CN111347831B - 车辆行驶平稳性控制方法、装置、设备和存储介质 - Google Patents

Abstract

本申请公开了一种车辆行驶平稳性控制方法、装置、设备和存储介质，涉及自动驾驶领域领域。具体实现方案为：获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；根据所述策略信息，对所述车辆的悬挂系统进行调整。本申请实施例能够及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。

Description

车辆行驶平稳性控制方法、装置、设备和存储介质

技术领域

本申请涉及数据处理技术领域，具体涉及自动驾驶技术。

背景技术

车辆行驶过程中，车辆平稳行驶对于车辆内乘坐者的舒适度来说，是很重要的因素。

目前，在车辆平稳行驶控制方面，是通过对车辆行驶速度进行监控来调整车辆的整体高度，例如，如果当前行驶速度过高，就会调低车辆的整体高度，以此来降低风阻。或者通过车载惯性测量单元监测并分析车辆行驶颠簸程度，来调整车辆悬挂系统的阻尼系数，例如，如果当前路段较为颠簸，则调低车辆悬挂系统的阻尼系数。

然而，采用上述现有技术进行车辆平稳行驶控制时，时常出现调整滞后的现象，导致调整后的舒适度也时常不能满足乘客对于平稳性的要求。

发明内容

第一方面，本申请实施例提供了一种车辆行驶平稳性控制方法，包括：获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；根据所述策略信息，对所述车辆的悬挂系统进行调整。

本申请实施例通过获取车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，并根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整，以达到使车辆平稳行驶的目的。不仅获取了能够指示车辆在行驶过程中的当前行驶路况信息，还获取了对车辆行驶过程中前方路况的预测信息，根据前方路况预测信息能够提前感知前方路况，并结合当前行驶路况信息，及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。

可选的，所述获取所述车辆在行驶过程中的前方路况预测信息，包括：获取所述车辆上的图像采集设备采集的所述车辆周围环境的环境图像；将所述环境图像输入预先训练得到的路况预测模型，得到所述车辆在行驶过程中的前方路况预测信息。

可选的，所述路况预测模型是采用如下过程对神经网络的训练得到的：获取车辆行驶过程中周围环境的环境样本图像以及所述环境样本图像对应的路况预测标注信息；将所述环境样本图像作为神经网络的输入，将所述路况预测标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况预测模型。

本申请实施例通过对神经网络进行训练得到路况预测模型，从而将车辆上的图像采集设备采集的所述车辆周围环境的环境图像输入路况预测模型，对前方路况进行预测，由于路况预测模型是对神经网络进行训练得到的，因此，路况预测模型能够得到更加丰富的图像语义信息，从而对前方路况进行更准确地预测。

可选的，所述获取所述车辆的当前行驶路况信息，包括：获取所述车辆上的惯性测量单元采集的所述车辆的姿态信息；根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息。

可选的，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：根据预设时间段内所述车辆的姿态信息，确定所述姿态信息的变化量；在所述姿态信息的变化量大于预设变化量的情况下，确定当前行驶路况信息为不平稳路段；在所述姿态信息的变化量小于或等于预设变化量的情况下，确定当前行驶路况信息为平稳路段。

本申请实施例通过根据车辆在一段时间内的姿态信息的变化量，确定车辆当前所处的路况，姿态信息是用于表征车辆的倾角信息，若车辆当前所处路况为不平稳路段，那么倾角信息的变化量也会不稳定，根据此原理可以方便地确定车辆当前的路况信息，另外，姿态信息可以根据车辆上已有的惯性测量单元来获取，不需要增加额外的传感器。

可选的，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：将所述车辆的姿态信息输入预先训练得到的路况检测模型，得到所述车辆的当前行驶路况信息。

可选的，所述路况检测模型是采用如下过程对神经网络的训练得到的：获取所述车辆行驶过程中的姿态样本数据以及所述姿态样本数据对应的当前行驶路况标注信息；将所述姿态样本数据作为神经网络的输入，将所述当前行驶路况标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况检测模型。

本申请实施例通过对神经网络进行训练得到路况检测模型，从而将车辆上的惯性测量单元采集的所述车辆的姿态信息输入路况检测模型，对前方路况进行预测，由于路况检测模型是对神经网络进行训练得到的，相较于直接根据姿态信息的变化量确定当前行驶路况，路况检测模型能够更加准确地检测当前行驶路况。

可选的，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：将所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。

可选的，所述策略确定模型是采用如下过程对神经网络的训练得到：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据和当前行驶路况样本数据；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。

可选的，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路面湿滑且所述当前行驶路况信息指示为平稳路段，则确定调低所述车辆的悬挂系统的悬挂高度。

可选的，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路段颠簸且所述当前行驶路况信息指示当前路段的颠簸程度越来越大，则确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬挂高度。

本申请实施例通过对神经网络进行训练得到策略确定模型，从而将获取的前方路况预测信息和当前行驶路况信息输入策略确定模型，确定对车辆的悬挂系统进行调整的策略信息，由于策略确定模型是对神经网络进行训练得到的，因此，确定的策略信息对车辆进行调整的效果更好。

可选的，所述方法还包括：获取所述车辆的风阻信息；根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息。

可选的，所述获取所述车辆的风阻信息，包括：获取所述车辆的速度信息和形状结构信息；将所述车辆的速度信息和形状结构信息输入预设的风阻模型，得到所述车辆的风阻信息。

可选的，所述根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：将所述前方路况预测信息、当前行驶路况信息和风阻信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。

可选的，所述策略确定模型是采用如下过程对神经网络的训练得到：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据、当前行驶路况样本数据、速度样本数据和车辆形状结构信息；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。

可选的，所述根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：若所述前方路况预测信息指示路段平稳、当前行驶路况信息指示路段平稳并且风阻信息指示风阻持续增大，则确定调高所述车辆的悬挂系统的阻尼系数和调低悬挂高度。

本申请实施例通过在姿态信息的基础上结合风阻信息能够从不同角度确定车辆当前的状态，再结合前方路况预测信息，可以对车辆做出更加适合当前场景的调整策略信息，以对车辆进行调整，调整后的舒适度能够更好地满足乘客对于平稳性的要求。

第二方面，本申请实施例提供了一种车辆行驶平稳性控制装置，包括：获取模块，用于获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；策略确定模块，根据所述前方路况预测信息和当前行驶路况信息，确定所述车辆的悬挂系统进行调整的策略信息；调整模块，用于根据所述策略信息，对所述车辆的悬挂系统进行调整。

第三方面，本申请实施例提供了一种车辆行驶平稳性控制设备，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第一方面所述的方法。

第四方面，本申请实施例提供了一种车辆，包括第三方面所述的车辆行驶平稳性控制设备。

可选的，所述车辆还包括：图像采集单元，用于在车辆行驶过程中采集车辆周围环境的环境图像；惯性测量单元，用于在车辆行驶过程中采集所述车辆的姿态信息。

可选的，所述车辆还包括：速度传感器，用于在车辆行驶过程中采集所述车辆的速度信息。

第五方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面所述的方法。

上述申请中的一个实施例具有如下优点或有益效果：通过获取车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，并根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整，以达到使车辆平稳行驶的目的。不仅获取了能够指示车辆在行驶过程中的当前行驶路况信息，还获取了对车辆行驶过程中前方路况的预测信息，根据前方路况预测信息能够提前感知前方路况，并结合当前行驶路况信息，及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。因为采用获取能够指示车辆在行驶过程中的当前行驶路况信息，和对车辆行驶过程中前方路况的预测信息，以及根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整的技术手段，所以克服了现有技术进行车辆平稳行驶控制时，时常出现调整滞后的现象，导致调整后的舒适度也时常不能满足乘客对于平稳性的要求的技术问题，进而达到及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度的技术效果。

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是本申请实施例提供的车辆悬挂系统结构图；

图2是本申请实施例提供的车辆平稳行驶控制方法的流程图；

图3是本申请实施例提供的车辆的控制逻辑示意图；

图4是本申请一示例提供的车辆平稳行驶控制方法的示意图；

图5是本申请一示例提供的车辆平稳行驶控制方法的示意图；

图6是本申请另一实施例提供的车辆平稳行驶控制方法的流程图；

图7是本申请一示例提供的车辆平稳行驶控制方法的示意图；

图8是本申请实施例提供的车辆平稳行驶控制装置的结构示意图；

图9是本申请实施例提供的车辆平稳行驶控制设备的框图。

具体实施方式

图1是本申请实施例提供的车辆悬挂系统结构图。如图1所示，车辆10上设置有悬挂系统11，悬挂系统包括相应的控制参数，通过对悬挂系统的控制参数进行调节，可以改善乘坐的舒适度。悬挂系统的控制参数包括阻尼系数和悬挂高度。

其中，阻尼系数的调节可以通过对悬挂系统11中弹簧12的弹性系数进行调节来实现。例如高速行驶时悬挂系统的弹簧可以变硬，也就是调高阻尼系数，以提高车身稳定性，而长时间低速行驶时，车辆的控制单元会认为车辆正在经过颠簸路面，又可以将悬挂变软，也就是调低阻尼系数，来减震提高舒适性。

另外，悬挂系统的悬挂高度可以理解为车辆底盘与地面之间的距离，通过调节悬挂系统的悬挂高度可以使车辆底盘升高或降低。在不同的场景中，不同的悬挂高度可以带来不同的乘坐感受，例如，在崎岖山路上行驶时，可以调高悬挂高度，使车辆底盘与地面之间的距离增大，从而使乘客的乘坐感受不那么颠簸。而在高速公路上行驶时，可以调低悬挂高度，使车辆底盘与地面之间的距离减小，可以增加轮胎的抓地能力，并且减小风阻，有利于车辆行驶的安全和稳定性，并且油耗也会随着风阻的降低而减少。

对于悬挂高度的调节，针对不同类型的悬挂系统，调节方式不同，以空气悬挂系统为例，空气悬挂系统一般采用空气弹簧，可以通过对空气弹簧进行充气或放气，来调整悬挂系统的悬挂高度。对于其他类型的悬挂系统的悬挂高度的调节，可以参见现有技术的介绍，此处不再一一介绍。

现有技术中，仅仅依赖速度或惯性测量单元采集的数据对车辆进行调整，而速度和惯性测量单元采集的数据只能表征车辆行驶的历史状态或当前状态，在根据车辆的历史状态和当前状态对车辆进行调整时，如果车辆当前行驶路段和前方路段的路况一致，这种调节方式就没有问题，而一旦前方路段的路况和当前行驶路段的路况不一致，就会出现调节滞后的现象，导致车辆平稳性较低，乘客乘坐体验不好，舒适度不高。本申请在车辆行驶过程中，对车辆平稳性进行控制的过程中，通过提前感知前方路况，增加对前方路况的预测信息，再结合当前行驶路况，确定出对车辆的悬挂系统在未来时刻的状态进行调整的策略信息，以使车辆根据该策略信息，对车辆的悬挂系统进行调整，从而对车辆及时调整，以使车辆的悬挂系统的设置参数能够适应前方路况，达到使车辆平稳行驶的效果。

以下将结合附图对本申请的示范性实施例做出详细说明，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。

图2是本申请实施例提供的车辆行驶平稳性控制方法的流程图。

本申请实施例针对现有技术的如上技术问题，提供了车辆行驶平稳性控制方法，该方法具体步骤如下：

步骤201、获取车辆在行驶过程中的前方路况预测信息和当前行驶路况信息。

如图3所示，本是实施例的车辆包括中控系统31，还包括多种类型的传感器：图像采集设备32、惯性测量单元(Inertial Measurement Unit，IMU)33和速度传感器34等。该车辆可以是无人驾驶车辆，也可以是安装有高级驾驶辅助系统(Advanced DrivingAssistance System，ADAS)的车辆，无论是无人驾驶车辆，还是安装有ADAS的车辆，都可以适用于图3所示的结构。

其中，图像采集设备可以是车载相机，用于对车辆行驶过程中的周围环境进行拍摄，得到环境图像，通过对环境图像进行分析处理，可以获得车辆前方路况预测信息。

惯性测量单元，用于采集车辆行驶过程中的姿态信息，其中，车辆的姿态信息可以理解为车辆的姿态角，包括车辆的横滚角(roll角)、俯仰角(pitch角)和航向角(yaw角)。车辆的姿态角可以表征车辆与路面之间的倾角，根据车辆的当前姿态角和历史姿态角，可以确定车辆当前所处的路况。例如，若车辆持续在平稳路段上行驶，车辆与路面之间的倾角的变化量应当为恒定值，而若车辆持续在颠簸路段上行驶，则车辆与路面之间的倾角的变化量就会发生变化。据此原理，可以根据姿态角确定当前路况信息。其中，对于横滚角(roll角)、俯仰角(pitch角)和航向角(yaw角)的具体定义可以参见现有技术的介绍，此处不再赘述。

本实施例的执行主体可以是车辆的中控系统，在一种可选的实施方式中，可以由车辆的中控系统从图像采集设备和IMU分别获取环境图像和姿态角，并分别根据环境图像和姿态角确定车辆行驶过程中的前方路况预测信息和当前路况信息。

步骤202、根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息。

本实施例中，中控系统在获取到前方路况预测信息和当前行驶路况信息之后，可以根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统的阻尼系数和/或悬挂高度进行调整的策略信息。而根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统的阻尼系数和/或悬挂高度进行调整的策略信息，至少可以包括如下几种可选的场景：

在第一种可选的场景下，若前方路况预测信息指示路面湿滑且当前行驶路况信息指示为平稳路段，则确定调低车辆的悬挂系统的悬挂高度。示例性地，若根据车载相机采集的环境图像得到的预测结果指示路面湿滑，且根据IMU采集的姿态信息得到的检测结果指示当前路段为平稳路段，则中控系统就会确定调低车辆的悬挂系统的悬挂高度的策略信息。

在第二种可选的场景下，若前方路况预测信息指示路段颠簸且所述当前行驶路况信息指示当前路段的颠簸程度越来越大，则确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬挂高度。示例性地，若根据车载相机采集的环境图像得到的预测结果指示路段颠簸，且根据IMU采集的姿态信息得到的检测结果指示当前路段颠簸程度越来越大，则中控系统就会确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬挂高度的策略信息。

在第三种可选的场景下，若前方路况预测信息指示前方路段存在减速带且当前行驶路况信息指示为平稳路段，则确定调低车辆的悬挂系统的悬挂高度。示例性地，若根据车载相机采集的环境图像得到的预测结果指示前方路段存在减速带，且根据IMU采集的姿态信息得到的检测结果指示当前路段为平稳路段，则中控系统就会确定调低车辆的悬挂系统的悬挂高度的策略信息。

步骤203、根据策略信息，对车辆的悬挂系统进行调整。

中控系统确定对车辆的悬挂系统的阻尼系数和/或悬挂高度进行调整的策略信息之后，将该策略调整信息发送至调整系统。车辆的调整系统，例如悬挂系统的控制系统，在接收到对车辆的悬挂系统进行调整的策略信息之后，就会根据策略信息，对车辆的悬挂系统的阻尼系数和/或悬挂高度进行调整，以使悬挂系统的参数适应前方路况，使车辆平稳行驶，提高乘客乘坐舒适度。下面分别以上述三种场景为例说明调整系统如何对悬挂系统进行调整：

对应上述第一种可选的场景，调整系统就会调低车辆的悬挂系统的悬挂高度，以使车辆重心降低，车辆整体更加贴地，从而平稳地通过湿滑路段。

对应上述第二种可选的场景，调整系统就会调低悬挂系统的阻尼系数并调高车辆的悬挂系统的悬挂高度，从而使悬挂系统的弹簧弹性系数更低，弹簧更加松软，车辆底盘距离地面的高度更大，这样车辆在通过颠簸路段时，乘坐者就不会感觉到那么颠簸。

对应上述第三种可选的场景，调整系统就会调低车辆的悬挂系统的悬挂高度，车辆的晃动程度就不会太大，车辆的平稳性更高，乘坐者也不会感觉到剧烈晃动，舒适度更高。

由于本实施例是根据前方路况预测信息和当前行驶路况信息做出的对车辆的悬挂系统进行调整的策略，前方路况预测信息是对前方路况的预测，因此，为了避免提前调整，还可以在接收到策略信息之后，间隔预设时间再对车辆的悬挂系统进行调整。其中，预设时间可以根据车辆与前方路段的距离，数据的采集、获取和策略确定等时间来设置。

本申请实施例通过获取车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，并根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整，以达到使车辆平稳行驶的目的。不仅获取了能够指示车辆在行驶过程中的当前行驶路况信息，还获取了对车辆行驶过程中前方路况的预测信息，根据前方路况预测信息能够提前感知前方路况，并结合当前行驶路况信息，及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。

以上实施例中介绍了由车辆的中控系统从图像采集设备和IMU分别获取环境图像和姿态角，并分别根据环境图像和姿态角获取车辆行驶过程中的前方路况预测信息和当前路况信息的实施方式。

而为了减少中控系统的计算压力，使得车辆调整更加及时，在另一种可选的实施方式中，也可以是通过中控系统之外的其他模块单元来从图像采集设备获取环境图像，并根据环境图像确定车辆行驶过程中的前方路况预测信息，以及从IMU获取姿态信息，并根据姿态信息确定车辆行驶过程中的当前路况信息。具体实施过程请参见如下内容的介绍：

针对车辆在行驶过程中的前方路况预测信息，可以通过如下方式来获取：获取车辆上的图像采集设备采集的车辆周围环境的环境图像；将环境图像输入预先训练得到的路况预测模型，得到车辆在行驶过程中的前方路况预测信息。其中，路况预测模型是采用获取车辆行驶过程中周围环境的环境样本图像以及环境样本图像对应的路况预测标注信息，和将环境样本图像作为神经网络的输入，将路况预测标注信息作为神经网络的输出，对神经网络进行迭代训练的过程对神经网络的训练得到的。本实施例中对神经网络的迭代训练过程可以参见现有技术的介绍，此处不再赘述。

以图像采集设备是车载相机为例，如图4所示，车载相机不断采集车辆周围环境的环境图像，该环境图像中包括车辆前方道路，并输入路况预测模型，路况预测模型就会根据该环境图像，提取该环境图像中的特征图，并根据提取的特征图确定车辆前方路况预测信息并输出至中控系统。

针对车辆在行驶过程中的当前路况信息，可以采用如下方式来获取：根据预设时间段内车辆的姿态信息，确定姿态信息的变化量；在姿态信息的变化量大于预设变化量的情况下，确定当前行驶路况信息为不平稳路段；在姿态信息的变化量小于或等于预设变化量的情况下，确定当前行驶路况信息为平稳路段。

本实施方式中，预设变化量可以设置为0，考虑到实际应用过程中，可能会存在一些误差，因此，预设变化量可以设置为比0大的值，具体的值本领域技术人员可以根据实际情况进行设置。

以预设变化量是0为例，在T时间段内，T时间段按照时间先后顺序依次包括t1时刻、t2时刻、t3时刻、t4时刻、t5时刻，通过IMU可以得到t1时刻、t2时刻、t3时刻、t4时刻、t5时刻的姿态角，对t1时刻、t2时刻、t3时刻、t4时刻、t5时刻的姿态角进行分析，确定相邻时刻的姿态角变化量是否为0，若相邻时刻的姿态角均为0或者大部分均为0，则表示车辆当前行驶路况为平稳路段，否则，表示车辆当前行驶路况为不平稳路段。

上述t1时刻、t2时刻、t3时刻、t4时刻、t5时刻可以是在连续时间序列，也可以是离散时间序列，本实施例对此不做具体限定。另外，本实施方式中的当前行驶路况信息可以根据1个姿态角分析得到，也可以根据2个或3个姿态角分析得到。在根据2个或3个姿态角分析当前行驶路况信息的情况下，则其中一个姿态角的变化量大于预设变化量，就认为当前行驶路况为不平稳路段。

针对车辆在行驶过程中的当前路况信息，除了上述根据预设变化量的方式来确定之外，还可以通过中控系统之外的其他模块单元来从IMU获取姿态角，并根据姿态角确定车辆行驶过程中的当前路况信息。具体实施过程请参见如下内容的介绍：

请继续参阅图4，可以将车辆的姿态信息输入预先训练得到的路况检测模型，得到车辆的当前行驶路况信息。其中，路况检测模型是采用获取车辆行驶过程中的姿态样本数据以及所述姿态样本数据对应的当前行驶路况标注信息；和将所述姿态样本数据作为神经网络的输入，将所述当前行驶路况标注信息作为所述神经网络的输出，所述神经网络进行迭代训练得到的。其中，对神经网络的迭代训练过程可以参见现有技术的介绍，此处不再赘述。

惯性测量单元IMU不断采集车辆的姿态角，并输入路况检测模型，路况检测模型根据车辆在一段时间内的姿态角，输出车辆当前行驶路况预测信息至中控系统。在车辆行驶过程中，车辆的中控系统可以从路况预测模型不断地获取车辆的前方路况预测信息，以及根据IMU采集的车辆在一段时间内的姿态角确定的车辆当前所处路况，或者从路况检测模型不断地获取车辆的当前行驶路况信息。相较于直接使中控系统根据姿态角确定当前行驶路况信息的实施方式而言，采用路况检测模型的方式可以减少中控系统的计算压力，使得车辆调整更加及时。

对于自动驾驶而言，在策略信息的确定过程中，策略的准确度至关重要，策略的准确度的高低决定了车辆行驶的安全性，因此，为了提高策略的准确度，还可以将车辆在行驶过程中的前方路况预测信息和当前行驶路况信息输入预先训练得到的策略确定模型，得到对车辆的悬挂系统进行调整的策略信息。其中，策略确定模型是采用获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据和当前行驶路况样本数据；以及将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练得到的。

示例性地，如图4所示，中控系统在获取到前方路况预测信息和当前行驶路况信息之后，将前方路况预测信息和当前行驶路况信息输入策略确定模型，策略确定模型就会输出相应的对车辆的悬挂系统进行调整的策略信息。当然，策略确定模型也可以是独立于中控系统之外，本领域技术人员可以根据实际情况进行相应设置，本实施例对此不作具体限定。

示例性地，如图5所示，若路况预测模型根据车载相机采集的环境图像得到的预测结果指示路面湿滑，且路况检测模型根据IMU采集的姿态信息得到的检测结果指示当前路段为平稳路段，则中控系统就会确定调低车辆的悬挂系统的悬挂高度的策略信息，调整系统根据该策略信息调低车辆的悬挂系统的悬挂高度的策略信息。

在上述实施例的基础上，还可以融合更多的传感器数据，例如车辆上的速度传感器采集的车辆速度数据，来确定对车辆的悬挂系统进行调整的策略信息。具体请参见如下实施例的介绍：

图6为本申请另一实施例提供的车辆行驶平稳性控制方法流程图。在上述实施例的基础上，本实施例提供的车辆行驶平稳性控制方法具体包括如下步骤：

步骤601、获取车辆在行驶过程中的前方路况预测信息、当前行驶路况信息和风阻信息。

其中，对于获取车辆在行驶过程中的前方路况预测信息、当前行驶路况信息，可以参考前述实施例的介绍，此处不再赘述。

本实施例相较于前述实施例，增加了风阻信息，风阻信息是指车辆行驶过程中来自空气的阻力，风阻信息可以根据车辆的速度信息和形状结构信息确定。车辆的形状结构信息是指车辆的外形结构，例如车辆的尺寸(包括长度、宽度和高度)和流线结构。车辆的形状结构信息可以预先存储在车辆上，车辆的速度可以通过车辆上安装的速度传感器来采集得到。

通常来说，相同的车辆形状结构，车辆速度越大，风阻越大；而相同的车辆速度，车辆形状结构的尺寸越大，风阻越大。

为了能够方便且快速地确定车辆当前的风阻信息，可以将车辆的速度信息和形状结构信息输入预设的风阻模型，得到车辆的风阻信息。其中，预设的风阻模型是根据车辆的速度信息和形状结构信息，以及对应的风阻信息建模得到。中控系统可以从风阻模型获取车辆当前的风阻信息。

步骤602、根据前方路况预测信息、当前行驶路况信息和风阻信息，确定对车辆的悬挂系统进行调整的策略信息。

在一个可选的场景中，若前方路况预测信息指示路段平稳、当前行驶路况信息指示路段平稳并且风阻信息指示风阻持续增大，则确定调高车辆的悬挂系统的阻尼系数和悬挂高度。

在通过模型结合前方路况预测信息、当前行驶路况信息确定策略信息的方式的基础上，本实施例还可以将前方路况预测信息、当前行驶路况信息和风阻信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。相较于前述实施例的策略确定模型而言，本实施例中的策略确定模型是采用获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据、当前行驶路况样本数据、速度样本数据和车辆形状结构信息；以及将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练的方式得到的。其中，对于神经网络的具体训练过程可以参见现有技术的介绍，本实施例不再详细介绍。

其中，训练好的策略确定模型可以存储在中控系统中，当中控系统获取到前方路况预测信息、当前行驶路况信息和风阻信息之后，将前方路况预测信息、当前行驶路况信息和风阻信息输入训练好的策略确定模型，策略确定模型就会输出对车辆的悬挂系统进行调整的策略信息。该策略信息会发送至调整系统，例如悬挂系统的控制系统，以控制悬挂系统进行相应调整。

步骤603、根据策略信息，对车辆的悬挂系统进行调整。

车辆的调整系统，例如悬挂系统的控制系统，在接收到对车辆的悬挂系统进行调整的策略信息之后，就会根据策略信息，对车辆的悬挂系统的阻尼系数和/或悬挂高度进行调整，以使悬挂系统的参数适应前方路况，使车辆平稳行驶，提高乘客乘坐舒适度。

示例性地，如图7所示，将图像采集设备获取的环境图像输入路况预测模型，将IMU采集的姿态信息输入路况检测模型，以及将车辆速度输入风阻模型，若路况预测模型预测的前方路况预测信息指示路段平稳、路况检测模型输出的当前行驶路况信息指示路段平稳，并且风阻模型输出的风阻信息指示风阻持续增大，则策略确定模型根据路况预测模型、路况检测模型和风阻模型的输出，确定调高车辆的悬挂系统的阻尼系数和调低悬挂高度的策略信息，并发送至调整系统，以使调整系统调高车辆的悬挂系统的阻尼系数和调低悬挂高度，则车辆的重心会降低，更加贴地，降低对车辆的风阻，使车辆更加平稳地行驶。

本申请实施例通过获取车辆在行驶过程中的前方路况预测信息、当前行驶路况信息和当前风阻信息，并根据前方路况预测信息、当前行驶路况信息和当前风阻信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整，以达到使车辆平稳行驶的目的。不仅获取了能够指示车辆在行驶过程中的当前行驶路况信息，还获取了对车辆行驶过程中前方路况的预测信息，根据前方路况预测信息能够提前感知前方路况，并结合当前行驶路况信息，及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。另外，根据姿态信息和风阻信息能够从不同角度确定车辆当前的状态，再结合前方路况预测信息，可以对车辆做出更加适合当前场景的调整策略信息，以对车辆进行调整，调整后的舒适度能够更好地满足乘客对于平稳性的要求。

图8为本申请实施例提供的车辆行驶平稳性控制装置流程图。本实施例的车辆行驶平稳性控制装置，可以是上述实施例的中控系统中的模块，在上述实施例的基础上，本实施例提供的车辆行驶平稳性控制装置包括：获取模块81、策略确定模块82和调整模块83；其中，获取模块81，用于获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息；策略确定模块82，根据所述前方路况预测信息和当前行驶路况信息，确定所述车辆的悬挂系统进行调整的策略信息；调整模块83，用于根据所述策略信息，对所述车辆的悬挂系统进行调整。

可选的，获取模块81获取所述车辆在行驶过程中的前方路况预测信息，包括：获取所述车辆上的图像采集设备采集的所述车辆周围环境的环境图像；将所述环境图像输入预先训练得到的路况预测模型，得到所述车辆在行驶过程中的前方路况预测信息。

可选的，该装置还包括第一训练模块84，所述第一训练模块84是采用如下过程对神经网络的训练得到路况预测模型的：获取车辆行驶过程中周围环境的环境样本图像以及所述环境样本图像对应的路况预测标注信息；将所述环境样本图像作为神经网络的输入，将所述路况预测标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况预测模型。

可选的，所述获取模块81获取所述车辆的当前行驶路况信息，具体包括：获取所述车辆上的惯性测量单元采集的所述车辆的姿态信息；根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息。

可选的，所述获取模块81根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：根据预设时间段内所述车辆的姿态信息，确定所述姿态信息的变化量；在所述姿态信息的变化量大于预设变化量的情况下，确定当前行驶路况信息为不平稳路段；在所述姿态信息的变化量小于或等于预设变化量的情况下，确定当前行驶路况信息为平稳路段。

可选的，所述获取模块81根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：将所述车辆的姿态信息输入预先训练得到的路况检测模型，得到所述车辆的当前行驶路况信息。

可选的，该装置还包括第二训练模块85，所述第二训练模块85是采用如下过程对神经网络的训练得到路况检测模型的：获取所述车辆行驶过程中的姿态样本数据以及所述姿态样本数据对应的当前行驶路况标注信息；将所述姿态样本数据作为神经网络的输入，将所述当前行驶路况标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况检测模型。

可选的，所述策略确定模块82根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，具体包括：将所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。

可选的，该装置还包括：第三训练模块86，第三训练模块86是采用如下过程对神经网络的训练得到所述策略确定模型的：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据和当前行驶路况样本数据；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。

可选的，所述策略确定模块82根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，具体包括：若所述前方路况预测信息指示路面湿滑且所述当前行驶路况信息指示为平稳路段，则确定调低所述车辆的悬挂系统的悬挂高度。

可选的，所述策略确定模块82根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，具体包括：若所述前方路况预测信息指示路段颠簸且所述当前行驶路况信息指示当前路段的颠簸程度越来越大，则确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬挂高度。

可选的，所述获取模块81，还用于获取所述车辆的风阻信息；所述策略确定模块82，还用于根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息。

可选的，所述获取模块81获取所述车辆的风阻信息，具体包括：获取所述车辆的速度信息和形状结构信息；将所述车辆的速度信息和形状结构信息输入预设的风阻模型，得到所述车辆的风阻信息。

可选的，所述策略确定模块82根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息，具体包括：将所述前方路况预测信息、当前行驶路况信息和风阻信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。

可选的，第三训练模块86，还用于采用如下过程对神经网络的训练得到所述策略确定模型：获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据、当前行驶路况样本数据、速度样本数据和车辆形状结构信息；将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。

可选的，所述策略确定模块82根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息，具体包括：若所述前方路况预测信息指示路段平稳、当前行驶路况信息指示路段平稳并且风阻信息指示风阻持续增大，则确定调高所述车辆的悬挂系统的阻尼系数和调低悬挂高度。

图8所示实施例的车辆平稳行驶控制装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

本申请实施例通过获取车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，并根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整，以达到使车辆平稳行驶的目的。不仅获取了能够指示车辆在行驶过程中的当前行驶路况信息，还获取了对车辆行驶过程中前方路况的预测信息，根据前方路况预测信息能够提前感知前方路况，并结合当前行驶路况信息，及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。

根据本申请的实施例，本申请还提供了一种车辆行驶平稳性控制设备和一种可读存储介质。其中，该车辆行驶平稳性控制设备可以是上述实施例的中控系统，该中控系统包括可读存储介质。

如图9所示，是根据本申请实施例的车辆行驶平稳性控制设备的框图。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9所示，该车辆行驶平稳性控制设备包括：一个或多个处理器901、存储器902，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9中以一个处理器901为例。

存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆平稳行驶控制方法。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车辆平稳行驶控制方法。

存储器902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车辆平稳行驶控制的方法对应的程序指令/模块(例如，附图8所示的获取模块81、策略确定模块82和调整模块83)。处理器901通过运行存储在存储器902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车辆平稳行驶控制方法。

存储器902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车辆平稳行驶控制的电子设备的使用所创建的数据等。此外，存储器902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902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至车辆行驶平稳性控制设备。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。

车辆行驶平稳性控制设备还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。

输入装置903可接收输入的数字或字符信息，以及产生与车辆平稳行驶控制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904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。

根据本申请实施例的技术方案，通过获取车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，并根据前方路况预测信息和当前行驶路况信息，确定对车辆的悬挂系统进行调整的策略信息，以及根据策略信息，对车辆的悬挂系统进行调整，以达到使车辆平稳行驶的目的。不仅获取了能够指示车辆在行驶过程中的当前行驶路况信息，还获取了对车辆行驶过程中前方路况的预测信息，根据前方路况预测信息能够提前感知前方路况，并结合当前行驶路况信息，及时做出对车辆的悬挂系统进行调整的策略信息，以使车辆的悬挂系统及时调整到适应前方路况的状态，使车辆平稳行驶，提高乘坐舒适度。

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 (20)

1.一种车辆行驶平稳性控制方法，其特征在于，包括：

获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，其中，所述当前行驶路况信息为将所述车辆的姿态信息输入预先训练得到的路况检测模型得到的，所述路况检测模型是将姿态样本数据作为神经网络的输入，将所述姿态样本数据对应的当前行驶路况标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练得到的

根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息；

根据所述策略信息，对所述车辆的悬挂系统进行调整。

2.根据权利要求1所述的方法，其特征在于，所述获取所述车辆在行驶过程中的前方路况预测信息，包括：

获取所述车辆上的图像采集设备采集的所述车辆周围环境的环境图像；

将所述环境图像输入预先训练得到的路况预测模型，得到所述车辆在行驶过程中的前方路况预测信息。

3.根据权利要求2所述的方法，其特征在于，所述路况预测模型是采用如下过程对神经网络的训练得到的：

获取车辆行驶过程中周围环境的环境样本图像以及所述环境样本图像对应的路况预测标注信息；

将所述环境样本图像作为神经网络的输入，将所述路况预测标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述路况预测模型。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取所述车辆的当前行驶路况信息，包括：

获取所述车辆上的惯性测量单元采集的所述车辆的姿态信息；

根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息。

5.根据权利要求4所述的方法，其特征在于，所述根据所述车辆的姿态信息，确定所述车辆的当前行驶路况信息，包括：

根据预设时间段内所述车辆的姿态信息，确定所述姿态信息的变化量；

在所述姿态信息的变化量大于预设变化量的情况下，确定当前行驶路况信息为不平稳路段；

在所述姿态信息的变化量小于或等于预设变化量的情况下，确定当前行驶路况信息为平稳路段。

6.根据权利要求1-3、5任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：

将所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。

7.根据权利要求6所述的方法，其特征在于，所述策略确定模型是采用如下过程对神经网络的训练得到：

获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据和当前行驶路况样本数据；

将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。

8.根据权利要求1-3、5、7任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：

若所述前方路况预测信息指示路面湿滑且所述当前行驶路况信息指示为平稳路段，则确定调低所述车辆的悬挂系统的悬挂高度。

9.根据权利要求1-3、5、7任一项所述的方法，其特征在于，所述根据所述前方路况预测信息和当前行驶路况信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：

若所述前方路况预测信息指示路段颠簸且所述当前行驶路况信息指示当前路段的颠簸程度越来越大，则确定调低所述悬挂系统的阻尼系数并调高所述车辆的悬挂系统的悬挂高度。

10.根据权利要求1-3、5、7任一项所述的方法，其特征在于，所述方法还包括：

获取所述车辆的风阻信息；

根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息。

11.根据权利要求10所述的方法，其特征在于，所述获取所述车辆的风阻信息，包括：

获取所述车辆的速度信息和形状结构信息；

将所述车辆的速度信息和形状结构信息输入预设的风阻模型，得到所述车辆的风阻信息。

12.根据权利要求10所述的方法，其特征在于，所述根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：

将所述前方路况预测信息、当前行驶路况信息和风阻信息输入预先训练得到的策略确定模型，得到对所述车辆的悬挂系统进行调整的策略信息。

13.根据权利要求12所述的方法，其特征在于，所述策略确定模型是采用如下过程对神经网络的训练得到：

获取训练样本数据以及所述训练样本数据对应的调整策略标注信息，所述训练样本数据包括前方路况样本数据、当前行驶路况样本数据、速度样本数据和车辆形状结构信息；

将所述训练样本数据作为神经网络的输入，将所述调整策略标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练，得到所述策略确定模型。

14.根据权利要求10-12任一项所述的方法，其特征在于，所述根据所述前方路况预测信息、当前行驶路况信息和风阻信息，确定对所述车辆的悬挂系统进行调整的策略信息，包括：

若所述前方路况预测信息指示路段平稳、当前行驶路况信息指示路段平稳并且风阻信息指示风阻持续增大，则确定调高所述车辆的悬挂系统的阻尼系数和调低悬挂高度。

15.一种车辆行驶平稳性控制装置，其特征在于，包括：

获取模块，用于获取所述车辆在行驶过程中的前方路况预测信息和当前行驶路况信息，其中，所述当前行驶路况信息为将所述车辆的姿态信息输入预先训练得到的路况检测模型得到的，所述路况检测模型是将姿态样本数据作为神经网络的输入，将所述姿态样本数据对应的当前行驶路况标注信息作为所述神经网络的输出，对所述神经网络进行迭代训练得到的；

策略确定模块，根据所述前方路况预测信息和当前行驶路况信息，确定所述车辆的悬挂系统进行调整的策略信息；

调整模块，用于根据所述策略信息，对所述车辆的悬挂系统进行调整。

16.一种车辆行驶平稳性控制设备，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1-14中任一项所述的方法。

17.一种车辆，其特征在于，包括如权利要求16所述的车辆行驶平稳性控制设备。

18.根据权利要求17所述的车辆，其特征在于，所述车辆还包括：

图像采集单元，用于在车辆行驶过程中采集车辆周围环境的环境图像；

惯性测量单元，用于在车辆行驶过程中采集所述车辆的姿态信息。

19.根据权利要求18所述的车辆，其特征在于，所述车辆还包括：

速度传感器，用于在车辆行驶过程中采集所述车辆的速度信息。

20.一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1-14中任一项所述的方法。

Images