[发明专利]使用预测模型解决车辆路线中的场景困难

权利要求书

1.一种确定自动驾驶车辆的行驶路线的方法，包括：

在一个或多个计算设备处经由网络从存储系统检索数据，该数据提供关于除了该自动驾驶车辆之外的多台车辆驶过的路段的信息，该数据包括指示所述多台车辆中的一个或多个先前从自动驾驶模式脱离到手动驾驶模式的多个困难信号，其中所述存储系统和所述网络在该自动驾驶车辆外部；

基于该数据确定每个路段的难度值，该难度值基于所述困难信号；

利用一个或多个计算设备，计算起点与目的地之间的一条或多条可能路线中的每条路线的路线成本，其中，所述路线成本至少基于沿着路线的路段的难度值；

基于一条或多条可能路线中的每条路线的路线成本，确定要行驶过一条或多条可能的路线中的哪条路线；并且

基于确定的路线生成路线信号。

2.根据权利要求1所述的方法，还包括将所述困难信号与时间特征相关联。

3.根据权利要求2所述的方法，其中，计算特定路段的难度值包括：将沿着特定路段行驶的预期日期或时间和与特定路段的困难信号相关的日期或时间进行比较。

4.根据权利要求1所述的方法，其中，确定难度值包括：确定遭遇与至少一个困难信号相对应的困难的概率。

5.根据权利要求1所述的方法，还包括将难度值输入到预测模型中。

6.根据权利要求1所述的方法，还包括：

计算每个路段的路段成本，其中，所述路段成本是基于难度值、距离和驶过每个路段所需的时间来计算的；

其中，所述路线成本是基于沿着路线的路段的路段成本来计算的。

7.根据权利要求6所述的方法，其中，计算路段成本包括：

基于每个路段的难度值计算难度分数；

基于每个路段的距离计算距离分数；

基于驶过每个路段所需的时间计算时间分数；

将难度分数、距离分数和时间分数加权；以及

作为加权分数的函数来计算路段成本。

8.根据权利要求7所述的方法，其中，将难度分数、距离分数和时间分数加权包括：设置难度分数、距离分数和时间分数的系数，其中，所述系数可被修改以调整相对权重。

9.根据权利要求8所述的方法，还包括：

从自动驾驶车辆的乘客接收输入；以及

基于从乘客接收的输入来调整所述系数。

10.根据权利要求1所述的方法，其中，所述难度值基于指示以下各项中的至少一项的困难信号：请求远程驾驶协助、沿着每个路段的未受保护的转弯的数量、自动驾驶车辆的视野被遮挡的驾驶区域的部分、或者沿着每个路段的障碍物的数量。

11.根据权利要求1所述的方法，还包括：基于所述路线信号使所述自动驾驶车辆根据确定的路线行驶。

12.一种用于确定自动驾驶车辆的行驶路线的系统，包括：

网络；存储系统；以及

一个或多个处理器，被配置为：

经由网络从存储系统检索数据，该数据提供关于除了该自动驾驶车辆之外的多台车辆在不同时间驶过的路段的信息，该数据包括指示所述多台车辆中的一个或多个先前从自动驾驶模式脱离到手动驾驶模式的多个困难信号，其中所述存储系统和所述网络在该自动驾驶车辆外部；

基于该数据确定每个路段的难度值，该难度值基于所述困难信号；

计算起点和目的地之间的一条或多条可能路线中的每条路线的路线成本，其中，所述路线成本至少基于沿着路线的路段的难度值；以及

基于一条或多条可能路线中每条路线的路线成本确定要行驶过一条或多条可能路线中的哪条路线；并且

基于确定的路线生成路线信号。

13.根据权利要求12所述的系统，所述一个或多个处理器还被配置为将所述困难信号与时间特征相关联。