CN114179812B - 一种辅助驾驶的控制方法及装置 - Google Patents

Abstract

本申请提供一种辅助驾驶的控制方法，所述方法包括：一种辅助驾驶的控制方法，所述方法包括：确定前方道路特征；基于道路模型确定所述前方道路特征对应的第一控制系数，所述道路模型表征了不同道路特征与第一控制系数之间的对应关系；确定当前天气特征；基于天气模型确定当前天气特征对应的第二控制系数，所述天气模型表征了不同天气特征与第二控制系数之间的对应关系；基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶。

Description

一种辅助驾驶的控制方法及装置

技术领域

本申请涉及辅助驾驶的控制方法，尤其涉及一种辅助驾驶的告警方法及装置。

背景技术

危险驾驶行为很可能造成交通事故，触犯刑法，一般会以交通肇事罪，危险驾驶罪等判刑。危险驾驶行为包括：闯红灯、超速行驶、以及三急一超等行为。并且，不良驾驶行为会使汽车“耗损件”过度损耗而过早更换，如果养成恰当的用车习惯，完全可以延长一些耗损件的使用寿命。

目前，现有技术中已经存在为车主每月生成驾驶行为报告的服务，记录包括：当月总行驶里程、超车次数、高速过弯以及紧急刹车次数。

但是当前报告目的仍以提示车主为主，让车主在了解自身驾驶行为问题后，在后续开车过程中注意自己的行为。目前，辅助驾驶的提示功能是基于固定程序生成的，比较僵化，不能有效解决安全性问题。

发明内容

本申请实施例提供一种辅助驾驶的控制方法及装置，能够提高行车的安全性。

为达到上述目的，本申请的实施例采用如下技术方案：

第一方面，提供一种辅助驾驶的控制方法，所述方法包括：确定前方道路特征；基于道路模型确定所述前方道路特征对应的第一控制系数，所述道路模型表征了不同道路特征与不同第一控制系数之间的对应关系；确定当前天气特征；基于天气模型确定当前天气特征对应的第二控制系数，所述天气模型表征了不同天气特征与不同第二控制系数之间的对应关系；基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶。

上述技术方案中，综合考虑了道路情况、行驶天气以及驾驶员的驾驶行为习惯，从而可以个性化的进行提醒，从而提高了行车的安全性。

在第一方面的一种可能的实现方式中，所述辅助驾驶行为包括驾驶告警或驾驶接管。

上述技术方案中，通过采用驾驶告警的方式提醒驾驶员，实时地纠正驾驶员的不良驾驶习惯；在危险的情况下对车辆运行进行接管，进行辅助驾驶，避免了潜在的安全隐患。

在第一方面的一种可能的实现方式中，所述道路特征包括道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。

在第一方面的一种可能的实现方式中，所述天气特征包括光照强度、降雨量、降雪量、或风力中的至少一种。

在第一方面的一种可能的实现方式中，所述驾驶行为特征包括：行驶车速、向心加速度、加速踏板开度、或制动踏板开度中的至少一种。

在第一方面的一种可能的实现方式中，所述确定前方道路特征包括：确定前方道路位置；基于所述前方道路位置确定前方道路特征。

在第一方面的一种可能的实现方式中，所述确定前方道路位置包括：根据导航信息确定前方道路位置；或者通过预判所述行程是否为常规路线来确定前方道路位置。

在第一方面的一种可能的实现方式中，所述驾驶行为特征用于表征驾驶员的驾驶习惯。

上述技术方案中，通过导航或者常规路线判断来确定道路位置，从而获取相应行程的道路特征，从而可以提前计算出整个行程需要告警的位置信息或时间信息，一方面驾驶员可以提前了解道路行驶情况，另一方面也减轻了车辆计算资源进行实时计算的压力。

第二方面，本申请提供一种辅助驾驶的控制装置，所述装置包括：道路特征确定模块，用于确定前方道路特征；第一系数确定模块，用于基于道路模型确定所述前方道路特征对应的第一控制系数，所述道路模型表征了不同道路特征与第一控制系数之间的对应关系；天气特征确定模块，用于确定当前天气特征；第二系数确定模块，用于基于天气模型确定当前天气特征对应的第二控制系数，所述天气模型表征了不同天气特征与第二控制系数之间的对应关系；执行模块，用于基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶。

在第二方面的一种可能的实现方式中，所述辅助驾驶包括驾驶告警或驾驶接管。

在第二方面的一种可能的实现方式中，所述道路特征包括道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。

在第二方面的一种可能的实现方式中，所述天气特征包括光照强度、降雨量、降雪量、或风力中的至少一种。

在第二方面的一种可能的实现方式中，所述驾驶行为特征包括：行驶车速、向心加速度、加速踏板开度、或制动踏板开度中的至少一种。

在第二方面的一种可能的实现方式中，所述道路特征确定模块具体用于：确定前方道路位置；基于所述前方道路位置确定前方道路特征。

在第二方面的一种可能的实现方式中，所述道路特征确定模块，具体用于：根据导航信息确定前方道路位置；或者通过预判所述行程是否为常规路线来确定前方道路位置。

在第二方面的一种可能的实现方式中，所述驾驶行为特征用于表征驾驶员的驾驶习惯。

第三方面，本申请提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述第一方面任一项所述的辅助驾驶的控制方法。

第四方面，本申请提供了一种电子设备，所述电子设备包括：处理器；存储器，用于存储计算机可执行指令；所述处理器，用于执行所述计算机可执行指令以驱动所述电子设备实现上述第一方面任一项所述的辅助驾驶的控制方法。

第五方面，本申请提供了一种计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面任一项可能的实现方式所提供的辅助驾驶的控制方法。

第六方面，本申请提供了一种芯片，包括处理器和接口，所述接口用于从外部存储器读取所述处理器可执行指令，所述处理器，用于执行上述第一方面任一项可能实现方式所提供的辅助驾驶的控制方法。

第七方面，本申请提供了一种车辆，所述车辆用于执行上述第一方面任一种可能实现所提供的辅助驾驶的控制方法。

第八方面，本申请提供了一种服务器，所述服务器用于执行上述第一方面任一种可能实现所提供的辅助驾驶的控制方法。

可以理解地，上述提供的任一种辅助驾驶的控制装置、计算机可读存储介质、电子设备、计算机程序产品、芯片、车辆、服务器均可以由上文所提供的对应的控制方法来实现。因此，其所能达到的有益效果可参考上文所提供的对应的控制方法的有益效果，此处不再赘述。

附图说明

图1为本申请实施例提供的一种具有辅助驾驶功能的车辆的结构示意图；

图2为本申请实施例提供的一种辅助驾驶的计算机系统的结构示意图；

图3为本申请实施例提供的一种辅助驾驶控制系统的结构示意图；

图4为本申请实施例提供的一种云侧指令辅助驾驶行为控制系统的应用示意图；

图5为本申请实施例提供的一种辅助驾驶行车控制方法的结构示意图；

图6为本申请实施例提供的一种导航模式下的辅助驾驶控制方法的场景图；

图7为本申请实施例提供的一种非导航模式下的辅助驾驶控制方法的场景图；

图8为本申请实施例提供的一种辅助驾驶控制装置；

图9为本申请实施例提供的一种计算机程序产品的结构示意图。

具体实施方式

图1是本申请实施例提供的具有辅助驾驶功能的车辆100的功能框图。在一个实施例中，将车辆100配置为辅助驾驶模式。

车辆100可包括各种子系统，例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地，车辆100可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。

行进系统102可包括为车辆100提供动力运动的组件。在一个实施例中，推进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。

能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他系统提供能量。

传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置120还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。

传感器系统104可包括感测关于车辆100周边的环境的信息的若干个传感器。例如，传感器系统104可包括定位系统122(定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit，IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。

定位系统122可用于估计车辆100的地理位置。IMU 124用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU 124可以是加速度计和陀螺仪的组合。

雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达126还可用于感测物体的速度和/或前进方向。

激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。

控制系统106为控制车辆100及其组件的操作。控制系统106可包括各种元件，其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物避免系统144。

转向系统132可操作来调整车辆100的前进方向。例如可以为方向盘系统。

油门134用于控制引擎118的操作速度并进而控制车辆100的速度。

制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中，制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。

计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

路线控制系统142用于确定车辆100的行驶路线。在一些实施例中，路线控制系统142可结合来自传感器138、GPS 122和一个或多个预定地图的数据以为车辆100确定行驶路线。

障碍物避免系统144用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。

当然，在一个实例中，控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。

在一些实施例中，外围设备108提供车辆100的用户与用户接口116交互的手段。例如，车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中，外围设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如，麦克风150可从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可向车辆100的用户输出音频。

无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信系统146可使用3G蜂窝通信，例如CDMA、EVD0、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信系统146可利用WiFi与无线局域网(wireless localarea network，WLAN)通信。在一些实施例中，无线通信系统146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信系统，例如，无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

电源110可向车辆100的各种组件提供电力。在一个实施例中，电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中，电源110和能量源119可一起实现，例如一些全电动车中那样。

车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113，处理器113执行存储在例如存储器114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。

处理器113可以是任何常规的处理器，诸如商业可获得的CPU。替选地，该处理器可以是诸如ASIC或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

在一些实施例中，存储器114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行车辆100的各种功能，包括以上描述的那些功能。存储器114也可包含额外的指令，包括向推进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

除了指令115以外，存储器114还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。

用户接口116，用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备，例如无线通信系统146、车载电脑148、麦克风150和扬声器152。

计算机系统112可基于从各种子系统(例如，行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。在一些实施例中，计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。

可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，存储器114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本申请实施例的限制。

在道路行进的汽车，如上面的车辆100，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定汽车所要调整的速度。

可选地，车辆100或者与车辆100相关联的计算设备(如图1的计算机系统112、计算机视觉系统140、存储器114)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，辅助驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么稳定状态。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

除了提供调整辅助驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得辅助驾驶汽车遵循给定的车道线和/或维持与汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。

上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本申请实施例不做特别的限定。

在介绍完上述车辆100之后，下面对本申请涉及的辅助驾驶的计算机系统进行介绍。

根据图2，计算机系统101包括处理器103，处理器103和系统总线105耦合。处理器103可以是一个或者多个处理器，其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)107，显示适配器可以驱动显示器109，显示器109和系统总线105耦合。系统总线105通过总线桥111和输入输出(I/O)总线113耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信，比如输入设备117(如：键盘，鼠标，触摸屏等)，多媒体盘(media tray)121，(例如，CD-ROM，多媒体接口等)。收发器123(可以发送和/或接受无线电通信信号)，摄像头155(可以捕捉景田和动态数字视频图像)和外部USB接口125。其中，可选地，和I/O接口115相连接的接口可以是USB接口。

其中，处理器103可以是任何传统处理器，包括精简指令集计算(“RISC”)处理器、复杂指令集计算(“CISC”)处理器或上述的组合。可选地，处理器可以是诸如专用集成电路(“ASIC”)的专用装置。可选地，处理器103可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。

可选地，在本文所述的各种实施例中，计算机系统101可位于远离辅助驾驶车辆的地方，并且可与辅助驾驶车辆无线通信。在其它方面，本文所述的一些过程在设置在辅助驾驶车辆内的处理器上执行，其它由远程处理器执行，包括采取执行单个操纵所需的动作。

计算机101可以通过网络接口129和软件部署服务器149通信。网络接口129是硬件网络接口，比如，网卡。网络127可以是外部网络，比如因特网，也可以是内部网络，比如以太网或者虚拟私人网络(VPN)。可选地，网络127还可以是无线网络，比如WiFi网络，蜂窝网络等。

硬盘驱动接口和系统总线105耦合。硬件驱动接口和硬盘驱动器相连接。系统内存135和系统总线105耦合。运行在系统内存135的数据可以包括计算机101的操作系统137和应用程序143。

操作系统包括Shell 139和内核(kernel)141。Shell 139是介于使用者和操作系统之内核(kernel)间的一个接口。shell是操作系统最外面的一层。shell管理使用者与操作系统之间的交互：等待使用者的输入，向操作系统解释使用者的输入，并且处理各种各样的操作系统的输出结果。

内核141由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互，操作系统内核通常运行进程，并提供进程间的通信，提供CPU时间片管理、中断、内存管理、IO管理等等。

应用程序143包括控制汽车辅助驾驶相关的程序，比如，控制汽车路线或者速度的程序。应用程序143也存在于软件部署服务器deploying server 149的系统上。在一个实施例中，在需要执行应用程序141时，计算机系统101可以从deploying server14下载应用程序147。

本申请涉及的应用程序143为辅助驾驶相关功能的程序。辅助驾驶功能包括驾驶告警、或在某些场景下接管车辆驾驶。

本申请实施例提供了一种辅助驾驶的控制方法和装置，综合考虑了道路情况、行驶天气以及驾驶员的驾驶行为习惯，从而可以个性化的进行提醒，从而提高了行车的安全性。

如图3所示，本申请实施例提供的辅助驾驶系统包括云端服务器11、车辆终端12以及数据供应商13。

云端服务器将接收车辆终端12、数据供应商13提供的道路数据、天气数据以及驾驶行为数据，并且云端服务器对接收的数据进行存储并进行处理进而进行建模，形成道路模型、天气模型以及驾驶行为模型。并且定期对模型进行更新，并将上述三个模型定期下发到车辆终端。

其中数据供应商13包括道路数据提供商、天气数据提供商、高精度地图数据提供商。道路数据提供商提供的数据包括：道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。天气数据提供商提供的数据包括光照强度、降雨量、降雪量、风力中的至少一种。高精度地图数据提供商提供的数据包括高精度地图，云端服务器11可以通过无线网络为多个车辆12提供实时的高精度地图数据，该云端服务器11包括较大容量的存储空间，用于存储地图数据，包括高精度地图，并且负责将电子地图更新下发等。

上述道路特征可以由道路信息提供商进行提供，或者由高精地图供应商提供，或者由本车或其他车辆终端通过传感器，例如视觉摄像头、毫米波雷达、激光雷达等将采集的道路特征进行上传。

天气情况可以由天气数据提供商提供，或者可以由车辆终端12的自动雨刮传感器、视觉摄像头获取到的天气对路面的影响信息。

其中，车辆终端12将驾驶员的驾驶行为数据上报给云端服务器，驾驶行为数据中包含了驾驶员的驾驶行为特征，具体的，该驾驶行为特征包括：行驶车速、向心加速度、加速踏板开度、制动踏板开度中的至少一种。该驾驶行为特征用于表征驾驶员的驾驶习惯，特别是不良驾驶习惯。云端服务器11基于该驾驶习惯和驾驶行为特征建立驾驶行为模型，该驾驶行为模型反映了上述驾驶员的驾驶习惯以及该驾驶员的驾驶行为特征的对应关系。

上述驾驶行为特征可以通过由如图1所示的车辆终端的转向系统132、油门134、制动单元136、方向盘等部件的信息来确定。云端服务器11根据车辆终端12上报的驾驶行为数据，对驾驶员的驾驶行车数据进行统计，确定驾驶员的驾驶习惯。例如表1所示：

例如，假设车辆终端10s上传一次数据，如果上传数据中的制动踏板开度对应的加速度超过急减速阈值，即识别该行为为急减速行为。其中，所述急减速的加速度阈值默认为-1.67m/s²。又比如，如果上传数据中向心加速度超过向心加速度阈值，即识别为急转弯行为，其中，该向心加速度阈值默认为5m/s²。

表1

其中，上报可以按照第一规则进行上报，上报规则例如可以是：在一定周期内，比如每天晚上12点统计一天的驾驶行为数据，并计算该驾驶员的某项驾驶行为发生的频率，将该计算结果与上一周期的驾驶行为的数值进行比较，若二者数值不一致，则进行上传；若二者数值一致，则不进行上传。

车辆终端12在运行的过程中，通过设置在车辆终端上的传感器，如，激光雷达、摄像头毫米波雷达、超声波或组合惯导等传感器检测道路情况以及天气情况。可选的，车辆终端12可以通过雨刮传感器提供的信息获取天气情况，或者通过视觉摄像头提供的图像信息确定天气情况以及道路情况，车辆终端12将该天气情况、道路情况上报给云端服务器11。该上报可以按照第二规则进行上报，上报规则可以是：当车辆采集到某个道路情况或天气情况后实时进行上报，可以将数据上报的时间间隔小于某一阈值，比如10s。

云端服务器11对接收的数据进行存储并进行处理进而进行建模，形成道路模型、天气模型以及驾驶行为模型。云端服务器11可以根据技术人员的经验进行建模、或者采用公式的方式进行建模。所述道路模型、天气模型以及驾驶行为模型可以为矩阵的形式、数组的形式、表格的形式。所述道路模型表征了道路特征与第一控制系数的对应关系，所述天气模型表征了天气特征与第二控制系数的对应关系。第一控制系数反映了道路特征对道路行驶的影响程度，第二控制系数反映了天气特征对道路行驶的影响程度。

例如，表2示出了道路模型的一种形式：表格。表2中示出了不同的道路特征与第一控制系数之间的关系，比如道路类型为城市公路时，第一控制系数的数值为1。

表2

例如，表3示出了天气模型为表格的形式。表3中示出了不同的天气特征与第二控制系数之间的关系，比如天气特征为无雨时，第二控制系数的数值为1。

表3

表4示出了驾驶特征模型为表格的形式，表4中示出了驾驶员的不同习惯对应的驾驶特征的取值。比如，具有常急转弯习惯的驾驶员，其驾驶行为特征向心加速度的数值大于阈值a1。

车辆终端12可以定期从云端服务器11下载该道路模型、天气模型、驾驶行为模型到本地。当车辆开启后，车辆实时通过定位系统(例如GPS系统、或者北斗系统)、或者高精地图获取当前道路的位置信息，进而确定前方道路的位置信息，比如通过导航信息，或者通过预判所述行程是否为常规路线来确定前方道路位置。具体可以通过将本次行程的日期、时间、道路位置与历史行程进行比较，如果本次行程的日期、时间、道路位置与历史行程相同，则确定为常规路线。比如通勤路线、或者接送家庭成员路线等。进一步的，前方道路可以为距当前道路位置一定的阈值范围之内的道路，例如100-1000m，或者结合车速进行计算。进一步的，可以依据高精度地图获取前方位置信息的道路特征。或者车辆基于自车的传感器进行前方道路特征的采集；或者车辆也可以接受其他车辆发送的前方道路特征。

车辆终端12进而将该前方道路特征输入上述道路模型，从而确定第一控制系数。

另一方面车辆终端12实时的获取当前的天气特征，具体的可以通过高精地图，或者可以通过车载传感器采集的数据，或者通过天气供应商提供的数据。车辆终端12将该天气特征输入上述天气模型，从而确定第二控制系数。

根据所述第一控制系数、所述第二控制系数以及驾驶行为特征，得到针对该驾驶员的行为习惯的辅助驾驶策略。例如可以通过公式进行建模计算，或者可以通过统计数据、或者可以通过测试得到参考数值。示例性的，如下表5所示，假设驾驶员具有常急刹车的驾驶习惯，表格中的数值表示辅助驾驶控制系统针对该驾驶员重新确定的刹车距离，其中X为根据该驾驶员原有的驾驶行为特征(制动踏板开度、行驶速度)计算出来原刹车距离，A(A1，A2，A3)为第一控制系数，B(B1，B2，B3)为第二控制系数。本申请的辅助驾驶系统重新确定刹车距离的计算方法可以采用多种方式进行计算，例如，可以将第一控制系数、第二控制系数与该原刹车距离相乘。

表5：

/>

需要说明的是，上述参数种类以及计算方法的选择仅仅为举例，也可以根据具体的测试结果使用其他的适合的参数，也可以重新定义新的参数。

车辆终端计算出上述数值以后，可以选择在距离该重新确定的刹车位置一定距离之前就对驾驶员进行驾驶告警来提醒驾驶员。假如驾驶员没有采纳驾驶告警的意见，即驾驶员在该计算的刹车位置没有进行刹车操作，那么车辆将进行驾驶接管，自动进行刹车操作，从而保证了驾驶的安全行驶。

本申请实施例综合考虑了行驶路况、行驶天气以及驾驶员的驾驶行为习惯，从而可以个性化的进行提醒，从而提高了行车的安全性。

本申请实施例还提供了一种辅助驾驶系统，具体包括云端服务器11、车辆终端12以及数据供应商13。

云端服务器11将接收车辆终端12、数据供应商13提供的道路数据、天气数据以及驾驶行为数据，并且云端服务器11对接收的数据进行存储并进行处理进而进行建模，形成道路模型、天气模型以及驾驶行为模型。车辆终端12在行驶的过程中，采集各种信息(与图3中车辆终端12工作原理类似，此处不再赘述)，并将车辆终端的位置信息以及天气信息实时上传给运云端服务器11。云端服务器11依据前方的道路特征、当前的天气特征、驾驶行为数据，得到针对该驾驶员的行为习惯的辅助驾驶策略。云端服务器11将该辅助驾驶策略下发给车辆终端12。云端服务器11的其他数据获取、建模、计算过程、技术效果与图3对应部分描述的原理一样，在此不再赘述。

图4为本申请实施例提供的一种云侧指令辅助驾驶控制方法的应用示意图。

车内计算机系统112还可以从其它计算机系统接收信息或转移信息到其它计算机系统。或者，从车辆100的传感器系统104收集的传感器数据可以被转移到另一个计算机对此数据进行处理。如图5所示，来自计算机系统112的数据可以经由网络被传送到云侧的计算机720用于进一步的处理。网络以及中间节点可以包括各种配置和协议，包括因特网、万维网、内联网、虚拟专用网络、广域网、局域网、使用一个或多个公司的专有通信协议的专用网络、以太网、WiFi和HTTP、以及前述的各种组合。这种通信可以由能够传送数据到其它计算机和从其它计算机传送数据的任何设备，诸如调制解调器和无线接口。

在一个示例中，计算机720可以包括具有多个计算机的服务器，例如负载均衡服务器群，为了从计算机系统112接收、处理并传送数据的目的，其与网络的不同节点交换信息。该服务器可以被类似于计算机系统110配置，具有处理器730、存储器740、指令750、和数据760。

数据760可以包括多组行车参数值，服务器720可以接受、监视、存储、更新、以及传送与道路、天气、驾驶员行为相关的各种信息，服务器720将结合前方的道路特征、当前的天气特征、驾驶行为特征，得到针对该驾驶员的行为习惯的辅助驾驶策略。并将该辅助驾驶策略下发给车辆终端，车辆终端将执行该辅助驾驶策略。辅助驾驶策略包括对驾驶员进行告警或在驾驶员未采用告警策略时，采用驾驶接管。

本申请实施例提供的辅助驾驶控制方法，综合考虑了道路情况、行驶天气以及驾驶员的驾驶行为习惯，从而可以个性化的进行提醒，从而提高了行车的安全性。

图5为本申请实施例提供的一种辅助驾驶的控制方法的流程示意图，该方法可以应用于上述的辅助驾驶系统中，该方法包括以下几个步骤：

S01、获取道路模型、天气模型以及驾驶行为模型，其中，所述道路模型包括道路位置对应的道路特征，所述天气模型包括对行车产生影响的天气特征，所述驾驶行为模型包括驾驶员的驾驶行为特征，用于表征所述驾驶员的驾驶习惯，特别是不良驾驶习惯。

首先，车辆终端12从云端获取该道路模型、天气模型以及驾驶行为模型。其中道路模型包括道路位置对应的道路特征，道路位置可以使用地理信息表征其所在的经纬度，道路特征包括：道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。天气模型反映了天气情况对于道路行车的影响程度，天气模型中包括天气特征，天气特征包括光照强度、降雨量、降雪量、风力中的至少一种。

驾驶行为模型中包含的驾驶行为特征反映了驾驶员的驾驶习惯，比如驾驶员习惯拐弯时的方向盘的转角，驾驶员制动的距离等，驾驶员行为特征包括行驶车速、向心加速度、加速踏板开度、制动踏板开度、方向盘转角、制动距离中的至少一种。

具体的，驾驶员可以在车辆开启前或者固定周期从云端进行模型下载、更新，也可以在车辆终端设置显示器进行相关界面，驾驶员从显示器进行选择来启动更新程序，可选的，显示器可以为触摸显示器。或者，也可以设置相关的按钮、按键，驾驶员可以通过点击按钮、按键进行功能模型下载或更新功能。

需要说明的是，步骤S01并不是本申请的辅助驾驶控制方法必须执行的步骤，驾驶员进行设置选择执行该步骤，也可以选择不执行该步骤。

S02、确定前方道路特征。

其中，车辆终端12可以在导航模式通过导航地图，比如高精度地图来获取车辆前方行程的道路特征。或者也可以通过自车传感器采集的信息来计算前方道路特征。或者也可以接受他车、路侧、或者云端发送的通知信息来确定前方道路特征。

进一步的，确定前方道路特征还可以包括：确定前方道路位置；基于所述前方道路位置确定前方道路特征。具体的，他车、路侧、云端可以根据当前车辆所在的道路位置信息给当前车辆发送相应的道路特征。进一步的，可以采用以下方法确定道路位置：

方法一、车辆终端12可以通过图1中所示的全球定位系统122，例如该全球定位系统122可以是GPS系统，也可以是北斗系统或其他定位系统来获得车辆当前行驶的道路的位置信息，从而判断出前方道路位置；

方法二、通过判断所述行程是否为常规路线来确定前方道路位置。具体可以通过将本次行程的日期、时间、道路位置与历史行程进行比较，如果本次行程的日期、时间、道路位置与历史行程相同，则确定为常规路线。比如通勤路线、或者接送家庭成员路线等。

方法三、通过他车或路侧摄像头对车辆的位置进行采集，从而确定车辆前方行驶的道路位置。

S03、基于道路模型确定所述前方道路特征对应的第一控制系数，所述道路模型表征了不同道路特征与第一控制系数之间的对应关系。

其中，车辆终端将上一步骤确定的道路特征信息输入该道路模型，从而得到前方道路特征所对应的第一控制系数。

例如，可以通过表2进行取值，此处不再赘述。

S04、确定当前天气特征。

其中，当前天气特征可以由本车或附近的车辆终端的自动雨刮传感器，视觉摄像头获取到的天气信息，或者由上述步骤的道路位置信息通过天气服务提供商来确定当前天气特征。

天气特征主要包括：降雨量、降雪量的大小以及光照的强度。其中降雨量和降雪量的大小将影响路面的摩擦系数，对制动、拐弯功能产生较大的影响；光照过强或过暗都会影响视觉传感器的识别正确率，从而影响辅助驾驶功能。

S05、基于天气模型确定当前天气特征对应的第二控制系数，所述天气模型表征了不同天气特征与第二控制系数之间的对应关系。

其中，将上一步骤获取的天气特征输入该天气模型，从而可以确定天气特征对应的第二控制系数。

例如，可以通过表3进行取值，此处不再赘述。

S06、基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶。

其中，基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶，，可以得到针对该驾驶员的驾驶动作的发生时间或者发生地点。例如可以通过公式进行建模计算，或者可以通过统计数据、或者可以通过测试得到参考数值。例如，如上表5所示，在此不再赘述。

其中所述驾驶行为特征为驾驶员控制车辆行驶时习惯采用的行车参数，如表4所示。

辅助驾驶系统将在到达上述重新确定的位置之前对驾驶员进行告警，比如提示驾驶员应该开始进行减速操作以及具体的速度参考值，如果驾驶员在该确定的位置未开始减速，或者还未达到速度参考值，车辆将进行驾驶接管来控制车辆。从而提高了行驶的安全性。

本申请提供的技术方案，综合考虑了天气、道路以及驾驶员的个人驾驶习惯，对驾驶员在行车过程中进行针对性的告警或接管，保障了驾驶员的生命安全。

进一步的，所述道路特征包括道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。

进一步的，天气特征包括光照强度、降雨量、降雪量、或风力中的至少一种。

进一步的，驾驶行为特征包括：行驶车速、向心加速度、加速踏板开度、或制动踏板开度中的至少一种

图6为一种车辆导航模式的辅助驾驶的场景示意图。假设有两位驾驶员，驾驶员A操作A车，驾驶员B操作B车，在日常驾驶中，车辆A、B分别收集驾驶员A、B的驾驶行为数据并将A、B的驾驶行为数据上传到云端服务器，云端服务器分别对A、B的驾驶行为进行建模，并判断出用户A驾驶习惯为常急转弯。云端服务器对道路模型和天气模型的建立过程和方法与图3对应的描述部分相同，在此不再赘述。

当驾驶员A、B进入车辆准备进行一次驾驶行程，启动车辆后可以对上述道路模型、天气模型、驾驶行为模型选择进行下载或更新，或者车辆也可以以一定的频率固定周期内自动更新。

当驾驶员A、B在导航软件中输入行程目的地以后，车辆终端的辅助驾驶系统可以确定此次行程的道路位置。车辆终端获取当前的天气情况，可以通过图3对应的描述所述的方法。如果行程时间较长，在整个驾驶的时间内天气情况可能发生变化，当检测到天气情况发生变化后，本申请的辅助驾驶的控制方法可以实时进行重新计算，或者可以使用天气信息供应商提供的天气预报功能，并且将天气预报的情况与此次行程的整个路段的道路位置相对应起来。

辅助驾驶系统将上述道路位置信息和所述天气情况，结合驾驶行为模型进行计算，得到需要对驾驶员进行告警或者进行辅助驾驶的时间或位置信息。例如可以通过公式进行建模计算，或者可以通过统计数据、或者可以通过测试得到参考数值。

对于使用导航地图，比如高精度地图的驾驶员而言，可以将上述计算的所述辅助驾驶的时间或位置信息与导航地图关联起来，在驾驶员进行驾驶时，导航系统结合高精地图对驾驶员进行提醒。

或者在行程开始之前，驾驶员就可以进行查阅辅助驾驶的时间或位置，从而增强安全意识。

比如，对于驾驶员A来说，由于其具有常急转弯的驾驶习惯，在遇到拐弯的情况时，导航系统将如图6所示除了提示“前方350米即将右转”之外，还会提醒驾驶员“请将车速降低至30km/h”，而对驾驶员B导航系统在遇到拐弯的情况时，只是会常规的提醒“前方350米即将右转”。

图7为一种车辆非导航模式的场景的示意图。当驾驶员A启动车辆后，辅助驾驶系统进行检测发现驾驶员并未使用导航系统，辅助驾驶系统便会对当前行程的日期、时间、位置进行统计，进而判断该行程是否为驾驶员的常规路线，若为驾驶员A的常规路线，比如通勤路线，辅助驾驶系统可以根据历史数据对道路的各个位置信息进行提取，进而结合天气信息、驾驶行为数据对整个行程的路段进行预测，计算出驾驶员A进行告警或者进行辅助驾驶的时间或位置信息。在行程开始之前，驾驶员就可以进行查阅辅助驾驶的时间或位置，从而增强安全意识。

或者在驾驶员A行驶到需要提醒的路段，比如图7中即将拐弯时，辅助驾驶系统会对驾驶员A进行告警提示：前方350米即将右转，请将车速降低至30km/h。

上述技术方案中，通过导航或者常规路线判断来确定道路位置，进一步再获取相应行程的道路特征，从而可以提前计算出整个行程需要告警的位置信息或时间信息，一方面驾驶员可以提前了解道路行驶情况，另一方面也减轻了车辆计算资源进行实时计算的压力。

本申请实施例还提供了一种辅助驾驶的控制装置，可以位于车端或者云端。该装置如图8所示，具体包括：获取模块101，用于获取道路模型、天气模型以及驾驶行为模型，其中，所述道路模型包括道路位置对应的道路特征，所述天气模型包括对行车产生影响的天气特征，所述驾驶行为模型包括驾驶员的驾驶行为特征；

道路特征确定模块102，用于确定前方道路特征；

第一系数确定模块103，用于基于道路模型确定所述前方道路特征对应的第一控制系数，所述道路模型表征了不同道路特征与第一控制系数之间的对应关系；

天气特征确定模块104，用于确定当前天气特征；

第二系数确定模块105，用于基于天气模型确定当前天气特征对应的第二控制系数，所述天气模型表征了不同天气特征与第二控制系数之间的对应关系；

执行模块106，用于基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶。

进一步的，所述辅助驾驶包括驾驶告警或驾驶接管。

进一步的，道路特征包括道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。

进一步的，所述天气特征包括光照强度、降雨量、降雪量、或风力中的至少一种。

进一步的，所述驾驶行为特征包括：行驶车速、向心加速度、加速踏板开度、或制动踏板开度中的至少一种。

进一步的，所述道路特征确定模块具体用于：确定前方道路位置；基于所述前方道路位置确定前方道路特征。

进一步的，所述道路特征确定模块，具体用于：根据导航信息确定前方道路位置；或者通过预判所述行程是否为常规路线来确定前方道路位置。

本实施例提供的以上所述辅助驾驶的控制装置，可以用于执行上述的辅助驾驶控制装置，可以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，其中各个模块的功能可以参考方法实施例中相应的描述，此处不再赘述

本申请实施例还提供一种芯片，包括处理器和接口，所述接口用于从外部存储器读取所述处理器可执行指令，所述处理器，用于执行上述方法实施例提供的可能实现方式所提供的辅助驾驶的控制方法。

本申请实施例还提供一种车辆，所述车辆用于执行上述方法实施例提供的可能实现所提供的辅助驾驶的控制方法。

本申请还提供了一种服务器，所述服务器用于执行上述方法实施例提供的可能实现所提供的辅助驾驶的控制方法。

需要说明的是，上述计算机可读存储介质、电子设备、计算机程序产品、芯片、车辆、服务器均可以由上文所提供的对应的方法来实现。因此，其所能达到的有益效果可参考上文所提供的对应的方法的有益效果，此处不再赘述。

在一些实施例中，所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图9示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图，所述示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中，示例计算机程序产品600是使用信号承载介质601来提供的。所述信号承载介质601可以包括一个或多个程序指令602，其当被一个或多个处理器运行时可以提供以上针对图3-图7描述的功能或者部分功能。因此，例如，参考图5中所示的实施例，步骤S01-06的一个或多个特征可以由与信号承载介质601相关联的一个或多个指令来承担。此外，图9中的程序指令602也描述示例指令。

在一些示例中，信号承载介质601可以包含计算机可读介质603，诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等等。在一些实施方式中，信号承载介质601可以包含计算机可记录介质604，诸如但不限于，存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中，信号承载介质601可以包含通信介质605，诸如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此，例如，信号承载介质601可以由无线形式的通信介质605(例如，遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令602可以是，例如，计算机可执行指令或者逻辑实施指令。在一些示例中，诸如针对图3-图7描述的计算设备的计算设备可以被配置为，响应于通过计算机可读介质603、计算机可记录介质604、和/或通信介质605中的一个或多个传达到计算设备的程序指令602，提供各种操作、功能、或者动作。应该理解，这里描述的布置仅仅是用于示例的目的。因而，本领域技术人员将理解，其它布置和其它元素(例如，机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用，并且一些元素可以根据所期望的结果而一并省略。另外，所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。

需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。在本申请的实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块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存储介质中。基于这样的理解，本申请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接种中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或者部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序的介质。

在上述实施例中，可以全部或者部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用戒指或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘solid State Disk(SSD)等。

所述程序指令可以以软件功能单元的形式实现并能够作为独立的产品销售或使用，所述存储器可以是任意形式的计算机可读取存储介质。基于这样的理解，本申请的技术方案全部或部分可以以软件产品的形式体现出来，包括若干指令用以使得亿台计算机设备，具体可以是处理器，来执行本申请各个实施例中目标检测装置的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存储存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序的介质。

本实施例以上所述的电子设备，可以用于执行上述各方法实施例的技术方案，其实现原理和技术效果类似，其中各个器件的功能可以参考实施例中相应的描述，此处不再赘述。

最后应说明的是：以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种辅助驾驶的控制方法，其特征在于，所述方法包括：

确定前方道路特征；

基于道路模型确定所述前方道路特征对应的第一控制系数，所述道路模型表征了不同道路特征与不同第一控制系数之间的对应关系；

确定当前天气特征；

基于天气模型确定当前天气特征对应的第二控制系数，所述天气模型表征了不同天气特征与不同第二控制系数之间的对应关系；

基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶；

所述基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶，包括：基于所述第一控制系数、所述第二控制系数以及所述驾驶行为特征得到针对驾驶员的驾驶动作的发生时间或者发生地点；根据所述发生时间或者发生地点执行辅助驾驶。

2.根据权利要求1所述的方法，其特征在于：所述辅助驾驶包括驾驶告警或驾驶接管。

3.根据权利要求1或2所述的方法，所述道路特征包括道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。

4.根据权利要求1或2所述的方法，所述天气特征包括光照强度、降雨量、降雪量、或风力中的至少一种。

5.根据权利要求1或2所述的方法，所述驾驶行为特征包括：行驶车速、向心加速度、加速踏板开度、或制动踏板开度中的至少一种。

6.一种辅助驾驶的控制装置，其特征在于，所述装置包括：

道路特征确定模块，用于确定前方道路特征；

第一系数确定模块，用于基于道路模型确定所述前方道路特征对应的第一控制系数，所述道路模型表征了不同道路特征与不同第一控制系数之间的对应关系；

天气特征确定模块，用于确定当前天气特征；

第二系数确定模块，用于基于天气模型确定当前天气特征对应的第二控制系数，所述天气模型表征了不同天气特征与不同第二控制系数之间的对应关系；

执行模块，用于基于所述第一控制系数、所述第二控制系数以及驾驶行为特征执行辅助驾驶；

所述执行模块具体用于：基于所述第一控制系数、所述第二控制系数以及所述驾驶行为特征得到针对驾驶员的驾驶动作的发生时间或者发生地点；根据所述发生时间或者发生地点执行辅助驾驶。

7.根据权利要求6所述的装置，其特征在于：所述辅助驾驶包括驾驶告警或驾驶接管。

8.根据权利要求6或7所述的装置，所述道路特征包括道路类型、道路材质、道路坡度、或道路的曲率中的至少一种。

9.根据权利要求6或7所述的装置，所述天气特征包括光照强度、降雨量、降雪量、或风力中的至少一种。

10.根据权利要求6或7所述的装置，所述驾驶行为特征包括：行驶车速、向心加速度、加速踏板开度、或制动踏板开度中的至少一种。

11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-5任一项所述的辅助驾驶的控制方法。

12.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储器，用于存储计算机可执行指令；

所述处理器，用于执行所述计算机可执行指令以驱动所述电子设备实现上述权利要求1-5任一项所述的辅助驾驶的控制方法。