[发明专利]交叉路口碰撞缓解风险评估模型

说明书

车辆包括导航车辆的系统和方法。该系统包括传感器和处理器。传感器捕获道路的图像。处理器基于路段的风险使用机器学习程序将传感器聚焦在从道路的多个路段中选择的路段。机器学习程序被训练成通过一下来聚焦传感器：基于与每个路段相关联的危险概率和与每个路段相关联的占用概率来计算道路的多个路段中的每个路段的风险，基于与路段相关联的风险从多个路段中选择路段，以及确定由于选择所述路段而导致的道路的道路风险模型的风险的降低。

技术领域

本主题公开涉及减轻车辆进入路段的风险，并且特别涉及用于计算交叉路口的风险并根据计算的风险操作车辆的系统和方法。

背景技术

当车辆通过交叉路口时，由于交叉交通、速度变化、光线条件变化、行人在交叉路口交叉等的存在，车辆发生事故的风险增加。因此，进入交叉路口的自动驾驶车辆需要对其环境的交通状况进行额外的测量，以确保它可以顺利通过交叉路口。为了有效，这种测量和随后的计算需要实时进行。因此，期望提供一种基于当前交通状况评估车辆通过交叉路口的风险的简单方法。

发明内容

在一个示例性实施例中，公开了一种导航车辆的方法。从传感器获得道路的图像。传感器聚焦于从道路的多个路段中选择的路段，其中路段是基于路段的风险使用机器学习程序选择的。机器学习程序被训练成通过计算道路的多个路段中的每个路段的风险来选择路段，其中与路段相关联的风险基于与路段相关联的危险概率和与路段相关联的占用概率，基于与路段相关联的风险从多个路段中选择路段，以及确定由于选择路段而导致的道路的道路风险模型的风险降低。

除了本文描述的一个或多个特征之外，计算该路段的风险还包括计算该路段的危险概率和该路段的占用概率的乘积。聚焦传感器还包括对多个路段执行随机选择过程，其中选择该路段的概率基于与该路段相关联的风险。该方法还包括当车辆驾驶员的注意力不在路段上时警告车辆驾驶员。该方法还包括使用触觉信号将驾驶员的注意力引向路段。该方法还包括将道路风险模型的风险与风险度量进行比较，并且当风险小于风险度量时，针对选择了所述路段而奖励机器学习程序。在一实施例中，传感器包括第一传感器和第二传感器，并且该方法还包括将第一传感器聚焦在路段上，同时用第二传感器保持道路的宽视野。

在另一示例性实施例中，公开了一种用于导航车辆的系统。该系统包括传感器和处理器。该传感器被配置成捕获道路的图像。该处理器被配置为使用机器学习程序基于路段的风险将传感器聚焦在从道路的多个路段中选择的路段上。机器学习程序被训练成通过计算道路的多个路段中的每个路段的风险来聚焦传感器，其中与路段相关联的风险基于与路段相关联的危险概率和与路段相关联的占用概率，基于与路段相关联的风险从多个路段中选择路段，以及确定由于选择所述路段而导致的道路的道路风险模型的风险的降低。

除了本文描述的一个或多个特征之外，处理器还被配置成通过计算路段的危险概率和路段的占用概率的乘积来计算路段的风险。处理器还被配置成通过对多个路段执行随机选择过程来聚焦传感器，其中选择路段的概率基于与该路段相关联的风险。该处理器还被配置成当车辆驾驶员的注意力不在该路段上时警告该驾驶员。处理器还被配置成使用触觉信号将驾驶员的注意力引导到路段。该处理器还被配置成通过将道路风险模型的风险与风险度量进行比较来训练机器学习程序，并且当风险小于风险度量时，针对选择了所述路段而奖励机器学习程序。在一个实施例中，传感器包括第一传感器和第二传感器，并且处理器还被配置成将第一传感器聚焦在路段上，同时用第二传感器保持道路的宽视野。

在又一示例性实施例中，公开了一种车辆。该车辆包括传感器和处理器。该传感器被配置成捕获道路的图像。处理器被配置为使用机器学习程序基于路段的风险将传感器聚焦在从道路的多个路段中选择的路段。机器学习程序被训练成通过计算道路的多个路段中的每个路段的风险来聚焦传感器，其中与路段相关联的风险基于与路段相关联的危险概率和与路段相关联的占用概率，基于与路段相关联的风险从多个路段中选择路段，以及确定由于选择所述路段而导致的道路的道路风险模型的风险的降低。