车辆远程辅助模式的制作方法

本公开总体上涉及自主车辆，并且更具体地涉及用于选路和远程辅助自主车辆的系统和方法。

自主车辆是能够感测其环境并且以很少或不需要用户输入进行导航的车辆。自主车辆使用诸如雷达、激光雷达、图像传感器等感测装置来感测其环境。自主车辆系统进一步使用来自全球定位系统(gps)技术、导航系统、车对车通信、车对基础设施技术和/或线控驱动系统的信息来对车辆进行导航。

车辆自动化已经被分类为从零(对应于全人为控制的非自动化)到五(对应于无人为控制的全自动化)的范围中的数值等级。各种自动驾驶员辅助系统(诸如巡航控制、自适应巡航控制以及停放辅助系统)对应于较低自动化等级，而真正的“无人驾驶”车辆对应于较高自动化等级。

可以设想，可能出现如下特殊情况：将需要由自主车辆系统做出不同寻常的决定以避免自主车辆被堵塞。例如，道路施工现场、封闭道路、车辆部件故障可能会导致堵塞情况。

因此，期望提供如下系统和方法：提供避免车辆堵塞或解决堵塞的车辆问题的解决方案。另外，结合附图和前述技术领域和

背景技术：
，根据随后的具体实施方式和所附权利要求，本公开的其他期望的特征和特性将变得显而易见。

技术实现要素：

提供了用于控制车辆的系统和方法。

在一个实施例中，提供了一种车辆系统，其包括选路器，该选路器被配置为访问道路地图数据并且基于道路地图数据来计算到目的地的至少一条路线，由此产生路线解决方案数据。选路器被配置为接收远程辅助决策数据并且响应地进入远程辅助模式。在远程辅助模式中，选路器被配置为确定被允许列入黑名单的道路地图数据的至少一个路段，由此产生授权黑名单数据。车辆通信模块被配置为将授权黑名单数据和路线解决方案数据传输到远程车辆辅助系统。

在实施例中，车辆通信模块被配置为从远程车辆辅助系统接收表示至少一个黑名单路段的黑名单数据。

在实施例中，选路器被配置为更新道路地图数据以排除至少一个黑名单路段。

在实施例中，选路器被配置为基于更新的道路地图数据来重新计算到目的地的至少一条路线，由此产生更新的路线解决方案数据。

在实施例中，选路器被配置为将路线解决方案数据提供给自主驾驶系统。

在实施例中，车辆系统包括堵塞仲裁器，其被配置为从定位系统和计算机视觉系统中的至少一个接收输入并且确定远程辅助需求，由此产生远程辅助决策数据。

在实施例中，道路地图数据被提供作为图形数据结构，并且选路器被配置为使用图形遍历算法基于该图形数据结构来计算到目的地的至少一条路线。

在实施例中，选路器被配置为在确定被允许列入黑名单的道路地图数据的至少一个路段时限制该至少一个路段与车辆系统的距离。

在另一个实施例中，提供了一种包括上述车辆系统的车辆。自主驾驶系统被配置为基于路线解决方案数据来确定用于将车辆引导到目的地的自主驾驶命令，并且致动器系统被配置为自动控制车辆的部件使得车辆沿着至少一个路线自主地移动到目的地。

在另一个实施例中，提供了一种远程车辆辅助系统，其包括远程通信模块，该远程通信模块被配置为从车辆系统接收授权黑名单数据和路线解决方案数据。授权黑名单数据包括被允许列入黑名单的道路地图数据的至少一个路段，并且路线解决方案数据表示到目标目的地的至少一条路线。车辆辅助工具被配置为从要被列入黑名单的授权黑名单数据中选择至少一个路段，由此产生黑名单数据。远程通信模块被配置为将黑名单数据传输到车辆系统。

在实施例中，远程车辆系统包括操作员界面工具，其被配置为从要被列入黑名单的授权黑名单数据接收关于至少一个路段的人类操作员输入。

在实施例中，远程车辆辅助系统包括显示器并且被配置为显示到目标目的地的至少一条路线并且指示被被允许列入黑名单的至少一条路段。

在一个实施例中，提供了一种系统，其包括上述远程车辆辅助系统和车辆系统。车辆系统包括选路器，该选路器被配置为访问道路地图数据并且基于道路地图数据来计算到目标目的地的至少一条路线，由此产生路线解决方案数据。选路器被配置为接收远程辅助决策数据并且响应地进入远程辅助模式。在远程辅助模式中，选路器被配置为确定被允许列入黑名单的道路地图数据的至少一个路段，由此产生授权黑名单数据。车辆通信模块被配置为将授权黑名单数据和路线解决方案数据传输到远程车辆辅助系统。

在另一个实施例中，一种向包括车辆系统的自主车辆提供远程辅助的计算机植入方法。该方法经由访问道路地图数据的车辆系统的选路器基于该道路地图数据来计算到目的地的至少一条路线，由此产生路线解决方案数据。车辆系统响应于从车辆系统的堵塞仲裁器接收的远程辅助决策数据而进入远程辅助模式。在远程辅助模式中，该方法包括经由选路器确定被允许列入黑名单的道路地图数据的至少一个路段，由此产生授权黑名单数据。该方法包括经由车辆系统的车辆通信模块将授权黑名单数据和路线解决方案数据传输到远程车辆辅助系统。

在实施例中，该方法包括经由车辆通信模块从远程车辆辅助系统接收黑名单数据，该黑名单数据表示至少一个黑名单路段。

在实施例中，该方法包括经由选路器更新道路地图数据以排除至少一个黑名单路段。

在实施例中，该方法包括基于更新的道路地图数据来重新计算到目的地的至少一条路线，由此产生更新的路线解决方案数据。

在实施例中，道路地图数据被提供作为图形数据结构。

在实施例中，该方法包括远程车辆辅助系统经由远程通信模块从车辆系统接收授权黑名单数据和路线解决方案数据，并且经由车辆辅助工具从要列入黑名单的授权黑名单数据中选择至少一个路段，由此产生黑名单数据；以及经由远程通信模块将黑名单数据传输到车辆系统。

在实施例中，该方法包括经由自主驾驶和致动器系统控制车辆的部件使得车辆沿着至少一条路线自主地移动到目的地。

附图说明

下文将结合以下附图描述示例性实施例，其中相同标号表示相同元件，且其中：

图1是说明根据多种实施例的具有选路和车辆辅助系统的自主车辆的功能框图；

图2是说明根据多种实施例的具有一台或多台图1的自主车辆的运输系统的功能框图；

图3是说明根据多种实施例的与自主车辆的选路和车辆辅助系统可操作地相关联的自主驾驶系统的功能框图；

图4是说明根据多种实施例的选路和车辆辅助系统以及示例性数据流的功能框图；以及

图5是说明根据多种实施例的用于控制自主车辆的控制方法的流程图。

具体实施方式

具体实施方式本质上仅仅是示例性的，而不旨在限制应用和用途。另外，不存在被任何前述的技术领域、背景技术、发明内容或具体实施方式中提出的任何明确的或暗示的理论约束的意图。如本文所使用，术语模块是指单独地或呈任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置，包括但不限于：专用集成电路(asic)、电子电路、处理器(共享、专用或成组)以及执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能性的其他合适部件。

本公开的实施例在本文可以依据功能和/或逻辑块部件和各个处理步骤来描述。应当明白的是，这些块部件可以由被配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实施。例如，本公开的实施例可以采用各种集成电路部件(例如，存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其他控制装置的控制下执行多种功能)。另外，本领域技术人员将明白的是，本公开的实施例可以结合任何数量的系统来实践，并且本文所述的系统仅仅是本公开的示例性实施例。

为了简明起见，本文可以不详细描述与信号处理、数据传输、信令、控制以及该系统(和该系统的单个操作部件)的其他功能方面有关的常规技术。另外，本文所包含的各个图式中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意的是，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。

参考图1，根据多种实施例，总体上以100示出的选路和车辆辅助系统与车辆10相关联。通常，选路和车辆辅助系统100包括选路器106，其产生路线解决方案数据和授权黑名单数据，并且在确定需要远程车辆辅助的情况下将这种预先计算的数据传输到远程车辆辅助系统102。黑名单数据定义了将作为选路器106在确定路线解决方案数据时的选项而被移除的至少一个路段。远程车辆辅助系统102提供用于从要被列入黑名单的授权黑名单数据中选择至少一个路段的工具。将黑名单数据从远程车辆辅助系统102传输到选路器以使用道路地图数据和从道路地图数据中移除的至少一个黑名单路段来重新计算路线解决方案数据。选路和车辆辅助系统100部分地基于重新计算的路线解决方案数据来智能地控制车辆10。

如图1中所描绘，车辆10是通常包括底盘12、车身14、前轮16以及后轮18的汽车。车身14被布置在底盘12上并且大致上包围车辆10的部件。车身14和底盘12可以共同形成框架。车轮16到18各自在车身14的相应拐角附近旋转地联接到底盘12。

在各种实施例中，车辆10是自主车辆，并且车辆系统104和选路器106被结合到自主车辆10中。自主车辆10例如是被自动控制以将乘客从一个位置运送到另一个位置的车辆。在所说明的实施例中，车辆10被描绘为乘用车，但是应当明白的是，也可以使用包括摩托车、卡车、运动型多用途车辆(suv)、休闲车辆(rv)、船舶、飞行器等任何其他车辆。在示例性实施例中，自主车辆10是所谓的四级或五级自动化系统。四级系统指示“高度自动化”，其指代自动驾驶系统在动态驾驶任务的所有方面的驾驶模式所特有的性能，即使人类驾驶员对干预请求没有做出适当响应。五级系统指示“全自动化”，其指代自动驾驶系统在可由人类驾驶员管理的所有道路和环境状况下在动态驾驶任务的所有方面的全面性能。

如所示，自主车辆10通常包括推进系统20、变速器系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储装置32、至少一个控制器34以及通信系统36。推进系统20在各种实施例中可以包括内燃机、诸如牵引电动机等电机和/或燃料电池推进系统。变速器系统22被配置为根据可选速比将来自推进系统20的动力传输到车轮16到18。根据各种实施例，变速器系统22可以包括分级传动比自动变速器、无级变速器或其他适当的变速器。制动系统26被配置为向车轮16到18提供制动转矩。在各种实施例中，制动系统26可以包括摩擦制动器、线控制动器、诸如电机等再生制动系统，和/或其他适当的制动系统。转向系统24影响车轮16到18的位置。虽然为了说明目的而被描绘为包括方向盘，但是在本公开的范围内预期的一些实施例中，转向系统24可以不包括方向盘。

传感器系统28包括感测自主车辆10的外部环境和/或内部环境的可观察状况的一个或多个感测装置40a到40n。感测装置40a到40n可以包括但不限于雷达、激光雷达、全球定位系统、光学相机、热像仪、超声波传感器、惯性测量单元和/或其他传感器。致动器系统30包括一个或多个致动器装置42a到42n，其控制一个或多个车辆特征，诸如但不限于推进系统20、变速器系统22、转向系统24以及制动系统26。在各种实施例中，车辆特征可以进一步包括内部和/或外部车辆特征，诸如但不限于车门、行李箱以及诸如无线电、音乐、照明等驾驶室特征(未编号)。

通信系统36可以被配置为向和从其他实体48(诸如但不限于其他车辆(“v2v”通信)、基础设施(“v2i”通信)、远程系统和/或个人装置(关于图2更详细地描述)无线地传送信息。在示例性实施例中，通信系统36是被配置为经由使用ieee802.11标准的无线局域网(wlan)或通过使用蜂窝数据通信来进行通信的无线通信系统。然而，诸如专用短程通信(dsrc)信道等附加或替代通信方法也被认为在本公开的范围内。dsrc信道是指专门为汽车使用以及相应的一组协议和标准而设计的单向或双向短程到中程无线通信信道。

数据存储装置32存储用于自动控制自主车辆10的数据。在各种实施例中，数据存储装置32存储可导航环境的定义地图。在各种实施例中，定义地图可以由远程系统预定义并且从远程系统获取(关于图2进一步详细描述)。例如，定义地图可以由远程系统组装并且(以无线方式和/或以有线方式)传送到自主车辆10并存储在数据存储装置32中。如将明白的是，数据存储装置32可以为控制器34的一部分，与控制器34分开，或作为控制器34的一部分以及单独系统的一部分。

控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可以为任何定制的或商业上可用的处理器、中央处理单元(cpu)、图形处理单元(gpu)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(呈微芯片或芯片集的形式)、宏处理器、它们的任何组合或通常用于执行指令的任何装置。计算机可读存储装置或介质46可以包括例如只读存储器(rom)、随机存取存储器(ram)和保活存储器(kam)中的易失性和非易失性存储器。kam是一种持久或非易失性存储器，其可以在处理器44断电时用于存储各种操作变量。计算机可读存储装置或介质46可以使用诸如prom(可编程只读存储器)、eprom(电prom)、eeprom(电可擦除prom)、闪速存储器或能够存储数据的任何其他电动、磁性、光学或组合存储器装置的许多已知存储器中的任何一种来实施，其中的某些数据表示由控制器34用于控制自主车辆10的可执行指令。

指令可以包括一个或多个单独的程序，每个程序包括用于实施逻辑功能的可执行指令的有序列表。指令在由处理器44执行时接收并处理来自传感器系统28的信号，执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法，并且向致动器系统30产生控制信号以基于逻辑、计算、方法和/或算法来自动地控制自主车辆10的部件。虽然图1中仅示出了一个控制器34，但是自主车辆10的实施例可以包括通过任何合适的通信介质或通信介质的组合进行通信并且协作以处理传感器信号、执行逻辑、计算、方法和/或算法且产生控制信号以自动控制自主车辆10的特征的任意数量的控制器34。

在各种实施例中，控制器34的一个或多个指令被实施在车辆系统104和选路器106中。当由处理器44执行时，指令使得选路器106访问道路地图数据并且选路器106计算路线解决方案。该指令还使得确定需要远程辅助，由此建立远程辅助模式。在远程辅助模式中，该指令使得基于距车辆10的当前位置的距离以及当前路线解决方案数据来确定授权黑名单数据。授权黑名单数据和路线解决方案数据被传输到远程车辆辅助系统102，该远程车辆辅助系统返回黑名单数据。该指令使得路线解决方案被重新计算，同时考虑来自远程车辆辅助系统102的黑名单数据。

现在参考图2，在各种实施例中，关于图1描述的自主车辆10可以适用于在某个地理区域(例如，城市、学校或商业园区、购物中心、游乐园，活动中心等)的出租车或班车系统的背景下或可以只需由远程系统管理。例如，自主车辆10可以与基于自主车辆的远程运输系统相关联。图2说明了总体上以50示出的操作环境的示例性实施例，该操作环境包括基于自主车辆的远程运输系统52，其与关于图1所描述的一台或多台自主车辆10a到10n相关联。在各种实施例中，操作环境50进一步包括经由通信网络56与自主车辆10和/或远程运输系统52进行通信的一个或多个用户装置54。

通信网络56根据需要支持在由操作环境50支持的装置、系统和部件之间(例如，经由有形的通信链路和/或无线通信链路)的通信。例如，通信网络56可以包括无线载波系统60，诸如蜂窝电话系统，其包括多个手机信号塔(未示出)、一个或多个移动交换中心(msc)(未示出)以及将无线载波系统60与陆地通信系统连接所需要的任何其他联网部件。每个手机信号塔都包括发送和接收天线以及基站，其中来自不同手机信号塔的基站直接或经由诸如基站控制器等中间设备连接到msc。无线载波系统60可以实施任何合适的通信技术，包括(例如)诸如cdma(例如，cdma2000)、lte(例如，4glte或5glte)、gsm/gprs或其他当前或正涌现的无线技术等数字技术。其他手机信号塔/基站/msc布置是可能的并且可以结合无线载波系统60使用。例如，基站和手机信号塔可以共同位于相同站点处或它们可远离彼此，每个基站可以负责单个手机信号塔或单个基站可服务于各个手机信号塔，且各个基站可以联接到单个msc，这里仅列举几种可能布置。

除包括无线载波系统60外，可以包括呈卫星通信系统64的形式的第二无线载波系统来提供与自主车辆10a到10n进行的单向或双向通信。这可以使用一个或多个通信卫星(未示出)和上行链路传输站(未示出)来进行。单向通信可以包括(例如)卫星无线电服务，其中节目内容(新闻、音乐等)是由传输站接收、封装上传并且然后发送到卫星，从而向用户广播该节目。双向通信可以包括(例如)使用卫星以在车辆10与站之间中继电话通信的卫星电话服务。除了或代替无线载波系统60，可以利用卫星电话。

可以进一步包括陆地通信系统62，其为连接到一个或多个陆线电话的常规陆基电信网络并且将无线载波系统60连接到远程运输系统52。例如，陆地通信系统62可以包括诸如用于提供硬接线电话、分组交换数据通信和因特网基础设施的公共交换电话网(pstn)。一段或多段陆地通信系统62可以通过使用标准有线网络、光纤或其他光学网络、电缆网络、电力线、其他无线网络(诸如无线局域网(wlan))或提供宽带无线接入(bwa)的网络或其任何组合来实施。另外，远程运输系统52不需要经由陆地通信系统62连接，反而可以包括无线电话设备使得其可以直接与无线网络(诸如无线载波系统60)通信。

虽然在图2中仅示出了一个用户装置54，但是操作环境50的实施例可以支持任意数量的用户装置54，包括由一个人拥有、操作或以其他方式使用的多个用户装置54。由操作环境50支持的每个用户装置54可以使用任何合适的硬件平台来实施。就此而言，用户装置54可以任何常见外形规格来实现，包括但不限于：台式计算机；移动计算机(例如，平板计算机、膝上型计算机或上网本计算机)；智能电话；视频游戏装置；数字媒体播放器；一件家庭娱乐设备；数码相机或视频摄影机；可穿戴计算装置(例如，智能手表、智能眼镜、智能服装)；等。由操作环境50支持的每个用户装置54被实现为具有执行本文描述的各种技术和方法所需的硬件、软件、固件和/或处理逻辑的计算机实施的或基于计算机的装置。例如，用户装置54包括可编程装置形式的微处理器，该微处理器包括存储在内部存储器结构中并且被施加来接收二进制输入以创建二进制输出的一个或多个指令。在一些实施例中，用户装置54包括能够接收gps卫星信号并且基于那些信号产生gps坐标的gps模块。在其他实施例中，用户装置54包括蜂窝通信功能性使得该装置通过通信网络56使用一个或多个蜂窝通信协议(如本文所讨论)执行语音和/或数据通信。在各种实施例中，用户装置54包括可视显示器，诸如触摸屏图形显示器或其他显示器。

远程运输系统52包括一个或多个后端服务器系统，该后端服务器系统可以为基于云的、基于网络的或常驻在由远程运输系统52服务的特定校园或地理位置。远程运输系统52可以由现场顾问、自动顾问、人工智能系统或它们的组合来辅助。远程运输系统52可以与用户装置54和自主车辆10a到10n进行通信以安排乘车、派遣自主车辆10a到10n等。在各种实施例中，远程运输系统52存储诸如用户认证信息、车辆标识符、简档记录、行为模式和其他相关用户信息等账户信息。

根据典型的用例工作流程，远程运输系统52的注册用户可以经由用户装置54创建乘车请求。乘车请求通常将指示乘客希望的上车位置(或当前gps位置)、期望目的地位置(其可识别预定义的车辆停靠站和/或用户指定的乘客目的地)以及上车时间。远程运输系统52接收乘车请求、处理该请求，并且在指定的上车地点且在适当的时间派遣自主车辆10a到10n中的选定车辆来让乘客上车(当一台车辆可用时和如果一台车辆可用)。远程运输系统52还可以向用户装置54产生并发送适当配置的确认消息或通知，以使乘客知道车辆正在途中。

如可明白，本文公开的主题提供了可以被认为是标准或基线的自主车辆10和/或基于自主车辆的远程运输系统52的某些增强的特征和功能。为此，自主车辆和基于自主车辆的远程运输系统可以被修改、增强或以其他方式补充以提供下面更详细描述的附加特征。

根据各种实施例，控制器34实施如图3中所示的自主驾驶系统(ads)70。即，利用控制器34的合适软件和/或硬件部件(例如，处理器44和计算机可读存储装置46)来提供与车辆10结合使用的自主驾驶系统70。

在各种实施例中，自主驾驶系统70的指令可以由功能、模块或系统组织。例如，如图3中所示，自主驾驶系统70可以包括计算机视觉系统74、定位系统76、引导系统78以及车辆控制系统80。如可明白的是，在各种实施例中，由于本公开不限于本示例，所以可以将指令组织(例如，组合、进一步划分等)为任何数量的系统。

在各种实施例中，计算机视觉系统74合成并处理传感器数据并且预测对象的存在、位置、分类和/或路径以及车辆10的环境的特征。在各种实施例中，计算机视觉系统74可以结合来自多个传感器(包括但不限于相机、激光雷达、雷达和/或任何数量的其他类型的传感器)的信息。

定位系统76处理传感器数据以及其他数据以确定车辆10相对于环境的位置(例如，相对于地图的本地位置、相对于道路车道的精确位置、车辆航向、速度等)。引导系统78处理传感器数据以及其他数据以确定车辆10遵循的路径。根据各种实施例，本文描述的选路器106包括在引导系统78中。车辆控制系统80根据所确定的路径产生用于控制车辆10的控制信号。

在各种实施例中，控制器34实施机器学习技术以辅助控制器34的功能，诸如特征检测/分类、障碍物减少、路线遍历、绘图、传感器集成、地面实况确定等。

如上面简要提及，图1的车辆系统104和选路器106可以包括在ads70内例如作为引导系统78的一部分。另外，在需要车辆辅助的情况下，ads70与远程车辆辅助系统102进行通信。更具体地，选路器106被配置为产生定义至少一个路径作为引导系统78的一部分的路线解决方案数据。至少一个路径用于控制车辆10沿着该路径移动。引导系统78利用堵塞仲裁器108，其在算法上决定何时需要远程车辆辅助。选路器106响应于堵塞仲裁器108并且将授权黑名单数据和路线解决方案数据传输到远程车辆辅助系统102以确定要被列入黑名单作为黑名单数据的一部分的至少一个路段。黑名单数据返回到选路器106并且用于更新道路地图数据。选路器106被配置为基于更新的道路地图数据重新计算路线解决方案数据，由此排除遍历由黑名单数据定义的黑名单路段的路线。因此，引导系统78产生由选路器解决方案数据定义的更新路径以供车辆控制系统80使用来使车辆10沿着更新的路径移动。

例如，如关于图4更详细地示出并且继续参考图3，选路和车辆辅助系统100允许远程辅助自主车辆操作，并且包括被实施在车载控制器34中的车辆系统和包括车辆辅助工具152的远程车辆辅助系统102，该车辆辅助工具凭借通过操作员界面工具156接受操作员输入来提供人类专家界面。图4提供了系统100的部件的功能框图以及说明了这些功能框之间的示例性数据流。在一些实施例中，选路和车辆辅助系统100另外包括辅助选路器130和/或人工智能(ai)专家140。在名称为“用于自主车辆车队选路的系统和方法”的美国专利申请15/398,577和名称为“用于远程辅助自主车辆操作的系统和方法”的美国专利申请15/398,562中进一步描述了选路和车辆辅助系统100。

系统100用于启用远程辅助以增强自主车辆10的车辆系统104的智能。虽然自主车辆的人工控制器34在许多任务中比其人类驾驶员对应物执行得更好，但是存在如下一些场景：车辆系统104可能希望请求辅助分析数据或决定成功协商场景。传统上，这个问题已经通过利用乘坐在自主车辆10中的人类驾驶员的技能来解决；然而，该解决方案要求存在人类驾驶员并且人类驾驶员能够控制车辆10。

系统100使得车辆系统104能够从另一个来源请求辅助；诸如，在计算机系统中实施的远程车辆辅助系统102处操作人类操作员界面工具156的人类专家，该计算机系统包括一个或多个处理器150和用于实施本文所述计算机功能的计算机可读指令。另外或替代地，在一些实施例中，系统100使得车辆系统104能够从自主车辆10a、10b...10n的车队中的另一个车辆系统或作为车辆辅助系统100的一部分包括的人工智能专家140请求辅助。例如，车辆系统104可以识别紧邻的一台或多台附加自主车辆10a、10b..10n。在这样的示例中，车辆系统104能够向附加自动驾驶车辆10、10b...10n中的一台或多台自主车辆发送辅助请求，该辅助请求包括请求访问附加自主车辆10a、10b...10n的一个或多个相机以便获得场景的附加视图，其中附加视图不能被自主车辆10、10b...10n的车载相机中作出辅助请求的任何车载相机查看。利用场景的附加相机视图，在实施例中，车辆系统104能够协商对期望辅助场景的分辨率，而不必联系人类操作员界面工具156和/或ai专家140。

存在其中车辆系统104期望诸如来自远程车辆辅助系统102的辅助的各种情况，如以下描述中所例证的。车辆系统104包括堵塞仲裁器108，其被配置为确定期望辅助。在实施例中，堵塞仲裁器108被配置为从定位系统76和/或从计算机视觉系统74和/或从其他来源接收堵塞数据116。在一些示例中，堵塞数据116包括来自计算机视觉系统74的对车辆周围环境的成像，其指示意外的道路变化(例如，施工作业)和/或包括来自定位系统76的指示车辆没有移动或没有前进的指示。在另外或替代实施例中，堵塞数据116来自外部来源(诸如广播公告和/或一个或多个其他自主车辆10a、10b......10n)。堵塞仲裁器108被配置为处理堵塞数据116以在算法上识别是否遇到需要辅助的场景。在一些情况下，堵塞仲裁器108确定需要来自远程车辆辅助系统的辅助并且相应地将远程辅助决策数据136输出到选路器106和/或辅助选路器130。远程辅助决策数据136有效地使得车辆系统104进入远程辅助模式，其中通过车辆通信模块114(其是关于图1描述的通信系统36的一部分)和远程通信模块158与远程车辆辅助系统102建立通信。远程辅助模式允许远程车辆辅助系统102以控制数据(包括黑名单数据162)的形式传送辅助以克服车辆堵塞，如下面进一步描述的。

期望远程辅助的一些示例性场景包括其中自主车辆感测受损(例如，由于传感器故障、环境危害或其他原因)的场景、其中自主车辆操作受损的场景(例如，爆胎、发动机问题、控制接口问题、车载计算机故障)、其中自主车辆决策置信度为低的场景(例如，道路中的对象未识别、车辆或行人表现不规律、对象堵塞自主车辆的路径)，以及其中期望以其他方式与环境或其他实体进行交互的场景(例如，恶劣天气、乘客或行人需要医疗救助、车辆被未经认证的个人占用、物品已被以前的乘员留在车辆中)。在一些实施例中，远程辅助能够由自主车辆10的乘员请求。指示这种场景的堵塞数据116从车辆系统104或外部系统的许多可能来源中的任何一个来源提供给堵塞仲裁器108以允许确定是否需要远程辅助。

作为另一个示例，自主车辆10遇到期望辅助的场景，其中用于遍历期望辅助的场景的唯一可能的路线或路径涉及违反一个或多个交通法则或违反车辆行驶规范，并且自主车辆10的一般的改变路线(例如，根据交通法则)并非可用的选项。在一些情况下，这些类型的期望辅助的场景要求自主车辆10遍历双黄线并进入对向交通，以便可能避开事故或并排停车等。然而，在一些实施例中，自主车辆10的标准控制和/或操作参数不允许自主车辆10明确违反交通法则，并且另外在一些示例中，自主车辆10不具有足以导航跨过双黄线的内部协议。在这样的实施例中，远程车辆辅助系统102经由来自该自主车辆10的请求进行干预，或者由远程车辆辅助系统102自动地进行干预，而无需来自该自主车辆的直接请求。

响应于期望辅助的场景，在一些实施例中，人类专家在操作员界面工具156处控制自主车辆以便远程地遍历双黄线。替代地，车辆辅助工具152通过绘制、产生和/或选择用于遍历期望辅助的场景的建议路线并且将建议路线传输到自主车辆10以用于实施和/或执行来响应于期望辅助的场景。例如，车辆辅助工具152被配置为使用诸如触敏显示器154等操作员界面工具156来重新绘制现有边界线，诸如定义道路或行驶车道的交通线。在这样的示例中，人类专家在车辆辅助工具152处能够使用输入工具(诸如绘图笔或他们的手指)来提供操作员输入170以将新的边界线或新的行驶车道绘制到显示器154上，从而示出自主车辆10周围环境的实际视图。在实施例中，重新绘制的边界线一旦完成或者在操作员界面工具156处由人类专家绘制新边界线时经由远程通信模块158传输，以显示在自主车辆10的界面(未示出)处，并且显示在示出车辆10周围的环境的示意图的对应位置处。基本上，人类专家能够在操作员界面工具156上绘制用于导航避开场景的新车道，并且在人类专家进行绘图的同时，新的行驶车道将会出现在自主车辆10的界面上。另外或替代地，通过由人类专家绘制新路线，远程车辆辅助系统102被配置为自动产生自主车辆控制数据，该自主车辆控制数据将经由远程通信模块158与绘图一起或与绘图分开地传输到自主车辆10。在实施例中，自主车辆控制数据包括计算机指令，其在由自主车辆10的控制器34执行时使得自主车辆10能够通过自主驾驶系统70沿着重新绘制的边界线行驶。

另一个示例性的期望辅助的场景包括道路被重新粉刷的时间和/或其中自主车辆10肯定会以错误方向或路径以及在另一个车道中驾驶的施工，如上面类似地描述的。这些类型的场景产生其中双向道路变为可以包括交通信号控制器(例如，人员交通引导)等的双向单车道共用道路的情况。在实施例中，远程车辆辅助系统102被配置为干预以向自主车辆10提供一个或多个路线选项，其包括通常的改变路线和/或使用重新绘制的边界线来改变路线以辅助自主车辆10协商场景。

在实施例中，系统100使用辅助选路器130将辅助请求或辅助路由到自主车辆10。然而，设想系统100以任何方式路由请求。

车辆系统104用于控制如上所述的自主车辆10。车辆系统104联接到传感器系统28(例如，计算机视觉系统、lidar、轮速传感器、gps等)并且处理来自传感器系统28的感测数据以便确定自主车辆10的状态；并且，基于车辆状态和编程指令，车辆系统104通过自主驾驶系统70修改或控制自主车辆10的行为。

车辆辅助工具152用于允许人类查看、评估和响应源自车辆系统104的远程辅助请求。车辆辅助工具152使得人类专家能够查看辅助数据(例如，作为辅助请求的一部分传输)并且基于辅助数据创建或选择响应。

在实施例中，辅助数据包括原始传感器数据(例如，自主车辆10的相机的视图)、经过处理的传感器数据(例如，覆盖有由自主车辆的控制器34放置的对象识别指示器的相机视图、预测的车辆轨迹)、自主车辆分析(例如，由自主车辆产生的由机器视觉系统成像的场景的文本描述)、自主车辆10的历史行为、自主车辆10的规划未来(或建议的)行为、自主车辆状态、环境状态、来自另一个实体的通信数据(例如，车辆的乘员、行人、机构、已访问车辆的内部或外部实体、无人驾驶车辆服务的用户等)或任何其他数据。

车辆辅助工具152包括一个或多个输出界面，诸如显示器154(例如，屏幕、触敏显示面板或屏幕、任何已知的显示器等)以及输入界面，诸如操作员界面工具156(例如，键盘和鼠标、方向盘和踏板、平板计算机、麦克风、任何已知的输入装置等)和一个或多个处理器(未示出)以评估辅助请求来响应辅助请求或者评估为自主车辆10提供远程辅助的机会。

辅助选路器130用于将在车辆系统104处产生的辅助请求路由到辅助器(例如，另一个车辆系统、车辆辅助工具152和/或ai专家140)。例如，辅助选路器130从可用专家列表中选择人类专家以向自主车辆10提供帮助，或者确定是否应当将辅助请求路由到车辆辅助工具152或ai专家140。

辅助选路器130另外或替代地划分辅助请求(例如，来自车辆辅助工具152的响应的请求部分和来自ai专家140的另一个部分)或者将它们一次发送到多个目的地(例如，向几个人类专家操作员界面工具156发送辅助请求)。

在实施例中，辅助选路器130路由辅助请求响应；例如，辅助选路器130广播对区域中的多个车辆的广义响应。辅助选路器130另外或替代地执行辅助请求响应处理。响应处理包括以任何方式组合、选择、融合、优先化或处理多个建议的辅助请求响应(或响应组成部分)。例如，辅助选路器130在将辅助请求响应路由到车辆(或车辆组)之前使用投票或加权系统来选择和/或组合辅助请求响应。另外，在一些实施例中，辅助选路器130分析辅助请求的辅助数据以识别与辅助请求相关的主体。在这种情况下，辅助选路器130将辅助数据的部分与预定列表进行比较，否则从辅助数据中提取元素以产生辅助请求最密切相关的主体。通过识别辅助请求的主体，辅助选路器130能够更有效地将辅助请求路由到适当的辅助器。

在优先化多个辅助请求时，一旦辅助选路器130识别每个辅助请求的主体或者如果每个辅助请求先前被标记有识别信息，则辅助选路器130将每个辅助请求的所识别或标记的主体与预定优先化列表进行比较，该优先化列表使得辅助选路器130能够按优先级或重要性的顺序对多个辅助请求中的每一个进行排序。例如，涉及行人的场景在列表中的排名可能高于涉及没有涉及人类乘客或行人的静止对象的场景。

在实施例中，辅助选路器130是通用计算机，但是可以另外或替代地是能够路由辅助请求的任何合适的电子装置。辅助选路器130包括辅助选路器130使用来与任何其他计算机、系统、外部通信接口等进行通信和/或对接的通信接口或通信电路。以这种方式，辅助选路器130使用通信接口将辅助请求路由到所识别的接收者。在一些实施例中，辅助选路器130形成车辆系统104的一部分，使得它使用车辆系统104的电路和处理能力的一部分来识别用于辅助请求的路由。

人工智能(ai)专家140用于提供自动辅助请求响应。ai专家140能够利用比车辆系统104多得多的计算能力和/或资源(例如，数据库、来自其他车辆的数据等)，这使得ai专家140能够在比车辆系统104可能出现的情况下更短的时间范围内提供更好的解决方案。另外和/或替代地，ai专家140提供部分解决方案或可以用于增强来自车载计算装置110和/或人类操作员界面工具156的解决方案的解决方案，由此向辅助请求提供混合解决方案。ai专家140可在分布式计算系统上操作，但是另外或替代地可以在任何合适的计算系统上操作。

在实施例中，使用车辆辅助工具152数据和ai专家140数据的任何组合来产生辅助请求响应。例如，ai专家140产生人类专家在人类操作员界面工具156中选择的建议响应。

远程车辆辅助系统102进一步被配置为触发与最佳路线的偏差。在一些实施例中，通过将选定路段列入黑名单来实施该偏差。列入黑名单的路段由人类操作员通过车辆辅助工具152和/或由ai专家140选择。一些路段不应当从路线解决方案中移除/列入黑名单，否则自主车辆10的行驶选项将减少到零。这意味着，例如，不应当将自主车辆10当前占用的任何路段或任何未来的路段列入黑名单，因为如果移除它们将会使可用选项的数量减少到零。车辆系统104被配置为预先计算以授权黑名单数据112的形式被允许列入黑名单的路段列表。远程车辆辅助系统102被配置为从如在授权黑名单数据112中实施般被允许列入黑名单的路段列表中选择要被列入黑名单的路段，并且因此产生黑名单数据162。车辆系统104利用黑名单数据162来更新道路地图数据118并且使该黑名单数据重新计算排除了黑名单路段的路线解决方案。因此产生路线解决方案数据122形式的新解决方案，其以利用远程车辆辅助的方式遍历所识别的堵塞并且通过产生授权黑名单数据112来有效地这样做，这减少了远程车辆辅助系统102与车辆系统104之间的来回传输。路线解决方案数据122由自主驾驶系统70、尤其是车辆控制系统80使用来遍历由路线解决方案数据定义的确定路径。

车辆系统104包括选路器106，其被配置为确定路线解决方案数据122并且确定授权黑名单数据112。选路器106包括路线计算单元120，其以预定频率迭代地操作以考虑来自计算机视觉系统74、定位系统76的输入、来自存储器46的目的地数据和道路地图数据118以计算从车辆10的当前位置到选定目的地的最佳路线解决方案。在实施例中，目的地是由远程系统48和/或车辆乘员设定。路线计算单元120可利用的路径搜索算法是本领域技术人员已知的。

道路地图数据118定义可用于自主车辆10的道路的属性。在一些实施例中，道路地图数据118是通过映射已经沿着道路移动的车辆而收集的数据产生的。包括在道路地图数据118中的示例性属性是车道或路段，其构成道路地图数据的基本构建块、定义现实世界的道路方面，如车道中心(相当于横向/纵向坐标的2d点列表)、左车道边界、右车道边界、出站车道以及进站车道。在一些实施例中，道路地图数据118包括图形数据结构，其包括通过边缘连接的节点并且还包括元数据，诸如路线计算单元120用于搜索路线解决方案的成本。在实施例中，节点表示道路地图数据118中的车道。

在实施例中，路线计算单元120被配置为在计算路线解决方案时运行图形遍历算法，由此产生路线解决方案数据122。一个示例性图形遍历算法通过最小化到目的地的遍历成本来确定路线解决方案。最优算法进一步计算节点过渡的概率方面，其中因成功边缘遍历的概率较低而考虑附加成本。这方面的一个示例是，如果目标车道中的交通量太大，或者如果试图操纵过于靠近交叉路口，则车道变化具有一定的不成功风险。增加这些操纵中的一些操纵的高成本并且在图形中向后传播它们允许选路器106更全面地避免可能的故障情况。在美国专利号15/398,577中提供了关于图形遍历算法的其他信息，其考虑了基本成本(例如，最短时间、距离等)以及节点过渡成功概率的任何附加成本。

路线计算单元120被配置为产生路线解决方案数据122，其定义到目的地的至少最佳路线。在实施例中，路线解决方案数据122不仅包括最佳路线，而且还包括从当前位置到目的地的替代路线。路线计算单元120被配置为围绕车辆10的当前位置执行邻域搜索，该邻近搜索查询可能偏离最佳路线并且因此基于所查询的偏离来计算路线。在一些实施例中，路线解决方案数据122包括最佳路线数据和替代路线数据。在实施例中，路线解决方案数据122包括具有最佳路线和替代路线的路线列表，其中每条路线由车道或路段的列表定义。如上所述，在示例性实施例中，车道或路段构成道路地图数据118的图形数据结构中的节点。在各种实施例中，路线解决方案数据122还包括针对每条路线的元数据，如路线成本、长度等。

如上所述，车辆系统104包括多种实施例中的堵塞仲裁器108。堵塞仲裁器108根据关于自主车辆10的信息和/或车辆的环境来评估情况。用于进行这种评估的示例性输入是来自定位系统76的信息，其允许评估车辆10的位置和移动以辅助确定堵塞情况。用于评估车辆情况的另一个示例性输入是来自计算机视觉系统74的信息，其允许来自车辆10周围的图像用于确定需要远程辅助的任何异常情况。在另外或替代实施例中，堵塞仲裁器108从其他车辆、通过通信系统36从远程系统和/或从车辆控制系统80接收信息。堵塞仲裁器108被配置为执行仲裁算法以评估使得与远程车辆辅助系统102的连接合乎需要的任何堵塞事件。堵塞仲裁器输出可操作以开始进入远程辅助模式的远程辅助决策数据136。远程辅助有许多可能的触发器，诸如视觉系统74感知施工标志、位置系统76感知汽车在一定时间内没有移动，以及使得需要让远程车辆辅助系统102进入环路的其他提示。在前面已经描述了其他示例性堵塞场景。

在多种实施例中，车辆系统104包括授权黑名单确定模块128作为选路器106的一部分。授权黑名单确定模块128被配置为接收远程辅助决策数据136作为远程辅助模式的指示。另外，授权黑名单确定模块128被配置为接收路线解决方案数据122。在远程辅助模式中，授权黑名单确定模块128被配置为确定哪些路段/车道能够从路线解决方案数据122中定义的最佳路线和替代路线中移除/列入黑名单，同时确保到目的地的至少路线仍然存在。例如，特定节点可能是所有替代路线选择所必需的。不应被列入黑名单的另一个示例性路段是车辆10当前占据的路段。在一些实施例中，授权黑名单确定模块128被配置为从传感器系统28(例如，gps接收器)和/或从定位系统76接收位置数据132以允许确定当前路段。在示例性实施例中，授权黑名单确定模块128被配置为以中央图形数据结构的形式接收路线解决方案数据122，并且基于自主车辆的当前位置和可用图形，确定可以移除的图形的子集使得车辆10仍然保证找到到目的地的路线。授权黑名单确定模块128因此被配置为产生并输出授权黑名单数据112，其定义已被确定的路段列表被允许列入黑名单。

在一些实施例中，授权黑名单确定模块128被配置为将路段列表的距离限制为距车辆10的当前位置的预定或动态确定的合理距离，如可从位置数据132导出。

根据实施例，车辆系统104被配置为经由车辆通信模块114在远程辅助模式期间以规则时间间隔传输授权黑名单数据112和路线解决方案数据122。

远程车辆辅助系统102的车辆辅助工具152被配置为经由远程通信模块158接收授权黑名单数据112和路线解决方案数据122，并且基于此向人类操作员或ai专家140呈现信息。在实施例中，车辆辅助工具156被配置为基于路线解决方案数据122和授权黑名单数据112在显示器154上产生输出。根据从路线解决方案数据122导出的呈现的替代路线解决方案和呈现的授权黑名单数据112，人类操作员(和/或在另外或替代实施例中，ai专家140)被配置为从被允许列入黑名单的路段(如授权黑名单数据112导出)中选择一个或多个路段。选择一个或多个路段列入黑名单，目的是退出感知的堵塞场景。在某些实施例中，车辆系统104被配置为从传感器系统传输图像和其他感测信息以允许ai专家140和/或人类操作员感知自主车辆10的环境，由此能够对最佳路段做出明智的决定以便列入黑名单来消除远程辅助模式的远程原因。以此方式，远程车辆辅助系统102确定黑名单数据162，该黑名单数据定义来自授权黑名单数据112的将被列入黑名单的一个或多个路段。远程车辆辅助系统102经由远程通信模块158和车辆通信模块114将黑名单数据162传输到车辆系统104。因此，以授权黑名单数据112形式的被安全列入黑名单的一组路段被周期性地发送到车辆辅助工具152，并且人类操作员通过操作员界面工具156基于车辆10的感知和环境以及由路线解决方案数据122定义的替代路线来选择这些路段的子集，以确定用于发回到车辆系统104的黑名单数据162。

根据各种实施例，车辆系统104被配置为接收黑名单数据162并构建除黑名单数据162所定义的一个或多个黑名单路段之外的更新的道路地图数据126。为此，车辆系统包括道路地图数据构建器124，其从存储器46接收旧道路地图数据118以及黑名单数据162并且执行移除黑名单路段的地图构建算法。更新的道路地图数据126作为道路地图数据118的一部分存储在存储器46中，并且随后提供给路线计算单元120。因而，路线计算单元120被配置为基于更新的道路地图数据126来确定路线解决方案数据122的最佳路线和替代路线，由此在不利用黑名单路段的情况下确定最佳路线，使得避免进入远程辅助模式的原因(例如某种堵塞)。

如已经描述的，在示例性实施例中，选定的黑名单路段作为黑名单数据162的一部分被发回到选路器106。选路器106的道路地图数据构建器124利用根据黑名单数据162规定而列入黑名单的路段来重建道路地图数据118的图形数据结构，由此提供更新的图形数据结构126。除了用新路段地图数据118刷新任何高速缓存之外，重建道路地图数据118的步骤花费的时间比路线计算单元120以更高频率计算路线解决方案数据122的时间要长。在实施例中，基于黑名单数据162创建更新的道路地图数据126(例如，更新的图形数据结构126)的步骤在后台线程中计算，同时主线程基于尚未由道路地图数据构建器124更新的旧数据118继续广播(例如，向车辆控制系统80广播)作为路线解决方案数据122的一部分的路线解决方案。该路线被标记或标注为“无效”数据。道路地图数据构建器124被配置为当后台线程正在操作以允许标记路线解决方案数据122时将有效或无效标志121输出到路线计算单元120。一旦后台线程完成其计算，即，一旦道路地图数据构建器124完成创建更新的道路地图数据126，道路地图数据构建器124就会以线程安全方式替换道路地图数据118，例如图形数据结构，并且选路器106广播(例如，向车辆控制系统80广播)更新的解决方案，其现在被标记为“有效”数据。

路线解决方案数据122的有效/无效标记是示例性实施特征。有效/无效标记允许各种下游系统考虑路线解决方案数据122的更新待决状态。因此，自主驾驶系统70被配置为在确定自主驾驶动作时响应于路线解决方案数据122的有效/无效标记。例如，当自主车辆10完成乘坐并且得知其数据已经过时的时候，在更新完成之前它将不会开始另一次乘坐。

堵塞仲裁器108被配置为继续评估是否存在堵塞情况以确定更新的道路地图数据126和相关重新计算的路线解决方案数据122是否已经消除了远程辅助模式的原因。如果是，则退出远程辅助模式使得可以停止传输授权黑名单数据112和路线解决方案数据122。另外或替代地，远程车辆辅助系统102通过操作员界面工具156处的人为决策或通过ai专家140的决策来传输命令数据以退出远程辅助模式。

现在参考图5并且继续参考图1到4，根据本公开，流程图说明了可以由图1的选路和车辆辅助系统100执行的控制方法400。如根据本公开可以明白的是，该方法内的操作顺序不限于如图5中所说明的顺序执行，而是可以根据需要并且根据本公开来以一个或多个不同顺序来执行。在各种实施例中，方法400可以被安排为基于一个或多个预定事件运行，和/或可以在自主车辆10的操作期间连续运行。

方法400是通过至少一个处理器44、150来由计算机实施的，该处理器44、150执行分布在远程车辆辅助系统102与车辆系统104之间的计算机可读指令。计算机实施方法400包括计算到目的地的路线的步骤402。路线由选路器106的路线计算单元120计算并且实施在路线解决方案数据122中。步骤402包括通过例如沿着最佳路线的邻域搜索和运行“假设？”查询来计算最佳路线和替代路线，以模拟车辆10偏离最佳路线的各种可能场景。以设定频率计算路线并广播该路线以用于经由自主驾驶系统70控制自主车辆10来将车辆10移动到目的地。例如，在步骤402中计算的路线解决方案数据122被发送到车辆控制系统80以定义车辆10被控制沿着移动的路径。在实施例中，步骤402以设定重复频率运行作为选路器106的主要操作线程的一部分。

方法400包括决定是否需要远程辅助的步骤404。步骤404由堵塞仲裁器108基于从自主驾驶系统70的各种系统(诸如计算机视觉系统74、定位系统76、传感器系统28、引导系统78以及车辆控制系统80)接收的堵塞数据116来执行。上面已经描述了导致期望远程辅助的决策的各种可能的堵塞情况。例如，由计算机视觉系统74感知的道路标记的意外定位、由计算机视觉系统74感知的道路施工/维护现场或者例如由定位系统76感知的车辆在一定时间量内未移动。如果不期望远程辅助，则方法400返回到计算到目的地的路线的步骤402。如果期望远程辅助，则车辆系统104连接到远程车辆辅助系统102以接收远程辅助。如前所述，各种远程辅助动作都是可能的。方法400的当前描述集中于将一个或多个路段列入黑名单。

方法400包括确定哪个(或哪些)路段被允许列入黑名单的步骤406。响应于在步骤404中产生的来自堵塞仲裁器108的远程辅助决策数据136，通过授权黑名单确定模块128执行步骤406。在各种实施例中，步骤406包括分析在步骤402中产生的来自路线计算单元120的路线解决方案数据122。在实施例中，该分析包括确定可以被移除的路段，同时仍然留下到达目的地的至少一条可用路线，如路线解决方案数据122中所定义的。步骤406产生被允许列入黑名单的路段列表，并且将该列表实施在授权黑名单数据112中。

方法400包括步骤408：传输来自步骤402的路线解决方案数据122，并且将来自步骤406的授权黑名单数据112从车辆系统104传输到远程车辆辅助系统102。在实施例中，传输经由车辆通信模块114和远程通信模块158在蜂窝网络上进行。

方法400包括步骤410：从黑名单数据162所定义的被允许列入黑名单的路段列表中选择一个或多个路段列入黑名单。步骤410通常由人类操作员执行，该人类操作员根据被传输到远程车辆辅助系统102的传感器系统数据来分析车辆环境、分析路线解决方案数据122中定义的一个或多个路线解决方案，并且使用操作员界面工具156来选择要被列入黑名单的一个或多个路段。在一些实施例中，除了被允许列入黑名单的路段的指示之外，分析数据还涉及一个或多个路线解决方案的显示以及来自车辆环境的成像显示。该显示呈现在显示装置154上。在另一个实施例中，ai专家140辅助或单独选择要列入黑名单的路段。人类操作员和/或ai专家140以视图选择路段以便消除导致堵塞仲裁器108决定进入远程辅助模式的堵塞原因。

方法400包括步骤412：通经由通信模块114、158将黑名单数据162传输到车辆系统104，该黑名单数据定义从远程车辆辅助系统102被列入黑名单的选定路段。在步骤414中，道路地图数据构建器124接收黑名单数据16用于构建更新的道路地图数据。步骤414包括从旧的道路地图数据118中排除黑名单数据162所定义的黑名单路段以得到更新的道路地图数据126。

步骤414在后台线程中执行，使得计算路线解决方案数据122的步骤402继续基于旧地图数据118在主线程中操作。然而，当路线解决方案数据122在后台执行道路地图数据更新步骤期间广播时，该路线解决方案数据被标记为无效数据。一旦步骤414完成并且已经基于授权黑名单数据162更新旧的道路地图数据118，并且已经用新信息刷新了各种高速缓存，就会在步骤402中基于更新的道路地图数据126来计算路线解决方案数据122。当路线解决方案数据122在更新步骤414完成之后发生时，将其标记为有效数据。

虽然步骤402到414被说明为按顺序发生，但是从前述内容可以明白的是，一些步骤是并行执行的。例如，计算到目的地的路线的步骤402以预定频率重复执行，并且在步骤414中通过诸如更新道路地图数据等后台过程广播到例如车辆控制系统80。类似地，步骤402可以与步骤406到412中的一个或多个并行运行。

虽然前述详细描述中已经提出了至少一个示例性实施例，但是应当明白的是，存在许多变化。还应当明白的是，示例性实施例仅仅是示例的并且不旨在以任何方式限制本公开的范围、适用性或配置。实情是，前文详细描述将给本领域技术人员提供用于实施示例性实施例或多个示例性实施例的便捷指引。应当理解的是，在不脱离所附权利要求书和其合法等同物的范围的情况下，可对元件的功能和布置作出各种改变。