CN110654394A - 驾驶控制系统和方法以及车辆 - Google Patents

Abstract

本发明公开了一种驾驶控制系统和方法以及车辆，该驾驶控制系统包括采集装置、识别装置和控制装置，其中，采集装置用于采集主驾驶位乘员的信息；识别装置用于根据主驾驶位乘员的信息识别主驾驶位乘员的身份；在自动驾驶模式时，控制装置用于在主驾驶位乘员的身份有效时，根据主驾驶位乘员的身份获取驾驶模型，并根据驾驶模型确定驾驶参数以进行驾驶控制。本发明的系统和方法及车辆，通过识别主驾驶位乘员身份，根据主驾驶位乘员身份选择驾驶模型以进行自动驾驶控制，更加符合手动驾驶的驾驶习惯，提高自动驾驶舒适性，满足了驾驶的个性化需求。

Description

驾驶控制系统和方法以及车辆

技术领域

本发明属于车辆技术领域，尤其涉及一种驾驶控制系统，以及驾驶控制方法和车辆。

背景技术

随着技术的进步，智能驾驶越来越受到欢迎。目前，智能驾驶技术只是通过对车辆的机械的横向和纵向控制来满足智能驾驶的安全性的要求，但是对于车辆驾乘的舒适性和多样化需求，尚未进行分析和提供相应的解决方案，有待进一步的改善。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明提出一种驾驶控制系统，该驾驶控制系统，在进行自动驾驶控制时，更加接近于乘员手动驾驶时的驾驶习惯，提高舒适性。

本发明还提出一种驾驶控制方法和车辆。

为了解决上述问题，本发明第一方面实施例的驾驶控制系统，包括：采集装置，所述采集装置用于采集主驾驶位乘员的信息；识别装置，所述识别装置用于根据所述主驾驶位乘员的信息识别主驾驶位乘员的身份；控制装置，在自动驾驶模式时，所述控制装置用于在所述主驾驶位乘员的身份有效时，根据所述主驾驶位乘员的身份获取驾驶模型，并根据所述驾驶模型确定驾驶参数以进行驾驶控制。

根据本发明实施例的驾驶控制系统，通过结合主驾驶位乘员的身份来选择驾驶模型，更加多样化，将主驾驶位乘员的身份和驾驶策略分析绑定，使得自动驾驶的驾驶行为更加贴近手动驾驶的驾驶习惯，大大改善驾驶体验，提高舒适性。

为了解决上述问题，本发明第二方面实施例的车辆，包括所述的驾驶控制系统。

根据本发明实施例的车辆，通过采用上述方面实施例的驾驶控制系统，结合驾驶员身份选择驾驶模型，更加多样性，更加接近手动驾驶的驾驶习惯，提高自动驾驶控制的舒适性。

为了解决上述问题，本发明第三方面实施例提出的驾驶控制方法，包括：采集主驾驶位乘员的信息；根据所述主驾驶位乘员的信息识别主驾驶位乘员的身份；在自动驾驶模式时，如果所述主驾驶位乘员的身份有效，则根据所述主驾驶位乘员的身份获取驾驶模型；根据所述驾驶模型确定驾驶参数以进行驾驶控制。

根据本发明实施例的驾驶控制方法，通过结合主驾驶位乘员的身份获取驾驶模型，更加多样化，将主驾驶位乘员的身份与驾驶策略分析绑定，使得自动驾驶的驾驶行为更加接近于手动驾驶，提高自动驾驶舒适性。

为了解决上述问题，本发明第四方面实施例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，所述计算机程序被处理器执行时实现所述的驾驶控制方法。

根据本发明实施例的存储介质，存储可以实现上述方面实施例的驾驶控制方法的计算机程序，为驾驶控制方法的实现提供支持。

附图说明

图1是根据本发明的一个实施例的驾驶控制系统的框图；

图2是根据本发明的一个实施例的驾驶控制系统的框图；

图3是根据本发明的一个实施例的驾驶控制系统的工作示意图；

图4是根据本发明的一个实施例的主驾驶位乘员的身份识别示意图；

图5是根据本发明的一个实施例的语音识别电路图；

图6是根据本发明的一个实施例的车辆的框图；

图7是根据本发明的一个实施例的驾驶控制方法的流程图；

图8是根据本发明的一个实施例的主驾驶位乘员的信息采集过程的流程图；

图9是根据本发明的一个实施例的驾驶控制过程的流程图；

图10是根据本发明的一个实施例的驾驶控制过程的流程图。

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。

下面参照附图描述根据本发明第一方面实施例的驾驶控制系统。

图1是根据本发明实施例的驾驶控制系统的框图。

如图1所示，本发明实施例的驾驶控制系统100包括采集装置010、识别装置30和控制装置40。

其中，采集装置010用于采集主驾驶位乘员的信息，其中，在实施例中，主驾驶位乘员的信息可以包括乘员本身可被识别的信息也可以包括驾驶时的相关信息。

在本发明的一些实施例中，如图2所述，采集装置010包括第一采集模块10，其中，第一采集模块10用于采集主驾驶位乘员的特征信息，例如，采集乘员自身具有唯一可识别的特征，在本发明的一些实施例中，第一采集模块10包括语音采集单元、虹膜采集单元和面部采集单元中的至少一个，例如，特征信息包括语音采集信息、虹膜采集信息、行为或动作和面部采集信息中的至少一个。

识别装置30用于根据主驾驶位乘员的信息识别主驾驶位乘员的身份。具体地，识别装置30通过相应的识别技术对主驾驶位乘员的特征信息进行识别，例如通过图像识别技术来对主驾驶位乘员的面部信息或者虹膜信息进行识别，或者，通过语音识别技术对主驾驶位乘员的语音信息进行识别，不同的人具有不同的面部或虹膜特征以及发出的语音的音质不同，习惯性的行为或动作也不同，因而，基于主驾驶位乘员的特有的特征信息可以识别主驾驶位乘员的身份。

在自动驾驶模式时，控制装置40用于在主驾驶位乘员的身份有效时，根据主驾驶位乘员的身份获取驾驶模型，并根据驾驶模型确定驾驶参数以进行驾驶控制。

具体地，车辆可以设置手动驾驶和自动驾驶两种模式，在手动驾驶时，车辆会识别驾驶员身份，形成一个数据库，该数据库对应驾驶员的驾驶习惯数据，每个驾驶员的驾驶习惯不同，采用不同的驾车策略，例如，对车辆纵向控制的无极变速，加速度控制的平缓舒适，对横向控制转角平顺性，都有所不同，数据库会学习驾驶员的驾驶习惯，进而形成对应该驾驶员的驾驶模型，驾驶模型可以存储在本地或云端保存；当自动驾驶时，驾驶控制系统100会识别主驾驶位乘员相当于驾驶员的身份，如果判断该乘员通过认证，属于合法身份，即认为该乘员身份有效，反之无效，在主驾驶位乘员的身份有效时，根据主驾驶位乘员的身份选择自动驾驶的驾驶模型，从而可以符合主驾驶位乘员本身的驾驶习惯，提高驾驶体验。

根据本发明实施例的驾驶控制系统100，通过根据主驾驶位乘员身份及驾驶行为数据库形成对应的驾驶模型，在自动驾驶控制时，根据主驾驶位乘员身份信息确定驾驶模式，将主驾驶位乘员身份和驾驶策略分析绑定，使得自动驾驶的驾驶行为更加贴近主驾驶位乘员手动驾驶的驾驶习惯，大大改善乘员的驾驶体验，提高舒适性。

在本发明的一些实施例中，在自动驾驶模式时，控制装置40还用于在主驾驶位乘员的身份无效时，根据检测到的输入指令选择驾驶模式，例如，可以通过输入装置输入指令，选择推荐的或者想要采用的驾驶模式。

在一些实施例中，在自动驾驶模式时，控制装置40还用于在主驾驶位乘员的身份无效时，获取除了主驾驶位之外的其他位置的乘员的信息，并在其他位置有乘员时，进一步判断是否有与其他位置的乘员对应的驾驶模型，如果有，则根据其他位置的乘员对应的驾驶模型确定驾驶参数，如果没有，则根据默认的驾驶模型确定驾驶参数或者根据检测到的输入指令选择驾驶模型，并根据选择的驾驶模型确定驾驶参数，其中，在其他位置的乘员中多个乘员都有对应的驾驶模型时，根据预设优先级选择在多个乘员的对应的驾驶模型中优先级最高的驾驶模型。作为示例，预设优先级可以是根据座椅的位置设置的也可以是根据驾驶模型的类型设定或者根据其他信息的考虑来设置优先级规则。

进一步地，在车辆采用手动驾驶模式时，对应不同的路况或不同的天气，不同的驾驶员各自会采用不同的对车辆纵向和横向控制的不同路况的延时控制及超前控制等不同的策略；同时驾驶员的主观精神状态的不同也会造成不同的驾车动作。对应于手动驾驶，对自动驾驶的需求，也希望自动驾驶可以达到和驾驶员手动驾驶同样的驾驶体验。

基于驾驶状态对驾驶员采用策略的不同，在本发明的一些实施例中，如图2所示，本发明实施例的驾驶控制系统100还包括检测装置50，检测装置50用于检测驾驶状态信息，例如路面信息或者驾驶员精神状态信息。

在一些实施例中，检测装置50包括第一检测模块、第二检测模块和第三检测模块中的至少一种，其中，第一检测模块用于检测主驾驶位乘员的面部信息以识别主驾驶位乘员的精神状态；第二检测模块用于检测车辆行驶路面的路况信息；第三检测模块用于检测天气信息。驾驶状态信息具体包括主驾驶位乘员的面部信息、车辆行驶路面的路况信息和天气信息中的至少一种。控制装置40在根据驾驶模型确定驾驶参数时具体用于，根据驾驶状态信息确定驾驶模型中的驾驶模型子集，并根据驾驶模型子集确定驾驶参数。

具体来说，驾驶员在不同的精神状态以及对于不同的驾驶路面、不同的天气状况都会采用不同的驾驶参数，将主驾驶位乘员的身份信息与驾驶状态信息以及驾驶参数进行分析、分类生成对应每个主驾驶位乘员的驾驶模型，并进行绑定，形成主驾驶位乘员与驾驶模型的对应数据库，其中，在驾驶模型中包括一个或多个该乘员在不同精神状态和不同的路面以及天气情况下的驾驶参数的子集。在一些实施例中，乘员的精神状态例如高兴、愤怒、疲劳等可以通过采集乘员的面部信息来识别，驾驶车辆的路况信息例如可以包括正常公路、沙地、雨雪路等情况。驾驶参数可以包括例如速度、加速度、油门踏板深度、制动踏板深度、挡位、四轮轮速、方向盘角度、角加速度、俯仰角度、横摆角度、胎压、雨刮状态、车灯开光等信息。通过对乘员不同精神状态、不同路面状况以及不同天气下的驾驶参数的提取分析，建立驾驶模型，还可以通过后续对乘员驾车的持续提取分析，不断优化驾驶模型。

举例来说，如下表1所示，为根据本发明的一个实施例的乘员在不同的驾驶状态下对应的驾驶模型的映射表，其中只是给出示例，没有将所有的驾驶状态的组合列出。在自动驾驶模式下，控制装置40可以根据主驾驶位乘员的身份信息确定驾驶模型，进而根据驾驶状态信息确定驾驶模型中的驾驶模型子集，并获得对应该主驾驶位乘员在当前精神状态和天气下在实际路面上的驾驶参数，按照该驾驶参数进行驾驶控制，如表中所示，在该主驾驶位乘员身份对应驾驶模型1时，如果判断当前的驾驶状态为：精神状态为高兴，路面状况为沙地以及当前为晴天，则确定的驾驶模型为：驾驶模型1-子集2，进而获得对应该模型的驾驶参数，根据驾驶参数进行驾驶控制，可以使得自动驾驶更加贴近该乘员手动驾驶时的驾驶习惯，大大改善驾驶体验。

表1

进一步地，在本发明的一些实施例中，如图2所示，本发明实施例的驾驶控制系统100还包括自学习装置60，自学习装置60用于实时采集主驾驶位乘员的驾驶习惯信息、车辆响应的驾驶参数和驾驶状态信息，控制装置40还用于对驾驶习惯信息、车辆响应的运行参数和驾驶状态信息进行迭代分析以形成驾驶模型。驾驶习惯信息为主驾驶位乘员手动驾驶车辆时做出的驾驶动作。具体来说，例如通过对主驾驶位乘员的语音、虹膜特征以及驾驶动作进行识别确定驾驶员身份，在确认该主驾驶位乘员身份的同时对该乘员的驾驶习惯信息进行提取，并对主驾驶位乘员不同的驾驶习惯信息和车辆响应的驾驶参数以及驾驶状态信息进行学习，以迭代优化该主驾驶位乘员的驾驶模型。其中，驾驶习惯信息和车辆响应的驾驶参数可以通过车辆的CAN(Controller Area Network，控制器局域网络)总线采集，例如在驾驶车辆时的横向控制参数，包括方向盘角度、角加速度、俯仰角度、横摆角以及转向角速度和车速的关系，以及车辆纵向控制参数，包括但不限于车速、加速度、油门信息、制动信息、挡位信息、四轮轮速以及加速度与车速的关系，档位参数包括档位切换和车速的关系及其他参数；主驾驶位乘员的精神状态信息可以通过车内监控摄像头采集主驾驶位乘员的面部信息以识别精神状态，以及驾驶路面的路况信息可以通过结合车速、轮速、横摆角、俯仰角、车辆转角以及车身上设置的光电传感器来获得。采集的数据可以存储在本地或者存储在云端，取决于车辆端的策略。通过自学习装置60对主驾驶位乘员的驾驶习惯信息、驾驶参数和驾驶状态信息的不断迭代学习，可以使得形成的驾驶模型更加接近于该乘员手动驾驶时的驾驶习惯，即使该主驾驶位乘员由于某些原因驾驶习惯有些许改变，也可以及时地改进驾驶模型。

在本发明的一些实施例中，如图2所示，本发明实施例的驾驶控制系统100还包括输入装置70，输入装置70用于接收输入指令，在实施例中，输入指令可以包括选择指令或更新指令；控制装置40还用于根据选择指令选择推荐驾驶模型，其中，在乘员有对应的驾驶模型时或者没有对应的驾驶模型时，都可以根据输入的选择指令来选择驾驶模型，更加灵活，或者，控制装置40还用于根据更新指令更新驾驶模型。

具体来说，在实施例中，当首次识别到主驾驶位乘员的身份信息后，将该信息存储在驾驶员身份库中，如果此时启动自动驾驶模式，驾驶控制系统100会提示主驾驶位乘员在推荐的驾驶模型中选择，主驾驶位乘员可以通过输入装置70选择需要的驾驶模型；如果主驾驶位乘员没有启动自动驾驶模式，则驾驶控制系统100会实时提取并分析以下信息：主驾驶位乘员的精神状态信息、实时路况信息或者天气信息、主驾驶位乘员的驾驶习惯信息和车辆响应的驾驶参数，并通过对上面提取的驾驶相关信息分析形成主驾驶位乘员的驾驶模型。当主驾驶位乘员再次驾车时，驾驶控制系统100对主驾驶位乘员身份进行识别，身份提取成功后，在驾驶员身份库中对该身份进行匹配，如果驾驶员身份库中存在该身份，则会载入对应的驾驶模型到自动驾驶的控制装置40中，如果没有启动自动驾驶模式，驾驶控制系统100则会实时提取并分析驾驶过程的驾驶习惯信息、驾驶参数和驾驶状态信息，并优化迭代驾驶员的驾驶模型，如果启动智能驾驶模式，则控制装置40会按照已经载入的驾驶模型控制车辆按照选定的驾驶参数运行。

本发明实施例的驾驶控制系统100还具备后台自动分析已经存在的驾驶模型的能力，例如，通过对驾驶模型中不同路况信息下对应的驾驶参数进行分类，通过对驾驶参数中速度、加速度、油门、刹车、挡位、四轮轮速、方向盘角度、角加速度、俯仰角、横摆角、胎压、雨刮、车灯等的分析把驾驶模型分为：公路、沙地、雨雪路面；或者，劲爆、舒适、舒缓等模式，并在迭代分析后提示乘员是否更新已经存储的待选驾驶模型，乘员可以通过输入装置70输入更新指令，如果选择更新，驾驶控制系统100则会把最新的驾驶模型替换到待选驾驶模型中。对于乘员的驾驶模型的迭代在驾驶控制系统100中会自动迭代更新，乘员无需操作。如果乘员想体验驾驶控制系统100中的自动驾驶模式，不希望驾驶控制系统100按照已经存储的驾驶模型控车，则同样可以和驾驶控制系统100的交互实现驾驶模式切换。

在本发明的一些实施例中，如图2所示，采集装置010还包括第二采集模块20，第二采集模块20用于采集主驾驶位乘员的驾驶动作信息。不同的乘员其驾驶操作通常不同，例如对于方向盘的使用习惯、对于挡位切换或者制动或者油门的操作不尽相同，因而可以通过乘员的驾驶动作来识别乘员的身份。在本发明的一些实施例中，第二采集模块20包括第一采集单元、第二采集单元、第三采集单元和第四采集单元中的至少一个，其中，驾驶动作信息包括方向盘的转向角度、档位信息、制动踏板的深度信息和油门踏板的深度信息中至少一个，例如可以在方向盘系统设置应力传感器；例如可以在挡位把手上设置应力传感器；例如可以在制动踏板上设置应力传感器；例如可以在油门踏板上设置应力传感器。

在手动驾驶模式下，基于不同的驾驶习惯，在主驾驶位乘员即驾驶员有驾驶动作时，可以通过驾驶员对方向盘、挡位、制动和油门的操作动作来识别驾驶员的身份。基于常规视觉识别的算法，由于算法的限制，驾驶员身份识别率严重受限，因而，在手动驾驶模式下，识别装置30同时通过对驾驶员动作信息的识别来判断驾驶员身份，并结合特征识别和驾驶动作识别来综合判断驾驶员身份，可以提高识别精确度。进而，根据驾驶员身份可以调取对应的习惯性设置例如对于座椅、灯光、后视镜等的设置信息，并对相应的设备进行调节，以满足驾驶员的习惯，提高舒适性。

下面参照附图对本发明实施例的驾驶控制系统100进一步说明。

在本发明的实施例中，如图3所示，对于主驾驶位乘员的身份的识别，例如，可以通过车载麦克风采集驾驶员语音信息、通过车载摄像头采集驾驶员的虹膜信息或者驾驶员面部特征，特征信息以根据不同的精确度要求，可以选择不同的处理策略，以及包括提取主驾驶位乘员的驾驶动作信息，并通过识别装置30对身份信息进行识别。例如如图4所示，通过识别装置30中的语音识别模块对车载麦克提取的主驾驶位乘员的语音信息进行识别，以及通过识别装置30中的虹膜识别模块对车内摄像头提取的驾驶员的虹膜信息进行识别，通过驾驶动作识别模块对主驾驶位乘员的驾驶动作进行比较识别。在自动驾驶模式下，可以通过语音识别和虹膜识别信息来对主驾驶位乘员进行身份识别；在手动驾驶模式下，可以通过综合确认模块将语音识别和虹膜识别以及驾驶动作识别进行综合来确认身份信息，各个特征都识别成功后，将特征信息存储在驾驶员身份特征库中，将驾驶动作信息添加到主驾驶位乘员的身份特征库中。

在本发明的一些实施例中，如图5所示是根据本发明的一个实施例的语音采集和识别电路的示意图，包括麦克电路4、带通滤波模块1、阻抗匹配模块2、语音识别模块3和特征库存储模块5。

其中，语音的输入端麦克电路4用于把主驾驶位乘员的语音信号转化为电信号；带通滤波模块1，用于过滤麦克电路4的输入信号频率，只保留语音信号的频率段，过滤掉其他频率段的噪音频段；阻抗匹配模块2，用于对电路进行阻抗匹配，可以保证语音信号不致衰减过大，导致识别失败；语音识别模块3，用于对语音信号进行特征识别。

如图5所示，带通滤波模块1，包含滤波输入端S21，用于把麦克电路4得到的语音信号，传输到带通滤波器中，带通滤波器由5-20级LC滤波电路组成，级数取决于电路工作环境中的环境噪音等级，以5级为例，带通滤波模块1包括并联电容C1，C2，C3和串接电感L1、L2，电感和电容要求采用高Q值系列，防止电路对声音信号的衰减过大；以及滤波输出级S22，用于把滤波后的语音信号传输出去。

阻抗匹配模块2包含射频输入S22、射频阻抗匹配网络及射频输出S23。射频阻抗匹配网络主要由并联电容C4、C5、C6及串并联网络L3、L4、C7、C8、R1组成，其中输入端S22连接C4、L3、C7，输出端连接L4、C8、C6，主要是完成麦克输入端S21到语音识别输入端S23之间的阻抗匹配，保证麦克输出端和语音识别模块输入端之间的阻抗接近等值共轭，以达到最小的声音信号传输损耗。

语音识别模块3为基于模糊学习的语音识别网络，可以保证识别的准确度，语音识别的结果存储到特征库存储模块5中。

在一些实施例中，虹膜识别的实现可以包括车内摄像头、视频传输线、虹膜识别模块组成。其中，虹膜识别模块用于对车内摄像头获取到的主驾驶位乘员的虹膜信息进行特征提取及虹膜特征识别，识别结果也会存储在特征库存储模块5中。

在实施例中，驾驶员动作识别的实现可以包括：动作识别ECU、方向盘应力传感器、挡位把手应力传感器、油门踏板应力传感器、刹车踏板应力传感器组成。

其中，实施例中的特征库存储模块5，可以由专门设计的用于存储主驾驶位乘员的特征信息的数据结构体组成，识别到的主驾驶位乘员的语音、虹膜信息及驾驶员动作信息对应存储在特征信息数据结构体中。结构体供后续特征识别时，进行特征库比对及主驾驶位乘员身份确认。

如图3所示，自学习装置70对主驾驶位乘员驾驶车辆时的车辆参数进行识别和统计，统计参数包括但不限于对车辆的横向控制参数和纵向控制参数、挡位控制参数、车速相关参数、驾驶员精神状态，其中，横向控制参数和挡位控制参数可以通过车辆的EPS(Electric Power Steering，电子助力转向系统)采集，纵向控制参数可以由车辆的EPS、EPB(Electrical Park Brake，电子驻车制动系统)、VTOG即双向逆变充放电式电机控制器来采集，车速相关参数也可以由ESP(Electronic Stability Program，车身电子稳定系统)采集，并通过CAN总线传输至自学习装置70，并通过对主驾驶位乘员的和以上驾驶参数的分析得到针对不同主驾驶位乘员的个性化的驾驶模型，驾驶模型可以保存在本地也可以保存在云端，甚至后续驾驶参数可以作为单独的控制参数来满足主驾驶位乘员的对不同驾驶参数的体验，可以大大提升驾驶体感。

在自动驾驶模式下，通过识别装置30结合主驾驶位乘员的特征信息识别主驾驶位乘员的身份，控制装置40通过对上述涉及的驾驶信息的分析，准确地匹配驾驶模型，实现对车辆的横向控制、纵向控制、挡位控制以及其他参数的控制，同时又可以使得主驾驶位乘员的通过选择不同的待选自动驾驶模型来体验不同的驾驶参数，可以大大改善乘车体验。

概括来说，本发明实施例的驾驶控制系统100，着眼于当前AI技术的发展和技术进步，根据主驾驶位乘员的身份提取驾驶员的驾驶模式，将主驾驶位乘员的身份和驾驶策略分析绑定，使得自动驾驶的驾驶行为更加贴近手动驾驶的驾驶习惯，大大改善驾驶体验。并且，在手动驾驶模式下，通过结合主驾驶位乘员的特征信息和驾驶动作信息来识别主驾驶位乘员身份，可以提高主驾驶位乘员身份的识别精确度。

基于上述方面实施例的驾驶控制系统，下面参照附图描述根据本发明第二方面实施例的车辆。

图6是根据本发明实施例的车辆的框图，如图6所示本发明实施例的车辆1000包括上述方面实施例的驾驶控制系统100，车辆1000可以设置手动驾驶模式和自动驾驶模式，在选择自动驾驶模式时，通过驾驶控制系统100结合主驾驶位乘员的特征信息识别主驾驶位乘员的身份，并根据身份信息提取驾驶模型，实现对车辆的自动驾驶控制。

根据本发明实施例的车辆1000，通过采用上述方面实施例的驾驶控制系统100，可以使得自动驾驶的驾驶行为更加贴近手动驾驶的驾驶习惯，大大改善驾驶体验。

下面参照附图描述根据本发明第三方面实施例的驾驶控制方法。

图7是根据本发明的一个实施例的驾驶控制方法的流程图，如图7所述，本发明实施例的驾驶控制方法包括：

S1，采集主驾驶位乘员的信息。

在本发明的一些实施例中，主驾驶位乘员的信息包括主驾驶位乘员的特征信息。在实施例中，特征信息包括语音采集信息、虹膜采集信息、行为或动作和面部采集信息中的至少一个。

在一些实施例中，在手动驾驶模式时，为了提高识别的准确性，采集主驾驶位乘员的驾驶员身份信息还可以包括：在主驾驶位乘员有驾驶动作时采集主驾驶位乘员的驾驶动作信息。在实施例中，驾驶动作信息具体包括在驾驶员有驾驶动作时采集车辆的方向盘的转向角、挡位信息、制动踏板的深度信息和油门踏板的深度信息中的至少一种。

S2，根据主驾驶位乘员的信息识别主驾驶位乘员的身份。

S3，在自动驾驶模式时，如果主驾驶位乘员的身份有效，根据主驾驶位乘员的身份获取驾驶模型。

S4，根据驾驶模型确定驾驶参数并根据驾驶参数进行驾驶控制。

根据本发明实施例的驾驶控制方法，通过根据主驾驶位乘员的特征信息识别主驾驶位乘员的省份，并根据主驾驶位乘员身份获取驾驶模型，驾驶模型更加多样性，将主驾驶位乘员身份与驾驶策略分析绑定，使得自动驾驶的驾驶行为更加接近于手动驾驶，提高自动驾驶舒适性。

在一些实施例中，在自动驾驶模式时，如果主驾驶位乘员的身份无效，则根据检测到的输入指令选择所述驾驶模式。

在另一些实施例中，在自动驾驶模式时，如果主驾驶位乘员的身份无效，获取除了主驾驶位之外的其他位置的乘员的信息；在其他位置有乘员时，进一步判断是否有与其他位置的乘员对应的驾驶模型；如果有，则根据其他位置的乘员对应的驾驶模型确定驾驶参数；如果没有，则根据默认的驾驶模型确定驾驶参数或者根据检测到的输入指令选择驾驶模型，并根据选择的驾驶模型确定驾驶参数；其中，在其他位置的乘员中多个乘员都有对应的驾驶模型时，根据预设优先级选择在多个乘员的对应的驾驶模型中优先级最高的驾驶模型。

在本发明的一些实施例中，本发明实施例的驾驶控制方法还包括检测驾驶状态信息；在实施例中，检测驾驶状态信息具体包括以下中的至少一种，检测主驾驶位乘员的面部信息以识别主驾驶位乘员的精神状态；检测车辆行驶路面的路况信息；检测天气信息。进一步地，驾驶模型中，可以根据不同的驾驶状态信息分类为不同的驾驶模型子集。在根据主驾驶位乘员身份确定驾驶模型之后，可以根据驾驶状态信息确定驾驶模型中的驾驶模型子集，并根据驾驶模型子集确定驾驶参数，从而可以确定该驾驶员在当前精神状态、当前天气或当前路况下的习惯于采用的驾驶参数，使得自动驾驶可以更加贴近于手动驾驶状态，提高舒适性。

在本发明的一些实施例中，本发明实施例的驾驶控制方法还包括：实时获取主驾驶位乘员的驾驶习惯信息和车辆响应的运行参数以及驾驶状态信息；对驾驶习惯信息和车辆响应的运行参数以及驾驶状态信息进行迭代分析以形成驾驶模型，从而驾驶模式可以不断地根据驾驶员的行为进行更新，以适应驾驶员的需求。

在本发明的一些实施例中，驾驶控制方法还包括：接收输入指令，在实施例中，输入指令包括选择指令或更新指令；根据选择指令选择推荐驾驶模型，或者，根据更新指令更新驾驶模型。

图8是根据本发明的一个实施例的主驾驶位乘员的信息采集的流程图，如图8所示，具体包括：

S801，信息提取，例如包括语音提取，虹膜信息提取、驾驶动作信息提取。

S802，判断特征提取是否成功，如果成功，进入步骤S803，否则返回步骤S801。

S803，存储特征信息。

S804，将特征信息发送至驾驶员特征库或驾驶参数库。

其中，在自动驾驶模式下，可以根据驾驶员特征库中的存储信息来对主驾驶位乘员的身份进行识别，在手动驾驶模式下，可以结合驾驶员特征库和驾驶参数库中的信息来识别主驾驶位乘员即驾驶员的身份，更加准确。

图9是根据本发明的一个实施例的自动驾驶模式下对主驾驶位乘员进行身份识别的流程图，如图9所示，具体包括：

S901，对驾驶员语音信息进行识别。

S902，判断语音识别是否成功，如果识别成功进入步骤S905，否则返回步骤S901以重新识别。

S903，对驾驶员的虹膜信息进行识别。

S904，判断虹膜识别是否成功，如果成功，进入步骤S905，否则返回步骤S903以重新识别。

S905，将特征信息与驾驶员特征库保存信息进行匹配，并进入步骤S909。

S909，判断匹配是否成功，如果成功，进入步骤S910，否则返回步骤S901和S903。

S910，在驾驶参数库中获得对应的驾驶模式。

S911，根据驾驶模型的驾驶参数对车辆进行控制。

图10是根据本发明的另一个实施例的自动驾驶控制过程的流程图，如图10所示，具体包括：

驾驶控制系统的控制装置分别通过执行前台任务S51和后台任务S57完成对驾驶员身份特征的确认和驾驶模型的建立、迭代和对驾驶模型库中待选驾驶模型的迭代更新。具体如下：

S51，检测主驾驶位乘员身份信息，如果检测到主驾驶位乘员身份信息，则进入S52，否则返回S51。

S52，提取出主驾驶位乘员的特征信息，进入S53；

S53，进行主驾驶位乘员身份的匹配。

S503，判断匹配是否成功，如果匹配成功进入S54，如果没有匹配到主驾驶位乘员信息，则说明没有保存该主驾驶位乘员的驾驶记录，进入步骤S504。

S504，控制装置检测自动驾驶按钮是否被按下，如果按下则进入S56，否则进入S55。

S54，导入主驾驶位乘员对应的驾驶模型信息，并进入步骤S505。

S505，检测主驾驶位乘员是否按下自动驾驶模式按钮，如果按下进入S5411，如果没有按下自动驾驶模式按钮，则进入S541。

S5411，使用驾驶模型开始控车。

S55，驾驶模型库没有该主驾驶位乘员的特征信息，且自动驾驶按钮没有被按下，则控制装置对驾驶信息进行提取，并进入S551。

S56，控制装置提示主驾驶位乘员进行驾驶模型的选择。

S506，判断10s内是否检测主驾驶位乘员的选择指令，如果选择了驾驶模型则进入S562，如果驾驶员在10s内没有选择驾驶模型，则进入S561。

S561，控制装置选择驾驶模型库中的舒适模型开始控车。

S562，根据选择的驾驶模型开始控车。

S57，控制装置执行后台任务，分析已经存在的驾驶模型，分析完成后进入S58。

S58，得到最佳分类所需的驾驶模型。

S507，检测自动驾驶模式按钮是否被按下，如果按下进入S59，如果没有按下进入S592。

S59，检测点火循环。

S508，判断是否在本次点火循环，如果在本次点火循环进入S592，暂存最佳分类控制模型，如果不在本次点火循环进入S591。

S591，提示用户更新待选最优驾驶模型。

S509，是否选择更新，如果选择更新则进入S593，如果选择不更新则进入S592。

S592，暂存最优待选驾驶模型，并重新开始新的后台任务，返回步骤S57。

S593，更新最优待选驾驶模型到驾驶模型库，并重新开始新的后台任务。

主驾驶位乘员身份匹配成功，并导入控车模型后，如果没有按下智能驾驶按钮，而是进行手动驾驶车辆，则进入如下子流程：

S541，控制装置提取驾驶相关信息，例如主驾驶位乘员的驾驶习惯信息、驾驶参数和驾驶状态信息，提取信息具体可以包括：主驾驶位乘员精神状态、驾驶工况、车辆控制信号：速度、加速度、油门、刹车、挡位、四轮轮速、方向盘角度、角加速度、俯仰角、横摆角、胎压、雨刮、车灯等信息，进入S542。

S542，控制装置对提取的如上驾驶相关信息进行分析，通过三类信息的匹配得到新的驾驶模型，进入S543。

S543，迭代已经导入的驾驶模型，并对该驾驶模型进行存储，并进入步骤S544；

S544，更新现有的驾驶模型；

主驾驶位乘员身份匹配不成功，则说明驾驶模型库中没有保存该主驾驶位乘员的信息，此时如果没有按下智能驾驶按钮，而是进行手动驾驶车辆，则进入如下子流程：

S551，控制装置分析驾驶相关信息，例如驾驶习惯信息、驾驶参数和驾驶状态信息，具体可以包括：主驾驶位乘员精神状态、驾驶工况、车辆控制信号：速度、加速度、油门、刹车、挡位、四轮轮速、方向盘角度、角加速度、俯仰角、横摆角、胎压、雨刮、车灯等信息，进入S552；

步骤S552，控制装置对提取如上驾驶相关信息进行分析以生成驾驶模型，通过三类信息的匹配得到新的驾驶模型，进入S553；

步骤S553，更新驾驶模型并存储；

总的来说，根据本发明实施例的驾驶控制方法，在自动驾驶模式下，通过根据主驾驶位乘员的特征信息识别主驾驶位乘员的身份，根据主驾驶位乘员的身份确定驾驶模型，将驾驶员身份与驾驶模型结合，实现更加舒适的自动驾驶控制，并且实时对驾驶模型进行迭代优化，更加接近于手动驾驶模式下的驾驶体验，在手动驾驶模式下，可以结合驾驶员的特征信息和驾驶动作信息来识别驾驶员身份，相较于通常的视听识别更加精准。

下面参照附图描述根据本发明第四方面实施例存储介质。

在本发明的一些实施例中，本发明实施例的非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上面实施例的驾驶控制方法。

根据本发明实施例的存储介质，存储可以实现上述方面实施例的驾驶控制方法的计算机程序，为驾驶控制方法的实现提供支持。

需要说明的是，在本说明书的描述中，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特定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。例如，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。

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。

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 (14)

1.一种驾驶控制系统，其特征在于，所述驾驶控制系统包括：

采集装置，所述采集装置用于采集主驾驶位乘员的信息，

识别装置，所述识别装置用于根据所述主驾驶位乘员的信息识别主驾驶位乘员的身份；

控制装置，在自动驾驶模式时，所述控制装置用于在所述主驾驶位乘员的身份有效时，根据所述主驾驶位乘员的身份获取驾驶模型，并根据所述驾驶模型确定驾驶参数以进行驾驶控制。

2.如权利要求1所述的驾驶控制系统，其特征在于，所述控制装置，还用于在所述主驾驶位乘员的身份无效时，根据检测到的输入指令选择所述驾驶模式。

3.如权利要求1所述的驾驶控制系统，其特征在于，所述控制装置，还用于在所述主驾驶位乘员的身份无效时，获取除了主驾驶位之外的其他位置的乘员的信息，并在所述其他位置有乘员时，进一步判断是否有与所述其他位置的乘员对应的驾驶模型，如果有，则根据所述其他位置的乘员对应的驾驶模型确定驾驶参数，如果没有，则根据默认的驾驶模型确定驾驶参数或者根据检测到的输入指令选择所述驾驶模型，并根据选择的驾驶模型确定驾驶参数，其中，在所述其他位置的乘员中多个乘员都有对应的驾驶模型时，根据预设优先级选择在所述多个乘员的对应的驾驶模型中优先级最高的驾驶模型。

4.如权利要求1所述的驾驶控制系统，其特征在于，

所述采集装置包括第一采集模块，所述第一采集模块用于采集主驾驶位乘员的特征信息，其中，所述特征信息包括语音采集信息、虹膜采集信息、行为或动作和面部采集信息中的至少一个。

5.如权利要求4所述的驾驶控制系统，其特征在于，所述驾驶控制系统还包括：

检测装置，所述检测装置用于检测驾驶状态信息，其中，所述驾驶状态信息具体包括所述主驾驶位乘员的面部信息，车辆行驶路面的路况信息和天气信息中的至少一种，所述控制装置在根据所述驾驶模型确定驾驶参数时具体用于，根据所述驾驶状态信息确定所述驾驶模型中的驾驶模型子集，并根据所述驾驶模型子集确定所述驾驶参数；

自学习装置，用于实时获取主驾驶位乘员的驾驶习惯信息、车辆响应的驾驶参数和驾驶状态信息，所述控制装置还用于对所述驾驶习惯信息、车辆响应的驾驶参数和驾驶状态信息进行迭代分析以形成所述驾驶模型；

输入装置，用于接收输入指令，所述输入指令包括选择指令或更新指令，所述控制装置还用于根据所述选择指令选择推荐驾驶模型，或者，所述控制装置还用于根据所述更新指令更新所述驾驶模型。

6.如权利要求4所述的驾驶控制系统，其特征在于，所述采集装置还包括第二采集模块，所述第二采集模块用于采集所述主驾驶位乘员的驾驶动作信息，其中，所述驾驶动作信息包括方向盘的转向角度、挡位信息、制动踏板的深度信息和油门踏板的深度信息中的至少一个。

7.一种车辆，其特征在于，包括如权利要求1-6任一项所述的驾驶控制系统。

8.一种驾驶控制方法，其特征在于，所述驾驶控制方法包括：

采集主驾驶位乘员的信息；

根据所述主驾驶位乘员的信息识别主驾驶位乘员的身份；

在自动驾驶模式时，如果所述主驾驶位乘员的身份有效，则根据所述主驾驶位乘员的身份获取驾驶模型；

根据所述驾驶模型确定驾驶参数以进行驾驶控制。

9.如权利要求8所述的驾驶控制方法，其特征在于，所述驾驶控制方法还包括：

在自动驾驶模式时，如果所述主驾驶位乘员的身份无效，则根据检测到的输入指令选择所述驾驶模式。

10.如权利要求8所述的驾驶控制方法，其特征在于，所述驾驶控制方法还包括：

在自动驾驶模式时，如果所述主驾驶位乘员的身份无效，获取除了主驾驶位之外的其他位置的乘员的信息；

在所述其他位置有乘员时，进一步判断是否有与所述其他位置的乘员对应的驾驶模型；

如果有，则根据所述其他位置的乘员对应的驾驶模型确定驾驶参数；

如果没有，则根据默认的驾驶模型确定驾驶参数或者根据检测到的输入指令选择所述驾驶模型，并根据选择的驾驶模型确定驾驶参数；

其中，在所述其他位置的乘员中多个乘员都有对应的驾驶模型时，根据预设优先级选择在所述多个乘员的对应的驾驶模型中优先级最高的驾驶模型。

11.如权利要求8所述的驾驶控制方法，其特征在于，所述采集主驾驶位乘员的信息具体包括：采集主驾驶位乘员的特征信息，其中，所述特征信息包括语音采集信息、虹膜采集信息、行为或动作和面部采集信息中的至少一个。

12.如权利要求11所述的驾驶控制方法，其特征在于，

所述驾驶控制方法还包括检测驾驶状态信息，其中，所述驾驶状态信息具体包括以下中的至少一种，所述主驾驶位乘员驾驶员的面部信息，车辆行驶路面的路况信息，天气信息；根据所述驾驶状态信息确定所述驾驶模型中的驾驶模型子集，并根据所述驾驶模型子集确定所述驾驶参数；

所述驾驶控制方法还包括：实时获取主驾驶位乘员的驾驶习惯信息和车辆响应的驾驶参数以及所述驾驶状态信息，对所述驾驶习惯信息和车辆响应的驾驶参数以及所述驾驶状态信息进行迭代分析以形成所述驾驶模型；

所述驾驶控制方法还包括：接收输入指令，其中，所述输入指令包括选择指令或更新指令，根据所述选择指令选择推荐驾驶模型，或者，根据所述更新指令更新所述驾驶模型。

13.如权利要求11所述的驾驶控制方法，其特征在于，所述采集主驾驶位乘员的信息还包括：在所述主驾驶位乘员有驾驶动作时采集主驾驶位乘员的驾驶动作信息，其中，所述驾驶动作信息包括方向盘的转向角、挡位信息、制动踏板的深度信息和油门踏板的深度信息中的至少一种。

14.一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，所述计算机程序被处理器执行时实现如权利要求8-13中任一所述的驾驶控制方法。

Images