图；
[0027]图2是示出根据各种实施例的具有如图1所示的一个或多个车辆的运输系统和车队管理系统的功能框图；
[0028]图3是示出根据各种实施例的具有与图1的车辆相关的车队管理系统的自主驾驶系统(ADS)的功能框图；
[0029]图4是示出根据各种实施例的车辆的车队管理系统的功能框图；以及
[0030]图5是根据各种实施例的车辆车队管理系统的控制过程的流程图。
具体实施方式
[0031]下面的详细描述本质上仅仅是示例性的，并不旨在限制应用和使用。此外，没有意图被在前面的
、背景、简要概述或下面的详细描述中提出的任何明示或暗示的理论所束缚。如本文所用，术语模块指的是任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备，单独地或以任何组合的形式，包括但不限于：专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、执行一个或多个软件或固件程序的处理器(共享的、专用的或成组的)和存储器、组合逻辑电路和/或提供所述功能的其他合适部件。
[0032]本文可以根据功能和/或逻辑块部件以及各种处理步骤来描述本公开的实施例。应当理解，这种块部件可以由配置成执行指定功能的任何数量的硬件、软件和/或固件部件来实现。例如，本公开的实施例可以采用各种集成电路部件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，它们可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。此外，本领域技术人员将理解，本公开的实施例可以结合任何数量的系统来实践，并且本文描述的系统仅仅是本公开的示例性实施例。
[0033]为了简洁起见，与信号处理、数据传输、信令、控制、机器学习、图像分析和系统的其他功能方面(以及系统的各个操作部件)相关的传统技术在此可能不详细描述。此外，本文包含的各个图中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代的或附加的功能关系或物理连接。
[0034]参考图1，根据各种实施例，总体示出为100的车队管理系统与车辆10相关。通常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于请求远程运输系统远程控制自主车辆的方法，包括：由自主车辆的处理器接收与自主车辆相关的经验数据，其中，经验数据包括自主车辆的位置、一天中的时间、自主车辆的姿态、检测到的环境中的自由空间、检测到的自主车辆的环境中的拥堵、计划的机动类型和相关的机动图；由处理器基于经验数据确定计划机动的一个或多个特征；由处理器通过用机器学习模型处理一个或多个特征来确定与计划任务相关的风险值；以及由处理器基于风险值选择性地生成给远程运输系统的请求数据，其中请求数据包括风险值。2.根据权利要求1所述的方法，其中，所述一个或多个特征包括与邻近交叉口的控制类型或级别相关的第二风险值。3.根据权利要求1所述的方法，其中，所述一个或多个特征包括基于先验地图的故障概率值。4.根据权利要求1所述的方法，其中，所述一个或多个特征包括基于一天中的时间先验地图的一天中的时间故障概率值。5.根据权利要求1所述的方法，其中，所述一个或多个特征包括机动应急风险值。6.根据权利要求1所述...

【专利技术属性】
技术研发人员：LA布什，JF斯泽尔巴，RJ马修，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：