增强的车辆操作制造技术

本公开提供了“增强的车辆操作”。

【技术实现步骤摘要】
增强的车辆操作


[0001]本公开涉及车辆的增强操作
。

技术介绍

[0002]车辆可配备有计算装置
、
网络
、
传感器和控制器以获取关于车辆的环境的数据并基于所述数据来操作车辆
。
车辆传感器可以提供关于将行驶的路线以及车辆环境中要避开的对象的数据
。
在车辆正在道路上进行操作时，车辆的操作可以依赖于获取关于车辆环境中对象的准确且及时的数据
。

技术实现思路

[0003]一种系统包括计算机，所述计算机包括处理器和存储器，所述存储器存储可由处理器执行以进行以下操作的指令：从车辆接收操作数据，所述操作数据包括指示操作车辆的一个或多个乘员动作的乘员数据和在收集乘员数据期间指定车辆位置的位置数据；将操作数据分配给多个集合中的相应集合，每个集合包括在与其他集合不同的指定时间段期间收集的操作数据；将多个集合输入到机器学习程序，所述机器学习程序被训练以输出对指定位置处的危险的识别，所述危险是将车辆的操作从默认操作改变的道路状况或障碍物；从机器学习程序输出指定位置处的危险；并且向车辆发送包括从机器学习程序输出的指定位置处的危险的消息
。
[0004]所述系统还可以包括车辆的车辆计算机，所述车辆计算机被编程为接收指定位置处的危险并且基于危险从车辆的第一操作模式转变为第二操作模式
。
[0005]第一操作模式可以是完全自主模式，并且第二操作模式可以是半自主模式
。
[0006]可以训练机器学习程序以将多个集合中的每一者分配给多个危险类别中的一者，每个危险类别指示车辆在指定位置处的指定操作模式
。
[0007]危险类别可以包括手动操作模式类别，所述手动操作模式类别指示车辆的车辆计算机在指定位置处以手动模式操作车辆
。
[0008]危险类别可以包括受限自主模式类别，其中车辆的车辆计算机以比指定位置处的标示速度限制更低的速度以完全自主模式操作车辆
。
[0009]所述指令还可以包括用于将危险包括在地图中并且将地图包括在给车辆的消息中的指令
。
[0010]所述地图可以是高分辨率地图，所述高分辨率地图包括的地理坐标的分辨率比来自外部服务器的第二地理坐标的第二分辨率更精细
。
[0011]操作数据可以包括方向盘扭矩
、
乘员的手在方向盘上的位置
、
乘员的手在方向盘上的抓握力
、
车辆的横向加速度
、
乘员的注视角度或车辆与另一车辆之间的距离中的至少一者
。
[0012]所述指令还可以包括用于将在不同于指定时间段的第二时间段期间收集的操作车辆的乘员动作的第二乘员数据输入到机器学习程序的指令
。
[0013]所述指令还可以包括用于接收多个车辆的相应乘员的乘员数据并且将多个车辆的乘员的乘员数据输入到机器学习程序的指令
。
[0014]位置数据可以包括车辆所在的道路车道的识别
。
[0015]所述指令还可以包括用于收集道路上的一个或多个标记的图像数据以识别道路车道的指令
。
[0016]所述系统还可以包括车辆的车辆计算机，所述车辆计算机被编程为致动一个或多个部件以使车辆移动远离危险
。
[0017]一种方法包括：从车辆接收操作数据，所述操作数据包括指示操作车辆的一个或多个乘员动作的乘员数据和在收集乘员数据期间指定车辆位置的位置数据；将操作数据分配给多个集合中的相应集合，每个集合包括在与其他集合不同的指定时间段期间收集的操作数据；将多个集合输入到机器学习程序，所述机器学习程序被训练以输出对指定位置处的危险的识别，所述危险是将车辆的操作从默认操作改变的道路状况或障碍物；从机器学习程序输出指定位置处的危险；并且向车辆发送消息
。
[0018]所述方法还可以包括：接收指定位置处的危险并且基于危险从车辆的第一操作模式转变为第二操作模式
。
[0019]所述方法还可以包括：将危险包括在地图中并且将地图包括在给车辆的消息中
。
[0020]所述方法还可以包括：将在不同于指定时间段的第二时间段期间收集的操作车辆的乘员动作的第二乘员数据输入到机器学习程序
。
[0021]所述方法还可以包括：接收多个车辆的相应乘员的乘员数据并且将多个车辆的乘员的乘员数据输入到机器学习程序
。
[0022]所述方法还可以包括：收集道路上的一个或多个标记的图像数据以识别道路车道
。
[0023]所述方法还可以包括：致动车辆的一个或多个部件以使车辆移动远离危险
。
[0024]进一步公开了一种计算装置，所述计算装置被编程为执行上述方法步骤中的任一者
。
还公开了一种包括计算装置的车辆
。
还公开了一种计算机程序产品，所述计算机程序产品包括计算机可读介质，所述计算机可读介质存储指令，所述指令可由计算机处理器执行以执行上述方法步骤中的任一个
。
[0025]车辆的操作员可以响应于识别道路上的危险而执行动作
。
例如，操作员可以致动方向盘以使车辆转向远离坑洼
。
在另一个示例中，操作员可以将他们相应的头部转向相邻道路上的危险，从而增大相对于车辆的向前运动的注视角度
。
在又一个示例中，操作员可以致动制动器以使车辆在有雪的道路上减速
。
检测到操作员行为的改变可以指示其他车辆应避开的道路上的危险
。
[0026]中央服务器可以用机器学习程序进行编程，所述机器学习程序基于由车辆收集的操作员行为数据来识别危险
。
机器学习程序可以基于输入的操作员行为数据输出指定位置处的危险
。
服务器可以将所识别的危险包括在地图中，并且服务器可以将地图传输到车辆
。
自主车辆可以基于地图致动一个或多个部件以避开危险，例如移动远离危险
。
操作员数据可以包括收集数据的时间戳，并且机器学习程序可以基于在指定时间段内收集的数据来识别危险
。
这些时间段数据
(
即，“时间窗口”数据
)
比没有时间戳的数据更容易由机器学习程序分析
。
也就是说，时间戳允许机器学习程序通过滤除可能不存在危险的旧行为数据来识
别位置处的危险
。
因此，机器学习程序可以使用时间窗口操作员行为数据来针对由自主车辆在道路上操作所使用的地图识别危险
。
附图说明
[0027]图1是用于操作车辆的示例性系统的框图
。
[0028]图2是示例性道路的俯视图
。
[0029]图3是被编程为识别道路上的危险的示例性服务器的框图
。
[0030]图4是示例性神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种方法，其包括：从车辆接收操作数据，所述操作数据包括指示操作车辆的一个或多个乘员动作的乘员数据和在收集所述乘员数据期间指定车辆位置的位置数据；将所述操作数据分配给多个集合中的相应集合，每个集合包括在与其他集合不同的指定时间段期间收集的操作数据；将所述多个集合输入到机器学习程序，所述机器学习程序被训练以输出对指定位置处的危险的识别，所述危险是将所述车辆的操作从默认操作改变的道路状况或障碍物；从所述机器学习程序输出所述指定位置处的所述危险；并且向所述车辆发送包括从所述机器学习程序输出的所述指定位置处的所述危险的消息
。2.
如权利要求1所述的方法，其还包括：接收所述指定位置处的所述危险并且基于所述危险从所述车辆的第一操作模式转变为第二操作模式
。3.
如权利要求2所述的方法，其中所述第一操作模式是完全自主模式，并且所述第二操作模式是半自主模式
。4.
如权利要求1所述的方法，其中训练所述机器学习程序以将所述多个集合中的每一者分配给多个危险类别中的一者，每个危险类别指示所述车辆在所述指定位置处的指定操作模式
。5.
如权利要求1所述的方法，其还包括：将所述危险包括在地图中并且将所述地图包括在给所述车辆的所述消息中
。6.
如权利要求5所述的方法，其中所述地图是高分辨率地图，所述高分辨率地图包括的地理坐标的分辨率比来自外部服务器的第二地理坐标的第二分辨率更精细
。7.
如权利要求1所述的方法，其中所述操作数据包括方向盘扭矩
、...

【专利技术属性】
技术研发人员：杰瑞米，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：