CN107719376A - 人机混合增强智能驾驶系统及电动汽车 - Google Patents

人机混合增强智能驾驶系统及电动汽车 Download PDF

Info

Publication number
CN107719376A
CN107719376A CN201710841570.7A CN201710841570A CN107719376A CN 107719376 A CN107719376 A CN 107719376A CN 201710841570 A CN201710841570 A CN 201710841570A CN 107719376 A CN107719376 A CN 107719376A
Authority
CN
China
Prior art keywords
output result
man
controller
wheel
intelligence controller
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710841570.7A
Other languages
English (en)
Other versions
CN107719376B (zh
Inventor
赵雪轩
朱子霖
施炯明
郑钢铁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201710841570.7A priority Critical patent/CN107719376B/zh
Publication of CN107719376A publication Critical patent/CN107719376A/zh
Application granted granted Critical
Publication of CN107719376B publication Critical patent/CN107719376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08Interaction between the driver and the control system
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001Details of the control system
    • B60W2050/0043Signal treatments, identification of variables or parameters, parameter estimation or state estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了人机混合增强智能驾驶系统及电动汽车,其中,该系统包括:设置在车辆上的多个传感器、与多个传感器连接的信息处理器、与信息处理器连接的人机交互显示器、与人机交互显示器连接的人类智能控制器、分别与信息处理器、人类智能控制器连接的人工智能控制器、分别与信息处理器、人类智能控制器、人工智能控制器连接的人机混合增强智能控制器;该人机混合增强智能驾驶系统兼具无人驾驶系统与有人驾驶系统的优势,在应对一般路面情况时以计算机控制为主,减轻驾驶员的驾驶负担,而在应对复杂路面情况时以驾驶员决策为主,提高系统应对复杂路面问题的可靠度,并且人工智能控制器具备学习人类驾驶员决策的能力。

Description

人机混合增强智能驾驶系统及电动汽车
技术领域
本发明属于智能驾驶领域技术领域,尤其涉及一种人机混合增强智能驾驶系统及电动汽车。
背景技术
随着人工智能技术的发展,无人驾驶系统无疑是未来汽车行业的重点发展方向,其具有稳定性较高、不会疲劳的优势,可弥补有人驾驶系统的一些缺陷和不足,可有效减少交通事故的发生。
无人驾驶系统是一种利用计算机信息技术控制汽车的驾驶系统。国外从上世纪末就开始了无人驾驶技术的研究,许多汽车企业已经能搭建自己的无人驾驶系统。国内近几年也在重点发展无人驾驶的相关技术,以百度为代表的一些互联网公司甚至实现了无人驾驶汽车的上路测试。
无人驾驶系统与有人驾驶系统相比,其优势也即弊病在于不考虑人的因素,将人排除于驾驶系统之外。对于无人参与的驾驶系统,其优势是系统稳定性高、更安全、解放了驾驶员,其劣势是驾驶员缺少参与度、对系统缺少信赖、车辆运行时驾驶员舒适性较低、在面对复杂路面情况时表现较差。因此,开发一种人机混合增强智能驾驶系统成为亟待解决的技术问题。
发明内容
本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
为此,本发明的第一个目的在于提出一种人机混合增强智能驾驶系统,该人机混合增强智能驾驶系统兼具无人驾驶系统与有人驾驶系统的优势,在应对一般路面情况时以计算机控制为主,减轻驾驶员的驾驶负担,而在应对复杂路面情况时以驾驶员决策为主,提高系统应对复杂路面问题的可靠度,并且人工智能控制器具备学习人类驾驶员决策的能力。
本发明的第二个目的在于提出一种电动汽车。
为了实现上述目的,本发明第一方面实施例的一种人机混合增强智能驾驶系统,包括:
设置在车辆上的多个传感器、与多个所述传感器连接的信息处理器、与所述信息处理器连接的人机交互显示器、与所述人机交互显示器连接的人类智能控制器、分别与所述信息处理器、所述人类智能控制器连接的人工智能控制器、分别与所述信息处理器、所述人类智能控制器、所述人工智能控制器连接的人机混合增强智能控制器;
所述信息处理器用于根据多个所述传感器的实时采集信息进行分析生成第一输出结果,所述第一输出结果包括当前车辆运行状态信息和当前路况信息;
所述人机交互显示器用于显示所述信息处理器的第一输出结果,以及接收驾驶员的驾驶指令;
所述人类智能控制器用于根据所述驾驶指令和从所述人工智能控制器接收的第三输出结果进行决策,输出第二输出结果,所述第二输出结果包括第一推荐运行路径、第一车辆运行参数;
所述人工智能控制器用于根据所述第一输出结果和所述第二输出结果进行机器学习,输出所述第三输出结果,所述第三输出结果包括第二推荐运行路径、第二车辆运行参数;
所述人机混合增强智能控制器用于根据所述第一输出结果、所述第二输出结果和所述第三输出结果进行分析处理,输出车辆控制目标,所述车辆控制目标包括目标运行路径、目标车辆运行参数。
如上所述的系统,所述人机混合增强智能控制器包括解析模块、确定模块、生成模块;
所述解析模块用于根据所述第一输出结果判定当前路况信息对应的道路特征;
所述确定模块用于根据所述道路特征从所述第二输出结果、所述第三输出结果中确定主要输出结果和辅助输出结果;
所述生成模块用于根据预设策略对所述主要输出结果和所述辅助输出结果进行分析处理,输出所述车辆控制目标,所述车辆控制目标包括目标运行路径、目标车辆运行参数。
如上所述的系统,所述确定模块包括判断单元、第一确定单元、第二确定单元;
所述判断单元用于根据所述道路特征判断当前道路为结构化道路还是为非结构化道路;
所述第一确定单元用于在所述当前道路为非结构化道路时,确定所述第二输出结果为主要输出结果,所述第三输出结果为辅助输出结果;
所述第二确定单元用于在所述当前道路是结构化道路时,确定所述第二输出结果为辅助输出结果,所述第三输出结果为主要输出结果。
如上所述的系统,所述人机混合增强智能控制器还包括提取模块;
所述提取模块用于从所述车辆控制目标中提取对应各个车轮的车轮控制目标。
如上所述的系统,还包括多个车轮控制器,每个车轮控制器与所述人机混合增强智能控制器连接;
所述车轮控制器,用于根据所述车轮控制目标控制对应的车轮驱动。
如上所述的系统,所述多个传感器中包含至少一个采集所述车轮的实时运行状态信息的传感器;
所述人机交互显示器,还用于显示所述车轮的实时运行状态信息。
如上所述的系统,多个所述传感器包括摄像头、激光雷达传感器、毫米波雷达传感器、超声波传感器、红外传感器、加速度计、速度计、角度传感器中的部分或全部。
为了实现上述目的,本发明第二方面实施例的电动汽车,包括多个车轮和如第一方面任一所述的人机混合增强智能驾驶系统。
如上所述的电动汽车,可选地,所述车轮为独立驱动型车轮。
如上所述的电动汽车,可选地,所述车轮为独立全向转向车轮。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1是本发明一实施例的人机混合增强智能驾驶系统的结构示意图;
图2是本发明一实施例的人机混合增强智能驾驶系统中的人类智能控制器与人工智能控制器的协作交互的结构示意图;
图3是本发明又一实施例的人机混合增强智能驾驶系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的人机混合增强智能驾驶系统、电动汽车。
图1是本发明一实施例的人机混合增强智能驾驶系统的结构示意图。如图1所示,本实施例提供的人机混合增强智能驾驶系统,包括:设置在车辆上的多个传感器6、与多个传感器6连接的信息处理器5、与信息处理器5连接的人机交互显示器4、与人机交互显示器4连接的人类智能控制器1、分别与信息处理器5、人类智能控制器1连接的人工智能控制器3、分别与信息处理器5、人类智能控制器1、人工智能控制器3连接的人机混合增强智能控制器2。
其中,信息处理器5用于根据多个传感器6的采集信息进行分析生成第一输出结果,第一输出结果包括当前车辆运行状态信息和当前路况信息。
具体地,多个传感器6可以包括摄像头、激光雷达传感器、毫米波雷达传感器、超声波传感器、红外传感器、加速度计、速度计、角度传感器,通过在车辆上设置多个传感器6来采集车辆运行状态信息和路况信息,当然,多个传感器不限于举例说明。信息处理器5对来自传感器6的采集信息先进行信号预处理,比如信号放大、滤波去噪等预处理,接着利用预设的算法对预处理后的采集信息进行分析生成第一输出结果,第一输出结果包括当前车辆运行状态信息和当前路况信息。信息处理器5通过人机交互显示器4将输出的当前车辆运行状态信息和当前路况信息显示给驾驶者,驾驶者参考当前车辆运行状态信息和当前路况信息进行判断,发出合理的指令;信息处理器5还通过人机交互显示器4将输出的当前车辆运行状态信息和当前路况信息传输给人类智能控制器1以使人类智能控制器1输出合理的输出结果;信息处理器5还将输出的当前车辆运行状态信息和当前路况信息传输给人工智能控制器3以使人工智能控制器3输出合理的输出结果。
其中,人机交互显示器4用于显示信息处理器5的第一输出结果,以及接收驾驶员的驾驶指令。其中驾驶指令为驾驶者通过查看人机交互显示器4并结合驾驶员自身的大脑判断发出的驾驶指令。
举例来说,人机交互显示器4具有输入输出接口,通过输入输出接口接收信息处理器5发送的当前车辆运行状态信息、当前路况信息,还通过输入输出接口接收信息处理器5将当前车辆运行状态信息、当前路况信息等第一输出结果转发给人类智能控制器1。人机交互显示器4还具有显示界面,显示界面用来显示当前车辆运行状态信息、当前路况信息等信息;人机交互显示器4还具有功能键,比如加速键、减速键、转向键、超车键、倒车键等,驾驶者通过上述功能键输入加速、减速、转向、超车、倒车等驾驶指令。举例来说,人机交互显示器4可以是PDP显示器(Plasma Display Panel,等离子显示器)、LED显示屏(LED Displaypanel)、3D显示器。以3D显示器为例,驾驶者通过3D显示器可以观看到立体感很强的路面和周边环境,进而可以发出更合理的驾驶指令。
图2是本发明一实施例的人机混合增强智能驾驶系统中的人类智能控制器与人工智能控制器的协作交互的结构示意图。参见图2,本实施例中的人类智能控制器1和人工智能控制器3相互协作。具体地,人类智能控制器1工作时会参考人工智能控制器3的输出结果(比如人工智能控制器3所推荐的运行路径、车辆运行参数等);同样地,人工智能控制器3还可以通过机器学习的方式对人类智能控制器1的输出结果(比如人类智能控制器1所推荐的运行路径、车辆运行参数等)进行知识学习。
其中,人类智能控制器1用于根据驾驶指令和从人工智能控制器3接收的第三输出结果进行决策,输出第二输出结果,第二输出结果第一推荐运行路径、第一车辆运行参数。
具体地,驾驶员综合各种路面及环境信息和车辆信息,经过人类自身大脑智能处理这些信息并得出判断,将驾驶指令通过人机交互显示器4输入给人类智能控制器1,同时人类智能控制器1还接收人工智能控制器3的第三输出结果,这样,人类智能控制器1就能实现输出更加合理的第二输出结果,比如与驾驶指令对应的第一推荐运行路径、第一车辆运行参数。其中,第一车辆运行参数可以是目标运行速度、目标运行加速度、目标车轮转向角等。
由于人类驾驶员可参与控制,可以整体上提高驾驶员的驾驶舒适性,保证驾驶员在驾驶系统中具有一定的参与度,提高驾驶员对驾驶系统的信赖度,人类智能控制器1在驾驶者的参与下能够对非结构化信息进行直觉推理,并且能够进行自组织的学习,保证了车辆在应对复杂路况时的决策可靠性。
其中,人工智能控制器3用于根据第一输出结果和第二输出结果进行机器学习,输出第三输出结果,第三输出结果包括第二推荐运行路径、第二车辆运行参数。
举例来说,人工智能控制器3对来自信息处理器5的第一输出结果和来自人类智能控制器1的第二输出结果进行机器学习,通过智能决策算法得到人工智能推荐的第三输出结果。第三输出结果包括第二推荐运行路径、第二车辆运行参数。其中,第二车辆运行参数包括:目标运行速度、目标运行加速度、目标车轮转向角等。
本实施例利用多个传感器6获取丰富的当前车辆运行状态信息和当前路况信息以及利用人类智能控制器1的第二输出结果,人工智能控制器3具有处理结构化信息方面的能力,从而可以及时帮助驾驶员避免不正确操作或判断所导致的问题,例如停车产生的碰撞、狭窄路面产生的刮蹭、突然出现的运动物体的阻碍等,进而可以凭借直觉进行驾驶,提高了驾驶的体验。在计算机计算能力的支持下,人工智能控制器3能够对大量结构化信息进行处理,具有强大的计算和存储能力,且不会像驾驶员一样产生疲劳,保证了车辆在长时间面对一般路况时的决策可靠性和行驶安全性。
其中,人机混合增强智能控制器2用于根据第一输出结果、第二输出结果和第三输出结果进行分析处理,输出车辆控制目标,车辆控制目标包括目标运行路径、目标车辆运行参数。
需要指出的是,人机混合增强智能控制器2将驾驶员指令、经信号处理器5处理过的来自于多个传感器6所采集的信息、人工智能控制器3的输出结果、人类智能控制器1的输出结果等各种信息进行融合,输出车辆控制目标。
具体地,人机混合增强智能控制器2根据第一输出结果、第二输出结果和第三输出结果进行决策,输出车辆控制目标。其中,车辆控制目标包括:目标行驶路线、目标运行速度、目标运行加速度、目标车轮转向角等。在非结构化道路等复杂路况条件下,人机混合增强智能控制器2以人类智能控制器1的第二输出结果为主要输出结果,以人工智能控制器3的第三输出结果为辅助输出结果,提高系统应对复杂路面问题的可靠度。在结构化道路等复杂路况条件下,人机混合增强智能控制器2以人类智能控制器1的第二输出结果为主要输出结果,以人工智能控制器3的第三输出结果为辅助输出结果,减轻驾驶员的驾驶负担。
需要指出的是,当人类智能控制器1的输出结果显示驾驶者未参与驾驶(即驾驶者未发出驾驶指令),这时整个系统退化为智能无人驾驶系统;当人工智能控制器3的输出结果显示人工智能未参与驾驶,这时整个系统退化为有人驾驶系统,由驾驶员对车辆进行驾驶控制。
本实施例提供的人机混合增强智能驾驶系统,包括:设置在车辆上的多个传感器6、与多个传感器6连接的信息处理器5、与信息处理器5连接的人机交互显示器4、与人机交互显示器4连接的人类智能控制器1、分别与信息处理器5、人类智能控制器1连接的人工智能控制器3、分别与信息处理器5、人类智能控制器1、人工智能控制器3连接的人机混合增强智能控制器2。其中,人机混合增强智能控制器2将驾驶员指令、经信号处理器5处理过的来自于多个传感器6所采集的信息、人工智能控制器3的输出结果、人类智能控制器1的输出结果等各种信息进行融合,输出车辆控制目标。该人机混合增强智能驾驶系统兼具无人驾驶系统与有人驾驶系统的优势,在应对一般路面情况时以计算机控制为主,减轻驾驶员的驾驶负担,而在应对复杂路面情况时以驾驶员决策为主,提高系统应对复杂路面问题的可靠度,并且人工智能控制器3具备学习人类驾驶员决策的能力。
图3是本发明又一实施例的人机混合增强智能驾驶系统的结构示意图。本实施例主要是对人机混合增强智能控制器2等进行详细说明。
如图3所示,本实施例提供的人机混合增强智能驾驶系统,包括:设置在车辆上的多个传感器6、与多个传感器6连接的信息处理器5、与信息处理器5连接的人机交互显示器4、与人机交互显示器4连接的人类智能控制器1、分别与信息处理器5、人类智能控制器1连接的人工智能控制器3、分别与信息处理器5、人类智能控制器1、人工智能控制器3连接的人机混合增强智能控制器2。
需要说明的是,多个传感器6、信息处理器5、人机交互显示器4、人工智能控制器3、人类智能控制器1等参见上述实施例的介绍,此处不再做详细阐述说明。
其中,人机混合增强智能控制器2包括解析模块21、确定模块22、生成模块23;
其中,解析模块21用于根据第一输出结果判定当前路况信息对应的道路特征;
其中,确定模块22用于根据道路特征从第二输出结果、第三输出结果中确定主要输出结果和辅助输出结果。
具体地,在非结构化道路等复杂路况条件下,人机混合增强智能控制器2以人类智能控制器1的第二输出结果为主要输出结果,以人工智能控制器3的第三输出结果为辅助输出结果,提高系统应对复杂路面问题的可靠度。在结构化道路等复杂路况条件下,人机混合增强智能控制器2以人类智能控制器1的第二输出结果为辅助输出结果,以人工智能控制器3的第三输出结果为主要输出结果,减轻驾驶员的驾驶负担。
在一种可能的实现方式中,确定模块22包括判断单元221、第一确定单元222、第二确定单元223。
判断单元221用于根据道路特征判断当前道路为结构化道路还是为非结构化道路。
第一确定单元222用于在当前道路为非结构化道路时,确定第二输出结果为主要输出结果,第三输出结果为辅助输出结果。
第二确定单元223用于在当前道路为结构化道路时,确定第二输出结果为辅助输出结果,第三输出结果为主要输出结果。
其中,生成模块23用于根据预设策略对主要输出结果和辅助输出结果进行分析处理,输出车辆控制目标,车辆控制目标包括目标运行路径、目标车辆运行参数。
具体地,预设策略可以是对主要输出结果赋予较大权重,对辅助输出结果赋予较小权重,将赋予权重后的主要输出结果和辅助输出结果进行加权运算生成车辆控制目标,具体的预设策略不限。进一步举例来说,人机混合增强智能控制器2通过分析得知,当前的输出结果应当以人类智能控制器1为主导,以人工智能控制器3为辅助,这时,第二输出结果赋予较大权重,对第三输出结果赋予较小权重,这样人机混合增强智能控制器2输出的车辆控制目标主要是依赖人类智能控制器1的决策,以人工智能控制器3的决策为参考。
可选地,人机混合增强智能控制器2包括提取模块;提取模块用于从车辆控制目标中提取对应各个车轮的车轮控制目标。举例来说,当电动汽车采用的是四轮独立驱动独立转向系统时,人机混合增强智能控制器2需要将车辆控制目标进行分解,分解成四个车轮控制目标,每个车轮控制目标对应一个车轮8。车轮控制目标可以包括:目标运行速度、目标运行加速度、目标车轮转向角等。
可选地,人机混合增强智能驾驶系统,还包括多个车轮控制器7,每个车轮控制器7与人机混合增强智能控制器2连接;车轮控制器7,用于根据车轮控制目标控制对应的车轮8的驱动。
具体地,人机混合增强智能控制器2分解出的各个车轮控制目标发送给车轮控制器7,当电动汽车采用的是四轮独立驱动独立转向系统时,电动汽车至少配置了四个车轮控制器7,每个车轮控制器7用来控制相应的车轮8的驱动,综合所有车轮8的实际运行状态为系统的执行结果。同时,还利用多个传感器6实时检测车轮8的实时运行状态信息、实时路面环境新,还通过人机交互显示器4实时显示给驾驶者。
本发明实施例提供的人机混合增强智能驾驶系统,在非结构化道路等复杂路况条件下,人机混合增强智能控制器2以人类智能控制器1的第二输出结果为主要输出结果,以人工智能控制器3的第三输出结果为辅助输出结果,提高系统应对复杂路面问题的可靠度。在结构化道路等复杂路况条件下,人机混合增强智能控制器2以人类智能控制器1的第二输出结果为辅助输出结果,以人工智能控制器3的第三输出结果为主要输出结果,减轻驾驶员的驾驶负担。
本发明实施例还提供一种电动汽车,包括多个车轮8和如上述任一实施例的人机混合增强智能驾驶系统。
具体地,人机混合增强智能驾驶系统中的人机混合增强智能控制器2分解出的车轮控制目标信息转发给各个车轮控制器7,车轮控制器7根据车轮控制目标信息控制车轮8的驱动。
可选地,车轮8为独立驱动型车轮。优选地,车轮8为独立全向转向车轮。举例来说,电动汽车上安装了四个车轮8,四个车轮8之间没有机械传动结构,相互不受制约,每个车轮8上都单独配置了电动机,每个车轮控制器7连接一个电动机,电动机在在对应的车轮控制器7的控制下驱动车轮8运转。车轮8可以为独立全向转向车轮,即车轮8可以在地面上旋转360°,这样就可以实现电动汽车在各个方向上移动,横向移动、斜向移动、原地转向等,最大程度地保证车辆行驶和控制的灵活性,进一步降低驾驶员的驾驶难度,优化驾驶员的驾驶体验,实现更符合人类直觉的驾驶模式。当然,车轮8也可以独立转向±90度,或独立转向角度小于±90度,但并不限于此。
本发明实施例提供的电动汽车,在无人驾驶系统的基础上结合人机混合增强智能技术,最大程度的保证驾驶员的驾驶舒适性,优化驾驶员的驾驶体验,实现符合人类直觉的驾驶模式。进一步地,当电动汽车采用的是四轮独立驱动独立转向系统,实现电动汽车在各个方向上移动,横向移动、斜向移动、原地转向等,最大程度地保证车辆行驶和控制的灵活性,进一步降低驾驶员的驾驶难度,优化驾驶员的驾驶体验,实现更符合人类直觉的驾驶模式。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。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,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种人机混合增强智能驾驶系统,其特征在于,包括:设置在车辆上的多个传感器、与多个所述传感器连接的信息处理器、与所述信息处理器连接的人机交互显示器、与所述人机交互显示器连接的人类智能控制器、分别与所述信息处理器、所述人类智能控制器连接的人工智能控制器、分别与所述信息处理器、所述人类智能控制器、所述人工智能控制器连接的人机混合增强智能控制器;
所述信息处理器用于根据多个所述传感器的实时采集信息进行分析生成第一输出结果,所述第一输出结果包括当前车辆运行状态信息和当前路况信息;
所述人机交互显示器用于显示所述信息处理器的第一输出结果,以及接收驾驶员的驾驶指令;
所述人类智能控制器用于根据所述驾驶指令和从所述人工智能控制器接收的第三输出结果进行决策,输出第二输出结果,所述第二输出结果包括第一推荐运行路径、第一车辆运行参数;
所述人工智能控制器用于根据所述第一输出结果和所述第二输出结果进行机器学习,输出所述第三输出结果,所述第三输出结果包括第二推荐运行路径、第二车辆运行参数;
所述人机混合增强智能控制器用于根据所述第一输出结果、所述第二输出结果和所述第三输出结果进行分析处理,输出车辆控制目标,所述车辆控制目标包括目标运行路径、目标车辆运行参数。
2.如权利要求1所述的系统,其特征在于,所述人机混合增强智能控制器包括解析模块、确定模块、生成模块;
所述解析模块用于根据所述第一输出结果判定所述当前路况信息对应的道路特征;
所述确定模块用于根据所述道路特征从所述第二输出结果、所述第三输出结果中确定主要输出结果和辅助输出结果;
所述生成模块用于根据预设策略对所述主要输出结果和所述辅助输出结果进行分析处理,输出所述车辆控制目标,所述车辆控制目标包括目标运行路径、目标车辆运行参数。
3.如权利要求2所述的系统,其特征在于,所述确定模块包括判断单元、第一确定单元、第二确定单元;
所述判断单元用于根据所述道路特征判断当前道路为结构化道路还是为非结构化道路;
所述第一确定单元用于在所述当前道路为非结构化道路时,确定所述第二输出结果为主要输出结果,所述第三输出结果为辅助输出结果;
所述第二确定单元用于在所述当前道路为结构化道路时,确定所述第二输出结果为辅助输出结果,所述第三输出结果为主要输出结果。
4.如权利要求2所述的系统,其特征在于,所述人机混合增强智能控制器还包括提取模块;
所述提取模块用于从所述车辆控制目标中提取对应各个车轮的车轮控制目标。
5.如权利要求4所述的系统,其特征在于,还包括多个车轮控制器,每个车轮控制器与所述人机混合增强智能控制器连接;
所述车轮控制器,用于根据所述车轮控制目标控制对应的车轮驱动。
6.如权利要求5所述的系统,其特征在于,所述多个传感器中包含至少一个采集所述车轮的实时运行状态信息的传感器;
所述人机交互显示器,还用于显示所述车轮的实时运行状态信息。
7.如权利要求1所述的系统,其特征在于,多个所述传感器包括摄像头、激光雷达传感器、毫米波雷达传感器、超声波传感器、红外传感器、加速度计、速度计、角度传感器中的部分或全部。
8.一种电动汽车,其特征在于,包括多个车轮和如权利要求1至7任一项所述的系统。
9.如权利要求8所述的电动汽车,其特征在于,所述车轮为独立驱动型车轮。
10.如权利要求8所述的电动汽车,其特征在于,所述车轮为独立全向转向车轮。
CN201710841570.7A 2017-09-18 2017-09-18 人机混合增强智能驾驶系统及电动汽车 Active CN107719376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710841570.7A CN107719376B (zh) 2017-09-18 2017-09-18 人机混合增强智能驾驶系统及电动汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710841570.7A CN107719376B (zh) 2017-09-18 2017-09-18 人机混合增强智能驾驶系统及电动汽车

Publications (2)

Publication Number Publication Date
CN107719376A true CN107719376A (zh) 2018-02-23
CN107719376B CN107719376B (zh) 2019-10-29

Family

ID=61207600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710841570.7A Active CN107719376B (zh) 2017-09-18 2017-09-18 人机混合增强智能驾驶系统及电动汽车

Country Status (1)

Country Link
CN (1) CN107719376B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537764A (zh) * 2018-03-06 2018-09-14 深圳明创自控技术有限公司 一种人机混合智能驾驶系统
CN109131356A (zh) * 2018-09-07 2019-01-04 邱实 人机混合增强智能驾驶系统及电动汽车
CN109324537A (zh) * 2018-08-13 2019-02-12 北京长城华冠汽车科技股份有限公司 一种人机共同操控车辆的控制系统和控制方法
CN113380033A (zh) * 2021-06-09 2021-09-10 山东交通学院 基于人机混合增强智能的城市交通安全预警方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160023664A1 (en) * 2014-06-09 2016-01-28 Atieva, Inc. Event Sensitive Learning Interface
CN106371104A (zh) * 2016-08-16 2017-02-01 长春理工大学 多线点云数据机器学习的车辆目标识别方法及防撞装置
CN106781824A (zh) * 2016-02-03 2017-05-31 北京易驾佳信息科技有限公司 一种基于车辆安全控制的智能驾驶训练系统及方法
CN105620393B (zh) * 2015-12-25 2017-08-04 福建省汽车工业集团云度新能源汽车股份有限公司 一种自适应的车辆人机交互方法及其系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160023664A1 (en) * 2014-06-09 2016-01-28 Atieva, Inc. Event Sensitive Learning Interface
CN105620393B (zh) * 2015-12-25 2017-08-04 福建省汽车工业集团云度新能源汽车股份有限公司 一种自适应的车辆人机交互方法及其系统
CN106781824A (zh) * 2016-02-03 2017-05-31 北京易驾佳信息科技有限公司 一种基于车辆安全控制的智能驾驶训练系统及方法
CN106371104A (zh) * 2016-08-16 2017-02-01 长春理工大学 多线点云数据机器学习的车辆目标识别方法及防撞装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537764A (zh) * 2018-03-06 2018-09-14 深圳明创自控技术有限公司 一种人机混合智能驾驶系统
CN109324537A (zh) * 2018-08-13 2019-02-12 北京长城华冠汽车科技股份有限公司 一种人机共同操控车辆的控制系统和控制方法
CN109131356A (zh) * 2018-09-07 2019-01-04 邱实 人机混合增强智能驾驶系统及电动汽车
CN113380033A (zh) * 2021-06-09 2021-09-10 山东交通学院 基于人机混合增强智能的城市交通安全预警方法及系统
CN113380033B (zh) * 2021-06-09 2022-08-16 山东交通学院 基于人机混合增强智能的城市交通安全预警方法及系统

Also Published As

Publication number Publication date
CN107719376B (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
Bai et al. Hybrid reinforcement learning-based eco-driving strategy for connected and automated vehicles at signalized intersections
CN107719376A (zh) 人机混合增强智能驾驶系统及电动汽车
CN110992695B (zh) 基于冲突消解的车辆城市交叉口通行决策多目标优化方法
CN110160804A (zh) 一种自动驾驶车辆的测试方法、装置及系统
CN106990714A (zh) 基于深度学习的适配控制方法与装置
CN107226087A (zh) 一种结构化道路自动驾驶运输车及控制方法
CN106740864A (zh) 一种驾驶行为意图判断与预测方法
CN107331179A (zh) 一种基于大数据云平台的经济性驾驶辅助系统及实现方法
Peng et al. An integrated model for autonomous speed and lane change decision-making based on deep reinforcement learning
Rath et al. Personalised lane keeping assist strategy: Adaptation to driving style
CN109532719A (zh) 一种基于多传感器信息融合的电动汽车
CN106470885A (zh) 车辆控制系统以及具备该车辆控制系统的行为计划系统
Chiang et al. Embedded driver-assistance system using multiple sensors for safe overtaking maneuver
CN116134292A (zh) 用于性能测试和/或训练自动驾驶车辆规划器的工具
Peng et al. Intelligent method for identifying driving risk based on V2V multisource big data
Wang et al. Decision-making at unsignalized intersection for autonomous vehicles: Left-turn maneuver with deep reinforcement learning
CN109191788A (zh) 驾驶员疲劳驾驶判断方法、存储介质及电子设备
CN115257819A (zh) 城市低速环境下的大型营运车辆安全驾驶决策方法
Li et al. A unified, scalable and replicable approach to development, implementation and HIL evaluation of autonomous shuttles for use in a smart city
Liang et al. Shared steering control with predictive risk field enabled by digital twin
Wang et al. An intelligent self-driving truck system for highway transportation
Wang et al. A deep reinforcement learning-based approach for autonomous lane-changing velocity control in mixed flow of vehicle group level
Ullah et al. Integrated collision avoidance and tracking system for mobile robot
CN115700626A (zh) 用于车辆的奖励函数
Zou et al. Algorithm Optimization of Computer Simulation Vehicle Driving Simulation System Based on Virtual Reality Technology

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant