本發(fā)明涉及車(chē)輛
技術(shù)領(lǐng)域：
，并且更具體地涉及自主置信控制。
背景技術(shù)：
：近年來(lái)，已經(jīng)看到所謂的自主或半自主車(chē)輛，即乘用車(chē)等的發(fā)展，該車(chē)輛包括編程以運(yùn)載我們的一個(gè)或多個(gè)車(chē)輛操作的計(jì)算機(jī)。這樣的車(chē)輛的范圍從具有有限的控制制動(dòng)和轉(zhuǎn)向(例如，當(dāng)前存在的車(chē)道保持技術(shù))的能力的半自主車(chē)輛到完全自主的車(chē)輛，例如現(xiàn)在已知的，其中，車(chē)輛計(jì)算機(jī)可以做出所有車(chē)輛操作決策，例如所有關(guān)于推進(jìn)、制動(dòng)和轉(zhuǎn)向的決策。當(dāng)人類(lèi)操作者請(qǐng)求對(duì)一個(gè)或多個(gè)車(chē)輛部件的控制時(shí)，在完全和半自主車(chē)輛中出現(xiàn)挑戰(zhàn)。例如，在自主車(chē)輛中，如果操作者使轉(zhuǎn)向裝置、制動(dòng)器或加速踏板移動(dòng)，則車(chē)輛計(jì)算機(jī)可能缺乏足夠的信息來(lái)決策是否更好地將控制返回給駕駛員或繼續(xù)自主控制。在該示例中，車(chē)輛計(jì)算機(jī)可能缺少信息以確定操作者在睡著或醉酒時(shí)已經(jīng)碰到踏板或方向盤(pán)，孩子或其他乘客在轉(zhuǎn)彎中途已經(jīng)碰到方向盤(pán)等。另一方面，例如在完全自主的車(chē)輛中，控制車(chē)輛操作的計(jì)算機(jī)可能不具有用于控制和操作車(chē)輛的足夠的數(shù)據(jù)。例如，條件或故障可以妨礙傳感器清楚地檢測(cè)周?chē)h(huán)境，這可能導(dǎo)致車(chē)輛計(jì)算機(jī)提供使車(chē)輛沿危險(xiǎn)方向轉(zhuǎn)向的指令。在其他情況下，條件可以在“灰色區(qū)域”中，使得難以清楚地確定車(chē)輛計(jì)算機(jī)和/或操作者是否可以安全地操作一些或所有車(chē)輛部件。因此，在決策如何分擔(dān)與車(chē)輛乘員操作車(chē)輛的責(zé)任的車(chē)輛計(jì)算機(jī)中出現(xiàn)困難。這個(gè)問(wèn)題由于真實(shí)世界駕駛包括具有高變化性、不確定性和模糊性的許多不同事件的事實(shí)而加劇。技術(shù)實(shí)現(xiàn)要素：根據(jù)本發(fā)明，提供一種用于控制車(chē)輛的方法，包含以下步驟：從多個(gè)源接收表示車(chē)輛和車(chē)輛的周?chē)h(huán)境的方面的信號(hào)；基于信號(hào)中的至少一個(gè)的部件置信水平來(lái)產(chǎn)生自主置信因子；和至少部分地基于自主置信因子來(lái)在自主控制水平之間轉(zhuǎn)換車(chē)輛的控制。根據(jù)本發(fā)明的一個(gè)實(shí)施例，水平包括自主控制水平、半自主控制水平和手動(dòng)控制水平。根據(jù)本發(fā)明的一個(gè)實(shí)施例，方法進(jìn)一步包含通過(guò)向部件置信水平中的每一個(gè)應(yīng)用特定加權(quán)因子來(lái)產(chǎn)生自主置信因子，特定加權(quán)因子由部件置信水平的值確定。根據(jù)本發(fā)明的一個(gè)實(shí)施例，從多個(gè)車(chē)輛子系統(tǒng)中的每一個(gè)確定部件置信水平。根據(jù)本發(fā)明的一個(gè)實(shí)施例，產(chǎn)生自主置信因子包括對(duì)特定置信因子進(jìn)行加權(quán)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，多個(gè)車(chē)輛子系統(tǒng)包括激光雷達(dá)、雷達(dá)、光學(xué)攝像機(jī)、紅外攝像機(jī)、超聲換能器、高度計(jì)、全球定位系統(tǒng)和遠(yuǎn)程信息處理系統(tǒng)中的至少一個(gè)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，方法進(jìn)一步包含：當(dāng)自主置信因子超過(guò)第一閾值時(shí)，從自主控制水平中的第一水平變換到自主控制水平中的第二水平。根據(jù)本發(fā)明的一個(gè)實(shí)施例，方法進(jìn)一步包含：當(dāng)自主置信因子低于第一閾值并且超過(guò)第二閾值時(shí)，變換到半自主控制水平。根據(jù)本發(fā)明的一個(gè)實(shí)施例，車(chē)輛子系統(tǒng)各自具有特定自主置信度閾值，方法進(jìn)一步包含當(dāng)車(chē)輛子系統(tǒng)的特定置信因子超過(guò)特定自主置信度閾值時(shí)自主控制車(chē)輛子系統(tǒng)中的每一個(gè)，以及當(dāng)車(chē)輛子系統(tǒng)的特定置信因子低于特定自主置信度閾值時(shí)允許車(chē)輛子系統(tǒng)中的每一個(gè)的手動(dòng)控制。根據(jù)本發(fā)明的一個(gè)實(shí)施例，方法進(jìn)一步包含根據(jù)自主置信因子致動(dòng)車(chē)輛轉(zhuǎn)向裝置、制動(dòng)器和推進(jìn)器中的至少一個(gè)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，自主控制包括由車(chē)輛計(jì)算機(jī)控制車(chē)輛轉(zhuǎn)向裝置、制動(dòng)器和推進(jìn)器中的每一個(gè)，半自主控制包括由車(chē)輛計(jì)算機(jī)控制車(chē)輛轉(zhuǎn)向裝置、制動(dòng)器和推進(jìn)器中的至少一個(gè)，和手動(dòng)控制包括由車(chē)輛計(jì)算機(jī)不控制車(chē)輛轉(zhuǎn)向裝置、制動(dòng)器和推進(jìn)器中的任一個(gè)。根據(jù)本發(fā)明，提供一種自主車(chē)輛，包含：多個(gè)車(chē)輛控制子系統(tǒng)；多個(gè)傳感器和接收器，傳感器和接收器用于從多個(gè)源接收表示車(chē)輛、車(chē)輛控制子系統(tǒng)和車(chē)輛周?chē)h(huán)境的方面的信號(hào)；和至少一個(gè)控制器，控制器被編程為針對(duì)信號(hào)中的至少一個(gè)信號(hào)產(chǎn)生置信水平，并且評(píng)估置信水平以確定自主置信因子；其中至少一個(gè)控制器被編程為至少部分地基于自主置信因子來(lái)在自主控制水平之間轉(zhuǎn)換車(chē)輛的控制。根據(jù)本發(fā)明的一個(gè)實(shí)施例，水平包括自主控制水平、半自主控制水平和手動(dòng)控制水平。根據(jù)本發(fā)明的一個(gè)實(shí)施例，置信水平包括信號(hào)中的數(shù)據(jù)的質(zhì)量的測(cè)量。根據(jù)本發(fā)明的一個(gè)實(shí)施例，多個(gè)車(chē)輛子系統(tǒng)包括激光雷達(dá)、雷達(dá)、光學(xué)攝像機(jī)、紅外攝像機(jī)、超聲換能器、高度計(jì)、全球定位系統(tǒng)和遠(yuǎn)程信息處理系統(tǒng)中的至少一個(gè)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，控制器被編程為當(dāng)自主置信因子超過(guò)第一閾值時(shí)從自主控制水平中的第一水平變換到自主控制水平中的第二水平。根據(jù)本發(fā)明的一個(gè)實(shí)施例，控制器被編程為當(dāng)自主置信因子低于第一閾值并且超過(guò)第二閾值時(shí)變換到半自主控制水平。根據(jù)本發(fā)明的一個(gè)實(shí)施例，車(chē)輛子系統(tǒng)各自具有特定的自主置信度閾值，控制器被編程為當(dāng)車(chē)輛子系統(tǒng)的自主置信因子超過(guò)特定自主置信度閾值時(shí)自主控制車(chē)輛子系統(tǒng)中的每一個(gè)，當(dāng)車(chē)輛子系統(tǒng)的自主置信因子低于特定自主置信閾值時(shí)允許車(chē)輛子系統(tǒng)中的每一個(gè)的手動(dòng)控制。根據(jù)本發(fā)明的一個(gè)實(shí)施例，控制器被編程為根據(jù)自主置信因子致動(dòng)車(chē)輛轉(zhuǎn)向裝置、制動(dòng)器和推進(jìn)器中的至少一個(gè)。根據(jù)本發(fā)明，提供一種用于控制車(chē)輛的方法，包含至少部分地基于表示車(chē)輛和車(chē)輛的外部的方面的多個(gè)信號(hào)中的置信水平在不同的自主控制程度之間轉(zhuǎn)換。附圖說(shuō)明圖1是車(chē)輛控制系統(tǒng)的框圖；圖2是可以在圖1的系統(tǒng)的環(huán)境中實(shí)現(xiàn)的處理子系統(tǒng)的示意圖；圖3是可以在圖1的系統(tǒng)的環(huán)境中實(shí)現(xiàn)以確定警覺(jué)性因子和準(zhǔn)備狀態(tài)因子的另一處理子系統(tǒng)的示意圖；圖4是可以在圖1的系統(tǒng)的環(huán)境中實(shí)現(xiàn)以確定自主置信因子的另一處理子系統(tǒng)的示意圖；圖5a-5c示出了收集數(shù)據(jù)和確定數(shù)據(jù)的置信度的數(shù)據(jù)收集器的示例集合；圖6a-6c示出了收集數(shù)據(jù)和確定數(shù)據(jù)的置信度的數(shù)據(jù)收集器的另一示例集合；圖7a示出了將來(lái)自部件子系統(tǒng)的數(shù)據(jù)處理成自主置信因子的框圖；圖7b是圖4的處理子系統(tǒng)的示意圖；圖7c示出了示例車(chē)輛和數(shù)據(jù)收集器的示例范圍；圖8a是由圖4的處理子系統(tǒng)收集和處理以確定自主置信因子的數(shù)據(jù)表；圖8b-8c示出了來(lái)自圖8a的圖表的數(shù)據(jù)；圖9是可以在圖1的系統(tǒng)的環(huán)境中實(shí)現(xiàn)以確定危險(xiǎn)因子的另一處理子系統(tǒng)的示意圖；圖10是可以用于確定動(dòng)作概率因子的示例概率陣列的示意圖；圖11示出了多個(gè)方向概率陣列，該每個(gè)方向概率陣列指示潛在的車(chē)輛軌跡；圖12是可以在圖1的系統(tǒng)的環(huán)境中實(shí)現(xiàn)以確定組合方向概率陣列的另一處理子系統(tǒng)的示意圖；圖13是可以在圖1的系統(tǒng)的環(huán)境中實(shí)現(xiàn)以確定動(dòng)作概率因子的另一處理子系統(tǒng)的示意圖；圖14是用于實(shí)現(xiàn)車(chē)輛的操作控制的示例性過(guò)程的示意圖；圖15是用于基于警覺(jué)性因子和準(zhǔn)備狀態(tài)因子實(shí)現(xiàn)車(chē)輛的操作控制的另一示例性過(guò)程的示意圖；圖16是用于基于動(dòng)作概率因子實(shí)現(xiàn)車(chē)輛的操作控制的另一示例性過(guò)程的示意圖；圖17是用于基于自主置信因子實(shí)現(xiàn)車(chē)輛的操作控制的另一示例性過(guò)程的示意圖；圖18是用于基于危險(xiǎn)因子實(shí)現(xiàn)車(chē)輛的操作控制的另一示例性過(guò)程的示意圖。具體實(shí)施方式引言圖1是示例性自主車(chē)輛系統(tǒng)100的框圖，系統(tǒng)100包括設(shè)置有一個(gè)或多個(gè)傳感器數(shù)據(jù)收集器110的車(chē)輛101，所述傳感器數(shù)據(jù)收集器110收集例如與車(chē)輛101的操作、接近車(chē)輛101的環(huán)境、車(chē)輛101操作者有關(guān)的所收集的數(shù)據(jù)115。車(chē)輛101中的計(jì)算設(shè)備105通常接收所收集的數(shù)據(jù)115，并且還包括程序編制，例如作為存儲(chǔ)在計(jì)算設(shè)備105的存儲(chǔ)器中并且可由計(jì)算設(shè)備105的處理器執(zhí)行的一組指令，由此一些或全部操作可以自主地或半自主地進(jìn)行，即沒(méi)有人類(lèi)控制和/或有限的人類(lèi)干預(yù)。計(jì)算設(shè)備105被編程為識(shí)別允許的控制狀態(tài)，即，一個(gè)或多個(gè)車(chē)輛部件的手動(dòng)控制和/或計(jì)算機(jī)控制。此外，計(jì)算機(jī)105可以被編程為識(shí)別車(chē)輛操作的多個(gè)可能模式中的一個(gè)。計(jì)算機(jī)105可以獲取可以用于評(píng)估多個(gè)操作因子的所收集的數(shù)據(jù)115，每個(gè)操作因子是根據(jù)大體上當(dāng)前所收集的數(shù)據(jù)115隨時(shí)間變化的值。操作因子在下面詳細(xì)解釋?zhuān)⑶铱梢园ɡ珩{駛員警覺(jué)性因子、駕駛員準(zhǔn)備狀態(tài)因子、駕駛員行動(dòng)概率因子、自主置信因子和/或危險(xiǎn)因子。操作因子可以被組合，例如經(jīng)受可以根據(jù)當(dāng)前條件以及車(chē)輛101和/或類(lèi)似車(chē)輛101的操作歷史對(duì)操作因子加權(quán)的模糊邏輯分析?；诓僮饕蜃樱?jì)算機(jī)105被編程為輸出車(chē)輛101控制決策，并且根據(jù)控制決策來(lái)操作一個(gè)或多個(gè)車(chē)輛101部件。例如，車(chē)輛101計(jì)算機(jī)105可以基于操作因子輸出指定車(chē)輛101操作的模式(例如自主、半自主或手動(dòng))的控制規(guī)則，其中自主模式意味著與車(chē)輛推進(jìn)、轉(zhuǎn)向和制動(dòng)相關(guān)的所有操作由計(jì)算機(jī)105控制，半自主意味著上述操作的子集由計(jì)算機(jī)105控制，并且一些操作留給操作員控制，并且手動(dòng)意味著前述操作留給車(chē)輛乘員控制。類(lèi)似地，在另一個(gè)示例中，計(jì)算機(jī)105可以確定允許的人工操作者控制的級(jí)別，例如(1)計(jì)算機(jī)101沒(méi)有控制轉(zhuǎn)向裝置、制動(dòng)器或推進(jìn)器，(2)由計(jì)算機(jī)105控制制動(dòng)器，3)由計(jì)算機(jī)105控制制動(dòng)器和推進(jìn)器，(4)由計(jì)算機(jī)105控制制動(dòng)器、推進(jìn)器和轉(zhuǎn)向裝置，以及(5)組合控制，例如由計(jì)算機(jī)控制制動(dòng)器、推進(jìn)器和轉(zhuǎn)向裝置但是乘員可以施加力以克服計(jì)算機(jī)105致動(dòng)制動(dòng)器或加速踏板位置和/或方向盤(pán)位置。下面討論車(chē)輛操作模式的其他示例，例如不同級(jí)別的自主操作。示例性系統(tǒng)元件車(chē)輛101包括車(chē)輛計(jì)算機(jī)105，車(chē)輛計(jì)算機(jī)105通常包括處理器和存儲(chǔ)器，該存儲(chǔ)器包括一種或多種形式的計(jì)算機(jī)可讀介質(zhì)，并且存儲(chǔ)可由處理器執(zhí)行以執(zhí)行各種操作(包括如本文所公開(kāi)的)的指令。例如，計(jì)算機(jī)105通常包括并且能夠執(zhí)行選擇車(chē)輛101的自主操作模式、調(diào)整車(chē)輛101的自主操作模式、改變車(chē)輛101的自主操作模式等的指令。如下面進(jìn)一步解釋的，計(jì)算機(jī)105通常還包括用于確定自主或半自主控制——即，根據(jù)計(jì)算機(jī)105中的程序編制控制的一組部件和/或由人類(lèi)操作者控制的一組部件——的級(jí)別的指令，以及在車(chē)輛101處于完全或半自主模式的情況下一些或所有車(chē)輛101部件的指令。例如，計(jì)算機(jī)105可以包括操作一個(gè)或多個(gè)車(chē)輛制動(dòng)器、推進(jìn)器(例如，通過(guò)控制內(nèi)燃發(fā)動(dòng)機(jī)、電動(dòng)馬達(dá)、變速器擋位、點(diǎn)火提前、可變進(jìn)氣和排氣凸輪、燃料比等來(lái)控制車(chē)輛101的加速度)、轉(zhuǎn)向裝置、氣候控制、內(nèi)部和/或外部燈等，以及確定計(jì)算機(jī)105是否與人類(lèi)操作者相對(duì)的控制這樣的操作以及計(jì)算機(jī)105何時(shí)控制這樣的操作。計(jì)算機(jī)105可以包括或例如經(jīng)由如下面進(jìn)一步描述的車(chē)輛101通信總線通信地連接到多于一個(gè)計(jì)算設(shè)備，例如，控制器或包括在車(chē)輛101中的用于監(jiān)視和/或控制的各種車(chē)輛部件——例如發(fā)動(dòng)機(jī)控制單元(ecu)、變速器控制單元(tcu)等——的類(lèi)似部件。計(jì)算機(jī)105通常配置為用于在車(chē)輛101中的網(wǎng)絡(luò)上通信，例如控制器局域網(wǎng)(can)總線等。計(jì)算機(jī)105還可以具有到車(chē)載診斷連接器(obd-ii)的連接。通過(guò)can總線和/或其他有線或無(wú)線通信介質(zhì)(有時(shí)，如已知的，通常稱(chēng)為“車(chē)輛總線”或“車(chē)輛通信總線”)，計(jì)算機(jī)105可以在車(chē)輛中向包括數(shù)據(jù)收集器110的各種設(shè)備傳送消息和/或從包括數(shù)據(jù)收集器110的各種設(shè)備接收消息，各種設(shè)備例如是控制器、致動(dòng)器、傳感器等?？蛇x地或附加地，在計(jì)算機(jī)105實(shí)際上包含多個(gè)設(shè)備的情況下，can總線等可用于在本公開(kāi)中表示為計(jì)算機(jī)105的設(shè)備之間的通信。此外，如下所述，各種控制器等(例如ecu、tcu等)可以經(jīng)由車(chē)輛101網(wǎng)絡(luò)(例如can總線等)向計(jì)算機(jī)105提供數(shù)據(jù)115。另外，計(jì)算機(jī)105可以配置為經(jīng)由網(wǎng)絡(luò)120與一個(gè)或多個(gè)遠(yuǎn)程計(jì)算機(jī)125通信，如下所述，網(wǎng)絡(luò)120可以包括各種有線和/或無(wú)線聯(lián)網(wǎng)技術(shù)，例如蜂窩、藍(lán)牙、有線和/或無(wú)線分組網(wǎng)絡(luò)等。此外，計(jì)算機(jī)105通常包括用于例如從一個(gè)或多個(gè)數(shù)據(jù)收集器110和/或諸如交互式語(yǔ)音響應(yīng)(ivr)系統(tǒng)、包括觸摸屏等的圖形用戶(hù)界面(gui)等的人機(jī)界面(hmi)接收數(shù)據(jù)的指令。如已經(jīng)提到的，通常包括在存儲(chǔ)在計(jì)算機(jī)105中并由計(jì)算機(jī)105執(zhí)行的指令中的是用于在沒(méi)有人類(lèi)操作者干預(yù)的情況下操作一個(gè)或多個(gè)車(chē)輛101部件(例如制動(dòng)器、轉(zhuǎn)向裝置、推進(jìn)器等)的程序編制。使用在計(jì)算機(jī)105中接收的數(shù)據(jù)，例如從數(shù)據(jù)收集器110、服務(wù)器125等所收集的數(shù)據(jù)115，計(jì)算機(jī)105可以在沒(méi)有駕駛員操作車(chē)輛101的情況下進(jìn)行各種確定和/或控制各種車(chē)輛101部件和/或操作。例如，計(jì)算機(jī)105可以包括調(diào)節(jié)車(chē)輛101的操作行為(例如速度、加速度、減速度、轉(zhuǎn)向等)以及戰(zhàn)術(shù)行為(例如車(chē)輛之間的距離和/或車(chē)輛之間的時(shí)間量、車(chē)輛之間的車(chē)道變化最小間隙、左轉(zhuǎn)穿過(guò)路徑最小值、到達(dá)特定位置的時(shí)間、穿越十字路口(沒(méi)有信號(hào)燈)的十字路口最小到達(dá)時(shí)間等)的程序編制。此外，計(jì)算機(jī)105可以基于例如車(chē)輛101路線、路線上的路點(diǎn)等數(shù)據(jù)115做出戰(zhàn)略確定。車(chē)輛101包括多個(gè)車(chē)輛子系統(tǒng)107。車(chē)輛子系統(tǒng)107控制車(chē)輛101的各種部件，例如推進(jìn)車(chē)輛101的推進(jìn)子系統(tǒng)107，使車(chē)輛101停止的制動(dòng)器子系統(tǒng)107，使車(chē)輛101轉(zhuǎn)彎的轉(zhuǎn)向裝置子系統(tǒng)107等。子系統(tǒng)107可以各自由例如特定控制器108和/或直接由計(jì)算設(shè)備105致動(dòng)?？刂破?08是被編程以控制特定車(chē)輛子系統(tǒng)107的計(jì)算裝置，例如，控制器108可以是諸如已知的可能包括如本文所述的附加程序編制的電子控制單元(ecu)，例如發(fā)動(dòng)機(jī)控制單元、變速器控制單元、制動(dòng)器控制模塊等。控制器108可以通信地連接到計(jì)算機(jī)105并從計(jì)算機(jī)105接收指令，以根據(jù)指令致動(dòng)子系統(tǒng)。例如，控制器108可以從計(jì)算設(shè)備105接收指令，以使用來(lái)自人類(lèi)操作者的部分輸入或沒(méi)有輸入來(lái)操作車(chē)輛子系統(tǒng)107，例如推進(jìn)器、制動(dòng)器等。車(chē)輛101可以包括多個(gè)控制器108。數(shù)據(jù)收集器110可以包括已知通過(guò)車(chē)輛通信總線提供數(shù)據(jù)的各種設(shè)備。例如，如上所述，車(chē)輛中的各種控制器可以作為數(shù)據(jù)收集器110操作，以經(jīng)由can總線提供所收集的數(shù)據(jù)115，例如與車(chē)輛速度、加速度等相關(guān)的所收集的數(shù)據(jù)115。此外，傳感器或類(lèi)似器件、全球定位系統(tǒng)(gps)設(shè)備等可以包括在車(chē)輛中并且配置為數(shù)據(jù)收集器110，以例如通過(guò)有線或無(wú)線連接將數(shù)據(jù)直接提供給計(jì)算機(jī)105。數(shù)據(jù)收集器110可以包括車(chē)輛101中或車(chē)輛101上的傳感器，以提供關(guān)于車(chē)輛101乘員的所收集的數(shù)據(jù)115。例如，一個(gè)或多個(gè)攝像機(jī)數(shù)據(jù)收集器110可以被定位成提供對(duì)駕駛員座椅中的車(chē)輛101乘員的眼睛和/或面部的監(jiān)控。麥克風(fēng)數(shù)據(jù)收集器110可以被定位成捕獲車(chē)輛101乘員的語(yǔ)音。方向盤(pán)傳感器、加速踏板傳感器、制動(dòng)踏板傳感器和/或座椅傳感器數(shù)據(jù)收集器110可以以已知方式定位，以提供關(guān)于操作者的手和/或腳是否與上述各種車(chē)輛101部件接觸和/或是否將壓力施加到各種車(chē)輛101部件的信息。此外，計(jì)算機(jī)105可以收集與操作者對(duì)車(chē)輛101人機(jī)界面(hmi)的使用——例如操作者活動(dòng)的級(jí)別——相關(guān)的所收集的數(shù)據(jù)115，例如每個(gè)時(shí)間段的輸入的數(shù)量、操作者活動(dòng)的類(lèi)型，例如，觀看電影、收聽(tīng)無(wú)線電節(jié)目等。數(shù)據(jù)收集器110還可以包括傳感器等，例如中程和長(zhǎng)程傳感器，用于檢測(cè)靠近車(chē)輛101的對(duì)象(例如其他車(chē)輛、道路障礙物等)并且可能還從靠近車(chē)輛101的對(duì)象(例如其他車(chē)輛、道路障礙物等)獲取信息，以及車(chē)輛101外部的其他條件。例如，傳感器數(shù)據(jù)收集器110可以包括諸如無(wú)線電、雷達(dá)、激光雷達(dá)、聲納、攝像機(jī)或其他圖像捕獲設(shè)備的機(jī)構(gòu)，該機(jī)構(gòu)可以被部署以檢測(cè)周?chē)卣?，例如道路特征、其他?chē)輛等，和/或獲取與車(chē)輛101的操作相關(guān)的其他所收集的數(shù)據(jù)115，例如測(cè)量車(chē)輛101和其他車(chē)輛或?qū)ο笾g的距離、檢測(cè)其他車(chē)輛或?qū)ο?、?或檢測(cè)道路狀況，例如彎道、坑洼、凹陷、隆起、坡度變化等。作為另一個(gè)示例，gps數(shù)據(jù)115可以與二維(2d)和/或三維(3d)高分辨率數(shù)字地圖數(shù)據(jù)和/或稱(chēng)為“電子地平線數(shù)據(jù)(例如存儲(chǔ)在計(jì)算機(jī)105的存儲(chǔ)器中的數(shù)據(jù))”的基本數(shù)據(jù)組合?；谂c以已知方式的航位推算相關(guān)的數(shù)據(jù)115和/或諸如已知的可能使用gps數(shù)據(jù)115的某些其他同時(shí)定位和映射(slam)和/或定位計(jì)算，數(shù)字地圖數(shù)據(jù)115可以用作用于計(jì)算機(jī)105的相關(guān)數(shù)據(jù)以在確定車(chē)輛101路徑或支持路徑規(guī)劃器時(shí)使用，以及在用于戰(zhàn)術(shù)駕駛決策的其他決策過(guò)程中使用。計(jì)算機(jī)105的存儲(chǔ)器通常存儲(chǔ)所收集的數(shù)據(jù)115。所收集的數(shù)據(jù)115可以包括在車(chē)輛101中從數(shù)據(jù)收集器110收集的各種數(shù)據(jù)，此外，數(shù)據(jù)115可以另外包括在計(jì)算機(jī)105中從中計(jì)算出的數(shù)據(jù)。一般來(lái)說(shuō)，所收集的數(shù)據(jù)115可以包括可以由收集設(shè)備110收集和/或從諸如原始傳感器110數(shù)據(jù)115值——例如原始雷達(dá)或激光雷達(dá)數(shù)據(jù)115值、例如從原始雷達(dá)數(shù)據(jù)115計(jì)算出的對(duì)象160的距離的派生數(shù)據(jù)值、例如由發(fā)動(dòng)機(jī)控制器或車(chē)輛101中的一些其它控制和/或監(jiān)測(cè)系統(tǒng)提供的測(cè)量數(shù)據(jù)值——這樣的數(shù)據(jù)計(jì)算的任何數(shù)據(jù)。一般來(lái)說(shuō)，各種類(lèi)型的原始數(shù)據(jù)115可以是所收集的例如圖像數(shù)據(jù)115、與反射光或聲音相關(guān)的數(shù)據(jù)115、指示環(huán)境光的量、溫度、速度、加速度、橫擺等的數(shù)據(jù)115。因此，一般來(lái)說(shuō)，所收集的數(shù)據(jù)115可以包括與車(chē)輛101操作和/或性能相關(guān)的各種數(shù)據(jù)115，以及特別與車(chē)輛101的運(yùn)動(dòng)相關(guān)的數(shù)據(jù)。例如，除了所獲取的與其他車(chē)輛、道路特征等相關(guān)的數(shù)據(jù)115，所收集的數(shù)據(jù)115可以包括關(guān)于車(chē)輛101速度、加速度、制動(dòng)、車(chē)道變化和/或車(chē)道使用(例如，在特定道路和/或諸如洲際公路的道路類(lèi)型)、在相應(yīng)速度或速度范圍內(nèi)與其它車(chē)輛的平均距離的數(shù)據(jù)，和/或與車(chē)輛101操作相關(guān)的其他數(shù)據(jù)115。另外，可以例如使用車(chē)輛到車(chē)輛通信從遠(yuǎn)程服務(wù)器125和/或一個(gè)或多個(gè)其他車(chē)輛101提供所收集的數(shù)據(jù)115。已知用于車(chē)輛到車(chē)輛通信的各種技術(shù)，包括硬件、通信協(xié)議等。例如，可以根據(jù)專(zhuān)用短程通信(dsrc)等發(fā)送和接收車(chē)輛到車(chē)輛消息。眾所周知，dsrc是在5.9ghz頻帶中由美國(guó)政府特別分配的頻譜中的短至中等范圍內(nèi)的相對(duì)低功率操作。在任何情況下，車(chē)輛到車(chē)輛消息中的信息可以包括所收集的數(shù)據(jù)115，例如發(fā)射車(chē)輛101的位置(例如，根據(jù)諸如緯度和經(jīng)度的地理坐標(biāo))、速度、加速度、減速度等。此外，發(fā)射車(chē)輛101可以提供其他數(shù)據(jù)115，諸如一個(gè)或多個(gè)目標(biāo)160的位置、速度等。服務(wù)器125可以是一個(gè)或多個(gè)計(jì)算機(jī)服務(wù)器，每個(gè)通常包括至少一個(gè)處理器和至少一個(gè)存儲(chǔ)器，該存儲(chǔ)器存儲(chǔ)可由處理器執(zhí)行的指令，包括用于執(zhí)行本文所述的各種步驟和過(guò)程的指令。服務(wù)器125可以包括或通信地連接到數(shù)據(jù)存儲(chǔ)器130，用于存儲(chǔ)從一個(gè)或多個(gè)車(chē)輛101接收的所收集的數(shù)據(jù)115。另外地或替代地，服務(wù)器可提供供車(chē)輛計(jì)算機(jī)105使用的數(shù)據(jù)115。通常，來(lái)自不同源(例如，經(jīng)由服務(wù)器125的數(shù)據(jù)存儲(chǔ)器130、其他車(chē)輛101和/或車(chē)輛101中的數(shù)據(jù)收集器110)的數(shù)據(jù)115的組合可以被合成和/或組合以提供警報(bào)、消息和/或自主操作的基礎(chǔ)。例如，車(chē)輛101可以從第二車(chē)輛和/或服務(wù)器125接收關(guān)于由第二車(chē)輛檢測(cè)到的道路中的對(duì)象的信息。因此，計(jì)算機(jī)105可以進(jìn)一步被編程為使用其自己的操作歷史和/或由其他車(chē)輛101記錄的歷史，用于做出關(guān)于自主操作的確定。計(jì)算設(shè)備105可以基于操作因子使用模糊邏輯處理器22來(lái)確定控制信號(hào)。操作因子通常開(kāi)始為脆性輸入(crispinput)23，即二進(jìn)制值0或1，但不在0和1之間。模糊處理器22然后應(yīng)用模糊器24，即將脆性輸入23轉(zhuǎn)換成可以具有應(yīng)用于脆性輸入的模糊邏輯的輸入的一組指令，以創(chuàng)建模糊輸入，即0和1之間的值。例如，模糊器24可以應(yīng)用權(quán)重來(lái)將二進(jìn)制操作因子轉(zhuǎn)換為0和1之間的各種實(shí)數(shù)。計(jì)算設(shè)備105然后使用推理引擎25(即一組指令)、基于模糊化的因子推斷控制決策輸出，以及使用規(guī)則庫(kù)26(即推理引擎25遵循的推斷控制決策輸出的一組規(guī)則)確定控制決策輸出。模糊處理器22然后應(yīng)用解模糊器27，即將模糊控制決策輸出(其是0和1之間的值)轉(zhuǎn)換成脆性輸出決策28的一組指令。脆性輸出決策28可以是以下四個(gè)決策中的一個(gè)：完全人類(lèi)操作員控制、完全虛擬操作員控制、共享人類(lèi)和虛擬操作員控制、以及利用虛擬輔助的人類(lèi)控制，如上所述。計(jì)算設(shè)備105然后將脆性輸出決策28作為歷史數(shù)據(jù)保存在數(shù)據(jù)存儲(chǔ)器106中，并且基于脆性輸出決策28致動(dòng)一個(gè)或多個(gè)車(chē)輛101部件。模糊化數(shù)據(jù)的示例在下面的表1中示出。從左邊開(kāi)始的第一列示出了模糊化輸入，即在0和1之間的數(shù)據(jù)。中間的第二列示出了應(yīng)用于模糊化輸入的模糊權(quán)重。模糊權(quán)重可以是任何值，包括超過(guò)1的值。右邊的最后一列示出了模糊化輸出，即輸入乘以模糊權(quán)重。然后將輸出相加在一起以產(chǎn)生模糊化和。模糊化和除以加權(quán)和(即模糊權(quán)重的和)，以產(chǎn)生在0和1之間的結(jié)果因子。模糊化輸入模糊權(quán)重模糊化輸出0.8702.4102.0970.0930.1070.0100.9537.4177.0690.3471.0360.3600.8924.0093.5760.2690.2250.0610.8626.0505.2410.3680.7150.2630.3210.5330.171加權(quán)和22.503模糊化和18.848因子0.838表1操作因子如上所述，操作因子是基于加權(quán)的所收集的數(shù)據(jù)115的數(shù)值，其涉及計(jì)算機(jī)105的能力和/或人類(lèi)操作者控制車(chē)輛101的能力。每個(gè)操作因子涉及特定方面的計(jì)算機(jī)105的能力和/或人類(lèi)操作者控制車(chē)輛的能力。示例性操作因子在以下段落中討論。警覺(jué)性因子(al)操作因子的一個(gè)示例是操作者警覺(jué)性因子。如上所述，各種傳感器數(shù)據(jù)收集器110可收集關(guān)于車(chē)輛101操作者的數(shù)據(jù)115。該數(shù)據(jù)115可以用于確定操作者警覺(jué)性因子。例如，諸如已知的圖像識(shí)別技術(shù)可以用于例如基于人的眼睛、面部表情等確定人是否醒著、睡著、清醒、醉酒等。同樣，麥克風(fēng)數(shù)據(jù)收集器110可以提供可以使用已知技術(shù)進(jìn)行分析的數(shù)據(jù)115，以基于人的聲音來(lái)確定該人是否受藥物或酒精的影響。作為另一個(gè)示例，方向盤(pán)傳感器110可以用于確定人的手是否在方向盤(pán)上或方向盤(pán)附近，同樣也適用于踏板和/或加速度傳感器110。來(lái)自一個(gè)或多個(gè)前述數(shù)據(jù)收集器或其他數(shù)據(jù)收集器110的所收集的數(shù)據(jù)115可以用于確定操作者警覺(jué)性因子，例如，歸一化到0和1之間的數(shù)值范圍的警覺(jué)性水平，其中0表示操作者具有零警覺(jué)性，例如，無(wú)意識(shí)，并且1表示操作者完全警覺(jué)并且能夠取得對(duì)車(chē)輛101的控制。準(zhǔn)備狀態(tài)因子(re)操作因子的另一示例是操作者準(zhǔn)備狀態(tài)因子。無(wú)論操作者是否警覺(jué)，操作者可能由于各種原因(例如，因?yàn)椴僮髡哒谟^看電影，并且操作者的座椅沒(méi)有適當(dāng)?shù)囟ㄎ粸槿〉脤?duì)車(chē)輛101的控制)而未準(zhǔn)備好取得對(duì)車(chē)輛101的控制。因此，指示座椅位置、制動(dòng)器響應(yīng)時(shí)間、加速器響應(yīng)時(shí)間、轉(zhuǎn)向裝置響應(yīng)時(shí)間中的至少一種、指示車(chē)輛101hmi的狀態(tài)、眼睛位置和活動(dòng)、語(yǔ)音聚焦等的傳感器數(shù)據(jù)收集器110可用于提供數(shù)據(jù)115以確定操作者準(zhǔn)備狀態(tài)因子。例如，座椅位置(例如相對(duì)于車(chē)輛地板的座椅角度)可以指示操作者是否準(zhǔn)備狀態(tài)好取得對(duì)車(chē)輛101的控制，例如，接近垂直于車(chē)輛底板的座椅角度可以指示操作者準(zhǔn)備狀態(tài)好取得控制。座椅角度可以與預(yù)定座椅角度閾值進(jìn)行比較，以指示操作者是否準(zhǔn)備狀態(tài)好取得對(duì)車(chē)輛101的控制。操作者準(zhǔn)備狀態(tài)因子可以被歸一化為從零到一的數(shù)值范圍。概率因子(pr)操作因子的另一示例是操作者動(dòng)作概率因子。該操作因子指示例如從0到1的數(shù)值范圍被歸一化的以控制車(chē)輛101的意圖執(zhí)行駕駛員動(dòng)作的概率。例如，如果車(chē)輛根據(jù)計(jì)算機(jī)105的控制沿著直道以直線行駛，并且人類(lèi)操作者嘗試轉(zhuǎn)動(dòng)車(chē)輛101方向盤(pán)，則操作者動(dòng)作概率因子可以與確定操作者動(dòng)作是否是有意的相關(guān)。因此，指示即將到來(lái)的道路特征(例如，曲線、障礙物、其他車(chē)輛等)的所收集的數(shù)據(jù)115可以用于確定操作者動(dòng)作概率因子。此外，操作者的歷史可以與操作者動(dòng)作概率因子相關(guān)。例如，如果操作者具有碰到方向盤(pán)的歷史，則當(dāng)方向盤(pán)輕微移動(dòng)時(shí)，可以減少操作者動(dòng)作概率因子。在任何情況下，可以在隱馬爾可夫(markov)模型或諸如已知的其他概率建模的環(huán)境中進(jìn)行歷史數(shù)據(jù)的使用。所收集的數(shù)據(jù)115可以確定動(dòng)作概率因子pr。計(jì)算機(jī)105可以評(píng)估關(guān)于車(chē)輛101操作的數(shù)據(jù)115，即內(nèi)部數(shù)據(jù)，以及來(lái)自周?chē)h(huán)境的數(shù)據(jù)115，即外部數(shù)據(jù)。自主置信因子(ac)操作因子的另一個(gè)示例是自主置信因子。例如，從0到1的數(shù)值范圍歸一化的該因子提供計(jì)算機(jī)105正確地評(píng)估車(chē)輛101周?chē)沫h(huán)境的置信度的指示。例如，計(jì)算機(jī)105可以接收包括圖像、雷達(dá)、激光雷達(dá)、車(chē)輛到車(chē)輛通信等的數(shù)據(jù)115，用于指示行駛有車(chē)輛101的道路的特征、潛在障礙物等。計(jì)算機(jī)105可以評(píng)估數(shù)據(jù)的質(zhì)量，例如如已知的圖像質(zhì)量、檢測(cè)到的對(duì)象的清晰度、數(shù)據(jù)的精確度、數(shù)據(jù)的準(zhǔn)確性、數(shù)據(jù)的完整性等，以確定自主置信因子?？梢詫?duì)所收集的數(shù)據(jù)115進(jìn)行加權(quán)以確定自主置信因子。自主置信因子是特定系統(tǒng)在線并且向計(jì)算機(jī)105提供足夠的數(shù)據(jù)以支持自主操作的置信度的度量。危險(xiǎn)因子(pe)操作因子的另一個(gè)示例是危險(xiǎn)因子。危險(xiǎn)因子是對(duì)象將與車(chē)輛101碰撞的可能性和在對(duì)象將碰撞的情況下?lián)p害的嚴(yán)重性的組合。例如，與小對(duì)象(例如灌木)碰撞的高可能性可能具有比與大對(duì)象(例如另一車(chē)輛101)碰撞的小可能性更低的危險(xiǎn)因子。危險(xiǎn)因子通常是根據(jù)基于所收集的數(shù)據(jù)115檢測(cè)到的場(chǎng)景的確定的風(fēng)險(xiǎn)而選擇的預(yù)定值，例如，基于從0到1的歸一化數(shù)值范圍。與各種場(chǎng)景相關(guān)聯(lián)的一個(gè)或多個(gè)危險(xiǎn)因子可以被存儲(chǔ)在例如計(jì)算機(jī)105的存儲(chǔ)器106中的查找表等中。例如，所收集的數(shù)據(jù)115可以指示以超過(guò)每小時(shí)50公里的速度與另一車(chē)輛的即將到來(lái)的正面碰撞，因此可以指示高危險(xiǎn)因子，例如，危險(xiǎn)因子為1。在另一種場(chǎng)景下，當(dāng)車(chē)輛101以相對(duì)低的速度(例如，每小時(shí)30公里)行駛時(shí)，可檢測(cè)到車(chē)輛101前方的道路上的坑洼，因此可以指示相對(duì)低的危險(xiǎn)因子，例如危險(xiǎn)因子為0.25。以任何速度吹在車(chē)輛101前面的塑料袋或樹(shù)葉可以指示低的危險(xiǎn)因子，例如危險(xiǎn)因子為0.10。計(jì)算機(jī)105可以基于周?chē)鷮?duì)象來(lái)確定危險(xiǎn)因子。數(shù)據(jù)115可以包括來(lái)自數(shù)據(jù)收集器110的用于指示在車(chē)輛101周?chē)念A(yù)定距離范圍內(nèi)的對(duì)象的數(shù)量的輸入。對(duì)象可以包括車(chē)輛101具有與之碰撞的風(fēng)險(xiǎn)的對(duì)象，并且危險(xiǎn)因子可以測(cè)量與對(duì)象碰撞的風(fēng)險(xiǎn)以及不同對(duì)象的碰撞之間的相對(duì)傷害。計(jì)算機(jī)105可以使用模糊邏輯等來(lái)確定危險(xiǎn)因子，例如評(píng)估檢測(cè)到的對(duì)象的類(lèi)型、與對(duì)象相關(guān)聯(lián)的傷害或損害的風(fēng)險(xiǎn)等。計(jì)算機(jī)105還可以確定動(dòng)態(tài)因子，如已知的，動(dòng)態(tài)因子是車(chē)輛101與檢測(cè)到的對(duì)象碰撞的概率。動(dòng)態(tài)因子可以使用數(shù)據(jù)115以已知的方式確定。操作因子的評(píng)價(jià)所收集的數(shù)據(jù)115可以在確定操作因子時(shí)以不同的方式進(jìn)行加權(quán)，然后，如上所述，當(dāng)與其他操作因子組合以做出車(chē)輛101控制確定時(shí)，操作因子本身可以被加權(quán)。一般來(lái)說(shuō)，計(jì)算設(shè)備105和控制器108可以單獨(dú)地使用操作因子中的任何一個(gè)或者可以組合兩個(gè)或更多個(gè)因子，例如本文公開(kāi)的五個(gè)因子，以確定車(chē)輛101的自主控制。例如，計(jì)算設(shè)備105可以?xún)H使用自主置信因子ac來(lái)確定虛擬操作者是否能夠自主地控制車(chē)輛101。自主置信因子ac的值可導(dǎo)致對(duì)自主選擇性地控制某些車(chē)輛101子系統(tǒng)的車(chē)輛101的控制確定。警覺(jué)性因子和準(zhǔn)備狀態(tài)因子在下面的表2中示出了確定兩個(gè)操作因子(警覺(jué)性因子(al)和準(zhǔn)備狀態(tài)因子(re))的示例。表2如表2所示，可以使用各種輸入來(lái)確定n個(gè)不同的部件操作因子al和re。例如，表2示出了可用于確定部件操作因子al1至al7和re1至re7的七個(gè)輸入，即，在本示例中，n＝7。然后，可以使用部件操作因子來(lái)確定總體操作因子，如下面進(jìn)一步解釋的，計(jì)算機(jī)105可以使用總體操作因子來(lái)做出控制確定，例如是否允許用戶(hù)控制車(chē)輛101和/或允許用戶(hù)控制的級(jí)別。因此，繼續(xù)上述示例，可以通過(guò)評(píng)估輸入數(shù)據(jù)以得出原始操作因子ali或rei(例如，基于輸入數(shù)據(jù)指示用戶(hù)警覺(jué)性或準(zhǔn)備狀態(tài)的換算值)來(lái)確定每個(gè)ali和rei。例如，可以分析圖像數(shù)據(jù)——例如，用戶(hù)的凝視方向、眼睛是否睜開(kāi)或閉上、面部表情等——以確定用戶(hù)操作車(chē)輛101的警覺(jué)性水平和/或準(zhǔn)備狀態(tài)。同樣地，用戶(hù)訪問(wèn)諸如氣候控制娛樂(lè)系統(tǒng)、導(dǎo)航系統(tǒng)和/或其他輸入之類(lèi)的車(chē)輛控制的預(yù)定時(shí)間段內(nèi)(例如5分鐘、10分鐘等)的次數(shù)可以用于確定用戶(hù)的操作車(chē)輛101的警覺(jué)性水平和/或準(zhǔn)備狀態(tài)。一般來(lái)說(shuō)，可以確定單個(gè)或部件原始操作因子ali(raw)和rei(raw)，并且將其歸一化為從0到1的數(shù)值范圍。原始因子ali(raw)和rei(raw)可以被確定為二進(jìn)制值，例如，指示用戶(hù)未警覺(jué)或未準(zhǔn)備好的零，以及指示用戶(hù)警覺(jué)或準(zhǔn)備好的一，然后乘以適當(dāng)?shù)臋?quán)重以得到加權(quán)部件操作因子ali和rei。應(yīng)用這樣的權(quán)重可以是模糊化步驟，即如下面進(jìn)一步討論的模糊邏輯分析中的第一步驟。進(jìn)一步繼續(xù)本示例，操作因子al1和re1至aln和ren可以被組合，例如求和或平均，以得到總體因子aloverall和reoverall。然后可以將總體因子與預(yù)定閾值進(jìn)行比較，以確定用戶(hù)取得對(duì)車(chē)輛101的控制的警覺(jué)性和/或準(zhǔn)備狀態(tài)。例如，可以將aloverall與第一預(yù)定警覺(jué)性閾值進(jìn)行比較，并且如果aloverall超過(guò)第一警覺(jué)性閾值，則計(jì)算機(jī)105可以確定用戶(hù)具有足夠的警覺(jué)性來(lái)取得對(duì)所有車(chē)輛101操作——例如制動(dòng)、推進(jìn)和轉(zhuǎn)向——的控制?？梢詧?zhí)行與第一預(yù)定準(zhǔn)備狀態(tài)閾值的類(lèi)似比較。此外，計(jì)算機(jī)105可以被編程為在確定允許用戶(hù)取得對(duì)車(chē)輛101的完全控制之前要求滿(mǎn)足第一警覺(jué)性閾值和第一準(zhǔn)備狀態(tài)閾值。此外，除了第一警覺(jué)性閾值和準(zhǔn)備狀態(tài)閾值之外，計(jì)算機(jī)105可以被編程為考慮第二、第三等警覺(jué)性閾值和/或準(zhǔn)備狀態(tài)閾值，并且允許基于與這些閾值的比較來(lái)改變車(chē)輛101的用戶(hù)控制水平。例如，如果aloverall和reoverall分別超過(guò)第二警覺(jué)性閾值和第二準(zhǔn)備狀態(tài)閾值，則即使不滿(mǎn)足第一閾值，計(jì)算機(jī)105也可以允許用戶(hù)取得對(duì)某些車(chē)輛101部件的控制，例如制動(dòng)器和加速器，而不是轉(zhuǎn)向裝置。在第三警覺(jué)性閾值和準(zhǔn)備狀態(tài)閾值處，即使不滿(mǎn)足第二閾值，計(jì)算機(jī)105也可以允許用戶(hù)取得對(duì)較小的一組車(chē)輛101部件的控制，例如僅是制動(dòng)器。如果不滿(mǎn)足第三閾值，則可以允許用戶(hù)不進(jìn)行控制，或者可以允許用戶(hù)例如向轉(zhuǎn)向裝置、制動(dòng)器等提供輸入以與計(jì)算機(jī)105作出的決策協(xié)作。這樣的決策制定如下面進(jìn)一步描述。應(yīng)當(dāng)理解的是，雖然關(guān)于兩個(gè)操作因子al和re提供的上述示例，但是上述示例可以擴(kuò)展為包括其他操作因子，例如操作者動(dòng)作概率因子、自主置信因子和危險(xiǎn)因子，如上文所述。圖3示出了用于確定警覺(jué)性和準(zhǔn)備狀態(tài)因子的示例系統(tǒng)30。計(jì)算設(shè)備105從多個(gè)源(例如駕駛員眼睛和面部監(jiān)測(cè)子系統(tǒng)、交互式顯示器和控制臺(tái)按鈕、語(yǔ)音輸入、方向盤(pán)傳感器、加速踏板傳感器、制動(dòng)踏板傳感器和座椅傳感器)收集輸入操作者數(shù)據(jù)。源可以包括例如諸如已知的多個(gè)子系統(tǒng)，例如，交互式顯示器和控制臺(tái)按鈕可以提供來(lái)自氣候控制子系統(tǒng)、音頻控制子系統(tǒng)、導(dǎo)航子系統(tǒng)和遠(yuǎn)程信息處理子系統(tǒng)的數(shù)據(jù)。然后使用幾個(gè)輸入來(lái)確定部件操作因子ali和rei，例如上面表2中所述的七個(gè)部件因子。然后，可以將部件操作因子相加到警覺(jué)性因子al和準(zhǔn)備狀態(tài)因子re。然后，如上所述，計(jì)算設(shè)備105可以將因子al、re與預(yù)定閾值進(jìn)行比較，并且基于因子al、re是否超過(guò)閾值來(lái)調(diào)整車(chē)輛子系統(tǒng)的操作。子系統(tǒng)30包括通常來(lái)自人類(lèi)操作者的多個(gè)輸入31。輸入31包括例如操作者眼睛和面部監(jiān)控、交互式顯示器、控制臺(tái)按鈕、語(yǔ)音輸入、方向盤(pán)傳感器、加速踏板傳感器、制動(dòng)踏板傳感器和座椅傳感器。輸入31產(chǎn)生數(shù)據(jù)115。然后可以將數(shù)據(jù)115提供給多個(gè)子系統(tǒng)，包括例如駕駛員面部監(jiān)視器子系統(tǒng)32a、儀表板和組合儀表子系統(tǒng)32b、氣候子系統(tǒng)32c、音頻控制子系統(tǒng)32d、導(dǎo)航/全球定位子系統(tǒng)32e、遠(yuǎn)程信息處理子系統(tǒng)32f、語(yǔ)音子系統(tǒng)32g、電動(dòng)助力轉(zhuǎn)向系統(tǒng)(epas)子系統(tǒng)32h、動(dòng)力傳動(dòng)系統(tǒng)控制子系統(tǒng)32k、制動(dòng)器控制子系統(tǒng)321、車(chē)身控制子系統(tǒng)32m、乘員分類(lèi)子系統(tǒng)32n和約束控制子系統(tǒng)32p。子系統(tǒng)32a-32p使用數(shù)據(jù)115來(lái)產(chǎn)生單獨(dú)的準(zhǔn)備狀態(tài)因子rei和警覺(jué)性因子ali，如上所述。然后將個(gè)性化的因子乘以加權(quán)因子以產(chǎn)生因子33a-33g。例如，駕駛員面部監(jiān)視器子系統(tǒng)32a使用數(shù)據(jù)115來(lái)確定警覺(jué)性和準(zhǔn)備狀態(tài)因子33a，子系統(tǒng)32b-32f使用數(shù)據(jù)115來(lái)確定警覺(jué)性因子和準(zhǔn)備狀態(tài)因子33b，子系統(tǒng)32g確定因子33c，epas子系統(tǒng)32h確定因子33d，動(dòng)力傳動(dòng)系統(tǒng)控制子系統(tǒng)32k確定因子33e，制動(dòng)器控制子系統(tǒng)321確定因子33f，以及子系統(tǒng)32m-32p確定因子33g。然后，可以將因子33a-33g相加到全局警覺(jué)性和準(zhǔn)備狀態(tài)因子34中。然后將全局警覺(jué)性和準(zhǔn)備狀態(tài)因子34與相應(yīng)的警覺(jué)性和準(zhǔn)備狀態(tài)閾值35進(jìn)行比較。根據(jù)警覺(jué)性因子和準(zhǔn)備狀態(tài)因子中沒(méi)有一個(gè)、一個(gè)或兩者超過(guò)相應(yīng)的閾值35，計(jì)算設(shè)備105然后指示控制器108使車(chē)輛101子系統(tǒng)以不同水平的自主控制或手動(dòng)控制——即，利用由計(jì)算機(jī)105控制的推進(jìn)、轉(zhuǎn)向和制動(dòng)中的每一個(gè)的完全自主控制，或者利用少于由計(jì)算機(jī)105控制的所有這些車(chē)輛系統(tǒng)的半自主控制，或全手動(dòng)控制——進(jìn)行操作。例如，如果警覺(jué)性因子al超過(guò)閾值，則計(jì)算設(shè)備105可以允許全部操作者對(duì)車(chē)輛101子系統(tǒng)的控制。動(dòng)作概率因子為了確定動(dòng)作概率因子pr，計(jì)算機(jī)105可以基于內(nèi)部和外部數(shù)據(jù)確定概率陣列，例如描述車(chē)輛101位置和速度的概率的概率陣列，以及描述在給定速度下位于某一位置的潛在危險(xiǎn)的概率陣列。概率陣列是車(chē)輛101將基于當(dāng)前車(chē)輛101狀態(tài)(即當(dāng)前速度、當(dāng)前轉(zhuǎn)向角度、當(dāng)前加速度等)將其位置、方向、速度或加速度中的一個(gè)改變一定量(例如改變其方向一角度θ)的一組概率。然后將多個(gè)改變(例如，多個(gè)角度θ的改變)的概率收集到單個(gè)陣列中；該陣列是“概率陣列”。概率陣列可以表示為一組矢量，如圖7-8所示，其中矢量的長(zhǎng)度指示危險(xiǎn)因子的大小，并且矢量的方向指示軌跡中的變化。方向概率陣列表示車(chē)輛101在未來(lái)基于多個(gè)輸入(例如，速度、加速度、道路狀況、轉(zhuǎn)向角度、穩(wěn)定性界限、附近車(chē)輛和/或?qū)ο蟮?將改變其軌跡的方向分量的概率。在一個(gè)示例中，基于車(chē)輛軌跡的方向概率陣列可以繪制車(chē)輛101的未來(lái)軌跡相對(duì)于當(dāng)前軌跡的概率分布。用于下標(biāo)k(表示時(shí)間tk)的方向概率陣列pd，k，θ的示例，其中軌跡相對(duì)于當(dāng)前軌跡移動(dòng)這里以度為單位測(cè)量的角度θ。當(dāng)θ＝0并且正θ相對(duì)于軌跡是逆時(shí)針時(shí)，當(dāng)前軌跡如下表3所示進(jìn)行定義：θpd，k，θθpd，k，θ-600.000000600.000000-40.08216540.082944-30.10211030.103680-20.10938020.109150-10.11531010.11306000.118580表3例如，軌跡將改變-3度的概率為0.102110，或約10％。概率可以基于內(nèi)部和外部數(shù)據(jù)而改變，例如，如果在相鄰的左車(chē)道中檢測(cè)到另一車(chē)輛101，則負(fù)角度軌跡的概率可以低于正角度軌跡的概率。在另一示例中，如果計(jì)算機(jī)105檢測(cè)到車(chē)輛101正前方的對(duì)象，則軌跡中小角度變化的概率可能低于軌跡中大角度變化的概率。圖10示出了可以用于確定動(dòng)作概率因子af的多個(gè)示例性概率陣列。第一概率陣列60a是如上所述的方向概率陣列的示例，并且繪制車(chē)輛101將從其當(dāng)前方向以角度θ來(lái)改變其方向的可能性。第二概率陣列60b是加速度概率陣列的示例。這里，該陣列繪制車(chē)輛101將從其當(dāng)前加速度改變其加速度的可能性。在陣列中心的概率pa，k，0表示加速度將不改變的概率，隨著加速度的負(fù)變化被繪制在中心的左側(cè)以及隨著加速度的正變化被繪制在中心的右側(cè)。第三概率陣列60c是速度概率陣列的示例，繪制車(chē)輛101將增加或減小其速度的概率。這里，中心概率pv，k，0表示車(chē)輛101將不改變其速度的概率，隨著速度的負(fù)變化被繪制在中心的左側(cè)以及隨著速度的正變化被繪制在中心的右側(cè)。第四概率陣列60d是位置概率陣列的示例，繪制車(chē)輛101將改變其位置的概率。這里，車(chē)輛完全不改變其位置的概率pp，k，0在最左邊，隨著位置變化的增加被繪制在右測(cè)。也就是說(shuō)，在圖上繼續(xù)向右指示車(chē)輛101位置中更大變化的概率。圖11示出了用于各種車(chē)輛101狀態(tài)的更多示例方向概率陣列。例如，概率陣列70a示出了車(chē)輛101向左移7度的概率陣列。在另一示例中，概率陣列70e示出了車(chē)輛101向右移15度。當(dāng)車(chē)輛101沿遠(yuǎn)離直線的方向移動(dòng)時(shí)，概率陣列通常移動(dòng)以增加朝向該方向的方向改變的概率。也就是說(shuō)，移向右的車(chē)輛101可能具有將其方向改變?yōu)橛覀?cè)的較高概率。類(lèi)似地，概率陣列70b(其是車(chē)輛101直行的示例)可具有圍繞中心等間隔的概率。示例性概率陣列70b、70c和70d示出了分別以增加的速度(這里分別是20英里每小時(shí)(mph)、50mph和80mph)直行的車(chē)輛的概率陣列。隨著速度增加，概率陣列通常變窄，即，車(chē)輛101將保持筆直或少量改變的概率大于車(chē)輛101將大量改變其方向的概率。因?yàn)楦淖冘?chē)輛101的方向需要車(chē)輛101前進(jìn)動(dòng)量的變化，具有較高前進(jìn)動(dòng)量的較高速度的車(chē)輛101可能不太可能對(duì)它們的方向進(jìn)行大的改變。概率陣列70f和70g是在對(duì)象可以改變車(chē)輛101將改變方向的概率的情況下生成的概率陣列的示例。示例性概率陣列70f示出了當(dāng)對(duì)象(例如另一車(chē)輛101)在相鄰的左車(chē)道中時(shí)車(chē)輛101將改變其方向的一組概率。這里，由于對(duì)象在車(chē)輛101的正左側(cè)，因此車(chē)輛101將向左改變其方向(并且可能與對(duì)象碰撞)的概率可能小于車(chē)輛101將保持筆直或者改變其方向向右的概率。類(lèi)似地，概率陣列70g是當(dāng)在車(chē)輛101的正前方存在非移動(dòng)對(duì)象時(shí)的概率陣列的示例。這里，如果車(chē)輛101不改變其方向，則車(chē)輛101將與對(duì)象碰撞，因此車(chē)輛101將不改變其方向的概率為0，如由缺少指向陣列中心的箭頭所示。因?yàn)閷?duì)象在車(chē)輛101正前方，所以車(chē)輛101將其方向改變?yōu)樽髠?cè)或右側(cè)的概率基本上相同，同時(shí)大的方向變化比小變化更可能，如圖離中心較遠(yuǎn)的較長(zhǎng)的箭頭所示。圖12示出了用于確定從多個(gè)數(shù)據(jù)源計(jì)算的多個(gè)方向概率陣列的子系統(tǒng)80。除了上述基于車(chē)輛的方向概率陣列之外，計(jì)算機(jī)105可以基于某些數(shù)據(jù)115計(jì)算幾個(gè)其他概率陣列。一個(gè)這樣的概率陣列是基于對(duì)象的概率陣列84，其使用通過(guò)例如攝像機(jī)、激光雷達(dá)、雷達(dá)等收集的有關(guān)車(chē)輛101周?chē)膶?duì)象的數(shù)據(jù)115，以基于周?chē)鷮?duì)象確定車(chē)輛101方向的變化的概率陣列。數(shù)據(jù)115通過(guò)各種車(chē)輛101子系統(tǒng)——例如光學(xué)攝像機(jī)子系統(tǒng)42a、紅外攝像機(jī)子系統(tǒng)42b、激光雷達(dá)子系統(tǒng)42c、雷達(dá)子系統(tǒng)42d、超聲子系統(tǒng)42e、遠(yuǎn)程信息處理子系統(tǒng)32f、路線識(shí)別子系統(tǒng)82b、全球定位子系統(tǒng)32e和車(chē)輛101控制子系統(tǒng)42k——收集。來(lái)自子系統(tǒng)42a-42e、32f的數(shù)據(jù)115被發(fā)送到信號(hào)處理子系統(tǒng)23以處理數(shù)據(jù)115并且開(kāi)發(fā)基于對(duì)象圖的方向概率陣列計(jì)算84。例如，如果在相鄰的左車(chē)道存在另一車(chē)輛101，則向左移動(dòng)的概率遠(yuǎn)低于向右移動(dòng)的概率。另一方向概率陣列可以是基于路線的方向概率陣列85?；诼肪€的方向概率陣列使用來(lái)自例如遠(yuǎn)程信息處理子系統(tǒng)32f、導(dǎo)航系統(tǒng)、路線識(shí)別子系統(tǒng)82a、全球定位系統(tǒng)32e等，以基于預(yù)期車(chē)輛101路線確定改變車(chē)輛101方向的可能性。例如，如果路線包括左轉(zhuǎn)彎或者在道路中存在即將到來(lái)的彎道，則基于路線的方向概率陣列可以示出在轉(zhuǎn)彎或即將到來(lái)的彎道的方向上改變車(chē)輛101方向的增加的概率。另一方向概率陣列可以是基于車(chē)輛的方向概率陣列86，其使用來(lái)自車(chē)輛控制子系統(tǒng)42k的數(shù)據(jù)來(lái)確定車(chē)輛101的方向概率陣列86。另一方向概率陣列可以是存儲(chǔ)在例如數(shù)據(jù)存儲(chǔ)器106和/或服務(wù)器125中的歷史方向概率陣列87。歷史方向概率陣列可以是由計(jì)算機(jī)105保存的先前計(jì)算的方向概率陣列。計(jì)算設(shè)備105可以將方向概率陣列84-87組合成組合方向概率陣列88。圖13示出了用于收集多個(gè)概率陣列以控制車(chē)輛101子系統(tǒng)的子系統(tǒng)90?？梢杂眉铀俣雀怕赎嚵?2、速度概率陣列93和位置概率陣列94收集方向概率陣列88，并將方向概率陣列88發(fā)送到控制器108。根據(jù)在控制器108中執(zhí)行的程序編制，概率陣列88、92、93、94然后可以與預(yù)定的安全狀態(tài)陣列95進(jìn)行比較，即，與安全狀態(tài)陣列95的偏差可以指示預(yù)期的操作可能是不安全的。預(yù)定安全狀態(tài)陣列95包括用于由例如虛擬操作者確定的方向、加速度、速度和位置的概率陣列，以預(yù)測(cè)車(chē)輛101的安全操作。概率陣列88、92、93、94和預(yù)定的安全狀態(tài)陣列95之間的差異可用于計(jì)算動(dòng)作概率因子pr?？刂破?08可以包括與危險(xiǎn)因子pe相關(guān)的數(shù)據(jù)115，以確定概率因子pr并確定車(chē)輛101子系統(tǒng)的自主控制水平，即車(chē)輛控制動(dòng)作96。自主置信因子為了確定自主置信因子ac，可以為多個(gè)子系統(tǒng)——包括(1)光學(xué)攝像機(jī)、(2)紅外攝像機(jī)、(3)激光雷達(dá)、(4)雷達(dá)、(5)超聲波傳感器、(6)高度計(jì)、(7)遠(yuǎn)程信息處理系統(tǒng)、(8)全球定位系統(tǒng)和(9)車(chē)輛101部件——中的每一個(gè)確定特定自主置信因子aci。這里，下標(biāo)i指的是對(duì)應(yīng)于本示例中的9個(gè)子系統(tǒng)之一的參考數(shù)字，并且通?？梢员硎救魏螖?shù)量的子系統(tǒng)的列表中的條目。每個(gè)子系統(tǒng)的特定自主置信因子可以具有對(duì)應(yīng)的預(yù)定加權(quán)因子di，如上面對(duì)于警覺(jué)性和準(zhǔn)備狀態(tài)因子所描述的。對(duì)于不同的子系統(tǒng)，加權(quán)因子可以不同，例如，激光雷達(dá)可以具有比光學(xué)攝像機(jī)更高的加權(quán)因子，原因在于激光雷達(dá)可以更魯棒和/或具有更高的精密度和準(zhǔn)確度。子系統(tǒng)的自主置信因子可以與加權(quán)因子組合以確定全局自主置信因子：然后可以將全局自主置信因子ac與預(yù)定閾值進(jìn)行比較，以允許完全操作者控制、完全自主控制或部分自主控制中的一個(gè)。例如，當(dāng)全局自主置信因子低于第一閾值時(shí)，計(jì)算機(jī)105可以允許某些子系統(tǒng)的自主控制，即，車(chē)輛101可以以部分自主控制操作。計(jì)算機(jī)105可以允許自主控制的子系統(tǒng)可以是具有最高置信因子的子系統(tǒng)。在另一個(gè)示例中，當(dāng)全局自主置信因子低于第二閾值，第二閾值低于第一閾值時(shí)，計(jì)算機(jī)105可以允許完全操作者控制并停止車(chē)輛101的自主控制。計(jì)算機(jī)105可以被編程有指示自主操作每個(gè)特定系統(tǒng)所需的置信因子的多個(gè)閾值。圖4示出了用于確定自主置信因子ac的示例性子系統(tǒng)40。子系統(tǒng)包括多個(gè)部件子系統(tǒng)42a-42k，每個(gè)部件子系統(tǒng)收集來(lái)自多個(gè)源41——例如外部環(huán)境、外部數(shù)據(jù)存儲(chǔ)器和來(lái)自車(chē)輛部件的信號(hào)——的數(shù)據(jù)。每個(gè)部件子系統(tǒng)42a-42k然后可以確定部件自主因子aci，部件自主因子aci被發(fā)送到控制器108，控制器108應(yīng)用乘以部件自主因子aci的特定部件加權(quán)因子di。加權(quán)因子di的具體值可以根據(jù)部件自主因子aci的值而變化。例如，如下面的表4所示，計(jì)算機(jī)105可以包括用于加權(quán)因子di的查找表。如已知的，根據(jù)數(shù)據(jù)的預(yù)期值和/或歷史值對(duì)所收集的數(shù)據(jù)115進(jìn)行歸一化。然后，計(jì)算機(jī)105基于例如查找表來(lái)確定加權(quán)因子di。然后將歸一化的數(shù)據(jù)乘以加權(quán)因子di以得到置信因子43a-43k。然后，部件因子43a-43k被計(jì)算設(shè)備105用作模糊邏輯處理器22中的脆性輸入23。時(shí)間(s)歸一化數(shù)據(jù)加權(quán)因子部件因子00.8060.7960.64110.8040.7360.59220.7780.7000.54730.6990.9480.66340.6860.7000.480表4如已知的，計(jì)算機(jī)105可以被編程以利用模糊邏輯確定自主置信因子ac。具體地，如上所述，計(jì)算機(jī)105可以在模糊化器24中對(duì)數(shù)據(jù)115進(jìn)行模糊化，例如，可以如上所述應(yīng)用權(quán)重以將數(shù)據(jù)115轉(zhuǎn)換為在零和一之間的各種實(shí)數(shù)，以確定子系統(tǒng)的置信因子，而不僅僅依賴(lài)于來(lái)自子系統(tǒng)的置信因子的和?；谀：瘮?shù)據(jù)，計(jì)算機(jī)105可以應(yīng)用一組預(yù)定規(guī)則，例如推斷引擎25可以使用規(guī)則庫(kù)26來(lái)評(píng)估模糊化數(shù)據(jù)，如圖4所示。當(dāng)數(shù)據(jù)115在應(yīng)用規(guī)則26之后在解模糊器27中被解模糊化時(shí)，計(jì)算機(jī)105可以使用脆性輸出28來(lái)確定全局自主置信因子ac。至少部分地基于全局自主置信因子ac，計(jì)算設(shè)備105可以指示控制器108在自主模式或手動(dòng)模式下致動(dòng)多個(gè)車(chē)輛子系統(tǒng)中的至少一個(gè)。圖5a示出了檢測(cè)對(duì)象(這里是行人)的示例車(chē)輛101。車(chē)輛101使用數(shù)據(jù)收集器110來(lái)確定車(chē)輛101前方的對(duì)象。這里，對(duì)象被清楚地識(shí)別為行人，如下所述，原因在于信號(hào)置信度高。圖5b示出了來(lái)自數(shù)據(jù)收集器110——例如，光學(xué)攝像機(jī)系統(tǒng)42a、熱傳感器、激光雷達(dá)系統(tǒng)42c和超聲系統(tǒng)42e——的原始傳感器輸入?？v軸是信號(hào)的置信度值，范圍從0到100，并且橫軸表示相對(duì)于車(chē)輛101的運(yùn)動(dòng)方向的角度，數(shù)據(jù)收集器110沿著該方向收集數(shù)據(jù)115。例如，超聲系統(tǒng)42e的原始傳感器輸入值從-100到100的角度接近100，表示來(lái)自超聲系統(tǒng)42e的信號(hào)的質(zhì)量的高置信度。圖5c示出了處理并轉(zhuǎn)換成置信區(qū)域、模糊復(fù)合值和脆性輸出的圖5b的信號(hào)。處理圖5b的信號(hào)，如下面在圖7a中解釋的，并且置信度值被分配給處理的信號(hào)，以產(chǎn)生模糊復(fù)合值信號(hào)曲線，如圖5c中的虛線所示。如圖5c所示，當(dāng)模糊復(fù)合值低于第一閾值時(shí)，脆性輸出為0，限定了沒(méi)有置信度的區(qū)域。當(dāng)模糊復(fù)合值高于第一閾值并低于第二閾值時(shí)，在該示例中，脆性輸出為50，并且限定了不確定區(qū)域。當(dāng)模糊復(fù)合值高于第二閾值時(shí)，脆性輸出為100，限定了高置信區(qū)。圖5c示出了具有大的高置信區(qū)域的信號(hào)，因此計(jì)算機(jī)105可以依賴(lài)于由數(shù)據(jù)收集器110收集的數(shù)據(jù)115并識(shí)別接近的對(duì)象。結(jié)果是，圖5a-5c的示例的自主置信因子ac可以是高的。圖6a示出了由于由數(shù)據(jù)收集器110收集的數(shù)據(jù)115的質(zhì)量低而感測(cè)不太好定義的對(duì)象的另一示例車(chē)輛101。圖6b示出了原始數(shù)據(jù)收集器110輸入低于圖5b中所示的輸入，指示信號(hào)的置信度較低。圖6c示出了較低置信度，因?yàn)樾盘?hào)的模糊復(fù)合值較低，脆性輸出保持在50，因此圖6c僅示出了不確定區(qū)域，并且沒(méi)有高置信度區(qū)域。因此，計(jì)算機(jī)105可能不能確定地識(shí)別接近的對(duì)象，如圖6a所示為非結(jié)晶形狀。作為結(jié)果，圖6a-6c的自主置信因子可以低于圖5a-5c的自主置信度ac因子。圖7b和圖7a示出了子系統(tǒng)40和將來(lái)自部件子系統(tǒng)42a-42k、32e-32f的數(shù)據(jù)115處理成自主置信因子ac。子系統(tǒng)40將所收集的數(shù)據(jù)115饋送到噪聲降低處理，其中根據(jù)已知的噪聲降低方法清潔數(shù)據(jù)115。減少噪聲增加了數(shù)據(jù)115的質(zhì)量和自主置信因子ac。子系統(tǒng)40然后對(duì)數(shù)據(jù)115應(yīng)用信號(hào)歸一化處理?？梢愿鶕?jù)若干數(shù)值范圍和單元收集數(shù)據(jù)115，這取決于特定的部件子系統(tǒng)42a-42k、32e-32f。例如，高度計(jì)系統(tǒng)42f收集關(guān)于在例如垂直地面上方的數(shù)米的數(shù)據(jù)115，并且超聲系統(tǒng)42e可以將數(shù)據(jù)115收集為三維和/或極坐標(biāo)中的長(zhǎng)度。因?yàn)閬?lái)自這些部件子系統(tǒng)42a-42k、32e-32f的原始數(shù)據(jù)115可能不能被組合，所以子系統(tǒng)40應(yīng)用已知信號(hào)歸一化處理以允許將數(shù)據(jù)115組合成自主置信因子ac。然后，如上所述，子系統(tǒng)40應(yīng)用權(quán)重43a-43k。權(quán)重43a-43k可以通過(guò)例如應(yīng)用于條件加權(quán)查找表的操作條件來(lái)確定。每個(gè)部件子系統(tǒng)42a-42k、32e-32f具有由查找表確定的應(yīng)用于子系統(tǒng)的個(gè)性化權(quán)重43a-43k。然后聚集數(shù)據(jù)115并將數(shù)據(jù)115發(fā)送到模糊過(guò)程22以確定由控制器108用來(lái)控制車(chē)輛101的自主置信因子ac。圖7c示出了從車(chē)輛101周?chē)占瘮?shù)據(jù)115的示例數(shù)據(jù)收集器110。數(shù)據(jù)11由例如自適應(yīng)巡航控制(acc)子系統(tǒng)使用以計(jì)劃車(chē)輛101在例如接下來(lái)的200米上的移動(dòng)。每個(gè)數(shù)據(jù)收集器110具有由收集器110可以檢測(cè)的角度和沿著該角度的距離定義的特定收集區(qū)域。例如，在車(chē)輛101的前部和后部示出的激光雷達(dá)子系統(tǒng)42c掃過(guò)145度的視角和150米的距離。因此，兩個(gè)激光雷達(dá)子系統(tǒng)42c不與它們的可檢測(cè)視圖重疊。類(lèi)似地，光學(xué)攝像機(jī)42a從車(chē)輛101的前部延伸出，與前激光雷達(dá)42c重疊。位于車(chē)輛101的后部的側(cè)面雷達(dá)42d掃過(guò)150度的視角和80米的距離。因?yàn)閭?cè)面雷達(dá)42d彼此相對(duì)地位于車(chē)輛的后方，所以側(cè)面雷達(dá)42d的檢測(cè)區(qū)域?qū)⒉粌H彼此重疊，而且與后部激光雷達(dá)42c重疊。因此，各種數(shù)據(jù)收集器110將與其他數(shù)據(jù)收集器110重疊，并且車(chē)輛101周?chē)哪承﹨^(qū)域?qū)⒕哂斜绕渌麉^(qū)域更多的覆蓋。如圖7b所示，車(chē)輛101前方的區(qū)域被激光雷達(dá)42c和光學(xué)照攝像機(jī)42a覆蓋，而車(chē)輛101的側(cè)面僅被側(cè)面雷達(dá)42d覆蓋。由數(shù)據(jù)收集器110收集的數(shù)據(jù)115的置信度和加權(quán)可以基于數(shù)據(jù)115被收集的位置以及其他數(shù)據(jù)收集器110是否覆蓋相同區(qū)域來(lái)調(diào)整。圖8a示出了表示由數(shù)據(jù)收集器110中的一個(gè)收集并被轉(zhuǎn)換為質(zhì)量因子的數(shù)據(jù)的示例圖表，如上面在表4中所述。數(shù)據(jù)115可以作為一系列離散信號(hào)d1...dn收集并且組合成原始復(fù)合值信號(hào)dk。然后將原始信號(hào)dk濾波為濾波信號(hào)，然后將其歸一化。如上所述的質(zhì)量因子(即加權(quán)因子)然后被應(yīng)用于歸一化信號(hào)以產(chǎn)生合格信號(hào)(即，部件因子)。圖8b示出了來(lái)自圖8a的圖表的原始信號(hào)和濾波信號(hào)的示例圖表。縱軸表示信號(hào)的值，并且橫軸表示信號(hào)值的時(shí)間。如實(shí)線所示的原始信號(hào)dk具有幾個(gè)尖峰和較大的波動(dòng)，這可能導(dǎo)致較不準(zhǔn)確的置信因子。如虛線所示的濾波信號(hào)更平滑并且可以更容易地由子系統(tǒng)40處理以確定自主置信因子ac。濾波信號(hào)通常跟蹤原始信號(hào)的形狀。圖8c示出了來(lái)自圖8a的圖表的歸一化輸出和合格輸出的示例圖表?？v軸表示輸出的值，橫軸表示輸出的時(shí)間。如實(shí)線所示的歸一化輸出是被歸一化為信號(hào)的最小值和最大值的濾波信號(hào)，如上所述。合格輸出是歸一化輸出乘以由例如查找表確定的質(zhì)量因子。因?yàn)橘|(zhì)量因子可能隨時(shí)間而改變，所以合格輸出可能與歸一化輸出相比在形狀上不同。這里，歸一化輸出在經(jīng)過(guò)的時(shí)間內(nèi)保持大致相同，而合格輸出開(kāi)始下降，然后上升。合格輸出在這里可以指示所收集的數(shù)據(jù)的置信度隨時(shí)間上升，并且置信因子ac可以在車(chē)輛101的操作期間改變。危險(xiǎn)因子確定危險(xiǎn)因子pe的示例顯示于下表5中：表5第一行(“動(dòng)態(tài)”)指示動(dòng)態(tài)因子，即，主車(chē)輛和對(duì)象(例如，另一車(chē)輛、樹(shù)、騎自行車(chē)者、道路標(biāo)志、坑洼或一片灌木)之間的碰撞的概率。每行指示特定對(duì)象和為每個(gè)碰撞概率確定的危險(xiǎn)因子。隨著碰撞變得更可能，危險(xiǎn)因子增加。例如，與樹(shù)碰撞的概率為0.6導(dǎo)致危險(xiǎn)因子為0.5，而與道路標(biāo)志碰撞的概率為0.1導(dǎo)致危險(xiǎn)因子為0.2。該對(duì)象可以由數(shù)據(jù)收集器110(例如，雷達(dá))確定，并且概率可以由計(jì)算機(jī)105以已知的方式確定?；谖ｋU(xiǎn)因子，計(jì)算機(jī)105可以推薦在手動(dòng)和自主操作狀態(tài)之間切換，如表6所示：表6這里，基于概率和特定對(duì)象，計(jì)算機(jī)105可以確定是否允許操作者控制(d)或自主控制(av)。表6中的確定至少部分地基于危險(xiǎn)因子，但是當(dāng)確定控制時(shí)可以考慮其他因子和對(duì)象。例如，與騎自行車(chē)者和道路標(biāo)志的碰撞的概率為0.5都具有0.6的危險(xiǎn)因子，但是表6產(chǎn)生了對(duì)于騎自行車(chē)者的av和對(duì)于道路標(biāo)志的d的確定。如果存在具有不同危險(xiǎn)因子和/或控制的多個(gè)對(duì)象，則可以在計(jì)算機(jī)105中仲裁該確定。為了繼續(xù)上述示例，如果騎自行車(chē)者和道路標(biāo)志的動(dòng)態(tài)因子都是0.5，則計(jì)算機(jī)105可以確定允許基于道路標(biāo)志的操作者控制、但是基于騎自行車(chē)者的自主控制。然后，計(jì)算機(jī)105可以在這兩個(gè)確定之間進(jìn)行仲裁，例如選擇自主控制。圖9示出了用于確定危險(xiǎn)因子的子系統(tǒng)50。對(duì)象檢測(cè)子系統(tǒng)50a從數(shù)據(jù)收集器110和服務(wù)器125獲取數(shù)據(jù)115以檢測(cè)附近的對(duì)象，例如其他車(chē)輛101、騎自行車(chē)者、灌木等。在檢測(cè)到對(duì)象時(shí)，對(duì)象識(shí)別子系統(tǒng)50b識(shí)別對(duì)象以確定用于對(duì)象的特定動(dòng)態(tài)和危險(xiǎn)因子。對(duì)象識(shí)別子系統(tǒng)50b將所識(shí)別的對(duì)象發(fā)送到模糊邏輯處理器50c和動(dòng)態(tài)因子子系統(tǒng)50d。模糊邏輯處理器50c從由對(duì)象識(shí)別子系統(tǒng)50b和動(dòng)態(tài)因子子系統(tǒng)50d識(shí)別的對(duì)象確定危險(xiǎn)因子pe，如上所述。模糊邏輯處理器50c可以使用多個(gè)數(shù)據(jù)115源和技術(shù)——包括例如歷史數(shù)據(jù)115、已知的模糊邏輯方法、車(chē)載學(xué)習(xí)技術(shù)、來(lái)自服務(wù)器125的涉及交通的外部數(shù)據(jù)115等——來(lái)確定危險(xiǎn)因子pe。模糊邏輯處理器50c可以向控制器108中的一個(gè)提供危險(xiǎn)因子pe，以確定車(chē)輛101的自主控制。圖2示出了收集數(shù)據(jù)115并輸出車(chē)輛101的控制決策輸出的系統(tǒng)100。計(jì)算設(shè)備105從數(shù)據(jù)收集器110收集數(shù)據(jù)115并計(jì)算操作因子。計(jì)算設(shè)備105然后使用操作因子作為脆性輸入23用到模糊處理器22中以實(shí)現(xiàn)模糊邏輯分析。計(jì)算設(shè)備105然后應(yīng)用模糊器24，即將脆性輸入23轉(zhuǎn)換成可以具有應(yīng)用于它們的模糊邏輯的輸入的一組指令，以創(chuàng)建模糊輸入。例如，模糊器24可以應(yīng)用權(quán)重來(lái)將二進(jìn)制操作因子轉(zhuǎn)換為零和一之間的各種實(shí)數(shù)。計(jì)算設(shè)備105然后基于模糊化因子和存儲(chǔ)在數(shù)據(jù)存儲(chǔ)器106中的規(guī)則庫(kù)26使用推斷引擎25來(lái)推斷控制決策輸出。規(guī)則庫(kù)26基于例如加權(quán)的操作因子確定控制決策輸出。計(jì)算設(shè)備105然后應(yīng)用解模糊器27，即將模糊控制決策輸出轉(zhuǎn)換成脆性輸出決策28的一組指令。如上所述，脆性輸出決策28可以是四個(gè)決策中的一個(gè)：完全人類(lèi)操作員控制、完全虛擬操作員控制、共享人類(lèi)和虛擬操作者控制、以及利用虛擬輔助的人類(lèi)控制。計(jì)算設(shè)備105然后將脆性輸出決策28作為歷史數(shù)據(jù)保存在數(shù)據(jù)存儲(chǔ)器106中，并且基于脆性輸出決策28致動(dòng)一個(gè)或多個(gè)車(chē)輛101部件。示例性過(guò)程流程圖14是用于基于上述操作因子實(shí)現(xiàn)自主車(chē)輛101的控制的示例性過(guò)程200的示意圖。過(guò)程200在框205中開(kāi)始，其中車(chē)輛101進(jìn)行駕駛操作，并且計(jì)算機(jī)105從車(chē)輛101操作接收數(shù)據(jù)115和/或接收關(guān)于車(chē)輛101用戶(hù)(例如坐在駕駛員座位上的人)的數(shù)據(jù)。車(chē)輛101可以部分地或完全自主地操作，即，部分或完全由計(jì)算機(jī)105控制的方式，計(jì)算機(jī)105可以配置為根據(jù)所收集的數(shù)據(jù)115操作車(chē)輛101。例如，所有車(chē)輛101操作(例如轉(zhuǎn)向、制動(dòng)、速度等)可以由計(jì)算機(jī)105控制。還有可能的是，在框205中，車(chē)輛101可以以部分或半自主(即部分手動(dòng))的方式操作，其中一些操作(例如制動(dòng))可以由駕駛員手動(dòng)控制，而其他操作(例如包括轉(zhuǎn)向)可以由計(jì)算機(jī)105控制。同樣地，計(jì)算機(jī)105可以控制車(chē)輛101何時(shí)改變車(chē)道。此外，可能的是，可以在車(chē)輛101的駕駛操作開(kāi)始之后的某一點(diǎn)開(kāi)始過(guò)程200，例如當(dāng)車(chē)輛乘員通過(guò)計(jì)算機(jī)105的用戶(hù)界面手動(dòng)啟動(dòng)時(shí)。在任何情況下，數(shù)據(jù)收集器110向計(jì)算機(jī)105提供所收集的數(shù)據(jù)115。例如，攝像機(jī)數(shù)據(jù)收集器110可收集圖像數(shù)據(jù)115，發(fā)動(dòng)機(jī)控制單元可提供每分鐘轉(zhuǎn)速(rpm)數(shù)據(jù)115，速度傳感器110可提供速度數(shù)據(jù)115、以及其他種類(lèi)的數(shù)據(jù)，例如雷達(dá)、激光雷達(dá)、聲學(xué)等數(shù)據(jù)115。此外，如上所述，關(guān)于車(chē)輛101用戶(hù)的數(shù)據(jù)(例如對(duì)于因子al和re和/或其他操作因子)可以被獲取并提供給計(jì)算機(jī)105。接下來(lái)，在框210中，計(jì)算機(jī)105確定一個(gè)或多個(gè)操作因子，例如警覺(jué)性因子al、準(zhǔn)備狀態(tài)因子re、自主置信因子ac、動(dòng)作概率因子pr和危險(xiǎn)因子pe，如上所述。計(jì)算機(jī)105可以?xún)H確定因子中的一個(gè)，例如，如圖4所示的自主置信因子，或者如圖3所示的因子的組合(例如警覺(jué)性因子al和準(zhǔn)備狀態(tài)因子re的組合)。接下來(lái)，在框215中，計(jì)算機(jī)105基于在框210中確定的操作因子對(duì)車(chē)輛101進(jìn)行控制決策。也就是說(shuō)，計(jì)算機(jī)105確定允許的自主控制水平，通常范圍從非自主控制(完全手動(dòng)控制)到完全自主控制(根據(jù)來(lái)自計(jì)算機(jī)105的指令執(zhí)行與制動(dòng)、推進(jìn)和轉(zhuǎn)向有關(guān)的所有操作)。如上所述，在非自主控制水平和完全自主控制水平之間，其他水平是可能的，例如，第一水平的自主控制可以包括完全自主控制，第二水平的自主控制可以包括計(jì)算機(jī)105控制制動(dòng)器和推進(jìn)器但不控制轉(zhuǎn)向裝置，第三水平的自主控制可以包括計(jì)算機(jī)105控制制動(dòng)器但不控制加速器或轉(zhuǎn)向裝置，以及非自主控制(第四級(jí))可以包括計(jì)算機(jī)105不控制制動(dòng)器、加速器或轉(zhuǎn)向裝置中的任一個(gè)?？梢愿鶕?jù)實(shí)現(xiàn)模糊邏輯分析的程序設(shè)計(jì)來(lái)進(jìn)行控制決策。例如，可以如上所述確定操作因子，然后將操作因子提供給計(jì)算機(jī)105用于向模糊邏輯分析的輸入。也就是說(shuō)，可以為一個(gè)或多個(gè)操作因子(例如自主置信因子、操作者警覺(jué)性因子、操作者準(zhǔn)備狀態(tài)因子、操作者動(dòng)作概率因子和危險(xiǎn)因子)提供零或一的脆性輸入，以及然后可以對(duì)這些輸入進(jìn)行模糊化，例如，可以如上所述應(yīng)用權(quán)重以將二進(jìn)制操作因子轉(zhuǎn)換為零和一之間的各種實(shí)數(shù)。此外，可以向計(jì)算機(jī)105提供其他數(shù)據(jù)用于控制決策。例如，關(guān)于車(chē)輛101操作的數(shù)據(jù)，諸如車(chē)輛101速度、來(lái)自碰撞檢測(cè)系統(tǒng)的風(fēng)險(xiǎn)分析(例如，碰撞可能在預(yù)計(jì)的時(shí)間段內(nèi)(例如5秒、10秒等)即將來(lái)臨的數(shù)據(jù)或無(wú)碰撞臨近的數(shù)據(jù))、車(chē)輛101方向盤(pán)角度、關(guān)于車(chē)輛101前方的道路的數(shù)據(jù)(例如，存在可能影響車(chē)輛101及其操作的坑洼、隆起或其它因素)等。在任何情況下，推理引擎可以使用規(guī)則庫(kù)來(lái)評(píng)估模糊化的操作因子和/或其他數(shù)據(jù)。例如，閾值可以應(yīng)用于如上所述的操作因子。此外，推理引擎可以應(yīng)用規(guī)則以根據(jù)各種車(chē)輛101的操作數(shù)據(jù)設(shè)置閾值，例如，閾值可以根據(jù)車(chē)輛101周?chē)沫h(huán)境條件(例如，存在白天或黑暗，存在降水，降水類(lèi)型，正在行駛的道路類(lèi)型等)、車(chē)輛101的速度、即將發(fā)生的碰撞的風(fēng)險(xiǎn)、道路障礙物(例如坑洼)的可能性等而變化。也可以考慮各種操作者狀態(tài)，例如，操作員酒醉的確定可以超馳操作者準(zhǔn)備狀態(tài)的所有其他確定，例如，操作者準(zhǔn)備狀態(tài)因子可以被設(shè)置為零，和/或可以?xún)H允許完全自主控制。在任何情況下，框215的結(jié)果是控制決策，例如，由計(jì)算機(jī)105確定在車(chē)輛101中允許的自主控制水平，例如從完全自主控制到非自主控制。接下來(lái)，在框220中，計(jì)算機(jī)105實(shí)施方框215中的控制決策輸出。也就是說(shuō)，計(jì)算機(jī)105被編程為如上所述致動(dòng)一個(gè)或多個(gè)車(chē)輛101部件，并且在方框215的控制決策之后，根據(jù)指示的自主控制水平執(zhí)行車(chē)輛101的操作。例如，在完全的自主控制水平下，計(jì)算機(jī)105通過(guò)控制車(chē)輛101的推進(jìn)器、制動(dòng)器和轉(zhuǎn)向裝置中的每一個(gè)來(lái)實(shí)施方框215的控制決策。如上所述，計(jì)算機(jī)105可以通過(guò)不控制這些部件或控制這些部件中的一些來(lái)實(shí)施控制決策。此外，如果作出部分或完全自主地操作車(chē)輛101的決策，但是自主置信因子低于預(yù)定閾值和/或由于某種其它原因確定不可能進(jìn)行自主操作，則計(jì)算機(jī)105可以被編程為停止車(chē)輛101，例如，執(zhí)行將車(chē)輛101行駛到路肩并停放、駛離公路等的操縱。接下來(lái)，在框225中，計(jì)算機(jī)105確定過(guò)程200是否應(yīng)當(dāng)繼續(xù)。例如，如果存在例如車(chē)輛101點(diǎn)火開(kāi)關(guān)關(guān)斷，變速器選擇器被置于“駐車(chē)”等自主駕駛操作，則過(guò)程200可以結(jié)束。在任何情況下，如果過(guò)程200不應(yīng)當(dāng)繼續(xù)，則過(guò)程200在框225之后結(jié)束。否則，過(guò)程200前進(jìn)到框205。圖15示出了用于基于警覺(jué)性因子al和準(zhǔn)備狀態(tài)因子re來(lái)實(shí)施車(chē)輛101的控制的過(guò)程300。過(guò)程300在框305中開(kāi)始，其中車(chē)輛101進(jìn)行駕駛操作，并且計(jì)算機(jī)105接收來(lái)自車(chē)輛101操作的數(shù)據(jù)115和/或接收關(guān)于車(chē)輛101用戶(hù)(例如，坐在駕駛員座位的人)的數(shù)據(jù)115?？赡艿氖?，在車(chē)輛101的駕駛操作開(kāi)始之后，例如當(dāng)車(chē)輛乘員通過(guò)計(jì)算機(jī)105的用戶(hù)界面手動(dòng)啟動(dòng)時(shí)，過(guò)程300可以在某一點(diǎn)開(kāi)始。數(shù)據(jù)收集器110向計(jì)算機(jī)105提供所收集的數(shù)據(jù)115。例如，攝像機(jī)數(shù)據(jù)收集器110可以收集圖像數(shù)據(jù)115，發(fā)動(dòng)機(jī)控制單元可以提供rpm數(shù)據(jù)115，速度傳感器110可以提供速度數(shù)據(jù)115，以及其他種類(lèi)數(shù)據(jù)(例如雷達(dá)、激光雷達(dá)、聲學(xué)等數(shù)據(jù)115)。此外，可以獲取關(guān)于車(chē)輛101用戶(hù)(例如，用于如上所述的因子al和re)的數(shù)據(jù)，并將數(shù)據(jù)提供給計(jì)算機(jī)105。接下來(lái)，在框310中，計(jì)算設(shè)備105確定用于多個(gè)輸入的部件警覺(jué)性因子ali，如上所述并在表2中示出。接下來(lái)，在框315中，計(jì)算設(shè)備105確定用于多個(gè)輸入的部件準(zhǔn)備狀態(tài)事實(shí)rei，如上所述并在表2中示出。接下來(lái)，在框320中，計(jì)算設(shè)備105將加權(quán)因子應(yīng)用于部件警覺(jué)性和準(zhǔn)備狀態(tài)因子。加權(quán)因子可以通過(guò)例如如上所述對(duì)部件警覺(jué)性和準(zhǔn)備狀態(tài)因子進(jìn)行加權(quán)的模糊邏輯處理器來(lái)確定。接下來(lái)，在框325中，計(jì)算設(shè)備105將部件因子求和為相應(yīng)的全局警覺(jué)性因子和準(zhǔn)備狀態(tài)因子al、re。全局警覺(jué)性因子和準(zhǔn)備狀態(tài)因子可以用于確定車(chē)輛101和乘員的總體警覺(jué)性和準(zhǔn)備狀態(tài)。接下來(lái)，在框330中，計(jì)算設(shè)備105將警覺(jué)性和準(zhǔn)備狀態(tài)因子al、re與相應(yīng)的警覺(jué)性和準(zhǔn)備狀態(tài)閾值進(jìn)行比較。閾值可以是預(yù)定的并且存儲(chǔ)在數(shù)據(jù)存儲(chǔ)器106中。可以基于例如特定乘員操作車(chē)輛101的能力來(lái)確定閾值，如上所述。因子al、re可以與定義不同級(jí)別的自主操作的幾個(gè)預(yù)定閾值進(jìn)行比較。接下來(lái)，在框335中，計(jì)算設(shè)備105基于因子和閾值實(shí)施控制決策。也就是說(shuō)，計(jì)算機(jī)105被編程為如上所述致動(dòng)一個(gè)或多個(gè)車(chē)輛101部件，并且在計(jì)算設(shè)備105的控制決策時(shí)，根據(jù)指示的自主控制水平執(zhí)行車(chē)輛101的操作。例如，如果警覺(jué)性因子高于最高警覺(jué)性閾值，則計(jì)算設(shè)備可以實(shí)施允許車(chē)輛101的完全手動(dòng)控制的控制決策。接下來(lái)，在框340中，計(jì)算機(jī)105確定過(guò)程300是否應(yīng)當(dāng)繼續(xù)。例如，如果存在例如車(chē)輛101點(diǎn)火開(kāi)關(guān)關(guān)斷，變速器選擇器被置于“駐車(chē)”等的自主駕駛操作，則過(guò)程300可以結(jié)束。如果過(guò)程300不應(yīng)當(dāng)繼續(xù)，則過(guò)程300在框340之后結(jié)束。否則，過(guò)程300前進(jìn)到框305。圖16示出了用于基于動(dòng)作概率因子pr實(shí)施車(chē)輛101的控制的過(guò)程400。該過(guò)程在框405中開(kāi)始，其中計(jì)算機(jī)105接收來(lái)自車(chē)輛101操作的數(shù)據(jù)115和/或接收關(guān)于車(chē)輛101用戶(hù)和/或關(guān)于目標(biāo)對(duì)象的數(shù)據(jù)115。數(shù)據(jù)115可以包括來(lái)自例如光學(xué)攝像機(jī)子系統(tǒng)、紅外攝像機(jī)子系統(tǒng)、激光雷達(dá)、雷達(dá)、遠(yuǎn)程信息處理子系統(tǒng)、路線識(shí)別子系統(tǒng)等的源這樣的數(shù)據(jù)115。接下來(lái)，在框410中，計(jì)算機(jī)105基于數(shù)據(jù)115確定方向概率陣列。如上所述，方向概率陣列指示車(chē)輛101從其當(dāng)前軌跡移動(dòng)角度θ的可能性。方向概率陣列可以包括如圖12所示的部件方向概率陣列，包括基于對(duì)象的方向概率陣列、基于路線的方向概率陣列、基于車(chē)輛的方向概率陣列和歷史數(shù)據(jù)。如上所述，部件方向概率陣列可以組合成總方向概率陣列。接下來(lái)，在框415中，如上所述，計(jì)算機(jī)105確定車(chē)輛101加速度、速度和位置的概率陣列。幾個(gè)概率陣列預(yù)測(cè)車(chē)輛101的狀態(tài)，并且可以組合以確定全局概率陣列。接下來(lái)，在框420中，計(jì)算機(jī)105將概率陣列收集并確定動(dòng)作概率因子pr。計(jì)算機(jī)105可以將概率陣列中的一個(gè)或多個(gè)與預(yù)定“安全”狀態(tài)中的概率陣列和與危險(xiǎn)因子相關(guān)的數(shù)據(jù)115中的至少一個(gè)進(jìn)行比較，以確定動(dòng)作概率因子。接下來(lái)，在框425中，計(jì)算機(jī)105將概率因子pr與預(yù)定閾值進(jìn)行比較。根據(jù)概率因子pr是否超過(guò)閾值，計(jì)算機(jī)105可以允許或強(qiáng)制車(chē)輛101子系統(tǒng)的自主控制。接下來(lái)，在框430中，計(jì)算機(jī)105基于動(dòng)作概率因子和閾值實(shí)施控制決策。也就是說(shuō)，計(jì)算機(jī)105被編程為如上所述致動(dòng)一個(gè)或多個(gè)車(chē)輛101部件，并且在計(jì)算設(shè)備105的控制決策時(shí)，根據(jù)指示的自主控制水平執(zhí)行車(chē)輛101的操作。例如，如果動(dòng)作概率因子低于概率因子閾值，則計(jì)算設(shè)備可以實(shí)施允許車(chē)輛101的完全手動(dòng)控制的控制決策。接下來(lái)，在框435中，計(jì)算機(jī)105確定過(guò)程400是否應(yīng)該繼續(xù)。例如，如果存在例如車(chē)輛101點(diǎn)火開(kāi)關(guān)關(guān)斷，變速器選擇器被置于“駐車(chē)”等的自主駕駛操作，則過(guò)程400可以結(jié)束。如果過(guò)程400不應(yīng)當(dāng)繼續(xù)，則過(guò)程400在框435之后結(jié)束。否則，過(guò)程400前進(jìn)到框405。圖17示出了用于基于自主置信因子ac實(shí)施車(chē)輛101的控制的過(guò)程500。過(guò)程500在框505開(kāi)始，其中計(jì)算機(jī)105從多個(gè)源(例如，光學(xué)攝像機(jī)子系統(tǒng)、紅外攝像機(jī)子系統(tǒng)等)收集數(shù)據(jù)115。接下來(lái)，在框510中，計(jì)算機(jī)105基于數(shù)據(jù)115確定多個(gè)車(chē)輛101部件的部件置信因子。如上所述，計(jì)算機(jī)可以確定多個(gè)車(chē)輛101部件中的每一個(gè)的置信因子，指示該部件可以在自主模式下操作的置信度。接下來(lái)，在框515中，計(jì)算機(jī)將加權(quán)應(yīng)用于部件置信因子。如已知的，加權(quán)可以由模糊邏輯處理器確定。加權(quán)允許計(jì)算機(jī)105考慮具有比其他車(chē)輛101部件的置信因子更大的權(quán)重的某些車(chē)輛101部件的置信因子。例如，當(dāng)計(jì)算機(jī)105確定激光雷達(dá)子系統(tǒng)中的置信度對(duì)于車(chē)輛101的自主操作比高度計(jì)子系統(tǒng)的置信度更重要時(shí)，激光雷達(dá)子系統(tǒng)可以具有比高度計(jì)子系統(tǒng)更高的權(quán)重。接下來(lái)，在框520中，計(jì)算機(jī)105將部件自主置信因子求和為全局自主置信因子ac。接下來(lái)，在框525中，計(jì)算機(jī)105將全局自主置信因子ac與預(yù)定閾值進(jìn)行比較。預(yù)定閾值可以基于車(chē)輛101在自主模式下操作車(chē)輛101子系統(tǒng)中的至少一個(gè)的置信度來(lái)選擇。計(jì)算機(jī)105可以將全局自主置信因子與若干預(yù)定閾值進(jìn)行比較。接下來(lái)，在框530中，計(jì)算機(jī)105基于與預(yù)定閾值的比較來(lái)實(shí)施控制決策。例如，如果全局自主置信因子高于第一閾值，則計(jì)算機(jī)105可以在自主模式下操作所有車(chē)輛101子系統(tǒng)。在另一示例中，如果全局自主置信因子低于第一閾值但高于第二閾值，則計(jì)算機(jī)105可以自主地選擇性地操作某些車(chē)輛101子系統(tǒng)。接下來(lái)，在框535中，計(jì)算機(jī)105確定過(guò)程500是否應(yīng)當(dāng)繼續(xù)。例如，如果存在例如車(chē)輛101點(diǎn)火開(kāi)關(guān)關(guān)斷，變速器選擇器被置于“駐車(chē)”等的自主駕駛操作，則過(guò)程500可結(jié)束。如果過(guò)程500不應(yīng)繼續(xù)，則過(guò)程500在框535之后結(jié)束。否則，過(guò)程500前進(jìn)到框505。圖18示出了用于基于危險(xiǎn)因子pe實(shí)施車(chē)輛101的控制的過(guò)程600。過(guò)程600在框605中開(kāi)始，其中計(jì)算機(jī)105從多個(gè)源(例如，車(chē)輛101子系統(tǒng)、周?chē)鷮?duì)象等)收集數(shù)據(jù)115。接下來(lái)，在框610中，計(jì)算機(jī)105識(shí)別具有與車(chē)輛101碰撞的可能性的對(duì)象。接下來(lái)，在框615中，計(jì)算機(jī)105確定對(duì)象的動(dòng)態(tài)因子。如上所述，動(dòng)態(tài)因子是對(duì)象將與車(chē)輛101碰撞的可能性。接下來(lái)，在框620中，計(jì)算機(jī)105基于動(dòng)態(tài)因子和對(duì)象確定危險(xiǎn)因子pe。例如，如上表5所示，多個(gè)對(duì)象中的每一個(gè)對(duì)于特定動(dòng)態(tài)因子具有唯一的危險(xiǎn)因子。計(jì)算機(jī)105可以使用如表5的查找表來(lái)確定危險(xiǎn)因子pe。危險(xiǎn)因子考慮了與對(duì)象碰撞的可能性和對(duì)象在碰撞時(shí)將導(dǎo)致的傷害；例如，即使在相同的動(dòng)態(tài)因子下，用于灌木的危險(xiǎn)因子可以低于護(hù)欄的危險(xiǎn)因子。接下來(lái)，在框625中，計(jì)算機(jī)105將危險(xiǎn)因子pe與閾值進(jìn)行比較。閾值可以基于與對(duì)象碰撞的風(fēng)險(xiǎn)和對(duì)象在碰撞時(shí)將造成的損壞來(lái)確定是否以自主模式操作車(chē)輛101和/或特定車(chē)輛101子系統(tǒng)。接下來(lái)，在框630中，計(jì)算機(jī)105基于危險(xiǎn)因子和閾值實(shí)施控制決策。計(jì)算機(jī)105可以使用諸如表6的查找表來(lái)確定是否自主地操作車(chē)輛101。例如，如果對(duì)象是騎自行車(chē)者，則危險(xiǎn)因子0.5將指示車(chē)輛101的自主控制，而如果對(duì)象是另一車(chē)輛101，則指示車(chē)輛101的手動(dòng)控制。接下來(lái)，在框635中，計(jì)算機(jī)105確定過(guò)程600是否應(yīng)當(dāng)繼續(xù)。例如，如果存在例如車(chē)輛101點(diǎn)火開(kāi)關(guān)關(guān)斷，變速器選擇器被置于“駐車(chē)”等的自主駕駛操作，則過(guò)程600可以結(jié)束。如果過(guò)程600不應(yīng)當(dāng)繼續(xù)，則過(guò)程600在框635之后結(jié)束。否則，過(guò)程600前進(jìn)到框605。結(jié)論如本文所使用的，副詞“基本上”是指形狀、結(jié)構(gòu)、測(cè)量、數(shù)量、時(shí)間等可以偏離精確描述的幾何形狀、距離、測(cè)量、數(shù)量、時(shí)間等，其原因在于材料、機(jī)械加工、制造等的缺陷。諸如本文討論的那些計(jì)算設(shè)備通常各自包括可由一個(gè)或多個(gè)計(jì)算設(shè)備(諸如上面所確定的那些計(jì)算設(shè)備)執(zhí)行的，并且用于執(zhí)行上述處理的框或步驟的指令。例如，上面討論的過(guò)程框體現(xiàn)為計(jì)算機(jī)可執(zhí)行指令。計(jì)算機(jī)可執(zhí)行指令可以從使用各種編程語(yǔ)言和/或技術(shù)——包括但不限于單獨(dú)或組合的javatm、c、c++、程序設(shè)計(jì)基礎(chǔ)(visualbasic)、程序腳本(javascript)、腳本語(yǔ)言(perl)、超文本標(biāo)記語(yǔ)言(html)等——?jiǎng)?chuàng)建的計(jì)算機(jī)程序編譯或解釋。一般來(lái)說(shuō)，處理器(例如，微處理器)例如從存儲(chǔ)器、計(jì)算機(jī)可讀介質(zhì)等接收指令，并執(zhí)行這些指令，從而執(zhí)行一個(gè)或多個(gè)過(guò)程，包括一個(gè)或多個(gè)本文所述的過(guò)程。這樣的指令和其他數(shù)據(jù)可以使用各種計(jì)算機(jī)可讀介質(zhì)存儲(chǔ)和傳輸。計(jì)算設(shè)備中的文件通常是存儲(chǔ)在諸如存儲(chǔ)介質(zhì)、隨機(jī)存取存儲(chǔ)器等的計(jì)算機(jī)可讀介質(zhì)上的數(shù)據(jù)的集合。計(jì)算機(jī)可讀介質(zhì)包括參與提供可以由計(jì)算機(jī)讀取的數(shù)據(jù)(例如，指令)的任何介質(zhì)。這樣的介質(zhì)可以采取許多形式，包括但不限于非易失性介質(zhì)、易失性介質(zhì)等。非易失性介質(zhì)包括例如光盤(pán)或磁盤(pán)和其他持久性存儲(chǔ)器。易失性介質(zhì)包括通常構(gòu)成主存儲(chǔ)器的動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(dram)。計(jì)算機(jī)可讀介質(zhì)的常見(jiàn)形式包括例如軟盤(pán)、撓性盤(pán)、硬盤(pán)、磁帶、任何其它磁介質(zhì)、光盤(pán)只讀存儲(chǔ)器(cdrom)、數(shù)字視盤(pán)(dvd)、任何其他光學(xué)介質(zhì)、穿孔卡、紙帶、任何具有孔圖案的其他物理介質(zhì)、隨機(jī)存取存儲(chǔ)器(ram)、可編程只讀存儲(chǔ)器(prom)、可擦除可編程只讀存儲(chǔ)器(eprom)、閃速電可擦除可編程只讀存儲(chǔ)器(flasheeprom)、任何其它存儲(chǔ)器芯片或盒、或計(jì)算機(jī)可以從其讀取的任何其它介質(zhì)。在附圖中，相同的附圖標(biāo)記表示相同的元件。此外，這些元件中的一些或全部可以改變。關(guān)于本文所述的介質(zhì)、過(guò)程、系統(tǒng)、方法等，應(yīng)當(dāng)理解的是，盡管這些過(guò)程等的步驟已經(jīng)被描述為根據(jù)某個(gè)有序序列發(fā)生，但是這樣的過(guò)程可以用所描述的步驟以不同于本文描述的順序的順序執(zhí)行。還應(yīng)當(dāng)理解的是，某些步驟可以同時(shí)執(zhí)行，可以添加其他步驟，或者可以省略本文描述的某些步驟。換句話說(shuō)，本文中的過(guò)程的描述是為了說(shuō)明某些實(shí)施例的目的而提供的，并且不應(yīng)被解釋為限制所要求保護(hù)的發(fā)明。因此，應(yīng)當(dāng)理解的是，上述描述旨在是說(shuō)明性的而不是限制性的。在閱讀上述描述之后，除了所提供的示例之外的許多實(shí)施例和應(yīng)用對(duì)于本領(lǐng)域技術(shù)人員將是顯而易見(jiàn)的。本發(fā)明的范圍應(yīng)當(dāng)不是參考上面的描述來(lái)確定，而是應(yīng)當(dāng)參考所附權(quán)利要求以及這些權(quán)利要求所賦予的等同物的全部范圍來(lái)確定。預(yù)設(shè)和預(yù)期在本文中討論的技術(shù)中將會(huì)出現(xiàn)未來(lái)的發(fā)展，并且所公開(kāi)的系統(tǒng)和方法將并入在這些未來(lái)的實(shí)施例中?？傊?，應(yīng)當(dāng)理解的是，本發(fā)明能夠進(jìn)行修改和變化，并且僅由所附權(quán)利要求限制。權(quán)利要求中使用的所有術(shù)語(yǔ)旨在賦予其本領(lǐng)域技術(shù)人員所理解的普通含義，除非在此作出相反的明確指示。特別地，使用諸如“一”、“該”、“所述”等單數(shù)冠詞應(yīng)被理解為列舉一個(gè)或多個(gè)所指示的元件，除非權(quán)利要求陳述了相反的明確限制。當(dāng)前第1頁(yè)12