CN117400960A - 自动驾驶控制装置和自动驾驶控制方法 - Google Patents

Abstract

本公开涉及一种用于转换自动驾驶车辆的控制权限的自动驾驶控制装置和自动驾驶控制方法。该自动驾驶控制装置可以包括设置在自动驾驶车辆中的处理器，该处理器被配置为判断是否满足当自动驾驶车辆正在以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件，确定自动驾驶车辆的速度极限，并且/或者向自动驾驶车辆的驾驶员输出转换需求(TD)，并且控制自动驾驶，使得在输出TD时自动驾驶车辆的速度不得大于速度极限。自动驾驶控制装置可以被配置为充分确保将控制权限转换给驾驶员所花费的时间，从而提高安全性。

Description

自动驾驶控制装置和自动驾驶控制方法

相关申请的交叉引用

本申请要求于2022年7月15日向韩国知识产权局提交的申请号为10-2022-0087672的韩国专利申请的权益，该韩国专利申请的全部内容通过引用并入本文。

技术领域

本公开涉及一种自动驾驶控制装置和自动驾驶控制方法，更具体地，涉及一种用于转换自动驾驶车辆的控制权限的自动驾驶控制装置和自动驾驶控制方法。

背景技术

自动驾驶车辆需要自适应地应对在行驶时实时变化的周围情况的能力。首先，大规模生产和启用自动驾驶车辆可能需要可靠的判断控制功能。最近市场上的半自动驾驶车辆基本上代表驾驶员执行驾驶、制动和转向，以减少驾驶员的疲劳。与完全自动驾驶不同，半自动驾驶必须使驾驶员保持专注于驾驶，例如，必须使驾驶员持续握住方向盘。最近，半自动驾驶车辆可以装载有高速公路驾驶辅助(HDA)功能、判断诸如瞌睡驾驶或视线偏离的驾驶员疏忽以及状态异常并通过组合仪表等输出警告警报的驾驶员状态警告(DSW)功能、借助于前视摄像头确定车辆是否越线和执行不稳定驾驶的驾驶员意识警告(DAW)功能、在检测到正面碰撞时执行紧急制动的前向防撞辅助(FCA)或主动紧急制动系统(AEBS)功能等并出售。

将转换需求(TD)从自动驾驶车辆的现有自动驾驶系统输出到驾驶员之后，当驾驶员在特定时间内没有接管控制权限时，现有的自动驾驶系统自动执行最小风险操纵(minimum risk maneuver，MRM)。由于在自动驾驶过程中发生突发情况时，可能很难确保将控制权限转换给驾驶员所需的足够时间，因此驾驶员可能处于危险境地。因此，可能需要开发一种可以在可以输出TD时限制自动驾驶车辆的最大速度的技术。

发明内容

本公开旨在解决现有技术中出现的上述问题，同时可以保持现有技术获得的优势不变。

本公开的实施例提供一种用于转换自动驾驶车辆的控制权限的自动驾驶控制装置和自动驾驶控制方法。

本公开的另一实施例提供一种用于充分确保将控制权限转换给驾驶员所花费的时间以提高安全性的自动驾驶控制装置和自动驾驶控制方法。

本公开的另一实施例提供一种自动驾驶控制装置和自动驾驶控制方法，用于在无法充分确保将控制权限转换给驾驶员所花费的时间时，执行最小风险操纵(MRM)以停止车辆，从而确保自动驾驶安全。

本公开的另一实施例提供一种自动驾驶控制装置和自动驾驶控制方法，用于设置适合驾驶情况的速度极限并充分确保将控制权限转换给驾驶员所花费的时间。

本公开的另一实施例提供一种用于提高自动驾驶系统的安全性和便利性的自动驾驶控制装置和自动驾驶控制方法。

本公开要解决的技术问题可以不限于上述问题，本公开所属领域的技术人员将从下面的描述中清楚地理解本文未提及的任意其他技术问题。

根据本公开的实施例，一种自动驾驶控制装置可以包括：处理器，设置在自动驾驶车辆中；以及存储器，存储可由处理器运行的指令。处理器可以判断是否可以满足当自动驾驶车辆正在以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件，可以确定自动驾驶车辆的速度极限，当可以满足预定条件时可以向自动驾驶车辆的驾驶员输出转换需求(TD)，并且可以控制自动驾驶，使得在可以输出TD时自动驾驶车辆的速度不得大于速度极限。

在实施例中，处理器可以基于与自动驾驶车辆正在行驶的道路相对应的最大速度极限来确定速度极限。

在实施例中，处理器可以基于从驾驶员接收到的目标速度来确定速度极限。

在实施例中，处理器可以计算自动驾驶车辆在特定时间内的平均速度，并可以基于计算出的平均速度确定速度极限。

在实施例中，处理器可以检测自动驾驶车辆前方的特定事件点，并且当自动驾驶车辆到达与特定事件点间隔开特定距离的点时，可以判断可以满足预定条件。

在实施例中，处理器可以将可以通过将预定裕度与在自动驾驶车辆在预定的特定时间内以计算出的平均速度行驶之后自动驾驶车辆可以借助于最小风险操纵(MRM)停止所需的距离相加所获得的距离计算为特定距离。

在实施例中，当计算出的平均速度可能低于与自动驾驶车辆正在行驶的道路相对应的推荐最小速度或最小速度极限时，处理器可以将可以通过将特定裕度与推荐最小速度或最小速度极限相加所获得的速度确定为速度极限。

在实施例中，处理器可以考虑到预定最小单位而将速度极限确定为高于计算出的平均速度的速度。

在实施例中，处理器可以将速度极限计算为在可以输出TD时可以执行自动驾驶的过程中自动驾驶车辆的速度偏差可以被预测为最低的速度。

在实施例中，处理器可以检测当前天气状态或自动驾驶车辆正在行驶的道路状态，并且可以基于根据检测到的天气状态或检测到的道路状态的经验模型计算速度极限。

在实施例中，处理器可以判断自动驾驶车辆是否发生故障，并可以在判断自动驾驶车辆发生故障时，基于根据自动驾驶车辆的故障情况的经验模型计算速度极限。

在实施例中，自动驾驶控制装置可以进一步包括设置在自动驾驶车辆中以感测周围车辆的速度的传感装置。处理器可以基于周围车辆的速度来计算周围车辆在特定时间内的平均速度、可以判断速度极限是否可能比计算出的周围车辆的平均速度低特定参考值以上，并且在可以判断速度极限可能比计算出的周围车辆的平均速度低特定参考值以上时，可能无法向自动驾驶车辆的驾驶员输出TD并且可以执行MRM。

根据本公开的另一实施例，一种自动驾驶控制方法可以包括：由自动驾驶车辆中设置的处理器判断是否可以满足在自动驾驶车辆正在以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件；由处理器确定自动驾驶车辆的速度极限；当可以满足预定条件时，由处理器向自动驾驶车辆的驾驶员输出TD；以及由处理器控制自动驾驶，使得在可以输出TD时自动驾驶车辆的速度不得大于速度极限。

在实施例中，由处理器确定自动驾驶车辆的速度极限可以包括由处理器计算自动驾驶车辆在特定时间内的平均速度，以及由处理器基于计算出的平均速度确定速度极限。

在实施例中，由处理器判断是否可以满足预定条件可以包括：由处理器检测自动驾驶车辆前方的特定事件点，以及当自动驾驶车辆到达与特定事件点间隔开特定距离的点时，由处理器判断可以满足预定条件。

在实施例中，当自动驾驶车辆到达与特定事件点间隔开特定距离的点时，由处理器判断可以满足预定条件可以包括：由处理器将可以通过将预定裕度与在自动驾驶车辆在预定的特定时间内以计算出的平均速度行驶之后直到自动驾驶车辆可以通过MRM停止所需的距离相加所获得的距离计算为特定距离。

在实施例中，由处理器确定自动驾驶车辆的速度极限可以包括：当计算出的平均速度可能低于与自动驾驶车辆可能行驶的道路相对应的推荐最小速度或最小速度极限时，由处理器将可以通过将特定裕度与推荐最小速度或最小速度极限相加所获得的速度确定为速度极限。

在实施例中，由处理器确定自动驾驶车辆的速度极限可以包括由处理器检测当前天气状态或自动驾驶车辆正在行驶的道路状态，以及由处理器基于根据检测到的天气状态或检测到的道路状态的经验模型计算速度极限。

在实施例中，由处理器确定自动驾驶车辆的速度极限可以包括：由处理器判断自动驾驶车辆是否发生故障，以及当可以判断自动驾驶车辆发生故障时，由处理器基于根据自动驾驶车辆的故障情况的经验模型计算速度极限。

在实施例中，自动驾驶控制方法可以进一步包括：由自动驾驶车辆中设置的传感装置感测周围车辆的速度，由处理器基于周围车辆的速度计算周围车辆在特定时间内的平均速度，由处理器判断速度极限是否可能比计算出的周围车辆的平均速度低特定参考值以上，以及在可以判断速度极限可能比计算出的周围车辆的平均速度低特定参考值以上时，不由处理器向自动驾驶车辆的驾驶员输出TD，并且由处理器执行MRM。

附图说明

通过以下结合附图的详细描述，本公开的上述和其他目的、特征和优点将更加明显：

图1是定义自动驾驶车辆的自动驾驶等级的表；

图2是示出根据本公开的实施例的自动驾驶控制装置的框图；

图3是示出根据本公开的实施例的自动驾驶控制装置输出转换需求(TD)的图；

图4是示出根据本公开的实施例的自动驾驶控制装置的操作的流程图；

图5是示出根据本公开的实施例的自动驾驶控制方法的流程图；以及

图6是示出根据本公开的实施例的计算系统的框图。

具体实施方式

理解的是，本文中使用的术语“车辆”或“车辆的”或者其他类似的术语通常包括机动车辆，例如包括运动型多用途车(SUV)、巴士、卡车、各种商用车辆的乘用车，包括各种轮船和船舰的水运工具，航空器等，并且还可以包括混合动力车辆、电动车辆、插电式混合动力车辆、氢动力车辆和其他替代燃料车辆(例如，来自除了石油以外的资源的燃料)。如本文所指，混合动力车辆是具有两个或更多个动力源的车辆，例如汽油动力车辆和电动动力车辆。

本文使用的术语仅用于描述特定实施例，并不旨在限制本公开。除非上下文另有明确指示，否则如本文所使用的，单数形式“一”、“一个”和“该”也旨在包括复数形式。这些术语仅旨在将一个部件与另一个部件区分开来，并且这些术语并不限制这些组成部件的性质、序列或顺序。将进一步理解的是，当在本说明书中使用时，术语“包括”和/或“包含”具体说明存在所提及的特征、整数、步骤、操作、元件和/或部件，但不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、部件和/或其组。如本文所使用的，术语“和/或”包括一个或多个相关联的所列项目的任意和全部组合。在整个说明书中，除非明确地进行相反的描述，否则词语“包括”以及诸如“包含”或“含有”等变型将被理解为暗含包括所提及的元件但不排除任何其他元件。另外，说明书中描述的“-单元”、“-器”、“-部”以及“模块”表示处理至少一种功能和操作的单元，并且可以通过硬件部件或软件部件及其组合来实施。

尽管示例性实施例被描述为利用多个单元来执行示例性过程，但理解的是，也可以由一个或多个模块来执行示例性过程。另外，理解的是，术语“控制器/控制单元”是指包括存储器和处理器并且被专门编程为执行本文描述的过程的硬件装置。存储器被配置为存储这些模块，并且处理器被专门配置为运行所述模块以执行下文将进一步描述的一个或多个过程。

进一步地，本公开的控制逻辑可以实施为包含由处理器、控制器等执行的可执行程序指令的计算机可读介质上的非暂时性计算机可读介质。计算机可读介质的示例包括但不限于ROM、RAM、压缩盘(CD)-ROM、磁带、软盘、闪存驱动器、智能卡和光学数据存储装置。计算机可读介质还可以分布在联网的计算机系统中，使得计算机可读介质例如通过远程信息处理服务器或控制器局域网(CAN)以分布式方式存储和运行。

除非具体说明或从上下文显而易见，否则如本文所使用的，术语“约”被理解为在本领域的正常公差范围内，例如在平均值的2个标准偏差内。“约”可以理解为在所述值的10％、9％、8％、7％、6％、5％、4％、3％、2％、1％、0.5％、0.1％、0.05％或0.01％以内。除非上下文另有明确说明，否则本文提供的所有数值均由术语“约”修饰。

在下文中，将参照示例性附图详细描述本公开的一些实施例。在附图中，将始终使用相同的附图标记来表示相同或等同的元件。另外，将省略对众所周知的特征或功能的详细描述，以免不必要地使本公开的主旨变得不清楚。

在描述根据本公开的实施例的部件时，可以使用诸如第一、第二、“A”、“B”、(a)、(b)等术语。这些术语仅用于将一个元件与另一元件区分开，但不管相应元件的顺序或优先级如何，都不限制相应元件。此外，除非另外被定义，否则本文中使用的包括技术术语和科学术语的所有术语都将按照本公开所属领域的惯例进行解释。诸如通用词典中定义的术语的术语将被解释为具有与相关技术领域的上下文含义相同的含义，并且将不被解释为具有理想的或过于正式的含义，除非在本申请中被明确定义为具有这种含义。

在下文中，将参照图1至图6详细描述本公开的实施例。

图1是可以定义自动驾驶车辆的自动驾驶等级的表。

自动驾驶车辆是指自行识别驾驶环境以判断风险、控制其行驶路线以使驾驶员的驾驶操纵最小化并自行驾驶的车辆。

总之，自动驾驶车辆是指能够在没有人影响的情况下驾驶、转向和驻车的车辆，并且可以是专注于将作为自动驾驶车辆的核心基础的自动驾驶技术，即在驾驶员不主动控制或监控的情况下操作车辆的能力，发展为最高程度的车辆。

参照图1，在自动驾驶等级等级0至等级2中，由驾驶员监控驾驶环境。另一方面，在自动驾驶等级等级3至等级5中，由自动驾驶系统监控驾驶环境。

然而，目前市场上的自动驾驶车辆的概念可能包括完全自动驾驶车辆的中间自动驾驶等级，并且可以对应于以全自动驾驶车辆大规模生产和商业化为前提的目标导向概念。

根据本公开示例性实施例的自动驾驶控制方法可以应用于与图1所示的自动驾驶自动驾驶等级中的等级3(有条件的自动驾驶)相对应的自动驾驶车辆，但不必限于此，并且可以应用于支持多个不同的自动驾驶等级的自动驾驶车辆。

基于汽车工程师协会(SAE)，自动驾驶车辆的自动驾驶等级可以以如图1的表所示进行分类。

图2是示出根据本公开的实施例的自动驾驶控制装置的框图。

根据本公开的实施例的自动驾驶控制装置200可以在车辆内部或外部实施。在这种情况下，自动驾驶控制装置200可以与车辆中的控制单元集成地配置，或者可以被实施为单独的硬件装置通过连接装置与车辆的控制单元连接。

作为示例，自动驾驶控制装置200可以与车辆集成地配置，或者可以以安装/附接到车辆的形式被实施为独立于车辆的单独配置。可选地，自动驾驶控制装置200的一部分可以与车辆集成地配置，而其余部分可以以安装/附接到车辆的形式被实施为独立于车辆的单独配置。

参照图2，自动驾驶控制装置200可以包括存储器210和处理器220。

存储器210和处理器220可以包括在自动驾驶车辆的控制器或自动驾驶控制器中。

处理器220可以执行在下面描述的数据处理和/或计算。此外，存储器210可以存储处理器220执行数据处理和/或计算的过程中所需的数据或算法。

存储器210可以存储由处理器220运行的指令。

处理器220可以是运行软件命令的电路。例如，处理器220可以是电子控制单元(ECU)、微控制器单元(MCU)或其他子控制器。

存储器210可以包括诸如以下的存储介质中的至少一种类型的存储介质：闪速存储器型存储器、硬盘型存储器、微型存储器、卡型存储器(例如，安全数字(SD)卡或极限数字(XD)卡)、随机存取存储器(RAM)、静态RAM(SRAM)、只读存储器(ROM)、可编程ROM(PROM)、电可擦除PROM(EEPROM)、磁性RAM(MRAM)、磁盘或光盘。

处理器220可以被配置为执行整体控制，使得各个部件可以正常地执行其功能。这样的处理器220可以以硬件的形式实施，可以以软件的形式实施或者可以以硬件和软件组合的形式实施。优选地，控制器220可以被实施为但不限于微处理器。另外，处理器220可以执行以下描述的各种数据处理、计算等。

处理器220可以被配置为确定自动驾驶车辆的速度极限。

作为示例，处理器220可以被配置为在自动驾驶车辆的自动驾驶过程中实时确定自动驾驶车辆的速度极限。

作为示例，处理器220可以被配置为基于与自动驾驶车辆正在行驶的道路相对应的最大速度极限来确定速度极限。

在这种情况下，示例性地，处理器220可以被配置为借助于全球定位系统(GPS)等获得自动驾驶车辆的当前位置。

处理器220可以被配置为基于获得的自动驾驶车辆的当前位置和导航地图信息来识别自动驾驶车辆当前正在行驶的道路。

此外，处理器220可以被配置为基于导航地图信息来获得关于自动驾驶车辆当前正在行驶的道路的最大速度极限的信息。

作为示例，处理器220可以被配置为将与自动驾驶车辆正在行驶的道路相对应的最大速度极限确定为自动驾驶车辆的速度极限。

作为示例，处理器220可以被配置为基于从驾驶员接收的目标速度来确定速度极限。

尽管未示出，但自动驾驶控制装置200可以进一步包括被配置为从驾驶员接收目标速度的输入模块(未示出)。

输入模块(未示出)可以被配置为根据来自外部的输入生成控制信号。为此，输入模块(未示出)可以被配置为诸如键盘、触摸板或触摸屏的输入装置。当输入模块(未示出)可以被配置为触摸屏时，它可以一起执行输出模块的功能。

作为示例，输入模块(未示出)可以通过自动驾驶车辆的音频、视频、导航(AVN)来实施。

作为示例，处理器220可以被配置为将从驾驶员接收的目标速度确定为自动驾驶车辆的速度极限。

作为示例，处理器220可以被配置为计算自动驾驶车辆在特定时间内的平均速度，并且可以基于计算出的平均速度确定速度极限。

作为示例，处理器220可以被配置为实时或根据预定周期计算最近的特定时间内的平均速度。

作为示例，处理器220可以被配置为将计算出的平均速度或可以通过将特定裕度与计算出的平均速度相加获得的速度确定为速度极限。

在本文中，尽管可以将通过将特定裕度与计算出的平均速度相加而获得的速度确定为速度极限，但也可以将特定裕度确定为可以确定周围车辆的通过不受到阻碍的程度。周围车辆的通过可能受到阻碍可以表示本车辆的行驶速度可能比周围车辆的速度过低或过高。

可以设置与自动驾驶车辆正在行驶的道路相对应的推荐最小速度或最小速度极限。推荐最小速度或最小速度极限可以为道路的畅通而设置。

作为示例，当计算出的平均速度可能低于与自动驾驶车辆正在行驶的道路相对应的推荐最小速度或最小速度极限时，处理器220可以被配置为将可以通过将特定裕度与推荐最小速度或最小速度极限相加所获得的速度确定为速度极限。

在这种情况下，示例性地，处理器220被配置为可以基于导航地图信息获得关于自动驾驶车辆当前正在行驶的道路的推荐最小速度或最小速度极限的信息。

示例性地，当自动驾驶车辆正在行驶的道路的推荐最小速度或最小速度极限可以为60km/h时，当特定裕度可以为5km/h时，速度极限可以为65km/h，而当特定裕度可以为10km/h时，速度极限可以为70km/h。

作为示例，处理器220可以被配置为考虑到预定最小单位而将速度极限确定为高于计算出的平均速度的速度。

尽管计算出的平均速度可以被确定为速度极限，但这并非不可能。然而，当计算出的平均速度可以被确定为速度极限时，因为自动驾驶车辆的速度可以被迅速降低，并且当它可能引起用户的认知混乱时，处理器220可以将高于计算出的速度的速度确定为速度极限。

作为示例，处理器220可以被配置为将可以是预定最小单位的整数倍的速度确定为速度极限。

示例性地，当预定最小单位可以为10km/h，并且当计算出的平均速度可以为81km/h时，处理器220可以将速度极限确定为90km/h。

作为示例，处理器220可以将在可以输出转换需求(TD)时可以执行自动驾驶的过程中自动驾驶车辆的速度偏差可以被预测为最低时的速度计算为速度极限。

作为示例，处理器220可以被配置为基于自动驾驶车辆正在行驶的道路的形状信息和关于周围交通流量的速度信息，在可以输出TD时可以执行自动驾驶车辆的过程中，根据速度极限来预测自动驾驶车辆的速度偏差。

作为示例，处理器220可以被配置为基于自动驾驶车辆正在行驶的道路的形状信息和关于周围交通流量的速度信息来计算可以在可以输出TD时可以执行自动驾驶车辆的过程中可以预期的自动驾驶车辆的速度分布。

作为示例，处理器220可以被配置为基于计算出的速度分布在可以输出TD时计算平均速度。

作为示例，处理器220可以被配置为基于计算出的速度分布在可以输出TD时计算使与平均速度的偏差可以累积为最小值的速度极限。

作为示例，处理器220可以被配置为检测当前天气状态或自动驾驶车辆正在行驶的道路状态，并且可以基于根据检测到的天气状态或检测到的道路状态的经验模型计算速度极限。

作为示例，处理器220可以被配置为通过自动驾驶车辆的AVN来获得关于当前天气的信息。天气状态可以包括关于当前天气是否处于被判断为恶劣天气的状态的信息。

作为示例，处理器220可以被配置为借助于自动驾驶车辆中设置的传感器或通过与外部的通信来检测道路状态。道路状态可以包括关于道路的路面状态或道路的打滑程度的信息。

作为示例，处理器220可以被配置为基于根据天气状态或道路状态的经验模型来计算被判断为自动驾驶车辆能够足够安全地行驶的距离。

根据天气状态或道路状态的经验模型可以通过经验生成，并且可以指根据与天气状态或道路状态相对应的值来计算自动驾驶车辆能够足够安全地行驶的距离的函数。

作为示例，处理器220可以被配置为将可以通过将被判断为自动驾驶车辆能够足够安全地行驶的距离除以可以输出TD的时间(或TD时间)获得的速度确定为速度极限。

作为示例，处理器220可以被配置为判断自动驾驶车辆是否发生故障。当可以确定自动驾驶车辆发生故障时，处理器220可以被配置为基于根据自动驾驶车辆的故障情况的经验模型来计算速度极限。

作为示例，处理器220可以被配置为基于根据故障情况的经验模型来计算被判断为自动驾驶车辆能够足够安全地行驶的距离。

根据故障情况的经验模型可以通过经验生成，并且可以指根据与故障情况相对应的值来计算自动驾驶车辆能够足够安全地行驶的距离的函数。

作为示例，处理器220可以被配置为将可以通过将被判断为自动驾驶车辆能够足够安全地行驶的距离除以可以输出TD的时间(或TD时间)获得的速度确定为速度极限。

可以在自动驾驶车辆中设置处理器220，以判断是否满足自动驾驶车辆正在以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件。

作为示例，处理器220可以被配置为检测自动驾驶车辆前方的特定事件点。处理器220可以被配置为当自动驾驶车辆到达与特定事件点间隔开特定距离的点时，判断可以满足预定条件。

在本文中，特定事件点可以包括自动驾驶车辆开始偏离操作设计域(ODD)的点，或者判断自动驾驶车辆可能无法执行自动驾驶的点。

作为示例，处理器220可以被配置为借助于导航地图信息来检测特定事件点可能存在于自动驾驶车辆的前方。

作为示例，处理器220可以被配置将可以通过将预定裕度与自动驾驶车辆在预定的特定时间内以计算出的平均速度行驶之后直到自动驾驶车辆可以通过最小风险操纵(MRM)停止所需的距离相加所获得的距离计算为特定距离。

MRM可以包括通过诸如自动驾驶车辆通过自动驾驶在车道上减速和停车的策略或者自动驾驶车辆通过自动驾驶变道到路肩以减速和停车的驾驶策略进行驾驶。

在自动驾驶车辆的安全气囊可以被操作时，当自动驾驶车辆或自动驾驶车辆中包括的系统发生故障时，以及当由于在自动驾驶车辆的自动驾驶过程中发生TD后用户没有接管自动驾驶车辆的控制权限而导致TD可以结束时，可以执行MRM。

当可以满足预定条件时，处理器220可以被配置为向自动驾驶车辆的驾驶员输出TD。

作为示例，处理器220可以被配置为通过AVN、平视显示器(HUD)或组合仪表利用视觉信号或听觉信号向驾驶员输出TD。

处理器220可以被配置为控制自动驾驶，使得在可以输出TD时自动驾驶车辆的速度不得大于速度极限。

尽管未示出，但自动驾驶控制装置200可以进一步包括设置在自动驾驶车辆中以感测周围车辆的速度的传感装置(未示出)。

作为示例，传感装置(未显示)可以包括摄像头、雷达或激光雷达(LiDAR)中的至少一个。

作为示例，处理器220可以被配置为基于周围车辆的速度来计算特定时间内周围车辆的平均速度，可以判断速度极限是否可能比计算出的周围车辆平均速度低特定参考值以上，并且当可以判断速度极限可能比计算出的周围车辆的平均速度低特定参考值以上时，可能无法向自动驾驶车辆的驾驶员输出TD并且可以执行MRM。

作为示例，处理器220可以被配置为在速度极限可能比计算出的周围车辆的平均速度低特定参考值以上时，判断自动驾驶车辆在TD时间内可能无法行驶，并且可以立即将自动驾驶模式转换为MRM模式。

图3是示出根据本公开的实施例的自动驾驶控制装置输出转换需求(TD)的图。

参照图3，自动驾驶控制装置可以判断在自动驾驶车辆301的预期驾驶路线前方是否存在可能无法操作自动驾驶的点302。

作为示例，自动驾驶控制装置可以借助于导航地图信息来判断在自动驾驶车辆301的预期驾驶路线前方是否存在可能无法操作自动驾驶的点302。

作为示例，可能无法操作自动驾驶的点302可以包括自动驾驶车辆301开始偏离ODD的点，例如，收费站入口点、交叉路口(JC)、立交桥(IC)或入口/出口点。

当可以判断可能无法操作自动驾驶的点302可能存在于自动驾驶车辆301的预期驾驶路线前方时，自动驾驶控制装置可以在与可能无法操作自动驾驶的点302间隔开特定距离的点303处输出用于请求将控制权限从自动驾驶系统转换给驾驶员的信号。

用于请求转换控制权限的信号可以包括视觉和/或听觉通知。

作为示例，自动驾驶控制装置可以基于自动驾驶车辆301在最近的特定时间内的平均速度来确定特定距离。

作为示例，自动驾驶控制装置可以将通过将预定裕度与自动驾驶车辆在预定特定时间内以计算出的平均速度行驶之后直到自动驾驶车辆可以通过MRM停止所需的距离相加所获得的距离计算为特定距离。

自动驾驶控制装置可以在可以输出TD时，控制自动驾驶车辆301的自动驾驶速度不大于速度极限，从而执行自动驾驶。

图4是示出根据本公开的实施例的自动驾驶控制装置的操作的流程图。

在下文中，可以假设图2的自动驾驶控制装置200执行图4的过程。此外，在图4的描述中，被描述为由自动驾驶控制装置执行的操作可以被理解为由自动驾驶控制装置200的处理器220控制。

参照图4，在S401中，自动驾驶控制装置可以判断自动驾驶期间的TD情况，并且可以计算速度极限。

作为示例，当在判断TD情况和计算速度极限时存在自动驾驶释放操纵时，自动驾驶控制装置可以将自动驾驶模式转换为手动驾驶模式。

作为示例，自动驾驶释放操纵可以包括输入自动驾驶释放开关，或者驾驶员操纵方向盘、加速踏板或制动踏板超过预定的特定水平。

在S402中，自动驾驶控制装置可以识别自动驾驶车辆前方是否存在无法操作自动驾驶的点。

当识别出自动驾驶车辆前方不存在无法操作自动驾驶的点时，自动驾驶控制装置可以返回S401以判断TD情况并计算速度极限。

当识别出自动驾驶车辆前方存在无法操作自动驾驶的点时，在S403中，自动驾驶控制装置可以识别自动驾驶车辆是否可以在特定时间内以速度极限行驶。

此处，可以将特定时间预设为在输出TD后适合于驾驶员接管控制权限的时间。

当识别出自动驾驶车辆不可能在特定时间内以速度极限行驶时，在S406中，自动驾驶控制装置可以执行MRM并且可以停止自动驾驶车辆。

当识别出自动驾驶车辆可以在特定时间内以速度极限行驶时，在S404中，自动驾驶控制装置可以输出TD并且可以限制最大速度。

在S405中，自动驾驶控制装置可以识别是否经过了特定时间。

当经过了特定时间时，在S406中，自动驾驶控制装置可以执行MRM并可以停止自动驾驶车辆。

图5是示出根据本公开的实施例的自动驾驶控制方法的流程图。

参照图5，自动驾驶控制方法可以包括：判断是否满足当自动驾驶车辆以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件(S510)，确定自动驾驶车辆的速度极限(S520)，当满足预定条件时向自动驾驶车辆的驾驶员输出转换需求(TD)(S530)，以及控制自动驾驶使得在输出TD时自动驾驶车辆的速度不大于速度极限(S540)。

示出了按顺序执行S510、S520、S530和S540，但是，根据实施例，S520可以与S510同时执行，并且S530可以与S540同时执行。

可以由自动驾驶车辆中设置的处理器执行对是否满足当自动驾驶车辆以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件的判断(S510)。

作为示例，对是否满足当自动驾驶车辆以自动驾驶模式行驶时转换到手动驾驶模式所要求的预定条件的判断(S510)包括：由处理器检测自动驾驶车辆前方的特定事件点以及在自动驾驶车辆到达与特定事件点间隔开特定距离的点时，由处理器判断满足预定条件。

作为示例，当自动驾驶车辆到达与特定事件点间隔开特定距离的点时，由处理器判断满足预定条件可以包括：由处理器将通过将预定裕度与自动驾驶车辆在预定特定时间内以计算出的平均速度行驶之后直到通过最小风险操纵(MRM)停止所需的距离相加所获得的距离计算为特定距离。

自动驾驶车辆的速度极限的确定(S520)可以由自动驾驶车辆中设置的处理器执行。

作为示例，自动驾驶车辆的速度极限的确定(S520)可以包括由处理器基于与自动驾驶车辆行驶的道路相对应的最大速度极限来确定速度极限。

作为示例，自动驾驶车辆的速度极限的确定(S520)可以包括由处理器基于从驾驶员接收的目标速度来确定速度极限。

作为示例，自动驾驶车辆的速度极限的确定(S520)可以包括由处理器计算自动驾驶车辆在特定时间内的平均速度，以及由处理器基于计算出的平均速度确定速度极限。

作为示例，自动驾驶车辆的速度极限的确定(S520)可以包括由处理器考虑到预定最小单位而将速度极限确定为高于计算出的平均速度的速度。

作为示例，自动驾驶车辆的速度极限的确定(S520)可以包括由处理器将速度极限计算为在输出TD时执行自动驾驶的过程中自动驾驶车辆的速度偏差被预测为最低的速度。

作为示例，自动驾驶车辆的速度极限的确定(S520)可以包括：当计算出的平均速度低于推荐最小速度或最小速度极限时，由处理器将通过将特定裕度与对应于自动驾驶车辆行驶的道路的推荐最小速度或最小速度极限相加所获得的速度确定为速度极限。

作为示例，自动驾驶车辆速度极限的确定(S520)可以包括由处理器检测当前天气状态或自动驾驶车辆正在行驶的道路状态，并基于根据检测到的天气状态或检测到的道路状态的经验模型计算速度极限。

作为示例，自动驾驶车辆速度极限的确定(S520)可以包括由处理器判断自动驾驶车辆是否发生故障，以及在判断自动驾驶车辆发生故障时，由处理器基于根据自动驾驶车辆的故障情况的经验模型计算速度极限。

当满足预定条件时，可以由设置在自动驾驶车辆中的处理器执行向自动驾驶车辆的驾驶员输出TD(S530)。

可以由设置在自动驾驶车辆中的处理器执行自动驾驶的控制，使得在输出TD时自动驾驶车辆的速度不大于速度极限(S540)。

作为示例，自动驾驶控制方法可以进一步包括：由设置在自动驾驶车辆中的传感装置感测周围车辆的速度，由处理器基于周围车辆的速度计算特定时间内周围车辆的平均速度，由处理器判断速度极限是否比计算出的周围车辆的平均速度低特定参考值以上，以及在判断速度极限比计算出的周围车辆的平均速度低特定参考值以上时，不通过处理器向自动驾驶车辆的驾驶员输出TD并且由处理器执行MRM。

图6是示出根据本公开的实施例的计算系统的框图。

参照图6，计算系统1000可以包括通过总线1200相互连接的至少一个处理器1100、存储器1300、用户界面输入装置1400、用户界面输出装置1500、存储装置1600以及网络接口1700。

处理器1100可以是中央处理单元(CPU)或处理存储在存储器1300和/或存储装置1600中的指令的半导体装置。存储器1300和存储装置1600可以包括各种类型的易失性存储介质或非易失性存储介质。例如，存储器1300可以包括只读存储器(ROM)1310和随机存取存储器(RAM)1320。

因此，结合本文公开的实施例描述的方法或算法的操作可以直接以由处理器1100运行的硬件或软件模块或者硬件和软件模块的组合实施。软件模块可以驻留在诸如RAM、闪存、ROM、EPROM、EEPROM、寄存器、硬盘、可移动磁盘和CD-ROM的存储介质(即，存储器1300和/或存储装置1600)上。

示例性存储介质可以联接到处理器1100，处理器1100可以从存储介质中读取信息并且可以将信息写入到存储介质中。可选地，存储介质可以与处理器1100集成。处理器1100和存储介质可以驻留在专用集成电路(ASIC)中。ASIC可以驻留在用户终端中。在另一种情况下，处理器1100和存储介质可以作为单独的部件驻留在用户终端中。

将描述根据本公开的实施例的自动驾驶控制装置和自动驾驶控制方法的效果。

根据本公开的至少一个实施例，可以提供自动驾驶控制装置和自动驾驶控制方法来转换自动驾驶车辆的控制权限。

此外，根据本公开的至少一个实施例，可以提供自动驾驶控制装置和自动驾驶控制方法，以充分确保将控制权限转换给驾驶员所需的时间，从而提高安全性。

此外，根据本公开的至少一个实施例，可以提供自动驾驶控制装置和自动驾驶控制方法以在无法充分确保将控制权限转换给驾驶员所花费的时间时执行最小风险操纵(MRM)来停止车辆，从而确保自动驾驶安全。

此外，根据本公开的至少一个实施例，可以提供自动驾驶控制装置和自动驾驶控制方法，以设置适合驾驶情况的速度极限，并充分确保将控制权限转换给驾驶员所需的时间。

此外，根据本公开的至少一个实施例，可以提供自动驾驶控制装置和自动驾驶控制方法，以提高自动驾驶系统的安全性和便利性。

另外，可以提供通过本公开直接或间接确定的各种效果。

在上文中，虽然参考示例性实施例和附图描述了本公开，但是本公开不限于此，而是在不脱离权利要求书中要求保护的本公开的思想和范围的情况下，可以由本公开所属领域的技术人员进行各种修改和改变。

因此，本公开的实施例不旨在限制本公开的技术思想，而是仅出于说明目的而被提供。本公开的范围应当基于所附权利要求书进行解释，并且在等同于权利要求书的范围内的所有技术思想应当包括在本公开的范围内。

Claims (20)

1.一种自动驾驶控制装置，包括：

处理器；以及

存储器，存储可由所述处理器运行的指令，

其中，所述指令在由所述处理器运行时，判断是否满足在所述自动驾驶车辆正在以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件，当满足所述预定条件时输出转换需求即TD，并且在输出所述TD时通过将所述自动驾驶车辆的速度管理为不大于速度极限来控制自动驾驶。

2.根据权利要求1所述的自动驾驶控制装置，其中，所述处理器通过所述指令基于与所述自动驾驶车辆行驶的道路相对应的最大速度极限来确定所述速度极限。

3.根据权利要求1所述的自动驾驶控制装置，其中，所述处理器通过所述指令基于从用户接收的目标速度来确定所述速度极限。

4.根据权利要求1所述的自动驾驶控制装置，其中，所述处理器通过所述指令，计算所述自动驾驶车辆在特定时间内的平均速度，并基于计算出的所述平均速度来确定所述速度极限。

5.根据权利要求4所述的自动驾驶控制装置，其中，所述处理器通过所述指令，检测所述自动驾驶车辆前方的特定事件点，并且当所述自动驾驶车辆到达与所述特定事件点间隔开特定距离的点时，判断满足所述预定条件。

6.根据权利要求5所述的自动驾驶控制装置，其中，所述处理器通过所述指令，将通过将预定裕度与在所述自动驾驶车辆在预定的特定时间内以计算出的所述平均速度行驶之后直到所述自动驾驶车辆通过最小风险操纵即MRM停止所需的距离相加所获得的距离计算为所述特定距离。

7.根据权利要求4所述的自动驾驶控制装置，其中，所述处理器通过所述指令，在计算出的所述平均速度低于与所述自动驾驶车辆行驶的道路相对应的推荐最小速度或最小速度极限时，将通过将特定裕度与所述推荐最小速度或所述最小速度极限相加所获得的速度确定为所述速度极限。

8.根据权利要求4所述的自动驾驶控制装置，其中，所述处理器通过所述指令，考虑到预定最小单位而将所述速度极限确定为高于计算出的所述平均速度的速度。

9.根据权利要求1所述的自动驾驶控制装置，其中，所述处理器通过所述指令，将所述速度极限计算为在输出所述TD时执行所述自动驾驶的过程中所述自动驾驶车辆的速度偏差被预测为最低的速度。

10.根据权利要求1所述的自动驾驶控制装置，其中，所述处理器通过所述指令，检测当前天气状态或所述自动驾驶车辆正在行驶的道路状态，并基于根据检测到的所述天气状态或检测到的所述道路状态的经验模型计算所述速度极限。

11.根据权利要求1所述的自动驾驶控制装置，其中，所述处理器通过所述指令，判断所述自动驾驶车辆是否发生故障，并且当判断所述自动驾驶车辆发生故障时，基于根据所述自动驾驶车辆的故障情况的经验模型来计算所述速度极限。

12.根据权利要求1所述的自动驾驶控制装置，进一步包括：

传感装置，设置在所述自动驾驶车辆中并感测周围车辆的速度，

其中，所述处理器通过所述指令，基于所述周围车辆的速度计算所述周围车辆在特定时间内的平均速度，判断所述速度极限是否比计算出的所述周围车辆的平均速度低特定参考值以上，以及当所述处理器通过所述指令判断所述速度极限比计算出的所述周围车辆的平均速度低所述特定参考值以上时，不输出所述TD并执行MRM。

13.一种自动驾驶控制方法，包括：

通过设置在自动驾驶车辆中的处理器，判断是否满足当所述自动驾驶车辆正在以自动驾驶模式行驶时转换到手动驾驶模式所需的预定条件；

当满足所述预定条件时，由所述处理器输出转换需求即TD；以及

由所述处理器控制自动驾驶，使得在输出所述TD时所述自动驾驶车辆的速度不大于速度极限。

14.根据权利要求13所述的自动驾驶控制方法，其中，由所述处理器确定所述自动驾驶车辆的速度极限包括：

由所述处理器计算所述自动驾驶车辆在特定时间内的平均速度；以及

由所述处理器基于计算出的所述平均速度来确定所述速度极限。

15.根据权利要求14所述的自动驾驶控制方法，其中，由所述处理器判断是否满足所述预定条件包括：

由所述处理器检测所述自动驾驶车辆前方的特定事件点；以及

当所述自动驾驶车辆到达与所述特定事件点间隔开特定距离的点时，由所述处理器判断满足所述预定条件。

16.根据权利要求15所述的自动驾驶控制方法，其中，当所述自动驾驶车辆到达与所述特定事件点间隔开所述特定距离的点时，由所述处理器判断满足所述预定条件包括：

由所述处理器将预定裕度与在所述自动驾驶车辆在预定的特定时间内以计算出的所述平均速度行驶之后直到所述自动驾驶车辆通过MRM停止所需的距离相加所获得的距离，计算为所述特定距离。

17.根据权利要求14所述的自动驾驶控制方法，其中，由所述处理器确定所述自动驾驶车辆的速度极限包括：

当计算出的所述平均速度低于与所述自动驾驶车辆正在行驶的道路相对应的推荐最小速度或最小速度极限时，由所述处理器将通过将特定裕度与所述推荐最小速度或者所述最小速度极限相加所获得的速度确定为所述速度极限。

18.根据权利要求13所述的自动驾驶控制方法，其中，由所述处理器确定所述自动驾驶车辆的速度极限包括：

由所述处理器检测当前天气状态或所述自动驾驶车辆正在行驶的道路状态；以及

由所述处理器基于根据检测到的所述天气状态或检测到的所述道路状态的经验模型来计算所述速度极限。

19.根据权利要求13所述的自动驾驶控制方法，其中，由所述处理器确定所述自动驾驶车辆的速度极限包括：

由所述处理器判断所述自动驾驶车辆是否发生故障；以及

当判断所述自动驾驶车辆发生故障时，由所述处理器基于根据所述自动驾驶车辆的故障情况的经验模型来计算所述速度极限。

20.根据权利要求13所述的自动驾驶控制方法，进一步包括：

利用设置在所述自动驾驶车辆中的传感装置感测周围车辆的速度；

由所述处理器基于所述周围车辆的速度来计算所述周围车辆在特定时间内的平均速度；

由所述处理器判断所述速度极限是否比计算出的所述周围车辆的平均速度低特定参考值以上；以及

当由所述处理器判断所述速度极限比计算出的所述周围车辆的平均速度低所述特定参考值以上时，不由所述处理器向所述自动驾驶车辆的用户输出所述TD，并且由所述处理器执行MRM。