CN103247186A - 一种基于场景的辅助驾驶系统实现方法 - Google Patents

Abstract

本发明公开了一种基于场景的辅助驾驶系统实现方法，包括下述步骤：S1、通过车辆ECU数据采集装置采集车辆工况数据和车辆性能参数数据，并把采集到的数据通过无线网络传输到移动辅助驾驶终端；S2、在车辆行驶过程中移动辅助驾驶终端采集车辆的地理坐标数据，并把这些地理坐标数据与步骤S1中采集到的数据，通过无线网络同步到云端智能平台；S3、云端智能平台通过大数据分析算法，从海量的数据中分析出辅助驾驶所需要的信息。本发明科学有效，使用海量历史驾驶行程数据作为行程选路参考依据，有效的满足司机对选路的要求。同时，本发明准确性高：准确地识别不同的驾驶场景，准确的推断车辆行驶的下一个场景，正确的引导司机做出恰当的驾驶动作。

Description

一种基于场景的辅助驾驶系统实现方法

技术领域

本发明涉及辅助驾驶的技术领域，特别涉及一种基于场景的辅助驾驶系统实现方法。

背景技术

现有的辅助驾驶系统主要分为两种：一种用于路径导航；另一种是用于驾驶动作提示。用于路径导航的辅助驾驶系统，主要是根据地图的拓扑结构，给用户返回路程最短的行车线路，这种导航方式是一种静态的导航，路径选择时没有参考其他人的历史行程记录，也没有把实时交通状况作为路径选择的条件；用于驾驶动作提示的辅助驾驶系统，通过将车辆ECU数据采集装置与车辆故障诊断接口连接读取车辆工况信息，并将车辆工况信息传输到驾驶行为分析终端进行分析，驾驶行为分析终端能识别典型的不规范驾驶动作，并在司机出现不规范的驾驶行为时发出语音警告。

中国发明专利201010181513（申请公布号为CN101853021A）公开了一种基于ＣＡＮ总线的车辆远程数据采集系统，包括一个远端服务器和至少一个车载远程数据采集装置，车载远程数据采集装置包括处理器模块、ＣＡＮ总线通讯模块、电压比较模块和无线通信模块；电压比较模块的输入信号为车辆设备输出的开关量信号和脉冲量信号；车辆设备输出的模拟量信号由发动机ＥＣＵ处理后传输到ＣＡＮ总线上，由ＣＡＮ总线通讯模块接收，ＣＡＮ总线通讯模块还接收挂在ＣＡＮ总线上的设备信号，其输出端经ＳＰＩ总线和处理器模块连接，无线通信模块用于和服务器进行无线通信。该技术方案能采集若干汽车上各种车辆设备的信息，且通过无线通信将数据传输给服务器存储，根据采集的数据为车辆的维护和管理提供可靠的依据。但是，上述方案没有对驾驶场景进行识别，没有分析驾驶动作在特定场景下的恰当程度，不能做出基于场景的驾驶动作提示，具有较大的局限性。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种以可行线路上的历史驾驶行程为选路参考依据的辅助驾驶系统实现方法。

为了达到上述目的，本发明采用以下技术方案：

本发明基于场景的辅助驾驶系统实现方法，包括下述步骤：

S1、通过车辆ECU数据采集装置采集车辆工况数据和车辆性能参数数据，并把采集到的数据通过无线网络传输到移动辅助驾驶终端；

S2、在车辆行驶前，在移动辅助驾驶终端上输入选路目的地以及选路的最优目标，在车辆行驶过程中移动辅助驾驶终端采集车辆的地理坐标数据，并把这些地理坐标数据与步骤S1中采集到的数据，通过无线网络同步到云端智能平台，并接收云端智能平台的分析结果；

S3、云端智能平台，存储着海量的驾驶行程数据，通过大数据分析算法，从海量的数据中分析出辅助驾驶所需要的信息。

优选的，步骤S3中，云端智能平台的数据分析结果用于支持辅助驾驶系统的行车路径选择、驾驶动作纠正以及驾驶动作引导。

优选的，所述行车路径的选择具体包括下述步骤：

S21、根据步骤S2中同步到云端智能平台的数据，使用大数据分析算法，对云端智能平台中的海量历史驾驶行程数据和外部动态交通状况数据进行分析；

S22、从海量的历史驾驶行程数据中找出所有可行的线路，根据选路的最优目标，将各条可行线路进行对比，找出最优的可行线路作为本行程的行车线路。

优选的，驾驶动作纠正具体包括下述步骤：

S31、识别已选线路各历史驾驶行程所用车辆的性能；

S32、识别已选线路各历史驾驶行程的驾驶动作，使用大数据分析算法，从海量历史行程的车辆工况数据中，对车辆工况特征进行归类，通过解析各类车辆工况特征，实现对驾驶动作的识别；

S33、道路特征识别，通过对步骤S31和S32识别到的车辆性能及驾驶动作识别结果进行进一步的分析，实现对已选线路路网特征的识别；

S34、实时交通状况识别，根据步骤S2中采集的车辆实时位置数据，分析从外部接入的动态交通状况数据，得出车辆所在位置的实时的交通状况；

S35、实时驾驶场景识别，将步骤S33识别到的路网特征信息和步骤S34识别的交通状况信息进行融合，通过对融合结果的分析，识别车辆所在位置的实时驾驶场景；

S36、实时驾驶动作识别，根据步骤S1中采集的车辆工况数据，识别实时驾驶动作；

S37、本行程的车辆性能识别，根据步骤S1中采集的车辆性能参数数据，识别本行程所用车辆的性能；

S38、基于场景的驾驶动作评价，将本行程的车辆性能识别结果、驾驶动作识别结果与实时驾驶场景识别结果进行融合，参照不同场景下驾驶行为的评价标准，做出基于场景的驾驶行程评价。

优选的，步骤S31中，识别已选线路各历史驾驶行程所用车辆的性能的步骤为：

S311、根据车辆工况数据识别车型，根据平台上已有的知识库中的数据，对该型号的车辆性能进行评价；

S312、根据车辆工况数据，对比平台知识库中的故障识别码数据，判断车辆是否有故障；

S313、根据平台记录的同种车型的历史驾驶行程记录修正对该车型的性能评价。

优选的，所述驾驶动作指导阶段的具体步骤为：

S41、根据车辆所在位置的实时驾驶场景和已识别到的已选线路的道路特征，使用特定的算法，推断下一个驾驶场景；

S42、参照步骤S37识别的车辆性能信息，从步骤S31识别的驾驶动作集合中选择动作发生的场景与步骤S41推断出的场景相似的驾驶动作，参照最优的选路目标，对这些驾驶动作产生的结果进行对比分析，找出最优的驾驶动作作为的该场景和车辆性能条件下的示范性动作。

优选的，步骤S2中，接收云端智能平台的分析结果后，通过语音、文字以及图形方式辅助司机进行驾驶。

本发明相对于现有技术具有如下的优点及效果：

1、本发明科学有效：使用海量历史驾驶行程数据作为行程选路参考依据，科学的对各条可行线路进行分析，有效的满足司机对选路的要求。

2、本发明准确性高：准确地识别不同的驾驶场景，客观地评价司机在不同场景下驾驶动作的恰当程度；准确的推断车辆行驶的下一个场景，正确的引导司机做出恰当的驾驶动作。

3、本发明计算效率高：使用云计算计算，快速地计算出辅助驾驶需要的数据结果。

4、本发明硬件投入少：数据的存储和分析在公有云上实现，无需购买服务器硬件；每辆车需要配备的硬件只有一个车辆ECU数据采集装置和一个移动智能终端。

5、本发明通过应用本系统，科学的选择行车线路，有效的满足司机的选路要求；准确地识别不同的驾驶场景，客观地评价司机在不同场景下驾驶动作的恰当程度，及时纠正司机的不恰当驾驶动作，正确引导司机做出恰当的驾驶动作，帮助司机改善驾驶行为，养成良好的驾驶习惯，提高司机的驾驶安全性，减少司机的驾驶油耗。

附图说明

图1是本发明的基于场景的辅助系统结构图；

图2是本发明云端智能平台的工作原理图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，本实施例基于场景的辅助驾驶系统，由车辆ECU数据采集装置、移动辅助驾驶终端以及云端智能平台组成。车辆ECU数据采集装置与车辆故障诊断接口连接，读取车辆工况数据和车辆性能参数数据，并把读取到的数据通过蓝牙/Wi-Fi网络传输到移动辅助驾驶终端；移动辅助驾驶终端内置GPS模块、无线通信模块以及语言播放等模块，在车辆行驶过程采集车辆的地理坐标数据，并把这些数据与车辆ECU数据采集装置采集到的数据，通过无线（GPRS/2G/3G/Wi-Fi）网络同步到云端智能平台，并接收云端智能平台的分析结果，以语音、文字以及图形等方式辅助司机进行驾驶。云端智能平台，存储着海量的驾驶行程数据，能通过特定的大数据分析算法，从海量的数据中分析出辅助驾驶所需要的信息。

系统的具体实现原理如下：

（一）车辆ECU数据采集终端工作原理

车辆ECU数据采集装置与车辆故障诊断口连接，读取车辆工况数据和车辆性能参数数据。车辆ECU数据采集装置内置了蓝牙/Wi-Fi通信模块，能与移动辅助驾驶终端的无线通信模块进行通信，接收移动辅助驾驶终端的数据采集指令，并把采集到的数据发送到移动辅助驾驶终端。

（二）移动辅助驾驶终端的交互原理

移动辅助驾驶终端利用内置GPS模块采集车辆地理坐标数据，并与车辆ECU数据采集装置、云端智能平台通信，通过语音、地图以及文字等方式与司机交互，实现驾驶行程路径选择、驾驶动作纠正以及驾驶动作引导等辅助驾驶功能。

1、行车路径选择

行程开始前，司机在移动辅助驾驶终端上输入选路目的地以及选路的最优目标（最短行程时间/最少油耗等）；移动辅助驾驶终端利用GPS模块获取车辆当前的位置，将车辆当前的位置信息与司机输入的选路信息，通过无线（GPRS/2G/3G/Wi-Fi）网络上传到云端智能平台；最后接收云端智能平台返回的行车路径选择结果，并以电子地图的方式进行显示。

2、驾驶动作纠正

移动辅助驾驶终端在行车过程中，通过车辆ECU数据采集装置获取车辆的性能参数数据、实时工况数据以及实时位置数据，利用无线网络同步到云端智能平台。云端智能平台通过分析，判断司机的实时驾驶动作是否恰当，并把分析结果通过无线网络同步到移动辅助驾驶终端，移动辅助驾驶终端通过语音方式，及时地提示司机对出现的不恰当驾驶动作进行纠正。

3、驾驶动作引导

在行车过程中，云端智能平台不断的推断车辆行驶的下一个驾驶场景，根据该推断场景，找出该场景下的示范性动作。移动辅助驾驶终端与云端智能平台实时同步，根据平台提供的示范性动作，使用语音方式引导司机做出恰当的驾驶动作。

（三）云端智能平台的运行原理

云端智能平台接收移动智能终端发送过来的数据，将这些数据存储在平台中，通过大数据分析方法，利用对本次行程以及与本次行程线路相同的所有历史行程数据，快速准确的分析出辅助驾驶所需要的数据。

云端智能平台的数据分析结果用于支持辅助驾驶系统的行车路径选择、驾驶动作纠正以及驾驶动作引导等三项功能，平台的数据分析步骤，可以按照所支持的辅助驾驶功能划分为三个阶段，各个阶段包含若干个步骤，如图2所示，其具体步骤为：

阶段一：行车路径选择阶段

第1步选择行车线路

根据移动辅助驾驶终端上传的相关选路数据，使用特定的大数据分析算法，对平台中的海量历史驾驶行程数据进行分析，从海量的历史驾驶行程数据中找出所有可行的线路，根据选路的最优目标，将各条可行线路进行对比，找出最优的可行线路作为本行程的行车线路。

阶段二：驾驶动作纠正

第2步识别已选线路各历史驾驶行程所用车辆的性能

汽车性能的识别的步骤可分为以下三步：①据车辆ECU数据采集装置上传的车辆工况数据识别车型，根据平台上已有的知识库中的数据，对该型号的车辆性能进行评价。②根据车辆工况数据，对比平台知识库中的故障识别码数据，判断车辆是否有故障。③根据平台记录的同种车型的历史驾驶行程记录修正对该车型的性能评价。

第3步识别已选线路各历史驾驶行程的驾驶动作

使用特定的大数据分析算法，从海量历史行程的车辆工况数据中，对车辆工况特征进行归类，通过解析各类车辆工况特征，实现对驾驶动作的识别。

第4步道路特征识别

同一的性能的车辆在具有相同特征的路网上，驾驶动作有很大的相似性。通过对第2、3步识别到的车辆性能及驾驶动作识别结果进行进一步的分析，实现对已选线路路网特征的识别。

第5步实时交通状况识别

根据移动辅助驾驶终端上传的车辆实时位置数据，分析从外部接入的动态交通状况数据（如公共交通浮动车数据等），得出车辆所在位置的实时的交通状况。

第6步实时驾驶场景识别

将第4步识别到的路网特征信息和第5步识别的交通状况信息进行融合，通过特定的算法，对车辆所在位置的实时驾驶场景进行识别。

第7步实时驾驶动作识别

根据移动辅助驾驶终端上传的车辆工况数据，识别实时驾驶动作。（实时动作识别的识别原理与第3步所描述的识别原理相同）

第8步本行程的车辆性能识别

根据移动辅助驾驶终端上传的车辆性能参数数据，识别本行程所用车辆的性能。（车辆性能识别原理与第2步所描述的识别原理相同）

第9步基于场景的驾驶动作评价

将本行程的车辆性能识别结果、驾驶动作识别结果与实时驾驶场景识别结果进行融合，参照不同场景下驾驶行为的评价标准，做出基于场景的驾驶行程评价。

第三阶段：驾驶动作引导阶段

第10步推断下一个驾驶场景

根据车辆所在位置的实时驾驶场景和已识别到的已选线路的道路特征，使用特定的算法，推断下一个驾驶场景。

第11步选择特定场景下的示范性驾驶动作

参照第8步识别的车辆性能信息，从第3步识别的驾驶动作集合中选择动作发生的场景与第10步推断出的场景相似的驾驶动作，参照最优的选路目标，对这些驾驶动作产生的结果进行对比分析，找出最优的驾驶动作作为的该场景和车辆性能条件下的示范性动作。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于场景的辅助驾驶系统实现方法，其特征在于，包括下述步骤：

S1、通过车辆ECU数据采集装置采集车辆工况数据和车辆性能参数数据，并把采集到的数据通过无线网络传输到移动辅助驾驶终端；

S2、在车辆行驶前，在移动辅助驾驶终端上输入选路目的地以及选路的最优目标，在车辆行驶过程中移动辅助驾驶终端采集车辆的地理坐标数据，并把这些地理坐标数据与步骤S1中采集到的数据，通过无线网络同步到云端智能平台，并接收云端智能平台的分析结果；

S3、云端智能平台，存储着海量的驾驶行程数据，通过大数据分析算法，从海量的数据中分析出辅助驾驶所需要的信息。

2.根据权利要求1所述的基于场景的辅助驾驶系统实现方法，其特征在于，步骤S3中，云端智能平台的数据分析结果用于支持辅助驾驶系统的行车路径选择、驾驶动作纠正以及驾驶动作引导。

3.根据权利要求2所述的基于场景的辅助驾驶系统实现方法，其特征在于，所述行车路径的选择具体包括下述步骤：

S21、根据步骤S2中同步到云端智能平台的数据，使用大数据分析算法，对云端智能平台中的海量历史驾驶行程数据和外部动态交通状况数据进行分析；

S22、从海量的历史驾驶行程数据中找出所有可行的线路，根据选路的最优目标，将各条可行线路进行对比，找出最优的可行线路作为本行程的行车线路。

4.根据权利要求2所述的基于场景的辅助驾驶系统实现方法，其特征在于，驾驶动作纠正具体包括下述步骤：

S31、识别已选线路各历史驾驶行程所用车辆的性能；

S32、识别已选线路各历史驾驶行程的驾驶动作，使用大数据分析算法，从海量历史行程的车辆工况数据中，对车辆工况特征进行归类，通过解析各类车辆工况特征，实现对驾驶动作的识别；

S33、道路特征识别，通过对步骤S31和S32识别到的车辆性能及驾驶动作识别结果进行进一步的分析，实现对已选线路路网特征的识别；

S34、实时交通状况识别，根据步骤S2中采集的车辆实时位置数据，分析从外部接入的动态交通状况数据，得出车辆所在位置的实时的交通状况；

S35、实时驾驶场景识别，将步骤S33识别到的路网特征信息和步骤S34识别的交通状况信息进行融合，通过对融合结果的分析，识别车辆所在位置的实时驾驶场景；

S36、实时驾驶动作识别，根据步骤S1中采集的车辆工况数据，识别实时驾驶动作；

S37、本行程的车辆性能识别，根据步骤S1中采集的车辆性能参数数据，识别本行程所用车辆的性能；

S38、基于场景的驾驶动作评价，将本行程的车辆性能识别结果、驾驶动作识别结果与实时驾驶场景识别结果进行融合，参照不同场景下驾驶行为的评价标准，做出基于场景的驾驶行程评价。

5.根据权利要求4所述的基于场景的辅助驾驶系统实现方法，其特征在于，步骤S31中，识别已选线路各历史驾驶行程所用车辆的性能的步骤为：

S311、根据车辆工况数据识别车型，根据平台上已有的知识库中的数据，对该型号的车辆性能进行评价；

S312、根据车辆工况数据，对比平台知识库中的故障识别码数据，判断车辆是否有故障；

S313、根据平台记录的同种车型的历史驾驶行程记录修正对该车型的性能评价。

6.根据权利要求4所述的基于场景的辅助驾驶系统实现方法，其特征在于，所述驾驶动作指导阶段的具体步骤为：

S41、根据车辆所在位置的实时驾驶场景和已识别到的已选线路的道路特征，使用特定的算法，推断下一个驾驶场景；

S42、参照步骤S37识别的车辆性能信息，从步骤S31识别的驾驶动作集合中选择动作发生的场景与步骤S41推断出的场景相似的驾驶动作，参照最优的选路目标，对这些驾驶动作产生的结果进行对比分析，找出最优的驾驶动作作为的该场景和车辆性能条件下的示范性动作。

7.根据权利要求1所述的基于场景的辅助驾驶系统实现方法，其特征在于，步骤S2中，接收云端智能平台的分析结果后，通过语音、文字以及图形方式辅助司机进行驾驶。

Images