CN113859246B - 一种车辆控制方法和装置 - Google Patents

Abstract

本发明公开了一种车辆控制方法和装置，方法部分包括：在车辆启动后，确定驾驶员的驾驶技能等级，获取车辆实时的行驶场景数据，并根据行驶场景数据确定行驶场景等级，进而确定驾驶员的驾驶技能等级是否小于行驶场景等级所需的驾驶技能等级，若驾驶员的驾驶技能等级小于行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制车辆行驶，预设驾驶系统为根据车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统；本发明根据车辆的行驶场景数据对自动驾驶系统进行更新，减少了自动驾驶系统遇到陌生场景的可能，保证了自动驾驶系统的驾驶性能及时提升，从而提高了自动驾驶系统的安全性和可靠性，进而提高了车辆行驶的安全性。

Description

一种车辆控制方法和装置

技术领域

本发明涉及车辆的智能驾驶技术领域，尤其涉及一种车辆控制方法和装置。

背景技术

随着经济的不断发展，车辆的保有量在不断的上升，道路交通环境越来越复杂，驾驶员在驾驶过程容易疲劳和分心，导致对行驶场景的感知处理能力不够，引发道路交通安全事故。为减轻驾驶员的驾驶负荷，缓解交通事故频发问题，以提高提高驾驶的安全性，自动驾驶系统与驾驶员协同控制车辆的人机共驾技术应运而生。

传统的人机共驾是由驾驶员和自动驾驶系统协同控制车辆以使车辆能够正常行驶，但由于不同驾驶员的驾驶技能、操作习惯存在差异，车辆在人机共驾行驶过程中的人机冲突明显，会降低车辆行驶的安全性。因此，为了确保车辆安全，在人机协同驾驶的过程中，需要根据车辆的行驶场景复杂性和驾驶员的驾驶技能水平对车辆的控制权进行分配。传统方案中，由自动驾驶系统控制车辆时，车辆行驶的安全性和可靠性完全依赖于预先固定配置好的自动驾驶系统的驾驶性能，在自动驾驶系统遇到陌生而复杂的行驶场景时，自动驾驶系统对车辆的控制出现失误从而导致安全性问题。

发明内容

本发明提供一种车辆控制方法和装置，以解决现有技术中自动驾驶系统驾驶车辆时安全性不高的问题。

一种车辆控制方法，包括：

在车辆启动后，确定驾驶员的驾驶技能等级；

获取所述车辆实时的行驶场景数据，并根据所述行驶场景数据确定行驶场景等级；

确定所述驾驶员的驾驶技能等级是否小于所述行驶场景等级所需的驾驶技能等级；

若所述驾驶员的驾驶技能等级小于所述行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制所述车辆行驶，所述预设驾驶系统为根据所述车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统。

进一步地，所述预设驾驶系统通过如下方式更新：

获取所述车辆的行驶场景数据；

根据所述车辆的行驶场景数据进行行驶场景仿真，并获取熟练驾驶员在仿真行驶场景中的操作数据；

根据所述熟练驾驶员的操作数据对所述自动驾驶系统的自动驾驶模型进行训练，以获得所述自动驾驶模型的最新操作系数；

根据所述最新操作系数更新所述自动驾驶系统获得所述预设驾驶系统。

进一步地，所述根据所述熟练驾驶员的操作数据对所述自动驾驶系统的自动驾驶模型进行训练，以获得所述自动驾驶模型的最新操作系数，包括：

在所述仿真行驶场景中构建所述车辆的整车模型，并导入自动驾驶算法以获取自动驾驶模型；

根据所述熟练驾驶员的操作数据对所述自动驾驶模型输出的操作数据进行修正，以获取修正操作数据；

确定所述熟练驾驶员的操作数据与所述修正操作数据之间的方差是否小于第一阈值；

若所述熟练驾驶员的操作数据与所述修正操作数据之间的方差小于所述第一阈值，则输出所述自动驾驶模型的操作系数作为所述最新操作系数。

进一步地，所述确定驾驶员的驾驶技能等级之前，所述方法还包括：

获取所述驾驶员对应的操作数据；

将所述驾驶员对应的操作数据输入预设驾驶技能等级模型中，获得所述驾驶员的驾驶技能等级，所述预设驾驶技能等级模型为根据不同驾驶员的操作数据进行性能更新的驾驶技能等级模型；

将所述驾驶员的驾驶技能等级保存至云端驾驶员档案库，并发送至所述车辆以使所述车辆更新所述驾驶员的驾驶技能等级。

进一步地，所述预设驾驶技能等级模型通过如下方式更新：

获取所述不同驾驶员的操作数据；

根据所述不同驾驶员的操作数据对所述驾驶技能等级模型进行训练，以获得所述驾驶技能等级模型的最新操作系数矩阵；

根据所述最新操作系数矩阵更新所述驾驶技能等级模型以获得所述预设驾驶技能等级模型。

进一步地，所述根据所述不同驾驶员的操作数据对所述驾驶技能等级模型进行训练，以获得所述驾驶技能等级模型的最新操作系数矩阵，包括：

获取熟练驾驶员根据不同驾驶员的操作数据分别对不同驾驶员进行打分的打分数据，以获得所述不同驾驶员的驾驶技能打分等级；

将所述不同驾驶员的操作数据依次输入所述驾驶技能等级模型中，获得所述不同驾驶员的初始驾驶技能等级；

确定所述打分驾驶技能等级与对应驾驶员的所述初始驾驶技能等级之间的差值是否小于第二阈值；

若所述打分驾驶技能等级与对应驾驶员的所述初始驾驶技能等级之间的差值小于第二阈值，则确定所述初始驾驶技能等级有效；

若有效的所述初始驾驶技能等级的数量大于第三阈值，则确定所述驾驶技能等级模型中的操作系数矩阵有效，将所述操作系数矩阵作为所述最新操作系数矩阵。

进一步地，所述确定驾驶员的驾驶技能等级，包括：

对所述驾驶员进行身份校验，以确定所述驾驶员是否为所述车辆本地存储的驾驶员；

若所述驾驶员为所述车辆本地存储的驾驶员，则从所述车辆中获取所述驾驶员的驾驶技能等级。

进一步地，所述确定所述驾驶员是否为所述车辆本地存储的驾驶员之后，所述方法还包括：

若所述驾驶员不为所述车辆本地存储的驾驶员，则确定云端驾驶员档案库中是否保存有所述驾驶员的驾驶技能等级；

若所述云端驾驶员档案库中保存有所述驾驶员的驾驶技能等级，则将所述云端驾驶员档案库中保存的所述驾驶技能等级作为所述驾驶员的驾驶技能等级。

进一步地，所述确定云端驾驶员档案库中是否保存有所述驾驶员的驾驶技能等级之后，所述方法还包括：

若所述云端驾驶员档案库中未保存有所述驾驶员的驾驶技能等级，则确定所述驾驶员的驾驶技能等级为初级；

根据所述驾驶员的操作数据建立所述驾驶员的个人档案，并将所述驾驶员的个人档案保存至所述云端驾驶员档案库中。

一种车辆控制装置，包括：

第一确定模块，用于在车辆启动后，确定驾驶员的驾驶技能等级；

第二确定模块，用于获取所述车辆实时的行驶场景数据，并根据所述行驶场景数据确定行驶场景等级；

第三确定模块，用于确定所述驾驶员的驾驶技能等级是否小于所述行驶场景等级所需的驾驶技能等级；

控制模块，用于若所述驾驶员的驾驶技能等级小于所述行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制所述车辆行驶，所述预设驾驶系统为根据所述车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统。

一种车辆控制装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述车辆控制方法的步骤。

一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述车辆控制方法的步骤。

上述车辆控制方法和装置所提供的一个方案中，通过在车辆启动后，确定驾驶员的驾驶技能等级，获取车辆实时的行驶场景数据，并根据行驶场景数据确定行驶场景等级，进而确定驾驶员的驾驶技能等级是否小于行驶场景等级所需的驾驶技能等级，若驾驶员的驾驶技能等级小于行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制车辆行驶，预设驾驶系统为根据车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统；本发明中，会根据车辆的行驶场景数据对自动驾驶系统进行更新，不断地增加自动驾驶系统所遇到的行驶场景，减少了自动驾驶系统遇到陌生场景的可能，保证了自动驾驶系统的驾驶性能及时提升，从而提高了自动驾驶系统的安全性和可靠性，在车辆的行驶场景需求较高而驾驶员水平不足时，由更加安全可靠的自动驾驶系统控制车辆行驶，提高了车辆行驶的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中车辆控制方法的一流程示意图；

图2是本发明一实施例中驾驶技能等级的获取流程示意图；

图3是本发明一实施例中车辆控制方法的另一流程示意图；

图4是本发明一实施例中预设驾驶技能模型的更新流程示意图；

图5是本发明一实施例中车辆控制装置的一结构示意图；

图6是本发明一实施例中车辆控制装置的另一结构示意图。

具体实施方式

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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的车辆控制方法，可应用在车辆控制系统中，该车辆控制系统包括预设驾驶系统和车辆控制装置，其中，预设驾驶系统和车辆控制装置通过总线进行通信。在车辆启动后，车辆控制装置确定驾驶员的驾驶技能等级，获取车辆实时的行驶场景数据，并根据行驶场景数据确定行驶场景等级，然后确定驾驶员的驾驶技能等级是否小于行驶场景等级所需的驾驶技能等级，若驾驶员的驾驶技能等级小于行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制车辆行驶，预设驾驶系统为根据车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统，若驾驶员的驾驶技能等级不小于行驶场景等级所需的驾驶技能等级，则通过驾驶员控制车辆行驶。

在一实施例中，如图1所示，提供一种车辆控制装置方法，以该方法应用在车辆控制系统中的车辆控制装置为例进行说明，包括如下步骤：

S10：在车辆启动后，确定驾驶员的驾驶技能等级。

在车辆启动后，首先要确定车辆的驾驶员身份，再确定驾驶员的驾驶技能等级，以确定驾驶员的驾驶技能水平。

S20：获取车辆实时的行驶场景数据，并根据行驶场景数据确定行驶场景等级。

在车辆行驶过程中，通过车辆的传感器获取车辆实时的行驶场景数据，并根据获取的行驶场景数据确定行驶场景等级。

例如，行驶场景数据包括视频数据和雷达数据，对应的传感器包括摄像头、雷达等传感器。当在车辆实际行驶过程中，通过接收摄像头的视频信号获取视频数据，通过接收雷达的雷达信号获取雷达数据，然后将获取的视频数据以及雷达的数据输入到车辆信息融合模块，通过图像处理，实时获取车辆的行驶场景数据并分析出道路情况，以及道路上车辆、行人等信息，然后分析实时行驶场景的复杂程度，从而确定行驶场景等级，其中，行驶场景数据包括视频数据和雷达数据等。

本实施例中，行驶场景数据包括视频数据和雷达数据仅为示例性说明，在其他实施例中，行驶场景数据还可以包括其他数据，在此不再赘述。

S30：确定驾驶员的驾驶技能等级是否小于行驶场景等级所需的驾驶技能等级。

在获取车辆实时的行驶场景数据，并根据行驶场景数据确定行驶场景等级之后，确定行驶场景等级所需的驾驶技能等级，然后确定驾驶员的驾驶技能等级是否小于行驶场景等级所需的驾驶技能等级，即确定驾驶员的驾驶技能水平是否能满足该行驶场景的需求，以根据确定结果分配车辆的控制权，从而保证车辆行驶的安全性。

其中，行驶场景越复杂，行驶场景等级越高，行驶场景等级所需的驾驶技能等级就越高。

S40：若驾驶员的驾驶技能等级小于行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制车辆行驶，预设驾驶系统为根据车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统。

若驾驶员的驾驶技能等级小于行驶场景等级所需的驾驶技能等级，表示驾驶员的驾驶技能水平无法满足车辆在该行驶场景安全行驶的需要，在该行驶场景由驾驶员驾驶车辆容易导致安全性事故，此时需要通过预设驾驶系统控制车辆行驶，以提高车辆在该行驶场景正常行驶的可能性，从而提高车辆行驶的安全性。

其中，预设驾驶系统为根据车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统，控制车辆行驶的自动驾驶系统需要根据车辆的行驶场景数据进行不断的更新以提高驾驶性能，通过不断地增加预设驾驶系统所遇到的行驶场景，减少自动驾驶系统遇到陌生场景的可能，保证自动驾驶系统的可靠性和安全性。这样，即使在一些复杂的道路场景或者是驾驶员未曾遇到的行驶场景下，也能通过自动驾驶系统控制车辆正常行驶，大概率地减少交通事故的发生率。

S50：若驾驶员的驾驶技能等级不小于行驶场景等级所需的驾驶技能等级，则通过驾驶员控制车辆行驶。

若驾驶员的驾驶技能等级不小于行驶场景等级所需的驾驶技能等级，表示驾驶员的驾驶技能水平能够满足车辆在该行驶场景的需要，此时可以通过驾驶员控制车辆行驶，不需要将车辆的控制权交给自动驾驶系统。

本实施例中，车辆控制装置为车辆的ECU。传统技术中，对车辆行驶场景的处理和控制权的判断一般在云端进行，而采用在云端判断的方式，若在网络环境很差以及道路环境恶劣的山区时，云端与车辆通讯失败，导致云端无法正常判断，无法使用人机共驾的策略，从而影响车辆和驾驶员的安全，本实施例考虑到车辆与云端通讯断连的影响，将人机共驾的处理和控制的相关逻辑下沉至车辆的ECU，进一步保障了车辆行驶的安全性，减少了减少交通事故的发生率。

此外，传统技术中，对自动驾驶系统的驾驶性能提升，需要足够大量的自动驾驶系统道路试验数据进行支撑，即自动驾驶系统的驾驶性能提升，需要进行大量的自动驾驶系统道路试验，增加了成本和时间。本实施例中，根据车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统，不需要自动驾驶系统进行道路试验即可不断的提升驾驶性能，方便且可操作性强，减少了自动驾驶系统进行道路试验的成本和时间。

本实施例中，通过在车辆启动后，确定驾驶员的驾驶技能等级，获取车辆实时的行驶场景数据，并根据行驶场景数据确定行驶场景等级，进而确定驾驶员的驾驶技能等级是否小于行驶场景等级所需的驾驶技能等级，若驾驶员的驾驶技能等级小于行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制车辆行驶，预设驾驶系统为根据车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统，若驾驶员的驾驶技能等级不小于行驶场景等级所需的驾驶技能等级，则通过驾驶员控制车辆行驶；本实施例中，根据车辆的行驶场景数据对自动驾驶系统进行更新，不断地增加自动驾驶系统所遇到的行驶场景，减少了自动驾驶系统遇到陌生场景的可能，保证了自动驾驶系统的驾驶性能及时提升，从而提高了自动驾驶系统的安全性和可靠性，在车辆的行驶场景需求较高而驾驶员水平不足时，由更加安全可靠的自动驾驶系统控制车辆行驶，提高了车辆行驶的安全性。

在一实施例中，如图2所示，预设驾驶系统具体通过如下方式进行更新：

S1：获取车辆的行驶场景数据。

获取最近一次车辆上传的行驶场景数据，以根据车辆上传的行驶场景数据对自动驾驶系统进行更新。

在车辆启动前，需要在云端完成对预设驾驶系统的更新。例如，预设驾驶系统的更新频次可以为每日更新，在车辆停止行驶的每日凌晨，根据上一日车辆上传至云端的行驶场景数据对自动驾驶系统的驾驶性能进行更新。

所述车辆控制系统还包括云端服务器，在车辆行驶过程中，需要将车辆采集到的行驶场景数据进行实时上传，以使云端服务器获取车辆上传的行驶场景数据，并根据车辆上传的行驶场景数据对自动驾驶模型进行训练，从而使得自动驾驶模型更加真实有效，进而可以利用云端服务器及时更新预设驾驶系统的驾驶性能。

本实施例中，预设驾驶系统的更新频次为每日更新仅为示例性说明，在其他实施例中，预设驾驶系统的更新频次还可以为其他，在此不再赘述。

S2：根据车辆的行驶场景数据进行行驶场景仿真，并获取熟练驾驶员在仿真行驶场景中的操作数据。

在获取车辆上传的行驶场景数据之后，根据车辆的行驶场景数据对行驶场景进行重构仿真，获得仿真行驶场景，并使熟练驾驶员可在仿真行驶场景中操作整车模型，以获取熟练驾驶员在仿真行驶场景中对整车模型的操作数据。

例如，行驶场景数据包括视频数据和雷达数据，视频数据通过摄像头获取，雷达数据通过雷达获取。在获取车辆行驶的车辆的视频数据和雷达数据之后，在云端使用Prescan和Matlab建立仿真行驶场景，并获取熟练驾驶员在仿真行驶场景中的操作数据。具体地，根据视频数据挑选出复杂而有意义的行驶场景，在Prescan中进行行驶场景的重构，然后根据雷达数据对点云信息进行解析，解析出物体的静态位置信息，以及车速等动态信息，并将解析出的信息输入Prescan，使得重构场景更加逼真，获得仿真行驶场景。在获得仿真行驶场景之后，熟练驾驶员可以在仿真行驶场景中对模拟车辆进行控制操作，获取熟练驾驶员在仿真行驶场景中控制整车模型的操作数据。

本实施例中，行驶场景数据包括视频数据和雷达数据仅为示例性说明，在云端使用Prescan和Matlab建立仿真行驶场景仅为示例性说明，在其他实施例中，行驶场景数据还包括其他，建立仿真行驶场景还可以是通过其他方式，在此不再赘述。

其中，熟练驾驶员根据驾驶技能等级确定，当驾驶员的驾驶技能等级大于预设等级时，驾驶员即为熟练驾驶员。

例如，驾驶技能等级一共有可分为10个等级：1级-10级，预设等级为8级，当驾驶员的驾驶技能等级大于8级时，驾驶员即为熟练驾驶员。

本实施例中，驾驶技能等级一共有10个等级、预设等级为8级仅为示例性说明，在其他实施例中，驾驶技能等级的等级量还可以是其他，预设等级也可以是其他等级，在此不再赘述。

S3：根据熟练驾驶员的操作数据对自动驾驶系统的自动驾驶模型进行训练，以获得自动驾驶模型的最新操作系数。

在车辆行驶过程中，为了使自动驾驶模型更加真实有效，进而及时地更新自动驾驶系统的驾驶性能，需要将车辆采集到的视频数据、雷达数据等行驶场景数据实时上传至云端服务器。

在获取熟练驾驶员的操作数据之后，根据熟练驾驶员的操作数据对自动驾驶系统的自动驾驶模型进行训练，以获得自动驾驶模型的最新操作系数。

例如，在仿真行驶场景之后，根据熟练驾驶员的操作数据对自动驾驶模型输出的操作数据进行比对、修正，从而使训练完成后的自动驾驶模型中的操作数据接近熟练驾驶员的操作数据，然后提取出训练完成后的自动驾驶模型的操作系数，作为最新的操作系数。其中，操作系数为控制自动驾驶模型输出操作数据的系数，修正自动驾驶模型中的操作数据通过调整操作系数完成，调整操作系数可使自动驾驶模型输出的操作数据接近熟练驾驶员的操作数据。

S4：根据最新操作系数更新自动驾驶系统以获得预设驾驶系统。

在获得自动驾驶模型的最新操作系数之后，根据最新操作系数更新自动驾驶系统以获得预设驾驶系统，使得自动驾驶模型可以根据车辆的行驶场景数据更好地学习人类驾驶员的驾驶行为，从而使得预设驾驶系统的驾驶性能提升。

在获得最新操作系数之后，可以在每日车辆停止行驶的凌晨将最新操作系数发送至车辆，以使车辆的ECU根据最新操作系数对车辆上的预设驾驶系统进行更新，及时地更新预设驾驶系统的驾驶性能，进而保障车辆行驶的安全性。

本实施例中，通过获取车辆的行驶场景数据，根据车辆的行驶场景数据进行行驶场景仿真，并获取熟练驾驶员在仿真行驶场景中的操作数据，再根据熟练驾驶员的操作数据对自动驾驶系统的自动驾驶模型进行训练，以获得自动驾驶模型的最新操作系数，根据最新操作系数更新自动驾驶系统以获得预设驾驶系统，详细阐述了预设驾驶系统的更新过程，根据车辆的行驶场景数据和熟练驾驶员的操作数据对自动驾驶模型进行利用现有的设备进行云端建模训练，以对预设驾驶系统的驾驶性能进行及时提升，不需要进行自动驾驶系统的道路试验即可不断的提升驾驶性能，方便且可操作性强，减少了自动驾驶系统进行道路试验的成本和时间。

在一实施例中，步骤S3中，即根据熟练驾驶员的操作数据对自动驾驶系统的自动驾驶模型进行训练，以获得自动驾驶模型的最新操作系数，具体包括如下步骤：

S301：在仿真行驶场景中构建车辆的整车模型，并导入自动驾驶算法以获取自动驾驶模型。

在构建仿真行驶场景、获取熟练驾驶员的操作数据之后，在仿真行驶场景中构建车辆的整车模型，并导入自动驾驶算法以获取自动驾驶模型，以根据熟练驾驶员的操作数据对自动驾驶模型进行训练。

S302：根据熟练驾驶员的操作数据对自动驾驶模型输出的操作数据进行修正，以获取修正操作数据。

在获取自动驾驶模型之后，根据熟练驾驶员的操作数据对自动驾驶模型输出的操作数据进行修正，以获取修正操作数据，其中，修正操作数据需要接近熟练驾驶员的操作数据。

例如，操作数据包括车速和转向盘转角，在仿真行驶场景中行驶时，控制自动驾驶模型输出车速和转向盘转角，将自动驾驶模型输出的车速和转向盘转角与熟练驾驶员在同一时刻的车速与转向盘转角进行比较，若熟练驾驶员的车速与自动驾驶模型输出的车速之间的差值大小预设值，则调整自动驾驶模型中与车速相关的操作系数，使得自动驾驶模型输出的车速与熟练驾驶员的车速之间的差值小于预设值，以获得修正速度，转向盘转角的调整同理，最终获得整个驾驶过程中的修正操作数据，包括修正速度和修正转向盘转角。

本实施例中，操作数据包括车速和转向盘转角仅为示例性说明，在其他实施例中，操作数据还可以包括其他数据，在此不再赘述。

S303：确定熟练驾驶员的操作数据与修正操作数据之间的方差是否小于第一阈值。

在获得修正操作数据之后，确定熟练驾驶员的操作数据与修正操作数据之间的方差是否小于第一阈值。

若熟练驾驶员的操作数据与修正操作数据之间的方差不小于第一阈值，表示自动驾驶模型的驾驶性能与熟练驾驶员的驾驶技能差距较大，此时自动驾驶模型中的操作系数不可用，需要进行对自动驾驶模型输出的操作数据进行调整，直至熟练驾驶员的操作数据与自动驾驶模型的操作数据之间的方差是否小于第一阈值。

S304：若熟练驾驶员的操作数据与修正操作数据之间的方差小于第一阈值，则输出自动驾驶模型的操作系数作为最新操作系数。

若熟练驾驶员的操作数据与修正操作数据之间的方差小于第一阈值，表示，表示自动驾驶模型的驾驶性能较为接近熟练驾驶员的驾驶技能，此时自动驾驶模型中的操作系数可用，则将自动驾驶模型此时的操作系数作为最新操作系数。

本实施例中，通过在仿真行驶场景中构建车辆的整车模型，并导入自动驾驶算法以获取自动驾驶模型，根据熟练驾驶员的操作数据对自动驾驶模型输出的操作数据进行修正，以获取修正操作数据，确定熟练驾驶员的操作数据与修正操作数据之间的方差是否小于第一阈值，熟练驾驶员的操作数据与修正操作数据之间的方差小于第一阈值，则输出自动驾驶模型的操作系数作为最新操作系数，进一步说明了根据熟练驾驶员的操作数据对自动驾驶系统的自动驾驶模型进行训练，以获得自动驾驶模型的最新操作系数的过程，保证了自动驾驶模型的驾驶性能与熟练驾驶员的驾驶技能相近，进而保证了最新操作系数的准确性，从而保证了根据最新操作系数进行驾驶性能更新的预设驾驶系统的安全性和可靠性。

在一实施例中，如图3所示，步骤S10中，即确定驾驶员的驾驶技能等级，具体包括如下步骤：

S11：对驾驶员进行身份校验，以确定驾驶员是否为车辆本地存储的驾驶员。

在驾驶员上车之后，对驾驶员进行身份校验，以确定驾驶员是否为车辆本地存储的驾驶员。

例如，通过摄像头拍摄驾驶员的图像或者视频以确定驾驶员的身份信息，进而确定驾驶员的身份信息是否保存在车辆本地存储端，若驾驶员的身份信息是否保存在车辆本地存储端，表示驾驶员为车辆本地存储的驾驶员，通过摄像头拍摄驾驶员的图像或者视频的方式确定驾驶员的身份信息方便快速，不需要驾驶员额外操作。

本实施例中，通过摄像头拍摄驾驶员的图像或者视频以确定驾驶员的身份信息仅为示例性说明，在其他实施例中，还可以通过其他方式确定驾驶员的身份信息，例如，驾驶员手动确定身份信息。

S12：若驾驶员为车辆本地存储的驾驶员，则从车辆中获取驾驶员的驾驶技能等级。

在对驾驶员进行身份校验之后，若驾驶员为车辆本地存储的驾驶员，则从车辆中获取驾驶员的驾驶技能等级。

S13：若驾驶员不为车辆本地存储的驾驶员，则确定云端驾驶员档案库中是否保存有驾驶员的驾驶技能等级。

若驾驶员不为车辆本地存储的驾驶员，表示车辆的驾驶员发生了变化，需要进一步确定云端驾驶员档案库中是否保存有驾驶员的驾驶技能等级，以确定驾驶员的驾驶技能等级。

S14：若云端驾驶员档案库中保存有驾驶员的驾驶技能等级，则将云端驾驶员档案库中保存的驾驶技能等级作为驾驶员的驾驶技能等级。

若云端驾驶员档案库中保存有驾驶员的驾驶技能等级，需要从云端驾驶员档案库中获取驾驶员的驾驶技能等级，确定云端驾驶员档案库中是否保存有驾驶员的个人档案，若云端驾驶员档案库中保存有该驾驶员的个人档案，则从个人档案中获取该驾驶员的驾驶技能等级。

现有车辆控制技术中，在进行人机共驾的过程中，获取的驾驶员的驾驶技能等级为车辆保存的技能等级，若驾驶员换了其他人，则无法对新驾驶员的驾驶技能等级进行判断，车辆控制技术存在漏洞，导致车辆控制权的分配情况判断失误影响车辆行驶安全的情况，本实施例中，会并为所有的驾驶员建立云端驾驶员档案库，云端驾驶员档案库中包括驾驶员的身份信息和驾驶技能等级，减少了因驾驶员更换而无法判断新驾驶员驾驶技能等级的情况，进一步提高了车辆行驶的安全性。

本实施例中，通过对驾驶员进行身份校验，以确定驾驶员是否为车辆本地存储的驾驶员，若驾驶员为车辆本地存储的驾驶员，则从车辆中获取驾驶员的驾驶技能等级，若驾驶员不为车辆本地存储的驾驶员，则确定云端驾驶员档案库中是否保存有驾驶员的驾驶技能等级，若云端驾驶员档案库中保存有驾驶员的驾驶技能等级，则将云端驾驶员档案库中保存的驾驶技能等级作为驾驶员的驾驶技能等级，细化了确定驾驶员的驾驶技能等级的步骤，对驾驶员的身份进行校验，以根据身份校验结果从车里或者云端驾驶员档案库确定驾驶员的等级，减少了因驾驶员更换而无法判断新驾驶员驾驶技能等级的情况，从而减少了因无法判断新驾驶员驾驶技能等级导致无法对车辆控制权进行分配的情况，进一步提高了车辆行驶的安全性。

在一实施例中，步骤S13之后，即确定云端驾驶员档案库中是否保存有驾驶员的驾驶技能等级之后，所述方法还具体包括如下步骤：

S15：若云端驾驶员档案库中未保存有驾驶员的驾驶技能等级，则确定驾驶员的驾驶技能等级为初级。

若云端驾驶员档案库中未保存有驾驶员的驾驶技能等级，表示未在云端驾驶员档案库为该驾驶员建立个人档案，也不确定该驾驶员的驾驶技能等级，为保证车辆行驶的安全性，则确定驾驶员的驾驶技能等级为初级，以便后续遇到复杂的行驶场景时，将车辆的控制权分配至预设驾驶系统。

S16：根据驾驶员的操作数据建立驾驶员的个人档案，并将驾驶员的个人档案保存至云端驾驶员档案库中。

在初级驾驶员控制车辆行驶的过程中，获取该驾驶员对车辆的操作数据，根据该驾驶员的操作数据建立驾驶员的个人档案，并将驾驶员的个人档案保存至云端驾驶员档案库中，以便下次该驾驶员在驾驶车辆时，可通过云端驾驶员档案库确定该驾驶员的驾驶技能等级，进一步提高车辆行驶的安全性。

本实施例中，在确定云端驾驶员档案库中是否保存有驾驶员的驾驶技能等级之后，若云端驾驶员档案库中未保存有驾驶员的驾驶技能等级，则确定驾驶员的驾驶技能等级为初级，根据驾驶员的操作数据建立驾驶员的个人档案，并将驾驶员的个人档案保存至云端驾驶员档案库中，进一步减少了无法确定驾驶员的驾驶技能等级而无法对车辆控制权进行分配的情况，且将驾驶员的驾驶技能等级确定为初级，保证了车辆行驶的安全性。

在一实施例中，还需要根据预设驾驶技能等级模型获取驾驶员的驾驶技能等级，如图4所示，步骤S10之前，即确定驾驶员的驾驶技能等级之前，所述方法还具体包括如下步骤：

S01：获取驾驶员对应的操作数据。

因为驾驶员的驾驶技能是不断变化的，因此，在确定驾驶员的驾驶技能等级之前，需要对车辆本地存储的驾驶员的驾驶技能等级和云端驾驶员档案库中驾驶员的驾驶技能等级进行更新，确保驾驶员的驾驶技能等级为最新的驾驶技能等级，以避免出现驾驶员的驾驶技能等级提升而车辆或者云端驾驶员档案库中的驾驶技能等级未更新的情况，进而减少后续根据驾驶员的驾驶技能等级分配车辆控制权时出现判断失误的情况，从而提高车辆行驶的安全性。

例如，对车辆本地存储的驾驶员的驾驶技能等级和云端驾驶员档案库中驾驶员的驾驶技能进行更新，需要获取车辆每日上传的驾驶员对应的操作数据，以根据驾驶员对应的操作数据对驾驶员的驾驶技能等级进行更新。

S02：将驾驶员对应的操作数据输入预设驾驶技能等级模型中，获得驾驶员的驾驶技能等级，预设驾驶技能等级模型为根据不同驾驶员的操作数据进行性能更新的驾驶技能等级模型。

在获取车辆每日上传的驾驶员对应的操作数据之后，云端服务器将驾驶员对应的操作数据输入预设驾驶技能等级模型中，获得驾驶员最新的驾驶技能等级。其中，预设驾驶技能等级模型为根据车辆上传的不同驾驶员操作数据进行性能更新的驾驶技能等级模型，即，为了使驾驶技能等级模型更加真实有效，进而保证驾驶员的驾驶技能等级的真实有效性，在不同车辆的行驶过程中，需要在将不同车辆中驾驶员的操作数据实时上传云端服务器，以使云端服务器根据不同车辆中驾驶员的操作数据对驾驶技能等级模型进行训练，进而获取真实有效的驾驶员的驾驶技能等级。

S03：将驾驶员的驾驶技能等级保存至云端驾驶员档案库，并发送至车辆以使车辆更新驾驶员的驾驶技能等级。

在将驾驶员对应的操作数据输入预设驾驶技能等级模型中，获得最新的驾驶员的驾驶技能等级之后，将驾驶员最新的驾驶技能等级保存至云端驾驶员档案库，并在每日凌晨将驾驶员最新的驾驶技能等级发送至车辆进行本地存储，以使车辆更新驾驶员的驾驶技能等级，以避免出现驾驶员的驾驶技能等级提升未及时更新的情况。

本实施例中，通过获取驾驶员对应的操作数据，将驾驶员对应的操作数据输入预设驾驶技能等级模型中，获得驾驶员的驾驶技能等级，预设驾驶技能等级模型为根据不同驾驶员的操作数据进行性能更新的驾驶技能等级模型，将驾驶员的驾驶技能等级保存至云端驾驶员档案库，并发送至车辆以使车辆更新驾驶员的驾驶技能等级，细化了在确定驾驶员的驾驶技能等级之前对驾驶员的技能等级进行更新的步骤，确保获取的驾驶员的驾驶技能等级为最新的驾驶技能等级，避免了出现驾驶员的驾驶技能等级提升而车辆或者云端驾驶员档案库中的驾驶技能等级未更新的情况，进而减少了后续根据驾驶员的驾驶技能等级分配车辆控制权时出现判断失误的情况，从而提高了车辆行驶的安全性。

在一实施例中，预设驾驶技能等级模型为根据车辆上传的操作数据进行性能更新的驾驶技能等级模型，预设驾驶技能等级模型通过如下方式更新：

S021：获取不同驾驶员的操作数据。

云端服务器获取不同驾驶员在控制车辆行驶时对车辆的操作数据，以根据不同驾驶员的操作数据对驾驶技能等级模型进行更新。

S022：根据不同驾驶员的操作数据对驾驶技能等级模型进行训练，以获得驾驶技能等级模型的最新操作系数矩阵。

在获取不同驾驶员的操作数据之后，根据不同驾驶员的操作数据对驾驶技能等级模型进行训练，使得驾驶技能等级模型中输出的驾驶员对应的驾驶技能等级与驾驶员实际的驾驶技能等级相近，此时，提取出驾驶技能等级模型中影响驾驶技能等级输出结果的操作系数矩阵，以作为驾驶技能等级模型的最新操作系数矩阵。

S023：根据最新操作系数矩阵更新驾驶技能等级模型获得预设驾驶技能等级模型。

在获得驾驶技能等级模型的最新操作系数矩阵之后，根据最新操作系数矩阵对驾驶技能等级模型进行更新，以获得预设驾驶技能等级模型。在获得更新后的预设驾驶技能等级模型之后，还将预设驾驶技能等级模型输出的、对应的驾驶员的驾驶技能等级发送至对应的车辆，以使对应的车辆更新本地存储的驾驶员的驾驶技能等级，并根据对应的驾驶员的驾驶技能等级更新云端驾驶员档案。

本实施例中，通过对通过获取不同驾驶员的操作数据，再根据不同驾驶员的操作数据对驾驶技能等级模型进行训练，以获得驾驶技能等级模型的最新操作系数矩阵，最后根据最新操作系数矩阵更新驾驶技能等级模型以获得预设驾驶技能等级模型，明确了根据车辆上传的操作数据确定预设驾驶技能等级模型的步骤，利用不同驾驶员的操作数据对驾驶技能等级模型进行及时地更新，保证了预设驾驶技能等级模型的真实有效性，从而使预设驾驶技能等级模型输出的驾驶技能等级更趋向驾驶员的实际驾驶技能等级水平，为后续根据驾驶员的驾驶技能等级分配车辆控制权提供了基础。

在一实施例中，步骤S022中，即根据不同驾驶员的操作数据对驾驶技能等级模型进行训练，以获得驾驶技能等级模型的最新操作系数矩阵，具体包括如下步骤：

S0221：获取熟练驾驶员根据不同驾驶员的操作数据分别对不同驾驶员进行打分的打分数据，以获得不同驾驶员的驾驶技能打分等级。

在获取不同驾驶员对车辆的操作数据之后，熟练驾驶员根据不同驾驶员的操作数据分别对不同驾驶员进行打分，获取熟练驾驶员对不同驾驶员对应的打分数据，进而根据熟练驾驶员对不同驾驶员对应的打分数据确定不同驾驶员各自的驾驶技能打分等级。

其中，驾驶员对车辆的操作数据可通过车辆的TBOX上传至云端，云端获取不同驾驶员对车辆的操作数据之后，根据不同驾驶员的操作数据对驾驶技能等级模型进行训练。

S0222：将不同驾驶员的操作数据依次输入驾驶技能等级模型中，获得不同驾驶员的初始驾驶技能等级。

在获取不同驾驶员的驾驶技能打分等级之后，将不同驾驶员的操作数据依次输入驾驶技能等级模型中，获得不同驾驶员各自的初始驾驶技能等级。

S0223：确定打分驾驶技能等级与对应驾驶员的初始驾驶技能等级之间的差值是否小于第二阈值。

在获取不同驾驶员的驾驶技能打分等级、获得不同驾驶员的初始驾驶技能等级之后，确定驾驶员各自的打分驾驶技能等级与各自的初始驾驶技能等级之间的差值，并确定该差值是否小于第二阈值，以根据判断结果确定驾驶技能等级模型是否有效。

其中，若打分驾驶技能等级与对应驾驶员的初始驾驶技能等级之间的差值不小于第二阈值，表示驾驶技能等级模型输出的初始驾驶技能等级与驾驶员实际的驾驶技能水平差距较大，则确定初始驾驶技能等级无效。

S0224：若打分驾驶技能等级与对应驾驶员的初始驾驶技能等级之间的差值小于第二阈值，则确定初始驾驶技能等级有效。

在确定打分驾驶技能等级与对应驾驶员的初始驾驶技能等级之间的差值是否小于第二阈值之后，若打分驾驶技能等级与对应驾驶员的初始驾驶技能等级之间的差值小于第二阈值，表示驾驶技能等级模型输出的初始驾驶技能等级与驾驶员实际的驾驶技能水平较为接近，则确定初始驾驶技能等级有效。

确定每一驾驶员的打分驾驶技能等级与初始驾驶技能等级之间差值小于第二阈值，获得初始驾驶技能等级的有效数量。

S0225：若有效的初始驾驶技能等级的数量大于第三阈值，则确定驾驶技能等级模型中的操作系数矩阵有效，将操作系数矩阵作为最新操作系数矩阵。

在确定每一驾驶员的打分驾驶技能等级与初始驾驶技能等级之间差值小于第二阈值，获得初始驾驶技能等级的有效数量之后，若有效的初始驾驶技能等级的数量大于第三阈值，表示驾驶技能等级模型输出的驾驶技能等级与熟练驾驶员对驾驶员的驾驶技能打分等级差距较小，此时驾驶技能等级模型有效，则确定驾驶技能等级模型中的操作系数矩阵有效，将操作系数矩阵作为最新操作系数矩阵。

若有效的初始驾驶技能等级的数量不大于第三阈值，表示驾驶技能等级模型输出的驾驶技能等级与熟练驾驶员对驾驶员的驾驶技能打分等级存在较大差距，此时驾驶技能等级模型无效，需要对驾驶技能等级模型中的操作系数矩阵进行调整，直至驾驶技能等级模型输出的有效的初始驾驶技能等级的数量大于第三阈值。

例如，驾驶技能等级模型为神经网络计算模型，操作数据包括转向盘转角、横摆角加速度、车速。将某一驾驶员对车辆的操作数据输入神经网络计算模型，输出驾驶员的初始驾驶技能等级m1，将输出的初始驾驶技能等级m1进行预处理，在高于某个阈值之上的则为熟练驾驶员，反之为新手驾驶员。通过寻找熟练驾驶员对该批次不同的驾驶员的进行打分，打分的依据为驾驶员各种的操作数据，然后根据对各驾驶员的打分情况得出该批次不同的驾驶员的驾驶技能打分等级m2。若某驾驶员的m2与m1之间的差值小于第二阈值，则认为该驾驶的初始驾驶技能等级m1有效。当该批次驾驶员中，有效初始驾驶技能等级m1的条数大于第三阈值，或者有效初始驾驶技能等级m1在该批次所有的初始驾驶技能等级m1的占比大于预设比例时，则认为此时的驾驶技能等级模型有效，驾驶技能等级模型的操作系数矩阵有效；反之，则认为此时的驾驶技能等级模型无效，驾驶技能等级模型的操作系数矩阵无效，否则调整驾驶技能等级模型的操作系数矩阵，直至确认驾驶技能等级模型的操作系数矩阵有效。

本实施例中，通过获取熟练驾驶员根据不同驾驶员的操作数据分别对不同驾驶员进行打分的打分数据，以获得不同驾驶员的驾驶技能打分等级，再将不同驾驶员的操作数据依次输入驾驶技能等级模型中，获得不同驾驶员的初始驾驶技能等级，然后确定打分驾驶技能等级与对应驾驶员的初始驾驶技能等级之间的差值是否小于第二阈值，若打分驾驶技能等级与对应驾驶员的初始驾驶技能等级之间的差值小于第二阈值，则确定初始驾驶技能等级有效，若有效的初始驾驶技能等级的数量大于第三阈值，则确定驾驶技能等级模型中的操作系数矩阵有效，将操作系数矩阵作为最新操作系数矩阵，细化了根据不同驾驶员的操作数据对驾驶技能等级模型进行训练，以获得驾驶技能等级模型的最新操作系数矩阵的步骤，为根据最新操作系数矩阵更新预设驾驶技能等级模型提供的基础。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种车辆控制装置，该车辆控制装置与上述实施例中车辆控制方法一一对应。如图5示，该车辆控制装置包括第一确定模块501、第二确定模块502、第三确定模块503和控制模块504。各功能模块详细说明如下：

第一确定模块501，用于在车辆启动后，确定驾驶员的驾驶技能等级；

第二确定模块502，用于获取所述车辆实时的行驶场景数据，并根据所述行驶场景数据确定行驶场景等级；

第三确定模块503，用于确定所述驾驶员的驾驶技能等级是否小于所述行驶场景等级所需的驾驶技能等级；

控制模块504，用于若所述驾驶员的驾驶技能等级小于所述行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制所述车辆行驶，所述预设驾驶系统为根据所述车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统。

进一步地，所述第一确定模块501具体用于：

对所述驾驶员进行身份校验，以确定所述驾驶员是否为所述车辆本地存储的驾驶员；

若所述驾驶员为所述车辆本地存储的驾驶员，则从所述车辆中获取所述驾驶员的驾驶技能等级。

进一步地，所述第一确定模块501还具体用于：

若所述驾驶员不为所述车辆本地存储的驾驶员，则确定云端驾驶员档案库中是否保存有所述驾驶员的驾驶技能等级；

若所述云端驾驶员档案库中保存有所述驾驶员的驾驶技能等级，则将所述云端驾驶员档案库中保存的所述驾驶技能等级作为所述驾驶员的驾驶技能等级。

进一步地，所述第一确定模块501还具体用于：

若所述云端驾驶员档案库中未保存有所述驾驶员的驾驶技能等级，则确定所述驾驶员的驾驶技能等级为初级；

根据所述驾驶员的操作数据建立所述驾驶员的个人档案，并将所述驾驶员的个人档案保存至所述云端驾驶员档案库中。

进一步地，本发明实施例还提供了云端服务器，所述云端服务器具体用于：

获取所述车辆的行驶场景数据；

根据所述车辆的行驶场景数据进行行驶场景仿真，并获取熟练驾驶员在仿真行驶场景中的操作数据；

根据所述熟练驾驶员的操作数据对所述自动驾驶系统的自动驾驶模型进行训练，以获得所述自动驾驶模型的最新操作系数；

根据所述最新操作系数更新所述自动驾驶系统获得所述预设驾驶系统。

进一步地，所述云端服务器还具体用于：

在所述仿真行驶场景中构建所述车辆的整车模型，并导入自动驾驶算法以获取自动驾驶模型；

根据所述熟练驾驶员的操作数据对所述自动驾驶模型输出的操作数据进行修正，以获取修正操作数据；

确定所述熟练驾驶员的操作数据与所述修正操作数据之间的方差是否小于第一阈值；

若所述熟练驾驶员的操作数据与所述修正操作数据之间的方差小于所述第一阈值，则输出所述自动驾驶模型的操作系数作为所述最新操作系数。

进一步地，所述云端服务器还具体用于：

获取所述驾驶员对应的操作数据；

将所述驾驶员对应的操作数据输入预设驾驶技能等级模型中，获得所述驾驶员的驾驶技能等级，所述预设驾驶技能等级模型为根据不同驾驶员的操作数据进行性能更新的驾驶技能等级模型；

将所述驾驶员的驾驶技能等级保存至云端驾驶员档案库，并发送至所述车辆以使所述车辆更新所述驾驶员的驾驶技能等级。

进一步地，所述云端服务器还具体用于：

获取所述不同驾驶员的操作数据；

根据所述不同驾驶员的操作数据对所述驾驶技能等级模型进行训练，以获得所述驾驶技能等级模型的最新操作系数矩阵；

根据所述最新操作系数矩阵更新所述驾驶技能等级模型以获得所述预设驾驶技能等级模型。

进一步地，所述云端服务器还具体用于：

获取熟练驾驶员根据所述不同驾驶员的操作数据分别对不同驾驶员进行打分的打分数据，以获得所述不同驾驶员的驾驶技能打分等级；

将所述不同驾驶员的操作数据依次输入所述驾驶技能等级模型中，获得所述不同驾驶员的初始驾驶技能等级；

确定所述打分驾驶技能等级与对应驾驶员的所述初始驾驶技能等级之间的差值是否小于第二阈值；

若所述打分驾驶技能等级与对应驾驶员的所述初始驾驶技能等级之间的差值小于第二阈值，则确定所述初始驾驶技能等级有效；

若有效的所述初始驾驶技能等级的数量大于第三阈值，则确定所述驾驶技能等级模型中的操作系数矩阵有效，将所述操作系数矩阵作为所述最新操作系数矩阵。

关于车辆控制装置和云端服务器的具体限定可以参见上文中对于车辆控制方法中车辆控制装置和云端服务器对应的限定，在此不再赘述。上述车辆控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种车辆控制装置，该车辆控制装置包括通过总线连接的处理器、存储器、网络接口。其中，该车辆控制装置的处理器用于提供计算和控制能力。该车辆控制装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机程序被处理器执行时以实现车辆控制方法。

在一个实施例中，如图6所示，提供了一种车辆控制装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述车辆控制方法中车辆控制装置的步骤或功能。

在一个实施例中，还提供了一种云端服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述车辆控制方法中云端服务器的步骤或功能。

在一个实施例中，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述车辆控制方法中车辆控制装置或云端服务器的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (8)

1.一种车辆控制方法，其特征在于，包括：

在车辆启动后，确定车辆的驾驶员身份，对所述驾驶员身份进行校验，以确定所述驾驶员是否为所述车辆本地存储的驾驶员；

若所述驾驶员为所述车辆本地存储的驾驶员，则从所述车辆中获取所述驾驶员的驾驶技能等级；

获取所述车辆实时的行驶场景数据，并根据所述行驶场景数据确定行驶场景等级；

确定所述驾驶员的驾驶技能等级是否小于所述行驶场景等级所需的驾驶技能等级；

若所述驾驶员的驾驶技能等级小于所述行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制所述车辆行驶，所述预设驾驶系统为根据所述车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统，其中，获取所述车辆的行驶场景数据；

根据所述车辆的行驶场景数据进行行驶场景仿真，并获取熟练驾驶员在仿真行驶场景中的操作数据；

根据所述熟练驾驶员的操作数据对所述自动驾驶系统的自动驾驶模型进行训练，以获得所述自动驾驶模型的最新操作系数；

根据所述最新操作系数更新所述自动驾驶系统获得所述预设驾驶系统。

2.如权利要求1所述的车辆控制方法，其特征在于，所述根据所述熟练驾驶员的操作数据对所述自动驾驶系统的自动驾驶模型进行训练，以获得所述自动驾驶模型的最新操作系数，包括：

在所述仿真行驶场景中构建所述车辆的整车模型，并导入自动驾驶算法以获取自动驾驶模型；

根据所述熟练驾驶员的操作数据对所述自动驾驶模型输出的操作数据进行修正，以获取修正操作数据；

确定所述熟练驾驶员的操作数据与所述修正操作数据之间的方差是否小于第一阈值；

若所述熟练驾驶员的操作数据与所述修正操作数据之间的方差小于所述第一阈值，则输出所述自动驾驶模型的操作系数作为所述最新操作系数。

3.如权利要求1所述的车辆控制方法，其特征在于，所述确定驾驶员的驾驶技能等级之前，所述方法还包括：

获取所述驾驶员对应的操作数据；

将所述驾驶员对应的操作数据输入预设驾驶技能等级模型中，获得所述驾驶员的驾驶技能等级，所述预设驾驶技能等级模型为根据不同驾驶员的操作数据进行性能更新的驾驶技能等级模型；

将所述驾驶员的驾驶技能等级保存至云端驾驶员档案库，并发送至所述车辆以使所述车辆更新所述驾驶员的驾驶技能等级。

4.如权利要求3所述的车辆控制方法，其特征在于，所述预设驾驶技能等级模型通过如下方式更新：

获取所述不同驾驶员的操作数据；

根据所述不同驾驶员的操作数据对所述驾驶技能等级模型进行训练，以获得所述驾驶技能等级模型的最新操作系数矩阵；

根据所述最新操作系数矩阵更新所述驾驶技能等级模型以获得所述预设驾驶技能等级模型。

5.如权利要求4所述的车辆控制方法，其特征在于，所述根据不同驾驶员的操作数据对所述驾驶技能等级模型进行训练，以获得所述驾驶技能等级模型的最新操作系数矩阵，包括：

获取熟练驾驶员根据所述不同驾驶员的操作数据分别对不同驾驶员进行打分的打分数据，以获得所述不同驾驶员的驾驶技能打分等级；

将所述不同驾驶员的操作数据依次输入所述驾驶技能等级模型中，获得所述不同驾驶员的初始驾驶技能等级；

确定所述驾驶技能打分等级与对应驾驶员的所述初始驾驶技能等级之间的差值是否小于第二阈值；

若所述驾驶技能打分等级与对应驾驶员的所述初始驾驶技能等级之间的差值小于第二阈值，则确定所述初始驾驶技能等级有效；

若有效的所述初始驾驶技能等级的数量大于第三阈值，则确定所述驾驶技能等级模型中的操作系数矩阵有效，将所述操作系数矩阵作为所述最新操作系数矩阵。

6.如权利要求1所述的车辆控制方法，其特征在于，所述确定所述驾驶员是否为所述车辆本地存储的驾驶员之后，所述方法还包括：

若所述驾驶员不为所述车辆本地存储的驾驶员，则确定云端驾驶员档案库中是否保存有所述驾驶员的驾驶技能等级；

若所述云端驾驶员档案库中保存有所述驾驶员的驾驶技能等级，则将所述云端驾驶员档案库中保存的所述驾驶技能等级作为所述驾驶员的驾驶技能等级。

7.如权利要求6所述的车辆控制方法，其特征在于，所述确定云端驾驶员档案库中是否保存有所述驾驶员的驾驶技能等级之后，所述方法还包括：

若所述云端驾驶员档案库中未保存有所述驾驶员的驾驶技能等级，则确定所述驾驶员的驾驶技能等级为初级；

根据所述驾驶员的操作数据建立所述驾驶员的个人档案，并将所述驾驶员的个人档案保存至所述云端驾驶员档案库中。

8.一种车辆控制装置，其特征在于，包括：

第一确定模块，用于在车辆启动后，确定车辆的驾驶员身份，对所述驾驶员身份进行校验，以确定所述驾驶员是否为所述车辆本地存储的驾驶员；

若所述驾驶员为所述车辆本地存储的驾驶员，则从所述车辆中获取所述驾驶员的驾驶技能等级；

第二确定模块，用于获取所述车辆实时的行驶场景数据，并根据所述行驶场景数据确定行驶场景等级；

第三确定模块，用于确定所述驾驶员的驾驶技能等级是否小于所述行驶场景等级所需的驾驶技能等级；

控制模块，用于若所述驾驶员的驾驶技能等级小于所述行驶场景等级所需的驾驶技能等级，则通过预设驾驶系统控制所述车辆行驶，所述预设驾驶系统为根据所述车辆的行驶场景数据进行驾驶性能更新的自动驾驶系统，其中，获取所述车辆的行驶场景数据；

根据所述车辆的行驶场景数据进行行驶场景仿真，并获取熟练驾驶员在仿真行驶场景中的操作数据；

根据所述熟练驾驶员的操作数据对所述自动驾驶系统的自动驾驶模型进行训练，以获得所述自动驾驶模型的最新操作系数；

根据所述最新操作系数更新所述自动驾驶系统获得所述预设驾驶系统。