CN114056346A - 一种自动驾驶行车控制方法及装置 - Google Patents

Abstract

本申请提供一种自动驾驶行车控制方法，所述方法包括：在多个行车偏好模式中确定当前行车偏好模式；在多个环境危险等级中确定当前环境危险等级；根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值，所述当前组行车参数值对应于所述当前行车偏好模式和所述当前环境危险等级；其中，所述多组行车参数值中的每组行车参数值包括至少一个行车参数值，且所述每组行车参数值与所述多个行车偏好模式中一个行车偏好模式和所述多个环境危险等级中的一个环境危险等级对应。本申请通过预设行车参数使得自动驾驶行车控制系统无需计算，降低了系统的复杂度。

Description

一种自动驾驶行车控制方法及装置

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种自动驾驶行车控制方法及装置。

背景技术

自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。自动驾驶的车辆使用各种计算系统来帮助将乘客从一个位置运输到另一位置。一些自动驾驶车辆可能要求来自操作者(诸如，领航员、驾驶员、或者乘客)的一些初始输入或者连续输入。自动驾驶车辆准许操作者从手动模操作式切换到自动驾驶模式或者介于两者之间的模式。由于自动驾驶技术无需人类来驾驶机动车辆，所以理论上能够有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。因此，自动驾驶技术越来越受到重视。

目前，完全自主的自动驾驶车辆还没有普及，然而辅助驾驶功能或部分地自动驾驶功能已经逐步地嵌入当前车辆中，常见的功能包括：自适应巡航(Adaptive CruiseControl,ACC)、自动紧急制动(Automatic Emergency Braking,AEB)、前向碰撞告警(Forward Collision Warning，FCW)或车道偏离告警(Lane Department Warning,LDW)。

其中，为了满足每个驾驶员的不同驾驶习惯、以及适应复杂的行车环境，目前现有技术中已经提出了可以根据驾驶员偏好、环境情况以及其他因素进行数学建模，实时计算行车参数的技术方案。然而通过数学建模实时计算难免产生延迟，存在一定的危险隐患。

发明内容

本申请实施例提供一种自动驾驶的行车控制方法及装置，在满足自动驾驶功能的安全性的前提下，降低了行车控制的复杂度。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，提供一种自动驾驶的行车控制方法，所述方法包括：在多个行车偏好模式中确定当前行车偏好模式，所述多个行车偏好模式反映了驾驶员的不同驾驶偏好；在多个环境危险等级中确定当前环境危险等级，所述多个环境危险等级反映了不同的行驶环境对于自动驾驶安全的影响程度；根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值，所述当前组行车参数值对应于所述当前行车偏好模式和所述当前环境危险等级；其中，所述多组行车参数值中的每组行车参数值包括至少一个行车参数值，且所述每组行车参数值与所述多个行车偏好模式中一个行车偏好模式和所述多个环境危险等级中的一个环境危险等级对应。

上述技术方案中，通过在预设的多组行车参数值中直接选择当前组行车参数值，使得自动驾驶行车控制系统无需执行大量复杂计算，在满足自动驾驶功能的安全性的前提下，降低了行车控制系统实现的复杂度，例如，当将此控制方法应用于边缘芯片时，如车载芯片，解决了边缘芯片计算资源紧张的普遍问题。

在第一方面的一种可能的实现方式中，在根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值之前，还包括：确定用于表征自动驾驶功能的至少一个行车参数种类；确定与所述至少一个行车参数种类对应的所述预设的多组行车参数值。

上述可能的实现方式中，控制系统通过确定自动驾驶功能的表征参数种类之前，需要驾驶员进行相应的自动驾驶功能选择或触发，驾驶员可以选择至少一种自动驾驶功能，如驾驶员可以在当前行车过程中选择开启ACC功能，从而满足了驾驶员对不同的自动驾驶功能的个性化需求。

所述自动驾驶功能包括如下至少一项：自适应巡航(Adaptive Cruise Control,ACC)、自动紧急制动(Automatic Emergency Braking,AEB)、前向碰撞告警(ForwardCollision Warning，FCW)、车道偏离告警(Lane Department Warning,LDW)、拥塞情况下的自动驾驶(Traffic-jam Pilot、TJP)或高速场景下的自动驾驶(Highway Pilot，HWP)。

在第一方面的一种可能的实现方式中，在多个环境危险等级中确定当前环境危险等级之前，还包括：接收传感器采集的环境信息；基于所述环境信息在所述多个环境危险等级中确定所述当前环境危险等级。所述环境信息包括如下至少一项：弯道、天气、道路施工或道路事故情况。

上述可能的实现方式，通过使用传感器进行环境信息的采集，增加了数据的实时性，使得控制系统更准确的判断环境信息。尤其是通过使用自车传感器进行环境信息的采集，增加了数据的隐私性，并且使得该方法也可以适用于无网络的偏远地区。

在第一方面的一种可能的实现方式中，在多个环境危险等级中确定当前环境危险等级之前，还包括：接收通信设备发送的通知消息，所述通知消息中包括所述当前环境危险等级的指示信息；所述在多个环境危险等级中确定当前环境危险等级包括：根据所述指示信息,在所述多个环境危险等级中确定所述当前环境危险等级。

上述可能的实现方式，可以共享其他车辆采集的信息，并且不依赖自车的传感器的配置局限性，并且降低自车边缘芯片的计算量。

在第一方面的一种可能的实现方式中，在根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值之后，还包括：根据所述的当前组行车参数值控制车辆行驶。上述可能的实现方式，使得车辆能够实时更新行车参数，增加了行车的安全性。

在第一方面的一种可能的实现方式中，在接收传感器采集的环境信息之后，还包括：识别所述环境信息的特征。所述步骤：基于所述环境信息在所述多个环境危险等级中确定所述当前环境危险等级，具体为基于所述环境信息的特征在所述多个环境危险等级中确定所述当前环境危险等级。上述可能的实现方式，通过识别环境信息的特征来确定所述当前环境危险等级，加快了计算元件的计算速度。

在第一方面的一种可能的实现方式中，根据所述的当前组行车参数值控制车辆行驶。上述可能的实现方式，直接控制车辆行驶，不依赖网络更加灵活。

在第一方面的一种可能的实现方式中，将所述的当前组行车参数值发送给车辆，所述当前组行车参数值用于控制所述车辆行驶。上述可能的实现方式，通过网络进行计算，计算资源丰富，速度快。

在第二方面，一种自动驾驶行车控制装置，所述装置包括：第一确定单元，用于在多个行车偏好模式中确定当前行车偏好模式，所述多个行车偏好模式反映了驾驶员的不同驾驶偏好；第二确定单元，用于在多个环境危险等级中确定当前环境危险等级，所述多个环境危险等级反映了不同的行驶环境对于自动驾驶安全的影响程度；选择单元，用于根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值，所述当前组行车参数值对应于所述当前行车偏好模式和所述当前环境危险等级；其中，所述多组行车参数值中的每组行车参数值包括至少一个行车参数值，且所述每组行车参数值与所述多个行车偏好模式中一个行车偏好模式和所述多个环境危险等级中的一个环境危险等级对应。

在第二方面的一种可能的实现方式中，所述选择单元具体用于：确定用于表征自动驾驶功能的至少一个行车参数种类；确定与所述至少一个行车参数种类对应的所述预设的多组行车参数值。

所述自动驾驶功能包括如下至少一项：自适应巡航(Adaptive Cruise Control,ACC)、自动紧急制动(automatic Emergency Braking,AEB)、前向碰撞告警(ForwardCollision Warning，FCW)或车道偏离告警(Lane Department Warning,LDW)、拥塞情况下的自动驾驶(Traffic-jam Pilot、TJP)或高速场景下的自动驾驶(Highway Pilot，HWP)。

在第二方面的一种可能的实现方式中，还包括接收单元，所述接收单元用于接收传感器采集的环境信息；所述第二确定单元，具体用于基于所述环境信息在所述多个环境危险等级中确定所述当前环境危险等级。所述环境信息包括如下至少一项：弯道、天气、道路施工或道路事故情况。

在第二方面的一种可能实现方式中，还包括：识别单元，识别所述环境信息的特征。所述第二确定单元，具体用于基于所述环境信息的特征在所述多个环境危险等级中确定所述当前环境危险等级。

在第二方面的一种可能实现方式中，还包括：接收单元，用于接收通信设备发送的通知消息，所述通知消息中包括所述当前环境危险等级的指示信息；所述在多个环境危险等级中确定当前环境危险等级包括：根据所述指示信息,在所述多个环境危险等级中确定所述当前环境危险等级。

在第二方面的一种可能实现方式中，还包括：控制单元，用于根据所述的当前组行车参数值控制车辆行驶。

在第二方面的一种可能实现方式中，还包括：控制单元，用于将所述的当前组行车参数值发送给车辆，所述当前组行车参数值用于控制所述车辆行驶。

第三方面，提供了一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述第一方面或第一方面的实现方式任一种可能实现方式所提供的自动驾驶行车控制方法。

第四方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述第一方面或第一方面任一种可能实现方式所提供的自动驾驶行车控制方法。

第五方面，提供一种计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面或第一方面任一种可能的实现方式所提供的所述行车参数确定方法。

第六方面，提供一种芯片，包括处理器和接口，所述接口用于从外部存储器读取所述处理器可执行指令，所述处理器，用于执行上述第一方面或第一方面任一种可能实现方式所提供的自动驾驶行车控制方法。

第七方面，提供一种车辆，所述车辆用于执行上述第一方面或第一方面任一种可能实现方式所提供的自动驾驶行车控制方法。

第八方面，提供一种服务器，所述服务器用于执行上述第一方面或第一方面任一种可能实现方式所提供的自动驾驶行车控制方法。

可以理解地，上述提供的任一种自动驾驶行车控制装置、计算机可读存储介质、电子设备、计算机程序产品，均可以由上文所提供的对应的方法来实现，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。

附图说明

图1为本申请实施例提供的一种具有自动驾驶功能的车辆的功能框图；

图2为本申请实施例提供的一种自动驾驶的计算机系统的结构示意图；

图3为本申请实施例提供的一种车侧指令自动驾驶行车控制系统的结构示意图；

图4为本申请实施例提供的一种云侧指令自动驾驶行为控制系统的应用示意图；

图5为本申请实施例提供的一种自动驾驶行车控制方法的结构示意图；

图6为本申请实施例提供的一种车辆通过弯道的场景示意图；

图7为本申请实施例提供的一种车辆遇到道路施工的场景示意图；

图8为本申请实施例提供的一种车辆在不同天气情况下行驶的场景示意图；

图9为本申请实施例提供的一种计算机程序产品的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

按照国际自动机工程师学会(简称SAE)提出的自动驾驶技术分级标准，本申请的自动驾驶对应L0～L5级别的自动驾驶。在本申请实施例中，将车辆100配置为辅助驾驶或自动驾驶模式。图1是本申请实施例提供的车辆100的功能框图。

车辆100可包括各种子系统，例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地，车辆100可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。

行进系统102可包括为车辆100提供动力运动的组件。在一个实施例中，推进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。

能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他系统提供能量。

传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置120还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。

传感器系统104可包括感测关于车辆100周边的环境的信息的若干个传感器。例如，传感器系统104可包括定位系统122(定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。

定位系统122可用于估计车辆100的地理位置。IMU 124用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU 124可以是加速度计和陀螺仪的组合。

雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达126还可用于感测物体的速度和/或前进方向。

激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。

控制系统106为控制车辆100及其组件的操作。控制系统106可包括各种元件，其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物避免系统144。

转向系统132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘系统。

油门134用于控制引擎118的操作速度并进而控制车辆100的速度。

制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中，制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。

计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

路线控制系统142用于确定车辆100的行驶路线。在一些实施例中，路线控制系统142可结合来自传感器138、GPS 122和一个或多个预定地图的数据以为车辆100确定行驶路线。

障碍物避免系统144用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。

当然，在一个实例中，控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。

在一些实施例中，外围设备108提供车辆100的用户与用户接口116交互的手段。例如，车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中，外围设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如，麦克风150可从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可向车辆100的用户输出音频。

无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统146可使用3G蜂窝通信，例如CDMA、EVD0、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信系统146可利用WiFi与无线局域网(wireless localarea network，WLAN)通信。在一些实施例中，无线通信系统146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

电源110可向车辆100的各种组件提供电力。在一个实施例中，电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中，电源110和能量源119可一起实现，例如一些全电动车中那样。

车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113，处理器113执行存储在例如存储器114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。

处理器113可以是任何常规的处理器，诸如商业可获得的CPU。替选地，该处理器可以是诸如ASIC或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

在一些实施例中，存储器114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行车辆100的各种功能，包括以上描述的那些功能。存储器114也可包含额外的指令，包括向推进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

除了指令115以外，存储器114还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。

用户接口116，用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备，例如无线通信系统146、车载电脑148、麦克风150和扬声器152。

计算机系统112可基于从各种子系统(例如，行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。在一些实施例中，计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。

可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，存储器114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本申请实施例的限制。

在道路行进的汽车，如上面的车辆100，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定汽车所要调整的速度。

可选地，车辆100或者与车辆100相关联的计算设备(如图1的计算机系统112、计算机视觉系统140、存储器114)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么稳定状态。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得自动驾驶汽车遵循给定的车道线和/或维持与汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。

上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本申请实施例不做特别的限定。

在介绍完上述车辆100之后，下面对本申请涉及的自动驾驶的计算机系统进行介绍。

根据图2，计算机系统101包括处理器103，处理器103和系统总线105耦合。处理器103可以是一个或者多个处理器，其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)107，显示适配器可以驱动显示器109，显示器109和系统总线105耦合。系统总线105通过总线桥111和输入输出(I/O)总线113耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信，比如输入设备117(如：键盘，鼠标，触摸屏等)，多媒体盘(media tray)121,(例如，CD-ROM，多媒体接口等)。收发器123(可以发送和/或接受无线电通信信号)，摄像头155(可以捕捉景田和动态数字视频图像)和外部USB接口125。其中，可选地，和I/O接口115相连接的接口可以是USB接口。

其中，处理器103可以是任何传统处理器，包括精简指令集计算(“RISC”)处理器、复杂指令集计算(“CISC”)处理器或上述的组合。可选地，处理器可以是诸如专用集成电路(“ASIC”)的专用装置。可选地，处理器103可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。

可选地，在本文所述的各种实施例中，计算机系统101可位于远离自动驾驶车辆的地方，并且可与自动驾驶车辆无线通信。在其它方面，本文所述的一些过程在设置在自动驾驶车辆内的处理器上执行，其它由远程处理器执行，包括采取执行单个操纵所需的动作。

计算机101可以通过网络接口129和软件部署服务器149通信。网络接口129是硬件网络接口，比如，网卡。网络127可以是外部网络，比如因特网，也可以是内部网络，比如以太网或者虚拟私人网络(VPN)。可选地，网络127还可以是无线网络，比如WiFi网络，蜂窝网络等。

硬盘驱动接口和系统总线105耦合。硬件驱动接口和硬盘驱动器相连接。系统内存135和系统总线105耦合。运行在系统内存135的数据可以包括计算机101的操作系统137和应用程序143。

操作系统包括Shell 139和内核(kernel)141。Shell 139是介于使用者和操作系统之内核(kernel)间的一个接口。shell是操作系统最外面的一层。shell管理使用者与操作系统之间的交互:等待使用者的输入,向操作系统解释使用者的输入,并且处理各种各样的操作系统的输出结果。

内核141由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互，操作系统内核通常运行进程，并提供进程间的通信，提供CPU时间片管理、中断、内存管理、IO管理等等。

应用程序143包括控制汽车自动驾驶相关的程序，比如，控制汽车路线或者速度的程序。应用程序143也存在于deploying server 149的系统上。在一个实施例中，在需要执行应用程序141时，计算机系统101可以从deploying server14下载应用程序141。

本申请涉及的应用程序143为辅助驾驶功能程序、部分自动驾驶功能程序或全自动驾驶功能程序，其中，L2等级及以下的自动驾驶功能(也就是本领域常说的辅助驾驶功能)包括：：自适应巡航(Adaptive Cruise Control,ACC)、自动紧急制动(automaticEmergency Braking,AEB)、前向碰撞告警(Forward Collision Warning，FCW)、车道偏离告警(Lane Department Warning,LDW)等，L3等级及以上的自动驾驶功能包括：拥塞情况下的自动驾驶(Traffic-jam Pilot、TJP)或高速场景下的自动驾驶(Highway Pilot，HWP)等。具体介绍如下：

自适应巡航(Adaptive Cruise Control,ACC)：在车辆行驶过程中，安装在车辆前部的车距传感器(雷达)持续扫描车辆前方道路，同时轮速传感器采集车速信号。当与前车之间的距离过小时，ACC控制单元可以通过与制动防抱死系统、发动机控制系统协调动作，使车轮适当制动，并使发动机的输出功率下降，以使车辆与前方车辆始终保持安全距离。自适应巡航控制系统在控制车辆制动时，通常会将制动减速度限制在不影响舒适的程度，当需要更大的减速度时，ACC控制单元会发出声光信号通知驾驶者主动采取制动操作。当与前车之间的距离增加到安全距离时，ACC控制单元控制车辆按照设定的车速行驶。

对应自适应巡航ACC功能表征参数，一般通过参数车头时距(Time Headway，THW)来表征，需要保持较远的车距时，设置车头时距THW越大。

自动紧急制动(Automatic Emergency Braking,AEB)：是一种汽车主动安全技术，主要由3大模块构成，包括控制模块(ECU)，测距模块，和制动模块。AEB系统采用雷达测出与前车或者障碍物的距离，然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较，小于警报距离时就进行警报提示，而小于安全距离时即使在驾驶员没有来得及踩制动踏板的情况下，AEB系统也会启动，使汽车自动制动，从而为安全出行保驾护航。

前向碰撞告警(Forward Collision Warning，FCW)：监测前方车辆，判断本车与前车之间的距离、方位和相对速度，当存在潜在碰撞危险时对驾驶员进行报警提示，系统通过车身总线的状态信息以减少漏警率和误警率。

对于自动紧急制动AEB和前向碰撞告警FCW功能表征参数，可以使用碰撞时间TTC(Time-to-Collision)来表示，需要早触发时预留时间越长，设置碰撞时间TTC越大。另外，在刹车处理中也会考虑TTB(Time-to-Brake)来表示，需要早触发时预留时间越长，设置TTB越大。

车道偏离告警(Lane Department Warning,LDW)：用于自动驾驶员将车辆保持在车道线内行驶，主要针对驾驶员因疲劳造成的偏离车道的行为，对驾驶员进行提示，辅助车辆运行在安全的行驶状态下。LDW系统通过摄像头传感器采集图像信息，并通过车载传感器采集车辆其他状态信息，经实时图像处理，提供车道偏离报警信息。

对应车道偏离告警LDW功能表征参数，可以采用偏道时间TTLC(Time-to-Lane-Crossing)来表示，需要早触发时预留时间越长，设置偏道时间TTLC越大。

交通拥堵辅助自动驾驶功能(Traffic Jam Polit,TJP)是指在拥堵的高速公路或城市快速路上驾驶员可以放开双手双脚，同时注意力可在较长时间内从驾驶环境中转移，做一些诸如看手机、接电话、看风景等活动，该系统最高工作速度为40-60kph。

高速路自动驾驶功能(Highway Pilot，HWP)是指在一般畅通高速公路或城市快速路上实现如上TJP实现的功能，该系统最低工作速度为60kph。

需要说明的是，科研领域已经有针对道路环境情况以及驾驶员的个人偏好进行数学建模的研究。针对不同的危险等级以及不同的个人偏好设置参数，来计算自动驾驶行车参数值。然而，当将数学模型应用到真车上时，实时计算复杂度高，难免产生延迟，存在一定的危险隐患。

基于此，本申请实施例提供一种自动驾驶行车控制方法和装置，通过驾驶员进行偏好选择，结合风险等级直接选取预设的行车参数，无需进行复杂的实时计算，提升了自动驾驶功能的安全性，满足了个性化以及低复杂度的需求。

本申请实施例提供了自动驾驶行车控制系统可以位于车侧，也可以位于云端，具体可以由车中或云服务器中的计算机系统执行相关功能。下文将分别进行介绍。

如图3所示，为本申请实施例提供的一种车侧指令自动驾驶行车控制系统的结构示意图，该自动驾驶行车控制系统包括：功能选择单元201、第一确定单元202、第二确定单元203、参数选择单元204、控制单元205、第一接收单元2031、识别单元2032、第二接收单元2033。

功能选择单元201具体包括ACC功能选项2011、AEB功能选项2022、FCW功能选项2023、LDW功能选项2024、TJP功能选项2025以及HWP功能选项2026，上述功能选项可以实现为硬件部件如按钮，也可以为实现在触摸屏上，驾驶员可以通过所述按钮或触摸屏进行功能选择。例如，ACC功能选项的按钮可以为设置在方向盘上的按键或拨杆。

第一确定单元202，可以针对上述每个功能选项独立的设置偏好模式选项，或者也可以设置一个统一的偏好模式选项，或者还可以将统一的偏好模式选项整合到现有的驾驶模式选项中，所述自动驾驶行车控制系统可以通过驾驶员选择偏好模式选项来确定偏好模式。

驾驶员的个人偏好综合反映了驾驶员的时间速度偏好、驾驶能力、对安全威胁的承受能力、身体状况以及驾驶员当前行程的目的，比如是否正在通勤，或者是否是去郊游等。

针对上述每个的功能选项，可以分别都设置相应的偏好模式选项。上述功能选项可以实现为硬件部件如按钮，也可以通过触摸屏呈现，驾驶员进行功能选择。例如，ACC功能选项可以为长、中、短时距三个选项，AEB、FCW、LDW可以设置成为正常时长、短时长两个选项，也可以设置为长时长、正常时长、短时长三个选项。这里对选项的个数并不做出限制，以上只是举例。

统一的偏好模式选项，对于各种自动驾驶功能类型可以统一设置为两个或三个选项，例如正常、快速或者安全、正常、快速。对于ACC而言，安全对应长时距选项，正常对应中时距选项，快速对应短时距选项；对于AEB、FCW、LDW安全对应长时长，正常对应正常时长，快速对应短时长。将多个自动驾驶功能设置成一个统一的偏好模式，可一次选择，减少操作的复杂度。

可选的，系统中默认配置有基本的偏好模式，驾驶员可以不进行选择，偏好模式为系统默认选项。默认选项可以为，同一驾驶员上次选择的偏好模式，或同一时间段近期统计的偏好模式，或者更有利于安全行驶的偏好模式。还可以设置身份识别系统对驾驶员的身份进行识别，例如人脸识别系统，指纹识别系统或虹膜识别系统。

可选的，还可以将上述统一的偏好模式选择单元整合到现有的驾驶模式中，现有的驾驶模式选择常见的有舒适、正常、运动等模式，可以设置舒适对应上述安全，正常对应正常，快速对应运动模式。驾驶员在驾驶模式选择是同时对自动驾驶的偏好模式进行了选择，减少了操作的步骤，提升了驾驶员操作的便捷性。

危险等级描述的是不同行驶环境对自动驾驶安全的影响程度的分级，可以根据实际需要分为两级、三级或多级。例如，可以分为高危险、中危险、低风险或者高风险、低风险。

第二确定单元203，可以通过车辆自身的传感器系统104进行检测得到环境情况，利用识别单元2032进行识别，从而确定当前环境危险等级。本申请的环境危险等级可以是依据不同的道路环境特征，也可以是不同的天气特征，或者是道路交通上的事故统计特征等，对车辆所行驶环境的分类或分级。

其中，自动驾驶行车控制系统包含的第一接收单元2031，示例性地，第一接收单元2032为传感器接口，用于接收传感器系统104采集的环境信息。传感器系统104，可以通过各种传感器采集车辆100道路环境的信号，传感器系统将采集的该道路环境信息发送给该自动驾驶行车控制系统的第一接收单元2031。

识别单元2032，示例性的可以为计算机视觉系统140，计算机视觉系统140可以处理相机130采集的图像，识别的道路的情况(例如，弯道，施工，拥堵等等)和周围环境的状态(例如，天气、雨、道路上的冰、等等)。识别单元2032将识别出的信息传输给第二确定单元203来确定该危险等级。

可选的，第二确定单元203还可以通过第二接收单元2033来接收通信设备发送的通知消息。示例性的所述第二接收单元2033可以为通信元件或者RF射频接收机，所述通知消息中包括所述当前环境危险等级的指示信息。所述在多个环境危险等级中确定当前环境危险等级包括：根据所述指示信息,在所述多个环境危险等级中确定所述当前环境危险等级。例如，第二确定单元203可以接收服务器、其他车辆或者高精度地图APP厂商发送的通知消息，通知消息中包含了当前危险等级的指示信息，例如该指示信息可以是环境危险等级分级信息。

参数选择单元204，用于根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值，所述当前组行车参数值对应于所述当前行车偏好模式和所述当前环境危险等级。

首先，参数选择单元204根据驾驶员选择的或系统默认的自动驾驶功能选项，确定自动驾驶功能对应的至少一个表征参数的种类。可以选取一种表征参数来表征某种自动驾驶功能，如下表1所示，例如，可以选取自适应巡航ACC功能的表征参数为车头时距THW，自动紧急制动AEB功能和前向碰撞告警FCW的表征参数为碰撞时间TTC，车道偏离告警LDW功能的表征参数为偏道时间TTLC。也可以选用多种参数表征某种自动驾驶功能，如在FCW和AEB功能中除了采用碰撞时间TTC外，还可以采用刹车时间TTB等参数。

表1

其次，参数选择单元204根据上述选取的表征参数种类确定该表征参数对应的预设的多组行车参数值，如表2为自适应巡航ACC功能对应的THW和PTC的参数值表：

如表2所示，参数选择单元204可以选取ACC功能对应2种表征参数，具体为THW和PTC，这两种表征参数对应表2中的9组行车参数值。其中，括号内的每组行车参数值具体包括了2个行车参数值，行车参数值的个数与表征参数种类的个数相对应，第一个数值表示THW，第二个数值表示PTC。其中，所述每组行车参数值与所述多个行车偏好模式中一个行车偏好模式和所述多个环境危险等级中的一个环境危险等级对应，例如，一组行车参数值(1.8,50％)表征了当偏好模式为安全，风险等级为低时，ACC功能表征参数THW和PTC设置的参数值。

表2

可选的，如表3所示，也可以选取ACC功能对应的1种表征参数，具体为THW，表征参数THW对应表3中9组行车参数值，其中，每组参数值包含1个行车参数值，该参数值表示THW在不同行车偏好模式和环境风险等级下的取值。

表3

然后，参数选择单元204根据上述第一确定单元202确定的偏好模式，以及第二确定单元203确定的道路环境危险等级，在预设的多组行车参数值中选择当前组行车参数值。例如，如表2或3所示参数选择单元204根据偏好模式是安全、正常或快速以及风险等级是高、中还是低，选择表2或3中具体的参数值作为当前的自动驾驶行车参数值。

其中，该多组行车参数值，可以预设的形式存储在存储器中，存储器可以设置在感知设备、控制设备、ECU、MCU、MDC等中，预设值可以是根据现有参数的经验值、测试结果或者根据公式提前计算得出的。

控制单元205，根据参数选择单元204选择的当前行车参数控制转向系统132、油门134、制动单元136进行相应的调整。

需理解，以上实施例中各个单元可以以硬件、软件或二者结合来实现。如图1所示，软件可以存储在存储器114中并被处理器113执行，硬件可以包括但不限于各种类型的处理电路或处理器。例如，上述的功能选择单元201、第一确定单元202可以为触摸屏或按钮，对应为图2中的输入设备117。上述的第二确定单元203、参数选择单元204、控制单元205可以是软件实现，存储在图2的应用程序143中。

图4为本申请实施例提供的一种云侧指令自动驾驶汽车的应用示意图。

车内计算机系统112还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者，从车辆100的传感器系统104收集的传感器数据可以被转移到另一个计算机对此数据进行处理。如图4所示，来自计算机系统112的数据可以经由网络被传送到云侧的计算机720用于进一步的处理。网络以及中间节点可以包括各种配置和协议，包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有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传送数据到其它计算机和从其它计算机传送数据的任何设备，诸如调制解调器和无线接口。

在一个示例中，计算机720可以包括具有多个计算机的服务器，例如负载均衡服务器群，为了从计算机系统112接收、处理并传送数据的目的，其与网络的不同节点交换信息。该服务器可以被类似于计算机系统110配置，具有处理器730、存储器740、指令750、和数据760。

数据760可以包括多组行车参数值，服务器720可以接受、监视、存储、更新、以及传送与道路环境相关的各种信息，并且计算出相关的危险等级数据，根据该危险等级和司机的行驶偏好，将对应的行车参数发送给车辆。车辆根据新的行车参数进行行驶。

车辆100中的传感器系统104采集的道路环境信息发送给云端服务器，对道路环境的危险程度进行刷新。

本申请实施例提供的自动驾驶行车控制方法可以应用于辅助驾驶，以及自动驾驶，满足了驾驶员的个性化需求，以及适应外部环境的情况，无需计算，低复杂度的处理方式，不仅节约了计算资源，而且还保证了行车的安全性。

图5为本申请实施例提供的一种自动驾驶行车控制方法的流程示意图，该方法可以应用于上述图3或4的自动驾驶行为控制系统中，该方法包括以下几个步骤。

S501：确定用于表征自动驾驶功能的至少一个行车参数种类。

首先，驾驶员进行自动驾驶的具体功能，自动驾驶行为控制系统根据接收到的指令确定自动驾驶功能的类型。

具体的，驾驶员在开启车辆前或者在行驶过程中，可以选择开启自动驾驶功能。自动驾驶功能包括：自适应巡航ACC、自动紧急制动AEB、前向碰撞告警FCW、车道偏离告警LDW等。

驾驶员可以通过输入设备同时开启上述多种自动驾驶功能，也可以选择开启上述自动驾驶功能中的一种或多种。

输入设备可以为按钮、按键，也可以为触摸屏，驾驶员可以通过点击触摸屏进行选择。

其次，由于该控制系统对于不同的自动驾驶功能，自动驾驶调整的是不同种类的参数。对于某种自动驾驶功能来说，该控制系统可以调整一种或多种参数的参数值来调整该种自动驾驶功能。因此，该控制系统根据自动驾驶的具体功能确定表征其行车参数的种类。

具体的，

上文表1描述了自动驾驶功能与行车参数种类的之间的对应关系。由于上文已经进行了具体的介绍，可以参考上文的描述。此处不再赘述。

另外，上述参数种类的选择仅仅为举例，也可以根据具体的测试结果使用其他的适合的参数，也可以重新定义新的参数。对于某种具体的自动驾驶功能类型，上述仅以一种参数为例进行举例说明。

S502：确定与所述至少一个行车参数种类对应的所述预设的多组行车参数值。

其中，该控制系统根据表征参数种类确定该表征参数对应的预设的多组行车参数值，具体的确定过程如表2或3以及相应的文字部分所示。此处不再赘述。

S503：在多个行车偏好模式中确定当前行车偏好模式。

其中，行车偏好模式综合反映了驾驶员的时间速度偏好、驾驶能力、身体状况以及驾驶员当前行程的目的等。比如有些驾驶员喜欢高速行驶，有些驾驶员驾驶能力强，心里素质稳定反映迅速，更倾向于短时间高速度的选择，驾驶员健康不佳时倾向于慢速的选择，有些驾驶员如果正在通勤就会倾向高速行驶，如果是去郊游就不会倾向高速。

多个偏好模式的个数可以根据实际需要设置为两种，三种或多种偏好模式。

对于自适应巡航系统ACC来说，设置车头时距THW不同的数值作为不同的偏好模式，例如，可以设置长、中、短三档时距作为三种偏好模式。

对于自动紧急制动AEB，可以设置碰撞时间TTC为不同的数值作为不同的偏好模式。例如，正常时长和短时长，具体的可以设置一种适合大部分驾驶员的碰撞时间比如1s作为一种偏好模式，再设置一种适合驾驶水平较高的驾驶员的碰撞时间更短比如0.9s作为另一种偏好模式。

对于车道偏离告警LDW，可以设置偏道时间(Time to lane crossing,TTLC)为不同的数值作为不同的偏好模式。例如，正常时长和短时长，具体的可以设置一种适合大部分驾驶员的偏道时间比如0.7s作为一种偏好模式，再设置一种适合驾驶水平较好的驾驶员的偏道时间比如0.6s作为另一种偏好模式。

对于不同的自动驾驶功能类型，可以每项功能独立选择偏好模式，也可以统一选择偏好模式。进一步地，对于统一的偏好模式也可以整合到现有的驾驶模式例如舒适、正常、运动等，例如长时长对应舒适驾驶模式、正常时长对应正常驾驶模式、短时长对应运动驾驶模式。

在多个偏好模式中确定当前偏好模式，可以由驾驶员进行选择，也可以无需驾驶员选择由系统直接进行确定。

驾驶员在进行上述的自动驾驶功能类型选择后，可以继续选择偏好模式。例如通过按钮、按键，声控、或者触摸屏的形式进行选择。

当驾驶员在进行上述的自动驾驶功能类型选择后，没有进行偏好模式选择，系统将自动为车辆确定偏好模式。自动驾驶行车控制系统可以选用更有利于安全行驶的偏好模式作为默认选项，也可以使用同一驾驶员上次选择的偏好模式作为默认选项，也可以通过疲劳监测系统监测驾驶员的身体情况进行判断，同时设置有身份识别系统对驾驶员的身份进行确定，例如指纹识别系统、人脸识别系统、虹膜识别系统、声纹识别系统等。

S504、在多个环境危险等级中确定当前环境危险等级。

其中，环境危险等级用来描述当前道路环境的危险程度，可以用来指示车辆采取保守安全或运动激进的驾驶行为方法；危险等级定义的来源可以是当前的道路环境特征，如弯道、施工区域等，或者是当前天气环境，如雨雪天气等，或者是当前所在的道路环境有一定的驾驶安全风险(如积累了较多的接管或安全事故)，通过这些来确定当前道路环境的危险程度。

可选的，该危险等级可以通过车辆自身的传感器进行检测得到环境情况，该控制系统接收传感器采集的环境信息，并且对该环境信息进行识别，从而确定道路环境危险等级。该传感器例如可为相机、毫米波雷达等。

或者该控制系统接收通信设备发送的通知消息，可以是通过高精地图来发送下来，也可以是通过V2X等技术来进行传输，具体的可以来自服务器，也可以来自其他车辆，也可以来自路侧的计算机系统等

该通知消息中包括当前环境危险等级的指示信息，该控制系统根据所示指示信息确定当前环境危险等级，从而实现车辆超视距的能力检测。

该危险等级的个数可以设置为高等级、中等级、低等级三个等级，也可以根据需要设置两级或多个等级。

车辆在行驶过程中，自动驾驶行车控制系统根据环境情况实时的确定车辆行驶的环境危险等级。

其中，步骤S501、S502在步骤S505之前执行即可，并不限于一定在步骤S503、S504之前执行。

S505、根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值

其中，自动驾驶行车控制系统根据上述确定的偏好模式，基于实时的环境危险等级，选择与环境危险等级对应的行车参数作为当前行车参数。

具体的，针对某种自动驾驶行车功能类型，如表2或3所示，可以选取具体的一组参数作为当前参数值，由于在上文已经进行过具体描述，此处不再赘述。

上述行车参数可以是预设参数表，该预设参数表存储在存储器中，自动驾驶行车控制系统确定环境危险等级后，根据预设参数表直接得出与危险等级对应的行车参数，无需计算。

而预设的参数值，是程序员提前设置的，可以通过公式计算、实际路测或参考现有行车参数进行预设。

该公式可以基于驾驶员偏好、环境等级等影响因素进行数学建模，将不同种影响因素进行取值计算预设行车参数。

实际路测，是由测试车队在各种行车环境，选择不同的偏好模式下通过实际测试得到的预设行车参数的取值。

也可以根据现有各大车厂设置的行车参数，在一定阈值范围内进行调整，作为新的预设参数值。

S506、根据当前行车参数值，控制车辆进行自动驾驶。

进一步可选的，上述自动驾驶行车控制方法在车辆侧进行执行，在根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值之后，还可以包含：根据当前行车参数值，控制车辆进行自动驾驶。

所述控制表示直接控制，并不经过网络进行传输，所述行车控制系统位于车辆端。

自动驾驶行车控制系统确定当前行车参数之后，将使用新的参数值进行自动驾驶功能行驶。

S507、将所述的当前组行车参数值发送给车辆，所述当前组行车参数值用于控制所述车辆行驶。

进一步可选的，上述自动驾驶行车控制方法在网络侧进行执行，在根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值之后，还可以包含：

将所述的当前组行车参数值发送给车辆，所述当前组行车参数值用于控制所述车辆行驶。

车辆接收到网络侧发送的该当前组行车参数值后，使用新的参数值进行自动驾驶功能行驶。

本实施例提供的自动驾驶行车控制方法可以应用于辅助驾驶、部分地自动驾驶，由于该控制方法中采用了预设参数的方案，使得自动驾驶行车控制系统无需计算，根据驾驶员的偏好以及风险等级直接取值即可，降低了系统的复杂度，同时满足了驾驶员的个性化需求以及环境的客观要求。

图6为一种车辆通过弯道的场景示意图。自动驾驶控制系统根据道路环境的弯道情况来确定道路环境危险程度，比如可以根据弯道的曲率半径进行环境危险等级的划分，进而据此确定车辆的行车参数THW、TTC和TTLC，从而确定车辆的自动驾驶行为。其中，每种自动驾驶功能对应的表征参数都为一种。

一种示意表格如下，表4：

环境危险等级	低	中	高
				道路曲率半径(m)	r≥1000	1000>r≥125	r<125
ACC(THW)	1.8/1.6/1.5	2.0/1.8/1.6	2.2/1.9/1.7
				AEB/FCW(TTC)	0.8/0.9	0.9/1.0	1.0/1.1
LDW(TTLC)	0.5/0.6	0.6/0.7	0.7/0.8

根据道路环境的弯道情况来确定道路环境危险程度，如曲率半径大于1000米的则认为危险程度低，在125米到1000米之间则认为危险程度中等，如果小于125米时则认为危险程度高。

对于ACC：当危险程度低的时候，ACC可以保持比较近的距离，当行车偏好模式为安全时，THW可以设置为1.8s，当行车偏好模式为正常时，THW可以设置为1.6，当行车偏好模式为快速时，THW可以设置为1.5s。

而如果危险程度高的时候，则需要保持较远的距离，当行车偏好模式为安全时，THW可以设置为2.2s，当行车偏好模式为正常时，THW可以设置为1.9s，当行车偏好模式为快速时，THW可以设置为1.7s。

对于AEB和FCW：当危险程度低的时候，AEB/FCW可以较晚进行触发，从而防止误触发，当行车偏好模式为安全时，可以设置TTC为0.8s，当行车偏好模式为正常时，可以设置TTC为0.9；

当危险程度高的时候，AEB/FCW需要预留较长的时间，当行车偏好模式为安全时，则可以设置TTC为1.0s，当行车偏好模式为正常时，则可以设置TTC为1.1s。

对于LDW：当危险程度低的时候，LDW可以有更大的控制自由度，当行车偏好模式为安全时，TTLC可以更小，如0.5s，当行车偏好模式为正常时，TTLC为0.6；

而危险程度高的时候，则只有较小的自由度，当行车偏好模式为安全时，TTLC需要设置较大的值，如0.7s，当行车偏好模式为正常时，TTLC为0.8s。

图7为车辆遇到道路施工的场景示意图。自动驾驶行车控制系统可以根据道路环境的施工区域情况来确定道路环境危险程度，如根据施工路障的数量或者施工区域的类型来确定环境危险等级，然后根据此确定车辆的行车参数THW、TTC和TTLC，从而确定车辆的驾驶行为。其中，每种自动驾驶功能对应的表征参数都为一种。

一种示意表格如下，表5：

根据道路环境的施工区域情况来确定道路环境危险程度，如无施工区域则认为危险程度低，有1到2个路障则认为危险程度中等，如果存在施工区域认为危险程度高。

对于ACC：当危险程度低的时候，ACC可以保持比较近的距离，当行车偏好模式为安全时，如THW可以设置为1.8s，当行车偏好模式为正常时，THW可以设置为1.6s，当行车偏好模式为快速时，THW可以设置为1.5s。

而如果危险程度高的时候，则需要保持较远的距离，当行车偏好模式为安全时，如THW可以设置为2.2s，当行车偏好模式为正常时，THW可以设置为1.9s，当行车偏好模式为快速时，设置THW为1.7s。

对于AEB、FCW：当危险程度低的时候，AEB/FCW可以较晚进行触发，从而防止误触发，当行车偏好模式为安全时，可以设置TTC为0.8s，当行车偏好模式为正常时，可以设置TTC为0.9s。

当危险程度高的时候，AEB/FCW需要预留较长的时间，当行车偏好模式为安全时，则可以设置TTC为1.0s，当行车偏好模式为正常时，可以设置TTC为1.1s。

对于LDW：当危险程度低的时候，LDW可以有更大的控制自由度，当行车偏好模式为安全时，TTLC可以更小，如0.5s，当行车偏好模式为正常时，TTLC为0.6s；

而危险程度高的时候，则只有较小的自由度，当行车偏好模式为安全时，TTLC需要设置较大的值，如0.7s，当行车偏好模式为正常时，TTLC可以设置为0.8s

图8为一种车辆在不同天气情况下行驶的场景示意图，根据天气情况来确定道路环境危险程度，比如是否阴天或者下雨，然后据此来确定车辆的行车参数THW、TTC和TTLC。其中，每种自动驾驶功能对应的表征参数都为一种。

一种示意性表格如下，表6：

根据天气情况来确定道路环境危险程度，由于对于进行采集图像的相机而言，阴天采集的图像效果好，太阳天光照过强影响相机采集图像的分辨率。因此可以认为阴天则认为危险程度低，太阳天则认为危险程度中等，如果是雨雪天气则认为危险程度高

对于ACC：当危险程度低的时候，ACC可以保持比较近的距离，当行车偏好模式为安全时，如THW可以设置为1.8s，当行车偏好模式为正常时，THW可以设置为1.6s，当行车偏好模式为快速时，THW可以设置为1.5s。

而如果危险程度高的时候，则需要保持较远的距离，当行车偏好模式为安全时，如THW可以设置为2.2s，当行车偏好模式为正常时，THW可以设置为1.9s，当行车偏好模式为快速时，THW可以设置为1.7s。

对于AEB、FCW：当危险程度低的时候，AEB/FCW可以较晚进行触发，从而防止误触发，当行车偏好模式为安全时，可以设置TTC为0.8s，当行车偏好模式为正常时，可以设置TTC为0.9s；

当危险程度高的时候，AEB/FCW需要预留较长的时间，当行车偏好模式为安全时，则可以设置TTC为1.0s，当行车偏好模式为正常时，TTC可以设置为1.1s。

对于ACC：当危险程度低的时候，LDW可以有更大的控制自由度，当行车偏好模式为安全模式时，TTLC可以更小，如0.5s，当行车偏好模式为正常时，TTLC可以设置为0.6s；

而危险程度高的时候，则只有较小的自由度，当行车偏好模式为安全时，TTLC需要设置较大的值，如0.7s，当行车偏好模式为正常时，TTLC可以设置为0.8s。

同样的，可以根据不同的光照情况、不同的风力大小等更多不同的天气特征来设置道路环境危险程度。

以上影响环境危险等级的因素仅为举例说明，也可以选用其他影响因素，这里不再赘述。

本申请实施例还提供一种自动驾驶行车参数确定装置，该装置可以如图3所示，该确定装置可以包括：偏好模式确定单元202，用于在多个偏好模式中确定当前偏好模式；危险等级确定单元203，用于确定环境危险等级；行车参数选择单元204，用于在所述当前偏好模式下，选择与所述环境危险等级对应的当前行车参数值；其中，所述多个偏好模式中每个偏好模式分别预设有与所述环境危险等级对应的所述行车参数值。

进一步的，所述行车参数值通过至少如下一种方法：公式计算、实际路测或参考现有行车参数进行预设。

在一种可能的实现方式中，还包括类型选择单元201，具体用于：确定自动驾驶功能类型；基于所述自动驾驶功能类型，确定行车参数种类。

在另一种可能的实现方式中，所述危险等级确定单元203，具体用于：接收传感器采集的环境信息；基于所述的传感器采集的环境信息确定所述环境危险等级。

可选的，所述危险等级确定单元203，具体用于：接收所述环境危险等级，所述环境危险等级由云端高精度地图或者通过V2X发送。

进一步的，所述确定环境危险等级包括：基于弯道、天气、道路施工或道路事故情况，确定环境危险等级。

在另一种可能的实现方式中，自动驾驶控制单元205，具体用于：根据所述的当前行车参数值，控制车辆进行自动驾驶。

进一步的，所述自动驾驶功能至少包括如下任一项：自适应巡航(AdaptiveCruise Control,ACC)、自动紧急制动(automatic Emergency Braking,AEB)、前向碰撞告警(Forward Collision Warning，FCW)、车道偏离告警(Lane Department Warning,LDW)、拥塞情况下的自动驾驶(Traffic-jam Pilot、TJP)或高速场景下的自动驾驶(HighwayPilot，HWP)。

本实施例以上所述的自动驾驶行车参数确定装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，其中各个模块的功能可以参考方法实施例中相应的描述，此处不再赘述。

本申请实施例还提供一种芯片，包括处理器和接口，所述接口用于从外部存储器读取所述处理器可执行指令，所述处理器，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，其中各个模块的功能可以参考方法实施例中相应的描述，此处不再赘述。

本申请实施例还提供一种车辆，所述车辆可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，其中各个模块的功能可以参考方法实施例中相应的描述，此处不再赘述。

本申请实施例还提供一种服务器，所述服务器可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，其中各个模块的功能可以参考方法实施例中相应的描述，此处不再赘述。

在一些实施例中，所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图9示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图，所述示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中，示例计算机程序产品600是使用信号承载介质601来提供的。所述信号承载介质601可以包括一个或多个程序指令602，其当被一个或多个处理器运行时可以提供以上针对图3-图5描述的功能或者部分功能。因此，例如，参考图5中所示的实施例，步骤501-506的一个或多个特征可以由与信号承载介质601相关联的一个或多个指令来承担。此外，图9中的程序指令602也描述示例指令。

在一些示例中，信号承载介质601可以包含计算机可读介质603,诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等等。在一些实施方式中，信号承载介质601可以包含计算机可记录介质604,诸如但不限于，存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中，信号承载介质601可以包含通信介质605,诸如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此，例如，信号承载介质601可以由无线形式的通信介质605(例如，遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令602可以是，例如，计算机可执行指令或者逻辑实施指令。在一些示例中，诸如针对图3-图5描述的计算设备的计算设备可以被配置为，响应于通过计算机可读介质603、计算机可记录介质604、和/或通信介质605中的一个或多个传达到计算设备的程序指令602，提供各种操作、功能、或者动作。应该理解，这里描述的布置仅仅是用于示例的目的。因而，本领域技术人员将理解，其它布置和其它元素(例如，机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用，并且一些元素可以根据所期望的结果而一并省略。另外，所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。

需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。在本申请的实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储接种中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或者部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序的介质。

在上述实施例中，可以全部或者部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用戒指或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘solid State Disk(SSD)等。

所述程序指令可以以软件功能单元的形式实现并能够作为独立的产品销售或使用，所述存储器可以是任意形式的计算机可读取存储介质。基于这样的理解，本申请的技术方案全部或部分可以以软件产品的形式体现出来，包括若干指令用以使得亿台计算机设备，具体可以是处理器，来执行本申请各个实施例中目标检测装置的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存储存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序的介质。

本实施例以上所述的电子设备，可以用于执行上述各方法实施例的技术方案，其实现原理和技术效果类似，其中各个器件的功能可以参考实施例中相应的描述，此处不再赘述。

最后应说明的是：以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (18)

1.一种自动驾驶的行车控制方法，其特征在于，所述方法包括：

在多个行车偏好模式中确定当前行车偏好模式，所述多个行车偏好模式反映了驾驶员的不同驾驶偏好；

在多个环境危险等级中确定当前环境危险等级，所述多个环境危险等级反映了不同的行驶环境对于自动驾驶安全的影响程度；

根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值，所述当前组行车参数值对应于所述当前行车偏好模式和所述当前环境危险等级；

其中，所述多组行车参数值中的每组行车参数值包括至少一个行车参数值，且所述每组行车参数值与所述多个行车偏好模式中一个行车偏好模式和所述多个环境危险等级中的一个环境危险等级对应。

2.根据权利要求1所述的方法，其特征在于，在根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值之前，还包括：

确定用于表征自动驾驶功能的至少一个行车参数种类；

确定与所述至少一个行车参数种类对应的所述预设的多组行车参数值。

3.根据权利要求2所述的方法，其特征在于，所述自动驾驶功能包括如下至少一项：自适应巡航(Adaptive Cruise Control,ACC)、自动紧急制动(Automatic EmergencyBraking,AEB)、前向碰撞告警(Forward Collision Warning，FCW)、车道偏离告警(LaneDepartment Warning,LDW)、拥塞情况下的自动驾驶(Traffic-jam Pilot、TJP)或高速场景下的自动驾驶(Highway Pilot，HWP)。

4.根据权利要求1至3中任一项所述的方法，其特征在于，在多个环境危险等级中确定当前环境危险等级之前，还包括：

接收传感器采集的环境信息；

基于所述环境信息在所述多个环境危险等级中确定所述当前环境危险等级。

5.根据权利要求4所述的方法，其特征在于，所述环境信息包括如下至少一项：弯道、天气、道路施工或道路事故情况。

6.根据权利要求1至3中任一项所述的方法，其特征在于，在多个环境危险等级中确定当前环境危险等级之前，还包括：

接收通信设备发送的通知消息，所述通知消息中包括所述当前环境危险等级的指示信息；

所述在多个环境危险等级中确定当前环境危险等级包括：根据所述指示信息,在所述多个环境危险等级中确定所述当前环境危险等级。

7.根据权利要求1-6任一项所述的方法，其特征在于，在根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值之后，还包括：

根据所述的当前组行车参数值控制车辆行驶。

8.根据权利要求1-6任一项所述的方法，其特征在于，在根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值之后，还包括：

将所述的当前组行车参数值发送给车辆，所述当前组行车参数值用于控制所述车辆行驶。

9.一种自动驾驶行车控制装置，其特征在于，所述装置包括：

第一确定单元，用于在多个行车偏好模式中确定当前行车偏好模式，所述多个行车偏好模式反映了驾驶员的不同驾驶偏好；

第二确定单元，用于在多个环境危险等级中确定当前环境危险等级，所述多个环境危险等级反映了不同的行驶环境对于自动驾驶安全的影响程度；

参数选择单元，用于根据所述当前行车偏好模式和所述当前环境危险等级，在预设的多组行车参数值中选择当前组行车参数值，所述当前组行车参数值对应于所述当前行车偏好模式和所述当前环境危险等级；

其中，所述多组行车参数值中的每组行车参数值包括至少一个行车参数值，且所述每组行车参数值与所述多个行车偏好模式中一个行车偏好模式和所述多个环境危险等级中的一个环境危险等级对应。

10.根据权利要求9所述的装置，其特征在于，所述参数选择单元具体用于：

确定用于表征自动驾驶功能的至少一个行车参数种类；

确定与所述至少一个行车参数种类对应的所述预设的多组行车参数值。

11.根据权利要求10所述的装置，其特征在于，所述自动驾驶功能包括如下至少一项：自适应巡航(Adaptive Cruise Control,ACC)、自动紧急制动(automatic EmergencyBraking,AEB)、前向碰撞告警(Forward Collision Warning，FCW)、车道偏离告警(LaneDepartment Warning,LDW)、拥塞情况下的自动驾驶(Traffic-jam Pilot、TJP)或高速场景下的自动驾驶(Highway Pilot，HWP)。

12.根据权利要求9至11中任一项所述的装置，其特征在于，还包括：第一接收单元，用于接收传感器采集的环境信息；

所述第二确定单元，具体用于：基于所述环境信息在所述多个环境危险等级中确定所述当前环境危险等级。

13.根据权利要求12所述的装置，其特征在于，所述环境信息包括如下至少一项：弯道、天气、道路施工或道路事故情况。

14.根据权利要求9至11中任一项所述的装置，其特征在于，还包括：第二接收单元，用于接收通信设备发送的通知消息，所述通知消息中包括所述当前环境危险等级的指示信息；

所述第二确定单元，具体用于：根据所述指示信息,在所述多个环境危险等级中确定所述当前环境危险等级。

15.根据权利要求9至14任一项所述的装置，其特征在于，还包括：

第一控制单元，用于根据所述的当前组行车参数值控制车辆行驶。

16.根据权利要9至14任一项所述的装置，其特征在于，还包括：

第二控制单元，用于将所述的当前组行车参数值发送给车辆，所述当前组行车参数值用于控制所述车辆行驶。

17.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的行车参数确定方法。

18.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储器，用于存储计算机可执行指令；

所述处理器，用于执行所述计算机可执行指令以驱动所述电子设备实现上述权利要求1-8中任一所述的行车控制方法。

Images