CN116101303A - 一种车辆辅助驾驶方法、系统、装置和存储介质 - Google Patents

Abstract

本说明书实施例提供一种车辆辅助驾驶方法、系统、装置和存储介质，该车辆辅助驾驶方法由车辆辅助驾驶系统执行，包括：获取车辆行驶特征以及用户驾驶特征；基于车辆行驶特征以及用户驾驶特征，确定用户的辅助驾驶需求度；基于辅助驾驶需求度确定目标辅助驾驶参数；基于目标辅助驾驶参数为用户提供辅助驾驶。本说明书实施例通过获取用户在驾驶过程中的驾驶状态和车辆的行驶状态，可以更加准确的判断用户的辅助驾驶需求程度，并且根据用户的不同需求，提供不同的车辆辅助驾驶服务，使得车辆辅助驾驶系统更加人性化，更符合用户实际需求，提高用户的驾驶体验以及安全性。

Description

一种车辆辅助驾驶方法、系统、装置和存储介质

技术领域

本说明书涉及智能车辆技术领域，特别涉及一种车辆辅助驾驶方法、系统、装置和存储介质。

背景技术

随着经济的发展，车辆已经成为现代交通系统中的重要一环，随着车辆数量的增加，驾驶人员数量也随之增加。然而由于驾驶人员驾驶技术的参差不齐，交通事故也愈加频发。

为减少交通事故数量，增加驾驶行为的安全性，CN108860165B提出了一种车辆辅助驾驶方法和系统，包括基于多个车辆的行车数据进行处理和分析，并为驾驶人员提供辅助驾驶信息。然而车辆的实际驾驶行为中，驾驶人员本身的驾驶习惯也是安全驾驶的一个重要影响因素，仅考虑车辆的行车数据，可能由于不同驾驶人员的驾驶习惯对辅助驾驶的效果造成影响。

因此，有必要提出一种车辆辅助驾驶方法、系统、装置和存储介质，能够在考虑行车数据的同时结合驾驶人员的驾驶习惯，为不同的用户提供更有针对性的辅助驾驶。

发明内容

本说明书一个或多个实施例提供一种车辆辅助驾驶方法，所述方法由车辆辅助驾驶系统执行，所述方法包括：获取车辆行驶特征以及用户驾驶特征；基于车辆行驶特征以及用户驾驶特征，确定用户的辅助驾驶需求度；基于辅助驾驶需求度确定目标辅助驾驶参数；基于目标辅助驾驶参数为用户提供辅助驾驶。

本说明书一个或多个实施例提供一种车辆辅助驾驶系统，其特征在于，所述系统包括：获取模块，用于获取车辆行驶特征以及用户驾驶特征；确定模块，用于基于车辆行驶特征以及用户驾驶特征，确定用户的辅助驾驶需求度；基于辅助驾驶需求度确定目标辅助驾驶参数；辅助驾驶模块，用于基于目标辅助驾驶参数为用户提供辅助驾驶。

本说明书一个或多个实施例提供一种车辆辅助驾驶装置，包括处理器，所述处理器用于执行上述的任意一项所述的车辆辅助驾驶方法。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述的任意一项的车辆辅助驾驶方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的车辆辅助驾驶系统的示例性模块图；

图2是根据本说明书一些实施例所示的车辆辅助驾驶方法的示例性流程图；

图3是根据本说明书一些实施例所示的确定辅助驾驶需求度的示例性流程图；

图4是根据本说明书一些实施例所示的确定目标辅助驾驶参数的示例性流程图；

图5是根据本说明书一些实施例所示的确定候选辅助驾驶项目的示例性示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

车辆辅助驾驶系统是智能车辆技术中常用的辅助系统，该系统可以减小用户的驾驶风险，还可以提高用户的驾驶体验。上述车辆辅助驾驶系统通常包括不同类型的辅助系统，例如，车道保持辅助系统、自动泊车辅助系统、刹车辅助系统、倒车辅助系统和行车辅助系统等。

通常的车辆辅助驾驶系统，由于仅通过加减速信息判断驾驶人员的驾驶能力，容易出现判断结果与实际情况不相符的问题。并且，部分过度的辅助驾驶反而会对驾驶人员产生负面影响，让驾驶人员分心使得驾驶体验不佳。

鉴于此，本说明书的一些实施例中，期望提供一种改进的车辆辅助驾驶系统，通过更全面的信息判断驾驶人员的驾驶能力，根据实际情况改变辅助驾驶的等级，进一步提高了车辆辅助驾驶系统的实用性和用户的驾驶体验。

图1是根据本说明书一些实施例所示的车辆辅助驾驶系统的示例性模块图。

在一些实施例中，所述车辆辅助驾驶系统100可以包括获取模块110、确定模块120和辅助驾驶模块130。

获取模块110可以用于获取车辆行驶特征以及用户驾驶特征。关于车辆行驶特征以及用户驾驶特征的更多细节可以参见图2及其相关描述。

确定模块120可以用于基于车辆行驶特征以及用户驾驶特征，确定辅助驾驶需求度；基于辅助驾驶需求度确定目标辅助驾驶参数。关于为用户提供辅助驾驶的更多细节可以参见图2、图3、图4和图5及其相关描述。

在一些实施例中，确定模块120还可以用于基于车辆行驶特征以及用户驾驶特征，确定用户的驾驶状态；基于驾驶状态确定辅助驾驶需求度。

在一些实施例中，确定模块120还可以用于基于驾驶状态、车辆行驶特征以及交通环境特征，确定驾驶风险指数；基于驾驶风险指数确定辅助驾驶需求度。关于确定辅助驾驶需求度的更多说明可以参见图3及其相关描述。

在一些实施例中，确定模块120还可以用于基于车辆行驶特征、交通环境特征确定候选辅助驾驶项目；基于候选辅助驾驶项目、辅助驾驶需求度确定目标辅助驾驶参数，目标辅助驾驶参数包括至少一个目标辅助驾驶项目及其对应的辅助等级。关于确定目标辅助驾驶参数的更多说明可以参见图4及其相关描述。

辅助驾驶模块130用于基于目标辅助驾驶参数为用户提供辅助驾驶。关于为用户提供辅助驾驶的更多说明可以参见图2及其相关描述。

需要注意的是，以上对于车辆辅助驾驶系统100及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的获取模块110、确定模块120和辅助驾驶模块130可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图2是根据本说明书一些实施例所示的车辆辅助驾驶方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由车辆辅助驾驶系统100执行。

步骤210，获取车辆行驶特征以及用户驾驶特征。在一些实施例中，步骤210可以由获取模块110执行。

车辆行驶特征可以是车辆在道路上行驶表现的特征。例如，车辆行驶特征可以包括车辆速度变化、车辆运动轨迹的曲直、与周围车辆的车距、车辆对行人的避让以及加塞情况等至少一种。

用户驾驶特征可以是用户驾驶操作相关的特征。例如，用户驾驶特征可以包括踏板（如，油门、离合和刹车）踩踏情况、方向盘转动情况以及换挡情况等至少一种。其中，踏板踩踏情况可以包括用户踩踏板的频率、幅度等。方向盘转动情况可以包括方向盘转动的方向、角度、频率等。换挡情况可以包括档位的切换频率、切换幅度（例如，由几档切换为几档）等。

在一些实施例中，用户驾驶特征还可以包括言语特征（例如，言语激动、言语平缓等）、表情特征（例如，表情急躁、表情平静等）、疲劳状态特征等。

在一些实施例中，获取模块110可以基于相关设备确定车辆行驶特征以及用户驾驶特征。相关设备可以包括但不限于车辆雷达、摄像头和传感器等。例如，获取模块110可以通过车辆雷达和摄像头等确定该车辆的速度变化、运动轨迹、对行人的避让和加塞情况等；获取模块110可以通过传感器等获取该车辆与周围车辆的车距、确定该车辆踏板踩踏情况、方向盘转动情况和换挡情况等。

在一些实施例中，获取模块110可以通过其他方式获取车辆行驶特征以及用户驾驶特征。例如，获取模块110可以基于录音设备获取言语特征等，以及基于摄像头获取用户的表情特征、疲劳状态特征等，在此不做限制。

步骤220，基于车辆行驶特征以及用户驾驶特征，确定用户的辅助驾驶需求度。在一些实施例中，步骤220可以由确定模块120执行。

辅助驾驶需求度用于反映用户对辅助驾驶的需求高低。辅助驾驶需求度可以通过数值等形式表示，数值越大表示用户对辅助驾驶的需求越高。

在一些实施例中，确定模块120可以通过多种方式，基于车辆行驶特征和用户驾驶特征，确定用户的辅助驾驶需求度。例如，确定模块120可以通过当前的车辆行驶特征与该车辆的历史车辆行驶特征的平均值进行对比、或将当前的用户驾驶特征与该用户的历史用户驾驶特征的平均值进行对比，偏差越大，则该用户的辅助驾驶需求度越高等。计算方式可以是正弦计算、余弦计算等多种计算方式中的一种。

在一些实施例中，确定模块120可以基于车辆行驶特征以及用户驾驶特征，确定用户的驾驶状态；基于驾驶状态确定辅助驾驶需求度。关于确定辅助驾驶需求度的更多说明可以参见图3及其相关描述。

步骤230，基于辅助驾驶需求度确定目标辅助驾驶参数。在一些实施例中，步骤230可以由确定模块120执行。

目标辅助驾驶参数是用于辅助用户驾驶车辆的参数。例如，辅助驾驶参数可以包括前向碰撞预警、后向碰撞预警、自动紧急制动、自适应巡航控制、加速踏板防误踩、车道偏离预警、变道碰撞预警、盲区监测和车道保持辅助等中的至少一种。

在一些实施例中，确定模块120可以基于辅助驾驶需求度确定目标辅助驾驶参数。例如，辅助驾驶需求度越高时，对应的目标辅助驾驶参数越多。

在一些实施例中，确定模块120可以基于车辆行驶特征、交通环境特征确定候选辅助驾驶项目；基于候选辅助驾驶项目、辅助驾驶需求度确定目标辅助驾驶参数。关于确定目标辅助驾驶参数的更多说明可以参见图4及其相关描述。

步骤240，基于目标辅助驾驶参数为用户提供辅助驾驶。在一些实施例中，步骤240可以由辅助驾驶模块130执行。

辅助驾驶可以是辅助用户完成驾驶时的各项操作的行为。例如，辅助驾驶可以包括辅助用户修正行驶轨迹、保持车距、超车风险提示和避让行人等。

在一些实施例中，辅助驾驶模块130可以基于目标辅助驾驶参数提供辅助驾驶。例如，在辅助驾驶模块130得到目标辅助驾驶参数之后，并且检测到开启辅助驾驶的确认信息后，辅助驾驶模块130可以根据目标辅助驾驶参数自动对当前车辆进行辅助驾驶。

本说明书一些实施例中，通过获取用户在驾驶过程中的驾驶状态和车辆的行驶状态，可以更加准确的判断用户的辅助驾驶需求程度，并且根据用户的不同需求，提供不同的车辆辅助驾驶服务，使得车辆辅助驾驶系统更加人性化，更符合用户实际需求，提高用户的驾驶体验以及安全性。

图3是根据本说明书一些实施例所示的确定辅助驾驶需求度的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由确定模块120执行。

步骤310，基于车辆行驶特征以及用户驾驶特征，确定用户的驾驶状态。

驾驶状态是指用户在驾驶车辆时的状态。在一些实施例中，驾驶状态可以通过用户的急躁程度、驾驶专注度等数据表示。例如，驾驶状态可以通过向量表示为（A₁，A₂），其中A₁表示用户的急躁程度，A₂表示用户的驾驶专注度。其中，急躁程度和驾驶专注度可以通过数值表示。例如，急躁程度和驾驶专注度可以分别通过数值表示，数值越大表明用户越急躁，驾驶专注度越低等。

在一些实施例中，确定模块120可以基于车辆行驶特征以及用户驾驶特征，通过第一预设规则确定用户的驾驶状态。在一些实施例中，第一预设规则可以是：当车辆行驶特征中的车辆速度变化越大、车辆运动轨迹越弯曲、与周围车辆的车距越小、对行人的避让越少或加塞情况越多，确定用户的急躁程度越高等；当用户驾驶特征中踩踏板的频率越低、幅度越大，以及方向盘转动角度越大，确定用户的驾驶专注度越低等。

在一些实施例中，第一预设规则还可以是：基于不同的车辆行驶特征、不同的用户驾驶特征与不同的驾驶状态的对应关系，根据当前的车辆行驶特征、用户驾驶特征和该对应关系确定用户的驾驶状态。在一些实施例中，可以基于先验知识或历史驾驶记录（可以包括当前用户的历史驾驶记录和/或所有用户的历史驾驶记录）确定不同的参考车辆行驶特征、不同的参考用户驾驶特征与不同的驾驶状态的对应关系。

在一些实施例中，确定模块120还可以基于状态校正系数对驾驶状态进行校正，获取校正后的驾驶状态。

状态校正系数是用于对用户的驾驶状态进行校准的系数。例如，状态校正系数可以是0-1的数值。在一些实施例中，状态校正系数可以包括第一状态校正系数以及第二状态校正系数。

第一状态校正系数指用于校正用户的急躁程度的系数。例如，第一状态校正系数可以是0-1的数值。

第二状态校正系数指用于校正用户的驾驶专注度的系数。例如，第二状态校正系数可以是0-1的数值。

在一些实施例中，状态校正系数相关于交通环境特征、理想行驶特征与实际行驶特征的行驶差值中的至少一种。

交通环境特征是指车辆所在路段的交通环境数据对应的特征。例如，交通环境特征可以包括车流量、人流量、红灯数量、斑马线数量、限速情况等至少一种。在一些实施例中，交通环境特征可以体现道路的拥堵情况。例如，交通环境特征为车流量越大、人流量越大、红灯数量越多、斑马线数量越多或限速越低中至少一种时，道路越拥堵等。

交通环境特征可以通过多种方式确定。例如，可以通过车辆上摄像头获取车辆附近的车流量、人流量等。例如，可以通过地图数据获取车辆附近的红灯数量、斑马线数量等。

理想行驶特征是指车辆在理想环境下（如，车流量低、人流量低、无红灯、无斑马线的情况下）行驶时的行车数据对应的特征。理想环境可以由人为或系统预设。例如，理想行驶特征可以包括车辆在理想环境下的车辆速度变化、车辆运动轨迹的曲直、与周围车辆的车距、车辆对行人的避让以及加塞情况等中的至少一种。

理想行驶特征可以通过多种方式确定。例如，由系统或人为预设得到。

在一些实施例中，理想行驶特征可以基于理想特征确定模型得到。关于理想特征确定模型的更多说明可以参见图5及其相关描述。

实际行驶特征是指车辆在实际行驶情况下行驶时的行车数据对应的特征。例如，实际行驶特征可以是车辆在实际行车情况下的车辆速度变化、车辆运动轨迹的曲直、与周围车辆的车距、车辆对行人的避让以及加塞情况等数据对应的特征。

行驶差值是指理想行驶特征与实际行驶特征中对应行驶特征的差值。每种行驶特征（包括车速、车辆运动轨迹、车距等）可以对应一个行驶差值。例如，行驶差值可以是理想环境下的车速与实际行驶情况下的车速之间的车速差值、理想环境下的车距与实际行驶情况下的车距之间的车距差值等。行驶差值可以通过将理想行驶特征与实际行驶特征中对应行驶特征的数值进行运算等方式获取。

在一些实施例中，确定模块120可以基于交通环境特征确定路段拥堵特征，基于路段拥堵特征、行驶差值确定状态校正系数。其中，路段拥堵特征是反映路段拥堵情况的特征，例如，可以包括路段拥堵频次、拥堵时长、拥堵距离中的至少一种。例如，路段拥堵特征中的路段拥堵频次越多、拥堵时长越长、拥堵距离越长、行驶差值越小，可以确定第一状态校正系数越小（此时可以用于调低急躁程度），第二校正系数越大（此时可以用于调高驾驶专注度）。

在一些实施例中，驾驶状态可以通过状态校正系数校正用户的驾驶状态，获取校正后的驾驶状态。例如，可以将状态校正系数乘以用户的原始驾驶状态，获取校正后的驾驶状态。校正后的驾驶状态可以表示为（A₁×ω₁，A₂×ω₂），其中，A₁表示用户的急躁程度，A₂表示用户的驾驶专注度，ω₁表示第一状态校正系数，ω₂表示第二状态校正系数。

本说明书一些实施例中，不同的交通环境可能对用户的驾驶行为造成影响。例如，当用户驾驶车辆的车距变小，车速波动变大时，可能并非由用户的急躁驾驶行为引起，而是因为道路交通较为拥堵。因此，通过状态校正系数对用户的驾驶状态进行校正，可以减少道路交通环境的影响，获取更准确的用户驾驶状态。

步骤320，基于驾驶状态确定辅助驾驶需求度。

在一些实施例中，确定模块120可以通过第二预设规则，基于驾驶状态确定辅助驾驶需求度。在一些实施例中，第二预设规则可以是：当用户的急躁程度越高、驾驶专注度越低时，辅助驾驶需求度越大等。在一些实施例中，第二预设规则可以是基于不同的驾驶状态与不同的辅助驾驶需求度的对应关系，根据当前的驾驶状态和该对应关系确定辅助驾驶需求度。在一些实施例中，可以根据先验知识或历史数据构建不同的驾驶状态与不同的辅助驾驶需求度的对应关系。

在一些实施例中，确定模块120还可以基于用户的驾驶状态、车辆行驶特征以及交通环境特征，确定驾驶风险指数；并进一步基于驾驶风险指数确定辅助驾驶需求度。

驾驶风险指数是指用户驾驶车辆的风险程度。驾驶风险指数可以通过数值表示。例如，驾驶风险指数可以通过0-1的数值表示，数值越大，表示发生交通事故的风险越大等。

在一些实施例中，驾驶风险指数可以通过向量数据库确定。

向量数据库是指用于存储、索引和查询向量的数据库。通过向量数据库，可以面对大量向量快速进行相似性查询和其他向量管理。

在一些实施例中，向量数据库可以包括多个历史向量。其中，历史向量是指历史驾驶状态、历史交通环境特征、历史车辆行驶特征等构成的向量。

在一些实施例中，确定模块120可以基于用户的驾驶状态、交通环境特征、车辆行驶特征构建驾驶向量；基于驾驶向量在向量数据库中进行匹配，将符合匹配条件的历史向量作为参考向量，其中，参考向量可以包括一个或多个。

进一步地，确定模块120可以计算一个或多个参考向量中发生过交通事故的参考向量（也称为目标向量）的数量与参考向量的总数量之比，并将该比值确定为驾驶风险指数。其中，匹配条件可以指用于确定参考向量的判断条件。在一些实施例中，匹配条件可以包括向量距离小于距离阈值、向量距离最小等。向量距离可以包括余弦距离、欧式距离等。例如，某个驾驶风险向量在数据库中匹配后得到的参考向量包括x个，该x个参考向量中发生交通事故的有y个（即目标向量有y个），则该驾驶风险向量对应的驾驶风险指数为y/x。

在一些实施例中，驾驶风险指数还可以相关于驾驶向量与目标向量的向量相似度以及目标向量对应的事故严重程度。

事故严重程度是指发生交通事故的严重程度。事故严重程度可以通过数值表示，数值越大表示事故越严重。在一些实施例中，事故严重程度可以通过预设量化规则进行量化。例如，预设量化规则可以是：轻微剐蹭（如掉漆等）时对应的事故严重程度为1，严重剐蹭（如车身凹陷等）时对应的事故严重程度为2，碰撞导致部件损坏时对应的事故严重程度为3等。

驾驶向量与目标向量的向量相似度可以通过余弦距离、欧式距离等确定，向量距离越大，向量相似度越小。在一些实施例中，驾驶风险指数可以基于驾驶向量与目标向量的向量相似度以及目标向量对应的事故严重程度计算得到。例如，可以通过以下公式计算：

其中，表示驾驶风险指数，表示车辆当前的驾驶向量与n个目标向量中目标向量i的向量相似度，表示n个目标向量中目标向量i对应的事故严重程度，表示驾驶向量与所有的参考向量（包括发生交通事故的目标向量、未发生交通事故的参考向量）的向量相似度之和。

本说明书一些实施例中，根据驾驶向量与发生交通事故的目标向量之间向量相似度，以及目标向量对应的事故严重程度计算驾驶风险指数，可以充分基于与当前的用户驾驶状态、交通环境特征和车辆行驶特征相似的目标向量及目标向量的事故严重程度计算当前的驾驶风险指数，有效提高驾驶风险指数的准确性。

在一些实施例中，辅助驾驶需求度可以基于驾驶风险指数确定。例如，驾驶风险指数越大，辅助驾驶需求度越大等。在一些实施例中，确定模块120可以基于不同的驾驶风险指数与不同的辅助驾驶需求度的对应关系，根据当前的驾驶风险指数和该对应关系可以确定辅助驾驶需求度。在一些实施例中，可以根据先验知识或历史数据构建不同的驾驶风险指数与不同的辅助驾驶需求度的对应关系。

在一些实施例中，辅助驾驶需求度还相关于用户的应急处理能力。例如，用户的应急处理能力越强，其对应的辅助驾驶需求度越低。

应急处理能力是指用户应对紧急情况时的处理能力。示例性的紧急情况可以包括但不限于碰撞、追尾、侧滑、方向失控等。应急处理能力可以通过数值等进行表示，数值越大，对应的用户应急处理能力越弱。

在一些实施例中，应急处理能力可以通过预设评定规则，基于用户的历史驾驶数据确定。示例性的，预设评定规则可以包括：设置不同的驾驶里程的区间、紧急情况次数的区间、驾驶事故次数的区间与不同的应急处理能力的对应关系，根据历史驾驶数据（例如，历史驾驶里程、历史紧急情况次数和历史驾驶事故次数）所属的区间与该对应关系可以确定用户的应急处理能力。

在一些实施例中，可以根据先验知识或历史数据构建不同的驾驶里程的区间、紧急情况次数的区间、驾驶事故次数的区间与不同的应急处理能力的对应关系。

本说明书的一些实施例中，在确定辅助驾驶需求度时，通过考虑驾驶状态可以更好地针对不同用户的驾驶习惯，为用户提供更具有适应性的辅助驾驶；通过考虑驾驶风险指数，可以判断用户当前发生交通事故的风险，为用户提供更有针对性的辅助驾驶，降低发生安全事故的风险，提高安全性；此外，通过考虑用户的应急处理能力，可以避免过度的辅助驾驶对用户的干扰，提升用户的辅助驾驶体验。

图4是根据本说明书一些实施例所示的确定目标辅助驾驶参数的示例性流程图。如图4所示，流程400包括下述步骤。在一些实施例中，流程400可以由确定模块120执行。

步骤410，基于车辆行驶特征、交通环境特征确定候选辅助驾驶项目。

辅助驾驶项目是车辆辅助驾驶系统辅助车辆正常行驶的至少一个项目。例如，辅助驾驶项目可以包括纵向功能项目（包括前向碰撞预警、后向碰撞预警、自动紧急制动、自适应巡航控制和加速踏板防误踩等）和侧向功能项目（包括车道偏离预警、变道碰撞预警、盲区监测和车道保持辅助等）等。

候选辅助驾驶项目是指候选的用于辅助车辆正常行驶的至少一个辅助驾驶项目。

关于车辆行驶特征、交通环境特征的更多说明可以分别参见图2、图3相关描述。关于目标辅助驾驶项目的更多说明可以参见步骤420及其相关描述。

在一些实施例中，确定模块120可以基于不同的车辆行驶特征、不同交通环境特征与不同的候选辅助驾驶项目的对应关系，根据当前的车辆行驶特征、交通环境特征和该对应关系确定候选辅助驾驶项目。在一些实施例中，可以根据先验知识或历史数据构建不同的车辆行驶特征、不同交通环境特征与不同的候选辅助驾驶项目的对应关系。

在一些实施例中，确定模块120在确定候选辅助驾驶项目时，还可以同时确定各个候选辅助驾驶项目的子辅助需求度。相应的，上述对应关系为不同的车辆行驶特征、不同交通环境特征与不同的候选辅助驾驶项目及其子辅助需求度的对应关系。进而，确定模块120可以根据当前的车辆行驶特征、交通环境特征和该对应关系确定候选辅助驾驶项目及其子辅助需求度。其中，子辅助需求度可以反映用户对某一候选辅助驾驶项目的需求高低。

在一些实施例中，确定模块120还可以基于各个候选辅助驾驶项目的子辅助需求度，确定用户的辅助驾驶需求度。例如，可以通过对各个候选辅助驾驶项目的子辅助需求度加权融合等方式，确定用户的辅助驾驶需求度。

在一些实施例中，确定模块120还可以基于交通环境特征，通过理想特征确定模型动态确定车辆的理想行驶特征；基于实际行驶特征和理想行驶特征的行驶差值，确定候选辅助驾驶项目。关于确定候选辅助驾驶项目的更多说明可以参见图5及其相关描述。

步骤420，基于候选辅助驾驶项目、辅助驾驶需求度确定目标辅助驾驶参数。

目标辅助驾驶参数是指实际用于辅助车辆正常行驶的参数。例如，目标辅助驾驶参数可以包括语音提醒、转动方向盘等。

在一些实施例中，目标辅助驾驶参数可以包括至少一个目标辅助驾驶项目及其对应的辅助等级。

目标辅助驾驶项目是指实际用于辅助车辆正常行驶的至少一个辅助驾驶项目。关于辅助驾驶项目的更多说明可以参见步骤410及其相关描述。

辅助等级是指为用户提供辅助驾驶项目的辅助程度。在一些实施例中，辅助等级可以包括一级辅助等级（对应辅助方式为仅显示指引）、二级辅助等级（对应辅助方式为仅语音提醒）、三级辅助等级（对应辅助方式为同时进行显示指引和语音提醒）、四级辅助等级（对应辅助方式为强制接管，可由用户提前选择是否开启）等。其中，二级辅助等级可以基于提醒次数、语音强度等进一步划分二级子辅助等级。例如，提醒次数越大、语音强度越高，二级子辅助等级越高。辅助等级越高，则辅助程度越高。

在一些实施例中，确定模块120可以通过多种方式，基于候选辅助驾驶项目、辅助驾驶需求度确定目标辅助驾驶参数。例如，确定模块120在可以将子辅助需求度高于对应需求度阈值的一个或多个候选辅助驾驶项目确定为目标辅助驾驶项目。以及，当子辅助需求度越高时，设置对应的辅助等级越高。需求度阈值可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。

在一些实施例中，确定模块120可以将实际行驶特征和理想行驶特征的行驶差值中，不满足偏差阈值的行驶特征对应的候选辅助驾驶项目确定为目标辅助驾驶项目。其中，不满足偏差阈值可以指车距小于车距偏差阈值、车速大于车速偏差阈值等。例如，不满足偏差阈值的行驶特征为车距时，可以将车距对应的候选辅助驾驶项目（如，自适应巡航控制、前向碰撞预警等）确定为目标辅助驾驶项目。关于行驶差值的更多说明可以参见图3相关内容。

偏差阈值是指与行驶差值相关的阈值条件。在一些实施例中，偏差阈值可以包括多个。例如，偏差阈值可以包括车速偏差阈值（理想环境下的车速与实际行车情况下的车速之间的车速差值对应的阈值）、车距偏差阈值（理想环境下的车距与实际行车情况下的车距之间的车距差值对应的阈值）等。在一些实施例中，偏差阈值可以基于历史数据确定。示例性的，偏差阈值可以是发生交通事故的历史行车记录对应的行驶差值的平均值或对平均值进行调整（例如，调大或调小一定范围的值）后的值等。

在一些实施例中，偏差阈值还可以相关于用户的应急处理能力。示例性的，在根据前述方式确定偏差阈值后，可以根据用户的应急处理能力对偏差阈值进行调整。如，用户的应急处理能力越强时，可以将车速偏差阈值调大，将车距偏差阈值调小。关于应急处理能力的更多说明可以参见图3。

本说明书一些实施例中，基于偏差阈值确定目标辅助驾驶项目可以更准确地确定目标辅助驾驶项目，避免过度辅助驾驶。其中，偏差阈值相关于用户的应急处理能力，可以对不同的用户确定目标辅助驾驶项目，为用户提供的辅助驾驶更有针对性，提高用户的驾驶体验。

在一些实施例中，确定模块120可以基于行驶差值与对应偏差阈值的距离，确定对应目标辅助驾驶项目的辅助等级。例如，当车速差值超出对应车速偏差阈值的距离越大，或车距阈值小于对应车距偏差阈值的距离越大时，可以确定对应目标辅助驾驶项目的辅助等级越高。其中，距离可以包括但不限于欧式距离、曼哈顿距离、切比雪夫距离和马氏距离等。

在一些实施例中，目标辅助驾驶项目及其对应的辅助等级还可以基于辅助效果调整。其中，辅助效果可以基于用户的反馈确定。

辅助效果是指衡量辅助驾驶项目对用户提供的帮助的有效性的参数。不同辅助驾驶项目对应不同的辅助效果。辅助效果可以根据用户的反馈确定。用户的反馈可以在用户的驾驶行为结束后，通过评分系统、调查问卷等方式获取。

在一些实施例中，确定模块120可以基于辅助效果对目标辅助驾驶项目及其辅助等级进行调整。例如，辅助效果包括碰撞预警提醒等级过高时，则可以降低碰撞预警提醒的辅助等级。又例如，辅助效果包括车道偏离预警帮助较小时，则可以将车道偏离预警从目标辅助驾驶项目中排除。

本说明书一些实施例中，基于车辆行驶特征、交通环境特征确定候选辅助驾驶项目并进一步确定目标辅助驾驶项目及其对应的辅助等级可以针对不同的驾驶人员和不同的交通环境提供辅助驾驶，获得更好的辅助驾驶效果。此外，基于用户的反馈对目标辅助驾驶项目及其对应的辅助等级进行调整，能够进一步提升辅助驾驶的效果，使辅助驾驶更有针对性，提升用户体验。

应当注意的是，上述有关流程200、300、400的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200、300、400进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图5是根据本说明书一些实施例所示的确定候选辅助驾驶项目的示例性示意图。

在一些实施例中，确定模块120可以基于交通环境特征510，通过理想特征确定模型520动态确定车辆的理想行驶特征530；基于实际行驶特征540和理想行驶特征530的行驶差值550，确定候选辅助驾驶项目560。

理想特征确定模型520可以是机器学习模型。在一些实施例中，理想特征确定模型可以包括循环神经网络（Recurrent Neural Network，RNN）模型、深度神经网络（DeepNeural Network，DNN）模型、卷积神经网络（Convolutional Neural Network，CNN）模型等各种可行的模型中的任意一种或组合。

在一些实施例中，理想特征确定模型520的输入可以包括交通环境特征510，理想特征确定模型520的输出可以包括理想行驶特征530。关于交通环境特征、理想行驶特征、行驶差值的更多说明可以参见图3及其相关描述。

在一些实施例中，理想特征确定模型520可以通过多个有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始理想特征确定模型，通过标签和初始理想特征确定模型的结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新初始理想特征确定模型的参数。当满足预设条件时模型训练完成，得到训练好的理想特征确定模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本至少可以包括历史交通环境特征；标签可以是对应的理想行驶特征。标签可以基于历史数据确定，例如，将历史数据中相同历史交通环境特征下行驶比较稳定的行驶特征作为标签。标签可以人工标注确定。其中，行驶稳定可以指行驶过程中车速变化小、车辆等待时间较短、车身部件损耗小等。

在一些实施例中，确定模块120可以基于实际行驶特征540和理想行驶特征530确定实际行驶特征和理想行驶特征的行驶差值550，以及基于实际行驶特征540和理想行驶特征530的行驶差值550，确定候选辅助驾驶项目560。例如，确定模块120可以将不满足差值阈值的行驶差值对应的辅助驾驶项目作为候选辅助驾驶项目。示例性的，当行驶差值包括车速差值，且车速大于超过对应的车速差值阈值，则可以将车速对应的辅助驾驶项目，如自适应巡航控制等作为候选辅助驾驶项目。

本说明书一些实施例中，基于机器学习模型确定理想行驶特征，可以提高获取理想行驶特征的效率，可以减小理想行驶特征的误差，让特征值更符合实际。

本说明书实施例还提供一种车辆辅助驾驶装置，包括处理器，所述处理器用于执行前述任一项所述的车辆辅助驾驶方法。

本说明书实施例还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行前述任一项所述的车辆辅助驾驶方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，并不仅限于披露的实施例，相反，旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种车辆辅助驾驶方法，其特征在于，所述方法由车辆辅助驾驶系统执行，所述方法包括：

获取车辆行驶特征以及用户驾驶特征；

基于所述车辆行驶特征以及所述用户驾驶特征，确定用户的辅助驾驶需求度；

基于所述辅助驾驶需求度确定目标辅助驾驶参数；

基于所述目标辅助驾驶参数为所述用户提供辅助驾驶。

2.如权利要求1所述的方法，其特征在于，所述基于所述车辆行驶特征以及所述用户驾驶特征，确定用户的辅助驾驶需求度包括：

基于所述车辆行驶特征以及所述用户驾驶特征，确定所述用户的驾驶状态；

基于所述驾驶状态确定所述辅助驾驶需求度。

3.如权利要求2所述的方法，其特征在于，所述基于所述驾驶状态确定所述辅助驾驶需求度包括：

基于所述驾驶状态、所述车辆行驶特征以及交通环境特征，确定驾驶风险指数；

基于所述驾驶风险指数确定所述辅助驾驶需求度。

4.如权利要求1所述的方法，其特征在于，所述基于所述辅助驾驶需求度确定目标辅助驾驶参数包括：

基于所述车辆行驶特征、交通环境特征确定候选辅助驾驶项目；

基于所述候选辅助驾驶项目、所述辅助驾驶需求度确定目标辅助驾驶参数，所述目标辅助驾驶参数包括至少一个目标辅助驾驶项目及其对应的辅助等级。

5.一种车辆辅助驾驶系统，其特征在于，所述系统包括：

获取模块，用于获取车辆行驶特征以及用户驾驶特征；

确定模块，用于

基于所述车辆行驶特征以及所述用户驾驶特征，确定用户的辅助驾驶需求度；

基于所述辅助驾驶需求度确定目标辅助驾驶参数；

辅助驾驶模块，用于基于所述目标辅助驾驶参数为所述用户提供辅助驾驶。

6.如权利要求5所述的系统，其特征在于，所述确定模块还用于：

基于所述车辆行驶特征以及所述用户驾驶特征，确定所述用户的驾驶状态；

基于所述驾驶状态确定所述辅助驾驶需求度。

7.如权利要求6所述的系统，其特征在于，所述确定模块还用于：

基于所述驾驶状态、所述车辆行驶特征以及交通环境特征，确定驾驶风险指数；

基于所述驾驶风险指数确定所述辅助驾驶需求度。

8.如权利要求5所述的系统，其特征在于，所述确定模块还用于：

基于所述车辆行驶特征、交通环境特征确定候选辅助驾驶项目；

基于所述候选辅助驾驶项目、所述辅助驾驶需求度确定目标辅助驾驶参数，所述目标辅助驾驶参数包括至少一个目标辅助驾驶项目及其对应的辅助等级。

9.一种车辆辅助驾驶装置，包括处理器，其特征在于，所述处理器用于执行如权利要求1~4任一项所述的车辆辅助驾驶方法。

10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1~4任一项所述的车辆辅助驾驶方法。

Images