用于评估和/或调整车辆驾驶辅助或自动驾驶功能的方法和设备

摘要

本发明涉及自动驾驶技术领域。本发明提供一种用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的方法，所述方法包括以下步骤：S1：获取基于地图信息求取的第一驾驶辅助或自动驾驶数据以及基于传感器信息求取的第二驾驶辅助或自动驾驶数据；S2：接收由至少一个车辆在过去时间段经过的与所述车辆的周围环境相关的历史轨迹信息；以及S3：借助所述历史轨迹信息验证第一驾驶辅助或自动驾驶数据以及第二驾驶辅助或自动驾驶数据的合理性。本发明还提供一种用于评估和/或调整车辆的驾驶辅助功能的设备。本发明旨在借助历史轨迹信息来检验不同信息来源的数据可靠性，尤其可以基于历史轨迹信息的简单验证分辨出可能导致驾驶辅助功能失效的缺陷数据，并且例如在后续进程中舍弃这种缺陷数据。

说明书

技术领域

本发明涉及一种用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的方法和一种用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的设备。

背景技术

随着车辆智能化进程的不断深入，高精度地图不仅能够为车辆带来突破传感器探测范围的“超视距感知”，还可以与传感器识别的信息进行比对，从而实现多维度的车辆定位和路径规划。但在有些情况下，车辆在道路上行驶时会面临地图信息和传感器识别结果相矛盾的情况，此时，使用哪个信息源来支持驾驶辅助或自动驾驶功能成为一大技术难点。

目前，现有技术中提出了一种用于运行机动车的方法，在该方法中，从车辆外部设备收集轨迹图，并且利用轨迹图求取车辆的待行驶轨迹或者对车辆驾驶行为进行干预。

此外，从现有技术还已知一种道路障碍物检测方法，其中，当检测到沿目标车辆行驶方向有静止物体时，获取已驶离静止物体的车辆的历史行驶轨迹，并借助历史行驶轨迹对所检测出的静止物体进行核实。

但是上述解决方案仍存在诸多不足，特别是，目前虽然提出利用其他车辆的历史行驶轨迹来修正或优化自身车辆的驾驶行为，但是却没有从不同信息源的可靠性方面深度解析驾驶辅助或自动驾驶功能失效的原因。

发明内容

本发明的目的在于提供一种用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的方法和一种用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的设备，以至少解决现有技术中的部分问题。

根据本发明的第一方面，提出一种用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的方法，所述方法包括以下步骤：

S1：获取基于地图信息求取的第一驾驶辅助或自动驾驶数据以及基于传感器信息求取的第二驾驶辅助或自动驾驶数据；

S2：接收由至少一个车辆在过去时间段经过的与所述车辆的周围环境相关的历史轨迹信息；以及

S3：借助所述历史轨迹信息验证第一驾驶辅助或自动驾驶数据以及第二驾驶辅助或自动驾驶数据的合理性。

本发明尤其包括以下技术构思：通过本发明的方法有利地借助历史轨迹信息来检验不同信息来源的可靠性。如果地图数据鲜度不足或者如果传感器出现故障，则可以通过这种基于历史轨迹信息的简单验证分辨出可能导致驾驶辅助或自动驾驶功能失效的缺陷数据，并例如在后续进程中舍弃这种缺陷数据。在这一过程中，不仅可以确保驾驶辅助或自动驾驶功能的安全性，而且尤其不需要对高精度地图或对传感器执行频繁校准，因此还减小了硬件开销。

可选地，所述方法还包括：基于所述验证的结果调整在驾驶辅助或自动驾驶功能中考虑地图信息和传感器信息的优先级和/或权重。

在此，尤其实现以下技术优点：通过根据验证结果对优先级关系进行动态调整，有效化解了地图信息与传感器信息之间的矛盾，扩大了驾驶辅助或自动驾驶功能的适用范围。此外，有利地依据合理性不断权衡两个信息源的利弊，从而能够使地图信息和传感器信息在不同适用场景或不同自动化要求下分别发挥出各自最大优势，提供了更人性化的驾驶辅助或自动驾驶方案。

可选地，所述步骤S3包括：借助历史轨迹信息求取用于表征正确驾驶决策的参考标准，分别将第一驾驶辅助或自动驾驶数据以及第二驾驶辅助或自动驾驶数据与所述参考标准比较，根据比较的结果确定所述合理性。

在此，尤其实现以下技术优点：历史轨迹信息通常覆盖了经检验的且被视为成功的驾驶案例，因此基于历史轨迹信息求取参考标准尤其能够以客观的方式评判驾驶辅助或自动驾驶数据的合理性，由此提供了有说服力的判据。

可选地，以界定值的形式和/或以概率分布的形式提供所述参考标准，其中，尤其根据第一以及第二驾驶辅助或自动驾驶数据与界定值的接近程度和/或根据第一以及第二驾驶辅助或自动驾驶数据在概率分布中的区间位置对第一以及第二驾驶辅助或自动驾驶数据进行可信度排序。这使得能够以直观的方式看出两种驾驶辅助或自动驾驶数据的合理性程度，从而在实施驾驶辅助或自动驾驶功能时能够有更有所侧重地使用这两种信息。

可选地，在全局路线规划方面将如下情况定义为驾驶辅助或自动驾驶数据存在合理性：基于地图信息或传感器信息规划出的路线中存在连续的历史轨迹信息。由此，例如可以通过寻找历史轨迹的间断或缺失而在总体上简单地判断出规划路线的合理性。

可选地，在局部路径规划方面将如下情况定义为驾驶辅助或自动驾驶数据不存在合理性：在基于地图信息或传感器信息定义使用的车道中求取到与规划出的路线走向矛盾的车辆控制指令，并且在定义使用的车道以外的其他车道中存在与规划出的路线走向相同的历史轨迹信息。

在此，尤其实现以下技术优点：在某些情况下，驾驶辅助或自动驾驶功能失效并不意味着一定存在系统故障，而仅仅是因为规划出的路线不符合特定的驾驶习惯。通过充分利用车道级历史轨迹信息可以从合理性角度深入分析驾驶辅助或自动驾驶数据，从而即使在地图信息或传感器信息本身不存在数据缺陷的情况下也能够为车辆提供更优化的逻辑判断。

可选地，所述方法还包括：借助历史轨迹信息补偿和更新地图信息和/或传感器信息。

可选地，借助历史轨迹信息获取地图信息中未标注出的道路环境，和/或，借助历史轨迹信息获取传感器的感知范围外的道路环境。

通过这些措施，尤其可以降低车载地图的更新成本和传感器的升级成本，并且为驾驶辅助或自动驾驶功能的后续优化奠定了基础。

可选地，所述历史轨迹信息由至少一个人工驾驶的车辆在历史时刻采集。在此，人工驾驶员通常在驾驶决策和路径规划方面具有较高经验和自由度，因此，通过采集人工驾驶的车辆的历史轨迹信息，可以使驾驶辅助或自动驾驶功能的评估结果更加贴近于人类习惯，从而最终优化得到的驾驶辅助或自动驾驶功能更加接近人类驾驶行为。

根据本发明的第二方面，提供一种用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的设备，所述设备用于执行根据本发明的第一方面所述的方法，所述设备包括：

获取模块，其配置成能够获取基于地图信息求取的第一驾驶辅助或自动驾驶数据以及基于传感器信息求取的第二驾驶辅助或自动驾驶数据；

通信模块，其配置成能够接收由至少一个车辆在过去时间段经过的与所述车辆的周围环境相关的历史轨迹信息；以及

分析处理模块，其配置成能够借助所述历史轨迹信息验证第一驾驶辅助或自动驾驶数据以及第二驾驶辅助或自动驾驶数据的合理性。

附图说明

下面，通过参看附图更详细地描述本发明，可以更好地理解本发明的原理、特点和优点。附图包括：

图1示出了提供历史轨迹信息的示例性场景图；

图2示出了根据本发明的一个示例性实施例的用于评估和/或调整车辆的驾驶辅助或自动驾驶功能的方法的流程图；

图3a和图3b分别示出了结合示例性应用场景实施根据本发明的方法的示意图和流程图；

图4a-4c分别示出了结合另一个示例性应用场景实施根据本发明的方法的示意图和流程图；以及

图5a和图5b分别示出了结合另一个示例性应用场景实施根据本发明的方法的示意图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案以及有益的技术效果更加清楚明白，以下将结合附图以及多个示例性实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，而不是用于限定本发明的保护范围。

图1示出了提供历史轨迹信息的示例性场景图。

如图1所示，多个搭载有GNSS定位仪的人工驾驶车辆11、12、13可以实时地记录并存储自身车辆的行驶数据，这种行驶数据例如包括轨迹信息(地理坐标序列)、功能激活的状态信息、时间信息和车辆速度信息。通过与布置在云端的数据中心20进行通信，多个人工驾驶车辆11、12、13将记录的行驶数据上传到数据中心20。例如，可以根据正在上传数据的车辆数量对行驶数据的采样时间间隔进行调整。在数据中心20处，可以根据时间和/或位置对所收集的行驶数据进行预处理(例如过滤和聚类)，以便筛选出最具代表性的轨迹并滤除异常行驶轨迹。接下来，在数据中心20中还可以将经过预处理的轨迹投影到地图上，由此形成历史轨迹图。

除了多个人工驾驶车辆11、12、13，在图1中还示出至少部分自主行驶的车辆10。该车辆10的驾驶辅助或自动驾驶系统例如基于地图信息和传感器信息提供相应的驾驶辅助或自动驾驶功能，当在车辆10侧需要对当前执行的或待执行的驾驶辅助或自动驾驶功能和/或功能有效性进行评估时，可以从车辆10向数据中心20发送请求。响应于接收到的请求，数据中心20从数据库调用与车辆10的周围环境相关的其它车辆(例如人工驾驶车辆)的历史轨迹信息和/或处理后的信息和/或抽象出的历史轨迹图(以下概述为历史轨迹信息)，并直接将其派发给车辆10或间接的通过路侧单元(未示出)将其派发给车辆10。

车辆10在接收到历史轨迹信息之后，可以直接或间接地利用该历史轨迹信息来评估和/或调整驾驶辅助或自动驾驶功能。为了能够基于历史轨迹信息做出相应的逻辑判断，车辆10包括用于评估和/或调整驾驶辅助或自动驾驶功能的设备1。该设备1包括获取模块2、通信模块3和分析处理模块4。获取模块2与车辆10的驾驶辅助或自动驾驶系统(未示出)可通信地连接，从而能够获取基于地图信息求取的第一驾驶辅助或自动驾驶数据以及基于传感器信息求取的第二驾驶辅助或自动驾驶数据。通信模块3能够与布置在云端的数据中心20进行双向数据传输，以便在需要时向数据中心20发送请求并相应地接收所反馈的历史轨迹信息。获取模块2和通信模块3均连接到分析处理模块4，分析处理模块4可以借助历史轨迹信息来验证第一驾驶辅助或自动驾驶数据以及第二驾驶辅助或自动驾驶数据的合理性、有效性和/或置信度。

图2示出了根据本发明的一个示例性实施例的用于评估和调整车辆的驾驶辅助或自动驾驶功能的方法的流程图。

在步骤S1中，获取基于地图信息求取的第一驾驶辅助或自动驾驶数据以及基于传感器信息求取的第二驾驶辅助或自动驾驶数据。在此，第一以及第二驾驶辅助或自动驾驶数据可以理解为能够给车辆提供驾驶辅助或自动驾驶支持的信号、信息或指令，这例如可以是限速提示、规划路线、纵向引导控制、横向引导控制等。第一以及第二驾驶辅助或自动驾驶数据尤其可以关联到同一驾驶辅助或自动驾驶功能并且具有相同的信号类型。

在步骤S2中，接收由至少一个车辆在过去时间段行驶经过的与所述车辆的周围环境相关的历史轨迹信息。在此，例如可以从车辆侧向数据中心请求过去一个时间段的由人工驾驶车辆记录并上传的历史轨迹信息。根据待评估和/或待调整的驾驶辅助或自动驾驶功能的类型、相关路段的交通流量以及当前的时间，可以自由调整所要请求的时间段范围(例如1h～5h)。

在步骤S3中，借助历史轨迹信息分别验证第一驾驶辅助或自动驾驶数据以及第二驾驶辅助或自动驾驶数据的合理性、有效性和/或置信度。在本发明的意义上，合理性验证可以理解为至少在如下方面检查第一以及第二驾驶辅助或自动驾驶数据：是否违反交通法规、是否存在安全隐患、是否实现最高时间效率、是否实现最高能量效率、是否符合特定驾驶习惯。还可能的是，在验证合理性时为上述各个方面分配权重分数，从而在综合考虑驾驶辅助或自动驾驶数据的各项权重分数的情况下计算出总的分数作为最终的合理性水平。通过了解第一以及第二驾驶辅助或自动驾驶的合理性，尤其可以看出：在提供特定驾驶辅助或自动驾驶功能时，是否在所使用的地图信息或传感器信息方面存在缺陷数据，由此可以在后续阶段舍弃或较少地考虑这种缺陷数据；或者如果地图信息和传感器信息均不存在缺陷数据，是否由驾驶辅助或自动驾驶功能本身的逻辑性导致障碍。

在可选的步骤S4中，检查相应的驾驶辅助或自动驾驶数据是否满足合理性要求。在此，可以将第一以及第二驾驶辅助或自动驾驶数据均存在合理性的情况定义为满足合理性要求。然而也可能的是，将其中一种驾驶辅助或自动驾驶数据存在合理性的情况定义为满足合理性要求。

如果不满足合理性要求，则可以在步骤S5中基于步骤S3中的验证结果调整在相应驾驶辅助或自动驾驶功能中考虑地图信息和传感器信息的优先级。作为示例，如果车载地图由于未及时更新而针对部分路段未记录有相应的道路信息，而如果借助历史轨迹信息判断出传感器信息能够生成合理的驾驶辅助或自动驾驶数据，则可以在提供辅助功能时优先使用来自传感器的数据作为数据支持，而针对这部分路段较少地或较低优先级地使用地图信息。

接下来，在可选的步骤S6中可以利用历史轨迹信息更新地图信息和/或传感器信息。例如，可以将存在历史轨迹的路段作为可行驶路段添加到地图中。

如果在步骤S4中判断出满足合理性要求，则可以在步骤S7中继续保持地图信息和传感器信息在驾驶辅助或自动驾驶功能中的当前优先级关系，并执行相应的驾驶辅助或自动驾驶功能。

图3a和图3b分别示出了结合一个示例性应用场景实施根据本发明的方法的示意图和流程图。

在图3a所示场景中，路口30附近的右转车道31停有车辆14。在此，车辆14例如涉及直行车辆但可能由于未及时并道而在直行的交通指示灯显示“禁行”期间错误地停在右转车道31处。后方的自动驾驶车辆10例如已基于地图信息和传感器信息预先规划出路线，并认识到在路口30处应执行右转操作。然而由于车辆14的存在，自动驾驶车辆10无法借助自身的驾驶辅助或自动驾驶功能对前车的驾驶行为进行清晰的逻辑判断及预测。因此，在这种情况下需要对路线规划功能进行评估。

为了支持这种评估，在图3a中还示出在较早时刻已完成右转操作的人工驾驶车辆15及其历史行驶轨迹40。可以看出，人工驾驶车辆15并未按照常规行驶操作那样完全借助右转车道31实现右转弯，而是借助车道31与32之间的部分(车辆短暂骑线)或者全部左侧直行道32来完成右转。这种行驶轨迹40尤其是有经验的人类驾驶员在结合对当前路况的判断下得出的，因此具备一定灵活性并且尤其可作为对于驾驶辅助或自动驾驶功能合理性的判据。

接下来结合图3b来具体阐述如何在该示例性场景中实施根据本发明的方法。

在步骤S301中，借助地图信息和传感器信息结合相应的计算融合规划出车辆10在路口31处即将执行右转操作。在此，例如基于高精度的地图和定位信息定位出车辆10当前使用的车道为右转道31，并且例如借助传感器识别出当前车道31的路面标记或路侧标识为右转标记，从而定位本车辆在右转车道，因此驾驶员极有可能采取右转动作。

在步骤S302中，为了在全局路线规划方面判断信息源的合理性，车辆10向数据中心请求路口30处的历史行驶轨迹。在此，这种请求尤其可以基于特定的条件而触发(例如检测到路口和/或通过对比周围其他车辆轨迹而检测到本车辆已静止一段时间)，在这些条件下尤其需要对规划出的路线进行合理性验证。这种历史行驶轨迹例如由一个或多个人工驾驶的车辆15在过去的时间段内经过。由于在此主要涉及在全局路线规划方面对驾驶辅助或自动驾驶功能的评估，因此对于位置精度和时间区间都没有严格要求，示例性地，可以请求过去1小时内的历史轨迹信息。

在步骤S303中，根据接收到的历史轨迹信息判断在该路口30处是否存在右转轨迹。

如果不存在，则在步骤S304中判断出驾驶辅助或自动驾驶数据不满足全局路线规划的合理性。这尤其表示，基于地图信息和传感器信息求取的驾驶辅助或自动驾驶数据存在数据和/或基于所述数据的处理结果缺陷，因此基于这两者无法提供正确的驾驶辅助或自动驾驶功能。

于是，可以在步骤S305中要求驾驶员接管车辆的控制。

如果在步骤S303中判断出存在右转轨迹，则在步骤S306中判断出驾驶辅助或自动驾驶数据满足全局路线规划的合理性。这尤其意味着，对于相应的驾驶辅助或自动驾驶功能而言，地图信息和传感器信息都具有可靠性。

接下来在步骤S307中判断是否检测到右转道31存在静止车辆14。这种检测尤其借助车载传感器来进行。作为示例，可以将右转道31在确定时间段(例如5s内)有无位移或有无车灯作为判断条件来识别出静止车辆14。

如果不存在静止车辆，则在步骤S308中使车辆借助目前的驾驶辅助或自动驾驶功能继续行驶。

在存在静止车辆的情况下，继续在步骤S309中在局部轨迹规划方面执行如下判断：是否在当前车道31求取到车辆制动指令并且在其他车道在过去极短时间内存在右转轨迹。

如果是这种情况，则在步骤S312中认为驾驶辅助或自动驾驶数据不满足局部路径规划的合理性。在此，虽然传感器信息和地图信息本身不存在数据缺陷，然而基于其求取的辅助驾驶数据仍可能缺乏逻辑合理性，这种情况例如可以在后续的驾驶辅助或自动驾驶功能优化中被归类为“非数据缺陷造成的驾驶辅助或自动驾驶功能失效”。

于是在步骤S313中，可以在当前场景下将两种信息源(地图信息和传感器信息)的优先级都降低，并请求在不违反交通规则的情况下跟随历史轨迹信息执行右转操作或者要求驾驶员接管车辆控制。

如果在步骤S309中判断出其他情况(例如其他车道中并不存在右转轨迹)，则在步骤S310中不确定是否满足路径规划合理性，因此需要在步骤S311中要求驾驶员对驾驶操作进行确认。

图4a-4c分别示出了结合其它示例性应用场景实施根据本发明的方法的示意图和流程图。

在图4a所示场景中，自动驾驶车辆10搭载的高精度地图41中记录的限速信息与借助传感器识别到的限速标志42的限速信息不一致。在此，例如在高精度地图41中标注出80km/h的速度限制，而通过传感器识别到的限速标志42显示60km/h的速度限制。这种情况尤其可能由如下原因导致：高精度地图未及时更新或未标注临时限速，或者传感器(例如摄像机)由于天气原因或自身故障而识别到错误的限速。在图4a中还示出车辆10正在行驶路段的历史轨迹信息40，这些历史轨迹信息尤其可以包括相应的速度信息和时间信息。

接下来结合图4c来具体阐述如何在该示例性场景中实施根据本发明的方法。

在步骤S401中，借助地图获取限速信息。

在步骤S402中，借助传感器获取限速信息。

在步骤S403中，判断借助地图和借助传感器获取的限速信息在内容上是否存在矛盾或不一致的情况。

如果不存在矛盾，则在步骤S409中按照一致的限速信息控制车辆速度。

如果存在矛盾，则需要对驾驶辅助或自动驾驶功能进行评估并且验证基于哪一方求取的驾驶辅助或自动驾驶数据是合理的或者说可靠的。为了进行这种验证，在步骤S404中向数据中心上传自动驾驶车辆的车辆位置并且接收在该自动驾驶车辆位置附近的过去一个时间段的历史轨迹信息。在此，数据中心反馈的历史轨迹信息尤其可以是单位路网内(例如100m×100m)的路段在该时间段的最高速度值、最低速度值或平均速度值。

附加地或替代地，也可以在步骤S405中从原始历史轨迹信息中提取平均速度值或速度分布占比。

在步骤S406中，例如将历史平均速度值分别与基于地图信息获取的限速信息以及与基于传感器获取的限速信息进行比较，并且判断哪个限速信息更接近历史平均速度值。

如果由地图信息得到的限速信息更接近历史平均速度，则在步骤S408中调高地图信息的优先级并以地图信息为依据执行速度控制。

反之，则在步骤S407中调高传感器信息的优先级。

示例性地，基于地图信息得到的限速为80km/h，基于传感器识别到的限速为60km/h，而历史平均速度为76km/h，则选择基于地图信息的限速80km/h为第一优先级。

还可能的是，对数据结果进行分布加权后确定优先级，例如借助历史轨迹信息了解到该路段在[<60km/h,60～80km/h,>80km/h]的速度分布占比分别为[91％,8％,1％]。由此，可以通过查看基于地图信息和基于传感器信息得到的限速值的区间位置并结合相应的权重值来综合判断合理性。

在图4b中结合另一示例性应用场景示出实施根据本发明的方法的示意图。

在图4b所示场景中，自动驾驶车辆10搭载的高精度地图41记录的限速信息与借助传感器识别到的限速信息不一致。在此，例如在高精度地图中标注出80km/h的速度限制，而通过传感器识别到的限速标志43显示100km/h的速度限制。

这尤其可能由如下原因导致：有些特殊类型车辆44(例如货车、油罐车、巴士等)在后侧贴有起警示作用的限速标识牌43，这种标识牌43随着车辆44而移动，但并不能代表某一路段的真正限速规定。在自动驾驶车辆10行驶期间，可能借助车载传感器(例如摄像机)捕捉到这种动态标识牌43并错误地将其识别为路边的静态限速标志，由此在传感器方面得出了与实际道路限速不符的结论。在此与图4a的不同之处在于，高精度地图41的记录结果和传感器自身的探测结果可能并不存在故障，然而对于驾驶辅助或自动驾驶功能而言，基于传感器提供的驾驶辅助或自动驾驶数据仍缺乏合理性。

在这种情况下，尤其可以按照图4c所示的方法借助历史轨迹信息来辅助判断地图信息和传感器信息的合理性，并基于此调整二者的优先级关系。

图5a和图5b分别示出了结合示另一例性应用场景实施根据本发明的方法的示意图。

在图5a和5b中示出如下场景：临时道路施工60或临时道路封闭50信息很难及时且准确地被同步到车载地图，因此车辆10并不能及时根据地图信息得到合理的驾驶辅助或自动驾驶数据。同时，驾驶辅助或自动驾驶系统的传感器也无法探测到超出感知范围(例如200m以外)的路况，所以同样无法基于传感器来为车辆10提供适当的驾驶辅助或自动驾驶支持。在这种情况下，通过实施根据本发明的方法，可以借助历史轨迹信息40对地图信息和传感器信息进行补偿。

如图5a和图5b所示，当借助车载传感器检测到临时指示牌60、50时，由于缺乏基于地图信息的冗余验证，因此无法单独凭借传感识别结果确认临时指示牌的内容及相应受影响范围。在此，例如可以向数据中心请求过去一段时间的历史轨迹信息，并检查车辆10所在车道及相邻车道是否均存在连续轨迹信息。如果发现车辆所在车道及相邻车道在过去一段时间内均没有轨迹信息(如图5a所示)，则表示前方整体道路封闭，在此可以缓慢停车同时要求驾驶员接管车辆控制或者为车辆重新规划路线。如果发现仅部分车道存在历史轨迹信息(如图5b所示)，则可以在地图上标注出封闭车道并要求车辆跟随历史轨迹行驶或要求驾驶员接管车辆控制。如果发现所有车道均存在历史轨迹信息，则可以继续按照地图规划路线行驶，并将传感器标注为故障。

尽管这里详细描述了本发明的特定实施方式，但它们仅仅是为了解释的目的而给出的，而不应认为它们对本发明的范围构成限制。在不脱离本发明精神和范围的前提下，各种替换、变更和改造可被构想出来。