CN114394093A - 车辆控制方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了车辆控制方法、装置、电子设备及存储介质，涉及自动驾驶领域的自适应巡航控制。具体实现方案为：首先当满足预设更新条件时，根据实时监控数据确定目标行驶场景，然后根据目标行驶场景确定目标跟车时距，最后根据目标跟车时距对车辆进行控制。解决了现有技术过度重视前方车辆的状态来进行自动驾驶控制，忽视本车驾驶员或乘客对行驶场景的感受，而造成驾驶员人为干预，影响自动驾驶体验的问题。

Description

车辆控制方法、装置、电子设备及存储介质

本发明是2020年09月25日所提出的申请号为202011027395.6、发明名称为《车辆控制方法、装置、电子设备及存储介质》的发明专利申请的分案申请。

技术领域

本申请涉及汽车技术领域中的自动驾驶技术，尤其涉及一种车辆控制方法、装置、电子设备及存储介质。

背景技术

随着人工智能技术的发展，自动驾驶越来越受到人们的关注，并逐渐开始改变人们的驾驶习惯。

目前的自动驾驶一般以物理理论计算出来的安全距离为核心，进行主动安全方面的车辆控制方案设计，如自适应巡航中的根据前后两车的安全制动距离来进行巡航控制，自动超车中根据两车间设置的安全距离来采取对应措施。

发明内容

本申请提供了一种车辆控制方法、装置、电子设备及存储介质。

根据本申请的第一方面，提供了一种车辆控制方法，包括：

当满足预设更新条件时，根据实时监控数据确定目标行驶场景；

根据所述目标行驶场景确定目标跟车时距，所述目标跟车时距用于动态调整本车与周围车辆的相对运动状态；

根据所述目标跟车时距对车辆进行控制。

根据本申请的第二方面，提供了一种车辆控制装置，包括：

场景识别模块，用于当满足预设更新条件时，根据实时监控数据确定目标行驶场景；

处理模块，用于根据所述目标行驶场景确定目标跟车时距，所述目标跟车时距用于动态调整本车与周围车辆的相对运动状态；

所述处理模块，还用于根据所述目标跟车时距对车辆进行控制。

根据本申请的第三方面，提供了一种电子设备，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上述的第一方面所提供的任意一种可能的方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的第一方面所提供的任意一种可能的方法。

根据本申请的第五方面，提供了一种程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，服务器的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得服务器执行第一方面中任一所述的方法。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2是根据本申请第二实施例的示意图；

图3是本申请第二实施例的第一场景示意图；

图4是本申请第二实施例的第二场景示意图；

图5是本申请第二实施例的第三场景示意图；

图6是本申请第二实施例的第四场景示意图；

图7是根据本申请第三实施例的示意图；

图8是用来实现本申请实施例的车辆控制方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

随着人工智能技术的发展，自动驾驶成为人们越来越关注的话题，低级别的自动驾驶，如辅助驾驶，甚至已经运用在了各种不同型号的车辆上，逐渐地改变着人们的驾驶习惯和出行方式。例如自适应巡航系统是低级别自动驾驶的中较早运用的一个功能，它是从定速巡航控制技术上发展而来的。在高速场景以及拥堵场景，自适应巡航系统可以减少用户的脚在刹车和油门间的频繁操作，缓解用户在长时间驾驶中的疲惫。

但是现有技术中的自动驾驶，一般都是从车辆角度来设计控制策略，例如自适应巡航系统的运行方案如下:当前方没有车辆的时候，自适应巡航系统会通过控制油门和刹车，使得车辆按照一个用户设定的速度行驶。当前方有跟随车辆时，若与前车之间的距离小于安全跟车距离时，控制单元可以通过制动来保持车距，直到恢复安全距离为止；当与前车之间的距离小于安全跟车距离时，本车仍以设定速度进行驾驶。安全距离的定义往往与本车速度、前方车辆速度有关，同时也与采取的跟车策略，如跟车时距等相关。然而这种策略方式却存在着一个根本的问题，就是忽略了自动驾驶并不是完全无人驾驶，驾驶员依旧是车辆行驶过程中最主要的控制决策者，现有技术忽略了驾驶员对于车辆所处环境、行驶路况以及四周车辆行为的感受。这就造成了驾驶员经常出于自身感受而中断自动驾驶改为人工驾驶，如自动跟车时由于系统预留安全距离而导致频繁被加塞，或者是高速跟随大货车巡航时驾驶员感觉到不安全而中断巡航。而这些人为干预的决策有时候却是驾驶员冲动的决策，比如被加塞而引起的“路怒”报复性操作，如突然加速冲撞、突然减速别车等，这些都是自动驾驶没有从“感知”的角度进行方案设定造成的。

在高速的场景中足够的安全距离可以给驾驶员或乘客带来足够的“安全感”，但过于远的安全距离可能会让用户被频繁超车，影响跟车功能的使用率，或者说驾驶员主动终端自动驾驶，而影响使用体验。

还有就是面对被卡车遮挡视野时，驾驶员或乘客也会存在“封闭恐惧”，进而采取“人工逃离”的驾驶操作，而在高速时，这样的操作很容易引发交通事故，如驾驶员不知道前方是隧道，或者前方车道封闭，这样在采取超车卡车的时候就会引发交通事故。

对于驾驶员来说，安全感与自身的驾驶能力，驾驶过程中视野、路况等息息相关。因此本申请的发明构思就是从驾驶员的感知出发，对于自动驾驶系统的设计也应该根据系统在不同场景下的感知能力，控制能力来定义安全性以及控制策略。同一个系统的感知能力和控制能力往往在不同场景中表现不一样。例如：弯道场景中，感知在障碍物测距和连续性上会有问题；上坡下坡等地面起伏较大区域，障碍物测距能力较差，车辆的控制能力也较差；汇入汇出区域视野较差，容易突然出现高速的障碍物；大卡车、大客车也会造成视野受限。

为解决现有技术没有根据驾驶员对于车辆行驶场景的感知进行车辆控制的问题，本申请提供了一种车辆控制方法，下面通过实施例介绍本申请的车辆控制方法。

图1是根据本申请第一实施例的示意图，如图1所示，本实施例提供的车辆控制方法，包括：

S101、当满足预设更新条件时，根据实时监控数据确定目标行驶场景。

在本步骤中，预设更新条件包括：当前行驶场景发生变化、当前状态持续时间超出预设时间阈值、按预设周期更新车辆控制参数、响应于用户输入的操作指令等。

目标行驶场景为易引起驾驶员中断自动驾驶的场景，包括：高速场景、低速场景、特殊车辆场景、第一特征场景即易加塞场景、弯道场景、上下坡场景、汇入汇出场景、低能见度场景以及至少两个上述场景的组合场景。

高速场景是车辆的行驶速度大于预设高速阈值时的场景，低速场景是车辆的行驶速度小于或等于预设低速阈值时的场景，特殊车辆场景是指在本车四周存在如大卡车、巴士、摩托车等特殊车辆的场景，第一特征场景即易加塞场景是指监测数据显示本车被加塞的次数大于预设的加塞阈值时的场景，汇入汇出场景是指在高速公路出入口，或者是城市高架出入口等道路分支路口处的场景。

在一种可能的设计中，实时监控数据中包括当前车速，这样就可以根据当前车速判断高速/低速场景。

在一种可能的设计中，实时监控数据还包括实时路况图像，该实时路况图像是通过车载摄像头拍摄到的，通过对实时路况图像进行图像识别，就可以识别出四周是否存在特殊车辆，是否处于易加塞场景。

在一种可能的设计中，实时监控数据还包括定位数据以及高精度地图数据，定位数据可以是GPS定位数据，或者北斗导航定位数据等，高精度地图数据包括道路信息、路况信息、坡度信息等。通过道路信息就可以知道车辆是否即将转弯，前方是否存在汇入/汇出的出入口，通过坡度信息就可以识别车辆是否即将驶入落差较大的上下坡场景，因为陡峭的坡度会遮挡驾驶员的视野，并且车辆的监测系统的感知能力较差，不能及时发现或感知到前方坡道后的危险因素。

在一种可能的设计中，实时监控数据还包括天气数据，结合天气数据如大雾预警、沙尘暴预警等就可以判断出低能见度的场景。

S102、根据目标行驶场景确定目标跟车时距。

在本步骤中，目标跟车时距用于动态调整本车与周围车辆的相对运动状态。

需要说明的是跟车时距，是自动驾驶中的一项重要技术参数指标，它是根据两车间距和本车当前车速计算得到的。

在不同的目标行驶场景中，在根据车辆本身的行驶状态建立安全距离相关的基础跟车时距的基础上，可以设置对于不同场景的感知修正模型，从而对基础跟车时距进行修正，从而得到目标跟车时距。

在一种可能的设计中，感知修正模型可以是神经网络模型，通过经大数据训练的神经网络模型对不同地区的目标行驶场景采取不同的修正方式，以得到适合各个不同地区如城市或农村的最佳修正效果。

在一种可能的设计中，感知修正模型可以结合用户的驾驶习惯对基础跟车时距进行修正，以得到符合不同用户驾驶习惯的目标跟车时距。

S103、根据目标跟车时距对车辆进行控制。

在本步骤中，根据目标行驶场景的不同，可以设置控制车辆通过不同的渐进过程达到目标跟车时距。

例如，当车辆处于拥堵道路这样的易加塞场景时，如果车辆当前速度较低，那么为了防止进一步被频繁加塞，可以控制车辆快速达到目标跟车时距。当车辆处于高速公路上的多车并行的易加塞场景时，为了避免车辆过急的速度变化引发交通事故，就可以设置一个较为缓和的跟车时距变化过程，使得车辆缓慢达到目标跟车时距，在此过程中，还可以根据目标行驶场景的变化，重新修改目标跟车时距，以避免目标行驶场景存在突变时，如突然有道路封闭路段或者是突然被加塞，而引起的驾驶员感知存在安全威胁，这时就可以重新设置目标跟车时距，以及达到目标跟车时距的过渡过程的快慢，以提高用户的自动驾驶使用体验。

根据本申请实施例的技术方案，从驾驶员或者乘客的感知角度出发，基于不同的易引起驾驶员“感知危险”的行驶场景重新定义动态安全跟车时距，根据监测到的目标行驶场景来确定目标跟车时距，进一步再控制车辆动态调整本车状态，以达到目标跟车时距，并且在此过程中若遇到目标行驶场景变化还能及时修正。

具体的，首先当满足预设更新条件时，根据实时监控数据确定目标行驶场景，然后根据目标行驶场景确定目标跟车时距，最后根据目标跟车时距对车辆进行控制。解决了现有技术过渡重视前方车辆的状态来进行自动驾驶控制，忽视本车驾驶员或乘客对行驶场景的感受，而造成驾驶员人为干预，影响自动驾驶体验的问题。避免了因驾驶员因感知安全受威胁造成的误判干预，导致发生交通事故，如被频繁加塞而采取突然加速或减速造成追尾或碰撞事故。提高了用户对于自动驾驶的使用体验感和安全信任度。

图2为根据本申请第二实施例的示意图，如图2所示，本实施例提供的车辆控制方法，包括：

S201、当满足预设更新条件时，根据实时监控数据确定目标行驶场景。

在本步骤中，预设更新条件为根据实时监控数据确定当前行驶场景发生了改变。在本实施例中，车辆上的自动驾驶控制系统根据实时监控数据发现行驶场景发生了切换。

图3是本申请第二实施例的第一场景示意图，如图3所示，车辆301处于自适应巡航的自动驾驶模式，从卡车302同一车道的后方逐渐接近卡车302。

当车辆的目标行驶场景如图3所示时，具体的，“实时监控数据”包括当前车速，则“根据实时监控数据确定目标行驶场景”包括：

根据所述当前车速确定目标行驶场景的速度类型，并对应设置所述场景感知系数，其中，速度类型包括高速场景以及低速场景。

由于高速运行时前方遇到慢速车辆和低速运行前方遇到慢速车辆对于驾驶员来说其感知安全性和实际安全性是不一样的，对于不同的驾驶员根据其驾驶习惯和驾驶经验的不同，对于安全距离的感知也会发生变化，因此本申请将高速场景和低速场景作为两个基础场景进行基本判定，在高速场景下，车辆控制策略更偏保守和稳定，而在低速场景下，车辆控制策略可以设置为变化更频繁或者剧烈，以快速改变车辆的行驶状态。并且在高速场景中需要拉大与前车的车距以保证制动的安全距离，而低速情况下可以适当减小与前车的车距。

进一步的，在一种可能的设计中，“实时监控数据”包括实时路况图像，该实施路况图像是车载摄像头实时采集的视频图像，则“根据实时监控数据确定目标行驶场景”包括：

根据第二预设帧数的实时路况图像确定前方车辆对应的车辆类型；

若所述车辆类型为特殊车辆则确定所述目标行驶场景为特殊车辆场景。

例如第二预设帧数为50帧，若在连续的50帧中利用图像识别模型识别出来的前方车辆都为特殊车辆如：卡车、巴士、摩托车等，则可以确定目标行驶场景为特殊车辆场景。因为特殊车辆如卡车或巴士等大型车辆经常会遮挡视野，而摩托车则是容易突然变道而导致交通事故，这也是驾驶员感知中极容易引起“安全威胁感知”的重要因素，因此设置了对应的特殊车辆场景。

图4是本申请第二实施例的第二场景示意图，如图4所示，在低速拥堵的场景当中，车辆401跟随正前方车辆进行自适应巡航，此时车辆402从相邻车道插队加塞到了车辆401的前方，而车辆403也行驶到两个车道交界的位置。此时，根据车辆401的实时监控数据监测到行驶场景发生了变化。

在图4所示的场景中，根据实时监控数据确定目标行驶场景”包括：

在第一预设帧数的实时路况图像中，若正前方车辆变化次数大于预设次数，则确定所述目标行驶场景为易加塞场景。

例如第一预设帧数为150帧，在这连续的150真图像中，每次识别到前方车辆变化，则加塞次数自动加1，若加塞次数大于预设的次数比如3次，则确定目标行驶场景为易加塞场景，这种场景下被连续多次加塞，极容易引起驾驶员对于自适应巡航的不满，而切入到人工控制，极易引起刮碰事故，因此对于这种场景的识别就不能像现有技术一样保持安全距离，而是尽可能靠近前车。

在本实施例中，“实时监控数据”包括定位数据以及高精度地图数据，则“根据实时监控数据确定目标行驶场景”包括：

根据所述定位数据以及所述高精度地图数据确定本车当前的位置场景类型，并对应设置所述场景感知系数。

位置场景类型包括：弯道场景、上下坡场景、汇入汇出场景等。

图5是本申请第二实施例的第三场景示意图，如图5所示，车辆501跟随前车进行自适应巡航，此时自动驾驶控制系统根据车辆当前定位以及高精度地图数据发现车辆即将进入到弯道场景，即定位前方有曲率大于预设范围的弯道，由于曲率过大一般都是地形存在视野障碍物如山体，或者是道路正在封道维修，这种类型的目标行驶场景可以引起驾驶员由于视野缺失而导致的紧张感。为了提高自适应巡航的使用体验，识别出此场景时会增加目标跟车时距。

图6是本申请第二实施例的第四场景示意图，如图6所示，车辆601与车辆602分别处于上坡和下坡的行驶场景当中，由于坡道会对车辆的摄像头、雷达等监测设备的监测数据造成遮挡，而驾驶员在这种场景下也会视野受限，而造成感知受阻，识别出上下坡的行驶场景能够有效预防交通事故的发生，因此需要对应修改目标跟车时距。

还需要说明的是，汇入/汇出场景是当车辆行驶到存在车道减少的路口或高速公路出入口时，易引起刮碰事故，现有的自适应巡航一般会关闭而改为由人工操作，但是节假日和上下班高峰期，这样的行驶场景却又是对自适应巡航的需求最为强烈的，为解决此问题，就必须将此场景加入到自动驾驶控制的识别当中，以进行针对性的车辆控制。

在一种可能的设计中，“实时监控数据”还包括天气数据，则“根据实时监控数据确定目标行驶场景”包括：

根据所述天气数据、所述定位数据以及所述高精度地图数据确定低能见度场景。

对于沙尘暴、大雾等极端天气，现有技术中的自适应巡航系统是无法感知的，此时驾驶员会由于可视距离的减小对自动驾驶产生极大的不信任感，因此为提高自适应巡航在这种行驶场景下的使用率，就需要对跟车时距进行调节修正，以使得用户感觉更安全。

需要说明的是，目标行驶场景可以为组合场景，所述组合场景为所述速度类型、所述特殊车辆场景、所述低能见度场景以及所述位置场景中至少两种类型的组合。

S202、根据目标行驶场景确定对应的场景感知系数。

在本步骤中，场景感知系数为实现目标行驶场景对跟车时距的调整提供了连接媒介。场景感知系数的设定可以根据大数据统计对应的目标行驶场景而得到，或者利用神经网络模型进行自动智能学习，针对不同的地区，不同的用户，可以采取不同的场景感知系数的设定。

表1为本实施例中部分目标行驶场景对应的感知系数值：

表1

需要说明的是，组合场景的场景感知系数是根据所述组合场景中每种场景类型对应的场景感知系数确定的综合场景感知系数。在一种实现方式中，综合场景感知系数是各个场景类型对应的场景感知系数的乘积；在另一种实现方式中，可以给各个场景类型设置对应的感知权重，则综合场景感知系数是各个场景类型对应的场景感知系数与对应的感知权重乘积后再求和而得到的。这样可以综合考虑各个场景类型的影响，更准确地对跟车时距进行调节。

在一种可能的设计中，在“根据实时监控数据确定目标行驶场景”之后还包括：

根据目标行驶场景确定提示信息，该提示信息用于提示用户车辆将要进入与目标行驶场景对应的车辆控制调整状态；

输出提示信息。

在目标行驶场景切换时或者是当前行驶场景发生改变时给用户提示，这样可以让用户感知到自动驾驶系统的智能化，甚至能够起到警示作用，提示用户周围存在安全隐患，随时准备人工接手车辆控制。还可以是提示用户自动驾驶系统已经提前有对应的目标行驶场景的应对措施，无需时刻紧盯，从而减少强制人为控制而造成的交通事故。

S203、根据场景感知系数确定目标跟车时距。

在本步骤中，具体的，包括：

根据当前车速以及与跟车目标的距离确定基础跟车时距；

根据基础跟车时距以及场景感知系数确定目标跟车时距。

例如，基础跟车时距г_base设定为本车与跟车目标的距离和当前车速的商，则目标跟车时距г_target可以用公式(1)来表示，公式(1)如下所示：

г_target＝r·г_base (1)

其中，r为场景感知系数。

需要说明的是，目标跟车时距是场景感知系数与基础跟车时距的函数值，而本领域技术人员可以根据具体的情况设定三者间的函数关系，本申请不做限定。或者说将场景感知系数与基础跟车时距输入到对应的跟车时距调整模型中得到目标跟车时距，而跟车时距调整模型的实现方式有多种，可以是历史数据的统计模型，也可以是神经网络等自学习模型。

在一种可能的设计中，“跟车目标”包括：本车道车辆以及相邻车道车辆，对应的，“根据当前车速以及与跟车目标的距离确定基础跟车时距”包括：

根据本车道车辆中在本车前方的车辆与本车的距离，确定第一跟车时距；

根据相邻车道车辆与本车的距离确定第二跟车时距；

根据第一跟车时距以及第二跟车时距确定基础跟车时距。

为了预防被加塞，或者根据实时监控数据中的实时路况图像，识别出相邻车道的车辆有加塞的意图，例如不断靠近车道线或已越过车道线。此时就不能只是对本车道前方的车辆来计算第一跟车时距，第一跟车时距可以为本车道前方车辆与本车的距离与本车当前车速的商，而第二跟车时距可以是相邻车道的车辆与本车的纵向距离与本车当前车速的商，最后再将第一跟车时距、第二跟车时距以及对应的权重乘积之后再求和得到基础跟车时距。

S204、利用预设过渡模型，根据当前跟车时距以及目标跟车时距，确定过渡跟车时距。

在本步骤中，具体的，包括：

首先，根据预设时段内的所述当前跟车时距确定过渡系数，包括：

根据在预设时段内的跟车时距记录确定所述当前跟车时距的变化率；

根据该变化率以及所述目标行驶场景确定所述过渡系数。

具体的，例如在计算出3分钟时间内本车的跟车时距的平均变化率，或者是根据拟合算法得到跟车时距随时间变化的函数，算出该函数的导数，即可道道跟车时距的瞬时变化率，然后将该变化率输入到与目标行驶场景对应的模型或者函数关系中，求出过渡系数，上述过程可以用公式(2)来表示，公式(2)如下所示：

w₁＝f(std(Γ_current)/avg(Γ_current)) (2)

其中，std(Γ_current)/avg(Γ_current)表示当前跟车时距Γ_current在一定时间范围内(如3分钟)的变化率，f是一个关于时间变化率的函数，其中，变化率愈大，输出值越小，变化率越小，输出值越大。过渡系数w₁的取值范围在0～1之间。需要说明的是，本申请不对函数进行具体限定，本领域技术人员可以根据实际情况选择具体的函数形式。

过渡系数的设定是为了便于控制跟车时距到达目标跟车时距的过程，例如，在慢速易加塞的目标行驶场景当中，为了能够快速跟上前车，防止加塞，就需要加快到达目标跟车时距的进程，但是又不能够过快，以免对车内人员造成太大冲击。而对于高速特殊车辆场景的目标行驶场景，过快地达到目标跟车时距有可能会引发后车追尾或者是激起车内人员的恐惧感，因此需要一个较为缓和的过程来达到目标跟车时距。

然后，根据过渡系数以及目标跟车时距确定下一个调整时刻对应的跟车时距改变量。

具体的，例如，可以用公式(3)来表示跟车时距改变量ΔΓ，公式(3)如下所示：

ΔΓ＝w₁(Γ_target-Γ_current) (3)

其中，Γ_target为目标跟车时距，w₁为过渡系数，Γ_current为当前跟车时距。

当然，在另一种可能的实现方式中，跟车时距改变量为过渡系数以及目标跟车时距的积。

需要说明的是，不同的目标行驶场景对应的时距改变量的计算方法可以是不同的，以适应不同过渡要求，达到即平稳过渡，又在不同目标行驶场景中即使响应，提高自动驾驶中车辆控制的智能化水平。

接下来，根据跟车时距改变量以及当前跟车时距确定下一个调整时刻的过渡跟车时距。

具体的，例如，可以用公式(4)来表示过渡跟车时距，公式(4)如下所示：

Γ_setting＝ΔΓ+Γ_current (4)

其中，Γ_setting为过渡跟车时距，ΔΓ为跟车时距改变量，Γ_current为当前跟车时距。

需要说明的是，过渡跟车时距也可以根据目标行驶场景的不同而有不同的实现方式，并不局限于公式(4)所示的方式，本领域技术人员可以根据实际情况选择需要的实现形式。

S205、根据过渡跟车时距进行自适应巡航控制。

在本步骤中，根据过渡跟车时距确定车辆的加速度，进而生成发动机控制指令，或者是制动控制指令。需要说明的是，在本实施例中，在车辆进行过渡阶段，自动驾驶控制器仍然在监测目标行驶场景有没有发生突变，以防止反应过于灵敏而造成的误判，或者是周围车辆突然变道而造成行驶场景的环境快速恶化，以及时响应目标行驶场景的变化，提高自适应巡航的安全性和可靠性。

本实施例提供了一种车辆控制方法，通过当满足预设更新条件时，根据实时监控数据确定目标行驶场景，然后根据目标行驶场景确定对应的场景感知系数，接下来根据场景感知系数确定目标跟车时距，并利用预设过渡模型，根据当前跟车时距以及目标跟车时距，确定过渡跟车时距，最后根据过渡跟车时距进行自适应巡航控制。解决了现有技术过渡重视前方车辆的状态来进行自动驾驶控制，忽视本车驾驶员或乘客对行驶场景的感受，而造成驾驶员人为干预，影响自动驾驶体验的问题。避免了因驾驶员因感知安全受威胁造成的误判干预，导致发生交通事故，如被频繁加塞而采取突然加速或减速造成追尾或碰撞事故。提高了用户对于自动驾驶的使用体验感和安全信任度。

图7是根据本申请第三实施例的示意图，如图7所示，本实施例提供的车辆控制装置，包括：

场景识别模块701，用于当满足预设更新条件时，根据实时监控数据确定目标行驶场景；

处理模块702，用于根据所述目标行驶场景确定目标跟车时距，所述目标跟车时距用于动态调整本车与周围车辆的相对运动状态；

所述处理模块702，还用于根据所述目标跟车时距对车辆进行控制。

在一种可能的设计中，所述满足预设更新条件包括：

所述处理模块702，用于根据所述实时监控数据确定当前行驶场景发生了改变。

在一种可能的设计中，所述处理模块702，用于根据所述目标行驶场景确定目标跟车时距包括：

所述处理模块702，用于根据所述目标行驶场景确定对应的场景感知系数；

所述处理模块702，还用于根据所述场景感知系数确定所述目标跟车时距。

可选的，所述所述处理模块702，还用于根据所述目标跟车时距对车辆进行控制包括：

所述处理模块702，还用于利用预设过渡模型，根据当前跟车时距以及所述目标跟车时距，确定过渡跟车时距；

所述处理模块702，还用于根据所述过渡跟车时距进行自适应巡航控制。

在一种可能的设计中，所述所述处理模块702，还用于利用预设过渡模型，根据当前跟车时距以及所述目标跟车时距，确定过渡跟车时距包括：

所述处理模块702，还用于根据预设时段内的所述当前跟车时距确定过渡系数；

所述处理模块702，还用于根据所述过渡系数以及所述目标跟车时距确定下一个调整时刻对应的跟车时距改变量；

所述处理模块702，还用于根据所述跟车时距改变量以及所述当前跟车时距确定所述下一个调整时刻的所述过渡跟车时距。

在一种可能的设计中，所述所述处理模块702，还用于根据预设时段内的所述当前跟车时距确定过渡系数包括：

所述处理模块702，还用于根据在预设时段内的跟车时距记录确定所述当前跟车时距的变化率；

所述处理模块702，还用于根据所述变化率以及所述目标行驶场景确定所述过渡系数。

可选的，在所述场景识别模块701，用于根据实时监控数据确定目标行驶场景之后还包括：

所述处理模块702，还用于根据所述目标行驶场景确定提示信息，所述提示信息用于提示用户车辆将要进入与所述目标行驶场景对应的车辆控制调整状态；

所述处理模块702，还用于输出所述提示信息。

在一种可能的设计中，所述所述处理模块702，还用于根据所述场景感知系数确定所述目标跟车时距包括：

所述处理模块702，还用于根据当前车速以及与跟车目标的距离确定基础跟车时距；

所述处理模块702，还用于根据所述基础跟车时距以及所述场景感知系数确定所述目标跟车时距。

在一种可能的设计中，所述所述处理模块702，还用于根据所述基础跟车时距以及所述场景感知系数确定所述目标跟车时距包括：

所述处理模块702，还用于将所述场景感知系数与所述基础跟车时距的乘积作为所述目标跟车时距。

可选的，所述跟车目标包括：本车道车辆以及相邻车道车辆，对应的，所述所述处理模块702，还用于根据当前车速以及与跟车目标的距离确定基础跟车时距包括：

所述处理模块702，还用于根据所述本车道车辆中在本车前方的车辆与本车的距离，确定第一跟车时距；

所述处理模块702，还用于根据相邻车道车辆与本车在相邻车道投影的距离，确定第二跟车时距；

所述处理模块702，还用于根据所述第一跟车时距以及所述第二跟车时距确定所述基础跟车时距。

在一种可能的设计中，所述实时监控数据包括当前车速，所述场景识别模块701，用于根据实时监控数据确定目标行驶场景包括：

所述场景识别模块701，用于根据所述当前车速确定所述目标行驶场景的速度类型，并对应设置所述场景感知系数，所述速度类型包括高速场景以及低速场景。

可选的，所述实时监控数据包括实时路况图像，所述场景识别模块701，用于根据实时监控数据确定目标行驶场景包括：

所述场景识别模块701，用于在第一预设帧数的所述实时路况图像中，若正前方车辆变化次数大于预设次数，则确定所述目标行驶场景为易加塞场景，并对应设置所述场景感知系数。

在一种可能的设计中，所述场景识别模块701，用于根据实时监控数据确定目标行驶场景包括：

所述场景识别模块701，用于根据第二预设帧数的所述实时路况图像确定前方车辆对应的车辆类型；

所述场景识别模块701，还用于若所述车辆类型为特殊车辆则确定所述目标行驶场景为特殊车辆场景，并对应设置所述场景感知系数。

可选的，所述实时监控数据包括定位数据以及高精度地图数据，所述场景识别模块701，用于根据实时监控数据确定目标行驶场景包括：

所述场景识别模块701，用于根据所述定位数据以及所述高精度地图数据确定本车当前的位置场景类型，并对应设置所述场景感知系数。

在一种可能的设计中，所述实时监控数据包括天气数据，所述场景识别模块701，用于根据实时监控数据确定目标行驶场景包括：

所述场景识别模块701，用于根据所述天气数据、所述定位数据以及所述高精度地图数据确定低能见度场景，并对应设置所述场景感知系数。

在一种可能的设计中，所述目标行驶场景为组合场景，所述组合场景为所述速度类型、所述特殊车辆场景、所述低能见度场景以及所述位置场景中至少两种类型的组合，所述目标行驶场景的场景感知系数是根据所述组合场景中每种场景类型对应的场景感知系数确定的综合场景感知系数。

值得说明的是，图7所示实施例提供的车辆控制装置，可以执行上述任一方法实施例所提供的方法，其具体实现原理、技术特征、专业名词解释以及技术效果类似，在此不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图8所示，是根据本申请实施例的车辆控制方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。

存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆控制方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆控制方法。

存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆控制方法对应的程序指令/模块(例如，附图7所示的场景识别模块701、处理模块702)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆控制方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据车辆控制的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至车辆控制的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

车辆控制方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。

输入装置803可接收输入的数字或字符信息，以及产生与车辆控制的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算机程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算机程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，从驾驶员或者乘客的感知角度出发，基于不同的易引起驾驶员“感知危险”的行驶场景重新定义动态安全跟车时距，根据监测到的目标行驶场景来确定目标跟车时距，进一步再控制车辆动态调整本车状态，以达到目标跟车时距，并且在此过程中若遇到目标行驶场景变化还能及时修正。解决了现有技术过渡重视前方车辆的状态来进行自动驾驶控制，忽视本车驾驶员或乘客对行驶场景的感受，而造成驾驶员人为干预，影响自动驾驶体验的问题。避免了因驾驶员因感知安全受威胁造成的误判干预，导致发生交通事故，如被频繁加塞而采取突然加速或减速造成追尾或碰撞事故。提高了用户对于自动驾驶的使用体验感和安全信任度。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种车辆控制方法，包括：

当满足预设更新条件时，根据实时监控数据确定目标行驶场景；

根据所述目标行驶场景确定目标跟车时距，所述目标跟车时距用于动态调整本车与周围车辆的相对运动状态；

利用预设过渡模型，根据当前跟车时距以及所述目标跟车时距，确定过渡跟车时距；

根据所述过渡跟车时距进行自适应巡航控制。

2.根据权利要求1所述的车辆控制方法，其中，所述满足预设更新条件包括：

根据所述实时监控数据确定当前行驶场景发生了改变。

3.根据权利要求2所述的车辆控制方法，其中，所述根据所述目标行驶场景确定目标跟车时距包括：

根据所述目标行驶场景确定对应的场景感知系数；

根据所述场景感知系数确定所述目标跟车时距。

4.根据权利要求1所述的车辆控制方法，其中，所述利用预设过渡模型，根据当前跟车时距以及所述目标跟车时距，确定过渡跟车时距包括：

根据预设时段内的所述当前跟车时距确定过渡系数；

根据所述过渡系数以及所述目标跟车时距确定下一个调整时刻对应的跟车时距改变量；

根据所述跟车时距改变量以及所述当前跟车时距确定所述下一个调整时刻的所述过渡跟车时距。

5.根据权利要求4所述的车辆控制方法，其中，所述根据预设时段内的所述当前跟车时距确定过渡系数包括：

根据在预设时段内的跟车时距记录确定所述当前跟车时距的变化率；

根据所述变化率以及所述目标行驶场景确定所述过渡系数。

6.根据权利要求1所述的车辆控制方法，其中，在所述根据实时监控数据确定目标行驶场景之后还包括：

根据所述目标行驶场景确定提示信息，所述提示信息用于提示用户车辆将要进入与所述目标行驶场景对应的车辆控制调整状态；

输出所述提示信息。

7.根据权利要求3所述的车辆控制方法，其中，所述根据所述场景感知系数确定所述目标跟车时距包括：

根据当前车速以及与跟车目标的距离确定基础跟车时距；

根据所述基础跟车时距以及所述场景感知系数确定所述目标跟车时距。

8.根据权利要求7所述的车辆控制方法，其中，所述根据所述基础跟车时距以及所述场景感知系数确定所述目标跟车时距包括：

所述场景感知系数与所述基础跟车时距的乘积为所述目标跟车时距。

9.根据权利要求7所述的车辆控制方法，其中，所述跟车目标包括：本车道车辆以及相邻车道车辆，对应的，所述根据当前车速以及与跟车目标的距离确定基础跟车时距包括：

根据所述本车道车辆中在本车前方的车辆与本车的距离，确定第一跟车时距；

根据相邻车道车辆与本车的距离确定第二跟车时距；

根据所述第一跟车时距以及所述第二跟车时距确定所述基础跟车时距。

10.根据权利要求3所述的车辆控制方法，其中，所述实时监控数据包括当前车速，所述根据实时监控数据确定目标行驶场景包括：

根据所述当前车速确定所述目标行驶场景的速度类型，并对应设置所述场景感知系数，所述速度类型包括高速场景以及低速场景。

11.根据权利要求10所述的车辆控制方法，其中，所述实时监控数据包括实时路况图像，所述根据实时监控数据确定目标行驶场景包括：

在第一预设帧数的所述实时路况图像中，若正前方车辆变化次数大于预设次数，则确定所述目标行驶场景为第一特征场景，并对应设置所述场景感知系数。

12.根据权利要求11所述的车辆控制方法，其中，所述根据实时监控数据确定目标行驶场景包括：

根据第二预设帧数的所述实时路况图像确定前方车辆对应的车辆类型；

若所述车辆类型为特殊车辆则确定所述目标行驶场景为特殊车辆场景，并对应设置所述场景感知系数。

13.根据权利要求12所述的车辆控制方法，其中，所述实时监控数据包括定位数据以及高精度地图数据，所述根据实时监控数据确定目标行驶场景包括：

根据所述定位数据以及所述高精度地图数据确定本车当前的位置场景类型，并对应设置所述场景感知系数。

14.根据权利要求13所述的车辆控制方法，其中，所述实时监控数据包括天气数据，所述根据实时监控数据确定目标行驶场景包括：

根据所述天气数据、所述定位数据以及所述高精度地图数据确定低能见度场景，并对应设置所述场景感知系数。

15.根据权利要求14所述的车辆控制方法，所述目标行驶场景为组合场景，所述组合场景为所述速度类型、所述特殊车辆场景、所述低能见度场景以及所述位置场景中至少两种类型的组合，所述目标行驶场景的场景感知系数是根据所述组合场景中每种场景类型对应的场景感知系数确定的综合场景感知系数。

16.一种车辆控制装置，包括：

场景识别模块，用于当满足预设更新条件时，根据实时监控数据确定目标行驶场景；

处理模块，用于根据所述目标行驶场景确定目标跟车时距，所述目标跟车时距用于动态调整本车与周围车辆的相对运动状态；

所述处理模块，还用于利用预设过渡模型，根据当前跟车时距以及所述目标跟车时距，确定过渡跟车时距；根据所述过渡跟车时距进行自适应巡航控制。

17.一种电子设备，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1-15中任一项所述的方法。

18.一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1-15中任一项所述的方法。

Images