CN116923458A - 一种车辆驾驶控制方法、装置及介质 - Google Patents
一种车辆驾驶控制方法、装置及介质 Download PDFInfo
- Publication number
- CN116923458A CN116923458A CN202311198384.8A CN202311198384A CN116923458A CN 116923458 A CN116923458 A CN 116923458A CN 202311198384 A CN202311198384 A CN 202311198384A CN 116923458 A CN116923458 A CN 116923458A
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- coefficient
- smoothness
- mode
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims description 35
- 238000012937 correction Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000007621 cluster analysis Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 16
- 230000006399 behavior Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 231100000817 safety factor Toxicity 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
-
- 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
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W60/005—Handover processes
- B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
Abstract
本申请公开了一种车辆驾驶控制方法、装置及介质，属于人机共驾技术领域，所述方法包括：获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；向车辆驾驶系统进行轨迹平滑度的迭代反馈；根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；根据所述车辆的目标驾驶模式对所述车辆进行控制。本申请的技术方案引入舒适性和安全性相结合的指标，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
Description
技术领域
本申请涉及人机共驾技术领域，特别涉及一种车辆驾驶控制方法、装置及介质。
背景技术
目前，当前的人机共驾系统主要依据驾驶人和驾驶系统的驾驶能力强弱，来决定由谁来接管驾驶权，主要侧重考虑安全性，但是虽然能够从安全性的角度最大化保障车辆行驶不出事故，但很多场景下的决策过于生硬或状态切换过于突兀，往往在极短时间内发生：例如急减速、刹车、急转弯、急变道等，或者以非常慢的速度行驶来保障安全，这里虽然保障了车辆行驶的安全，但对于商业化落地的技术，目前通过车辆行驶带给驾驶主人优于纯手动驾驶的体验感，与通过更好的舒适性体现共驾系统的优势还存在较大距离。
发明内容
为了克服上述技术缺陷，本申请的目的在于提供一种车辆驾驶控制方法、装置及介质，所述方法包括：获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；向车辆驾驶系统进行轨迹平滑度的迭代反馈； 根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；根据所述车辆的目标驾驶模式对所述车辆进行控制。本申请的技术方案引入舒适性和安全性相结合的指标，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
本申请实施例提供的具体技术方案如下：
第一方面，提供了一种车辆驾驶控制方法，所述方法包括：获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；向车辆驾驶系统进行轨迹平滑度的迭代反馈；根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；根据所述车辆的目标驾驶模式对所述车辆进行控制。
进一步地，所述根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，包括：根据所述驾驶员的信息参数以及车辆驾驶场景确定对所述车辆的第二驾驶模式；通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型；判断在所述驾驶风格系数模型中是否存在所述第二驾驶模式的模型匹配；
所述根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式，包括：若所述驾驶风格系数模型中存在所述第二驾驶模式的模型匹配，则根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；
或者，所述根据车辆的目标驾驶模式对所述车辆进行控制，包括：若所述驾驶风格系数模型中不存在所述第二驾驶模式的模型匹配，则确定所述第二驾驶模式为所述目标驾驶模式以及根据所述第二驾驶模式对所述车辆进行控制。
进一步地，所述根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式之前，所述方法还包括：判断所述第二驾驶模式是否在所述驾驶风格系数模型中训练过；若是，则根据所述车辆驾驶场景以及通过所述驾驶风格模式的迭代反馈获取的驾驶风格系数对驾驶员和/或所述车辆的自动驾驶控制模块的驾驶权系数进行分配；若否，则向所述车辆驾驶系统进行驾驶风格模式的迭代反馈。
进一步地，所述通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型，包括：通过对所述驾驶员的信息参数的聚类分析获取驾驶风格分类数据；通过驾驶风格训练程序对所述驾驶风格分类数据进行训练；通过驾驶风格辨识模型对训练过的驾驶风格分类数据进行辨识精度测试；根据辨识精度测试后的驾驶风格分类数据建立驾驶风格系数模型。
进一步地，所述根据所述驾驶风格模式的迭代反馈与轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式，包括：通过所述驾驶风格模式的迭代反馈获取驾驶风格系数，通过所述轨迹平滑度的迭代反馈获取平滑度系数，根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式为所述目标驾驶模式；所述根据所述车辆的目标驾驶模式对所述车辆进行控制，包括：根据所述第一驾驶模式对所述车辆进行控制。
进一步地，所述向车辆驾驶系统进行轨迹平滑度的迭代反馈，包括：通过高精导航地图获取所述车辆预规划路径的行车轨迹途经点；所述根据所述第一驾驶模式对所述辆进行控制之前，所述方法还包括：判断所述车辆预规划路径行车轨迹途经点的平滑度是否经过平滑度轨迹曲线拟合算法进行拟合；所述根据所述第一驾驶模式对所述车辆进行控制，包括：若所述车辆预规划路径行车轨迹途经点的平滑度已经过平滑度轨迹曲线拟合算法进行拟合，则根据所述车辆的第一驾驶模式对所述车辆进行控制。
进一步地，所述方法还包括：若所述车辆预规划路径行车轨迹途经点的平滑度未经过平滑度轨迹曲线拟合算法进行拟合，则通过平滑度轨迹曲线拟合算法对所述车辆预规划路径的行车轨迹途经点进行平滑性处理，并向车辆驾驶系统提供平滑性修正参数以及驾驶权系数分配结果；
其中，所述向车辆驾驶系统提供平滑性修正参数，包括：
获取机器驾驶参数A，获取驾驶人驾驶参数B，其中x= A与B的比值；通过公式y=f（x）= c + b x+ ax2，计算安全舒适度y，其中a、b、c为特定常数；通过最小二乘法二次多项式矩阵算法确定高精导航地图轨迹曲线函数f（x）；通过驾驶员监控系统获取驾驶人驾驶车辆的方向盘转向力F1，获取机器驾驶车辆的方向盘转向力F2，获取机器驾驶车辆的方向盘转向力和驾驶人驾驶车辆的方向盘转向力的拟合合力F3；通过高精导航地图轨迹曲线函数f（x）获取F1与F2的偏转角θ；通过欧拉函数公式cos(180° -θ) =（（K*F1)2+F22- F32)/2* K*F1* F2，计算平滑性修正参数K。
进一步地，所述根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，包括：获取驾驶员性别对应的预设安全系数，获取驾驶员年龄对应的预设安全系数，获取车辆加速度对应的预设安全系数，获取车辆行驶速度对应的预设安全系数；其中，驾驶风格系数等于驾驶员性别对应的预设安全系数、驾驶员年龄对应的预设安全系数、车辆加速度对应的预设安全系数、车辆行驶速度对应的预设安全系数四者的乘积；
获取车辆轨迹途经点偏转角α，常量M；
通过公式，计算方差S(x)；
通过公式平滑性系数 = M * 方差S(x)，计算平滑性系数；
通过公式舒适度系数=平滑性系数 / 驾驶风格系数，计算舒适度系数值。
第二方面，提供了一种车辆驾驶控制装置，所述装置包括：获取模块，用于获取驾驶员的信息参数；反馈模块，用于根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，向车辆驾驶系统进行轨迹平滑度的迭代反馈；确认模块，用于根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；控制模块，用于根据所述车辆的目标驾驶模式对所述车辆进行控制。
第三方面，提供了一种计算机设备，所述设备包括：存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现如第一方面任一所述的车辆驾驶控制方法的步骤。
第四方面，提供了一种计算机存储介质，所述介质包括：其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面任一所述的车辆驾驶控制方法的步骤。
与现有技术相比，本申请实施例提供的技术方案的所述车辆驾驶控制方法包括：获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；向车辆驾驶系统进行轨迹平滑度的迭代反馈； 根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；根据所述车辆的目标驾驶模式对所述车辆进行控制。本申请的技术方案引入舒适性和安全性相结合的指标，并使用两个维度的均衡分配算法，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
本申请实施例提供的技术方案分别引入驾驶风格系数、轨迹平滑性系数、舒适性因素指标，融合不同驾驶风格和不同驾驶能力作为驾驶权分配的衡量输入，通过驾驶风格模式和轨迹平滑度的双闭环迭代反馈，随驾驶员驾驶时间增长而更贴近个性化趋势。
本申请实施例提供的技术方案可以根据不同的驾驶人群的习性和喜好，通过不断迭代反馈，逐步优化驾驶行为参数，最终结合个性化的账号系统，达到最适合驾驶员驾驶的理想方式。
本申请实施例提供的技术方案可以通过融合驾驶人的驾驶习性因素，突出 驾驶的舒适性；通过融合驾驶人或机器驾驶能力安全性因素，突出驾驶的安全性，以及通过多次数据的驾驶风格模式、轨迹平滑度反馈积累，基于驾驶风格系数模型逐步达到在不同风格、不同驾驶能力下都有理想的驾驶权系数分配占比，最终达到即可兼顾安全性又可兼顾舒适性的驾驶状态。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的车辆驾驶控制方法的第一流程图；
图2为本申请实施例一提供的车辆驾驶控制方法的第二流程图；
图3为本申请实施例二提供的驾驶风格系数模型建立流程图；
图4为本申请实施例二提供的车辆预经途径点轨迹拟合示意图；
图5为本申请实施例二提供的高精导航地图轨迹曲线图；
图6为本申请实施例二提供的车辆驾驶控制方法的第三流程图；
图7为本申请实施例三提供的车辆驾驶控制装置的结构图；
图8为本申请实施例五提供的可被用于实施本申请中所述的各个实施例的示例性系统。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
实施例一
本申请实施例提供了一种车辆驾驶控制方法，如图1所示，所述方法包括：获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；向车辆驾驶系统进行轨迹平滑度的迭代反馈； 根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；根据所述车辆的目标驾驶模式对所述车辆进行控制。
具体地，如图2所示，车辆驾驶系统启动并运行，该车辆共驾系统通过驾驶员监控系统 (DMS，driver monitoring system)采集驾驶员的驾驶行为水平及 对应操作的驾驶安全性系数（驾驶员的信息参数），并通过历史数据与系统采集的数据进行对比；根据采集的驾驶员的信息参数数据，将该数据按照驾驶风格系数模型进行计算和分类，然后通过驾驶风格模式的闭环迭代反馈方式反馈给下一次的迭代输入，以积累标定点，消除偶然误差，积累量级数据保障数据，及提高驾驶风格控制的可靠性；同时根据驾驶能力优劣进行驾驶权系数的分配，即根据不同驾驶员的驾驶能力（驾驶风格系数）和车辆驾驶场景（通过DMS系统获取）进行驾驶权系数的分配，以第一优先级的提供安全决策保障；向车辆驾驶系统进行轨迹平滑度的迭代反馈，将驾驶权系数分配结果和通过平滑度轨迹曲线拟合算法对所述车辆预规划路径的行车轨迹途经点进行平滑性优化结果作为反馈信号，即作为舒适性的反馈信号，以传递给下一次迭代使用；该车辆共驾系统的动力执行单元根据所述驾驶风格系数以及平滑度系数确定舒适度系数值；根据所述舒适度系数值以及舒适度模式与舒适度系数值的映射关系表确定对所述车辆的第一驾驶模式；根据所述车辆的第一驾驶模式对所述车辆进行控制；最后车辆停车熄火或手动退出该双闭环控制驾驶系统模式。
可以理解的是，在考虑安全的情况下，该车辆驾驶控制方法根据驾驶风格系数模型最大程度的考虑了舒适度，充分利用智能汽车现有的传感器数据，兼顾安全性和舒适性对车辆进行驾驶风格模式、轨迹平滑度双闭环反馈控制。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供的技术方案引入舒适性和安全性相结合的指标，并使用两个维度的均衡分配算法，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
本申请实施例提供的技术方案分别引入驾驶风格系数、轨迹平滑性系数、舒适性因素指标，融合不同驾驶风格和不同驾驶能力作为驾驶权分配的衡量输入，通过驾驶风格模式和轨迹平滑度的双闭环迭代反馈，随驾驶员驾驶时间增长而更贴近个性化趋势。
本申请实施例提供的技术方案可以根据不同的驾驶人群的习性和喜好，通过不断迭代反馈，逐步优化驾驶行为参数，最终结合个性化的账号系统，达到最适合驾驶员驾驶的理想方式。
实施例二
本申请实施例提供了一种车辆驾驶控制方法，如图1所示，所述方法包括：
步骤S01，获取驾驶员的信息参数。
具体地，车辆启动，车辆运行该双闭环车辆驾驶系统，通过驾驶员监控系统来获取驾驶员的信息参数。其中，所述驾驶员的信息参数可以包括驾驶员性别、年龄等个人信息。
步骤S02，根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，通过所述驾驶风格模式的迭代反馈获取驾驶风格系数。
本申请可以根据不同的驾驶人群的习性和喜好，通过不断迭代反馈，逐步优化驾驶行为参数，最终结合个性化的账号系统，达到最适合驾驶员驾驶的理想方式。
步骤S02还包括：
步骤S021，根据所述驾驶员的信息参数以及车辆驾驶场景对所述驾驶员匹配第二驾驶模式；通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型；判断在所述驾驶风格系数模型中是否存在所述第二驾驶模式的模型匹配；若是，则对所述第二驾驶模式是否在所述驾驶风格系数模型中训练过进行判断；若否，则确定所述第二驾驶模式为所述目标驾驶模式以及根据所述第二驾驶模式对所述车辆进行控制。
具体地，根据所述驾驶员的信息参数以及车辆驾驶场景对所述驾驶员匹配第二驾驶模式（第二驾驶模式比如：年轻人适合的侵略模式，中老年适合的谨慎模式）。
根据现有的驾驶风格系数模型和对采集的数据聚类分析后，判断在所述驾驶风格系数模型中是否有所述第二驾驶模式的模型匹配，即所述驾驶风格系数模型是否能涵盖遇到的驾驶风格和驾驶模式。
当所述驾驶风格系数模型中没有对应第二驾驶模式的适用模型时，属于小概率事件，此时不做数据积累，则进行接管和移交，根据所述第二驾驶模式对所述车辆进行控制。
这里，根据所述驾驶员的信息参数以及车辆驾驶场景对所述驾驶员匹配第二驾驶模式，当在所述驾驶风格系数模型中不存在有所述第二驾驶模式的模型匹配时，根据所述第二驾驶模式对所述车辆进行控制，增加了车辆驾驶系统的选择性和智能性。
步骤S022，判断所述第二驾驶模式是否在所述驾驶风格系数模型中训练过；若是，则根据所述车辆驾驶场景以及通过所述驾驶风格模式的迭代反馈获取的驾驶风格系数对驾驶员和/或所述车辆的自动驾驶控制模块的驾驶权系数进行分配；若否，则向所述车辆驾驶系统进行驾驶风格模式的迭代反馈。
具体地，判断所述第二驾驶模式是否在所述驾驶风格系数模型中训练过，即本次第二驾驶模式是否经过驾驶风格系数模型使用过，若是，则根据所述车辆驾驶场景以及通过所述驾驶风格模式的迭代反馈获取的驾驶风格系数对驾驶员和/或所述车辆的自动驾驶控制模块的驾驶权系数进行分配；若否，则向车辆驾驶系统进行驾驶风格系数模式的迭代反馈，迭代积累驾驶风格系数模型标定点。
这里，通过判断所述第二驾驶模式是否在所述驾驶风格系数模型中训练过，可以更精确的向所述车辆驾驶系统进行驾驶风格模式的迭代反馈。
步骤S023，通过对所述驾驶员信息参数的聚类分析获取驾驶风格分类数据；通过驾驶风格训练程序对所述驾驶风格分类数据进行训练；通过驾驶风格辨识模型对训练过的驾驶风格分类数据进行辨识精度测试；根据辨识精度测试后的驾驶风格分类数据建立驾驶风格系数模型。
具体地，如图3所示，通过不断采集驾驶员信息数据的同时，建立驾驶员驾驶数据数据库，并通过对数据进行聚类分析，将不同风格的数据分类，通过数据库，不断通过驾驶风格训练程序对所述驾驶风格分类数据进行训练，然后通过驾驶风格辨识模型对训练过的驾驶风格分类数据进行辨识精度测试匹配，快速进行当前驾驶风格的辨识，根据辨识精度测试后的驾驶风格分类数据建立驾驶风格系数模型，输出给车辆共驾系统，可以通过融合驾驶人的驾驶习性因素，突出驾驶的舒适性；通过融合驾驶人或机器驾驶能力安全性因素，突出驾驶的安全性。
而当遇到其他驾驶员驾驶本车辆情况或遇到紧急驾驶特殊情况时，则只采集其他驾驶员的驾驶行为数据并存储，便于后续建立并优化其他驾驶员的驾驶风格系数模型。
步骤S03，向车辆驾驶系统进行轨迹平滑度的迭代反馈，通过所述轨迹平滑度的迭代反馈获取平滑度系数。
步骤S03还包括：
步骤S031，根据车辆驾驶场景以及驾驶风格系数对驾驶人和/或所述车辆的自动驾驶控制模块的驾驶权系数进行分配；通过高精导航地图获取所述车辆预规划路径的行车轨迹途经点；判断所述车辆预规划路径行车轨迹途经点的平滑度是否经过平滑度轨迹曲线拟合算法进行拟合；若是，则通过所述轨迹平滑度的迭代反馈获取平滑度系数，根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式，根据所述车辆的第一驾驶模式对所述车辆进行控制；若否，则通过平滑度轨迹曲线拟合算法对所述车辆预规划路径的行车轨迹途经点进行平滑性处理优化，向车辆驾驶系统进行轨迹平滑度的迭代反馈，并向车辆驾驶系统提供平滑性修正参数以及驾驶权系数分配结果。
具体地，根据驾驶能力优劣进行驾驶权系数的分配，即根据不同驾驶员的驾驶能力（驾驶风格系数）和车辆驾驶场景（通过DMS系统获取）进行驾驶权系数的分配，以第一优先级的提供安全决策保障。
例如，在城市市区路段，车辆驾驶人的驾驶权系数会较高；在高速路段，车辆机器的驾驶权系数会较高。
如图4所示，通过高精导航地图获取所述车辆预规划路径的行车轨迹离散途经点；判断所述车辆预规划路径行车轨迹途经点的平滑度是否经过平滑度轨迹曲线拟合算法进行拟合；若所述车辆预规划路径行车轨迹途经点的平滑度没有经过平滑度轨迹曲线拟合算法进行拟合，则通过平滑度轨迹曲线拟合算法对所述车辆预规划路径的行车轨迹途经点进行平滑性优化，向车辆驾驶系统进行轨迹平滑度的迭代反馈，并向车辆驾驶系统提供平滑性修正参数以及驾驶权系数分配结果。
这里，通过多次数据的轨迹平滑度反馈积累，引入轨迹平滑性系数，随驾驶员驾驶时间增长而更贴近个性化趋势，最终达到即可兼顾安全性又可兼顾舒适性的驾驶状态。
步骤S032，获取机器驾驶参数A，获取驾驶人驾驶参数B，获取x，其中x= A/B，A+ B= 1；通过公式y=f（x）= c + b x+ ax2，计算安全舒适度y，其中a、b、c为特定常数；通过最小二乘法二次多项式矩阵算法确定高精导航地图轨迹曲线函数f（x）；通过驾驶员监控系统获取驾驶人驾驶车辆的方向盘转向力F1，获取机器驾驶车辆的方向盘转向力F2，获取机器驾驶车辆的方向盘转向力和驾驶人驾驶车辆的方向盘转向力的拟合合力F3；通过高精导航地图轨迹曲线函数f（x）获取驾驶人驾驶车辆的方向盘转向力F1与机器驾驶车辆的方向盘转向力F2的偏转角θ；通过欧拉函数公式cos(180°-θ) =（（K*F1)2+F22- F32)/2* K* F1* F2，计算平滑性修正参数K。
这里，驾驶人驾驶车辆的方向盘转向力F1为F人，机器驾驶车辆的方向盘转向力F2为F机架，机器驾驶车辆的方向盘转向力和驾驶人驾驶车辆的方向盘转向力的拟合合力F3为F共驾输出；平滑性修正参数K为K修；通过高精导航地图轨迹曲线函数f（x）获取F人与F机架的偏转角θ；
即通过欧拉函数公式cos(180°-θ) =（（K修*F人)2+F机架 2- F共驾输出 2)/2* K修* F人* F机架，计算平滑性修正参数K修。
这里，通过计算平滑性修正参数K修可以更精确的对车辆进行轨迹平滑度反馈积累，通过不断迭代反馈，逐步优化驾驶行为参数，最终结合个性化的账号系统，达到最适合驾驶员驾驶的理想方式。
具体地，如图5所示，通过最小二乘法二次多项式矩阵算法确定高精导航地图轨迹曲线函数f（x），将下表1数据代入最小二乘法二次多项式矩阵中，计算得到a=0.85，b=0.854，c=1.006，即高精导航地图轨迹曲线函数f（x）= 1.006+ 0.854x+ 0.85x2。
表1
其中，所述最小二乘法二次多项式矩阵算法形式为
步骤S04，根据所述驾驶风格系数以及平滑度系数确定舒适度系数值。
步骤S04还包括：
步骤S041，获取驾驶员性别对应的预设安全系数，获取驾驶员年龄对应的预设安全系数，获取车辆加速度对应的预设安全系数，获取车辆行驶速度对应的预设安全系数；通过公式：驾驶风格系数=驾驶员性别对应的预设安全系数*驾驶员年龄对应的预设安全系数*车辆加速度对应的预设安全系数*车辆行驶速度对应的预设安全系数，计算驾驶风格系数；
获取车辆轨迹途经点偏转角α，常量M；
通过公式，计算方差S(x)；
通过公式平滑性系数 = M * 方差S(x)，计算平滑性系数；
通过公式舒适度系数=平滑性系数 / 驾驶风格系数，计算舒适度系数值。
具体地，通过表2获取驾驶员性别对应的预设安全系数，通过表3获取驾驶员年龄对应的预设安全系数，通过表4获取车辆加速度对应的预设安全系数，通过表5获取车辆行驶速度对应的预设安全系数；
通过公式：驾驶风格系数=驾驶员性别对应的预设安全系数*驾驶员年龄对应的预设安全系数*车辆加速度对应的预设安全系数*车辆行驶速度对应的预设安全系数，计算驾驶风格系数，驾驶风格系数如表6所示。
这里，可以看出车辆加减速度在一定程度上与车辆制动、加速频率成正比；而车辆行驶速度测量标准是按照场景区域内，通过单位距离的平均速度获取。
表2
表3
表4
表5
表6
这里，在有限距离内，以1km作为1个计算周期，5m作为1个途经点，则途经点的数量M为200；而当以10km作为1个计算周期，5m作为1个途经点，则途经点的数量M为2000。
每个途经点与下一个途经点的斜率（正弦值）以直线行驶为均值，计算1km内，所有途经点的方差值。
通过公式平滑性系数 = M * 方差S(x)，计算平滑性系数，平滑性系数值如表7所示：
表7
而舒适度系数值与平滑性系数成正比，与驾驶风格系数成反比，所以通过公式舒适度系数值=平滑性系数 / 驾驶风格系数，计算舒适度系数值。
其中，车辆轨迹途经点偏转角α为车辆轨迹途径点与下一个途经点连线与车辆行驶方向垂直线之间的夹角。
通过根据所述驾驶风格系数以及平滑度系数计算舒适度系数值，可以根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式，通过驾驶风格模式和轨迹平滑度的双闭环迭代反馈，随驾驶员驾驶时间增长而更贴近个性化趋势。
步骤S05，根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式。
具体地，如表8所示，驾驶模式根据舒适度系数数据量化可以有5种模式，例如：当舒适度系数范围值为6-7.625时，则确认模式4为目标驾驶模式，当舒适度系数范围值为22.375-161.375时，则确认模式2为目标驾驶模式；从商用化和实用性角度，模式1 会较缓慢，属于非常保守方案，对80%人群不够实用；模式5属于激进冒进模式，只对少数赛车或特殊路段特殊用途使用；因此，综合衡量模式2、3、4将会是兼具最安全 、最舒适的驾驶模式方案选择。
表8
这里，通过引入舒适性和安全性相结合的指标，并使用两个维度的均衡分配算法，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
步骤S06，根据所述车辆的第一驾驶模式对所述车辆进行控制。
具体地，其中驾驶模式2、3、4 可以根据不同的驾驶人群习性和喜好，通过不断迭代反馈，逐步优化驾驶员行为参数，最终结合驾驶员个性化的账号系统，达到最适合驾驶员的理想方式。
如图6所示，本申请的技术方案提出一种车辆驾驶控制的方法，获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，通过所述驾驶风格模式的迭代反馈获取驾驶风格系数；向车辆驾驶系统进行轨迹平滑度的迭代反馈，通过所述轨迹平滑度的迭代反馈获取平滑度系数；根据所述驾驶风格系数以及平滑度系数确定舒适度系数值；根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式；根据所述车辆的第一驾驶模式对所述车辆进行控制。本申请的技术方案引入舒适性和安全性相结合的指标，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
本申请实施例提供的车辆驾驶控制的方法在不脱离本申请技术方案的前提下，还可以做出若干改进以及优化，这些改进与优化也应当视为本申请的保护范围。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供的技术方案引入舒适性和安全性相结合的指标，并使用两个维度的均衡分配算法，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
本申请实施例提供的技术方案分别引入驾驶风格系数、轨迹平滑性系数、舒适性因素指标，融合不同驾驶风格和不同驾驶能力作为驾驶权分配的衡量输入，通过驾驶风格模式和轨迹平滑度的双闭环迭代反馈，随驾驶员驾驶时间增长而更贴近个性化趋势。
本申请实施例提供的技术方案可以根据不同的驾驶人群的习性和喜好，通过不断迭代反馈，逐步优化驾驶行为参数，最终结合个性化的账号系统，达到最适合驾驶员驾驶的理想方式。
实施例三
本申请提供了一种车辆驾驶控制装置，如图7所示，所述装置包括获取模块、反馈模块、确认模块、控制模块。
在本实施例中，获取模块，用于获取驾驶员的信息参数；反馈模块，用于根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，向车辆驾驶系统进行轨迹平滑度的迭代反馈；确认模块，用于根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；控制模块，用于根据所述车辆的目标驾驶模式对所述车辆进行控制。
进一步地，反馈模块，用于根据所述驾驶员的信息参数以及车辆驾驶场景确定对所述车辆的第二驾驶模式；通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型；判断在所述驾驶风格系数模型中是否存在所述第二驾驶模式的模型匹配。
进一步地，确认模块，用于若所述驾驶风格系数模型中存在所述第二驾驶模式的模型匹配，则根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式。
进一步地，控制模块，用于若所述驾驶风格系数模型中不存在所述第二驾驶模式的模型匹配，则确定所述第二驾驶模式为所述目标驾驶模式以及根据所述第二驾驶模式对所述车辆进行控制。
进一步地，反馈模块，还用于判断所述第二驾驶模式是否在所述驾驶风格系数模型中训练过；若是，则根据所述车辆驾驶场景以及通过所述驾驶风格模式的迭代反馈获取的驾驶风格系数对驾驶员和/或所述车辆的自动驾驶控制模块的驾驶权系数进行分配；若否，则向所述车辆驾驶系统进行驾驶风格模式的迭代反馈。
进一步地，反馈模块，还用于通过对所述驾驶员的信息参数的聚类分析获取驾驶风格分类数据；通过驾驶风格训练程序对所述驾驶风格分类数据进行训练；通过驾驶风格辨识模型对训练过的驾驶风格分类数据进行辨识精度测试；根据辨识精度测试后的驾驶风格分类数据建立驾驶风格系数模型。
进一步地，确认模块，用于通过所述驾驶风格模式的迭代反馈获取驾驶风格系数，通过所述轨迹平滑度的迭代反馈获取平滑度系数，根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式为所述目标驾驶模式。
进一步地，控制模块，用于根据所述第一驾驶模式对所述车辆进行控制。
进一步地，反馈模块，用于通过高精导航地图获取所述车辆预规划路径的行车轨迹途经点；所述根据所述第一驾驶模式对所述辆进行控制之前，所述方法还包括：判断所述车辆预规划路径行车轨迹途经点的平滑度是否经过平滑度轨迹曲线拟合算法进行拟合；所述根据所述第一驾驶模式对所述车辆进行控制，包括：若所述车辆预规划路径行车轨迹途经点的平滑度已经过平滑度轨迹曲线拟合算法进行拟合，则根据所述车辆的第一驾驶模式对所述车辆进行控制。
进一步地，反馈模块，用于若所述车辆预规划路径行车轨迹途经点的平滑度未经过平滑度轨迹曲线拟合算法进行拟合，则通过平滑度轨迹曲线拟合算法对所述车辆预规划路径的行车轨迹途经点进行平滑性处理，并向车辆驾驶系统提供平滑性修正参数以及驾驶权系数分配结果；
其中，所述向车辆驾驶系统提供平滑性修正参数，包括：获取机器驾驶参数A，获取驾驶人驾驶参数B，其中x= A与B的比值；通过公式y=f（x）= c + b x+ ax2，计算安全舒适度y，其中a、b、c为特定常数；通过最小二乘法二次多项式矩阵算法确定高精导航地图轨迹曲线函数f（x）；通过驾驶员监控系统获取驾驶人驾驶车辆的方向盘转向力F1，获取机器驾驶车辆的方向盘转向力F2，获取机器驾驶车辆的方向盘转向力和驾驶人驾驶车辆的方向盘转向力的拟合合力F3；通过高精导航地图轨迹曲线函数f（x）获取F1与F2的偏转角θ；通过欧拉函数公式cos (180° -θ) =（（K*F1)2+F22- F32)/2* K* F1* F2，计算平滑性修正参数K。
进一步地，确认模块，还用于获取驾驶员性别对应的预设安全系数，获取驾驶员年龄对应的预设安全系数，获取车辆加速度对应的预设安全系数，获取车辆行驶速度对应的预设安全系数；
其中，驾驶风格系数等于驾驶员性别对应的预设安全系数、驾驶员年龄对应的预设安全系数、车辆加速度对应的预设安全系数、车辆行驶速度对应的预设安全系数四者的乘积；
获取车辆轨迹途经点偏转角α，常量M；
通过公式，计算方差S(x)；
通过公式平滑性系数 = M * 方差S(x)，计算平滑性系数；
通过公式舒适度系数=平滑性系数 / 驾驶风格系数，计算舒适度系数值。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供的技术方案引入舒适性和安全性相结合的指标，并使用两个维度的均衡分配算法，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
本申请实施例提供的技术方案分别引入驾驶风格系数、轨迹平滑性系数、舒适性因素指标，融合不同驾驶风格和不同驾驶能力作为驾驶权分配的衡量输入，通过驾驶风格模式和轨迹平滑度的双闭环迭代反馈，随驾驶员驾驶时间增长而更贴近个性化趋势。
实施例四
本申请提供一种计算机设备，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可以执行如下车辆驾驶控制的方法：获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；向车辆驾驶系统进行轨迹平滑度的迭代反馈；根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；根据所述车辆的目标驾驶模式对所述车辆进行控制。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供的技术方案引入舒适性和安全性相结合的指标，并使用两个维度的均衡分配算法，在车辆行驶安全性的前提下，兼顾舒适性或体验性的要求。
本申请实施例提供的技术方案分别引入驾驶风格系数、轨迹平滑性系数、舒适性因素指标，融合不同驾驶风格和不同驾驶能力作为驾驶权分配的衡量输入，通过驾驶风格模式和轨迹平滑度的双闭环迭代反馈，随驾驶员驾驶时间增长而更贴近个性化趋势。
本申请实施例提供的技术方案可以根据不同的驾驶人群的习性和喜好，通过不断迭代反馈，逐步优化驾驶行为参数，最终结合个性化的账号系统，达到最适合驾驶员驾驶的理想方式。
实施例五
本申请提供了一种计算机存储介质，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以下步骤：获取驾驶员的信息参数；根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；向车辆驾驶系统进行轨迹平滑度的迭代反馈； 根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；根据所述车辆的目标驾驶模式对所述车辆进行控制。
进一步地，所述根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，包括：根据所述驾驶员的信息参数以及车辆驾驶场景确定对所述车辆的第二驾驶模式；通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型；判断在所述驾驶风格系数模型中是否存在所述第二驾驶模式的模型匹配；所述根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式，包括：若所述驾驶风格系数模型中存在所述第二驾驶模式的模型匹配，则根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；或者，所述根据车辆的目标驾驶模式对所述车辆进行控制，包括：若所述驾驶风格系数模型中不存在所述第二驾驶模式的模型匹配，则确定所述第二驾驶模式为所述目标驾驶模式以及根据所述第二驾驶模式对所述车辆进行控制。
进一步地，所述根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式之前，所述方法还包括：判断所述第二驾驶模式是否在所述驾驶风格系数模型中训练过；若是，则根据所述车辆驾驶场景以及通过所述驾驶风格模式的迭代反馈获取的驾驶风格系数对驾驶员和/或所述车辆的自动驾驶控制模块的驾驶权系数进行分配；若否，则向所述车辆驾驶系统进行驾驶风格模式的迭代反馈。
进一步地，所述通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型，包括：通过对所述驾驶员的信息参数的聚类分析获取驾驶风格分类数据；通过驾驶风格训练程序对所述驾驶风格分类数据进行训练；通过驾驶风格辨识模型对训练过的驾驶风格分类数据进行辨识精度测试；根据辨识精度测试后的驾驶风格分类数据建立驾驶风格系数模型。
进一步地，所述根据所述驾驶风格模式的迭代反馈与轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式，包括：通过所述驾驶风格模式的迭代反馈获取驾驶风格系数，通过所述轨迹平滑度的迭代反馈获取平滑度系数，根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式为所述目标驾驶模式；所述根据所述车辆的目标驾驶模式对所述车辆进行控制，包括：根据所述第一驾驶模式对所述车辆进行控制。
进一步地，所述向车辆驾驶系统进行轨迹平滑度的迭代反馈，包括：通过高精导航地图获取所述车辆预规划路径的行车轨迹途经点；所述根据所述第一驾驶模式对所述辆进行控制之前，所述方法还包括：判断所述车辆预规划路径行车轨迹途经点的平滑度是否经过平滑度轨迹曲线拟合算法进行拟合；所述根据所述第一驾驶模式对所述车辆进行控制，包括：若所述车辆预规划路径行车轨迹途经点的平滑度已经过平滑度轨迹曲线拟合算法进行拟合，则根据所述车辆的第一驾驶模式对所述车辆进行控制。
进一步地，所述方法还包括：若所述车辆预规划路径行车轨迹途经点的平滑度未经过平滑度轨迹曲线拟合算法进行拟合，则通过平滑度轨迹曲线拟合算法对所述车辆预规划路径的行车轨迹途经点进行平滑性处理，并向车辆驾驶系统提供平滑性修正参数以及驾驶权系数分配结果；其中，所述向车辆驾驶系统提供平滑性修正参数，包括：获取机器驾驶参数A，获取驾驶人驾驶参数B，其中x= A与B的比值；通过公式y=f（x）= c + b x+ ax2，计算安全舒适度y，其中a、b、c为特定常数；通过最小二乘法二次多项式矩阵算法确定高精导航地图轨迹曲线函数f（x）；通过驾驶员监控系统获取驾驶人驾驶车辆的方向盘转向力F1，获取机器驾驶车辆的方向盘转向力F2，获取机器驾驶车辆的方向盘转向力和驾驶人驾驶车辆的方向盘转向力的拟合合力F3；通过高精导航地图轨迹曲线函数f（x）获取F1与F2的偏转角θ；通过欧拉函数公式cos(180°-θ) =（（K*F1)2+F22- F32)/2* K* F1* F2，计算平滑性修正参数K。
进一步地，所述根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，包括：获取驾驶员性别对应的预设安全系数，获取驾驶员年龄对应的预设安全系数，获取车辆加速度对应的预设安全系数，获取车辆行驶速度对应的预设安全系数；其中，驾驶风格系数等于驾驶员性别对应的预设安全系数、驾驶员年龄对应的预设安全系数、车辆加速度对应的预设安全系数、车辆行驶速度对应的预设安全系数四者的乘积；
获取车辆轨迹途经点偏转角α，常量M；
通过公式，计算方差S(x)；
通过公式平滑性系数 = M * 方差S(x)，计算平滑性系数；
通过公式舒适度系数=平滑性系数 / 驾驶风格系数，计算舒适度系数值。
本申请实施例提供的技术方案可以根据不同的驾驶人群的习性和喜好，通过不断迭代反馈，逐步优化驾驶行为参数，最终结合个性化的账号系统，达到最适合驾驶员驾驶的理想方式。
图8为本申请实施例五提供的可被用于实施本申请中所述的各个实施例的示例性系统；如图8所示，在一些实施例中，系统能够作为各所述实施例中的任意一个用于车辆驾驶控制的上述设备。在一些实施例中，系统可包括具有结果的一个或多个计算机可读介质(例如，系统存储器或NVM/存储设备)以及与该一个或多个计算机可读介质耦合并被配置为执行结果以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器)。
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结合相关的硬件来完成，上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。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆驾驶控制方法，其特征在于，所述方法包括：
获取驾驶员的信息参数；
根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈；
向车辆驾驶系统进行轨迹平滑度的迭代反馈；
根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；
根据所述车辆的目标驾驶模式对所述车辆进行控制。
2.根据权利要求1所述的车辆驾驶控制方法，其特征在于，所述根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，包括：
根据所述驾驶员的信息参数以及车辆驾驶场景确定对所述车辆的第二驾驶模式；
通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型；
判断在所述驾驶风格系数模型中是否存在所述第二驾驶模式的模型匹配；
所述根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式，包括：若所述驾驶风格系数模型中存在所述第二驾驶模式的模型匹配，则根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；
或者，
所述根据车辆的目标驾驶模式对所述车辆进行控制，包括：
若所述驾驶风格系数模型中不存在所述第二驾驶模式的模型匹配，则确定所述第二驾驶模式为所述目标驾驶模式以及根据所述第二驾驶模式对所述车辆进行控制。
3.根据权利要求2所述的车辆驾驶控制方法，其特征在于，所述根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式之前，所述方法还包括：
判断所述第二驾驶模式是否在所述驾驶风格系数模型中训练过；
若是，则根据所述车辆驾驶场景以及通过所述驾驶风格模式的迭代反馈获取的驾驶风格系数对驾驶员和/或所述车辆的自动驾驶控制模块的驾驶权系数进行分配；若否，则向所述车辆驾驶系统进行驾驶风格模式的迭代反馈。
4.根据权利要求2所述的车辆驾驶控制方法，其特征在于，所述通过对所述驾驶员信息参数的聚类分析建立驾驶风格系数模型，包括：
通过对所述驾驶员的信息参数的聚类分析获取驾驶风格分类数据；
通过驾驶风格训练程序对所述驾驶风格分类数据进行训练；
通过驾驶风格辨识模型对训练过的驾驶风格分类数据进行辨识精度测试；
根据辨识精度测试后的驾驶风格分类数据建立驾驶风格系数模型。
5.根据权利要求1至4中任一项所述的车辆驾驶控制方法，其特征在于，所述根据所述驾驶风格模式的迭代反馈与轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式，包括：
通过所述驾驶风格模式的迭代反馈获取驾驶风格系数，通过所述轨迹平滑度的迭代反馈获取平滑度系数，根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，根据所述舒适度系数值以及舒适度模式与舒适度系数范围值的映射关系表确定对所述车辆的第一驾驶模式为所述目标驾驶模式；
所述根据所述车辆的目标驾驶模式对所述车辆进行控制，包括：
根据所述第一驾驶模式对所述车辆进行控制。
6.根据权利要求5所述的车辆驾驶控制方法，其特征在于，所述向车辆驾驶系统进行轨迹平滑度的迭代反馈，包括：
通过高精导航地图获取车辆预规划路径的行车轨迹途经点；
所述根据所述第一驾驶模式对所述辆进行控制之前，所述方法还包括：
判断所述车辆预规划路径行车轨迹途经点的平滑度是否经过平滑度轨迹曲线拟合算法进行拟合；
所述根据所述第一驾驶模式对所述车辆进行控制，包括：
若所述车辆预规划路径行车轨迹途经点的平滑度已经过平滑度轨迹曲线拟合算法进行拟合，则根据所述车辆的第一驾驶模式对所述车辆进行控制。
7.根据权利要求6所述的车辆驾驶控制方法，其特征在于，所述方法还包括：
若所述车辆预规划路径行车轨迹途经点的平滑度未经过平滑度轨迹曲线拟合算法进行拟合，则通过平滑度轨迹曲线拟合算法对所述车辆预规划路径的行车轨迹途经点进行平滑性处理，并向车辆驾驶系统提供平滑性修正参数以及驾驶权系数分配结果；
其中，所述向车辆驾驶系统提供平滑性修正参数，包括：
获取机器驾驶参数A，获取驾驶人驾驶参数B，其中x= A与B的比值；
通过公式y=f（x）= c + b x+ ax2，计算安全舒适度y，其中a、b、c为特定常数；
通过最小二乘法二次多项式矩阵算法确定高精导航地图轨迹曲线函数f（x）；
通过驾驶员监控系统获取驾驶人驾驶车辆的方向盘转向力F1，获取机器驾驶车辆的方向盘转向力F2，获取机器驾驶车辆的方向盘转向力和驾驶人驾驶车辆的方向盘转向力的拟合合力F3；通过高精导航地图轨迹曲线函数f（x）获取F1与F2的偏转角θ；
通过欧拉函数公式cos(180° -θ) =（（K*F1)2 +F22 - F32)/2* K* F1* F2，计算平滑性修正参数K。
8.根据权利要求5所述的车辆驾驶控制方法，其特征在于，所述根据所述驾驶风格系数以及平滑度系数确定舒适度系数值，包括：
获取驾驶员性别对应的预设安全系数，获取驾驶员年龄对应的预设安全系数，获取车辆加速度对应的预设安全系数，获取车辆行驶速度对应的预设安全系数；
其中，驾驶风格系数等于驾驶员性别对应的预设安全系数、驾驶员年龄对应的预设安全系数、车辆加速度对应的预设安全系数、车辆行驶速度对应的预设安全系数四者的乘积；
获取车辆轨迹途经点偏转角α，常量M；
通过公式，计算方差S(x)；
通过公式平滑性系数 = M * 方差S(x)，计算平滑性系数；
通过公式舒适度系数=平滑性系数 / 驾驶风格系数，计算舒适度系数值。
9.一种车辆驾驶控制装置，其特征在于，所述装置包括：
获取模块，用于获取驾驶员的信息参数；
反馈模块，用于根据所述驾驶员的信息参数向车辆驾驶系统进行驾驶风格模式的迭代反馈，向车辆驾驶系统进行轨迹平滑度的迭代反馈；
确认模块，用于根据所述驾驶风格模式的迭代反馈与所述轨迹平滑度的迭代反馈确定对所述车辆的目标驾驶模式；
控制模块，用于根据所述车辆的目标驾驶模式对所述车辆进行控制。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8中任一项所述车辆驾驶控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311198384.8A CN116923458B (zh) | 2023-09-18 | 2023-09-18 | 一种车辆驾驶控制方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311198384.8A CN116923458B (zh) | 2023-09-18 | 2023-09-18 | 一种车辆驾驶控制方法、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116923458A true CN116923458A (zh) | 2023-10-24 |
| CN116923458B CN116923458B (zh) | 2023-12-01 |
Family
ID=88390934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311198384.8A Active CN116923458B (zh) | 2023-09-18 | 2023-09-18 | 一种车辆驾驶控制方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116923458B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009280097A (ja) * | 2008-05-22 | 2009-12-03 | Fuji Heavy Ind Ltd | ステアリングパラメータ最適化システム |
| US20160250983A1 (en) * | 2015-02-26 | 2016-09-01 | Ford Global Technologies, Llc | Methods and systems to determine and communicate driver performance |
| CN109375632A (zh) * | 2018-12-17 | 2019-02-22 | 清华大学 | 自动驾驶车辆实时轨迹规划方法 |
| US20200339159A1 (en) * | 2018-01-10 | 2020-10-29 | Huawei Technologies Co., Ltd. | Automatic driving track obtaining method and apparatus |
| US20210403034A1 (en) * | 2020-06-29 | 2021-12-30 | Woven Planet North America, Inc. | Systems and Methods for Optimizing Trajectory Planner Based on Human Driving Behaviors |
| US20210403044A1 (en) * | 2020-06-25 | 2021-12-30 | Robert Bosch Gmbh | Situation-adapted actuation for driver assistance systems and systems for the at least partially automated control of vehicles |
| CN115805947A (zh) * | 2022-11-21 | 2023-03-17 | 清华大学 | 一种个性化车辆轨迹预测方法、系统、设备和存储介质 |
| CN115973191A (zh) * | 2022-12-29 | 2023-04-18 | 清华大学 | 智能汽车人机共驾控制方法 |
| CN116495014A (zh) * | 2023-06-28 | 2023-07-28 | 北京理工大学 | 一种自进化非博弈自动驾驶车辆人机共驾方法及系统 |
| CN116670004A (zh) * | 2020-12-28 | 2023-08-29 | 本田技研工业株式会社 | 车辆控制装置、车辆系统、车辆控制方法及程序 |
-
2023
- 2023-09-18 CN CN202311198384.8A patent/CN116923458B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009280097A (ja) * | 2008-05-22 | 2009-12-03 | Fuji Heavy Ind Ltd | ステアリングパラメータ最適化システム |
| US20160250983A1 (en) * | 2015-02-26 | 2016-09-01 | Ford Global Technologies, Llc | Methods and systems to determine and communicate driver performance |
| US20200339159A1 (en) * | 2018-01-10 | 2020-10-29 | Huawei Technologies Co., Ltd. | Automatic driving track obtaining method and apparatus |
| CN109375632A (zh) * | 2018-12-17 | 2019-02-22 | 清华大学 | 自动驾驶车辆实时轨迹规划方法 |
| US20210403044A1 (en) * | 2020-06-25 | 2021-12-30 | Robert Bosch Gmbh | Situation-adapted actuation for driver assistance systems and systems for the at least partially automated control of vehicles |
| US20210403034A1 (en) * | 2020-06-29 | 2021-12-30 | Woven Planet North America, Inc. | Systems and Methods for Optimizing Trajectory Planner Based on Human Driving Behaviors |
| CN116670004A (zh) * | 2020-12-28 | 2023-08-29 | 本田技研工业株式会社 | 车辆控制装置、车辆系统、车辆控制方法及程序 |
| CN115805947A (zh) * | 2022-11-21 | 2023-03-17 | 清华大学 | 一种个性化车辆轨迹预测方法、系统、设备和存储介质 |
| CN115973191A (zh) * | 2022-12-29 | 2023-04-18 | 清华大学 | 智能汽车人机共驾控制方法 |
| CN116495014A (zh) * | 2023-06-28 | 2023-07-28 | 北京理工大学 | 一种自进化非博弈自动驾驶车辆人机共驾方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116923458B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3730370B1 (en) | Method and device for acquiring automatic driving track | |
| CN108256233B (zh) | 基于驾驶员风格的智能车轨迹规划及跟踪方法和系统 | |
| CN110597245B (zh) | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 | |
| DE102018109161B4 (de) | Verfahren zur steuerung eines fahrzeugs unter berücksichtigung einer neigungskompensation sowie fahrzeug zur ausgführung des verfahrens | |
| CN110103956A (zh) | 一种无人车自动超车轨迹规划方法 | |
| CN110703754B (zh) | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 | |
| CN110626339B (zh) | 基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法 | |
| CN111681452B (zh) | 一种基于Frenet坐标系下的无人驾驶汽车动态换道轨迹规划方法 | |
| CN103754221A (zh) | 一种车辆自适应巡航控制系统 | |
| DE102018113926A1 (de) | Autonome Fahrzeugantriebssysteme und Verfahren für kritische Zustände | |
| CN111332362B (zh) | 一种融合驾驶员个性的智能线控转向控制方法 | |
| CN109219547A (zh) | 用于估计在车辆的当前的和/或未来的航路点处的最大摩擦系数的概率分布的方法 | |
| CN109849910A (zh) | 无人驾驶车辆多目标决策控制方法、装置及计算机可读存储介质 | |
| CN112965476B (zh) | 一种基于多窗口模型的高速无人车轨迹规划系统及方法 | |
| WO2021129156A1 (zh) | 智能汽车的控制方法、装置和控制系统 | |
| CN114502445B (zh) | 适应用户驾驶偏好控制自主车辆 | |
| CN109311482A (zh) | 用于确定未来路径点处的安全速度的方法 | |
| CN110843765A (zh) | 一种自动驾驶方法、装置及电子设备 | |
| CN115047766A (zh) | 一种基于预测控制模型的速度规划方法 | |
| CN116118780A (zh) | 一种车辆避障轨迹规划方法、系统、车辆及存储介质 | |
| CN112193253B (zh) | 一种无人驾驶车辆在变曲率弯道行驶的纵向控制方法 | |
| CN116923458B (zh) | 一种车辆驾驶控制方法、装置及介质 | |
| CN113184040B (zh) | 一种基于驾驶人转向意图的无人车线控转向控制方法及系统 | |
| US20200192307A1 (en) | Control customization system, control customization method, and control customization program | |
| CN114572244A (zh) | 智能驾驶及adas前车驾驶行为识别预测方法及模块 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |