CN113479197A - 车辆的控制方法及其装置、计算机可读存储介质 - Google Patents

车辆的控制方法及其装置、计算机可读存储介质 Download PDF

Info

Publication number
CN113479197A
CN113479197A CN202110738550.3A CN202110738550A CN113479197A CN 113479197 A CN113479197 A CN 113479197A CN 202110738550 A CN202110738550 A CN 202110738550A CN 113479197 A CN113479197 A CN 113479197A
Authority
CN
China
Prior art keywords
vehicle
model
target vehicle
safety level
training 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.)
Pending
Application number
CN202110738550.3A
Other languages
English (en)
Inventor
周强
李京京
黄惠萍
丁坤鹏
肖春辉
李宁
李永业
赵红芳
栾琳
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.)
Yinlong New Energy Co Ltd
Zhuhai Guangtong Automobile Co Ltd
Original Assignee
Yinlong New Energy Co Ltd
Zhuhai Guangtong Automobile 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 Yinlong New Energy Co Ltd, Zhuhai Guangtong Automobile Co Ltd filed Critical Yinlong New Energy Co Ltd
Priority to CN202110738550.3A priority Critical patent/CN113479197A/zh
Publication of CN113479197A publication Critical patent/CN113479197A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • B60W40/02—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 ambient conditions
    • 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
    • B60W40/12—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 parameters of the vehicle itself, e.g. tyre models
    • B60W40/13—Load or weight
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • 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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/10—Weight

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

本发明公开了一种车辆的控制方法及其装置、计算机可读存储介质。其中，该方法包括：生成目标车辆所在道路预定区域内的空间模型；生成目标车辆在当前载货状态下的整车模型；利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型的安全等级；通过驾驶决策模型，确定与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略；控制目标车辆按照驾驶策略行驶。本发明解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中载货量的影响，降低了车况分析的精准度，存在安全隐患的技术问题。

Description

车辆的控制方法及其装置、计算机可读存储介质
技术领域
本发明涉及车辆控制技术领域，具体而言，涉及一种车辆的控制方法及其装置、计算机可读存储介质。
背景技术
车辆在行驶上路之前，需要对周围路况进行快速、及时的分析，以确保其能够正常行驶在道路上。若要确保车辆能够正常行驶在车辆上，对车辆所在路况进行分析十分重要。相关技术中，在对车辆所在路况进行分析时，一般是通过采集当前道路上的图像，并对图像进行分析，以确定车辆当前所在道路上的路况信息。然而，相关技术中在对采集的图像进行分析时，可能会由于图像上的干扰物较多，导致分析得到的路况并不准确，那么基于上述图像分析得的路况确定的用于对车辆进行控制的控制策略可能也会存在错误，这就为道路安全埋下了安全隐患。
针对上述相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种车辆的控制方法及其装置、计算机可读存储介质，以至少解决相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中载货量的影响，降低了车况分析的精准度，存在安全隐患的技术问题。
根据本发明实施例的一个方面，提供了一种车辆的控制方法，包括：生成目标车辆所在道路预定区域内的空间模型；生成所述目标车辆在当前载货状态下的整车模型；利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型的安全等级；通过驾驶决策模型，确定与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；控制所述目标车辆按照所述驾驶策略行驶。
可选地，生成目标车辆所在道路预定区域内的空间模型，包括：获取所述目标车辆所在道路预定区域内的路况信息；基于所述路况信息生成所述空间模型。
可选地，生成所述目标车辆在当前载货状态下的整车模型，包括：获取所述目标车辆的载货信息；获取所述目标车辆的车辆信息；基于所述载货信息以及所述车辆信息生成所述目标车辆在所述当前载货状态下的整车模型。
可选地，利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型的安全等级，包括：将所述整车模型以及所述空间模型传输至预定仿真平台；在所述预定仿真平台，利用所述整车模型对所述目标车辆在所述当前载货状态下行驶于所述空间模型的状态进行模拟，得到模拟结果；基于所述模拟结果确定所述安全等级。
可选地，基于所述模拟结果确定所述安全等级，包括：通过安全等级确定模型，确定与所述模拟结果对应的安全等级，其中，所述安全等级确定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：模拟结果以及与模拟结果对应的安全等级。
可选地，控制所述目标车辆按照所述驾驶策略行驶，包括以下至少之一：控制所述目标车辆按照所述驾驶策略对应的速度信息行驶；控制所述目标车辆按照所述驾驶策略对应的方向信息行驶；控制所述目标车辆按照所述驾驶策略对应的线路调整信息调整行驶方向。
根据本发明实施例的另外一个方面，还提供了一种车辆的控制方法，包括：在交互界面显示目标车辆所在道路预定区域内的空间模型；在所述交互界面显示所述目标车辆在当前载货状态下的整车模型；在所述交互界面显示利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型得到的安全等级；在所述交互界面显示通过驾驶决策模型确定的与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；在所述交互界面显示所述目标车辆按照所述驾驶策略行驶的行驶路线。
根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，包括：第一生成模块，用于生成目标车辆所在道路预定区域内的空间模型；第二生成模块，用于生成所述目标车辆在当前载货状态下的整车模型；模拟模块，用于利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型的安全等级；确定模块，用于通过驾驶决策模型，确定与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；控制模块，用于控制所述目标车辆按照所述驾驶策略行驶。
可选地，所述第一生成模块，包括：第一获取单元，用于获取所述目标车辆所在道路预定区域内的路况信息；第一生成单元，用于基于所述路况信息生成所述空间模型。
可选地，所述第二生成模块，包括：第二获取单元，用于获取所述目标车辆的载货信息；第三获取单元，用于获取所述目标车辆的车辆信息；第二生成单元，用于基于所述载货信息以及所述车辆信息生成所述目标车辆在所述当前载货状态下的整车模型。
可选地，所述模拟模块，包括：传输单元，用于将所述整车模型以及所述空间模型传输至预定仿真平台；模拟单元，用于在所述预定仿真平台，利用所述整车模型对所述目标车辆在所述当前载货状态下行驶于所述空间模型的状态进行模拟，得到模拟结果；确定单元，用于基于所述模拟结果确定所述安全等级。
可选地，所述确定单元，包括：确定子单元，用于通过安全等级确定模型，确定与所述模拟结果对应的安全等级，其中，所述安全等级确定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：模拟结果以及与模拟结果对应的安全等级。
可选地，所述控制模块，包括以下至少之一：第一控制单元，用于控制所述目标车辆按照所述驾驶策略对应的速度信息行驶；第二控制单元，用于控制所述目标车辆按照所述驾驶策略对应的方向信息行驶；第三控制单元，用于控制所述目标车辆按照所述驾驶策略对应的线路调整信息调整行驶方向。
根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，包括：第一显示模块，用于在交互界面显示目标车辆所在道路预定区域内的空间模型；第二显示模块，用于在所述交互界面显示所述目标车辆在当前载货状态下的整车模型；第三显示模块，用于在所述交互界面显示利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型得到的安全等级；第四显示模块，用于在所述交互界面显示通过驾驶决策模型确定的与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；第五显示模块，用于在所述交互界面显示所述目标车辆按照所述驾驶策略行驶的行驶路线。
根据本发明实施例的另外一个方面，还提供了一种无人驾驶车辆，使用上述中任一项所述的车辆的控制方法。
根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述中任一项所述的车辆的控制方法。
根据本发明实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述中任一项所述的车辆的控制方法。
在本发明实施例中，生成目标车辆所在道路预定区域内的空间模型；生成所述目标车辆在当前载货状态下的整车模型；利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型的安全等级；通过驾驶决策模型，确定与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；控制所述目标车辆按照所述驾驶策略行驶，通过本发明实施例提供的车辆的控制方法，实现了通过构建车辆所在道路的空间模型和车辆的整车模型，以利用整车模型以及空间模型模拟车辆通过当前所在道路的安全等级，并基于安全等级得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，进而解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中载货量的影响，降低了车况分析的精准度，存在安全隐患的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的车辆的控制方法的流程图；
图2是根据本发明实施例的可选的车辆的控制方法的流程图；
图3是根据本发明实施例的车辆的控制装置的示意图；
图4是根据本发明实施例的可选的车辆的控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本发明的实施例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。
实施例1
根据本发明实施例，提供了一种车辆的控制方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的车辆的控制方法的流程图，如图1所示，该车辆的控制方法包括如下步骤：
步骤S102，生成目标车辆所在道路预定区域内的空间模型。
可选的，这里的目标车辆可以为无人驾驶车辆。
可选的，这里的空间模型可以为在目标车辆行驶过程中，基于采集的目标车辆所在道路上的路况信息生成的模型。
步骤S104，生成目标车辆在当前载货状态下的整车模型。
可选的，这里的整车模型可以从历史整车模型数据库中调取得到的。例如，可以先获取目标车辆的当前载货状态，并基于当前载货状态从历史正常模型数据库中搜索目标车辆在当前载货状态下的整车模型，提高了处理效率。
步骤S106，利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型的安全等级。
即，也就是把整车模型与环境模型进行融合模拟、建模、计算以及分析当前路况对于目前车况的影响因子。
步骤S108，通过驾驶决策模型，确定与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略。
步骤S110，控制目标车辆按照驾驶策略行驶。
由上可知，在本发明实施例中，首先生成目标车辆所在道路预定区域内的空间模型；再生成目标车辆在当前载货状态下的整车模型；再利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型的安全等级；然后通过驾驶决策模型，确定与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略；最后控制目标车辆按照驾驶策略行驶，实现了通过构建车辆所在道路的空间模型和车辆的整车模型，以利用整车模型以及空间模型模拟车辆通过当前所在道路的安全等级，并基于安全等级得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果。
因此，通过本发明实施例提供的车辆的控制方法，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中载货量的影响，降低了车况分析的精准度，存在安全隐患的技术问题。
作为一种可选地实施例，生成目标车辆所在道路预定区域内的空间模型，包括：获取目标车辆所在道路预定区域内的路况信息；基于路况信息生成空间模型。
在该实施例中，可以获取目标车辆所在道路预定区域的路况信息，从而可以结合获取的路况信息生成空间模型。
作为一种可选地实施例，生成目标车辆在当前载货状态下的整车模型，包括：获取目标车辆的载货信息；获取目标车辆的车辆信息；基于载货信息以及车辆信息生成目标车辆在当前载货状态下的整车模型。
在该实施例中，可以从目标车辆接收到的输送任务中，获取目标车辆的载货信息，例如，可以从输送任务中获取目标车辆当前装载的物品的类型以及数量，从而可以预测出目标车辆的当前载货信息；接着可以结合载货信息以及车辆信息生成目标车辆在当前载货状态下的整车模型，从而可以得到与目标车辆当前状态比较吻合的整车模型。
作为一种可选地实施例，利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型的安全等级，包括：将整车模型以及空间模型传输至预定仿真平台；在预定仿真平台，利用整车模型对目标车辆在当前载货状态下行驶于空间模型的状态进行模拟，得到模拟结果；基于模拟结果确定安全等级。
可选的，在本发明实施例中，对预定仿真平台不做具体限定，其可以为具有仿真功能系统或软件。
可选的，这里的安全等级用于表示目标车辆在当前载货状态下通过当前道路的风险值。
作为一种可选地实施例，基于模拟结果确定安全等级，包括：通过安全等级确定模型，确定与模拟结果对应的安全等级，其中，安全等级确定模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：模拟结果以及与模拟结果对应的安全等级。
在该实施例中，可以使用预先构建的安全等级确定模型来得到与模拟结果对应的安全等级，提高了车辆安全等级确定的效率，从而可以快速做出驾驶决策，降低了道路安全隐患。
作为一种可选地实施例，控制目标车辆按照驾驶策略行驶，包括以下至少之一：控制目标车辆按照驾驶策略对应的速度信息行驶；控制目标车辆按照驾驶策略对应的方向信息行驶；控制目标车辆按照驾驶策略对应的线路调整信息调整行驶方向。
在该实施例中，可以控制目标车辆按照驾驶策略对应的信息进行调整，以防止与当前道路上的人或车发生碰撞。
因此，通过本发明实施例提供的车辆的控制方法，可以生成车辆载货下的模型以及空间模型，并生成对应的行车策略，以供自动驾驶车辆安全行驶，提高出行体验。
实施例2
根据本发明实施例，还提供了一种车辆的控制方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本发明实施例的可选的车辆的控制方法的流程图，如图2所示，该车辆的控制方法包括如下步骤：
步骤S202，在交互界面显示目标车辆所在道路预定区域内的空间模型。
步骤S204，在交互界面显示目标车辆在当前载货状态下的整车模型。
步骤S206，在交互界面显示利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型得到的安全等级。
步骤S208，在交互界面显示通过驾驶决策模型确定的与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略。
步骤S210，在交互界面显示目标车辆按照驾驶策略行驶的行驶路线。
由上可知，在本发明实施例中，先在交互界面显示目标车辆所在道路预定区域内的空间模型；然后在交互界面显示目标车辆在当前载货状态下的整车模型；然后在交互界面显示利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型得到的安全等级；接着在交互界面显示通过驾驶决策模型确定的与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略，最后在交互界面显示目标车辆按照驾驶策略行驶的行驶路线，实现了通过构建车辆所在道路的空间模型和车辆的整车模型，以利用整车模型以及空间模型模拟车辆通过当前所在道路的安全等级，并基于安全等级得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患。
因此，通过本发明实施例提供的车辆的控制方法，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中载货量的影响，降低了车况分析的精准度，存在安全隐患的技术问题。
实施例3
根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，图3是根据本发明实施例的车辆的控制装置的示意图，如图3所示，该车辆的控制装置可以包括：第一生成模块31、第二生成模块33、模拟模块35、确定模块37以及控制模块39。下面对该车辆的控制装置进行说明。
第一生成模块31，用于生成目标车辆所在道路预定区域内的空间模型。
第二生成模块33，用于生成目标车辆在当前载货状态下的整车模型。
模拟模块35，用于利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型的安全等级。
确定模块37，用于通过驾驶决策模型，确定与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略。
控制模块39，用于控制目标车辆按照驾驶策略行驶。
此处需要说明的是，上述第一生成模块31、第二生成模块33、模拟模块35、确定模块37以及控制模块39对应于实施例1中的步骤S102至S110，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知，在本发明实施例中，可以通过第一生成模块生成目标车辆所在道路预定区域内的空间模型；再通过第二生成模块生成目标车辆在当前载货状态下的整车模型；接着通过模拟模块利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型的安全等级；然后通过确定模块通过驾驶决策模型，确定与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略；最后通过控制模块控制目标车辆按照驾驶策略行驶。通过本发明实施例提供的车辆的控制装置，实现了通过构建车辆所在道路的空间模型和车辆的整车模型，以利用整车模型以及空间模型模拟车辆通过当前所在道路的安全等级，并基于安全等级得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中载货量的影响，降低了车况分析的精准度，存在安全隐患的技术问题。
可选地，第一生成模块，包括：第一获取单元，用于获取目标车辆所在道路预定区域内的路况信息；第一生成单元，用于基于路况信息生成空间模型。
可选地，第二生成模块，包括：第二获取单元，用于获取目标车辆的载货信息；第三获取单元，用于获取目标车辆的车辆信息；第二生成单元，用于基于载货信息以及车辆信息生成目标车辆在当前载货状态下的整车模型。
可选地，模拟模块，包括：传输单元，用于将整车模型以及空间模型传输至预定仿真平台；模拟单元，用于在预定仿真平台，利用整车模型对目标车辆在当前载货状态下行驶于空间模型的状态进行模拟，得到模拟结果；确定单元，用于基于模拟结果确定安全等级。
可选地，确定单元，包括：确定子单元，用于通过安全等级确定模型，确定与模拟结果对应的安全等级，其中，安全等级确定模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：模拟结果以及与模拟结果对应的安全等级。
可选地，控制模块，包括以下至少之一：第一控制单元，用于控制目标车辆按照驾驶策略对应的速度信息行驶；第二控制单元，用于控制目标车辆按照驾驶策略对应的方向信息行驶；第三控制单元，用于控制目标车辆按照驾驶策略对应的线路调整信息调整行驶方向。
实施例4
根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，图4是根据本发明实施例的可选的车辆的控制装置的示意图，如图4所示，该车辆的控制装置可以包括：第一显示模块41、第二显示模块43、第三显示模块45、第四显示模块47以及第五显示模块49。下面对该车辆的控制装置进行说明。
第一显示模块41，用于在交互界面显示目标车辆所在道路预定区域内的空间模型；
第二显示模块43，用于在交互界面显示目标车辆在当前载货状态下的整车模型；
第三显示模块45，用于在交互界面显示利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型得到的安全等级；
第四显示模块47，用于在交互界面显示通过驾驶决策模型确定的与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略；
第五显示模块49，用于在交互界面显示目标车辆按照驾驶策略行驶的行驶路线。
此处需要说明的是，上述第一显示模块41、第二显示模块43、第三显示模块45、第四显示模块47以及第五显示模块49对应于实施例2中的步骤S202至S210，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例2所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知，在本发明实施例中，可以通过第一显示模块，用于在交互界面显示目标车辆所在道路预定区域内的空间模型；然后通过第二显示模块在交互界面显示目标车辆在当前载货状态下的整车模型；再通过第三显示模块在交互界面显示利用整车模型模拟目标车辆在当前载货状态下行驶于空间模型得到的安全等级；并通过第四显示模块在交互界面显示通过驾驶决策模型确定的与安全等级对应的驾驶策略，其中，驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：安全等级与安全等级对应的驾驶策略；最后通过第五显示模块在交互界面显示目标车辆按照驾驶策略行驶的行驶路线。通过本发明实施例提供的车辆的控制装置，实现了通过构建车辆所在道路的空间模型和车辆的整车模型，以利用整车模型以及空间模型模拟车辆通过当前所在道路的安全等级，并基于安全等级得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中载货量的影响，降低了车况分析的精准度，存在安全隐患的技术问题。
实施例5
根据本发明实施例的另外一个方面，还提供了一种无人驾驶车辆，使用上述中任一项所述的车辆的控制方法。
实施例6
根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序被处理器运行时控制计算机可读存储介质所在设备执行上述中任一项的车辆的控制方法。
实施例7
根据本发明实施例的另外一个方面，还提供了一种处理器，处理器用于运行计算机程序，其中，计算机程序运行时执行上述中任一项的车辆的控制方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种车辆的控制方法，其特征在于，包括：
生成目标车辆所在道路预定区域内的空间模型；
生成所述目标车辆在当前载货状态下的整车模型；
利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型的安全等级；
通过驾驶决策模型，确定与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；
控制所述目标车辆按照所述驾驶策略行驶。
2.根据权利要求1所述的方法，其特征在于，生成目标车辆所在道路预定区域内的空间模型，包括：
获取所述目标车辆所在道路预定区域内的路况信息；
基于所述路况信息生成所述空间模型。
3.根据权利要求1所述的方法，其特征在于，生成所述目标车辆在当前载货状态下的整车模型，包括：
获取所述目标车辆的载货信息；
获取所述目标车辆的车辆信息；
基于所述载货信息以及所述车辆信息生成所述目标车辆在所述当前载货状态下的整车模型。
4.根据权利要求1所述的方法，其特征在于，利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型的安全等级，包括：
将所述整车模型以及所述空间模型传输至预定仿真平台；
在所述预定仿真平台，利用所述整车模型对所述目标车辆在所述当前载货状态下行驶于所述空间模型的状态进行模拟，得到模拟结果；
基于所述模拟结果确定所述安全等级。
5.根据权利要求4所述的方法，其特征在于，基于所述模拟结果确定所述安全等级，包括：
通过安全等级确定模型，确定与所述模拟结果对应的安全等级，其中，所述安全等级确定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：模拟结果以及与模拟结果对应的安全等级。
6.根据权利要求1至5中任一项所述的方法，其特征在于，控制所述目标车辆按照所述驾驶策略行驶，包括以下至少之一：
控制所述目标车辆按照所述驾驶策略对应的速度信息行驶；
控制所述目标车辆按照所述驾驶策略对应的方向信息行驶；
控制所述目标车辆按照所述驾驶策略对应的线路调整信息调整行驶方向。
7.一种车辆的控制方法，其特征在于，包括：
在交互界面显示目标车辆所在道路预定区域内的空间模型；
在所述交互界面显示所述目标车辆在当前载货状态下的整车模型；
在所述交互界面显示利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型得到的安全等级；
在所述交互界面显示通过驾驶决策模型确定的与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；
在所述交互界面显示所述目标车辆按照所述驾驶策略行驶的行驶路线。
8.一种车辆的控制装置，其特征在于，包括：
第一生成模块，用于生成目标车辆所在道路预定区域内的空间模型；
第二生成模块，用于生成所述目标车辆在当前载货状态下的整车模型；
模拟模块，用于利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型的安全等级；
确定模块，用于通过驾驶决策模型，确定与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；
控制模块，用于控制所述目标车辆按照所述驾驶策略行驶。
9.一种车辆的控制装置，其特征在于，包括：
第一显示模块，用于在交互界面显示目标车辆所在道路预定区域内的空间模型；
第二显示模块，用于在所述交互界面显示所述目标车辆在当前载货状态下的整车模型；
第三显示模块，用于在所述交互界面显示利用所述整车模型模拟所述目标车辆在所述当前载货状态下行驶于所述空间模型得到的安全等级；
第四显示模块，用于在所述交互界面显示通过驾驶决策模型确定的与所述安全等级对应的驾驶策略，其中，所述驾驶决策模型模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：安全等级与所述安全等级对应的驾驶策略；
第五显示模块，用于在所述交互界面显示所述目标车辆按照所述驾驶策略行驶的行驶路线。
10.一种无人驾驶车辆，其特征在于，使用上述权利要求1至6中任一项所述的车辆的控制方法，或，权利要求7所述的车辆的控制方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述权利要求1至6中任一项所述的车辆的控制方法，或，权利要求7所述的车辆的控制方法。
12.一种处理器，其特征在于，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述权利要求1至6中任一项所述的车辆的控制方法，或，权利要求7所述的车辆的控制方法。
CN202110738550.3A 2021-06-30 2021-06-30 车辆的控制方法及其装置、计算机可读存储介质 Pending CN113479197A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110738550.3A CN113479197A (zh) 2021-06-30 2021-06-30 车辆的控制方法及其装置、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110738550.3A CN113479197A (zh) 2021-06-30 2021-06-30 车辆的控制方法及其装置、计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN113479197A true CN113479197A (zh) 2021-10-08

Family

ID=77937683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110738550.3A Pending CN113479197A (zh) 2021-06-30 2021-06-30 车辆的控制方法及其装置、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113479197A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160075333A1 (en) * 2014-09-11 2016-03-17 Cummins Inc. Systems and methods for route planning
US20180265076A1 (en) * 2017-03-16 2018-09-20 Michael Hall Performance of Autonomous Control
US20190113919A1 (en) * 2017-10-18 2019-04-18 Luminar Technologies, Inc. Controlling an autonomous vehicle using smart control architecture selection
WO2019213980A1 (zh) * 2018-05-08 2019-11-14 清华大学 基于行车安全场的车辆智能安全决策方法
WO2021004077A1 (zh) * 2019-07-09 2021-01-14 华为技术有限公司 一种检测车辆的盲区的方法及装置
US20210031807A1 (en) * 2018-02-05 2021-02-04 Sony Corporation Information processing device, movement device, and method, and program
WO2021040060A1 (ko) * 2019-08-23 2021-03-04 엘지전자 주식회사 차량용 전자 장치 및 그의 동작 방법
CN112585656A (zh) * 2020-02-25 2021-03-30 华为技术有限公司 特殊路况的识别方法、装置、电子设备和存储介质
WO2021121554A1 (de) * 2019-12-17 2021-06-24 Zf Friedrichshafen Ag Fahrereingriffe berücksichtigende autonome fahrfunktion für ein kraftfahrzeug

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160075333A1 (en) * 2014-09-11 2016-03-17 Cummins Inc. Systems and methods for route planning
US20180265076A1 (en) * 2017-03-16 2018-09-20 Michael Hall Performance of Autonomous Control
US20190113919A1 (en) * 2017-10-18 2019-04-18 Luminar Technologies, Inc. Controlling an autonomous vehicle using smart control architecture selection
US20210031807A1 (en) * 2018-02-05 2021-02-04 Sony Corporation Information processing device, movement device, and method, and program
WO2019213980A1 (zh) * 2018-05-08 2019-11-14 清华大学 基于行车安全场的车辆智能安全决策方法
WO2021004077A1 (zh) * 2019-07-09 2021-01-14 华为技术有限公司 一种检测车辆的盲区的方法及装置
WO2021040060A1 (ko) * 2019-08-23 2021-03-04 엘지전자 주식회사 차량용 전자 장치 및 그의 동작 방법
WO2021121554A1 (de) * 2019-12-17 2021-06-24 Zf Friedrichshafen Ag Fahrereingriffe berücksichtigende autonome fahrfunktion für ein kraftfahrzeug
CN112585656A (zh) * 2020-02-25 2021-03-30 华为技术有限公司 特殊路况的识别方法、装置、电子设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张驰等: "基于行车动力学仿真的半挂车弯道超车风险分析", 《系统仿真学报》 *
张驰等: "大货车立交出口路段行车风险仿真分析", 《铁道科学与工程学报》 *
童宝锋等: "基于目标速度的汽车ACC系统油门控制策略研究", 《交通信息与安全》 *

Similar Documents

Publication Publication Date Title
CN110793784B (zh) 自动驾驶车辆的测试方法、装置、存储介质及电子装置
Klück et al. Performance comparison of two search-based testing strategies for ADAS system validation
CN111177887A (zh) 一种基于真实驾驶场景构造仿真轨迹数据的方法和装置
CN112671487B (zh) 一种车辆测试的方法、服务器以及测试车辆
CN112249022A (zh) 一种车辆高级驾驶辅助系统的性能分析方法及装置
CN113612631A (zh) 车联网威胁建模方法、系统及计算机可读存储介质
CN111881121B (zh) 一种自动驾驶数据填充方法和装置
CN115151920A (zh) 驾驶评估方法、装置及非暂态计算机可读存储介质
CN110696828B (zh) 前向目标选择方法、装置及车载设备
CN113479197A (zh) 车辆的控制方法及其装置、计算机可读存储介质
EP4264436B1 (en) Generating unknown-unsafe scenarios, improving automated vehicles, computer system
CN113268057A (zh) 无人驾驶车辆的避障处理方法及装置
CN115146491B (zh) 自动驾驶系统的测试方法和装置、存储介质及电子装置
CN114153829B (zh) 用于能源大数据的跨时空双向数据缺失值填充方法和装置
CN114169129A (zh) 自动驾驶的可视化评估方法和装置
CN115148028A (zh) 依据历史数据构建车辆路测场景的方法、装置及一种车辆
CN113183985A (zh) 车辆的控制方法及装置、无人驾驶车辆
CN106228233A (zh) 一种用于无人驾驶车辆测试的智能体的构建方法和装置
CN112347623A (zh) 一种模拟车辆控制的在线仿真平台及车辆控制方法
CN114061877B (zh) 一种卷烟包装箱道路运输振动模拟方法、装置及电子设备
CN118035939B (zh) 感知目标的置信度获取方法及自动驾驶规划控制方法
CN114740759B (zh) 自动驾驶系统的测试方法、装置、存储介质及电子装置
CN113879338B (zh) 一种行驶规划模块优化方法、装置、设备和介质
CN114141009B (zh) 基于多时序网络的仿真交通流变道方法和系统
CN113232679A (zh) 无人驾驶车辆的控制方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211008