CN117163057A - 一种智能驾驶系统能力预警方法及系统 - Google Patents

Abstract

本发明提供了一种智能驾驶系统能力预警方法及系统。其中智能驾驶系统能力预警方法包括以下步骤：评估车辆状态和外部环境以确定车辆是否具有自动运行条件；若车辆具有自动运行条件，评估驾驶员当前状态和驾驶风险；基于驾驶员当前状态评估当前驾驶员实际参与度，判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度；若驾驶员实际参与度不满足当前风险等级所需要驾驶员的参与度，对驾驶员进行召回提醒。本发明能够依照实时的风险情况提前改变驾驶员的参与度或调节车辆行驶状态，进而规避未来交通环境风险。

Description

一种智能驾驶系统能力预警方法及系统

技术领域

本发明涉及车辆领域，特别是涉及一种智能驾驶系统能力预警方法及系统。

背景技术

定义自动驾驶系统的第一步是定义其设计运行条件(ODD)，即自动驾驶系统可以启动、安全执行动态驾驶任务(DDT)的条件。通过定义设计运行条件，明确自动驾驶系统的功能和局限性。在既定的条件内，自动驾驶系统可以安全的启动和运行，超过了该条件，自动驾驶系统就会存在风险。现有技术主要提供了一种判断自动驾驶系统是否超出对应在设计运行区域ODD内的方法。发明人认为，现有技术缺少对自动驾驶系统能力的评估。

发明内容

本发明的一个目的是要提供一种对自动驾驶系统能力进行评估以规避未来交通环境风险的方法及系统。

本发明一个进一步的目的是要依照实时的风险情况提前改变驾驶员的参与度或调节车辆行驶状态。

特别地，本发明提供了一种智能驾驶系统能力预警方法，包括以下步骤：

评估车辆状态和外部环境以确定车辆是否具有自动运行条件；

若车辆具有自动运行条件，评估驾驶员当前状态和驾驶风险；

基于驾驶员当前状态评估当前驾驶员实际参与度，判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度；

若驾驶员实际参与度不满足当前风险等级所需要驾驶员的参与度，对驾驶员进行召回提醒。

进一步地，对每个所述风险等级赋予对应的提醒等级，该提醒等级随风险等级的上升而增大，具体包括以下步骤：

当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度时，进行相应提醒等级的提醒；当驾驶员实际参与度小于当前风险等级所需驾驶员参与度时，进行多帧确认后退出召回提醒。

进一步地，在步骤当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度时，进行相应提醒等级的提醒中，若驾驶员在设定时间内未回应或风险等级提升，则提升提醒等级。

进一步地，在驾驶员实际参与度时，包括以下步骤：

计算驾驶员实际参与度时，先计算当前帧之前i帧的提醒等级之和，当当前帧之前i帧的提醒等级之和大于第一设定提醒阈值，且包含当前提醒等级时，则判定当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度。

进一步地，当当前帧之前i帧的提醒等级之和等于第一设定提醒阈值时，若当前帧之前i帧的提醒等级包括至少一个最低提醒等级，则判定当驾驶员实际参与度不小于当前风险等级所需要驾驶员的参与度；当当前帧之前i+1帧的提醒等级之和大于第一设定提醒阈值时，若当前帧之前i帧的提醒等级包括至少一个最低提醒等级，则判定驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度。

进一步地，在步骤基于驾驶员当前状态和风险评估结果评估当前驾驶员实际参与度，判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度中，具体包括以下步骤：

对驾驶员注意力信息、方向盘手部信息和眼部信息分别进行赋值；

确定驾驶员实际参与度与当前风险等级之间的对应关系；

获取驾驶员注意力信息、方向盘手部信息和眼部信息，并根据所述赋值计算驾驶员注意力信息、方向盘手部信息和眼部信息赋值之和作为驾驶员评分；

根据驾驶员评分确定驾驶员实际参与度；

判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度。

进一步地，在步骤若车辆具有自动运行条件，评估驾驶员当前状态和驾驶风险中，评估驾驶员当前状态具体包括以下步骤：

获取上n帧驾驶员状态；

获取当前帧驾驶员注意力信息、方向盘手部信息和眼部信息；

根据所述当前帧驾驶员注意力信息、方向盘手部信息和眼部信息确定当前帧驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求；

若当前帧驾驶员注意力信息、方向盘手部信息和眼部信息满足驾驶状态的要求，则从上n帧驾驶员状态中选取m帧或从上n帧选取连续的p帧进行驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求的确认，若通过确认，则确定驾驶员的当前状态满足驾驶状态的要求。

进一步地，若当前帧驾驶员注意力信息、方向盘手部信息和眼部信息不满足驾驶状态的要求，则从当前帧为起始连取q帧或从当前帧为起始的j帧中任取k帧进行驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求的确认，若均未通过确认，则确定驾驶员的当前状态不满足驾驶状态的要求。

进一步地，若车辆不具有自动运行条件，则停车或减速。

特别地，本发明还公开了一种智能驾驶系统能力预警系统，包括处理器和存储器，其中存储器中存储有用于执行所述的智能驾驶系统能力预警方法的程序。

本发明中，通过评估当前驾驶员实际参与度，进而判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度，通过对驾驶员召回提醒的方法依照实时的风险情况提前改变驾驶员的参与度或调节车辆行驶状态，从而规避未来交通环境风险，保证车辆与驾乘人员安全。

进一步地，本发明中，当驾驶员实际参与度小于当前风险等级所需驾驶员参与度时，进行多帧确认后退出召回提醒，多帧确认能够实现对于驾驶员召回的柔性策略，同时兼顾根据风险和实际状态，及时做出合理提醒的安全性与通过柔性的状态跃迁，合理地召回升级与退出，避免突变与频繁偶发导致的不舒适性。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本发明一个实施例的智能驾驶系统能力预警方法步骤示意图；

图2是根据本发明一个实施例的柔性在环判断的算法步骤示意图；

图3是根据本发明一个实施例的智能驾驶系统能力预警方法中步骤300的具体步骤示意图；

图4是根据本发明一个实施例的丢失确认的步骤示意图；

图5是根据本发明一个实施例的回归确认的步骤示意图。

具体实施方式

图1是根据本发明一个实施例的智能驾驶系统能力预警方法步骤示意图。

特别地，本发明公开了一种智能驾驶系统能力预警方法，包括以下步骤：

S100、评估车辆状态和外部环境以确定车辆是否具有自动运行条件。

S200、若车辆具有自动运行条件，评估驾驶员当前状态和驾驶风险。

S300、基于驾驶员当前状态评估当前驾驶员实际参与度，判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度。

S400、若驾驶员实际参与度不满足当前风险等级所需要驾驶员的参与度，对驾驶员进行召回提醒。

本实施例中，通过评估当前驾驶员实际参与度，进而判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度，通过对驾驶员召回提醒的方法依照实时的风险情况提前改变驾驶员的参与度或调节车辆行驶状态，从而规避未来交通环境风险，保证车辆与驾乘人员安全。

根据本发明的一个实施例，依照实时的风险情况提前改变驾驶员的参与度，一般该种改变驾驶员的参与度的方法为驾驶员召回提醒，或调节车辆行驶状态，达到规避未来交通环境风险，保证车辆与车主安全的目的，该种调节是基于驾驶员状态和风险模型的。具体地，在步骤S100中，先通过对车辆状态和外部环境的检测，以基于静态筛选规则判断是否在静态ODD(Operational Design Domain，设计运行条件)范围，其中车辆状态包括平台能力、软件能力及其他功能，其中外部环境主要包括静态实体和环境条件，静态实体由运行环境下状态不改变的实体组成，如道路、交通灯，环境条件包括天气、大气条件和信息环境。若在ODD范围，则继续进行风险评估和驾驶员状态评估。若不在ODD范围，则停车或减速。

根据本发明的一个实施例，在步骤S200中，评估风险情况时，是基于动态目标，如交通情况、道路使用者(机动车、非机动车、行人等)、非道路使用者(动物、其他动态物等)进行的，根据评估后的风险情况确定风险等级。本发明根据预设规则分成3个等级，分别为L1、L2、L3，每个等级对应有驾驶员需求参与度P1、P2、P3，其中L1对应的P1需驾驶员有意识(手、眼可释放)，L2对应的P2需驾驶员注视路面(有意识，但手可释放)，L3对应的P3需驾驶员手握方向盘以及注视路面。

根据本发明的一个实施例，针对驾驶员状态的评估，本实施例采用驾驶员在环判断的方式，考虑到信号失真、驾驶习惯及实际驾驶场景等问题，为了平衡在环测试的漏判与误判率，采用一种柔性在环判断的算法。具体包括以下步骤：

S211、获取上n帧驾驶员状态。

S212、获取当前帧驾驶员注意力信息、方向盘手部信息和眼部信息。

S213、根据所述当前帧驾驶员注意力信息、方向盘手部信息和眼部信息确定当前帧驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求。

S214、若当前帧驾驶员注意力信息、方向盘手部信息和眼部信息满足驾驶状态的要求，则从上n帧驾驶员状态中选取m帧或从上n帧选取连续的p帧进行驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求的确认，若通过确认，则确定驾驶员的当前状态满足驾驶状态的要求。

S215、若当前帧驾驶员注意力信息、方向盘手部信息和眼部信息不满足驾驶状态的要求，则从当前帧为起始连取q帧或从当前帧为起始的j帧中任取k帧进行驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求的确认，若均未通过确认，则确定驾驶员的当前状态不满足驾驶状态的要求。

执行完上述步骤S211～S215后，更新当前DMS(Driver Monitor System，驾驶员监测系统)。

根据本发明的一个实施例，上述步骤S211中，获取上n帧驾驶员状态，n的值一般为10，在其他实施例中也可以根据具体情况选定特定的数值。上述步骤S213中，对当前帧驾驶员注意力信息、方向盘手部信息和眼部信息分别进行判断以及后续步骤S314的处理。在步骤S214中，一般地，m取值为5，p取值为5，在其他实施例中也可以根据具体情况选定特定的数值。在步骤S215中，一般地，q的取值为5，j的取值为8，k的取值为6，在其他实施例中也可以根据具体情况选定特定的数值。

更加具体地，上述步骤S214为丢失确认的步骤，也即确认丢失当前追踪对象的步骤，可以理解的是，对于丢失确认，本实施例中采用滑动窗口策略，从10帧信号中选取任意5帧或者选取连续的4帧信号进行确认，若其中10帧信号中有任意5帧或者连续的4帧信号中驾驶员的状态均是相同的，例如驾驶员无意识，则可确定驾驶员的当前状态为无意识。

更加具体地，上述步骤S215为回归确认的步骤，也即确认回归当前追踪对象的步骤，可以理解的是，对于回归确认，本实施例中采用连续帧策略，即以当前帧为基础连取5帧或8帧中任取6帧，若连续5帧获取的驾驶员的状态均相同或8帧中6帧获取的驾驶员状态均相同，则确定驾驶员的当前状态。

根据本发明的一个实施例，在步骤S200和S300中，驾驶员当前状态的评价，具体包括以下步骤：

S301、对驾驶员注意力信息、方向盘手部信息和眼部信息分别进行赋值，

S302、确定驾驶员实际参与度与当前风险等级之间的对应关系，

S303、获取驾驶员注意力信息、方向盘手部信息和眼部信息，并根据所述赋值计算驾驶员注意力信息、方向盘手部信息和眼部信息赋值之和作为驾驶员评分，

S304、根据驾驶员评分确定驾驶员实际参与度，

S305、判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度。

具体地，本实施例中基于驾驶员的意识、眼、手等驾驶状态进行驾驶员当前状态的评价。驾驶员状态评估主要基于驾驶员状态传感器的信号，如驾驶员注意力探测传感器的信号、方向盘手部探测传感器的信号、眼探测传感器的信号，评估出当前驾驶员实际参与度能力，在本实施例中，根据驾驶员状态将驾驶员实际参与度可以分成Q0、Q1、Q2和Q3共4个等级，其中Q0等级时驾驶员无意识，Q1等级时驾驶员有意识但是未注视路面，Q2等级时加驾驶员有意识但手不在方向盘，Q3等级时驾驶员手握方向盘且注视路面。如表1所示，其中显示了每个驾驶员实际参与度等级所对应的驾驶员的意识、眼、手等驾驶状态。

表1

根据表1，驾驶员的状态由注意力分散状态、疲劳状态、眼驾驶状态和手驾驶状态四个方面因素决定，其中注意力分散状态分为无分散、瞬间分散、反复分散和长时间分散四个子状态，疲劳状态包括非疲劳、一般疲劳和严重疲劳三个子状态，眼驾驶状态包括注视路面、游离、注视窗户和注视HUD四个子状态，手驾驶状态包括手握方向盘、搭在方向盘上和不在方向盘上三个子状态。

更加具体地，在上述步骤S301中，对驾驶员的注意力信息、方向盘手部信息和眼部信息分别进行赋值，具体以上述反应驾驶员状态的子状态为基础，为每个子状态赋值，例如，对于注意力信息，将无分散子状态赋值为4，将瞬间分散子状态赋值为3，将反复分散子状态赋值为2，将长时间分散子状态赋值为1。在上述步骤S302中，确定驾驶员实际参与度与当前风险等级之间的对应关系，其中当前风险等级为上述的L1、L2、L3，每个等级对应有驾驶员需求参与度P1、P2、P3，其中L1对应的P1需驾驶员有意识(手、眼可释放)，L2对应的P2需驾驶员注视路面(有意识，但手可释放)，L3对应的P3需驾驶员手握方向盘以及注视路面。在步骤S304中，根据驾驶员状态将驾驶员实际参与度可以分成Q0、Q1、Q2和Q3共4个等级，其中Q0等级时驾驶员无意识，Q1等级时驾驶员有意识但是未注视路面，Q2等级时加驾驶员有意识但手不在方向盘，Q3等级时驾驶员手握方向盘且注视路面。

根据本发明的一个实施例，当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度时，进行相应提醒等级的提醒，当驾驶员实际参与度小于当前风险等级所需驾驶员参与度时，进行多帧确认后退出召回提醒。若驾驶员在设定时间内未回应或风险等级提升，则提升提醒等级。

在本发明的一个实施例中，计算驾驶员实际参与度时，先计算当前帧之前i帧的提醒等级之和，当当前帧之前i帧的提醒等级之和大于第一设定提醒阈值，且包含当前提醒等级时，则判定当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度。例如，先计算当前帧之前6帧的提醒等级之和，当当前帧之前6帧的提醒等级之和大于第一设定提醒阈值，且包含当前提醒等级时，则判定当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度。

在本发明的一个实施例中，当当前帧之前i帧的提醒等级之和等于第一设定提醒阈值时，若当前帧之前i帧的提醒等级包括至少一个最低提醒等级，则判定当驾驶员实际参与度不小于当前风险等级所需要驾驶员的参与度。当当前帧之前i+1帧的提醒等级之和大于第一设定提醒阈值时，若当前帧之前i帧的提醒等级包括至少一个最低提醒等级，则判定驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度。本实施例中，i可以取值6。

更加具体地，本实施例中计算驾驶员的实际参与度，是为了实现对驾驶员安全且舒适的召回提醒，同时兼顾风险等级和驾驶员当前状态，及时做出合理提醒的安全性与通过柔性的状态跃迁，进而合理地升级召回等级或退出召回，避免突变与频繁偶发导致的不舒适性。

根据本发明的一个实施例，本实施例基于一个代价函数(cost function)来评估提醒的灰度值，当该代价函数超过特定提醒阈值时会触发召回提醒。当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度时，对风险进行映射，即风险等级越高，则权重越大，例如风险等级L1对应第一权重，风险L2对应第二权重，风险L3对应第三权重。同样地，为了避免误提醒，可以进行多帧累积(最大为6帧)以获得权重数组w，当同时满足以下条件：1)w的权重和大于提醒阈值，2)w权重中包含当前提醒等级的权重值时，则激活对应等级的召回提醒。上述第一权重、第二权重和第三权重对应的权重值分别为1、2、3。进行多帧累积时，采用计算提醒等级之和的方法，该实施例中的提醒阈值为第一设定提醒阈值，当驾驶员实际参与度小于当前风险等级所需要驾驶员的参与度时，激活对应等级的召回提醒。

更加具体地，考虑到驾乘人员的舒适性，本实施例设置了3个等级的提醒，分别为L1、L2和L3，当w大于第一提醒阈值且权重包含第一权重时，激活L1等级的提醒，当w大于第二提醒阈值且权重包含第一权重时，激活L2等级的提醒，当w大于第三提醒阈值且权重包含第一权重时，激活L3等级的提醒。上述第一提醒阀值、第二提醒阈值和第三提醒阈值分别为5、10、15。例如，前6帧的权重值分别为3、2、2、1、1、2，当前3帧累积权重和为7(已大于第一提醒阈值)时，由于前3帧权重中不包括权重1，故此时不会激活L1等级的提醒，从而可以避免短暂提醒，而前4帧累积权重和为8，且包含权重1，则此时会激活L1等级的提醒。

根据本发明的一个实施例，关于具体的提醒方式，在L1时，可以采用声音提醒，车内的扬声器以设定的间隔时间发出声音特征为1的“叮”声。在L2时，可以采用声音提醒，车内的扬声器的发出声音特征为2的语音提醒“请注视前方道路”。在L3时，车内的扬声器的发出声音特征为3的语音提醒“请注视路面，手握方向盘”，上述声音特征可以为响度、音调和音色中的任意一种，也可以为响度、音调和音色的排列组合。

根据本发明的一个实施例，召回提醒激活后，若驾驶员一定时间内未回应或风险等级升级，则召回提醒也可以随之升级。首先是时间维度上，召回提醒激活时同时会对当前的报警等级进行计时，所以当提醒持续一段时间超过规定的时间阈值时，就认为当前驾驶员不满足当前允许的自动驾驶任务时间过久，需要升级提醒来对驾驶员进行提醒。本实施例针对不同的提醒等级设定了相应的时间阈值，等级越高阈值越小，召回越紧急，来进行合理的时间维度驾驶员提醒升级。其次是危险程度维度，当召回提醒激活后，只要驾驶员实际参与度小于风险所需驾驶员参与度，权重数组会一直根据当前风险进行权重映射来评估召回提醒的紧急程度，危险升级的评估需要满足以下条件：当前提醒等级更高的提醒等级激活阈值进行放大，即比当前提醒等级更高激活提醒阈值进行等差放大，之后评估当前代价函数比哪个提醒等级的阈值更高，则跃迁到对应的提醒报警中。当驾驶员实际参与度大于风险所需驾驶员参与度时，进行多帧确认后，满足条件则认为满足当前允许的自动驾驶任务，则可退出召回提醒。

特别地，本发明还公开了一种智能驾驶系统能力预警系统，其特征在于，包括处理器和存储器，其中存储器中存储有用于执行如权利要求1～9任意一项所述的智能驾驶系统能力预警方法的程序。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种智能驾驶系统能力预警方法，其特征在于，包括以下步骤：

评估车辆状态和外部环境以确定车辆是否具有自动运行条件；

若车辆具有自动运行条件，评估驾驶员当前状态和驾驶风险；

基于驾驶员当前状态评估当前驾驶员实际参与度，判断驾驶员实际参与度是否满足当前驾驶风险所需要驾驶员的参与度；

若驾驶员实际参与度不满足当前驾驶风险所需要驾驶员的参与度，对驾驶员进行召回提醒。

2.根据权利要求1所述的智能驾驶系统能力预警方法，其特征在于，在步骤基于驾驶员当前状态评估当前驾驶员实际参与度，判断驾驶员实际参与度是否满足当前驾驶风险所需要驾驶员的参与度中，具体包括以下步骤：

对驾驶员注意力信息、方向盘手部信息和眼部信息分别进行赋值；

获取驾驶员注意力信息、方向盘手部信息和眼部信息，并根据所述赋值计算驾驶员注意力信息、方向盘手部信息和眼部信息赋值之和作为驾驶员评分；

根据驾驶员评分确定驾驶员实际参与度；

根据系统能力和交通环境情况确定所述驾驶风险所需要驾驶员的参与度；

判断驾驶员实际参与度是否满足当前风险等级所需要驾驶员的参与度。

3.根据权利要求1所述的智能驾驶系统能力预警方法，其特征在于，在步骤若车辆具有自动运行条件，评估驾驶员当前状态和驾驶风险中，评估驾驶员当前状态具体包括以下步骤：

获取上n帧驾驶员状态；

获取当前帧驾驶员注意力信息、方向盘手部信息和眼部信息；

根据所述当前帧驾驶员注意力信息、方向盘手部信息和眼部信息确定当前帧驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求；

若当前帧驾驶员注意力信息、方向盘手部信息和眼部信息满足驾驶状态的要求，则从上n帧驾驶员状态中选取m帧或从上n帧选取连续的p帧进行驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求的确认，若通过确认，则确定驾驶员的当前状态满足驾驶状态的要求。

4.根据权利要求3所述的智能驾驶系统能力预警方法，其特征在于，若当前帧驾驶员注意力信息、方向盘手部信息和眼部信息不满足驾驶状态的要求，则从当前帧为起始连取q帧或从当前帧为起始的j帧中任取k帧进行驾驶员注意力信息、方向盘手部信息和眼部信息是否满足驾驶状态的要求的确认，若均未通过确认，则确定驾驶员的当前状态不满足驾驶状态的要求。

5.根据权利要求1所述的智能驾驶系统能力预警方法，其特征在于，还包括：根据当前驾驶风险所需要驾驶员的参与度对召回提醒进行分级，每个召回提醒等级对应有激活阈值，且所述召回提醒的等级随驾驶风险的上升而增大，具体包括以下步骤：

当驾驶员实际参与度小于当前驾驶风险所需要驾驶员的参与度，且达到对应召回提醒等级的阈值时，激活对应等级的召回提醒；当驾驶员实际参与度大于等于当前驾驶风险所需要驾驶员的参与度时，满足置信度后退出召回提醒。

6.根据权利要求5所述的智能驾驶系统能力预警方法，其特征在于，还包括：

召回提醒激活后，若驾驶员在设定的时间阈值内未回应或驾驶风险所需要驾驶员的参与度提升，则提升提醒等级。

7.根据权利要求5所述的智能驾驶系统能力预警方法，其特征在于，当驾驶员实际参与度小于当前驾驶风险所需要驾驶员的参与度，且达到对应召回提醒等级的阈值时，激活对应等级的召回提醒，具体包括以下步骤：

根据多帧驾驶员状态及当前驾驶风险所需要驾驶员的参与度，确定当前召回提醒的等级之和；

判断所述等级之和是否大于对应等级的激活阈值；

若大于，则激活对应等级的召回提醒。

8.根据权利要求6所述的智能驾驶系统能力预警方法，其特征在于，还包括：对不同等级的召回提醒设定不同的时间阈值，等级越高的召回提醒，设定的时间阈值越小。

9.根据权利要求1所述的智能驾驶系统能力预警方法，其特征在于，若车辆不具有自动运行条件，则停车或减速。

10.一种智能驾驶系统能力预警系统，其特征在于，包括处理器和存储器，其中存储器中存储有用于执行如权利要求1～9任意一项所述的智能驾驶系统能力预警方法的程序。