CN109085837B - 车辆控制方法、装置、计算机设备及存储介质 - Google Patents

车辆控制方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN109085837B
CN109085837B CN201811005964.XA CN201811005964A CN109085837B CN 109085837 B CN109085837 B CN 109085837B CN 201811005964 A CN201811005964 A CN 201811005964A CN 109085837 B CN109085837 B CN 109085837B
Authority
CN
China
Prior art keywords
vehicle
road
driving
information
strategy
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.)
Active
Application number
CN201811005964.XA
Other languages
English (en)
Other versions
CN109085837A (zh
Inventor
邓晓帆
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Apollo Intelligent Technology Beijing Co Ltd
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 Apollo Intelligent Technology Beijing Co Ltd filed Critical Apollo Intelligent Technology Beijing Co Ltd
Priority to CN201811005964.XA priority Critical patent/CN109085837B/zh
Publication of CN109085837A publication Critical patent/CN109085837A/zh
Priority to JP2019116849A priority patent/JP7000638B2/ja
Priority to EP19191625.3A priority patent/EP3617827A3/en
Priority to US16/552,933 priority patent/US11614737B2/en
Application granted granted Critical
Publication of CN109085837B publication Critical patent/CN109085837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0061—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本申请提出一种车辆控制方法、装置、计算机设备及存储介质，其中，方法包括：根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息；基于预设的控制策略模型，对所述车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成所述车辆在预设时间段内的第一驾驶策略；根据所述预设时间段内的第一驾驶策略及所述车辆当前的第二驾驶策略，确定所述车辆内各执行机构的状态调整模式；若至少一个执行机构的状态调整模式未满足预设条件，则对所述第一驾驶策略进行调整。通过本方法，提高了自动驾驶过程的平稳性和适应性，解决了现有技术中自动驾驶过程平稳性、适应性差的技术问题。

Description

车辆控制方法、装置、计算机设备及存储介质
技术领域
本申请涉及无人驾驶技术领域，尤其涉及一种车辆控制方法、装置、计算机设备及存储介质。
背景技术
目前，智能驾驶车辆，多是基于当前的行驶场景，利用训练好的控制策略，实时生成驾驶策略，根据驾驶策略对车辆进行控制，以实现自动驾驶。
然而，由于道路环境多变，且车辆驾驶者的驾驶习惯不同，在训练数据有限的情况下，训练得到的控制策略也有限。采用目前的智能驾驶控制方式实现自动驾驶时，在出现新的行驶场景的情况下，容易导致自动驾驶过程的平稳性、适应性较差。
发明内容
本申请的提出一种车辆控制方法、装置、计算机设备及存储介质，用于解决现有技术中自动驾驶过程平稳性、适应性差的技术问题。
本申请一方面实施例提出了一种车辆控制方法，包括：
根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息；
基于预设的控制策略模型，对所述车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成所述车辆在预设时间段内的第一驾驶策略；
根据所述预设时间段内的第一驾驶策略及所述车辆当前的第二驾驶策略，确定所述车辆内各执行机构的状态调整模式；
若至少一个执行机构的状态调整模式未满足预设条件，则对所述第一驾驶策略进行调整。
本申请实施例的车辆控制方法，通过根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息，基于预设的控制策略模型，对车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成车辆在预设时间段内的第一驾驶策略，进而根据预设时间段内的第一驾驶策略及车辆当前的第二驾驶策略，确定车辆内各执行机构的状态调整模式，并在至少一个执行机构的状态调整模式未满足预设条件时，对第一驾驶策略进行调整。由此，通过将预测的第一驾驶策略和当前的第二驾驶策略进行比较来确定车辆内各执行机构的状态调整模式，并在状态调整模式未满足预设条件时，调整第一驾驶策略，能够降低第一驾驶策略与第二驾驶策略之间的差异，使得对同一执行机构的控制是逐渐变化的，从而提高了自动驾驶过程的平稳性和适应性。
本申请另一方面实施例提出了一种车辆控制装置，包括：
信息采集模块，用于根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息；
生成模块，用于基于预设的控制策略模型，对所述车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成所述车辆在预设时间段内的第一驾驶策略；
模式确定模块，用于根据所述预设时间段内的第一驾驶策略及所述车辆当前的第二驾驶策略，确定所述车辆内各执行机构的状态调整模式；
调整模块，用于在至少一个执行机构的状态调整模式未满足预设条件时，则对所述第一驾驶策略进行调整。
本申请实施例的车辆控制装置，通过根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息，基于预设的控制策略模型，对车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成车辆在预设时间段内的第一驾驶策略，进而根据预设时间段内的第一驾驶策略及车辆当前的第二驾驶策略，确定车辆内各执行机构的状态调整模式，并在至少一个执行机构的状态调整模式未满足预设条件时，对第一驾驶策略进行调整。由此，通过将预测的第一驾驶策略和当前的第二驾驶策略进行比较来确定车辆内各执行机构的状态调整模式，并在状态调整模式未满足预设条件时，调整第一驾驶策略，能够降低第一驾驶策略与第二驾驶策略之间的差异，使得对同一执行机构的控制是逐渐变化的，从而提高了自动驾驶过程的平稳性和适应性。
本申请再一方面实施例提出了一种计算机设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如本申请一方面实施例所述的车辆控制方法。
本申请又一方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请一方面实施例所述的车辆控制方法。
本申请又一方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时实现如本申请一方面实施例所述的车辆控制方法。
本申请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，或通过本申请的实践了解到。
附图说明
本申请上述的和/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为本申请实施例所提供的一种车辆控制方法的流程示意图；
图2为本申请实施例所提供的另一种车辆控制方法的流程示意图；
图3为本申请实施例所提供的又一种车辆控制方法的流程示意图；
图4为本申请实施例所提供的再一种车辆控制方法的流程示意图；
图5为本申请实施例所提供的一种车辆控制装置的结构示意图；
图6为本申请实施例所提供的另一种车辆控制装置的结构示意图；
图7为本申请实施例所提供的又一种车辆控制装置的结构示意图；
图8为本申请实施例所提供的再一种车辆控制装置的结构示意图；以及
图9为本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，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，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的车辆控制方法、装置、计算机设备及存储介质。
图1为本申请实施例所提供的一种车辆控制方法的流程示意图。
如图1所示，该车辆控制方法可以包括以下步骤：
步骤101，根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息。
自动驾驶车辆和无人驾驶车辆，在行驶过程中无人工参与控制，需要车辆自身接管全部的控制权，因此要求车辆对周围的环境了如指掌。自动驾驶车辆和无人驾驶车辆上安装有各种各样的传感器，车辆依靠各个传感器协同工作，以保证行车安全。
自动驾驶车辆和无人驾驶车辆上安装有不同类型的传感器，比如，安装图像传感器，以为车辆提供直观、真实的可视图像信息，从而为车辆提供准确的环境信息；安装雷达用于测距、测速等功能；安装胎压传感器来监测车胎的状况；安装距离传感器来监测制动踏板的踩踏程度等。从而，本实施例中，可以从雷达、图像传感器等车载传感器获取各个传感器采集的数据，进而根据各车载传感器采集的数据，确定车辆当前的软、硬件等状态信息、车辆当前所在道路的路况信息和环境信息。其中，车辆当前的状态信息比如可以包括硬件设备是否有故障、软件程序是否能够正常执行等。
步骤102，基于预设的控制策略模型，对车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成车辆在预设时间段内的第一驾驶策略。
其中，控制策略模型是预先训练得到的，可以预先采集大量的车辆运行过程中的状态信息、所在道路的路况信息和环境信息作为训练样本，利用训练样本对初始模型进行训练，得到控制策略模块。
本实施例中，确定了车辆当前的状态信息、所在道路的路况信息及环境信息之后，将各信息输入至预设的控制策略模型中进行处理，即可得到车辆在预设时间段内的第一驾驶策略。
其中，预设时间段比如可以是当前时刻之后的3秒内、5秒内等。
步骤103，根据预设时间段内的第一驾驶策略及车辆当前的第二驾驶策略，确定车辆内各执行机构的状态调整模式。
其中，车辆当前的第二驾驶策略，可以根据车辆中各执行机构当前的状态确定。比如，当前车辆的方向盘转动角度为左转45度，制动踏板的踩踏程度为30％，则可以确定车辆当前的第二驾驶策略为左转弯减速慢行。
本实施例中，确定了车辆在预设时间段内的第一驾驶策略之后，可以将第一驾驶策略与车辆当前的第二驾驶策略比较，以确定车辆内各执行机构的状态调整模式。
比如，假设第一驾驶策略包括踩踏油门以控制车辆加速，而第二驾驶策略中包括踩踏制动踏板以控制车辆减速，则可以确定车辆的油门即将被踩踏，制动踏板将被松开。
又比如，假设第二驾驶策略中方向盘左转30度，第一驾驶策略中方向盘右转100度，则可以确定方向盘的状态调整模式为急速反向调整。车辆即将发生大角度急速转弯，容易导致交通事故，驾驶体验也较差，此时可以确定
步骤104，若至少一个执行机构的状态调整模式未满足预设条件，则对第一驾驶策略进行调整。
其中，预设条件比如可以为根据第一驾驶策略和第二驾驶策略确定的执行机构的状态调整模式不冲突；或者，执行机构的调整幅度不超过预设值。
本实施例中，确定了车辆内各执行机构的状态调整模式后，可以将各执行机构的状态调整模式与预设条件比较，以判断状态调整模式是否满足预设条件，并在至少一个执行机构的状态调整模式不满足预设条件时，对第一驾驶策略进行调整。
例如，假设第一驾驶策略包括踩踏油门以控制车辆加速，而第二驾驶策略中包括踩踏制动踏板以控制车辆减速，则可以确定车辆的油门即将被踩踏，制动踏板将被松开，此时状态调整模式冲突，不满足预设条件，车辆将由减速转换为加速，可以认为确定的第一驾驶策略不准确，则可以对第一驾驶策略进行调整，将第一驾驶车辆调整为踩踏制动踏板，并控制踩踏程度小于第二驾驶策略中制动踏板的踩踏程度，从而实现控制车辆的速度逐渐变化，保证车辆平稳行驶。
又例如，假设第二驾驶策略中方向盘左转30度，第一驾驶策略中方向盘左转100度，而预设的方向盘调整幅度的预设值为10度，则第一驾驶策略相较于第二驾驶策略，方向盘的调整幅度为70度，超过了预设值10度，不满足预设条件，则可以对第一驾驶策略进行调整，将第一驾驶策略中方向盘的左转角度调整为40度。
本实施例的车辆控制方法，通过根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息，基于预设的控制策略模型，对车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成车辆在预设时间段内的第一驾驶策略，进而根据预设时间段内的第一驾驶策略及车辆当前的第二驾驶策略，确定车辆内各执行机构的状态调整模式，并在至少一个执行机构的状态调整模式未满足预设条件时，对第一驾驶策略进行调整。由此，通过将预测的第一驾驶策略和当前的第二驾驶策略进行比较来确定车辆内各执行机构的状态调整模式，并在状态调整模式未满足预设条件时，调整第一驾驶策略，能够降低第一驾驶策略与第二驾驶策略之间的差异，使得对同一执行机构的控制是逐渐变化的，从而提高了自动驾驶过程的平稳性和适应性。
为了进一步提高自动驾驶的平稳性，以及车辆控制的准确度，在本申请实施例一种可能的实现方式中，还可以对预测的第一控制策略进行调整。从而，本申请提出了另一种车辆控制方法，图2为本申请实施例所提供的另一种车辆控制方法的流程示意图。
如图2所示，在如图1所示实施例的基础上，步骤102之后，还可以包括以下步骤：
步骤201，根据所在道路的路况信息及环境信息，构建所在道路的模型。
本实施例中，利用确定的所在道路的路况信息和环境信息，可以构建所在道路的模型。比如，确定的所在道路的路况信息包括上坡、距离坡道1公里处有岔路，岔路口处分为左转道和右转道，环境信息包括加油站，加油站设立在右转道出口处，则可以按照一定的比例，根据环境信息和路况信息构建对应的所在道路的模型。构建的所在道路的模型中，也包括上坡、岔路、岔路口处分为左转道和右转道，右转道出口处设立加油站。
此处需要说明的是，本实施例中步骤201和步骤102的执行顺序不分先后，步骤201可以在步骤102之后执行，或者同时执行，或者也可以在步骤102之前执行，本实施例仅以步骤201在步骤102之后执行作为示例，不能作为对本申请的限制。
步骤202，根据车辆的标识，获取车辆的模型参数。
其中，车辆的模型参数包括但不限于车高、车宽、车长等外形参数。
通常，不同品牌的车辆、同一品牌不同系列的车辆，车辆的车宽、车长等外形参数有所差别，从而，本实施例中，可以根据车辆的标识，获取车辆的模型参数。例如，可以预先存储车辆的标识与模型参数的映射关系，进而根据获取的当前车辆的标识，通过查询映射关系，确定当前车辆的模型参数。
步骤203，根据预设时间段内的第一驾驶策略及车辆的模型参数，确定车辆在所在道路的模型中的行驶轨迹。
由于不同的车辆，比如小轿车和越野车，在同一道路上行驶时，外界障碍物对车辆的影响程度不同，从而，本实施例中，可以根据预设时间段内的第一驾驶策略和车辆的模型参数，确定车辆在所在道路的模型中的行驶轨迹。
步骤204，根据行驶轨迹与所在道路的模型的匹配度，对第一驾驶策略进行调整。
本实施例中，确定了车辆在所在道路的模型中的行驶轨迹之后，可以根据行驶轨迹与所在道路的模型的匹配度，对第一驾驶策略进行调整。比如，当行驶轨迹与所在道路的模型的匹配度低于预设的匹配度阈值时，则对第一驾驶策略进行调整。
举例而言，车辆在所在道路的模型中的行驶轨迹为直行后左转，而所在道路的模型为直行后右转，则可以将第一驾驶策略调整为左转向。
本实施例的车辆控制方法，通过根据所在道路的路况信息及环境信息构建所在道路的模型，根据车辆的标识获取车辆的模型参数，进而根据预设时间段内的第一驾驶策略及车辆的模型参数，确定车辆在所在道路的模型中的行驶轨迹，并根据行驶轨迹与所在道路的模型的匹配度，对第一驾驶策略进行调整，由此，提高了第一驾驶策略的准确性，为准确进行车辆控制提供了条件。
图3为本申请实施例所提供的又一种车辆控制方法的流程示意图。
如图3所示，在如图1所示实施例的基础上，步骤103之后，还可以包括以下步骤：
步骤301，根据各执行机构的状态调整模式，确定第一驾驶策略得分。
本实施例中，确定了各执行机构的状态调整模式后，可以根据各执行机构的状态调整模式，确定第一驾驶策略得分。比如，当状态调整模式冲突的执行机构的个数越多时，第一驾驶策略的得分越低；当状态调整模式冲突的执行机构的个数相同时，同一执行机构的控制幅度变化越大，第一驾驶策略的得分越低。
步骤302，若第一驾驶策略得分小于第一阈值，则将第一驾驶策略及车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，以使服务器对控制策略模型进行更新。
步骤303，若第一驾驶策略得分小于第二阈值，则控制车辆退出自动驾驶模式。
其中，第一阈值和第二阈值可以预先设定，第一阈值不小于第二阈值。
本实施例中，当第一驾驶策略得分小于第一阈值时，则将第一驾驶策略及车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，以使服务器对控制策略模型进行更新；当第一驾驶策略得分小于第二阈值时，则控制车辆退出自动驾驶模式。
作为一种示例，第一阈值大于第二阈值。当第一驾驶策略小于第一阈值但大于或等于第二阈值时，将第一驾驶策略及车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器；当第一驾驶策略小于第二阈值时，控制车辆退出自动驾驶模式。
作为一种示例，第一阈值等于第二阈值。当第一驾驶策略小于第一阈值时，可以将第一驾驶策略及车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，并控制车辆退出自动驾驶模式。
本实施例的车辆控制方法，通过根据各执行机构的状态调整模式确定第一驾驶策略得分，当第一驾驶策略得分小于第一阈值时，将第一驾驶策略及车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，以使服务器对控制策略模型进行更新，当第一驾驶策略得分小于第二阈值时，控制车辆退出自动驾驶模式，由此，不仅能够及时更新控制策略模型，以提高第一驾驶策略预测的准确度，还可以提高车辆行驶的安全性。
通常，智能车辆不仅支持自动驾驶，还支持人工驾驶，在人工驾驶模式下，驾驶者能够根据路况等情形对车辆进行主动控制。本申请实施例中，当智能车辆以人工驾驶模式运行时，可以采集此时车辆的状态信息、路况信息等来调整控制策略模型，以实现根据驾驶者的驾驶习惯，对车辆进行个性化控制。从而，本申请实施例提出了另一种车辆控制方法，图4为本申请实施例所提供的再一种车辆控制方法的流程示意图。
如图4所示，在前述实施例的基础上，该车辆控制方法还可以包括以下步骤：
步骤401，在车辆处于人工驾驶模式时，采集车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态。
本实施例中，当车辆处于人工驾驶模式时，可以根据驾驶者对车辆的控制，从各车载传感器采集数据，确定车辆的状态信息、所在道路的路况信息、环境信息和车辆行驶状态。其中，车辆行驶状态比如可以包括车辆的行驶速度、转向方向和角度、减速/加速行驶等。
步骤402，根据车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，对预设的控制策略模型进行调整。
本实施例中，根据采集的车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，可以对预设的控制策略模型进行调整，以使基于控制策略模型生成的第一驾驶策略，符合驾驶者的驾驶习惯，从而实现个性化的车辆控制。
本实施例的车辆控制方法，通过在车辆处于人工驾驶模式时，采集车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，进而根据车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，对预设的控制策略模型进行调整，由此，使得基于控制策略模型生成的第一驾驶策略符合了驾驶者的驾驶习惯，实现了个性化的车辆控制，提升了用户体验。
为了实现上述实施例，本申请还提出一种车辆控制装置。
图5为本申请实施例所提供的一种车辆控制装置的结构示意图。
如图5所示，该车辆控制装置50包括：信息采集模块510、生成模块520、模式确定模块530，以及调整模块540。其中，
信息采集模块510，用于根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息。
生成模块520，用于基于预设的控制策略模型，对车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成车辆在预设时间段内的第一驾驶策略。
模式确定模块530，用于根据预设时间段内的第一驾驶策略及车辆当前的第二驾驶策略，确定车辆内各执行机构的状态调整模式。
调整模块540，用于在至少一个执行机构的状态调整模式未满足预设条件时，则对第一驾驶策略进行调整。
进一步地，在本申请实施例一种可能的实现方式中，如图6所示，在如图5所示实施例的基础上，该车辆控制装置50还可以包括：
建模模块550，用于根据所在道路的路况信息及环境信息，构建所在道路的模型。
模拟模块560，用于根据车辆的标识，获取车辆的模型参数，并根据预设时间段内的第一驾驶策略及车辆的模型参数，确定车辆在所在道路的模型中的行驶轨迹。
初始调整模块570，用于根据行驶轨迹与所在道路的模型的匹配度，对第一驾驶策略进行调整。
本实施例中，模式确定模块530根据初始调整模块570调整后的第一驾驶策略和车辆当前的第二驾驶策略，确定车辆内各执行机构的状态调整模式。
通过根据所在道路的路况信息及环境信息构建所在道路的模型，根据车辆的标识获取车辆的模型参数，进而根据预设时间段内的第一驾驶策略及车辆的模型参数，确定车辆在所在道路的模型中的行驶轨迹，并根据行驶轨迹与所在道路的模型的匹配度，对第一驾驶策略进行调整，由此，提高了第一驾驶策略的准确性，为准确进行车辆控制提供了条件。
在本申请实施例一种可能的实现方式中，如图7所示，在如图5所示实施例的基础上，该车辆控制装置50还可以包括：
得分确定模块580，用于根据各执行机构的状态调整模式，确定第一驾驶策略得分。
处理模块590，用于在第一驾驶策略得分小于第一阈值时，则将第一驾驶策略及车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，以使服务器对控制策略模型进行更新。
进一步地，处理模块590还用于在第一驾驶策略得分小于第二阈值时，控制车辆退出自动驾驶模式。
通过根据各执行机构的状态调整模式确定第一驾驶策略得分，当第一驾驶策略得分小于第一阈值时，将第一驾驶策略及车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，以使服务器对控制策略模型进行更新，当第一驾驶策略得分小于第二阈值时，控制车辆退出自动驾驶模式，由此，不仅能够及时更新控制策略模型，以提高第一驾驶策略预测的准确度，还可以提高车辆行驶的安全性。
在本申请实施例一种可能的实现方式中，如图8所示，在如图5所示实施例的基础上，该车辆控制装置50还可以包括：
更新模块500，用于在车辆处于人工驾驶模式时，采集车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，并根据车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，对预设的控制策略模型进行调整。
通过在车辆处于人工驾驶模式时，采集车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，进而根据车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，对预设的控制策略模型进行调整，由此，使得基于控制策略模型生成的第一驾驶策略符合了驾驶者的驾驶习惯，实现了个性化的车辆控制，提升了用户体验。
需要说明的是，前述对车辆控制方法实施例的解释说明也适用于该实施例的车辆控制装置，其实现原理类似，此处不再赘述。
本申请实施例的车辆控制装置，通过根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息，基于预设的控制策略模型，对车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成车辆在预设时间段内的第一驾驶策略，进而根据预设时间段内的第一驾驶策略及车辆当前的第二驾驶策略，确定车辆内各执行机构的状态调整模式，并在至少一个执行机构的状态调整模式未满足预设条件时，对第一驾驶策略进行调整。由此，通过将预测的第一驾驶策略和当前的第二驾驶策略进行比较来确定车辆内各执行机构的状态调整模式，并在状态调整模式未满足预设条件时，调整第一驾驶策略，能够降低第一驾驶策略与第二驾驶策略之间的差异，使得对同一执行机构的控制是逐渐变化的，从而提高了自动驾驶过程的平稳性和适应性。
为了实现上述实施例，本申请还提出一种计算机设备，包括：处理器和存储器。其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如前述实施例所述的车辆控制方法。
图9为本申请实施例所提供的一种计算机设备的结构示意图，示出了适于用来实现本申请实施方式的示例性计算机设备90的框图。图9显示的计算机设备90仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机设备90以通用计算机设备的形式表现。计算机设备90的组件可以包括但不限于：一个或者多个处理器或者处理单元906，系统存储器910，连接不同系统组件(包括系统存储器910和处理单元906)的总线908。
总线908表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备90典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备90访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器910可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)911和/或高速缓存存储器912。计算机设备90可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统913可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc ReadOnly Memory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线908相连。系统存储器910可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。
具有一组(至少一个)程序模块9140的程序/实用工具914，可以存储在例如系统存储器910中，这样的程序模块9140包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块9140通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备90也可以与一个或多个外部设备10(例如键盘、指向设备、显示器100等)通信，还可与一个或者多个使得用户能与该终端设备90交互的设备通信，和/或与使得该计算机设备90能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口902进行。并且，计算机设备90还可以通过网络适配器900与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图9所示，网络适配器900通过总线908与计算机设备90的其它模块通信。应当明白，尽管图9中未示出，可以结合计算机设备90使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元906通过运行存储在系统存储器910中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的车辆控制方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前述实施例所述的车辆控制方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现如前述实施例所述的车辆控制方法。
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申请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。在本申请的描述中，“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，并且本申请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，这应被本申请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，本申请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，在本申请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申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (5)

1.一种车辆控制方法，其特征在于，包括：
根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息；
基于预设的控制策略模型，对所述车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成所述车辆在预设时间段内的第一驾驶策略；
根据所述预设时间段内的第一驾驶策略及所述车辆当前的第二驾驶策略，确定所述车辆内各执行机构的状态调整模式；
若至少一个执行机构的状态调整模式未满足预设条件，则对所述第一驾驶策略进行调整；
根据所述所在道路的路况信息及环境信息，构建所述所在道路的模型；
根据所述车辆的标识，获取所述车辆的模型参数；
根据所述预设时间段内的第一驾驶策略及所述车辆的模型参数，确定所述车辆在所述所在道路的模型中的行驶轨迹；
根据所述行驶轨迹与所述所在道路的模型的匹配度，对所述第一驾驶策略进行调整；
所述确定所述车辆内各执行机构的状态调整模式之后，还包括：
根据所述各执行机构的状态调整模式，确定所述第一驾驶策略得分；
若所述第一驾驶策略得分小于第一阈值，则将所述第一驾驶策略及所述车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，以使所述服务器对所述控制策略模型进行更新；
所述确定所述第一驾驶策略得分之后，还包括：
若所述第一驾驶策略得分小于第二阈值，则控制所述车辆退出自动驾驶模式；
其中，通过以下方式获取所述预设的控制策略模型：
预先采集车辆运行过程中的状态信息、所在道路的路况信息和环境信息作为训练样本，利用所述训练样本对初始模型进行训练，得到所述预设的控制策略模型。
2.如权利要求1所述的方法，其特征在于，还包括：
在所述车辆处于人工驾驶模式时，采集所述车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态；
根据所述车辆的状态信息、所在道路的路况信息、环境信息及车辆行驶状态，对所述预设的控制策略模型进行调整。
3.一种车辆控制装置，其特征在于，包括：
信息采集模块，用于根据各车载传感器采集的数据，确定车辆当前的状态信息、所在道路的路况信息及环境信息；
生成模块，用于基于预设的控制策略模型，对所述车辆当前的状态信息、所在道路的路况信息及环境信息进行处理，以生成所述车辆在预设时间段内的第一驾驶策略；
模式确定模块，用于根据所述预设时间段内的第一驾驶策略及所述车辆当前的第二驾驶策略，确定所述车辆内各执行机构的状态调整模式；
调整模块，用于在至少一个执行机构的状态调整模式未满足预设条件时，则对所述第一驾驶策略进行调整；
得分确定模块，用于根据所述各执行机构的状态调整模式，确定所述第一驾驶策略得分；
处理模块，用于在所述第一驾驶策略得分小于第一阈值时，则将所述第一驾驶策略及所述车辆当前的状态信息、所在道路的路况信息及环境信息返回至服务器，以使所述服务器对所述控制策略模型进行更新；
所述处理模块还用于：
在所述第一驾驶策略得分小于第二阈值时，控制所述车辆退出自动驾驶模式；
其中，通过以下方式获取所述预设的控制策略模型：
预先采集车辆运行过程中的状态信息、所在道路的路况信息和环境信息作为训练样本，利用所述训练样本对初始模型进行训练，得到所述预设的控制策略模型。
4.一种计算机设备，其特征在于，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-2中任一项所述的车辆控制方法。
5.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-2中任一项所述的车辆控制方法。
CN201811005964.XA 2018-08-30 2018-08-30 车辆控制方法、装置、计算机设备及存储介质 Active CN109085837B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811005964.XA CN109085837B (zh) 2018-08-30 2018-08-30 车辆控制方法、装置、计算机设备及存储介质
JP2019116849A JP7000638B2 (ja) 2018-08-30 2019-06-25 車両制御方法、装置、コンピュータ機器及び記憶媒体
EP19191625.3A EP3617827A3 (en) 2018-08-30 2019-08-14 Vehicle controlling method and apparatus, computer device, and storage medium
US16/552,933 US11614737B2 (en) 2018-08-30 2019-08-27 Vehicle controlling method and apparatus, computer device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811005964.XA CN109085837B (zh) 2018-08-30 2018-08-30 车辆控制方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN109085837A CN109085837A (zh) 2018-12-25
CN109085837B true CN109085837B (zh) 2023-03-24

Family

ID=64840361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811005964.XA Active CN109085837B (zh) 2018-08-30 2018-08-30 车辆控制方法、装置、计算机设备及存储介质

Country Status (4)

Country Link
US (1) US11614737B2 (zh)
EP (1) EP3617827A3 (zh)
JP (1) JP7000638B2 (zh)
CN (1) CN109085837B (zh)

Families Citing this family (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109714422A (zh) * 2018-12-28 2019-05-03 深圳市易成自动驾驶技术有限公司 基于自动驾驶的计算资源共享方法、系统及可读存储介质
CN109857002B (zh) * 2019-01-15 2021-07-20 北京百度网讯科技有限公司 数据采集方法、装置、设备及计算机可读存储介质
CN109901574B (zh) * 2019-01-28 2021-08-13 华为技术有限公司 自动驾驶方法及装置
CN114861793A (zh) * 2019-02-21 2022-08-05 百度在线网络技术（北京）有限公司 一种信息处理方法、装置及存储介质
CN113246858B (zh) * 2019-02-27 2023-05-19 百度在线网络技术（北京）有限公司 车辆行驶状态图像生成方法、设备和系统
CN109808695A (zh) * 2019-02-28 2019-05-28 北京航空航天大学 一种车辆行驶模式调整方法及装置
CN109839937B (zh) * 2019-03-12 2023-04-07 百度在线网络技术（北京）有限公司 确定车辆自动驾驶规划策略的方法、装置、计算机设备
CN110532846B (zh) * 2019-05-21 2022-09-16 华为技术有限公司 自动换道方法、装置及存储介质
CN110275510B (zh) * 2019-06-14 2021-12-07 百度在线网络技术（北京）有限公司 车辆控制模型的处理频率调整方法、装置和电子设备
CN110264720B (zh) * 2019-06-28 2023-01-06 腾讯科技（深圳）有限公司 驾驶模式提示方法、装置、设备及存储介质
CN110615001B (zh) * 2019-09-27 2021-04-27 汉纳森（厦门）数据股份有限公司 一种基于can数据的驾驶安全提醒方法、装置及介质
CN110758394B (zh) * 2019-09-29 2020-10-16 一汽解放青岛汽车有限公司 堵车工况发动机起动控制方法、系统、车辆及存储介质
CN112829751B (zh) * 2019-11-04 2022-04-29 北京地平线机器人技术研发有限公司 一种车辆状态的安全性评价方法及装置
CN110837258B (zh) * 2019-11-29 2024-03-08 商汤集团有限公司 自动驾驶控制方法及装置、系统、电子设备和存储介质
CN111142539B (zh) * 2020-01-13 2020-10-27 中智行科技有限公司 一种无人驾驶车辆控制方法、装置和无人驾驶车辆
CN111816022A (zh) * 2020-02-07 2020-10-23 北京嘀嘀无限科技发展有限公司 一种模拟场景的仿真方法、装置、存储介质以及电子设备
CN113548053B (zh) * 2020-04-24 2023-09-15 长城汽车股份有限公司 车辆控制方法和装置、介质、设备、车辆
CN113954858A (zh) * 2020-07-20 2022-01-21 华为技术有限公司 一种规划车辆行驶路线的方法以及智能汽车
CN114074574B (zh) * 2020-08-10 2024-03-15 北京新能源汽车股份有限公司 一种车辆的电流采集方法、装置、控制设备及汽车
CN114074663B (zh) * 2020-08-18 2023-07-18 长城汽车股份有限公司 个性化驾驶模式设置方法、系统及车辆
CN112061139B (zh) * 2020-09-03 2022-02-18 三一专用汽车有限责任公司 自动驾驶控制方法、自动驾驶装置和计算机存储介质
CN112109715B (zh) * 2020-09-14 2022-06-14 华人运通(上海)云计算科技有限公司 车辆动力输出策略的生成方法、装置、介质及系统
CN112398932B (zh) * 2020-11-04 2023-10-24 腾讯科技（深圳）有限公司 获取路况信息的方法、装置、设备及计算机可读存储介质
CN112540310B (zh) * 2020-12-08 2024-05-03 重庆金康动力新能源有限公司 一种电池温度管理策略的验证方法及系统
CN112572433A (zh) * 2020-12-24 2021-03-30 奇瑞汽车股份有限公司 车道保持的控制方法、装置及计算机存储介质
CN112896171B (zh) * 2021-02-19 2022-07-22 联合汽车电子有限公司 车辆的控制方法、装置、设备、车辆和存储介质
CN113034976B (zh) * 2021-03-23 2022-08-09 地平线(上海)人工智能技术有限公司 报警方法和装置、计算机可读存储介质、电子设备
CN113071505B (zh) * 2021-04-16 2024-02-13 阿波罗智联(北京)科技有限公司 驾驶行为习惯的确定、车辆行驶控制方法、装置及设备
CN113411375B (zh) * 2021-05-08 2023-07-18 长沙智能驾驶研究院有限公司 信息处理方法、设备及计算机存储介质
US11820387B2 (en) * 2021-05-10 2023-11-21 Qualcomm Incorporated Detecting driving behavior of vehicles
CN113344345A (zh) * 2021-05-21 2021-09-03 深圳裹动智驾科技有限公司 用于自动驾驶车辆的数据处理方法、装置及计算机设备
US11636687B2 (en) * 2021-06-24 2023-04-25 Guangzhou Automobile Group Co., Ltd. Adaptive processing method for new scenes in autonomous driving, autonomous driving method and system
CN113479177B (zh) * 2021-07-07 2024-04-09 的卢技术有限公司 车辆制动控制方法、系统、计算机设备和存储介质
CN113386638A (zh) * 2021-07-21 2021-09-14 芜湖雄狮汽车科技有限公司 车辆座椅的调节方法及装置
CN113401107B (zh) * 2021-07-29 2022-05-10 中国人民解放军国防科技大学 信息收集过程中的三轴无人车自主调整策略及系统
CN113419546B (zh) * 2021-08-24 2021-11-26 新石器慧通（北京）科技有限公司 一种无人车的控制方法、装置、介质及电子设备
CN114265309B (zh) * 2021-11-19 2023-09-05 江苏徐工工程机械研究院有限公司 一种工程机械优化控制策略推荐系统及方法
CN114027667B (zh) * 2021-12-01 2023-08-15 慕思健康睡眠股份有限公司 一种在离床状态判定方法、装置、智能床垫及介质
CN115114516A (zh) * 2021-12-15 2022-09-27 长城汽车股份有限公司 驾驶模式处理方法、装置、电子设备、储存介质和车辆
CN114373319A (zh) * 2021-12-24 2022-04-19 上海东普信息科技有限公司 基于自动驾驶的路况提醒方法、装置、设备及存储介质
CN114426028B (zh) * 2022-03-03 2023-12-22 一汽解放汽车有限公司 智能驾驶控制方法、装置、计算机设备和存储介质
CN114647235B (zh) * 2022-05-24 2022-10-04 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) 一种线控底盘的控制方法、联合控制系统及服务器
CN114919577B (zh) * 2022-05-24 2024-07-02 一汽解放汽车有限公司 一种车辆驾驶控制方法、装置、设备、介质
CN115771506B (zh) * 2022-11-17 2023-06-20 清华大学 基于乘员风险认知的车辆行驶策略的确定方法和装置
CN116125943B (zh) * 2022-12-16 2024-06-25 佛山仙湖实验室 一种氢燃料电池汽车的整车控制策略开发测试方法及装置
CN116176607B (zh) * 2023-04-27 2023-08-29 南京芯驰半导体科技有限公司 驾驶方法、驾驶设备、电子设备及存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11105579A (ja) * 1997-10-07 1999-04-20 Toyota Motor Corp 車間制御装置
JP3873588B2 (ja) * 2000-07-13 2007-01-24 日産自動車株式会社 車両の自動操縦制御装置
JP4036693B2 (ja) 2002-06-28 2008-01-23 ダイハツ工業株式会社 車両走行制御装置
JP2009051310A (ja) * 2007-08-24 2009-03-12 Advics:Kk 車両走行制御装置
FR2985971B1 (fr) * 2012-01-19 2014-08-22 Peugeot Citroen Automobiles Sa Procede de correction de trajectoire d’un vehicule automobile et dispositif de correction de trajectoire d’un vehicule automobile associe
US8825265B1 (en) * 2012-03-16 2014-09-02 Google Inc. Approach for consolidating observed vehicle trajectories into a single representative trajectory
US10099724B2 (en) * 2014-01-21 2018-10-16 Continental Automotive Systems, Inc. Road departure protection system
CN106068215B (zh) * 2014-03-11 2019-12-13 大陆汽车系统公司 道路偏离保护系统
JP6082415B2 (ja) * 2015-03-03 2017-02-15 富士重工業株式会社 車両の走行制御装置
JP6340037B2 (ja) * 2016-06-07 2018-06-06 株式会社Ｓｕｂａｒｕ 車両の走行制御装置
US10435015B2 (en) * 2016-09-28 2019-10-08 Baidu Usa Llc System delay corrected control method for autonomous vehicles
CN106564495B (zh) * 2016-10-19 2018-11-06 江苏大学 融合空间和动力学特性的智能车辆安全驾驶包络重构方法
GB201711409D0 (en) * 2016-12-30 2017-08-30 Maxu Tech Inc Early entry
US10059336B2 (en) 2017-01-06 2018-08-28 Toyota Research Institute, Inc. Systems and methods for dynamically adjusting a vehicle trajectory according to deviations of a driver from expected inputs
US11161518B2 (en) * 2018-06-15 2021-11-02 Micron Technology, Inc. Detecting road conditions based on braking event data received from vehicles
US11966838B2 (en) * 2018-06-19 2024-04-23 Nvidia Corporation Behavior-guided path planning in autonomous machine applications

Also Published As

Publication number Publication date
CN109085837A (zh) 2018-12-25
US20200073384A1 (en) 2020-03-05
JP2020032998A (ja) 2020-03-05
EP3617827A2 (en) 2020-03-04
JP7000638B2 (ja) 2022-01-19
EP3617827A3 (en) 2020-04-15
US11614737B2 (en) 2023-03-28

Similar Documents

Publication Publication Date Title
CN109085837B (zh) 车辆控制方法、装置、计算机设备及存储介质
JP4427759B2 (ja) 車両挙動学習装置及び車両挙動学習プログラム
US9527384B2 (en) Driving context generation system for generating driving behavior description information
US11167770B2 (en) Autonomous vehicle actuation dynamics and latency identification
EP2273233B1 (en) Reliability evaluation device, reliability evaluation method, and reliability evaluation program
US11731651B2 (en) Automatic parameter tuning framework for controllers used in autonomous driving vehicles
EP2752347B1 (en) Vehicular information-processing device and vehicular information-processing method
CN110874229A (zh) 自动驾驶汽车的地图升级方法、装置
JP2012113631A (ja) 運転支援システム及び運転支援管理センター
EP4242998A1 (en) Traffic stream information determination method and apparatus, electronic device and storage medium
US11511760B2 (en) Cross-platform control profiling tool for autonomous vehicle control
CN108073076B (zh) 车辆控制方法和装置
US20220073070A1 (en) Vehicle draft mode
US11104353B2 (en) Computing system with autonomous operation mechanism and method of operation thereof
CN111880521B (zh) 车辆的控制方法、装置、车辆及电子设备
CN114620060A (zh) 自动驾驶模式选择方法、自动驾驶汽车及其控制方法
CN111469841B (zh) 一种弯道目标选择方法、车载设备和存储介质
JP5056192B2 (ja) 車両用制御装置
RU2765268C1 (ru) Устройство формирования энергоэффективного трека эксплуатируемого транспортного средства при движении эксплуатируемого транспортного средства по автомагистрали
US20230339517A1 (en) Autonomous driving evaluation system
CN116902007A (zh) 自动驾驶车辆的转向控制方法、装置、车辆和介质
JP6221619B2 (ja) 支援地点管理システム、方法およびプログラム

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
TA01 Transfer of patent application right

Effective date of registration: 20211012

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant