CN113393669A - 交通工具的控制方法、装置、设备、介质及程序产品 - Google Patents

交通工具的控制方法、装置、设备、介质及程序产品 Download PDF

Info

Publication number
CN113393669A
CN113393669A CN202110652259.4A CN202110652259A CN113393669A CN 113393669 A CN113393669 A CN 113393669A CN 202110652259 A CN202110652259 A CN 202110652259A CN 113393669 A CN113393669 A CN 113393669A
Authority
CN
China
Prior art keywords
behavior
traffic parameters
target vehicle
target
driving behavior
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.)
Pending
Application number
CN202110652259.4A
Other languages
English (en)
Inventor
周毅
陈真
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 Zhilian Beijing Technology Co Ltd
Original Assignee
Apollo Zhilian Beijing Technology 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 Zhilian Beijing Technology Co Ltd filed Critical Apollo Zhilian Beijing Technology Co Ltd
Priority to CN202110652259.4A priority Critical patent/CN113393669A/zh
Publication of CN113393669A publication Critical patent/CN113393669A/zh
Priority to JP2022051656A priority patent/JP2022079555A/ja
Priority to KR1020220048305A priority patent/KR20220057492A/ko
Priority to US17/829,573 priority patent/US20220292964A1/en
Priority to EP22177949.9A priority patent/EP4102481A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/09675—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where a selection from the received information takes place in the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Atmospheric Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开提供了一种交通工具的控制方法、装置、设备、介质及程序产品，涉及深度学习、自动驾驶和智能交通等人工智能领域。该方法的一实施方式包括：获取目标交通工具的交通参数和其他交通工具的交通参数；将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为；响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。

Description

交通工具的控制方法、装置、设备、介质及程序产品
技术领域
本公开实施例涉及计算机领域，具体涉及深度学习、自动驾驶和智能交通等人工智能领域，尤其涉及一种交通工具的控制方法、装置、设备、介质及程序产品。
背景技术
随着交通工具保有量的不断上升，拥堵现象和交通事故也逐日剧增，巨大的交通出行压力严重影响着人们的日常生活。目前，亟需一种控制交通工具行驶的方法，以缓解交通出行压力。
发明内容
本公开实施例提出了一种交通工具的控制方法、装置、设备、介质及程序产品。
第一方面，本公开实施例提出了一种交通工具的控制方法，包括：获取目标交通工具的交通参数和其他交通工具的交通参数；将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为；响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。
第二方面，本公开实施例提出了一种交通工具的控制装置，包括：参数获取模块，被配置成获取目标交通工具的交通参数和其他交通工具的交通参数；结果得到模块，被配置成将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；行为确定模块，被配置成根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为；行驶控制模块，被配置成响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。
第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面描述的方法。
第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面描述的方法。
第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面描述的方法。
本公开实施例提供的交通工具的控制方法、装置、设备、介质及程序产品，首先获取目标交通工具的交通参数和其他交通工具的交通参数；然后将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；然后根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为；最后响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。能够根据目标交通工具的交通参数和其他车辆的交通参数所确定的目标驾驶行为提前预判目标交通工具能否按照行为预测模型输出的预测行为进行行驶，在预测行为与目标驾驶行为不匹配时，控制目标交通工具按照目标驾驶行为的交通参数(即，不按照预测行为的交通参数进行行驶)，从而避免了可能出现的交通拥堵和交通事故。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开可以应用于其中的示例性系统架构图；
图2是根据本公开的交通工具的控制方法的一个实施例的流程图；
图3是根据本公开的交通工具的控制方法的一个实施例的流程图；
图4是根据本公开的交通工具的控制方法的一个实施例的流程图；
图5是根据本公开的交通工具的控制装置的一个实施例的结构示意图；
图6是用来实现本公开实施例的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的交通工具的控制方法或交通工具的控制装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括目标交通工具对应的终端设备101、其他交通工具对应的终端设备102，网络103和服务器104。网络103用以在目标交通工具对应的终端设备101、其他交通工具对应的终端设备102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用目标交通工具对应的终端设备101和其他交通工具对应的终端设备102通过网络103与服务器104交互，以获取目标交通工具的交通参数，以及其他交通工具的交通参数等。目标交通工具对应的终端设备101、其他交通工具对应的终端设备102上可以安装有各种客户端应用、智能交互应用，例如交通处理应用、地图软件等等。
目标交通工具对应的终端设备101、其他交通工具对应的终端设备102可以是硬件，也可以是软件。当目标交通工具对应的终端设备101、其他交通工具对应的终端设备102时，终端设备可以为与用户通过键盘、触摸板、显示屏、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品，例如PC(Personal Computer，个人计算机)、手机、智能手机、PDA(Personal Digital Assistant，个人数字助手)、可穿戴设备、PPC(Pocket PC，掌上电脑)、平板电脑、智能车机、智能电视、智能音箱、平板电脑、膝上型便携计算机和台式计算机等等。当目标交通工具对应的终端设备101、其他交通工具对应的终端设备102为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器104可以提供各种服务。例如，服务器104可以获取目标交通工具对应的终端设备101、其他交通工具对应的终端设备102上的交通参数；以使服务器104将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为；响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。
需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器104为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本公开实施例所提供的交通工具的控制方法一般由服务器104执行，相应地，交通工具的控制装置一般设置于服务器104中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本公开的交通工具的控制方法的一个实施例的流程200。该交通工具的控制方法可以包括以下步骤：
步骤201，获取目标交通工具的交通参数和其他交通工具的交通参数。
在本实施例中，交通工具的控制方法的执行主体(例如图1所示的服务器104)可以获取某一时刻或某一时刻之前的预设时间段内目标交通工具的交通参数和其他交通工具的交通参数。上述某一时刻可以为任意时刻，例如，当前时刻。上述预设时间段可以为某一时刻之前的一段时间。上述交通工具可以为用于人类代步或运输的装置，如:自行车，汽车，摩托车，火车，船只及飞行器等。上述其他交通工具可以为目标交通工具预设范围内的交通工具，该预设范围可以根据其他交通工具对目标交通工具的交通影响程度进行设置或由人工设定。可选的，上述目标交通工具和其他交通工具可以为相同场景下的交通工具，例如，道路场景、水域场景、天空场景等。上述目标交通工具的交通参数可以包括型号、速度、坐标位置(或，经纬度)。上述其他交通工具的交通参数可以包括交通工具的流量、型号、速度、坐标位置(或，经纬度)。
在这里，目标交通工具的交通参数可以为通过目标交通工具上的各种传感器采集的交通参数；之后，经由目标交通工具对应的终端设备(例如图1所示的目标交通工具对应的终端设备101)传输至上述执行主体；以及其他交通工具的交通参数可以为通过其他交通工具上的各种传感器采集的交通参数；之后，经由其他交通工具对应的终端设备(例如图1所示的其他交通工具对应的终端设备102)传输至上述执行主体。
需要说明的是，在目标交通工具和其他交通工具为汽车时，目标交通工具和其他交通工具对应的终端设备可以为车载终端。
在本实施例中，在得到目标交通工具的交通参数和其他交通工具的交通参数之后，该交通工具的控制方法还可以包括：建立目标交通工具对应的终端设备、其他交通工具对应的终端设备，以及上述执行主体之间的通讯。
在一个示例中，目标交通工具对应的终端设备、其他交通工具对应的终端设备，以及上述执行主体之间可以通过网络(例如图1所示的网络103)进行通讯，该网络可以包括各种连接类型，例如有线、蓝牙、用户数据报协议(User Datagram Protocol，UDP)、无线通信链路或者光纤电缆等等。
本公开的技术方案中，所涉及的交通参数的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
步骤202，将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为。
在本实施例中，上述执行主体可以将目标交通工具的交通参数输入预先训练的行为预测模型中，得到与目标交通工具的交通参数对应的预测结果。上述行为预测模型可以用于对目标交通工具在某一时刻之后的下一时刻的行为进行预测。上述预测行为可以用于表征在某一时刻之后的下一时刻，目标交通工具可能处于的交通状态，例如，行为类型，该行为类型可以包括超车，变道，急停等类型。
在这里，上述行为预测模型可以基于目标交通工具的交通参数和对应的行为类型训练得到。
具体地，目标交通工具的交通参数作为行为预测模型的输入，将行为类型作为行为预测模型的期望输出，训练初始模型，得到行为预测模型。
本实施例中，上述执行主体在得到目标交通工具的交通参数，以及行为类型后，可以利用目标交通工具的交通参数和行为类型训练初始模型，得到行为预测模型。在训练时，执行主体可以将目标交通工具的交通参数作为行为预测模型的输入，以及将所输入对应的行为类型，作为期望输出，得到行为预测模型。上述初始模型可以为现有技术或未来发展技术中的神经网络模型，例如，神经网络模型可以包括分类模型，如随机森林、lightGBM(Light Gradient Boosting Machine)、Xgboost(eXtreme Gradient Boosting)等。
步骤203，根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为。
在本实施例中，上述执行主体可以根据目标交通工具的交通参数和其他交通工具的交通参数，确定与根据目标交通工具的交通参数和其他交通工具的交通参数匹配的目标驾驶行为。上述目标驾驶行为的种类为一个或多种。可选的，可以预先建立驾驶行为与目标交通工具的交通参数和其他交通工具的交通参数之间的对应关系。上述目标驾驶行可以为按照目标驾驶行为的交通参数行驶目标交通工具，不会产生堵塞和交通事故的驾驶行为。
需要说明的是，预测行为与目标驾驶行为匹配可以为预测行为与一种目标驾驶行为相同，或与多种目标驾驶行为均匹配。
需要说明的是，在目标驾驶行为的种类为多种时，可以随机选择一个驾驶行为控制目标交通工具进行行驶；或，按照目标交通工具的驾驶员针对驾驶行为的偏好信息，选择一个驾驶行为控制目标交通工具进行行驶。
步骤204，响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。
在本实现方式中，上述执行主体可以先根据目标驾驶行为和预测行为进行匹配，得到匹配结果；之后，在匹配结果为预测行为与目标驾驶行为不匹配时，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。上述不匹配可以在一种或多种目标驾驶行为中均没有与预测行为匹配的驾驶行为。
需要说明的是，步骤202和步骤203的执行顺序可以相同；或，先执行步骤202，再执行步骤203；或，先执行步骤203，再执行步骤202。
本公开实施例提供的交通工具的控制方法，首先获取目标交通工具的交通参数和其他交通工具的交通参数；然后将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；然后根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为；最后响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。能够根据目标交通工具的交通参数和其他车辆的交通参数所确定的目标驾驶行为提前预判目标交通工具能否按照行为预测模型输出的预测行为进行行驶，在预测行为与目标驾驶行为不匹配时，控制目标交通工具按照目标驾驶行为的交通参数(即，不按照预测行为的交通参数进行行驶)，从而避免了可能出现的交通拥堵和交通事故。
在本实施例的一些可选的实现方式中，根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为，包括：根据目标交通工具的交通参数和其他交通工具的交通参数，确定相对的交通参数，其中，相对的交通参数为目标交通工具和其他交通工具之间的交通参数；根据目标交通工具的交通参数和相对的交通参数，确定目标驾驶行为。
在本实现方式中，上述执行主体可以先根据目标交通工具的交通参数和其他交通工具的交通参数，确定之间的相对的交通参数；之后，根据目标交通工具的交通参数和相对的交通参数，确定目标驾驶行为。上述相对的交通参数可以用于表征目标交通工具和其他交通工具之间相对的交通参数，例如，相对距离，相对速度等。
对应地，在该示例中，根据目标交通工具的交通参数和相对的交通参数，确定目标驾驶行为，可以包括：根据目标交通工具的交通参数和相对的交通参数与驾驶行为之间的对应关系，确定对应的目标驾驶行为。
在一个示例中，在城市道路超车(即，目标驾驶行为)，目标交通工具的车速低于40km/h，相对距离(即相对的交通参数)至少要保证2个车位的距离，大概是10米的距离；如果目标交通工具的车速在40-60km/h，相对距离至少要保证车距在20米以上；如果目标交通工具的车速超过60km/h，相对距离至少要保持在60米以上。
需要说明的是，相对的交通参数和目标交通工具的交通参数可以根据不同的场景和/或不同的环境进行设置。另外，目标驾驶行为与相对的交通参数和目标交通工具的交通参数之间的对应关系可以预先建立。
在本实现方式中，能够根据目标交通工具的交通参数和其他交通工具的交通参数所确定的相对的交通参数，以及目标交通工具的交通参数，实现对目标驾驶行为的确定；从而可以根据目标驾驶行为提前预判目标交通工具能否按照行为预测模型输出的预测行为进行行驶，避免了可能出现的交通拥堵和交通事故。
在本实施例的一些可选的实现方式中，该交通工具的控制方法还包括：响应于预测行为与目标驾驶行为匹配，控制目标交通工具按照预测行为的交通参数进行行驶。
在本实现方式中，上述执行主体可以先根据目标驾驶行为和预测行为进行匹配，得到匹配结果；之后，在匹配结果为预测行为与目标驾驶行为匹配时，控制目标交通工具按照预测行为的交通参数进行行驶。上述匹配可以为一种或多种目标驾驶行为与预测行为匹配。可选的，在预测行为与一种目标驾驶行为匹配时，该预测行为可以与该目标驾驶行为相同。
在本实现方式，在预测行为与目标驾驶行为匹配时，对目标交通工具的驾驶行为(即预测行为)不进行调整，以保证目标交通工具按照预测行为的交通参数继续行驶。
在本实施例的一些可选的实现方式中，该交通工具的控制方法还包括：根据匹配结果，生成对应的提醒信息。
在本实现方式中，上述执行主体可以根据匹配结果，生成对应的提醒信息。上述提醒信息可以通过语音播报或显示在目标交通工具和其他交通工具对应的终端设备的界面上或警报声音，例如，在目标交通工具对应的终端设备的界面上显示高亮的提醒颜色。上述匹配结果可以包括预测行为与目标驾驶行为匹配对应的结果；或预测行为与目标驾驶行为不匹配对应的结果。
在本实现方式中，在根据目标交通工具的交通参数和其他车辆的交通参数提前预判目标交通工具能否按照行为预测模型输出的预测行为行驶的情况下，能够生成对应的提醒信息，以避免可能出现的交通拥堵和交通事故。
在本实施例的一些可选的实现方式中，根据匹配结果，生成对应的提醒信息，包括以下任一项：响应于匹配结果为预测结果与目标驾驶行为不匹配，生成对应的第一提醒信息，其中，第一提醒信息用于提醒将目标交通工具的交通参数调整为目标驾驶行为的交通参数；响应于匹配结果为预测结果与目标驾驶行为匹配，生成对应的第二提醒信息，其中，第二提醒信息用于提醒将目标交通工具的交通参数调整为预测行为的交通参数。
在本实现方式中，上述执行主体可以先将预测行为与目标驾驶行为进行比较；在预测行为与目标驾驶行为不匹配时，生成第一提醒信息；在预测行为与目标驾驶行为匹配时，生成第二提醒信息。
在这里，第一提醒信息和第二提醒信息可以用于提醒目标交通工具和其他交通工具对应的终端设备，以及目标交通工具和其他交通工具的使用者(例如，驾驶员)是否按照预测行为的交通参数继续行驶目标交通工具。
具体地，交通工具在行驶过程中，当预测行为与目标驾驶行为不匹配时，可以向目标交通工具对应的终端设备和其他交通工具对应的终端设备发送第一提醒信息，提醒目标交通工具可以按照目标驾驶行为的交通参数进行行驶，将目标交通工具的交通参数调整为目标驾驶行为的交通参数；当预测行为与目标驾驶行驶匹配时，可以向目标交通工具对应的终端设备和其他交通工具对应的终端设备发送第二提醒信息，提醒目标交通工具可以按照预测行为进行行驶，将目标交通工具的交通参数调整为预测行为的交通参数。
对应地，在将目标交通工具的交通参数调整为预测行为的交通参数时，可以在预设时长内将目标交通工具的交通参数阶段性调整为预测行为的交通参数。
在一个示例中，如果预测行为为刹车驾驶行为，可以将目标交通工具的交通参数在预设时长内(例如，10S)调整为刹车驾驶行为的交通参数(例如，目标交通工具当前的速度为0)。上述预设时长不能太短，太短一方面会造成目标交通工具的刹车器件的损害，另一方面可能会影响后方其他交通工具的正常行驶，严重会造成交通事故；上述预设时长也不能太长，太长可能会削弱对目标交通工具的驾驶行为进行预先判别的作用，严重会造成交通事故。该预设时长可以根据相对的交通参数和目标交通工具的交通参数进行设置。
需要说明的是，第一提醒信息和第二提醒信息可以由上述执行主体发送至目标交通工具和其他交通工具对应的终端设备；或者，由目标交通工具对应的终端设备发送至其他交通工具对应的终端设备。另外，在生成第一提醒信息和第二提醒信息的同时，可以针对当前的目标交通工具的交通参数和其他交通工具的交通参数，生成适合目标交通工具行驶的交通参数(即，目标驾驶行为的交通参数)。
另外，将提醒信息发送其他交通工具的目的是为了让其他交通工具能够准确了解目标交通工具当前的驾驶行为，以起到安全驾驶的目的。
在本实现方式中，在根据目标交通工具的交通参数和其他车辆的交通参数确定的目标驾驶行为提前预判目标交通工具能否按照行为预测模型输出的预测行为行驶的情况下，能够生成对应的提醒信息，以避免可能出现的交通拥堵和交通事故。
在本实施例的一些可选的实现方式中，该交通工具的控制方法还包括：响应于目标驾驶行为为刹车驾驶行为，获取预设的刹车时间阈值；响应于执行刹车驾驶行为的预计时长小于预设的刹车时间阈值，控制目标交通工具强制刹车，其中，执行刹车驾驶行为的预计时长与目标驾驶行为的交通参数具有对应关系。
在本实现方式中，在目标驾驶行为为刹车驾驶行为时，可以先获取预设的刹车时间阈值；之后，在执行刹车驾驶行为的预计时长小于刹车驾驶行为的刹车时间时，则控制目标交通工具强制刹车。上述执行刹车驾驶行为的预计时长可以为开始执行刹车操作的时刻到实际刹车操作生效(即，目标交通工具的速度为0)的时刻之间的时长。该执行刹车驾驶行为的预计时长可以基于与目标驾驶行为的交通参数之间的对应关系进行获取。
在这里，上述预设的刹车时间阈值可以根据与目标交通工具的交通参数之间的对应关系，动态获取；从而可以根据目标交通工具不同的交通参数动态调整刹车时间阈值。
在一个示例中，如果目标交通工具的交通参数为40km/h，对应的刹车时间阈值为2s；如果目标交通工具的交通参数为60km/h，对应的刹车时间阈值为3s。
需要说明的是，可以预先建立目标交通工具的交通参数与刹车时间阈值之间的对应关系。
在本实现方式中，在执行刹车驾驶行为的预计时长小于预设的刹车时间阈值时，控制目标交通工具强制刹车，以起到安全驾驶的目的。
在本实施例的一些可选的实现方式中，该交通工具的控制方法还包括：按照预先建立的通讯方式将提醒信息发送至其他交通工具和目标交通工具。
在本实现方式中，可以预先建立目标交通工具、其他交通工具和上述执行主体之间的通讯，例如网络(图1所示的网络104)；之后，将提醒信息发送至其他交通工具和目标交通工具。
在本实现方式中，可以通过预先建立的通讯方式将提醒信息发送至其他交通工具和目标交通工具。
进一步参考图3，图3示出了根据本公开的一种交通工具的控制方法的一个实施例的流程300。该交通工具的控制方法可以包括以下步骤：
步骤301，获取目标交通工具的交通参数和其他交通工具的交通参数。
步骤302，将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为。
步骤303，根据目标交通工具的交通参数和其他交通工具的交通参数，确定相对的交通参数。
在本实施例中，交通工具的控制方法的执行主体(例如图1所示的服务器104)可以先根据目标交通工具的交通参数和其他交通工具的交通参数，确定之间的相对的交通参数。上述相对的交通参数可以用于表征目标交通工具和其他交通工具之间相对的交通参数，例如，相对距离，相对速度等。
步骤304，根据目标交通工具的交通参数和相对的交通参数，确定目标驾驶行为。
在本实施例中，上述执行主体可以根据目标交通工具的交通参数和相对的交通参数与驾驶行为之间的对应关系，确定对应的目标驾驶行为。
在一个示例中，在城市道路超车(即，目标驾驶行为)，目标交通工具的车速低于40km/h，相对距离(即相对的交通参数)至少要保证2个车位的距离，大概是10米的距离；如果目标交通工具的车速在40-60km/h，相对距离至少要保证车距在20米以上；如果目标交通工具的车速超过60km/h，相对距离至少要保持在60米以上。
需要说明的是，相对的交通参数和目标交通工具的交通参数可以根据不同的场景和/或不同的环境进行设置。另外，目标驾驶行为与相对的交通参数和目标交通工具的交通参数之间的对应关系可以预先建立。
步骤305，响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。
在本实施例中，步骤301、302、305的具体操作分别已在图2所示的实施例中步骤201、202、204进行了详细的介绍，在此不再赘述。
从图3中可以看出，与图2对应的实施例相比，本实施例中的交通工具的控制方法突出了确定目标驾驶行为的步骤。由此，本实施例描述的方案根据目标交通工具的交通参数和其他交通工具的交通参数，确定相对的交通参数；之后，根据目标交通工具的交通参数和相对的交通参数，确定目标驾驶行为；能够根据所确定的目标驾驶行为提前预判目标交通工具能否按照行为预测模型输出的预测行为的交通参数进行行驶，在预测行为与目标驾驶行为不匹配时，控制目标交通工具按照目标驾驶行为的交通参数(即，不按照预测行为的交通参数进行行驶)，从而避免了可能出现的交通拥堵和交通事故。
进一步参考图4，图4示出了根据本公开的交通工具的控制方法的一个实施例的流程400。该交通工具的控制方法可以包括以下步骤：
步骤401，获取目标交通工具的交通参数和其他交通工具的交通参数。
步骤402，将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为。
步骤403，根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为。
步骤404，判断预测行为与目标驾驶行为是否匹配。如果不匹配，执行步骤405；如果匹配，执行步骤406。
步骤405，响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶，以及生成第一提醒信息。
在本实施例中，交通工具的控制方法的执行主体(例如图1所示的服务器104)可以在预测行为与目标驾驶行为不匹配时，控制目标交通工具按照目标驾驶行为的交通参数进行行驶，以及生成第一提醒信息。
需要说明的是，生成第一提醒信息的步骤可以与控制目标交通工具按照目标驾驶行为的交通参数进行行驶的步骤同时执行；或先执行控制目标交通工具按照目标驾驶行为的交通参数进行行驶的步骤；或先执行生成第一提醒信息的步骤。
步骤406，响应于预测行为与目标驾驶行为匹配，控制目标交通工具按照预测行为的交通参数进行行驶，以及生成第二提醒信息。
在本实施例中，上述执行主体可以在预测行为与目标驾驶行为匹配时，控制目标交通工具按照预测行为的交通参数进行行驶，以及生成第二提醒信息。
需要说明的是，生成第二提醒信息的步骤可以与控制目标交通工具按照预测行为的交通参数进行行驶的步骤同时执行；或先执行控制目标交通工具按照预测行为的交通参数进行行驶的步骤；或先执行生成第二提醒信息的步骤。
在本实施例中，步骤401-403的具体操作分别已在图2所示的实施例中步骤201-203进行了详细的介绍，在此不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的交通工具的控制方法突出了生成提醒信息的步骤。由此，本实施例描述的方案针对预测行为与目标驾驶行为是否匹配，生成对应的提醒信息；在根据目标交通工具的交通参数和其他车辆的交通参数确定的目标驾驶行为提前预判目标交通工具能否按照行为预测模型输出的预测行为行驶的情况下，能够生成对应的提醒信息，以避免可能出现的交通拥堵和交通事故。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种交通工具的控制装置的一个实施例的结构示意图，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的交通工具的控制装置500可以包括：参数获取模块501、结果得到模块502、行为确定模块503和行驶控制模块504。其中，参数获取模块501，被配置成获取目标交通工具的交通参数和其他交通工具的交通参数；结果得到模块502，被配置成将目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；行为确定模块503，被配置成根据目标交通工具的交通参数和其他交通工具的交通参数，确定匹配的目标驾驶行为；行驶控制模块504，被配置成响应于预测行为与目标驾驶行为不匹配，控制目标交通工具按照目标驾驶行为的交通参数进行行驶。
在本实施例中，交通工具的控制装置500中：参数获取模块501、结果得到模块502、行为确定模块503和行驶控制模块504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，行为确定模块503，进一步被配置成：根据目标交通工具的交通参数和其他交通工具的交通参数，确定相对的交通参数；根据目标交通工具的交通参数和相对的交通参数，确定目标驾驶行为。
在本实施例的一些可选的实现方式中，行驶控制模块504，进一步被配置成：响应于预测行为与目标驾驶行为匹配，控制目标交通工具按照预测行为的交通参数进行行驶。
在本实施例的一些可选的实现方式中，该交通工具的控制装置500还包括：信息生成模块，被配置成根据匹配结果，生成对应的提醒信息。
在本实施例的一些可选的实现方式中，信息生成模块，进一步被配置成执行以下任一项：响应于匹配结果为预测行为与目标驾驶行为不匹配，生成对应的第一提醒信息，其中，第一提醒信息用于提醒将目标交通工具的交通参数调整为目标驾驶行为的交通参数；响应于匹配结果为预测行为与目标驾驶行为匹配，生成对应的第二提醒信息，其中，第二提醒信息用于提醒将目标交通工具的交通参数调整为预测行为的交通参数。
在本实施例的一些可选的实现方式中，该交通工具的控制装置500还包括：阈值获取模块，被配置成响应于目标驾驶行为为刹车驾驶行为，获取预设的刹车时间阈值；刹车控制模块，被配置成响应于执行刹车驾驶行为的预计时长小于预设的刹车时间阈值，控制目标交通工具强制刹车，其中，执行刹车驾驶行为的预计时长与目标驾驶行为的交通参数具有对应关系。
在本实施例的一些可选的实现方式中，该交通工具的控制装置500还包括：信息发送模块，被配置成按照预先建立的通讯方式将提醒信息发送至其他交通工具和目标交通工具。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如交通工具的控制方法。例如，在一些实施例中，交通工具的控制方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的交通工具的控制方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通工具的控制方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。
人工智能是研究计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语音处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
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，本发公开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，只要能够实现本公开提及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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种交通工具的控制方法，包括：
获取目标交通工具的交通参数和其他交通工具的交通参数；
将所述目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；
根据所述目标交通工具的交通参数和所述其他交通工具的交通参数，确定匹配的目标驾驶行为；
响应于所述预测行为与所述目标驾驶行为不匹配，控制所述目标交通工具按照所述目标驾驶行为的交通参数进行行驶。
2.根据权利要求1所述的方法，其中，所述根据所述目标交通工具的交通参数和所述其他交通工具的交通参数，确定匹配的目标驾驶行为，包括：
根据所述目标交通工具的交通参数和所述其他交通工具的交通参数，确定相对的交通参数；
根据所述目标交通工具的交通参数和所述相对的交通参数，确定所述目标驾驶行为。
3.根据权利要求1或2所述的方法，所述方法还包括：
响应于所述预测行为与所述目标驾驶行为匹配，控制所述目标交通工具按照所述预测行为的交通参数进行行驶。
4.根据权利要求1-3任一项所述的方法，所述方法还包括：
根据匹配结果，生成对应的提醒信息。
5.根据权利要求4所述的方法，其中，所述根据匹配结果，生成对应的提醒信息，包括以下任一项：
响应于所述匹配结果为所述预测行为与所述目标驾驶行为不匹配，生成对应的第二提醒信息，其中，所述第二提醒信息用于提醒将所述目标交通工具的交通参数调整为所述目标驾驶行为的交通参数；
响应于所述匹配结果为所述预测行为与所述目标驾驶行为匹配，生成对应的第一提醒信息，其中，所述第一提醒信息用于提醒所述目标交通工具的交通参数调整为所述预测行为的交通参数。
6.根据权利要求1-5任一项所述的方法，所述方法还包括：
响应于所述目标驾驶行为为刹车驾驶行为，获取预设的刹车时间阈值；
响应于执行所述刹车驾驶行为的预计时长小于所述预设的刹车时间阈值，控制所述目标交通工具强制刹车，其中，执行所述刹车驾驶行为的预计时长与所述目标驾驶行为的交通参数具有对应关系。
7.根据权利要求4所述的方法，所述方法还包括：
按照预先建立的通讯方式将所述提醒信息发送至所述其他交通工具和所述目标交通工具。
8.一种交通工具的控制装置，包括：
参数获取模块，被配置成获取目标交通工具的交通参数和其他交通工具的交通参数；
结果得到模块，被配置成将所述目标交通工具的交通参数输入预先训练的行为预测模型中，得到预测行为；
行为确定模块，被配置成根据所述目标交通工具的交通参数和所述其他交通工具的交通参数，确定匹配的目标驾驶行为；
行驶控制模块，被配置成响应于所述预测行为与所述目标驾驶行为不匹配，控制所述目标交通工具按照所述目标驾驶行为的交通参数进行行驶。
9.根据权利要求8所述的装置，其中，所述行为确定模块，进一步被配置成：
根据所述目标交通工具的交通参数和所述其他交通工具的交通参数，确定相对的交通参数；
根据所述目标交通工具的交通参数和所述相对的交通参数，确定所述目标驾驶行为。
10.根据权利要求8或9所述的装置，其中，所述行驶控制模块，进一步被配置成：响应于所述预测行为与所述目标驾驶行为匹配，控制所述目标交通工具按照所述预测行为的交通参数进行行驶。
11.根据权利要求8-10任一项所述的装置，所述装置还包括：
信息生成模块，被配置成根据匹配结果，生成对应的提醒信息。
12.根据权利要求11所述的装置，其中，所述信息生成模块，进一步被配置成执行以下任一项：
响应于所述匹配结果为所述预测行为与所述目标驾驶行为不匹配，生成对应的第一提醒信息，其中，所述第一提醒信息用于提醒将所述目标交通工具的交通参数调整为所述目标驾驶行为的交通参数；
响应于所述匹配结果为所述预测行为与所述目标驾驶行为匹配，生成对应的第二提醒信息，其中，所述第二提醒信息用于提醒将所述目标交通工具的交通参数调整为所述预测行为的交通参数。
13.根据权利要求8-12任一项所述的装置，所述装置还包括：
阈值获取模块，被配置成响应于所述目标驾驶行为为刹车驾驶行为，获取预设的刹车时间阈值；
刹车控制模块，被配置成响应于执行所述刹车驾驶行为的预计时长小于所述预设的刹车时间阈值，控制所述目标交通工具强制刹车，其中，执行所述刹车驾驶行为的预计时长与所述目标驾驶行为的交通参数具有对应关系。
14.根据权利要求11所述的装置，所述装置还包括：
信息发送模块，被配置成按照预先建立的通讯方式将所述提醒信息发送至所述其他交通工具和所述目标交通工具。
15.一种电子设备，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权利要求1-7中任一项所述的方法。
16.一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权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202110652259.4A 2021-06-11 2021-06-11 交通工具的控制方法、装置、设备、介质及程序产品 Pending CN113393669A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110652259.4A CN113393669A (zh) 2021-06-11 2021-06-11 交通工具的控制方法、装置、设备、介质及程序产品
JP2022051656A JP2022079555A (ja) 2021-06-11 2022-03-28 交通機関の制御方法、装置、電子デバイス、コンピュータ可読記憶媒体、およびコンピュータプログラム
KR1020220048305A KR20220057492A (ko) 2021-06-11 2022-04-19 교통 수단 제어 방법, 장치, 전자 기기, 컴퓨터 판독 가능한저장 매체 및 컴퓨터 프로그램
US17/829,573 US20220292964A1 (en) 2021-06-11 2022-06-01 Method and apparatus for controlling vehicle, device, medium, and program product
EP22177949.9A EP4102481A1 (en) 2021-06-11 2022-06-08 Method and apparatus for controlling vehicle, device, medium, and program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110652259.4A CN113393669A (zh) 2021-06-11 2021-06-11 交通工具的控制方法、装置、设备、介质及程序产品

Publications (1)

Publication Number Publication Date
CN113393669A true CN113393669A (zh) 2021-09-14

Family

ID=77620486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110652259.4A Pending CN113393669A (zh) 2021-06-11 2021-06-11 交通工具的控制方法、装置、设备、介质及程序产品

Country Status (5)

Country Link
US (1) US20220292964A1 (zh)
EP (1) EP4102481A1 (zh)
JP (1) JP2022079555A (zh)
KR (1) KR20220057492A (zh)
CN (1) CN113393669A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109017559A (zh) * 2018-06-29 2018-12-18 百度在线网络技术（北京）有限公司 生成提示信息的方法和装置
CN109760675A (zh) * 2019-03-12 2019-05-17 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
US20200117193A1 (en) * 2018-10-11 2020-04-16 Pony.ai Inc. On-site notification from autonomous vehicle for traffic safety
CN111348055A (zh) * 2018-12-20 2020-06-30 阿里巴巴集团控股有限公司 辅助驾驶方法、辅助驾驶系统、计算设备及存储介质
CN111731284A (zh) * 2020-07-21 2020-10-02 平安国际智慧城市科技股份有限公司 一种辅助驾驶方法、装置、车载终端设备和存储介质
CN112149908A (zh) * 2020-09-28 2020-12-29 深圳壹账通智能科技有限公司 车辆驾驶预测方法、系统、计算机设备及可读存储介质
CN112419722A (zh) * 2020-11-18 2021-02-26 百度(中国)有限公司 交通异常事件检测方法、交通管控方法、设备和介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2990991A1 (en) * 2014-08-29 2016-03-02 Honda Research Institute Europe GmbH Method and system for using global scene context for adaptive prediction and corresponding program, and vehicle equipped with such system
JP2018124663A (ja) * 2017-01-30 2018-08-09 日立オートモティブシステムズ株式会社 移動物体予測装置
JP6838241B2 (ja) * 2017-06-01 2021-03-03 日立Astemo株式会社 移動体挙動予測装置
JP7003464B2 (ja) * 2017-07-11 2022-01-20 株式会社デンソー 車両制御装置、車両制御方法
CN109969172B (zh) * 2017-12-26 2020-12-01 华为技术有限公司 车辆控制方法、设备及计算机存储介质
JP7215247B2 (ja) * 2019-03-08 2023-01-31 マツダ株式会社 自動車用演算装置
CN113498036A (zh) * 2020-03-19 2021-10-12 索尼公司 电子设备、无线通信方法和计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109017559A (zh) * 2018-06-29 2018-12-18 百度在线网络技术（北京）有限公司 生成提示信息的方法和装置
US20200117193A1 (en) * 2018-10-11 2020-04-16 Pony.ai Inc. On-site notification from autonomous vehicle for traffic safety
CN111348055A (zh) * 2018-12-20 2020-06-30 阿里巴巴集团控股有限公司 辅助驾驶方法、辅助驾驶系统、计算设备及存储介质
CN109760675A (zh) * 2019-03-12 2019-05-17 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
CN111731284A (zh) * 2020-07-21 2020-10-02 平安国际智慧城市科技股份有限公司 一种辅助驾驶方法、装置、车载终端设备和存储介质
CN112149908A (zh) * 2020-09-28 2020-12-29 深圳壹账通智能科技有限公司 车辆驾驶预测方法、系统、计算机设备及可读存储介质
CN112419722A (zh) * 2020-11-18 2021-02-26 百度(中国)有限公司 交通异常事件检测方法、交通管控方法、设备和介质

Also Published As

Publication number Publication date
KR20220057492A (ko) 2022-05-09
JP2022079555A (ja) 2022-05-26
EP4102481A1 (en) 2022-12-14
US20220292964A1 (en) 2022-09-15

Similar Documents

Publication Publication Date Title
US20200066158A1 (en) Electronic device, warning message providing method therefor, and non-transitory computer-readable recording medium
CN112580571A (zh) 车辆行驶的控制方法、装置及电子设备
CN113135193A (zh) 输出预警信息的方法、设备、存储介质及程序产品
CN108860157B (zh) 一种违章风险评估方法、系统、设备及存储介质
CN113467875A (zh) 训练方法、预测方法、装置、电子设备以及自动驾驶车辆
US20220204000A1 (en) Method for determining automatic driving feature, apparatus, device, medium and program product
CN115909749A (zh) 车辆运行道路风险预警方法、装置、设备及存储介质
EP4015998A2 (en) Method and apparatus for prompting navigation information, medium and program product
CN113838273B (zh) 基于车辆的提醒方法、装置、电子设备和存储介质
CN114463985A (zh) 辅助驾驶的方法、装置、设备及存储介质
CN114333312A (zh) 一种道路交通环境信息的展示方法、装置以及电子设备
CN113391627A (zh) 无人车驾驶模式切换方法、设备、车辆及云端服务器
EP4099323A2 (en) Packet loss recovery method for audio data packet, electronic device and storage medium
CN113393669A (zh) 交通工具的控制方法、装置、设备、介质及程序产品
CN113147794A (zh) 生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆
US20220390249A1 (en) Method and apparatus for generating direction identifying model, device, medium, and program product
CN114706372A (zh) 一种测试方法、装置、设备及存储介质
US11772681B2 (en) Method and apparatus for processing autonomous driving simulation data, and electronic device
CN110782115B (zh) 处理车联网系统风险方法、装置、电子设备及存储介质
CN114120651B (zh) 用于测试感知目标数的方法、装置、设备、介质和产品
CN116842392B (zh) 轨迹预测方法及其模型的训练方法、装置、设备及介质
CN117593896A (zh) 一种对向来车预警方法、装置、设备及存储介质
CN114368388B (zh) 一种驾驶行为分析方法、装置、设备以及存储介质
EP3965017A1 (en) Knowledge distillation for autonomous vehicles
CN115837919A (zh) 自动驾驶车辆的交互行为决策方法、装置及自动驾驶车辆

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