CN110758403B - 自动驾驶车辆的控制方法、装置、设备及存储介质 - Google Patents
自动驾驶车辆的控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110758403B CN110758403B CN201911041420.3A CN201911041420A CN110758403B CN 110758403 B CN110758403 B CN 110758403B CN 201911041420 A CN201911041420 A CN 201911041420A CN 110758403 B CN110758403 B CN 110758403B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- information
- surrounding
- habit data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000015654 memory Effects 0.000 claims description 40
- 230000006399 behavior Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000013461 design Methods 0.000 description 22
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W50/00—Details 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W50/00—Details 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
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W50/00—Details 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
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了自动驾驶车辆的控制方法、装置、设备及存储介质，涉及大数据技术领域。具体实现方案为：获取周围车辆的行驶习惯数据；根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据所述驾驶决策，控制自动驾驶车辆行驶。本申请可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
Description
技术领域
本申请涉及大数据技术领域中的自动驾驶技术，尤其涉及一种自动驾驶车辆的控制方法、装置、设备及存储介质。
背景技术
随着自动驾驶技术的发展，驾驶决策所依据的道路要素信息也越来越丰富。
当自动驾驶车辆在道路上行驶时，需要连续对车辆周边的其他车辆在未来时刻的驾驶行为进行的预测，然后基于预测结果做出驾驶决策。
但是，上述方式是基于所有其他车辆均遵循交通法规的前提来进行预测的，而现实道路上，存在大量的违章驾驶行为，而这些违章驾驶行为会影响自动驾驶车辆对周边车辆的预测结果，导致自动驾驶车辆的决策不符合实际路况，从而诱发交通事故。
发明内容
本申请提供一种自动驾驶车辆的控制方法、装置、设备及存储介质，可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
第一方面，本申请实施例提供一种自动驾驶车辆的控制方法，包括：
获取周围车辆的行驶习惯数据；
根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；
根据所述驾驶决策，控制自动驾驶车辆行驶。
本实施例中，通过获取周围车辆的行驶习惯数据；根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据所述驾驶决策，控制自动驾驶车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
在一种可能的设计中，所述获取周围车辆的行驶习惯数据，包括：
获取周围车辆的预测行驶轨迹和实际行驶轨迹；
当确定所述周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取所述周围车辆的车牌信息；
将所述周围车辆的车牌信息发送给云端，以使得所述云端根据所述车辆信息获取所述周围车辆的行驶习惯数据；
接收云端反馈的行驶习惯数据。
本实施例中，可以通过云端来获取周围车辆的行驶习惯数据，然后将该行驶习惯数据反馈给自动驾驶车辆，使得自动驾驶车辆在对周围车辆的驾驶行为预测中充分考虑了驾驶员的驾驶习惯，因此可以对实际道路上存在却又无法避免的违章行为进行预测，使得自动驾驶车辆对周围环境中其他车辆的预测结果的准确率得到较大的提升，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
在一种可能的设计中，所述获取周围车辆的行驶习惯数据，包括：
接收云端推送的行驶习惯数据，并将所述行驶习惯数据存储到本地存储器中；
获取周围车辆的预测行驶轨迹和实际行驶轨迹；
当确定所述周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取所述周围车辆的车牌信息；
根据所述车牌信息，从本地存储器中获取所述周围车辆的行驶习惯数据。
本实施例中，云端可以定期地给自动驾驶车辆推行驶习惯数据，然后将该行驶习惯数据存储在自动驾驶车辆的本地存储器中，从而可以在离线的情况下，也能够及时地获取到周围车辆的行驶习惯数据，以便于自动驾驶车辆可以准确地做出驾驶决策。
在一种可能的设计中，所述获取周围车辆的预测行驶轨迹和实际行驶轨迹，包括：
通过传感器采集周围的环境信息；所述环境信息包括：自身车辆与周围车辆的距离信息、周围车辆的形状信息、周围车辆的速度信息、周围车辆的位置信息；
根据连续采集的环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
本实施例中，可以通过安装在车辆上的各种传感器(例如摄像头、激光雷达、超声波雷达、毫米波雷达等等)来采集自动驾驶车辆周围的环境信息，通过连续采集的环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
在一种可能的设计中，所述预设条件，包括：
所述周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或
所述周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内。
本实施例中，通过比对周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差，以及相对于水平方向的偏角之差来评判实际行驶轨迹和预测行驶轨迹的差异。若两者均在对应的范围内，则说明周围的车辆是正常行驶。从而可以设置触发条件，仅在周围车辆出现非正常驾驶时，才获取相应的行驶习惯数据，从而减少数据的处理量。
在一种可能的设计中，所述驾驶决策包括：减速、变换车道、加速、刹车停驻、跟车行驶。
本实施例中，可以通过减速、变换车道、加速、刹车停驻、跟车行驶等等方式，实现对周围车辆的避让，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
第二方面，本申请实施例提供一种自动驾驶车辆的控制方法，包括：
获取与车牌信息对应的关联信息；
根据所述关联信息构建驾驶员的习惯画像，得到行驶习惯数据；
将所述行驶习惯数据推送给自动驾驶车辆；以使得所述自动驾驶车辆生成考虑所述行驶习惯数据的驾驶决策，并根据所述驾驶决策进行车辆行驶。
本实施例中，通过获取与车牌信息对应的关联信息；根据所述关联信息构建驾驶员的习惯画像，得到行驶习惯数据；将所述行驶习惯数据推送给自动驾驶车辆；以使得所述自动驾驶车辆生成考虑所述行驶习惯数据的驾驶决策，并根据所述驾驶决策进行车辆行驶。从而可以提高自动驾驶车辆对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
在一种可能的设计中，获取车牌信息对应的关联信息，包括：
从机动车登记数据库、驾驶员登记数据库、交通违章数据库中获取所述关联信息，所述关联信息包括：历史驾驶行为信息、违章信息、驾驶员注册信息。
本实施例中，通过构建云端与机动车登记数据库、驾驶员登记数据库、交通违章数据库等数据库的数据交互，获取到与车牌信息对应的关联信息，以便于获取全面的数据构建驾驶员的习惯画像。
在一种可能的设计中，在获取与车辆的车辆信息对应的关联信息之前，还包括：
接收自动驾驶车辆发送的车牌信息。
本实施例中，云端还可以是在接收到自动驾驶车辆发送的车牌信息之后，再向自动驾驶车辆反馈对应车辆的行驶习惯数据，从而减少数据的交互次数，降低云端的数据处理压力。
第三方面，本申请实施例提供一种自动驾驶车辆的控制装置，包括：
获取模块，用于获取周围车辆的行驶习惯数据；
决策模块，用于根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；
控制模块，用于根据所述驾驶决策，控制自动驾驶车辆行驶。
本实施例中，通过获取周围车辆的行驶习惯数据；根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据所述驾驶决策，控制自动驾驶车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
在一种可能的设计中，所述获取模块，具体用于：
获取周围车辆的预测行驶轨迹和实际行驶轨迹；
当确定所述周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取所述周围车辆的车牌信息；
将所述周围车辆的车牌信息发送给云端，以使得所述云端根据所述车辆信息获取所述周围车辆的行驶习惯数据；
接收云端反馈的行驶习惯数据。
本实施例中，可以通过云端来获取周围车辆的行驶习惯数据，然后将该行驶习惯数据反馈给自动驾驶车辆，使得自动驾驶车辆在对周围车辆的驾驶行为预测中充分考虑了驾驶员的驾驶习惯，因此可以对实际道路上存在却又无法避免的违章行为进行预测，使得自动驾驶车辆对周围环境中其他车辆的预测结果的准确率得到较大的提升，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
在一种可能的设计中，所述获取模块，还用于：
接收云端推送的行驶习惯数据，并将所述行驶习惯数据存储到本地存储器中；
获取周围车辆的预测行驶轨迹和实际行驶轨迹；
当确定所述周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取所述周围车辆的车牌信息；
根据所述车牌信息，从本地存储器中获取所述周围车辆的行驶习惯数据。
本实施例中，云端可以定期地给自动驾驶车辆推送行驶习惯数据，然后将该行驶习惯数据存储在自动驾驶车辆的本地存储器中，从而可以在离线的情况下，也能够及时地获取到周围车辆的行驶习惯数据，以便于自动驾驶车辆可以准确地做出驾驶决策。
在一种可能的设计中，所述获取周围车辆的预测行驶轨迹和实际行驶轨迹，包括：
通过传感器采集周围的环境信息；所述环境信息包括：自身车辆与周围车辆的距离信息、周围车辆的形状信息、周围车辆的速度信息、周围车辆的位置信息；
根据连续采集的多个所述环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
本实施例中，可以通过安装在车辆上的各种传感器(例如摄像头、激光雷达、超声波雷达、毫米波雷达等等)来采集自动驾驶车辆周围的环境信息，通过连续采集的环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
在一种可能的设计中，所述预设条件，包括：
所述周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或
所述周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内。
本实施例中，通过比对周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差，以及相对于水平方向的偏角之差来评判实际行驶轨迹和预测行驶轨迹的差异。若两者均在对应的范围内，则说明周围的车辆是正常行驶。从而可以设置触发条件，仅在周围车辆出现非正常驾驶时，才获取相应的行驶习惯数据，从而减少数据的处理量。
在一种可能的设计中，所述驾驶决策包括：减速、变换车道、加速、刹车停驻、跟车行驶。
本实施例中，可以通过减速、变换车道、加速、刹车停驻等等方式，实现对周围车辆的避让，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
第四方面，本申请实施例提供一种自动驾驶车辆的控制装置，包括：
获取模块，用于获取与车牌信息对应的关联信息；
处理模块，用于根据所述关联信息构建驾驶员的习惯画像，得到行驶习惯数据；
发送模块，用于将所述行驶习惯数据推送给自动驾驶车辆；以使得所述自动驾驶车辆生成考虑所述行驶习惯数据的驾驶决策，并根据所述驾驶决策进行车辆行驶。
本实施例中，通过获取与车牌信息对应的关联信息；根据所述关联信息构建驾驶员的习惯画像，得到行驶习惯数据；将所述行驶习惯数据推送给自动驾驶车辆；以使得所述自动驾驶车辆生成考虑所述行驶习惯数据的驾驶决策，并根据所述驾驶决策进行车辆行驶。从而可以提高自动驾驶车辆对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
在一种可能的设计中，所述获取模块，具体用于：
从机动车登记数据库、驾驶员登记数据库、交通违章数据库中获取所述关联信息，所述关联信息包括：历史驾驶行为信息、违章信息、驾驶员注册信息。
本实施例中，通过构建云端与机动车登记数据库、驾驶员登记数据库、交通违章数据库等数据库的数据交互，获取到与车牌信息对应的关联信息，以便于获取全面的数据构建驾驶员的习惯画像。
在一种可能的设计中，还包括：接收模块，用于：
接收自动驾驶车辆发送的车牌信息。
本实施例中，云端还可以是在接收到自动驾驶车辆发送的车牌信息之后，再向自动驾驶车辆反馈对应车辆的行驶习惯数据，从而减少数据的交互次数，降低云端的数据处理压力。
第五方面，本申请提供一种电子设备，包括：处理器和存储器；存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行如第一方面中任一项所述的自动驾驶车辆的控制方法。
第六方面，本申请提供一种服务器：处理器和存储器；存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行如第二方面中任一项所述的自动驾驶车辆的控制方法。
第七方面，本申请提供一种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第一方面中任一项所述的自动驾驶车辆的控制方法。
第八方面，本申请提供一种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第二方面中任一项所述的自动驾驶车辆的控制方法。
第九方面，本申请实施例提供一种程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，服务器的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得服务器执行第一方面中任一所述的自动驾驶车辆的控制方法。
上述申请中的一个实施例具有如下优点或有益效果：可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。因为采用获取周围车辆的行驶习惯数据；根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据所述驾驶决策，控制自动驾驶车辆行驶的技术手段，所以克服了对周围车辆行驶轨迹预测不准确导致的驾驶决策不合理的技术问题，通过在轨迹预测中考虑驾驶员的行驶习惯数据，从而提高对周围车辆的行驶轨迹的预测准确度，以达到自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是可以实现本申请实施例的自动驾驶车辆的控制方法的场景图；
图2是根据本申请第一实施例的示意图；
图3是根据本申请第二实施例的示意图；
图4是根据本申请第三实施例的示意图；
图5是根据本申请第四实施例的示意图；
图6是根据本申请第五实施例的示意图；
图7是用来实现本申请实施例的自动驾驶的控制方法车辆的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
随着自动驾驶技术的发展，驾驶决策所依据的道路要素信息也越来越丰富。当自动驾驶车辆在道路上行驶时，需要连续对车辆周边的其他车辆在未来时刻的驾驶行为进行的预测，然后基于预测结果做出驾驶决策。但是，上述方式是基于所有其他车辆均遵循交通法规的前提来进行预测的，而现实道路上，存在大量的违章驾驶行为。例如：低速行驶、路口左转专用道直行、右转专用道直行、不避让后车强行变更车道、在右侧车道调头、变道/转弯提前不打转向灯、跨越道路实线等。而这些违章驾驶行为会影响自动驾驶车辆的预测结果，导致自动驾驶车辆的决策不符合实际路况，从而诱发交通事故。同时，这些违章行为往往与车辆的行驶习惯和驾驶员的驾驶行为习惯密切关联。
针对上述技术问题，本申请提供一种自动驾驶车辆的控制方法、装置、设备及存储介质，可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
图1是可以实现本申请实施例的自动驾驶车辆的控制方法的场景图，如图1所示，云端10可以根据车牌从机动车登记数据库、驾驶员登记数据库、交通违章数据库中获取历史驾驶行为信息、违章信息、驾驶员注册信息等关联信息。然后，根据这些关联信息作为冷启动数据，构建驾驶员的习惯画像，生成行驶习惯数据，并存入行驶习惯数据库。在自动驾驶车辆20行驶过程中，自动驾驶车辆20可以通过车载传感器获取周围车辆的实际行驶轨迹，并通过自动驾驶车辆20的行驶轨迹预测算法得到周围车辆的预测行驶轨迹。若预测行驶轨迹和实际行驶轨迹之间的差异很小或在预设范围内，则可以确定周围车辆遵循交通法规进行行驶，只需要按周围车辆的预测行驶轨迹进行自动驾驶决策即可，与现有技术相同。只有在预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，引入车辆的行驶习惯数据，作为自动驾驶决策的一种补充。此时，自动驾驶车辆20可以将获取到的周围车辆的车牌信息，并通过实时通讯网络将车牌信息发送给云端10。由云端10根据车牌信息获取对应车辆的行驶习惯数据，并返回给自动驾驶车辆20。在另一种方式中，也可以在自动驾驶车辆本地端建立存储器，存储器中存储有车辆的行驶习惯数据。云端10可以定期地给自动驾驶车辆20推送行驶习惯数据，然后将该行驶习惯数据存储在自动驾驶车辆的本地存储器中，从而可以在离线的情况下，也能够及时地获取到周围车辆的行驶习惯数据，以便于自动驾驶车辆20可以准确地做出驾驶决策。此外，还可以将自动驾驶车辆20主动抓取和云端10推送两种方式进行结合。当自动驾驶车辆20有上报非正常行驶，需要云端10提供行驶习惯数据时，云端10可以将行驶习惯数据主动推送给附近的其他自动驾驶车辆20。在获得行驶习惯数据之后，自动驾驶车辆20可以根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策，控制自动驾驶车辆20行驶，保证自动车辆的安全行驶和乘客安全。
应用上述方法可以克服对周围车辆行驶轨迹预测不准确导致的驾驶决策不合理的技术问题，通过在轨迹预测中考虑驾驶员的行驶习惯数据，从而提高对周围车辆的行驶轨迹的预测准确度，以达到自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全的技术效果。
图2是根据本申请第一实施例的示意图，如图2所示，本实施例中的方法可以包括：
S101、获取周围车辆的行驶习惯数据。
本实施例中，自动驾驶车辆可以从云端获取周围车辆的行驶习惯数据，也可以从自动驾驶车辆本地端获取周围车辆的行驶习惯数据。
可选地，获取周围车辆的行驶习惯数据，包括：获取周围车辆的预测行驶轨迹和实际行驶轨迹；当确定周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取周围车辆的车牌信息；将周围车辆的车牌信息发送给云端，以使得云端根据车辆信息获取周围车辆的行驶习惯数据；接收云端反馈的行驶习惯数据。
具体地，在自动驾驶车辆行驶过程中，自动驾驶车辆可以通过车载传感器获取周围车辆的实际行驶轨迹，并通过自动驾驶车辆的行驶轨迹预测算法得到周围车辆的预测行驶轨迹。若预测行驶轨迹和实际行驶轨迹之间的差异很小或在预设范围内，则可以确定周围车辆遵循交通法规进行行驶，只需要按周围车辆的预测行驶轨迹进行自动驾驶决策即可，与现有技术相同。只有在预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，引入车辆的行驶习惯数据，作为自动驾驶决策的一种补充。此时，自动驾驶车辆可以将获取到的周围车辆的车牌信息，并通过实时通讯网络将车牌信息发送给云端。由云端根据车牌信息获取对应车辆的行驶习惯数据，并返回给自动驾驶车辆。这种方式，实现了自动驾驶车辆主动从云端抓取周围车辆的行驶习惯数据，然后将该行驶习惯数据反馈给自动驾驶车辆，使得自动驾驶车辆在对周围车辆的驾驶行为预测中充分考虑了驾驶员的驾驶习惯，因此可以对实际道路上存在却又无法避免的违章行为进行预测，使得自动驾驶车辆对周围环境中其他车辆的预测结果的准确率得到较大的提升，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
可选地，获取周围车辆的行驶习惯数据，包括：接收云端推送的行驶习惯数据，并将行驶习惯数据存储到本地存储器中；获取周围车辆的预测行驶轨迹和实际行驶轨迹；当确定周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取周围车辆的车牌信息；根据车牌信息，从本地存储器中获取周围车辆的行驶习惯数据。
具体地，也可以在自动驾驶车辆本地端建立存储器，存储器中存储有车辆的行驶习惯数据。在自动驾驶车辆行驶过程中，自动驾驶车辆可以通过车载传感器获取周围车辆的实际行驶轨迹，并通过自动驾驶车辆的行驶轨迹预测算法得到周围车辆的预测行驶轨迹。若预测行驶轨迹和实际行驶轨迹之间的差异很小或在预设范围内，则可以确定周围车辆遵循交通法规进行行驶，只需要按周围车辆的预测行驶轨迹进行自动驾驶决策即可，与现有技术相同。只有在预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，引入车辆的行驶习惯数据，作为自动驾驶决策的一种补充。此时，自动驾驶车辆可以将获取到的周围车辆的车牌信息，并根据车牌信息从本地存储器中获取周围车辆的行驶习惯数据。这种方式，实现了云端定期地给自动驾驶车辆推送行驶习惯数据，然后将该行驶习惯数据存储在自动驾驶车辆的本地存储器中，从而可以在离线的情况下，也能够及时地获取到周围车辆的行驶习惯数据，以便于自动驾驶车辆可以准确地做出驾驶决策。此外，还可以将自动驾驶车辆主动抓取和云端推送两种方式进行结合。例如，当自动驾驶车辆A发现周围车辆B的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则自动驾驶车辆A通过实时通讯网络上报云端，从云端获取周围车辆B的行驶习惯数据。而此时，自动驾驶车辆C的实时位置与自动驾驶车辆A在预设范围内等情况，车辆B也会对自动驾驶车辆的驾驶决策造成影响，云端可以主动将车辆B的行驶习惯数据推送给自动驾驶车辆C。自动驾驶车辆C在进行预测时在原有预测方法的基础之上加入了驾驶习惯的因素,从而更加准确、高效地生成驾驶决策，保证行驶安全。
可选地，获取周围车辆的预测行驶轨迹和实际行驶轨迹，包括：通过传感器采集周围的环境信息；该环境信息包括：自身车辆与周围车辆的距离信息、周围车辆的形状信息、周围车辆的速度信息、周围车辆的位置信息；根据连续采集的环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
具体地，自动驾驶车辆可以通过安装在车辆上的各种传感器(例如摄像头、激光雷达、超声波雷达、毫米波雷达等等)来采集自动驾驶车辆周围的环境信息，通过连续采集的环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。也可以通过行使轨迹预测算法，根据已知的连续帧图像中车辆的位置，预测未来时间段内车辆的位置所得到周围车辆的预测的行驶轨迹。
可选地，预设条件，包括：周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内。
具体地，可以从第i张图像中获取车辆的位置，并获取i+n时刻的车辆位置，获取两个时刻的车辆距离以及车辆与垂直或水平方向的偏角；判断实际的车辆距离与预测的车辆距离之差是否在第一预设范围内，判断实际的车辆偏角和预测偏角是否在第二预设范围内，若均在对应的范围内，则确定车辆正常行驶，否则，周围车辆可能出现危险驾驶行为或者违章行为，符合预设条件。本实施例可以设置触发条件，仅在周围车辆出现非正常驾驶时，才获取相应的行驶习惯数据，从而减少数据的处理量。
S102、根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策。
本实施例中，自动驾驶车辆可以根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策。其中，驾驶决策包括：减速、变换车道、加速、刹车停驻、跟车行驶。例如，当自动驾驶车辆A的前方存在车辆B，而车辆B存在变道/转弯提前不打转向灯的驾驶习惯，则自动驾驶车辆可以根据当前的信息，生成减速的驾驶决策，以避免车辆B的临时危险变道行为，以避免了与周边车辆碰撞、剐蹭、追尾等危险情况，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
S103、根据驾驶决策，控制自动驾驶车辆行驶。
本实施例中，自动驾驶车辆可以根据驾驶决策，控制自动驾驶车辆行驶，保证自动车辆的安全行驶和乘客安全。
本实施例，通过获取周围车辆的行驶习惯数据；根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据驾驶决策，控制自动驾驶车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
图3是根据本申请第二实施例的示意图；如图3所示，本实施例中的方法可以包括：
S201、获取与车牌信息对应的关联信息。
本实施例中，云端可以根据车牌从机动车登记数据库、驾驶员登记数据库、交通违章数据库中获取关联信息，关联信息包括：历史驾驶行为信息、违章信息、驾驶员注册信息。
具体地，新司机、新车由于驾驶技能经验不足、新车磨合、路况不熟悉、没有形成良好的驾驶习惯往往违章、事故较多。外地车辆可能对当地的路况不熟悉，会出现路口低速行驶、紧急变道等情况。因此，可以和公安交通车辆/驾驶员管理机构的数据库打通,从机动车登记数据库、驾驶员登记数据库获取到最新登记/注册的驾驶员信息。另一方面，交通违章数据库中集中了车辆对应的违章数据，是车辆未遵循交通法规行驶的重要来源。因此，云端可以获取这些数据，作为作为制作驾驶习惯画像的依据，以提高自动驾驶车辆对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
可选地，在获取与车辆的车辆信息对应的关联信息之前，还包括：接收自动驾驶车辆发送的车牌信息。
具体地，云端还可以接收自动驾驶车辆发送的车牌信息，针对特定的车牌获取车牌信息对应的关联信息并生成行驶习惯数据，再向自动驾驶车辆反馈对应车辆的行驶习惯数据，从而减少数据的交互次数，降低云端的数据处理压力。
S202、根据关联信息构建驾驶员的习惯画像，得到行驶习惯数据。
本实施例中，云端可以根据历史驾驶行为信息、违章信息、驾驶员注册信息等关联信息作为冷启动数据，构建驾驶员的习惯画像，得到行驶习惯数据。
S203、将行驶习惯数据推送给自动驾驶车辆。
本实施例中，云端可以将行驶习惯数据推送给自动驾驶车辆，以使得自动驾驶车辆生成考虑行驶习惯数据的驾驶决策，并根据驾驶决策进行车辆行驶。
本实施例，通过获取与车牌信息对应的关联信息；根据关联信息构建驾驶员的习惯画像，得到行驶习惯数据；将行驶习惯数据推送给自动驾驶车辆；以使得自动驾驶车辆生成考虑行驶习惯数据的驾驶决策，并根据驾驶决策进行车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
图4是根据本申请第三实施例的示意图；如图4所示，本实施例中的方法可以包括：
S301、获取与车牌信息对应的关联信息。
S302、根据关联信息构建驾驶员的习惯画像，得到行驶习惯数据。
S303、将行驶习惯数据推送给自动驾驶车辆。
本实施例中步骤S301～步骤S303的具体实现过程和实现原理，参见图3所示步骤S201～步骤S203的相关描述，此处不再赘述。
S304、获取周围车辆的行驶习惯数据。
S305、根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策。
S306、根据驾驶决策，控制自动驾驶车辆行驶。
本实施例中步骤S304～步骤S306的具体实现过程和实现原理，参见图2所示步骤S101～步骤S103的相关描述，此处不再赘述。
本实施例，通过获取周围车辆的行驶习惯数据；根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据驾驶决策，控制自动驾驶车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
图5是根据本申请第四实施例的示意图；如图5所示，本实施例中的装置可以包括：
获取模块31，用于获取周围车辆的行驶习惯数据；
决策模块32，用于根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；
控制模块33，用于根据驾驶决策，控制自动驾驶车辆行驶。
本实施例中，通过获取周围车辆的行驶习惯数据；根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据驾驶决策，控制自动驾驶车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
在一种可能的设计中，获取模块31，具体用于：
获取周围车辆的预测行驶轨迹和实际行驶轨迹；
当确定周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取周围车辆的车牌信息；
将周围车辆的车牌信息发送给云端，以使得云端根据车辆信息获取周围车辆的行驶习惯数据；
接收云端反馈的行驶习惯数据。
本实施例中，可以通过云端来获取周围车辆的行驶习惯数据，然后将该行驶习惯数据反馈给自动驾驶车辆，使得自动驾驶车辆在对周围车辆的驾驶行为预测中充分考虑了驾驶员的驾驶习惯，因此可以对实际道路上存在却又无法避免的违章行为进行预测，使得自动驾驶车辆对周围环境中其他车辆的预测结果的准确率得到较大的提升，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
在一种可能的设计中，获取模块31，还用于：
接收云端推送的行驶习惯数据，并将行驶习惯数据存储到本地存储器中；
获取周围车辆的预测行驶轨迹和实际行驶轨迹；
当确定周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取周围车辆的车牌信息；
根据车牌信息，从本地存储器中获取周围车辆的行驶习惯数据。
本实施例中，云端可以定期地给自动驾驶车辆推行驶习惯数据，然后将该行驶习惯数据存储在自动驾驶车辆的本地存储器中，从而可以在离线的情况下，也能够及时地获取到周围车辆的行驶习惯数据，以便于自动驾驶车辆可以准确地做出驾驶决策。
在一种可能的设计中，获取周围车辆的预测行驶轨迹和实际行驶轨迹，包括：
通过传感器采集周围的环境信息；该环境信息包括：自身车辆与周围车辆的距离信息、周围车辆的形状信息、周围车辆的速度信息、周围车辆的位置信息；
根据连续采集的多个环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
本实施例中，可以通过安装在车辆上的各种传感器(例如摄像头、激光雷达、超声波雷达、毫米波雷达等等)来采集自动驾驶车辆周围的环境信息，通过连续采集的环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
在一种可能的设计中，预设条件，包括：
周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或
周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内。
本实施例中，通过比对周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差，以及相对于水平方向的偏角之差来评判实际行驶轨迹和预测行驶轨迹的差异。若两者均在对应的范围内，则说明周围的车辆是正常行驶。从而可以设置触发条件，仅在周围车辆出现非正常驾驶时，才获取相应的行驶习惯数据，从而减少数据的处理量。
在一种可能的设计中，驾驶决策包括：减速、变换车道、加速、刹车停驻。
本实施例中，可以通过减速、变换车道、加速、刹车停驻等等方式，实现对周围车辆的避让，从而可以使自动驾驶车辆能够选择更加合理、更平滑的行驶路径，避免了与周边车辆碰撞、剐蹭、追尾等危险情况，保证自动车辆的安全行驶和乘客安全。
本实施例的自动驾驶车辆的控制装置，可以执行图2、图4所示方法中的技术方案，其具体实现过程和技术原理参见图2、图4所示方法中的相关描述，此处不再赘述。
本实施例，通过获取周围车辆的行驶习惯数据；根据行驶习惯数据、周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；根据驾驶决策，控制自动驾驶车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
图6是根据本申请第五实施例的示意图；如图6所示，本实施例中的装置可以包括：
获取模块41，用于获取与车牌信息对应的关联信息；
处理模块42，用于根据关联信息构建驾驶员的习惯画像，得到行驶习惯数据；
发送模块43，用于将行驶习惯数据推送给自动驾驶车辆；以使得自动驾驶车辆生成考虑行驶习惯数据的驾驶决策，并根据驾驶决策进行车辆行驶。
本实施例中，通过获取与车牌信息对应的关联信息；根据关联信息构建驾驶员的习惯画像，得到行驶习惯数据；将行驶习惯数据推送给自动驾驶车辆；以使得自动驾驶车辆生成考虑行驶习惯数据的驾驶决策，并根据驾驶决策进行车辆行驶。从而可以提高自动驾驶车辆对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
在一种可能的设计中，获取模块41，具体用于：
从机动车登记数据库、驾驶员登记数据库、交通违章数据库中获取关联信息，关联信息包括：历史驾驶行为信息、违章信息、驾驶员注册信息。
本实施例中，通过构建云端与机动车登记数据库、驾驶员登记数据库、交通违章数据库等数据库的数据交互，获取到与车牌信息对应的关联信息，以便于获取全面的数据构建驾驶员的习惯画像。
在一种可能的设计中，还包括：接收模块44，用于：
接收自动驾驶车辆发送的车牌信息。
本实施例中，云端还可以是在接收到自动驾驶车辆发送的车牌信息之后，再向自动驾驶车辆反馈对应车辆的行驶习惯数据，从而减少数据的交互次数，降低云端的数据处理压力。
本实施例的自动驾驶车辆的控制装置，可以执行图3、图4所示方法中的技术方案，其具体实现过程和技术原理参见图3、图4所示方法中的相关描述，此处不再赘述。
本实施例，通过获取与车牌信息对应的关联信息；根据关联信息构建驾驶员的习惯画像，得到行驶习惯数据；将行驶习惯数据推送给自动驾驶车辆；以使得自动驾驶车辆生成考虑行驶习惯数据的驾驶决策，并根据驾驶决策进行车辆行驶。从而可以提高对周围车辆的行驶轨迹的预测准确度，使得自动驾驶车辆能够做出合理的驾驶决策，保证行驶安全。
根据本申请的实施例，本申请还提供了一种电子设备、一种服务器和一种可读存储介质。
图7是用来实现本申请实施例的自动驾驶的控制方法车辆的电子设备的框图；如图7所示，是根据本申请实施例的图7自动驾驶的控制方法车辆的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的图7自动驾驶的控制方法车辆。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图7自动驾驶的控制方法车辆。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图7自动驾驶的控制方法车辆对应的程序指令/模块。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图7自动驾驶的控制方法车辆。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据图7自动驾驶的控制方法车辆的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至图7自动驾驶的控制方法车辆的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图7自动驾驶的控制方法车辆的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与图7自动驾驶的控制方法车辆的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (14)
1.一种自动驾驶车辆的控制方法，其特征在于，包括：
获取周围车辆的预测行驶轨迹和实际行驶轨迹；
当确定所述周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，则获取所述周围车辆的车牌信息；所述预设条件，包括：所述周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或所述周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内；
根据所述车牌信息，从云端或本地端获取行驶习惯数据；
根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；
根据所述驾驶决策，控制自动驾驶车辆行驶。
2.根据权利要求1所述的方法，其特征在于，所述根据所述车牌信息，从云端获取所述行驶习惯数据，包括：
将所述周围车辆的车牌信息发送给云端，以使得所述云端根据所述车辆信息获取所述周围车辆的行驶习惯数据；
接收云端反馈的行驶习惯数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述车牌信息，从本地端获取所述行驶习惯数据之前，还包括：
接收云端推送的行驶习惯数据，并将所述行驶习惯数据存储到本地存储器中；
所述根据所述车牌信息，从本地端获取所述行驶习惯数据，包括：
根据所述车牌信息，从本地存储器中获取所述周围车辆的行驶习惯数据。
4.根据权利要求1所述的方法，其特征在于，所述获取周围车辆的预测行驶轨迹和实际行驶轨迹，包括：
通过传感器采集周围的环境信息；所述环境信息包括：自身车辆与周围车辆的距离信息、周围车辆的形状信息、周围车辆的速度信息、周围车辆的位置信息；
根据连续采集的环境信息中周围车辆的位置变化情况，获取周围车辆的实际行驶轨迹和预测行驶轨迹。
5.根据权利要求1所述的方法，其特征在于，所述驾驶决策包括：减速、变换车道、加速、刹车停驻、跟车行驶。
6.一种自动驾驶车辆的控制方法，其特征在于，包括：
获取与车牌信息对应的关联信息；
根据所述关联信息构建驾驶员的习惯画像，得到行驶习惯数据；
将所述行驶习惯数据推送给自动驾驶车辆；以使得所述自动驾驶车辆在确定周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，生成考虑所述行驶习惯数据的驾驶决策，并根据所述驾驶决策进行车辆行驶；所述预设条件，包括：所述周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或所述周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内。
7.根据权利要求6所述的方法，其特征在于，获取车牌信息对应的关联信息，包括：
从机动车登记数据库、驾驶员登记数据库、交通违章数据库中获取所述关联信息，所述关联信息包括：历史驾驶行为信息、违章信息、驾驶员注册信息。
8.根据权利要求6或7所述的方法，其特征在于，在获取与车辆的车辆信息对应的关联信息之前，还包括：
接收自动驾驶车辆发送的车牌信息。
9.一种自动驾驶车辆的控制装置，其特征在于，包括：
获取模块，用于获取周围车辆的预测行驶轨迹和实际行驶轨迹；
所述获取模块，用于当确定所述周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，获取所述周围车辆的车牌信息；所述预设条件，包括：所述周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或所述周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内；
所述获取模块，用于根据所述车牌信息，从云端或本地端获取行驶习惯数据；
决策模块，用于根据所述行驶习惯数据、所述周围车辆的当前位置信息和当前行驶状态信息，生成驾驶决策；
控制模块，用于根据所述驾驶决策，控制自动驾驶车辆行驶。
10.一种自动驾驶车辆的控制装置，其特征在于，包括：
获取模块，用于获取与车牌信息对应的关联信息；
处理模块，用于根据所述关联信息构建驾驶员的习惯画像，得到行驶习惯数据；
发送模块，用于将所述行驶习惯数据推送给自动驾驶车辆；以使得所述自动驾驶车辆在确定周围车辆的预测行驶轨迹和实际行驶轨迹之间的差异满足预设条件时，生成考虑所述行驶习惯数据的驾驶决策，并根据所述驾驶决策进行车辆行驶；所述预设条件，包括：所述周围车辆的预测行驶轨迹和实际行驶轨迹的距离之差不在第一范围内；和/或所述周围车辆的预测行驶轨迹和实际行驶轨迹相对于水平方向的偏角之差不在第二范围内。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种服务器，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求6-8中任一项所述的方法。
13.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求6-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911041420.3A CN110758403B (zh) | 2019-10-30 | 2019-10-30 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911041420.3A CN110758403B (zh) | 2019-10-30 | 2019-10-30 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110758403A CN110758403A (zh) | 2020-02-07 |
| CN110758403B true CN110758403B (zh) | 2022-03-01 |
Family
ID=69334679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911041420.3A Active CN110758403B (zh) | 2019-10-30 | 2019-10-30 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110758403B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111638711A (zh) * | 2020-05-22 | 2020-09-08 | 北京百度网讯科技有限公司 | 用于自动驾驶的行驶轨迹规划方法、装置、设备和介质 |
| CN113835421B (zh) * | 2020-06-06 | 2023-12-15 | 华为技术有限公司 | 训练驾驶行为决策模型的方法及装置 |
| CN111775938B (zh) * | 2020-06-24 | 2021-11-16 | 福瑞泰克智能系统有限公司 | 一种变道路径规划方法、装置及系统 |
| CN111824157B (zh) * | 2020-07-14 | 2021-10-08 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶方法和装置 |
| CN112148010A (zh) * | 2020-09-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 自动驾驶功能控制方法、装置、电子设备及存储介质 |
| CN112115890B (zh) * | 2020-09-23 | 2024-01-23 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的酒驾识别方法、装置、设备及介质 |
| CN112277944B (zh) * | 2020-10-30 | 2022-10-11 | 浙江吉利控股集团有限公司 | 一种道路巡航方法、装置及介质 |
| CN112710317A (zh) * | 2020-12-14 | 2021-04-27 | 北京四维图新科技股份有限公司 | 自动驾驶地图的生成方法、自动驾驶方法及相关产品 |
| CN112706776B (zh) * | 2020-12-18 | 2023-05-23 | 浙江吉利控股集团有限公司 | 道路标定数据的确定方法、装置、电子设备及存储介质 |
| CN113428164B (zh) * | 2021-07-21 | 2023-01-03 | 上汽通用五菱汽车股份有限公司 | 驾驶习惯学习方法、装置及计算机可读存储介质 |
| CN113963535B (zh) * | 2021-09-30 | 2023-01-13 | 华为技术有限公司 | 行驶决策确定方法、装置、电子设备存储介质 |
| CN113903102B (zh) * | 2021-10-29 | 2023-11-17 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
| CN114379582A (zh) * | 2021-11-30 | 2022-04-22 | 华人运通(上海)自动驾驶科技有限公司 | 一种控制车辆各自动驾驶功能的方法、系统及存储介质 |
| CN114030473B (zh) * | 2021-11-30 | 2023-01-31 | 广州文远知行科技有限公司 | 车辆自动驾驶行为评估方法、装置、设备及存储介质 |
| CN114241796B (zh) * | 2021-12-09 | 2023-06-13 | 深圳佰才邦技术有限公司 | 驾驶风格获取方法和设备 |
| CN114248806A (zh) * | 2022-01-13 | 2022-03-29 | 云控智行科技有限公司 | 一种无人车驾驶控制方法、装置及电子设备 |
| CN115467753B (zh) * | 2022-09-20 | 2023-09-22 | 一汽解放汽车有限公司 | 一种发动机参数调整方法、装置、电子设备及存储介质 |
| CN116518986B (zh) * | 2023-07-04 | 2023-10-03 | 蘑菇车联信息科技有限公司 | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106652515A (zh) * | 2015-11-03 | 2017-05-10 | 中国电信股份有限公司 | 车辆自动控制方法、装置和系统 |
| CN206961331U (zh) * | 2016-12-15 | 2018-02-02 | 江苏大学 | 一种高威胁车辆监测预警系统 |
| CN108549366A (zh) * | 2018-05-04 | 2018-09-18 | 同济大学 | 智能汽车道路行驶与虚拟测试平行映射实验方法 |
| CN109937343A (zh) * | 2017-06-22 | 2019-06-25 | 百度时代网络技术（北京）有限公司 | 用于自动驾驶车辆交通预测中的预测轨迹的评估框架 |
| CN110015306A (zh) * | 2018-01-10 | 2019-07-16 | 华为技术有限公司 | 驾驶轨迹获取方法及装置 |
| US20190324451A1 (en) * | 2016-09-01 | 2019-10-24 | Mitsubishi Electric Corporation | Driving-automation-level lowering feasibility determination apparatus |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023450B (zh) * | 2014-04-23 | 2017-12-12 | 宇龙计算机通信科技(深圳)有限公司 | 一种安全驾驶的预警方法及系统 |
-
2019
- 2019-10-30 CN CN201911041420.3A patent/CN110758403B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106652515A (zh) * | 2015-11-03 | 2017-05-10 | 中国电信股份有限公司 | 车辆自动控制方法、装置和系统 |
| US20190324451A1 (en) * | 2016-09-01 | 2019-10-24 | Mitsubishi Electric Corporation | Driving-automation-level lowering feasibility determination apparatus |
| CN206961331U (zh) * | 2016-12-15 | 2018-02-02 | 江苏大学 | 一种高威胁车辆监测预警系统 |
| CN109937343A (zh) * | 2017-06-22 | 2019-06-25 | 百度时代网络技术（北京）有限公司 | 用于自动驾驶车辆交通预测中的预测轨迹的评估框架 |
| CN110015306A (zh) * | 2018-01-10 | 2019-07-16 | 华为技术有限公司 | 驾驶轨迹获取方法及装置 |
| CN108549366A (zh) * | 2018-05-04 | 2018-09-18 | 同济大学 | 智能汽车道路行驶与虚拟测试平行映射实验方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110758403A (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110758403B (zh) | 自动驾驶车辆的控制方法、装置、设备及存储介质 | |
| CN114326705B (zh) | 用于自主运载工具的对象交互预测系统及方法 | |
| CN111731283B (zh) | 自动驾驶车辆碰撞风险识别方法、装置以及电子设备 | |
| US20220113722A1 (en) | Method for remote control of autonomous driving vehicle, autonomous driving vehicle and cloud device | |
| CN111081046B (zh) | 一种自动驾驶车辆变道方法、装置、电子设备和介质 | |
| CN110796884B (zh) | 编队行驶的决策方法、装置、设备及计算机可读存储介质 | |
| JP2021047846A (ja) | 車両故障処理方法、装置、機器及び媒体 | |
| CN112477878B (zh) | 自动驾驶车辆的驾驶决策共享方法、装置、设备和介质 | |
| CN111739344B (zh) | 一种预警方法、装置及电子设备 | |
| CN110751825B (zh) | 编队行驶的避让方法、装置、设备和计算机可读存储介质 | |
| JP2022000376A (ja) | 自動運転機能制御方法、装置、電子機器及び記憶媒体 | |
| CN111942405A (zh) | 车辆控制方法、装置、车辆、电子设备及存储介质 | |
| CN111641927B (zh) | 车辆的控制方法、装置、设备、车辆及存储介质 | |
| JP7271467B2 (ja) | 自動運転の制御方法、装置、電子機器及び記憶媒体 | |
| US20210173401A1 (en) | Human Supervision of an Automated Driving System | |
| US11964673B2 (en) | Systems and methods for autonomous vehicle controls | |
| CN110689747B (zh) | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 | |
| CN111540010B (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
| CN111361560B (zh) | 自动驾驶中控制车辆行驶的方法、装置、电子设备 | |
| CN110570648A (zh) | 编队行驶的调整方法、装置、设备和计算机可读存储介质 | |
| CN115583258A (zh) | 自动驾驶车辆会车控制方法、装置、车辆控制设备和介质 | |
| CN113911139B (zh) | 车辆控制方法、装置和电子设备 | |
| EP4386510A1 (en) | Methods and systems for handling occlusions in operation of autonomous vehicle | |
| CN115862357A (zh) | 挪车方法及其系统、电子设备、可读存储介质 | |
| CN115880929A (zh) | 基于智能网联的驾考系统、控制方法、装置、设备及介质 |
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 |