检测一般道路天气状况的制作方法

相关申请的交叉引用

本申请要求于2018年12月12日提交的美国申请第16/217,235号的权益，并且涉及于2018年12月12日提交的名称为“确定自动驾驶车辆的车轮打滑”的美国申请第16/217,531号，其全部公开内容通过引用整体并入本文。

背景技术：

自主车辆，诸如不需要人类驾驶员的车辆，可用于帮助将乘客或货物从一个地方运输到另一个地方。这种车辆可以在完全自主模式或部分自主模式下操作，其中人可以提供一些驾驶输入。为了在自主模式下操作，该车辆可以使用各种车载传感器以检测外部环境的特征，并且可以使用接收的传感器信息来执行各种驾驶操作。然而，车辆附近的天气状况可能会对车辆在道路上的驾驶能力产生不利影响。设置为自己检测环境中的对象的传感器可能没有能力或缺乏系统所需的精度来正确评估这种天气状况对车辆如何操作的潜在影响。

技术实现要素：

该技术涉及确定影响车辆周围的道路的一般天气状况，以及当在自主驾驶模式下操作时，这些状况可能如何影响车辆的驾驶。例如，这可能包括确定道路是否普遍结冰，而不是道路表面特定部分上的结冰区。当车辆的感知系统能经由各种传感器检测即将到来的区域的状况时，该车辆还能收集关于打滑、防抱死制动、温度测量和其他数据的信息。该汇总信息通过车载系统分析，并用于修改驾驶操作和/或改变车辆的路线。

根据本技术的各方面，提供了一种确定在自主驾驶模式下操作的车辆周围的环境中的天气或道路状况的方法。该方法包括：通过车辆的一个或多个处理器，从车辆的一个或多个传感器接收车辆周围的环境的传感器数据；通过一个或多个处理器，使车辆的子系统在自主驾驶模式的操作期间中致动子系统的一个或多个部件；在子系统的一个或多个部件的致动期间获得车辆的姿态信息；通过车辆的一个或多个处理器，根据所获得的姿态信息确定车辆的实际姿态；通过一个或多个处理器，将车辆的实际姿态与车辆的预期姿态进行比较；通过一个或多个处理器，基于比较确定实际姿态和预期姿态之间的差别；根据实际姿态和预期姿态之间的差别或接收到的外部环境的传感器数据中的至少一个确定车辆周围环境中存在不利天气或道路状况；以及响应于确定车辆周围的环境中的不利天气或道路状况而执行动作。

确定存在不利天气或道路状况包括确定车辆正在其上操作的道路的区域是结冰的、湿滑的或至少部分地被雪覆盖的。

使车辆的子系统致动一个或多个部件可包括以选定速度和以相对道路的特定部分的选定位置定向行驶通过道路的特定部分。该方法还可以包括指示另一车辆以不同的选定速度或以相对道路的特定部分的不同的选定位置定向行驶通过道路的特定部分。在这种情况下，其他车辆可以是第一车辆，该车辆可以是跟随第一车辆的第二车辆，并且该方法包括第二车辆观察第一车辆行驶通过道路的特定部分的结果。以选定速度和选定位置定向行驶通过道路的特定部分可以用于检测沿着道路的特定部分的牵引量。

获得姿态信息包括从车辆的一个或多个传感器接收传感器数据。

该方法可以进一步包括通过车辆的一个或多个传感器检测车辆周围的环境中的由一个或多个其他车辆的驾驶动作。这可以包括：响应于检测到由一个或多个其他车辆的驾驶动作，一个或多个处理器确定沿道路的选定部分的特定天气或道路状况。该特定天气或道路状况可以是沿着道路的选定部分的水坑、结冰区或积雪。该方法进一步包括：响应于确定沿着道路的选定部分的特定天气或道路状况，从由车辆的一个或多个传感器获得的一组数据中滤除虚假的传感器信号。

该方法还可以包括向另一车辆或车队管理系统中的至少一个传输关于纠正驾驶动作、路线重新规划动作，或行为预测的修改的信息。

在一个示例中，一个或多个部件中的给定的一个可以是制动部件，并且子系统可以是减速系统。在另一个示例中，一个或多个部件中的给定的一个可以是加速部件，并且子系统可以是加速系统。或，在进一步的示例中，一个或多个部件中的给定的一个可以是转向部件，并且子系统可以是转向系统。

执行动作包括执行纠正驾驶动作、实施路线重新规划动作、产生对环境中的对象的行为预测的修改、向另一车辆提供通知、或向后端系统提供通知中的至少一种。

根据本技术的其他方面，车辆被配置为在自主驾驶模式下操作。该车辆包括驾驶系统、感知系统、定位系统以及控制系统。驾驶系统包括转向子系统、加速子系统以及减速子系统，以在自主驾驶模式下控制车辆的驾驶。感知系统包括一个或多个被配置为检测车辆的外部环境中的对象的传感器。定位系统被配置为确定车辆的当前位置。控制系统包括一个或多个处理器。控制系统可操作地连接到驾驶系统、感知系统和定位系统。控制系统配置为从一个或多个传感器接收车辆周围的环境的传感器数据；在自主驾驶模式的操作期间，使车辆的子系统致动子系统的一个或多个部件；在子系统的一个或多个部件的致动期间获得车辆的姿态信息；根据所获得的姿态信息确定车辆的实际姿态；将车辆的实际姿态与车辆的预期姿态进行比较；基于比较确定实际姿态和预期姿态之间的差别；以及根据实际姿态和预期姿态之间的差别或接收到的外部环境的传感器数据中的至少一个确定车辆周围的环境中存在不利天气或道路状况。控制系统进一步被配置为响应于确定车辆周围的环境中的不利天气或道路状况而执行动作。

确定存在不利天气或道路状况可以包括确定车辆正在其上操作的道路的区域是结冰的、湿滑的或至少部分地被雪覆盖的。

控制系统可以进一步被配置为使车辆的子系统通过以选定速度和以相对道路的特定部分的选定位置定向行驶通过道路的特定部分来致动一个或多个部件。

在一个示例中，车辆进一步包括被配置为与至少一个其他车辆通信的通信系统。此时，控制系统可以进一步被配置为经由通信系统指至少一个其他车辆以不同的选定速度或以相对道路的特定部分的不同的选定位置定向行驶通过道路的特定部分。根据一个场景，至少一个其他车辆可以是第一车辆，车辆可以是跟随第一车辆的第二车辆，并且感知系统的一个或多个传感器被配置为观察第一车辆驾驶通过道路特定部分的结果。

在进一步的示例中，一个或多个传感器被配置为检测车辆周围的环境中的由一个或多个其他车辆的驾驶动作。响应于检测到由一个或多个其他车辆的驾驶动作，控制系统被配置为确定沿着道路的选定部分的特定天气或道路状况和/或从由车辆的一个或多个传感器获得的一组数据中滤除虚假的传感器信号。

车辆可以进一步包括通信系统，该通信系统被配置为向另一车辆或车队管理系统中的至少一个传输关于纠正驾驶动作、路线重新规划动作或行为预测的修改的信息。

控制系统还可以被配置为通过以下中的至少一种来执行动作：启动纠正驾驶动作、实施路线重新规划动作、产生对环境中的对象的行为预测的修改、向另一车辆提供通知、或向后端系统提供通知。

附图说明

图1a-b示出了被配置为与本技术的各方面一起使用的示例客运型车辆。

图1c-d示出了被配置为与本技术的各方面一起使用的示例货运型车辆。

图2是根据本技术的各方面的示例客运型车辆的系统的框图。

图3a-b是根据本技术的各方面的示例货运型车辆的系统的框图。

图4示出了根据本技术的各方面的检测传感器视场中的对象的示例。

图5示出了根据本技术的各方面的客运型车辆的示例传感器视场。

图6a-b示出了根据本公开的各方面的货运型车辆的示例传感器视场。

图7a-d示出了根据本技术的各方面的示例制动场景。

图8a-d示出了根据本技术的各方面的示例加速场景。

图9a-b示出了根据本技术的各方面的示例转弯场景。

图10示出了根据本技术的各方面的确定牵引力状况的主动测试示例。

图11a-c示出了根据本技术的各方面的路线规划修改的示例。

图11d-e示出了根据本技术的各方面的路线重新规划的示例。

图12a-b示出了根据本技术的各方面的基于分析的道路天气状况修改针对检测到的对象的行为预测的示例。

图13示出了根据本技术的各方面的对象分析的示例。

图14a-b示出了根据本技术的各方面的横向偏移测试的示例。

图15a-b示出了根据本技术的各方面的调整制动曲线或预期停止点的示例。

图15c示出了根据本技术的各方面的对比速度曲线的示例。

图16a-b示出了根据本技术的各方面的示例系统。

图17示出了根据本技术的各方面的示例方法。

具体实施例

本技术的各方面从车载传感器和对车辆和/或其他附近车辆采取的特定驾驶动作的评价中收集信息。该信息被汇总和分析，以便车载计算机系统估计道路的哪(多个)部分是湿滑的、结冰的或以其他方式比道路的其他部分更滑的(例如，牵引力降低)。因此，计算机系统的规划器或其他子系统能够识别特定行为、响应和/或操作模型。在一个场景中，其可以包括保留一定量的制动功率以解决一般道路状况，并且在规划车辆的轨迹时使用该制动功率。因此，该系统可以检测并响应于不同级别的不利天气状况，包括覆盖车道线的少量雪，或有效地使车道变窄或封闭了车道或路肩的几英寸(或更多)厚的雪(与先前获得的地区的地图所指示的情况相反)。此时，系统可以确定这些状况是否是由于不利天气状况造成的临时变化，并相应地调整规划。

示例车辆系统

图1a示出了示例客运车辆100的透视图，诸如多功能乘用车、运动型多用途车(suv)或其他车辆。图1b示出了客运车辆100的俯视图。客运车辆100可以包括用于获得关于车辆外部环境的信息的各种传感器。例如，车顶壳体102可以包括lidar传感器以及各种摄像头、雷达装置、红外和/或声学传感器。位于车辆100前端的壳体104和驾驶员侧和乘客侧的壳体106a和106b可以各自并入lidar、雷达、摄像头和/或其他传感器。例如，壳体106a可以位于沿着车辆的后侧围板位于驾驶员侧门的前方。如图所示，客运车辆100还包括用于雷达单元、lidar和/或摄像头的壳体108a、108b，这些壳体也朝向车辆的后车顶部分。附加的lidar、雷达单元和/或摄像头(未示出)可以位于沿着车辆100的其他地方。例如，箭头110指示传感器单元(图1b中的112)可以沿着车辆100的尾部放置，诸如在保险杠上或邻近保险杠。并且箭头114指示沿着车辆的前向方向布置的一系列传感器单元116。在一些示例中，客运车辆100还可以包括用于获得关于车辆的内部空间(未示出)的信息的各种传感器。

图1c-d示出了示例货运车辆150，诸如牵引式挂车卡车。卡车可以包括例如单挂车、双挂车或三挂车，或者可以是另一种中型或重型卡车，诸如商业重量等级4至8。如图所示，该卡车包括牵引车单元152和单个货物单元或挂车154。挂车154可以是全封闭的、开放的(诸如平板式)或部分开放的，取决于要运输的货物的类型。在该示例中，牵引车单元152包括发动机和转向系统(未示出)以及供驾驶员和任何乘客使用的驾驶室156。在完全自主的布置中，驾驶室156可以不配备座椅或手动驾驶部件，由于可能不需要人。

挂车154包括被称为主销158的挂接点。主销158通常形成为实心钢轴，其被配置为可枢转地附接到牵引机单元152。尤其是，主销158附接到安装在驾驶室后方的挂车联轴器160，被称为第五轮。对于双挂或三挂的牵引式挂车卡车，第二和/或第三挂车可以与前导挂车具有简单挂接连接。或，可选地，每个挂车可以具有其自己的主销。在这种情况下，至少第一挂车和第二挂车可以包括布置为连接到下一个挂车的第五轮型结构。

如图所示，牵引车可以具有沿其设置的一个或多个传感器单元162、164。例如，一个或多个传感器单元162可以设置在驾驶室156的车顶或顶部部分上，并且一个或多个侧部传感器单元164可以设置在驾驶室156的左侧和/或右侧上。传感器单元也可以沿着驾驶室106的其他区域(诸如沿着前保险杠或引擎盖区域)位于在驾驶室的后面、邻近第五轮、在底盘下面，等等。挂车154也可以具有沿其设置的一个或多个传感器单元166，例如沿着挂车154的侧面板、前面、后面、车顶和/或底盘。

作为示例，每个传感器单元可以包括一个或多个传感器，诸如lidar、雷达、摄像头(例如，光学的或红外的)、声学传感器(例如，麦克风或声呐型传感器)、惯性传感器(例如，加速计，陀螺仪等)或其他传感器(例如，定位传感器，诸如gps传感器)。虽然本公开内容的某些方面结合特定类型的车辆可能特别有用，但车辆可以是任何类型的车辆，包括但不限于汽车、卡车、摩托车、公共汽车、旅游车等。

在部分或完全自主驾驶模式下操作的车辆可能出现不同程度的自主性。美国国家公路交通安全管理局以及美国汽车工程师协会已经确定了不同的级别，以指示车辆对驾驶的控制程度。例如，级别0没有自主化并且驾驶员做出所有驾驶相关决策。最低的半自主模式级别1，包括一些诸如定速巡航的驾驶辅助。级别2具有某些驾驶操作的部分自主化，而级别3包括条件自主化，其可以使在驾驶员座位中的人根据需要进行控制。相比之下，级别4是高度自主化级别，其中车辆能够在选定条件下没有辅助进行驾驶。以及级别5是完全自主模式，在该模式下车辆能够在任何情形中没有辅助进行驾驶。本文中所描述的架构、部件、系统和方法均可以在半自主模式或全自主模式中的任一个中起作用，例如，级别1-5，其在本文中被称为自主驾驶模式。因此，对自主驾驶模式的引用包括部分自主和完全自主两者。

图2示出了具有在自主驾驶模式下操作的示例性车辆(诸如客运车辆100)的各种部件和系统的框图200。如图所示，框图200包括一个或多个计算设备202，诸如包含一个或多个处理器204、存储器206和通常存在于通用计算设备中的其他部件的计算设备。存储器206存储由一个或多个处理器204可访问的信息，该信息包括可由(多个)处理器204执行或以其他方式使用的指令208和数据210。当以自主驾驶模式操作时，计算系统可以控制车辆的所有操作。

存储器206存储由处理器204可访问的信息，该信息包括可由处理器204执行或以其他方式使用的指令208和数据210。存储器206可以是能够存储由处理器可访问的信息的任何类型，包括计算设备可读介质。存储器是诸如硬盘驱动器、存储卡、光盘、固态等的非暂时性介质。系统可以包括前述的不同的组合，由此指令和数据的不同部分存储在不同类型的介质上。

指令208可以是由处理器直接(诸如机器代码)或间接(诸如脚本)执行的任何指令集。例如，指令可以在计算设备可读介质上存储为计算设备代码。在这方面，术语“指令”、“模块”以及“程序”在本文中可以交换使用。指令可以以目标代码格式存储以供处理器直接处理，或者以任何其他计算设备语言存储，该语言包括按需解释或预先编译的独立源代码模块的脚本或集合。数据210可以由一个或多个处理器204根据指令208来检索、存储或修改。在一个示例中，存储器206的一些或全部可以是事件数据记录器或其它安全数据存储系统，该系统被配置为存储车辆诊断数据和/或检测到的传感器数据，该数据可以是在车辆上或远程，取决于实现。

处理器204可以是任何常规处理器，诸如市场上可买到的cpu。或者，每个处理器可以是专用设备，诸如asic或其他基于硬件的处理器。虽然图2功能性地示出了计算设备202的处理器、存储器以及其他元件是在同一框内，但这样的设备可以实际上包括可以存储于或不可以存储于同一个物理壳体内的多个处理器、计算设备或存储器。同样地，存储器206可以是位于与(多个)处理器204的壳体不同的壳体中的硬盘驱动器或其他存储介质。因此，对处理器或计算设备的引用将被理解为包括对可以或不可以并行操作的处理器或计算设备或存储器集合的引用。

在一个示例中，计算设备202可以形成并入车辆100的自主驾驶计算系统。该自主驾驶计算系统能与车辆的各种部件通信。例如，计算设备202可以与车辆的各种系统通信，包括：驾驶系统，该驾驶系统包括减速系统212(用于控制车辆的制动)、加速系统214(用于控制车辆的加速)、转向系统216(用于控制车轮的定向和车辆的方向)、信令系统218(用于控制转弯指示灯)、导航系统220(用于将车辆导航到某个位置或对象周围)、以及定位系统222(用于确定车辆的位置，例如，包括车辆的姿态)。该自主驾驶计算系统可以根据导航系统220、定位系统222和/或系统的其他部件采用规划器模块223，例如，用于确定从出发点到目的地的路线或用于基于当前或预期的牵引力状况对各种驾驶方面进行修改。

计算设备202还可以操作性地与感知系统224(用于检测车辆环境中的对象)、电力系统226(例如，电池和/或燃气或柴油供电的发动机)以及传输系统230连接，以便在不需要或需要来自车辆乘客的连续或周期性输入的自主驾驶模式下根据存储器206的指令208控制车辆的移动、速度等。部分或所有车轮/轮胎22与传输系统230连接，并且计算设备202能够接收关于胎压、平衡以及可能影响自主模式下驾驶的其他因素的信息。

计算设备202可以例如经由规划器模块223通过控制各种部件来控制车辆的方向和速度。作为示例，计算设备202可以使用来自地图信息和导航系统220的数据，完全自主地将车辆导航到目的地位置。计算设备202可以使用定位系统222来确定车辆的位置并且使用感知系统224来在需要安全地到达该位置时检测和响应对象。为了做到如此，计算设备202可以使车辆加速(例如，通过增加由加速系统214提供给发动机的燃料或其他能量)、减速(例如，通过减少供给发动机的燃料、换档、和/或通过由减速系统212施加制动)、改变方向(例如，通过由转向系统216转动车辆100前轮或其他车轮)、以及发信号通知这种改变(例如，通过点亮信令系统218的转弯信号)。因此，加速系统214和减速系统212可以是动力传动系统或其他类型的传输系统230的一部分，其包括在车辆的发动机和车辆的车轮之间的各种部件。此外，通过控制这些系统，计算设备202还可以控制车辆的传输系统230以自主地操纵车辆。

导航系统220可由计算设备202使用以确定并跟随前往某地的路线。在这方面，导航系统220和/或存储器206可以存储地图信息，例如，计算设备202可以用来导航或控制车辆的高度详细的地图。作为示例，这些地图可以标识道路的形状和标高、车道标线、交叉路口、人行横道、限速、交通信号灯、建筑物、标志、实时交通信息、植被或其他此类对象和信息。车道标线可以包括诸如实心或断开的双车道线或单车道线、实心或断开的车道线、反光镜等特征。给定的车道可以与定义车道边界的左和/或右车道线或其他车道标线相关。因此，大多数车道可以以一条车道线的左边缘和另一条车道线的右边缘来界定。

感知系统224包括用于检测车辆外部对象的传感器232。检测到的对象可以是其他车辆、道路上的障碍物、交通信号灯、标志、树木等。传感器232还可以检测天气状况的某些方面，诸如雨或雪或水喷雾、或水坑、冰或在道路上的其他材料。

仅作为示例，感知系统224可以包括一个或多个光探测和测距(lidar)传感器、雷达单元、摄像头(例如，光学成像设备、具有或不具中性密度滤光片(nd)的滤镜)、定位传感器(例如，陀螺仪、加速计和/或其他惯性部件)、红外传感器、声学传感器(例如，麦克风或声呐换能器)、和/或任何其他能记录可被计算设备202处理的数据的检测设备。感知系统224的这种传感器可以检测车外的对象以及它们的特性，诸如位置、定向、尺寸、形状、类型(例如，车辆、行人、骑脚踏车者等)、前进方向、相对于车辆的移动速度等。感知系统224还可以包括车内的其他传感器，以检测车内的对象和状况，诸如在乘客舱内。例如，这种传感器可以检测例如一个或多个人、宠物、包裹等，以及车内和/或车外的状况，诸如温度、湿度等的。感知系统224的进一步的传感器232可以测量车轮228的转速、由减速系统312的制动量或类型、以及与车辆本身的装备相关联的其他因素。

来自传感器的原始数据和前述特性可以由感知系统224处理和/或在数据由感知系统224生成时周期性地或连续地向计算设备202发送，以用于进一步处理。计算设备202可以使用定位系统222来确定车辆的位置和感知系统224，以在需要安全到达该位置时检测和响应对象，例如，经由规划器模块223做出的调整。另外，计算设备202可以执行对单独的传感器、特定传感器组件中的所有传感器、或者不同传感器组件或其他物理壳体中的传感器之间的校准。

如图1a-b所示，感知系统224的某些传感器可以并入一个或多个传感器组件或壳体中。在一个示例中，这些传感器可以集成到车辆的侧视镜中。在另一个示例中，其他传感器可以是车顶壳体102、或其他传感器壳体或单元106a，106b，108a，108b，112和/或116的一部分。计算设备202可以与位于车辆上或以其他方式沿车辆分布的传感器组件通信。每个组件可以具有一种或多种类型的传感器，诸如上述的传感器。

回到图2，计算设备202可以包括通常用于与计算设备相连的所有部件，诸如上述的处理器和存储器以及用户界面子系统234。用户界面子系统234可以包括一个或多个用户输入236(例如，鼠标、键盘、触摸屏和/或麦克风)以及一个或多个显示设备238(例如，具有屏幕的监视器或可操作以显示信息的任何其他电气设备)。在这方面，内部电子显示器可以位于车辆的车厢内(未示出)，并且可以由计算设备202使用以向车辆内的乘客提供信息。其他输出设备，诸如扬声器240也可以位于客运车辆内。

客运车辆还包括通信系统242。例如，通信系统242还可以包括一个或多个无线配置以促进同其他计算设备(诸如车辆内的乘客计算设备)、车辆外部的计算设备(诸如在道路上的另一个附近车辆中)和/或远程服务器系统的通信。网络连接可以包括短程通信协议，诸如蓝牙^tm、蓝牙^tm低功耗(le)、蜂窝连接，以及各种配置和协议，包括互联网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或更多个公司专有的通信协议的专用网络、以太网、wifi和http，以及前述的各种组合。

图3a示出了具有车辆的各种部件和系统的框图300，如图1c中的车辆150。作为示例，车辆可以是卡车、农场设备或施工设备，其被配置为在一个或多个自主操作模式下操作。如框图300所示，车辆包括一个或多个计算设备的控制系统，诸如包含一个或多个处理器304、存储器306和与上面关于图2讨论的组件202、204和206类似或等同的其他组件的计算设备302。控制系统可以组成货运车辆的牵引车单元的电子控制单元(ecu)。与指令208一样，指令308可以是由处理器直接(诸如机器代码)或间接(诸如脚本)执行的任何指令集。同样地，数据310可以由一个或多个处理器304根据指令308来检索、存储或修改。

在一个示例中，计算设备302可以形成并入车辆150的自主驾驶计算系统。与上面讨论的关于图2的布置相同，框图300的自主驾驶计算系统可以是能够与车辆的各种部件通信，以执行路线规划和驾驶操作。例如，计算设备302可以与车辆的各种系统通信，诸如驱动系统，其包括减速系统312、加速系统214、转向系统316、信令系统318、导航系统320以及定位系统322，上述系统中的每一个都能如上面关于图2所讨论的那样起作用。

计算设备302还可操作地与感知系统324、电力系统326以及传输系统330连接。部分或所有车轮/轮胎228与传输系统230连接，并且计算设备202能够接收关于胎压、平衡、转速以及可能影响自主模式下驾驶的其他因素的信息。与计算设备202一样，计算设备302可以通过控制各种部件控制车辆的方向和速度。作为示例，计算设备302可以使用来自地图信息和导航系统320的数据完全自主地将车辆导航至目的地位置。计算设备302可以采用规划器模块323连同定位系统322、感知系统324和其他子系统来在需要安全到达该位置时检测和响应对象，类似于上面针对图2描述的方式。

与感知系统224相同，感知系统324也包括一个或多个传感器或其他部件，诸如上述用于检测车辆外部的对象、车辆内部的对象或状况、和/或某些车辆装备(诸如车轮和减速系统312)的操作的传感器或其他部件。例如，如图3a所示，感知系统324包括一个或多个传感器组件332。每个传感器组件332包括一个或多个传感器。在一个示例中，传感器组件332可以被布置为集成到卡车、农场设备、施工设备等上的侧视镜中的传感器塔。传感器组件332还可以被放置在牵引车单元152上或挂车154上的不同位置，如上文关于图1c-d所述。计算设备302可以与位于牵引车单元152和挂车154两者上的传感器组件通信。每个组件可以具有一种或多种类型的传感器，诸如上述的传感器。

图3a中还显示了用于牵引车单元和挂车之间连接的联轴器系统334。联轴器系统334可以包括一个或多个电力和/或气动连接(未示出)，以及在牵引车单元处的用于与挂车的主销连接的第五轮336。等同于通信系统242的通信系统338也显示为车辆系统300的一部分。

图3b示出了挂车的系统的示例框图340，诸如图1c-d中的挂车154.如图所示，系统包括一个或多个计算设备的ecu342，诸如包括一个或多个处理器344、存储器346和通常存在于通用计算设备中的其他部件的计算设备。存储器346存储由一个或多个处理器344可访问的信息，该信息包括可由(多个)处理器344执行或以其他方式使用的指令348和数据350。来自图2和图3a的对处理器、存储器、指令和数据的描述适用于图3b的这些元件。

ecu342被配置为从牵引车单元处接收信息和控制信号。ecu342的车载处理器344可以与挂车的各种系统通信，包括减速系统352、信令系统254、以及定位系统356。ecu342还可以可操作地与感知系统358连接，该感知系统358具有用于检测在挂车环境中的对象的一个或多个传感器和用于向本地部件提供电力的电力系统260(例如电池供电)。挂车的一些或所有车轮/轮胎362可以与减速系统352连接，并且处理器344可能是能够接收关于胎压、平衡、轮转速和可能影响自主模式下的驾驶的其他因素的信息，并且将该信息中继到牵引车单元的处理系统。减速系统352、信令系统354、定位系统356、感知系统358、电力系统360和车轮/轮胎362可以以诸如上文关于图2和图3a所述的方式操作。

挂车还包括一组起落架366以及联轴器系统368。起落架在与牵引车单元分离时为挂车提供支撑结构。可以是联轴器系统334的一部分的联轴器系统368提供挂车和牵引车单元之间的连接。因此，联轴器系统368可以包括连接部分370(例如，为电力和/或气动连接)。联轴器系统还包括主销372，该主销被配置为与牵引车单元的第五轮连接。

示例实施

基于上述和附图中示出的结构和配置，现在将根据本技术的方面来描述各个方面。

图4示出了车辆400使用传感器402和404来检测另一车辆406的存在的场景。如图所示，传感器402和404具有各自的视场(fov)408和410以检测车辆400前方的对象。在该示例中，传感器402和404可以是，例如lidar、雷达、图像和/或声学传感器。

各种传感器可以位于车辆周围的不同位置(如图1a-d)，以从外部环境的不同部分收集信息。某些传感器可以具有不同的视场，取决于它们在车辆周围的放置点以及它们被设计为收集的信息的类型。例如，不同的lidar传感器可以用于邻近车辆(如，小于2-10米)的对象的近(短程)检测，而其他的可以用于车辆前方100米(或更多或更少)处的对象的远(长距离)检测。也可以采用中程lidar。多个雷达单元可以朝向车辆的前方或后方放置以用于远程对象检测。并且可以布置摄像头以提供车辆周围的良好能见度。根据配置，某些类型的传感器可以包括具有重叠视场的多个单独的传感器。或者，其他传感器可以提供冗余的360度视场。

图5提供了与图1b中示出的传感器相关的传感器视场的一个示例500。这里，如果车顶壳体102包括lidar传感器以及各种摄像头、雷达单元、红外的和/或声学传感器，那么这些传感器中的每一个都可以有不同的视场。因此，如图所示，lidar传感器可以提供360度的fov502，而布置在壳体102内的摄像头可以具有单独的fov504。位于车辆前端的壳体104内的传感器具有面向前方的fov506，而位于后端的壳体112内的传感器具有面向后方的fov508。在车辆的驾驶员侧和乘客侧的壳体106a和106b可以各自并入lidar、雷达、摄像头和/或其他传感器。例如，壳体106a和106b内的lidar可以具有各自的fov510a或510b，而壳体106a和106b内的雷达单元或其他传感器可以具有各自的fov511a或511b。同样地，位于朝向车辆的后车顶部分的壳体108a、108b内的传感器各自具有各自的fov。例如，壳体108a、108b内的lidar可以具有各自的fov512a或512b，而壳体108a和108b内的雷达单元或其他传感器可以具有各自的fov513a或513b。并且沿着车辆的前向方向布置的一系列传感器单元116可以具有各自的fov514、516和518。这些视场中的每一个都仅仅是示例性的，并且在覆盖范围方面并非按比例绘制。

图6a和图6b中示出了用于货物型车辆(例如，图1c-d的车辆150)的lidar、摄像头和雷达传感器及其视场的示例。在图6a的示例600中，一个或多个lidar单元可以位于车顶传感器壳体602内，而其他lidar单元在侧传感器壳体604内。特别地，车顶传感器壳体602可以被配置为提供360度fov。一对传感器壳体604可以位于牵引车单元驾驶室的任一侧，例如，集成到侧视镜组件中或沿着驾驶室的侧门或后侧围板。在一个场景中，远程lidar可以位于沿着传感器壳体602和604的顶部或上部区域。远程lidar可以被配置为查看车辆的引擎盖。并且短程lidar可以位于传感器壳体602和604的其他部分。感知系统可以使用短程lidar来确定诸如另一车辆、行人、骑脚踏车者等的对象是否在车辆的前面或侧面，并且在确定如何驾驶或转弯时考虑该信息。两种类型的lidar可以共同位于壳体，例如沿着共同的竖直轴线对齐。

如图6a所示，车顶传感器壳体602中的(多个)lidar可以具有fov606。这里，如区域608所示，挂车或车辆的其他铰接部分可以提供信号返回，并且可以部分或全部地阻挡外部环境的后视图。牵引车单元的左侧和右侧上的远程lidar具有fov610。这些可以包括沿车辆侧面和前面的重要区域。如图所示，在车辆前方可能存在其视场的重叠区域612。重叠区域612为感知系统提供关于牵引车单元正前方的非常重要的区域的附加信息或信息。该冗余也有安全的一面。如果远程lidar传感器中的一个存在性能下降，冗余将仍然允许在自主模式下操作。左侧和右侧上的短程lidar具有较小的fov614。在附图中为了清楚起见，在不同的视场之间示出了空间；然而，实际上，覆盖可能是没有中断的。传感器组件和视场的具体放置点仅仅是示例性的，并且可以根据如车辆的类型、车辆的尺寸、fov要求等而有所不同。

图6b示出了车顶壳体中和牵引式挂车(诸如图1c-d的车辆150)的两侧上的雷达和摄像头传感器中的任一个(或两者)的示例配置620。这里，图6a的传感器壳体602和604的每一个中都可能有多个雷达和/或摄像头传感器。如图所示，在车顶壳体中可能存在具有前fov622、侧fov624和后fov626的传感器。与区域608一样，挂车可能会影响传感器检测车辆后面的对象的能力。传感器壳体604中的传感器可能具有面向前方的fov628(以及侧面和/或后方的视场)。与上面关于图6a讨论的lidar一样，图6b的传感器可以被布置成使相邻的视场重叠，诸如由重叠区域630所示。这里的重叠区域同样地可以提供冗余，并且如果一个传感器存在性能下降，也具有同样的益处。

示例场景

根据本发明的各方面，确定车辆周围的一般道路天气状况可以包括车辆在自主驾驶期间执行一个或多个制动和/或加速操作。这种操作可以连同自lidar、雷达、摄像头或被配置为检测外部环境中的对象的其他传感器收集数据一起执行。一旦确定了一般天气状况信息，它就可以用于管理或改变当前驾驶操作。它还可以用于修改或重新规划路线即将到来的部分。

制动和加速操作可以以不同的方式进行。例如，如下所述，可以控制车辆在预定场景期间以特定方式操作，该预定场景可以包括沿着道路的特定部分的一个或多个制动和/或加速操作。其可以被认为是主动测试方法。或者，替代地或连同主动方法，系统可以在不同驾驶活动期间收集天气状况信息，例如作为正在进行的驾驶事件的一部分(例如，在弯道上制动、从静止加速等)。其可以被认为是被动测试方法。

作为示例，在一个主动测试场景中，当车辆沿着笔直的路径或其他恒定的轨迹行驶，并且附近没有其他车辆或其他对象时，系统可以启动制动或增加制动水平直至来自减速系统(例如，abs制动部件)的反馈指示车轮开始损失与路面的牵引力。其包括在选定时间段内(例如，0.1-2.0秒，或更多或更少)采取一次或多次制动。牵引力的损失可能是由于各种环境状况，诸如路面上的冰、雪或水坑。也有可能由于道路上的油脂，油或其他液体或碎屑。

对于这种类型的主动测试场景，关于附近车辆或其他对象的限制可以集中在车辆后面的对象上。例如，在启动制动测试前，系统可以要求与尾随车辆有一个最小的车间时距量(根据当前的速度，车辆与任何尾随车辆之间的时间)。在这种情况下，最小时间量可以是例如3-5秒或更长。或者，系统可以设置例如30-80米或更长的最小距离阈值。

在另一个主动测试场景中，车辆可以选择从静止加速的量。作为示例，其可能发生在停车标志或停车灯下。系统还可以启动从第一速度到第二速度(例如，从20mph到25mph)的加速。一旦车辆开始从静止加速或增加速度，那么系统就可以检测轮胎是否在旋转。根据不同的状况，如果发生打滑，这种类型的情况也可能比在第一主动测试场景中更容易或更难重新获得控制。

被动测试场景的一个示例发生在车辆在标准驾驶过程期间减速时，诸如为了红灯或即将到来的停车标志而制动。被动测试场景的另一个示例是在转弯操作期间减速。不论发生何种情况，系统可以使用本文所述的技术在被动测试场景期间检测轮胎的性能(例如，打滑、完全停止的时间或距离、在正常转弯速度下转弯期间紧密跟随轨迹的能力)。

在任何主动或被动的场景中，可以执行一个或多个制动和/或加速动作。可以根据需要重复该过程以收集关于一般道路天气状况的更多信息。

任何车轮打滑或不同于预期的车辆操作或定位的其他变化都可以被车载计算机系统用来改变自主驾驶模式下的车辆驾驶控制。例如，车辆的规划器模块可以使用该信息来调整当前的和未来的制动，其他驾驶操纵以及选择路线。

从车载传感器套件获得的传感器数据可以辅助规划器系统。例如，从各种传感器(如惯性和陀螺仪、lidar等)获得的信息可以用于估计车辆的姿态，该姿态可以包括例如位置、方向、曲率、曲率的变化、纵向及横向加速、速度等。由于与道路状况直接相关，加速信息可能特别有用。作为示例，在干燥的道路上，可以假设车辆可以以大约8m/s²左右的减速制动。在湿滑的道路上，减速可能要小得多，诸如大约5m/s²左右。在积雪的道路上，减速可能是大约2-3m/s²左右，以及在结冰的道路上，减速甚至更为保守，大约为0.5m/s²左右。

道路上车辆的实际(测量)姿态源于先前的姿态和获得的传感器数据。规划器模块或车载计算机系统的另一部分可以将实际姿态与道路上的规划(或预期)姿态进行比较。在主动或被动测试操作期间，如果这些姿态之间不存在匹配，或者如果数据中存在可检测的差异或其他变化，则系统可以确定车辆已经损失牵引力。在所报告的轮转速与车辆的姿态之间可能发生一个这样的差异。而在与预期位置、定向和/或速度的偏差中可能发生其他差异。仅作为示例，如果实际纵向位置与预期纵向位置之间存在至少50cm的差异，则系统可以标记纵向位置的差异。同样地，如果实际横向位置与预期和横向位置之间存在至少30cm的差异，则系统可以标记横向位置的差异。在另一个示例中，如果车辆的定向偏差超过约1度，其可能指示定向差异。以及在进一步的示例中，如果速度相差超过约1m/s,其也可能被标记为差异。这种差异仅仅是示例性的。

图7a-b示出了在制动场景中将预期车辆姿势与实际车辆姿势进行比较的一个示例。例如，如图7a的视图700所示，当车辆接近红灯时，减速系统(如图2中的212)接合制动器以使车辆停止。车载系统可以预期车辆在特定时间点具有如实线702所示的预期姿态。然而，系统可以检测到与预期姿态不同的实际姿态，在图7b的视图710中由虚线712示出。其可以包括如横向和/或纵向定位的差异，和/或车辆的偏航的变化，诸如使前端点更朝向道路的右侧或左侧。例如，虚线箭头714示出了横向差异，并且虚线箭头716示出了与图7a中预期的纵向差异。图7c-d分别示出了预期视景与实际视景的鹰眼视图。

图8a-d示出了在加速场景中将实际车辆姿态与预期车辆姿态进行比较的示例800。例如，图8a示出了当交通信号灯是红色时(802)停在交叉路口的车辆。一旦交通信号灯变绿(804)，加速系统(例如图2中的214)接合，使车轮转动以及车辆向前移动，如图8所示。图8c-d示出了预期视景和实际视景的鹰眼视图。特别是，图8c示出了预期视景，该预期视景显示了在特定时间点响应于加速度的车辆的预期姿态。这里，虚线812示出了车辆预期跟随的线性路径。然而，图8d示出了实际视景820，该实际视景显示了在特定时间点车辆的实际姿态。在这种情况下，虚线箭头822示出了横向差异，虚线箭头824示出了纵向差异，并且弧形箭头826示出了车辆向左偏航。这些信息中的每一条都可以向车载系统指示，车轮在加速过程期间损失了牵引力。

图9a-b示出了转弯示例900。这里，例如，车辆在t字交叉路口右转。在该示例中，可能没有停车标志和清晰的视线，并且车辆可以减速以做出转弯，而不是从完全停车启动转弯。在图9a中，虚线箭头902示出了规划的转弯路径。然而，如图9b所示，点划线箭头912示出了来自车载传感器(例如，lidar、雷达、摄像头和/或惯性传感器)的检测到的实际转弯路径。从图9b中可以看出，车辆的尾部已经向左摆动，并且转弯路径已经靠近沿主路的双线。在这种情况下，检测到的信息可以向车载系统指示，前轮和/或后轮在减速转弯时损失了牵引力。

图7-9中的示例描述了相对极端的情况，在这些情况下，测量了规划姿势和观察姿势的总体差异。实际上，这种差异可能要小得多(或大得多)用于检测车辆由于各种路况而打滑。

图10示出了另一示例1000，在这个示例中，系统可以检测在道路的即将到来的区域中的差别，并且决定执行主动测试以确定牵引力状况。例如，车辆传感器的一个或多个可以检测覆盖道路多条车道的区域1002。在这种情况下，可能没有足够的时间改变到另一条车道或以其他方式改变车辆的路径。在该示例中，车载系统可以在驾车通过区域1002时执行制动操作或加速操作中的一个或两个。(多个)操作可以指示相对于道路的另一部分的牵引力的减小，例如，通过检测横向差异、纵向差异和/或偏航差异。当然，在这种状况下的测试将在确定为安全的情况下进行。其可能包括将测试限制在以下情况下进行：车辆中没有乘客、在预定距离(例如，250-400m或更多或更少)内没有周围车辆、和/或基于传感器数据，确定损失牵引力或转向控制的可能性非常低，并且以这种方式操作车辆是安全的。

系统还可以基于传感器数据预测沿着路线即将到来的部分打滑的可能性。这种预测还可以考虑其他信息，诸如接收到的天气数据、测量的温度和/或湿度信息、来自车载地图的地形数据等，以及其他车辆如何通过或沿着特定路段的道路驾驶。该情况的示例在图11a-b中示出。尤其是，图11a示出了沿着高速公路的车道驾驶的车辆，诸如图1c的牵引式挂车150。规划器模块可能已经为车辆规划停留在如直线箭头1102所示车道中。然而，在这个示例中，车辆的传感器可以检测到，或车载计算机系统可以从另一车辆或外部系统接收在前方车道中存在冰或一些其他湿滑物质1104的信息。在这种情况下，如图11b所示，规划器模块改变了如成角度的箭头1112所示的路径，使车辆的驾驶系统改变车道。

图11c示出了不同的情况1120，其中传感器检测到车道或车道1122的部分已经“消失”或不适合驾驶通过。例如，传感器可能无法检测(或在某些地方检测到，但在其他地方检测不到)车道标线、道路标高信息、其他车辆的意外行为(例如，不再在预期的车道边界/几何内驾驶)等。其可能是由于例如积雪、部分道路的洪水、由于诸如岩石、树枝、树叶等的碎屑引起的堵塞或一些其他情况。在这种情况下，规划器模块或车载计算机系统的其他部分可以使车辆改变车道以避开该部分1122。

图11d-e示出了由于打滑状况的路线重新规划的示例。如图11d的视图1130所示，车辆可以检测或被告知沿规划的路线1132的结冰或其他一些湿滑区域1134。在该示例中，附加信息(诸如观察另一车辆1136的操作)可以支持确定区域1134是湿滑的。例如，如图所示，车辆1126的颠簸可能与预期的不同。基于这样的信息，如图11e的视图1140所示，系统规划了替代路线1142以避开湿滑区域。

规划器模块或车载计算机系统的其他部分可以基于分析的道路天气状况来修改针对检测到的对象的行为预测。例如，图12a和图12b示出了考虑到与附近车辆或环境中的其他对象相关的实际或即将发生的状况的其他场景。尤其是，图12a示出了在道路上存在多辆车辆以及在道路表面的一部分上存在检测到的对象1202的情形。在第一时间点，车辆100可能不能确定检测到的对象1202是什么。然而，在第二时间点，车辆100的传感器可以检测到邻近对象1202的或以其他方式靠近的新对象1204。在该情况下，当另一车辆(诸如在相反方向上行驶的卡车)经过对象1202的一部分时，可以检测到新对象1204。基于这种检测到的信息，车辆100的车载系统可以确定对象1204是来自对象1202的水喷雾，进一步指示对象1202是水坑。在该情形下，车辆100可以在包括水坑的车道上继续行驶。或，如虚线箭头1206所示，车辆100可以改变车道以避开水坑和潜在的进一步的水喷雾，其可能由其他车辆驾驶通过水坑导致的。

图12b显示了不同的情形1210，其中车载系统可以根据天气状况预测另一对象的动作。在该示例中，车辆100沿着包括自行车道1212的道路驾驶。在该情况下，车辆100检测道路上的对象1214，并且还检测自行车道1212上的骑脚踏车者1216。车辆100可以确定对象1214是水坑或一些其他障碍。即使骑脚踏者1216还没有采取任何纠正动作，车辆100的车载系统可以预测到骑脚踏者将避开对象1214，例如通过改变他或她的路径，如虚线箭头1218所示。基于该预测，车辆100可以采取纠正措施，诸如减速，以使骑自行车者1216有时间踩踏踏板绕过对象1214。在该情况下，车辆100可以如经由图2的信令系统218或仅通过减速向骑脚踏车者1216发信号，表明车辆100知道骑脚踏车者1216并且正在给予他或她空间以绕过对象1214。

特定类型的对象也可能影响关于道路天气状况的分析。例如，邻近车道的交通锥可以指示坑洞或水坑。施工标志或其他施工项目还可以指示可能受到雪、雨或冰影响的路面的变化或问题(例如，在重新铺设之前的道路重修)。此外，水坑可能是新形成的坑洞造成的。这里，规划器模块采用的标高图可能不能指示坑洞的存在，但是最近降雨却可能导致水坑。

这种示例如图13所示。这里，视景1300描述了邻近交叉路口的道路部分。车辆的传感器可以检测对象1302，其中标高图不指示任何食物。然而，车辆的传感器还可以检测施工项目1304、1306和1308。基于这些放置在对象1302周围或以其他方式靠近对象1302的对象，系统可以推断对象1302可能是覆盖坑洞的水，并改变路线以避开该对象和施工项目。

车辆的传感器可以用于验证对一般道路天气状况的检测。其可能涉及执行测试操纵，诸如改变车道、加速或减速以及评估来自惯性传感器、制动传感器、lidar或成像传感器的数据等。或者(或另外)这可能包含观察由其他车辆或对象的动作。例如，如lidar或其他传感器所检测的，骑脚踏车者如何操纵可能指示道路上存在水坑。这里，关于(可能的)水坑的信息可以用于滤除虚假的传感器信号。

一种类型的测试操纵是使一个或多个车辆以不同的速度或位置偏移驾驶通过相同的(预期的)水坑。水喷雾的指示(例如，由lidar、雷达、摄像头和/或(多个)声学传感器检测到的)可以帮助另一车辆的规划器模块确定是否应该驾驶通过或绕过该水坑。这种信息可以与其他附近车辆共享和/或通信到远程辅助系统，如下文所讨论的。水喷雾如何影响所获得的传感器数据也可以并入到路线规划和其他系统操作中。

另一个示例性测试操纵是让多个车辆沿着雪地路线尝试不同的横向偏移。其可以被完成以确定道路上的最佳(最高)摩擦力。雪的深度和/或“质量”(例如，粉状、泥泞状、压实的)可以由驾驶通过该道路并评估车辆在执行或不执行制动和/或加速操作如何响应来确定。传感器数据(例如来自lidar)可以与此结合使用。这种示例如图14a-b所示。例如，图14a示出了在前导车辆1402后面的车道上驾驶的车辆100。在该示例中，车辆100的传感器检测道路上的对象1404，该队形可能雪，结冰区，冰雹，水坑或使得难以检测车道标记但其允许系统跟随其他车辆的轨迹的其他对象。前导车辆1402可以是与车辆100相同的车队的一部分，或者能够以其他方式经由车队管理系统或其他后端系统直接或间接地与车辆100通信。车辆100的传感器(诸如lidar传感器或摄像头)可以检测到来自前导车辆1402的轨迹1406。鉴于此，如图14所示，车辆100可以略微操纵或以其他方式将其车轮定位成从轨迹1406偏移，从而创建其自己的轨迹1412。由一个或两个车辆100和1402在驶过对象1404(例如，雪)时获得的信息可以帮助确定该对象的深度和/或质量。当沿着具有同样的检测到的对象的道路的其他部分操纵时，该信息可以帮助车辆100或沿着道路的其他车辆。该信息可以通过车辆到车辆或车辆到车队管理或其他后端系统通信。在一个场景中，信息被用于更新由车队使用的地图，作为车辆规划器的输入和/或作为警告直接传送给该区域中的车辆。

车辆的自主驾驶系统可以处理与雪相关的其他问题。这可能包括确定路边是否有雪堆(如图11c)、一条或更多的车道上的雪是否已经扫除而其他车道尚未、以及冰上是否有雪。例如，当前检测到的状况可能指示是新雪，但系统可能知道(例如，从获得的天气报告或远程辅助服务)前一天也下过雪。其可能会影响当前的驾驶状况，并且车载系统可以与附近车辆或远程辅助服务共享该信息。此外，规划器模块或计算机系统的其他部分可能考虑将驾驶期间的预期积雪作为路线规划的一部分。

系统的其他方面可以包括即时纠正动作和路线重新规划。即时纠正动作可以包括特定的制动技术或模式以避免打滑或从打滑中驶出。并且规划器模块可以对线路做出调整以避开或最小化打滑的可能性。例如，如图11b所示，车辆可以改变车道以避开即将到来的结冰区，在即将到来的结冰区之前用力制动以便降低速度，然后以低而恒定的速度在结冰区上行驶，或者可以采取替代路线以避开即将到来的道路的陡的部分。在另一示例中，路线重新规划可以包括在高速公路上选择更近或更远的出口，改变目的地的位置(例如，下车点)，等等。此外，在速度是取决于道路状况的情况下，车辆可以更慢地行驶，诸如比标示速度低5-10mph或更多。在又一示例中，知道哪些车轮正在打滑将有助于绘制湿滑区域的地图。此时，控制系统(例如，规划器模块)能指示转向系统做出调整，以使车辆更多地向车道不滑或是不太滑的一侧移动。

可以将观察其他车辆当前在车辆前面或周围是如何行驶的也考虑进分析中。除了上面关于图12a和12b讨论的水坑示例之外，车辆可以检测其他车辆一般如何动作，并且可以为周围车辆开发滑行或打滑曲线。这也可以指示一般的道路状况。因此，系统可以为附近车辆修改其行为预测模型，并且还可以调整车辆的驾驶操作。在一个示例中，如果道路是45mph的区域，并且前面的汽车以约35mph行驶，但是然后新观察到的汽车以50mph的速度从后面驶来，系统可以根据所涉及的滑行/打滑曲线和速度来评估汽车的行为模型。

根据特定的道路天气状况和车辆的类型，姿态的绝对位置可能开始缓慢地偏离(例如，超过几秒钟或更长时间)。然而，系统可能能够检测高阶项的变化或差异。例如，如果车辆的车轮被锁定(如，车辆上没有abs制动或制动失灵)，减速系统将报告车辆目前以0mph或m/s行驶。尽管如此，姿态速度将是非零的并且可能高得多。同样地，在转弯期间，测量的横摆率与预期的横摆率的差别可能比绝对车辆定向更有参考价值。

这种确定的结果可以反馈给规划器模块或车辆控制系统的另一部分，并可以以各种方式使用。例如，根据所确定的牵引力损失量，系统可以调整沿路线的给定部分轨迹生成时使用的允许减速(或加速)量。如果在车辆的前面和后面检测到汽车和其他对象(例如，经由lidar、雷达、摄像头或其他传感器)，附加的车间时距可以并入到驾驶规划中。也可以执行预先制动以避免可能的碰撞情形。还可以根据上述信息来选择制动曲线和/或期望停止点。

这种情况的一个示例在图15a-b中示出。尤其是，图15a示出了接近交叉路口的车辆100。如虚线路径1502所示，规划器模块可以具有用于车辆根据默认制动曲线制动的初始规划，以使车辆到达箭头1504所示的期望停止点。然而，鉴于如上所述的检测到的、观察到的或预期的下降的牵引力，规划器模块可以更改为修改的规划。例如，如图15b所示，可以采用虚线路径1512所示的第二制动曲线，以使车辆到达箭头1514所示的比期望停止点1504更远离交叉路口的较早停止点。

图15c示出了对比速度曲线的一个示例1520。这里，两种速度曲线被选择为到达同一个停止点。第一速度曲线如虚线1522所示。这里，在第一段时间内，车辆的速度一般是恒定的。然后，当车辆接近停止点时，可以采用默认制动曲线使车辆完全停止。第二速度曲线如点划线1524所示。同第一速度曲线一样，第一段时间内的速度一般也可以是恒定的。然而，在检测到如箭头1526所示的湿滑道路状况时，系统可以开始主动或被动降速。然后在点1528，系统可以更加逐渐地降低速度，以便在停止点处实现完全停止。第二速度曲线的后一种方法可以采用较少的制动，或者在道路湿滑的地方提前制动。

如上所述，该技术适用于各种类型的轮式车辆，包括客车、公共汽车、rv和卡车或其他载货车辆。

除了将车轮打滑信息用于车辆的操作之外，该信息还可以与其他车辆(诸如作为车队的一部分的车辆)共享。该信息可以用于实时地图更新，其也可以与车队车辆共享。

这种情况的一个示例在图16a和图16b中示出。尤其是，图16a和16b分别是示例系统1600的示意图和功能图，该示例系统1600包括经由网络1616连接的多个计算设备1602、1604、1606、1608和存储系统1610。系统1600还包括车辆1612和1614，其可以分别与图1a-b和1c-d的车辆100和150相同或类似地配置。车辆1612和/或车辆1614可以是车队的一部分。虽然为了简单起见，仅描绘了几个车辆和计算设备，但是典型的系统可以包括有更多。

如图16b所示，计算设备1602、1604、1606和1608中的每一个都可以包括一个或多个处理器、存储器、数据和指令。这样的处理器、存储器、数据和指令可以与上面关于图2描述的处理器、存储器、数据和指令类似地配置。

各种计算设备和车辆都可以经由诸如网络1616的一个或多个网络进行通信。网络1616和中间节点可以包括各种配置和协议，包括短程通信协议，诸如蓝牙^tm、蓝牙le^tm、互联网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或更多个公司专有的通信协议的专用网络、以太网、wifi和http，以及前述的各种组合。这种通信可以由能够向和从其他计算设备传输数据的任何设备来促进，诸如调制解调器和无线接口。

在一个示例中，计算设备1602可以包括具有多个计算设备的一个或多个服务器计算设备，例如，负载平衡服务器群，其与网络的不同节点交换信息，目的是向或从其他计算设备接收、处理和传输数据。例如，计算设备1602可以包括一个或多个服务器计算设备，该服务器计算设备能够经由网络1616与车辆1612和/或1614的计算设备，以及计算设备1604、1606和1608通信。例如，车辆1612和/或1614可以是能由服务器计算设备调度到各个位置的车队的一部分。在这方面，计算设备1602可以用作调度服务器计算系统，该调度服务器计算系统可以用于将车辆调度到不同的位置，以便接载和放下乘客或者拾取和递送货物。另外，服务器计算设备1602可以使用网络1616来向其他计算设备之一的用户或车辆的乘客传输和呈现信息。在这方面，计算设备1604、1606和1608可以被当成客户端计算设备。

如图16a所示，每个客户端计算设备1604、1606和1608可以是旨在供相应用户1618使用的个人计算设备，并且具有通常与个人计算设备结合使用的所有部件，包括一个或多个处理器(例如，中央处理器(cpu))、存储数据和指令的存储器(例如，ram和内置硬盘)、显示器(例如，具有屏幕的监视器、触摸屏、投影仪、电视、或其他设备诸如可操作显示信息的智能手表显示器)、和用户输入设备(例如，鼠标、键盘、触摸屏或麦克风)。客户端计算设备还可以包括用于记录视频流的摄像头、扬声器、网络接口设备以及所有用于将这些元件相互连接的部件。

虽然客户端计算设备可以各自包括全尺寸个人计算设备，但是它们可以替代地包括能够通过诸如互联网的网络与服务器无线地交换数据的移动计算设备。仅作为示例，客户端计算设备1606和1608可以是移动电话或设备，诸如无线使能的pda、平板pc、可穿戴计算设备(例如，智能手表)或能够经由互联网或其他网络获得信息的上网本。

在一些示例中，客户端计算设备1604可以是由管理员或操作者用于与调度的车辆的乘客通信的远程辅助工作站。虽然图16a-16b中仅示出了单个远程辅助工作站，在给定系统中可以包括任何数量的这种工作站。而且，虽然操作工作站被描绘为台式计算机，但操作工作站可以包括各种类型的个人计算设备，诸如笔记本电脑、上网本、平板电脑等。

存储系统1610可以是能够存储由服务器计算设备1602可访问的信息的任何类型的计算机化储存器，诸如硬盘驱动器、存储卡、rom、ram、dvd、cd-rom、闪存驱动器和/或磁带驱动器。此外，存储系统1610可以包括分布式存储系统，其中数据存储在可以物理地位于相同或不同地理位置的多个不同存储设备上。如图16a-b所示，存储系统1610可以经由网络1616与计算设备连接，和/或可以直接连接到或并入任何计算设备中。

存储系统1610可以存储各种类型的信息。例如，存储系统1610还可以存储由诸如车辆1612或1614的车辆使用的自主车辆控制软件，以在自主驾驶模式下操作该车辆。存储系统1610可以存储地图信息、路线信息、车辆1612和1614的制动和/或加速曲线、天气信息等。该信息可以与车辆1612和1614共享，例如以帮助由车载计算机系统进行实时路线规划和牵引力分析。远程辅助工作站1204可以访问存储的信息并使用该信息来辅助单个车辆或车队的操作。作为示例，前导车辆可以检测湿滑状况，诸如图11a的湿滑物质1104，并且将向远程辅助工作站1604发送关于湿滑状况的信息。进而，远程辅助工作站1604可以将向车队中的其他车辆传播信息，使得它们可以改变其路线(参见如图11b的成角度的箭头1112)。

远程辅助还可以请求一个或多个车辆沿着给定路段执行被动和/或主动牵引测试，例如，以确认或验证由另一车辆的先前检测。因此，如果道路状况改善了(例如，由于使道路上的冰或雪融化的温度升高)或更坏了(例如，由于雪的堆积或冻雨)，远程辅助可以相应地通知车队中的其他车辆。

在有乘客的情形下，车辆或远程辅助可以直接或间接与乘客的客户端计算设备通信。此时，例如，可以向乘客提供关于当前驾驶操作、响应于情形的路线改变等的信息。

图17示出了根据上述的操作1700的示例方法。例如，在框1702处，车载处理系统从车辆的一个或多个传感器接收车辆周围的环境的传感器数据。在框1704处，车辆的一个或多个处理器使车辆的子系统在处于自主驾驶模式时致动子系统的一个或多个部件。作为示例，这可以包括减速系统的致动部分(例如，图2中的212)、加速系统的致动部分(例如，图2中的214)、转向系统的致动部分(例如，图2中的216)或其组合。在框1706处，在一个或多个部件的致动期间获得车辆的姿态信息。

基于该姿态信息，在框1708处，系统确定车辆的实际姿态。在框1710处，将实际姿态信息与预期姿态进行比较。预期姿态可以是由例如车辆的规划器模块生成。鉴于此，在框1712处，系统确定实际姿态与预期姿态之间的差别。例如，该差别可以反映到另一个对象的相对距离、定向(例如偏航)、行驶方向等的差异(delta)。在框1714处，基于姿态差别或接收到的传感器数据中的一者或两者，系统确定在车辆的外部环境中存在不利天气或道路状况。在一个示例中，在系统确定存在不利天气或道路状况前，差别可能需要超过一个阈值。在该情况下，该阈值可以是例如与预期基线的百分比偏差(例如，2-5％或更多或更少)、物理距离差异(例如，大于0.2-0.5m)或一些其他因素。因此，可以确定不利天气或道路状况的一种方式是通过超过阈值的差别。该差别还可以以其他方式使用，诸如在具有与不利天气或道路状况相关的固定差别值的查找表中。其他方面可以采用机器学习方法或其他模型来确定差别指示不利天气或道路状况的存在。

然后，在框1716处，系统执行动作以响应于确定的不利天气和道路状况。该动作可以涉及纠正驾驶动作、路线重新规划动作、对于环境中的对象的行为预测的修改、向另一车辆(诸如车辆附近的另一车辆)或车队管理系统或能够向其他车辆传播信息或为其他车辆规划或重新规划路线的其他后端系统提供通知。在一些示例中，路线重新规划可以包括在地图上标明车辆要避开(脱离)的区域或地带。

除非另做说明，前述替代示例不相互排斥,而是可以以各种组合来实现,以达到独特的优势。由于在不脱离权利要求限定的主题的情况下，可以利用上述特征的这些和其他变化和组合，因此实施例的前述描述应当以说明的方式而不是以限制由权利要求限定的主题的方式来进行。此外，本文描述的示例的提供，以及措辞为“诸如”、“包括”等的条款不应被解释为将权利要求的主题限制于特定示例；相反，这些示例旨在仅示出许多可能实施例中的一个。此外，不同附图中的相同附图标记可以标识相同或相似的元件。除非本文另有明确指示，否则该过程或其他操作可以以不同的顺序或同时执行。