CN117022325B - 汽车驾驶控制方法、装置、电子设备和存储介质 - Google Patents
汽车驾驶控制方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117022325B CN117022325B CN202311094885.1A CN202311094885A CN117022325B CN 117022325 B CN117022325 B CN 117022325B CN 202311094885 A CN202311094885 A CN 202311094885A CN 117022325 B CN117022325 B CN 117022325B
- Authority
- CN
- China
- Prior art keywords
- driving
- control
- current
- highest weight
- control behavior
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013507 mapping Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 207
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 4
- 239000000725 suspension Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- B60W60/001—Planning or execution of driving tasks
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4041—Position
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4044—Direction of movement, e.g. backwards
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提出一种汽车驾驶控制方法、装置、电子设备和存储介质,属于汽车控制技术领域。该方法根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景,通过加入交通参与者特征信息对驾驶场景作进一步地细分,可得到更加细致的驾驶场景。在确定当前驾驶场景之后,根据当前驾驶场景和第一映射关系,可直接快速确定出目标对象在当前驾驶场景下的最优操控行为,从而可生成该最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行最优操控行为。由于最优操控行为是由目标对象在对应驾驶场景下的驾驶习惯和操控习惯确定,从而该最优操控行为能够更符合目标对象的驾驶习惯和操控习惯,可实现拟人化的自动驾驶。
Description
技术领域
本申请涉及汽车控制技术领域,尤其涉及一种汽车驾驶控制方法、装置、电子设备和存储介质。
背景技术
目前,自动驾驶车辆在自动驾驶模式下是根据采集的路况信息以及导航信息,按照预置的驾驶规则执行驾驶操作。然而,自动驾驶车辆在自动驾驶模式下执行的驾驶操作对于驾驶员来说往往不是最佳的。如何优化自动驾驶车辆在自动驾驶模式下执行的驾驶操作以更好地满足驾驶员的驾驶习惯和操控习惯是需要解决的问题。
发明内容
本申请实施例的主要目的在于提出一种汽车驾驶控制方法、装置、电子设备和存储介质。旨在在自动驾驶时基于当前驾驶场景,根据驾驶员的驾驶习惯和操控习惯进行驾驶操控,可实现拟人化的自动驾驶。
为实现上述目的,本申请实施例的第一方面提出了一种汽车驾驶控制方法,所述方法包括:
根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景;
根据所述当前驾驶场景和第一映射关系,确定目标对象在所述当前驾驶场景下的最优操控行为,所述第一映射关系为不同驾驶场景与对应最优操控行为的映射关系,所述最优操控行为由所述目标对象在对应驾驶场景下的驾驶习惯和操控习惯确定;
生成所述最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行所述最优操控行为。
本申请实施例中,根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景,即当前驾驶场景并不是简单只包含当前道路特征信息,还包含交通参与者特征信息。通过加入交通参与者特征信息对驾驶场景作进一步地细分,可得到更加细致的驾驶场景。在确定当前驾驶场景之后,根据当前驾驶场景和第一映射关系,可直接快速确定出目标对象在当前驾驶场景下的最优操控行为,从而可生成该最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行最优操控行为。由于最优操控行为是由目标对象在不同驾驶场景下的驾驶习惯和操控习惯确定,从而该最优操控行为能够更符合目标对象的驾驶习惯和操控习惯,可实现拟人化的自动驾驶。
在本申请的一个实施例中,确定所述目标对象在所述当前驾驶场景下的最优控制行为包括:
获取所述目标对象在所述当前驾驶场景下的历史驾驶习惯数据和历史操控习惯数据;
对所述历史驾驶习惯数据进行特征分析,得到所述目标对象在所述当前驾驶场景下的目标驾驶风格;
对所述历史操控习惯数据进行统计分析,得到所述目标对象在所述当前驾驶场景下多个不同操控行为对应的权重;
根据所述目标驾驶风格和多个不同操控行为对应的权重,确定所述目标对象在所述当前驾驶场景下的最优操控行为。
本申请实施例中,通过对目标对象在当前驾驶场景下的历史驾驶习惯数据进行特征分析,可得到目标对象在当前驾驶场景下的目标驾驶风格。通过对目标对象在当前驾驶场景下的历史操控习惯数据进行统计分析,可得到目标对象在当前驾驶场景下多个不同操控行为对应的权重。从而可根据目标驾驶风格和多个不同操控行为对应的权重,确定目标对象在当前驾驶场景下的最优操控行为,能够使得得到的最优操控行为尽可能地满足目标对象在当前场景下的驾驶风格和操控偏好。
在本申请的一个实施例中,所述根据所述目标驾驶风格和多个不同操控行为对应的权重,确定所述目标对象在所述当前驾驶场景下的最优操控行为包括:
判断多个不同操控行为对应的权重中最高权重对应的所述操控行为是否符合所述目标驾驶风格;
若最高权重对应的所述操控行为符合所述目标驾驶风格,选取最高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
若最高权重对应的所述操控行为不符合所述目标驾驶风格,判断最高权重减去次高权重的差值是否大于预设值和次高权重对应的所述操控行为是否符合所述目标驾驶风格;
若最高权重减去次高权重的差值不大于所述预设值,且次高权重对应的所述操控行为符合所述目标驾驶风格,选取次高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
若最高权重减去次高权重的差值大于所述预设值,或者次高权重对应的所述操控行为不符合所述目标驾驶风格,选取最高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为。
本申请实施例中,通过不同操控行为对应的权重和目标驾驶风格综合确定最优操控行为,能够是最终确定的最优操控行为为最符合目标对象驾驶习惯或操控习惯的行为。
在本申请的一个实施例中,在确定所述目标对象在所述当前驾驶场景下的最优操控行为之后,所述方法还包括:
根据所述当前驾驶场景下其他行驶车辆的驾驶情况,确定其他行驶车辆的驾驶风格;
根据其他行驶车辆的驾驶风格对所述最优操控行为进行评估。
本申请实施例中,通过对当前驾驶场景下其他行驶车辆的驾驶情况进行分析,可确定其他行驶车辆的驾驶风格,从而可通过其他行驶车辆的驾驶风格对最优操控行为的合理性进行评估。
在本申请的一个实施例中,所述根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景,包括:
在汽车行驶过程中采集当前道路特征信息;
获取当前道路上的当前交通参与者特征信息,所述当前交通参与者特征信息包括当前道路车辆信息、当前道路行人信息和当前道路障碍物信息;
将所述当前道路特征信息和所述当前交通参与者特征信息进行融合,得到当前驾驶场景。
本申请实施例中,当前交通参与者特征信息包括道路车辆信息、道路行人信息和道路障碍物信息,通过将当前道路特征信息和当前交通参与者特征信息进行融合,能够使得当前驾驶场景准确还原真实驾驶情况,使驾驶场景更细致化,有利于后续执行相应操控行为的准确性。
在本申请的一个实施例中,在根据所述当前驾驶场景和第一映射关系,确定目标对象在所述当前驾驶场景下的最优操控行为之后,所述方法包括:
当检测到所述目标对象驾驶汽车,生成所述最优操控行为对应的提示信息,以对所述目标对象进行操控提示。
本申请实施例中,当由自驾模式切换为驾驶员驾驶模式时,通过生成最优操控行为对应的提示信息,可辅助驾驶。
在本申请的一个实施例中,在按照所述操控指令控制汽车运行的过程中,所述方法包括:
当检测到所述当前驾驶场景发生改变,向对应的控制器发送中止指令,以控制汽车中止执行所述最优操控行为;
返回所述根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景的步骤。
本申请实施例中,考虑到在控制汽车执行最优操控行为的过程中,当前驾驶场景可能会发生改变。而当前驾驶场景一旦发生改变,则当前执行的最优操控行为可能并不是最合适的,甚至可能无法保证安全驾驶,此时,需要中止执行最优操控行为,并重新基于改变后的驾驶场景获取对应的最优操控行为。即可保证最优操控行为跟随驾驶场景实时改变,能够保证驾驶的安全性的同时,又符合目标对象驾驶习惯或操控习惯的行为。
为实现上述目的,本申请实施例的第二方面提出一种汽车驾驶控制装置,所述装置包括:
第一确定模块,用于根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景;
第二确定模块,用于根据所述当前驾驶场景和第一映射关系,确定目标对象在所述当前驾驶场景下的最优操控行为,所述第一映射关系为不同驾驶场景与对应最优操控行为的映射关系,所述最优操控行为由所述目标对象在不同驾驶场景下的驾驶习惯和操控习惯确定;
控制模块,用于生成所述最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行所述最优操控行为。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
为实现上述目的,本申请实施例的第四方面提出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,所述计算机程序被处理器执行时实现上述第一方面所述的方法。
附图说明
图1是本申请实施例中提供的汽车驾驶控制方法的流程图;
图2是本申请实施例提供的根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景的步骤流程图;
图3是本申请实施例提供的确定目标对象在当前驾驶场景下的最优控制行为的步骤流程图;
图4是本申请实施例提供的根据目标驾驶风格和多个不同操控行为对应的权重,确定目标对象在当前驾驶场景下的最优操控行为的步骤流程图;
图5是本申请实施例提供的在确定目标对象在当前驾驶场景下的最优操控行为之后执行的步骤流程图;
图6是本申请实施例提供的在按照操控指令控制汽车运行的过程中执行的步骤流程图;
图7是本申请实施例提供的汽车驾驶控制系统的部署示意图;
图8是本申请实施例提供的汽车驾驶控制装置的结构示意图;
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
自动驾驶技术是当前的研究热点。自动驾驶依靠人工智能,可以在没有人主动操作的情况下,让计算机自动安全地操作机动车。自动驾驶不仅可以将人从费神费力的驾驶操作中解放出来,而且由于计算机的精确性、响应速度及可重复性远远超过人类,因而可以大大提升机动车的安全性,减少交通事故。
当前的自动驾驶技术主要从车辆本身着手,让车载智能计算系统模拟人在驾驶机动车时的一切行为。即让车辆像人一样感知周围环境及道路状况,规划行驶路线,做出相关分析判断和决策,完成诸如加油、刹车、转向等等一系列操作。
目前,自动驾驶车辆在自动驾驶模式下是根据采集的路况信息以及导航信息,按照预置的驾驶规则执行驾驶操作。然而,自动驾驶车辆在自动驾驶模式下执行的驾驶操作对于驾驶员来说往往不是最佳的。如何优化自动驾驶车辆在自动驾驶模式下执行的驾驶操作以更好地满足驾驶员的驾驶习惯和操控习惯是需要解决的问题。
基于此,本申请实施例提出一种汽车驾驶控制方法,旨在在自动驾驶时基于当前驾驶场景,根据驾驶员的驾驶习惯和操控习惯进行驾驶操控,可实现拟人化的自动驾驶。
参照图1,图1是本申请实施例中提供的汽车驾驶控制方法的流程图,图1中的方法可以包括但不限于步骤S110至步骤S130。
步骤S110,根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景。
本申请实施例中,车辆行驶过程中实时采集道路信息,并进行特征分析,可得到道路特征信息。同时,实时获取各种道路场景中存在的各种交通参与者信息,并进行特征分析,可得到交通参与者特征信息。从而基于当前道路特征信息和当前交通参与者特征信息,即可确定当前驾驶场景。即确定的当前驾驶场景包括当前道路场景及当前道路场景中存在的各种交通参与者信息。
参照图2,图2是本申请实施例提供的根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景的步骤流程图,包括但不限于步骤S210至步骤S230。
步骤S210,在汽车行驶过程中采集当前道路特征信息。
本申请实施例中,在车辆行驶过程中,实时采集道路特征信息,并进行融合分析,道路特征信息可包括:车道线信息、交通标识信息、交通信号灯信息、车道数量信息、高精地图信息等。
示例性地,参照表1,表1是采集得到的当前道路特征信息表。如表1所示,采集得到的当前道路为直线车道,车道数为1,车道线为实线,车道坡度为0°~5°,车道平直度为<10°,限速为60km/h,无斑马线和无信号灯。
表1当前道路特征信息表
步骤S220,获取当前道路上的当前交通参与者特征信息,当前交通参与者特征信息包括当前道路车辆信息、当前道路行人信息和当前道路障碍物信息。
本申请实施例中,各种道路场景中存在各种交通参与者信息,交通参与者信息包括道路车辆的信息、道路行人信息和道路障碍物信息。其中,道路车辆的信息可包括同车道同向前车辆信息、同车道同向后车辆信息、左边车道同向前车辆信息、左边道同向后车辆信息、右边车道同向前车辆信息、右边道同向后车辆信息和道路对向车辆信息。而车辆信息包含车速、车距、方向、加减速趋势、行驶稳定性和变道情况及趋势等。道路行人信息包括行人位置、行人速度、行人行走方向等。道路障碍物信息包括道路封闭、道路上障碍物、道路上停止车辆等。本申请实施例中,可进一步对车辆的驾驶情况进行分析,并基于分析结构对道路上的各个车辆进行标签标注,如标注道路上的车辆是慢车、快车等。
示例性地,参照表2,表2是采集得到的当前交通参与者特征信息表。如表2所示,采集得到的交通参与者特征信息包括:与同向前车车距为5m,且与同向前车的速差为-10~10km/h;与同向后车车距为3m,且与同向后车的速差为-10~10km/h;与同向右车车距为20m,且与同向右车的速差为10~20km/h。
表2采集得到的当前交通参与者特征信息表
步骤S230,将当前道路特征信息和当前交通参与者特征信息进行融合,得到当前驾驶场景。
本申请实施例中,结合当前道路特征信息和当前交通参与者特征信息可得到当前驾驶场景。
本申请实施例中,通过将当前道路特征信息和当前交通参与者特征信息进行融合,能够使得当前驾驶场景准确还原真实驾驶情况,使驾驶场景更细致化,有利于后续执行相应操控行为的准确性。
步骤S120,根据当前驾驶场景和第一映射关系,确定目标对象在当前驾驶场景下的最优操控行为,第一映射关系为不同驾驶场景与对应最优操控行为的映射关系,最优操控行为由目标对象在不同驾驶场景下的驾驶习惯和操控习惯确定。
本申请实施例中,在确定当前驾驶场景之后,直接根据第一映射关系,即不同驾驶场景与对应最优操控行为的映射关系,可确定出目标对象在当前驾驶场景下的最优操控行为。其中,第一因映射关系可预先细分不同驾驶场景,并根据驾驶员的驾驶习惯和操控习惯可确定不同驾驶场景下对应的最优操控行为。
示例性地,参照表3,表3是多种驾驶场景示例表。如表3所示,根据道路特征信息和交通参与者特征信息,可确定出各种驾驶场景。比如基于驾驶员A近一年的驾驶数据,该驾驶数据包括每一次驾驶过程中采集得到的道路特征信息和交通参与者特征信息,将道路特征信息和交通参与者特征信息进行融合分析,可得到包含各种交通参与者信息的不同道路场景所对应的驾驶场景。比如总共得到N种驾驶场景。
表3多种驾驶场景示例表
参照图3,图3是本申请实施例提供的确定目标对象在当前驾驶场景下的最优控制行为的步骤流程图,包括但不限于步骤S310至步骤S340。
步骤S310,获取目标对象在当前驾驶场景下的历史驾驶习惯数据和历史操控习惯数据。
步骤S320,对历史驾驶习惯数据进行特征分析,得到目标对象在当前驾驶场景下的目标驾驶风格;
步骤S330,对历史操控习惯数据进行统计分析,得到目标对象在当前驾驶场景下多个不同操控行为对应的权重;
步骤S340,根据目标驾驶风格和多个不同操控行为对应的权重,确定目标对象在当前驾驶场景下的最优操控行为。
本申请实施例中,基于目标对象(即为驾驶员)的历史驾驶数据,可获取得到不同驾驶场景下对应的历史驾驶习惯数据和历史操控习惯数据。比如获取驾驶员A近一年的驾驶数据,就可从这一年的驾驶数据中提取出各个驾驶场景下对应执行过的历史驾驶习惯数据和历史操控习惯数据。其中,驾驶习惯包括起步习惯、变道习惯、转向习惯、加速习惯、减速习惯、驾驶模式习惯、换挡习惯等。历史操控习惯主要包括跟车操控习惯、避让操控习惯和避险操控习惯。其中,跟车操控习惯包括跟车行驶习惯、跟车停止习惯等,避让操控习惯包括他车汇入避让习惯、自车汇入避让习惯、行人避让习惯等,避险操控习惯包括与前车碰撞避险操控习惯、与后车碰撞避险操控习惯、与对向车碰撞避险操控习惯等。也就是说,不同驾驶场景下对应有不同的历史驾驶习惯数据和历史操控习惯数据。从而,为了确定当前驾驶场景下的最优操控行为,需要获取在当前驾驶场景下的历史驾驶习惯数据和历史操控习惯数据,再通过对当前驾驶场景下的历史驾驶习惯数据进行特征分析,可确定出当前驾驶场景下的驾驶风格。通过对当前驾驶场景下的历史操控习惯数据进行统计分析,可得到在当前驾驶场景下多个不同操控行为对应的权重。根据目标驾驶风格和多个不同操控行为对应的权重,确定目标对象在当前驾驶场景下的最优操控行为。
示例性地,对于驾驶场景1,通过对驾驶员A在驾驶场景1下的历史驾驶习惯数据进行特征分析,确定出驾驶员A在驾驶场景1下的驾驶风格为a。通过对驾驶员A在驾驶场景1下的历史操控习惯数据进行统计分析,得到驾驶员A在驾驶场景1下的多个不同操控行为分别为保持跟车和跟车停止,且保持跟车对应的权重为90%,跟车停止对应的权重为10%。此时,根据保持跟车对应的权重、跟车停止对应的权重及驾驶风格a,可确定对于驾驶员A而言,在驾驶场景1下的最优操控行为为保持跟车。通过这种方式,可确定不同驾驶场景下对应的最优操控行为。
本申请实施例中,对于细分后包含各种交通参与者信息的不同道路场景所对应的不同驾驶场景,通过图3所示的步骤,可分别确定出各个驾驶场景下目标对象的最优操控行为,从而可得到第一映射关系,即不同驾驶场景与对应最优操控行为的映射关系。其中,第一映射关系可以通过驾驶场景与最优操控行为的映射表来表示,也可以通过其他形式如图形等进行表示。
本申请实施例中,由于结合目标对象的历史驾驶数据,比如获取目标对象近1年的驾驶数据,可对近1年驾驶过程经历的驾驶场景进行分析和归类,得到若干个细分后的驾驶场景。同时获取这若干个驾驶场景下对应的驾驶习惯数据和操控习惯数据,并分别对这若干个驾驶场景下对应的驾驶习惯数据和操控习惯数据进行分析处理,可得到每个驾驶场景下对应的驾驶风格和多个不同操控行为对应的权重,从而根据每个驾驶场景下对应的驾驶风格和多个不同操控行为对应的权重,可得到每个驾驶场景下对应的最优操控行为。
参照表4,表4是不同驾驶场景下对应的驾驶习惯数据示例表,如表4所示,基于对目标对象的历史驾驶数据的分析,可得到目标对象在不同驾驶场景下对应的驾驶习惯数据。
表4不同驾驶场景下对应的驾驶习惯数据示例表
参照表5,表5是不同驾驶场景下对应的操控习惯数据示例表,如表5所示,基于对目标对象的历史驾驶数据的分析,可得到目标对象在不同驾驶场景下对应的操控习惯数据。
表5不同驾驶场景下对应的操控习惯数据示例表
本申请实施例中,通过对所述历史操控习惯数据进行统计分析,可得到所述目标对象在所述当前驾驶场景下多个不同操控行为对应的权重。参照表6,表6是不同驾驶场景下对应的多个操控行为的权重示例表。
表6不同驾驶场景下对应的多个操控行为的权重示例表
/>
本申请实施例中,在根据目标对象在对应驾驶场景下的驾驶风格和多个操控行为的权重之后,可根据多个操控行为的权重及驾驶风格,确定最优操控行为。
参照图4,图4是本申请实施例提供的根据目标驾驶风格和多个不同操控行为对应的权重,确定目标对象在当前驾驶场景下的最优操控行为的步骤流程图,包括但不限于步骤S410至步骤S450。
步骤S410,判断多个不同操控行为对应的权重中最高权重对应的操控行为是否符合目标驾驶风格;
步骤S420,若最高权重对应的操控行为符合目标驾驶风格,选取最高权重对应的操控行为作为目标对象在当前驾驶场景下的最优操控行为;
步骤S430,若最高权重对应的操控行为不符合目标驾驶风格,判断最高权重减去次高权重的差值是否大于预设值和次高权重对应的操控行为是否符合目标驾驶风格;
步骤S440,若最高权重减去次高权重的差值不大于预设值,且次高权重对应的操控行为符合目标驾驶风格,选取次高权重对应的操控行为作为目标对象在当前驾驶场景下的最优操控行为;
步骤S450,若最高权重减去次高权重的差值大于预设值,或者次高权重对应的操控行为不符合目标驾驶风格,选取最高权重对应的操控行为作为目标对象在当前驾驶场景下的最优操控行为。
本申请实施例中,在确定当前驾驶场景下的多个操控行为的权重之后,先判断最高权重对应的操控行为是否符合目标驾驶风格,若符合,则直接选取最高权重对应的操控行为作为目标对象在当前驾驶场景下的最优操控行为。若不符合,则需要进一步判断最高权重减去次高权重的差值是否大于预设值和次高权重对应的操控行为是否符合目标驾驶风格。若最高权重减去次高权重的差值不大于预设值,说明最高权重和次高权重相差不大,此时,若次高权重对应的操控行为符合目标驾驶风格,则选择次高权重对应的操控行为作为目标对象在当前驾驶场景下的最优操控行为。而若次高权重对应的操控行为不符合目标驾驶风格,则选择最高权重对应的操控行为作为目标对象在当前驾驶场景下的最优操控行为。而若最高权重减去次高权重的差值大于预设值,说明最高权重和次高权重相差较大,此时,以权重为最高优先级,即选择最高权重对应的操控行为作为目标对象在当前驾驶场景下的最优操控行为。可见,最优操控行为为权重占比较高又比较符合对应的驾驶风格的行为。但当权重占比与驾驶风格出现冲突时,权重占比的优先级会大于驾驶风格的优先级。
本申请实施例通过不同操控行为对应的权重和目标驾驶风格综合确定最优操控行为,能够使最终确定的最优操控行为为最符合目标对象驾驶习惯或操控习惯的行为。
在本申请的一个实施例中,参照图5,图5是本申请实施例提供的在确定目标对象在当前驾驶场景下的最优操控行为之后执行的步骤流程图,包括但不限于步骤S510至步骤S520。
步骤S510,根据当前驾驶场景下其他行驶车辆的驾驶情况,确定其他行驶车辆的驾驶风格。
步骤S520,根据其他行驶车辆的驾驶风格对所述最优操控行为进行评估。
本申请实施例中,在确定目标对象在当前驾驶场景下的最优操控行为之后,还可进一步对当前驾驶场景下其他行驶车辆的驾驶情况进行分析,从而可初步得到其他行驶车辆的驾驶风格。从而可根据其他行驶车辆的驾驶风格对最优操控行为的合理性进行评估。示例性地,对于他车汇入的驾驶场景,对当前驾驶场景下其他行驶车辆的驾驶情况进行分析,可确定右边道同向后车辆的变道习惯比较激进。此时,由于右边道同向后车辆的变道习惯比较激进,在右边道同向后车辆想要变道汇入时,若确定的目标对象的最优操控行为为不避让,则产生事故的几率将变大。可见,此种情况下的最优操控行为虽然更符合目标对象的操控习惯和驾驶习惯,但该最优操控行为存在一定的风险,维持该最优操控行为为不避让就不太合理。此时,需要对最优操控行为进行重新选择或更正。比如选择减速避让,虽然减速避让所占的权重比例小于不避让的权重比例,或者减速避让并不太符合目标对象的操控习惯,但是为了保证驾驶的安全性,在该驾驶场景下不能完全遵照目标对象的操控习惯。
需要说明的是,在自驾模式初始会设定典型驾驶场景和典型驾驶操控行为,在用户使用车辆的时间越来越长,可根据用户行驶的道路场景进行新增更多符合用户车辆驾驶的场景,并根据用户在相关驾驶场景下的操控新增更多符合用户驾驶操控的行为。用户车辆使用时间越长,驾驶场景和最优操控行为的映射表会越来越完备,在车辆识别到当前驾驶场景时,控制器的控制逻辑根据用户操控行为进行相应调整,车辆的自动驾驶会越来越拟人化。
步骤S130,生成最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行最优操控行为。
本申请实施例中,在确定出最优操控行为之后,生成最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行最优操控行为。能够使得驾驶操作更符合目标对象本人的驾驶习惯和驾驶能力。
在本申请的一个实施例中,在确定目标对象在当前驾驶场景下的最优操控行为之后,该方法包括:
当检测到目标对象驾驶汽车,生成最优操控行为对应的提示信息,以对目标对象进行操控提示。
本申请实施例中,对于自驾模式,在确定目标对象在当前驾驶场景下的最优操控行为之后,直接生成最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行最优操控行为。而若是目标对象在驾驶操控汽车,此时,只需要生成最优操控行为对应的提示信息,如输出相应的语音或者显示信息,以对目标对象进行操控提示。可辅助驾驶。
在本申请的一个实施例中,参照图6,图6是本申请实施例提供的在按照操控指令控制汽车运行的过程中执行的步骤流程图,包括但不限于步骤S610至步骤S620。
步骤S610,当检测到当前驾驶场景发生改变,向对应的控制器发送中止指令,以控制汽车中止执行最优操控行为;
步骤S620,返回根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景的步骤。
本申请实施例中,考虑到执行最优操控行为的过程并不一定是一个短时完成的过程,即操控指令发出后,可能需要经历2-3分钟的执行过程,在该2-3分钟的执行过程中,驾驶环境可能发生改变。比如,根据当前驾驶环境作出的最优操控行为为减速避险,以免与前车追尾。此时,控制汽车逐渐减速。但是,发现同道后车车速过快,即驾驶环境发生改变。此时,需要控制汽车中止执行最优操控行为,并重新确定驾驶环境,并重新确定改变后的驾驶环境所对应的最优操控行为。比如重新确定改变后的驾驶环境所对应的最优操控行为为变道避险。
本申请实施例中,通过获取当前驾驶场景下其他车辆的驾驶情况,可检测当前驾驶环境是否发生改变。若检测到当前驾驶环境发生改变,则返回根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景的步骤,从而能够重新确定改变后的驾驶环境所对应的最优操控行为。
在本申请的一个实施例中,参照图7,图7是本申请实施例提供的汽车驾驶控制系统的部署示意图。由图7所示,汽车驾驶控制系统包括道路特征分析模块710、交通参与者特征分析模块720、驾驶习惯分析模块730、操控习惯分析模块740、拟人化操控分析模块750、中央域控制器760和智驾域控制器770。其中,道路特征分析模块710、交通参与者特征分析模块720、驾驶习惯分析模块730和操控习惯分析模块740均与拟人化操控分析模块750连接,拟人化操控分析模块750与中央域控制器760连接。道路特征分析模块710和交通参与者特征分析模块720均与中央域控制器760连接。中央域控制器760与智驾域控制器770连接。智驾域控制器770可接收雷达信号和摄像头信号。中央域控制器760与各控制器(图中未标示)连接,如发动机管理系统(EMS)、电机控制器(IPU)、车身控制器(BSC)等。
本申请实施例中,在目标对象驾驶汽车时,通过道路特征分析模块710对采集得到的道路信息进行特征分析,可得到道路特征信息。通过交通参与者特征分析模块720对交通参与者的信息进行特征分析,可得到交通参与者特征信息。从而能够确定出各种各样的驾驶场景。通过驾驶习惯分析模块730对各种驾驶场景下的历史驾驶习惯进行分析,可得到在不同驾驶场景下目标对象的驾驶风格。通过操控习惯分析模块740对各种驾驶场景下的历史操控习惯进行统计分析,可得到在不同驾驶场景下目标对象的多个操控行为的权重。拟人化操控分析模块750根据道路特征分析模块710的输入、交通参与者特征分析模块720的输入、驾驶习惯分析模块730的输入和操控习惯分析模块740的输入,最终可输出最优操控行为至中央域控制器760。中央域控制器760基于拟人化操控分析模块750的输出,可对应生成最优操控行为的操控指令,并发送至各控制器,以控制汽车执行最优操控行为,该最优操控行为更符合目标对象的驾驶习惯和操控习惯,即可实现拟人化的自动驾驶。
本申请实施例中,通过结合不同驾驶场景下的目标对象驾驶习惯和操控习惯的分析,再结合交通参与者信息和用户驾驶风格等综合分析,可得到用户的驾驶操控习惯,并输出驾驶操控逻辑指令。通过对道路特征信息和交通参与者特征信息的融合分析,能够准确分析出目标对象正在行驶的道路情况,对于准确分析用户的操控习惯和操控指令输出的合理性分析具有重要意义。对交通参与者的特征信息进行深入分析,能够更准确还原道路情况和准确分析用户执行相关操控的合理性,并保证在自动驾驶时执行相关操控的准确性。
请参阅图8,本申请实施例还提供一种汽车驾驶控制装置800,可以实现上述汽车驾驶控制装置方法,该装置包括:
第一确定模块801,用于根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景;
第二确定模块802,用于根据当前驾驶场景和第一映射关系,确定目标对象在当前驾驶场景下的最优操控行为,第一映射关系为不同驾驶场景与对应最优操控行为的映射关系,最优操控行为由目标对象在不同驾驶场景下的驾驶习惯和操控习惯确定;
控制模块803,用于生成最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行最优操控行为。
该汽车驾驶控制装置的具体实施方式与上述汽车驾驶控制方法的具体实施例基本相同,在此不再赘述。
本申请实施例还提供了一种电子设备,电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述汽车驾驶控制方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图9,图9示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器901,可以采用通用的CPU(CentralProcessingUnit,中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器902,可以采用只读存储器(ReadOnlyMemory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory,RAM)等形式实现。存储器902可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器902中,并由处理器901来调用执行本申请实施例的汽车驾驶控制方法;
输入/输出接口903,用于实现信息输入及输出;
通信接口904,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线905,在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息;
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,该存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述汽车驾驶控制方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。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。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元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取存储介质中。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介质中,包括多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)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (9)
1.一种汽车驾驶控制方法,其特征在于,所述方法包括:
根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景;
根据所述当前驾驶场景和第一映射关系,确定目标对象在所述当前驾驶场景下的最优操控行为,所述第一映射关系为不同驾驶场景与对应最优操控行为的映射关系,所述最优操控行为是根据所述目标对象在所述当前驾驶场景下对应的目标驾驶风格和多个不同操控行为对应的权重确定,包括:
判断多个不同操控行为对应的权重中最高权重对应的所述操控行为是否符合所述目标驾驶风格;
若最高权重对应的所述操控行为符合所述目标驾驶风格,选取最高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
若最高权重对应的所述操控行为不符合所述目标驾驶风格,判断最高权重减去次高权重的差值是否大于预设值和次高权重对应的所述操控行为是否符合所述目标驾驶风格;
若最高权重减去次高权重的差值不大于所述预设值,且次高权重对应的所述操控行为符合所述目标驾驶风格,选取次高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
若最高权重减去次高权重的差值大于所述预设值,或者次高权重对应的所述操控行为不符合所述目标驾驶风格,选取最高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
生成所述最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行所述最优操控行为。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标对象在所述当前驾驶场景下的历史驾驶习惯数据和历史操控习惯数据;
对所述历史驾驶习惯数据进行特征分析,得到所述目标对象在所述当前驾驶场景下的目标驾驶风格;
对所述历史操控习惯数据进行统计分析,得到所述目标对象在所述当前驾驶场景下多个不同操控行为对应的权重。
3.根据权利要求1所述的方法,其特征在于,在确定所述目标对象在所述当前驾驶场景下的最优操控行为之后,所述方法还包括:
根据所述当前驾驶场景下其他行驶车辆的驾驶情况,确定其他行驶车辆的驾驶风格;
根据其他行驶车辆的驾驶风格对所述最优操控行为进行评估。
4.根据权利要求1所述的方法,其特征在于,所述根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景,包括:
在汽车行驶过程中采集当前道路特征信息;
获取当前道路上的当前交通参与者特征信息,所述当前交通参与者特征信息包括当前道路车辆信息、当前道路行人信息和当前道路障碍物信息;
将所述当前道路特征信息和所述当前交通参与者特征信息进行融合,得到当前驾驶场景。
5.根据权利要求1所述的方法,其特征在于,在确定目标对象在所述当前驾驶场景下的最优操控行为之后,所述方法包括:
当检测到所述目标对象驾驶汽车,生成所述最优操控行为对应的提示信息,以对所述目标对象进行操控提示。
6.根据权利要求1所述的方法,其特征在于,在按照所述操控指令控制汽车运行的过程中,所述方法包括:
当检测到所述当前驾驶场景发生改变,向对应的控制器发送中止指令,以控制汽车中止执行所述最优操控行为;
返回所述根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景的步骤。
7.一种汽车驾驶控制装置,其特征在于,所述装置包括:
第一确定模块,用于根据当前道路特征信息和当前交通参与者特征信息,确定当前驾驶场景;
第二确定模块,用于根据所述当前驾驶场景和第一映射关系,确定目标对象在所述当前驾驶场景下的最优操控行为,所述第一映射关系为不同驾驶场景与对应最优操控行为的映射关系,所述最优操控行为是根据所述目标对象在所述当前驾驶场景下对应的目标驾驶风格和多个不同操控行为对应的权重确定,包括:
判断多个不同操控行为对应的权重中最高权重对应的所述操控行为是否符合所述目标驾驶风格;
若最高权重对应的所述操控行为符合所述目标驾驶风格,选取最高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
若最高权重对应的所述操控行为不符合所述目标驾驶风格,判断最高权重减去次高权重的差值是否大于预设值和次高权重对应的所述操控行为是否符合所述目标驾驶风格;
若最高权重减去次高权重的差值不大于所述预设值,且次高权重对应的所述操控行为符合所述目标驾驶风格,选取次高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
若最高权重减去次高权重的差值大于所述预设值,或者次高权重对应的所述操控行为不符合所述目标驾驶风格,选取最高权重对应的所述操控行为作为所述目标对象在所述当前驾驶场景下的最优操控行为;
控制模块,用于生成所述最优操控行为对应的操控指令,并发送至对应的控制器,以控制汽车执行所述最优操控行为。
8.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311094885.1A CN117022325B (zh) | 2023-08-28 | 2023-08-28 | 汽车驾驶控制方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311094885.1A CN117022325B (zh) | 2023-08-28 | 2023-08-28 | 汽车驾驶控制方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117022325A CN117022325A (zh) | 2023-11-10 |
CN117022325B true CN117022325B (zh) | 2024-02-23 |
Family
ID=88622734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311094885.1A Active CN117022325B (zh) | 2023-08-28 | 2023-08-28 | 汽车驾驶控制方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117022325B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201912005D0 (en) * | 2019-08-21 | 2019-10-02 | Nissan Motor Mfg Uk Ltd | Autonomous driving mode selection system |
CN113619588A (zh) * | 2020-05-09 | 2021-11-09 | 北京地平线机器人技术研发有限公司 | 驾驶行为的提醒方法和装置、存储介质、电子设备 |
CN114559959A (zh) * | 2022-03-18 | 2022-05-31 | 重庆长安汽车股份有限公司 | 一种基于驾驶偏好的自动驾驶行为决策系统及方法 |
CN115195748A (zh) * | 2022-08-15 | 2022-10-18 | 中汽研(天津)汽车工程研究院有限公司 | 基于数据驱动的智能汽车拟人化决策规划系统及方法 |
CN116198534A (zh) * | 2021-12-01 | 2023-06-02 | 北京罗克维尔斯科技有限公司 | 人机共驾的意图融合控制方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10402687B2 (en) * | 2017-07-05 | 2019-09-03 | Perceptive Automata, Inc. | System and method of predicting human interaction with vehicles |
-
2023
- 2023-08-28 CN CN202311094885.1A patent/CN117022325B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201912005D0 (en) * | 2019-08-21 | 2019-10-02 | Nissan Motor Mfg Uk Ltd | Autonomous driving mode selection system |
CN113619588A (zh) * | 2020-05-09 | 2021-11-09 | 北京地平线机器人技术研发有限公司 | 驾驶行为的提醒方法和装置、存储介质、电子设备 |
CN116198534A (zh) * | 2021-12-01 | 2023-06-02 | 北京罗克维尔斯科技有限公司 | 人机共驾的意图融合控制方法、装置、设备及存储介质 |
CN114559959A (zh) * | 2022-03-18 | 2022-05-31 | 重庆长安汽车股份有限公司 | 一种基于驾驶偏好的自动驾驶行为决策系统及方法 |
CN115195748A (zh) * | 2022-08-15 | 2022-10-18 | 中汽研(天津)汽车工程研究院有限公司 | 基于数据驱动的智能汽车拟人化决策规划系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117022325A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108459588B (zh) | 自动驾驶方法及装置、车辆 | |
CN110825093B (zh) | 自动驾驶策略生成方法、装置、设备及存储介质 | |
CN108885836A (zh) | 驾驶辅助方法和利用该驾驶辅助方法的驾驶辅助装置、自动驾驶控制装置、车辆、驾驶辅助系统以及程序 | |
CN112781887A (zh) | 测试车辆性能的方法、装置和系统 | |
WO2021248301A1 (zh) | 自动驾驶系统的自学习方法、装置、设备及存储介质 | |
US20180165838A1 (en) | System and method for generating a semantically meaningful two-dimensional image from three-dimensional data | |
CN109300324A (zh) | 一种无人驾驶汽车的环境信息获取方法及装置 | |
US20220032952A1 (en) | Control system and control method for a hybrid approach for determining a possible trajectory for a motor vehicle | |
CN113165670A (zh) | 一种智能驾驶方法、装置、存储介质及计算机程序 | |
CN111731296B (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
DE112018004953T5 (de) | Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren, programm und sich bewegender körper | |
EP3896604A1 (en) | Vehicle driving and monitoring system; method for maintaining a sufficient level of situational awareness; computer program and computer readable medium for implementing the method | |
EP3725609B1 (en) | Calibrating method for vehicle anti-collision parameters, vehicle controller and storage medium | |
CN109910880B (zh) | 车辆行为规划的方法、装置、存储介质和终端设备 | |
CN112277951B (zh) | 车辆感知模型生成方法、车辆自动驾驶控制方法及装置 | |
CN117302224B (zh) | 一种变道方法、自动驾驶方法、装置及车辆 | |
JP2022094311A (ja) | 運転支援システムによる、自動化された運転過程の選択方法 | |
CN114670872B (zh) | 自动驾驶的速度规划方法、装置、车辆及存储介质 | |
CN112363511A (zh) | 车辆路径规划方法、装置、车载装置及存储介质 | |
CN110843768B (zh) | 汽车自动泊车控制方法、装置、设备及存储介质 | |
CN113071515B (zh) | 可移动载体控制方法、装置、可移动载体及存储介质 | |
CN112506170B (zh) | 一种基于驾驶员模型的测试方法及装置 | |
CN117022325B (zh) | 汽车驾驶控制方法、装置、电子设备和存储介质 | |
US20200369268A1 (en) | Vehicles and systems for predicting road agent behavior based on driving style | |
CN115923780A (zh) | 车辆夜间避撞保护方法、装置、电子设备及存储介质 |
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 |