CN117341717A - 车控信号的检测方法、装置、车辆及存储介质 - Google Patents

Abstract

本申请公开了一种车控信号的检测方法、装置、车辆及存储介质，其中，方法包括：获取车辆的原运动参数和/或车控指令，根据原运动参数和/或车控指令计算车辆在目标时刻的预测运动参数，利用预测运动参数获得车辆的预测行驶轨迹；根据实际运动参数获得车辆的实际行驶轨迹；将实际行驶轨迹与预测行驶轨迹进行对比，在实际行驶轨迹与预测行驶轨迹的偏离范围大于预设范围的情况下，判定车辆为异常运动状态，基于异常运动状态生成异常提醒，并发送异常提醒至预设终端，以对驾驶员进行安全提醒。由此，解决了相关技术中仅能处理周期性且范围已确定的CAN信号，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性的问题。

Description

车控信号的检测方法、装置、车辆及存储介质

技术领域

本申请涉及无人驾驶技术领域，特别涉及一种车控信号的检测方法、装置、车辆及存储介质。

背景技术

相关技术中，针对车内CAN(Controller Area Network，控制器局域网)总线的入侵防御手段主要通过CANIDS(CAN总线入侵检测系统)和SecOC，通过检测信号的周期、范围等特征值或数据包的新鲜度值、MAC(Multiple Access Channel，多址接入信道)值等来保证接收的信号的完整性。

然而，相关技术中仅能处理周期性且范围已确定的CAN信号，并根据多次测试得出经验阈值确定总线负载规则，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性，亟待解决。

发明内容

本申请提供一种车控信号的检测方法、装置、车辆及存储介质，以解决相关技术中仅能处理周期性且范围已确定的CAN信号，并根据多次测试得出经验阈值确定总线负载规则，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性的问题。

本申请第一方面实施例提供一种车控信号的检测方法，包括以下步骤：获取车辆的原运动参数和/或车控指令，根据所述原运动参数和/或所述车控指令计算所述车辆在目标时刻的预测运动参数，利用所述预测运动参数获得所述车辆的预测行驶轨迹；获取所述车辆在所述目标时刻的实际运动参数，根据所述实际运动参数获得所述车辆的实际行驶轨迹；将所述实际行驶轨迹与所述预测行驶轨迹进行对比，在所述实际行驶轨迹与所述预测行驶轨迹的偏离范围大于预设范围的情况下，判定所述车辆为异常运动状态，基于所述异常运动状态生成异常提醒，并发送所述异常提醒至预设终端，以对驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，所述原运动参数包括实际车速、车辆横/纵向加速度和车辆航向角中的至少一项，所述车控指令包括油门信号、刹车信号和方向盘转角信号中的至少一项。

可选地，在本申请的一个实施例中，所述基于所述异常运动状态生成异常提醒，并发送所述异常提醒至预设终端，以对驾驶员进行安全提醒，包括：根据所述异常运动状态确定异常等级；根据所述异常等级匹配最佳异常提醒方式，按照所述最佳异常提醒方式对所述驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，所述按照所述最佳异常提醒方式对所述驾驶员进行安全提醒，包括：获取所述驾驶员的实际视野；根据所述实际视野确定所述最佳异常提醒方式中的目标位置，按照所述目标位置对所述驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，本申请实施例的方法还包括：判断所述车辆是否开启车控信号异常提醒；在所述车辆开启所述车控信号异常提醒的情况下，发送所述异常提醒至所述预设终端。

可选地，在本申请的一个实施例中，在发送所述异常提醒至所述预设终端之前，还包括：接收用户的设置指令；根据所述设置指令控制所述车辆开启或关闭所述车控信号异常提醒。

可选地，在本申请的一个实施例中，在判定所述车辆为异常运动状态之后，还包括：对所述异常运动状态进行分析，得到异常分析结果，并将所述异常分析结果发送至所述预设终端。

本申请第二方面实施例提供一种车控信号的检测装置，包括：第一获取模块，用于获取车辆的原运动参数和/或车控指令，根据所述原运动参数和/或所述车控指令计算所述车辆在目标时刻的预测运动参数，利用所述预测运动参数获得所述车辆的预测行驶轨迹；第二获取模块，用于获取所述车辆在所述目标时刻的实际运动参数，根据所述实际运动参数获得所述车辆的实际行驶轨迹；处理模块，用于将所述实际行驶轨迹与所述预测行驶轨迹进行对比，在所述实际行驶轨迹与所述预测行驶轨迹的偏离范围大于预设范围的情况下，判定所述车辆为异常运动状态，基于所述异常运动状态生成异常提醒，并发送所述异常提醒至预设终端，以对驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，所述原运动参数包括实际车速、车辆横/纵向加速度和车辆航向角中的至少一项，所述车控指令包括油门信号、刹车信号和方向盘转角信号中的至少一项。

可选地，在本申请的一个实施例中，所述处理模块包括：确定单元，用于根据所述异常运动状态确定异常等级；处理单元，用于根据所述异常等级匹配最佳异常提醒方式，按照所述最佳异常提醒方式对所述驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，所述处理单元进一步用于获取所述驾驶员的实际视野，根据所述实际视野确定所述最佳异常提醒方式中的目标位置，按照所述目标位置对所述驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，本申请实施例的装置还包括：判断模块，用于判断所述车辆是否开启车控信号异常提醒；发送模块，用于在所述车辆开启所述车控信号异常提醒的情况下，发送所述异常提醒至所述预设终端。

可选地，在本申请的一个实施例中，本申请实施例的装置还包括：接收模块，用于在发送所述异常提醒至所述预设终端之前，接收用户的设置指令；控制模块，用于在发送所述异常提醒至所述预设终端之前，根据所述设置指令控制所述车辆开启或关闭所述车控信号异常提醒。

可选地，在本申请的一个实施例中，本申请实施例的装置还包括：确定模块，用于在判定所述车辆为异常运动状态之后，对所述异常运动状态进行分析，得到异常分析结果，并将所述异常分析结果发送至所述预设终端。

本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车控信号的检测方法。

本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车控信号的检测方法。

本申请实施例可以根据原运动参数和/或车控指令计算车辆在目标时刻的预测运动参数，从而获得车辆的预测行驶轨迹，根据实际运动参数获得车辆的实际行驶轨迹，在实际行驶轨迹偏离预测行驶轨迹的情况下，判定车辆为异常运动状态并生成异常提醒，发送异常提醒至预设终端，以对驾驶员进行安全提醒，从而有效的提升了车控信号检测的精准性和适用性。由此，解决了相关技术中仅能处理周期性且范围已确定的CAN信号，并根据多次测试得出经验阈值确定总线负载规则，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性的问题。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例提供的一种车控信号的检测方法的流程图；

图2为本申请一个具体实施例的车控信号的检测的结构示意图；

图3为根据本申请实施例提供的一种车控信号的检测装置的结构示意图；

图4为根据本申请实施例提供的车辆的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的车控信号的检测方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中仅能处理周期性且范围已确定的CAN信号，并根据多次测试得出经验阈值确定总线负载规则，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性的问题，本申请提供了一种车控信号的检测方法，在该方法中，可以根据原运动参数和/或车控指令计算车辆在目标时刻的预测运动参数，从而获得车辆的预测行驶轨迹，根据实际运动参数获得车辆的实际行驶轨迹，在实际行驶轨迹偏离预测行驶轨迹的情况下，判定车辆为异常运动状态并生成异常提醒，发送异常提醒至预设终端，以对驾驶员进行安全提醒，从而有效的提升了车控信号检测的精准性和适用性。由此，解决了相关技术中仅能处理周期性且范围已确定的CAN信号，并根据多次测试得出经验阈值确定总线负载规则，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性的问题。

具体而言，图1为本申请实施例所提供的一种车控信号的检测方法的流程示意图。

如图1所示，该车控信号的检测方法包括以下步骤：

在步骤S101中，获取车辆的原运动参数和/或车控指令，根据原运动参数和/或车控指令计算车辆在目标时刻的预测运动参数，利用预测运动参数获得车辆的预测行驶轨迹。

可以理解的是，本申请实施例可以获取下述步骤中车辆的原运动参数和/或车控指令，其中，原运动参数为车辆在无人驾驶模式下车辆的运动参数，车控指令为驾驶员在接管车辆时产生的车辆控制指令，从而可以根据原运动参数和/或车控指令计算车辆在下一个目标时刻的预测运动参数，例如，车辆在t时刻的预测运动参数，利用预测运动参数获得车辆的预测行驶轨迹，从而有效的提升了车控信号检测的可执行性。

其中，本申请实施例中车辆的预测运动轨迹的预测模型可以使用简单的线性模型，或者可以使用RNN(Recurrent neural network，循环神经网络)、LSTM(Long ShortTerm Memory，长短时记忆)等神经网络模型，具体由本领域技术人员根据实际情况进行设置，在此不作具体限定。

其中，在本申请的一个实施例中，原运动参数包括实际车速、车辆横/纵向加速度和车辆航向角中的至少一项，车控指令包括油门信号、刹车信号和方向盘转角信号中的至少一项。

在实际执行过程中，本申请实施例中的原运动参数为车辆在无人驾驶模式时的实际车速、车辆横向/纵向加速度、车辆航向角等，车控指令为人类驾驶员接管车辆发出的油门信号、刹车信号、方向盘转角信号等，从而可以根据原运动参数或车控指令计算车辆在下一个时刻的预测运动参数，有效的提升了预测行驶轨迹的准确性。

在步骤S102中，获取车辆在目标时刻的实际运动参数，根据实际运动参数获得车辆的实际行驶轨迹。

可以理解的是，本申请实施例可以获取车辆在目标时刻的实际运动参数，例如，可以在车辆行驶过程中，获取t时刻时车辆的实际车速、车辆横向/纵向加速度、车辆航向角等实际运动参数，根据实际运动参数获得车辆的实际行驶轨迹，从而有效的提升了车控信号检测的可执行性。

在步骤S103中，将实际行驶轨迹与预测行驶轨迹进行对比，在实际行驶轨迹与预测行驶轨迹的偏离范围大于预设范围的情况下，判定车辆为异常运动状态，基于异常运动状态生成异常提醒，并发送异常提醒至预设终端，以对驾驶员进行安全提醒。

可以理解的是，本申请实施例可以将实际行驶轨迹与预测行驶轨迹进行对比，当实际行驶轨迹与预测行驶轨迹的偏离范围大于一定范围时，则判定车辆为异常运动状态，因此，车控信号存在被篡改的风险，从而可以基于下述步骤中的异常运动状态生成异常提醒，并发送异常提醒至预设终端，例如，可以将车辆的异常提醒发送至用户的手机端或者车辆中控屏，以对驾驶员进行安全提醒，提升车控信号检测的准确性，并且提升车辆的安全性和可靠性。

需要说明的是，预设范围和预设终端由本领域技术人员根据实际情况进行设置，在此不作具体限定。

其中，在本申请的一个实施例中，基于异常运动状态生成异常提醒，并发送异常提醒至预设终端，以对驾驶员进行安全提醒，包括：根据异常运动状态确定异常等级；根据异常等级匹配最佳异常提醒方式，按照最佳异常提醒方式对驾驶员进行安全提醒。

举例而言，本申请实施例可以根据车辆的实际行驶轨迹与预测行驶轨迹的偏离范围划分等级范围，当处于第一等级范围时，则车辆属于正常行驶状态，无需进行提醒，当处于第二等级范围时，则车辆属于轻度偏离状态，通过车辆仪表盘显示“车辆轻度偏离，请注意安全驾驶”的文字，当处于第三等级范围时，则车辆属于重度偏离状态，通过车辆座椅振动，且发出“车控系统被篡改，请及时接管车辆”的语音提醒，从而对驾驶员进行及时的安全提醒，有效的提升车控信号的检测的精准性。

其中，在本申请的一个实施例中，按照最佳异常提醒方式对驾驶员进行安全提醒，包括：获取驾驶员的实际视野；根据实际视野确定最佳异常提醒方式中的目标位置，按照目标位置对驾驶员进行安全提醒。

例如，本申请实施例可以通过车内摄像头获取用户的实际视野，当用户的实际视野看向仪表盘时，则通过仪表盘显示异常提醒，当驾驶员的实际视野看向中控屏时，则通过中控屏显示异常提醒，有效的提升了车辆的交互性，提高用户的用车体验。

可选地，在本申请的一个实施例中，本申请实施例的方法还包括：判断车辆是否开启车控信号异常提醒；在车辆开启车控信号异常提醒的情况下，发送异常提醒至预设终端。

举例而言，本申请实施例可以判断驾驶员是否开启车控信号异常提醒，当车辆开启车控信号异常提醒时，发送异常提醒至驾驶员的手机端或者车辆的中控屏，从而提示驾驶员注意车辆安全，有效的提升了车辆的智能化水平。

可选地，在本申请的一个实施例中，在发送异常提醒至预设终端之前，还包括：接收用户的设置指令；根据设置指令控制车辆开启或关闭车控信号异常提醒。

在实际执行过程中，驾驶员可以通过物理按键开启车控信号异常提醒，或者，可以通过发出“你好，XX汽车，请打开车控信号异常提醒”的语音，从而本申请实施例可以根据驾驶员的设置指令开启或者关闭车控信号异常提醒，有效的提升了车辆的智能化水平，提高用户的驾乘体验。

可选地，在本申请的一个实施例中，在判定车辆为异常运动状态之后，还包括：对异常运动状态进行分析，得到异常分析结果，并将异常分析结果发送至预设终端。

例如，本申请实施例可以将异常运动状态记录在日志中，并上传至VSOC(VehicleSecurity Operations Center，车辆安全操控中心)，由相关技术人员对异常运动状态的原因做出分析，得到异常分析结果，并将异常分析结果发送至驾驶员的手机端或者车辆中控屏，有效的提升车控信号检测的精准性，提高车辆的安全性和可靠性，满足用户的驾乘需求。

举例而言，如图2所示，为本申请一个具体实施例的车控信号的检测的结构示意图，本申请实施例可以车辆传感器获取车辆在智驾系统时的车辆行驶状态参数，即车辆原运动参数，根据原运动参数预测下一时刻t车辆行驶状态参数，即预测行驶参数，从而获取车辆行驶状态，即预测行驶轨迹，并通过车辆传感器获取车辆在时刻t的车辆行驶状态的参数，即车辆的实际运动参数，并得到车辆的实际行驶轨迹，并将实际行驶轨迹与预测行驶轨迹进行比较，在实际行驶轨迹偏离预设行驶轨迹的范围时，则动力系统判定车控信号受到篡改，通过IVI(In-Vehicle Infotainment，车载信息娱乐系统)将异常的车辆运动通过车机通知驾驶员，有效的提升车控信号检测的精准性，提高车辆的安全性和可靠性，满足用户的驾乘需求。

根据本申请实施例提出的车控信号的检测方法，可以根据原运动参数和/或车控指令计算车辆在目标时刻的预测运动参数，从而获得车辆的预测行驶轨迹，根据实际运动参数获得车辆的实际行驶轨迹，在实际行驶轨迹偏离预测行驶轨迹的情况下，判定车辆为异常运动状态并生成异常提醒，发送异常提醒至预设终端，以对驾驶员进行安全提醒，从而有效的提升了车控信号检测的精准性和适用性。由此，解决了相关技术中仅能处理周期性且范围已确定的CAN信号，并根据多次测试得出经验阈值确定总线负载规则，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性的问题。

其次参照附图描述根据本申请实施例提出的车控信号的检测装置。

图3是本申请实施例的车控信号的检测装置的方框示意图。

如图3所示，该车控信号的检测装置10包括：第一获取模块100、第二获取模块200和处理模块300。

具体地，第一获取模块100，用于获取车辆的原运动参数和/或车控指令，根据原运动参数和/或车控指令计算车辆在目标时刻的预测运动参数，利用预测运动参数获得车辆的预测行驶轨迹。

第二获取模块200，用于获取车辆在目标时刻的实际运动参数，根据实际运动参数获得车辆的实际行驶轨迹。

处理模块300，用于将实际行驶轨迹与预测行驶轨迹进行对比，在实际行驶轨迹与预测行驶轨迹的偏离范围大于预设范围的情况下，判定车辆为异常运动状态，基于异常运动状态生成异常提醒，并发送异常提醒至预设终端，以对驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，原运动参数包括实际车速、车辆横/纵向加速度和车辆航向角中的至少一项，车控指令包括油门信号、刹车信号和方向盘转角信号中的至少一项。

可选地，在本申请的一个实施例中，处理模块300包括：确定单元和处理单元。

其中，确定单元，用于根据异常运动状态确定异常等级。

处理单元，用于根据异常等级匹配最佳异常提醒方式，按照最佳异常提醒方式对驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，处理单元进一步用于获取驾驶员的实际视野，根据实际视野确定最佳异常提醒方式中的目标位置，按照目标位置对驾驶员进行安全提醒。

可选地，在本申请的一个实施例中，本申请实施例的装置10还包括：判断模块和发送模块。

其中，判断模块，用于判断车辆是否开启车控信号异常提醒。

发送模块，用于在车辆开启车控信号异常提醒的情况下，发送异常提醒至预设终端。

可选地，在本申请的一个实施例中，本申请实施例的装置10还包括：接收模块和控制模块。

其中，接收模块，用于在发送异常提醒至预设终端之前，接收用户的设置指令。

控制模块，用于在发送异常提醒至预设终端之前，根据设置指令控制车辆开启或关闭车控信号异常提醒。

可选地，在本申请的一个实施例中，本申请实施例的装置10还包括：确定模块。

其中，确定模块，用于在判定车辆为异常运动状态之后，对异常运动状态进行分析，得到异常分析结果，并将异常分析结果发送至预设终端。

需要说明的是，前述对车控信号的检测方法实施例的解释说明也适用于该实施例的车控信号的检测装置，此处不再赘述。

根据本申请实施例提出的车控信号的检测装置，可以根据原运动参数和/或车控指令计算车辆在目标时刻的预测运动参数，从而获得车辆的预测行驶轨迹，根据实际运动参数获得车辆的实际行驶轨迹，在实际行驶轨迹偏离预测行驶轨迹的情况下，判定车辆为异常运动状态并生成异常提醒，发送异常提醒至预设终端，以对驾驶员进行安全提醒，从而有效的提升了车控信号检测的精准性和适用性。由此，解决了相关技术中仅能处理周期性且范围已确定的CAN信号，并根据多次测试得出经验阈值确定总线负载规则，导致网络攻击存在误报或者漏报的风险，适用性较低，降低了车控信号检测的精准性的问题。

图4为本申请实施例提供的车辆的结构示意图。该车辆可以包括：

存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。

处理器402执行程序时实现上述实施例中提供的车控信号的检测方法。

进一步地，车辆还包括：

通信接口403，用于存储器401和处理器402之间的通信。

存储器401，用于存放可在处理器402上运行的计算机程序。

存储器401可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

如果存储器401、处理器402和通信接口403独立实现，则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选地，在具体实现上，如果存储器401、处理器402及通信接口403，集成在一块芯片上实现，则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。

处理器402可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。

本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的车控信号的检测方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种车控信号的检测方法，其特征在于，包括以下步骤：

获取车辆的原运动参数和/或车控指令，根据所述原运动参数和/或所述车控指令计算所述车辆在目标时刻的预测运动参数，利用所述预测运动参数获得所述车辆的预测行驶轨迹；

获取所述车辆在所述目标时刻的实际运动参数，根据所述实际运动参数获得所述车辆的实际行驶轨迹；以及

将所述实际行驶轨迹与所述预测行驶轨迹进行对比，在所述实际行驶轨迹与所述预测行驶轨迹的偏离范围大于预设范围的情况下，判定所述车辆为异常运动状态，基于所述异常运动状态生成异常提醒，并发送所述异常提醒至预设终端，以对驾驶员进行安全提醒。

2.根据权利要求1所述的方法，其特征在于，所述原运动参数包括实际车速、车辆横/纵向加速度和车辆航向角中的至少一项，所述车控指令包括油门信号、刹车信号和方向盘转角信号中的至少一项。

3.根据权利要求1所述的方法，其特征在于，所述基于所述异常运动状态生成异常提醒，并发送所述异常提醒至预设终端，以对驾驶员进行安全提醒，包括：

根据所述异常运动状态确定异常等级；

根据所述异常等级匹配最佳异常提醒方式，按照所述最佳异常提醒方式对所述驾驶员进行安全提醒。

4.根据权利要求3所述的方法，其特征在于，所述按照所述最佳异常提醒方式对所述驾驶员进行安全提醒，包括：

获取所述驾驶员的实际视野；

根据所述实际视野确定所述最佳异常提醒方式中的目标位置，按照所述目标位置对所述驾驶员进行安全提醒。

5.根据权利要求1所述的方法，其特征在于，还包括：

判断所述车辆是否开启车控信号异常提醒；

在所述车辆开启所述车控信号异常提醒的情况下，发送所述异常提醒至所述预设终端。

6.根据权利要求1所述的方法，其特征在于，在发送所述异常提醒至所述预设终端之前，还包括：

接收用户的设置指令；

根据所述设置指令控制所述车辆开启或关闭所述车控信号异常提醒。

7.根据权利要求1所述的方法，其特征在于，在判定所述车辆为异常运动状态之后，还包括：

对所述异常运动状态进行分析，得到异常分析结果，并将所述异常分析结果发送至所述预设终端。

8.一种车控信号的检测装置，其特征在于，包括：

第一获取模块，用于获取车辆的原运动参数和/或车控指令，根据所述原运动参数和/或所述车控指令计算所述车辆在目标时刻的预测运动参数，利用所述预测运动参数获得所述车辆的预测行驶轨迹；

第二获取模块，用于获取所述车辆在所述目标时刻的实际运动参数，根据所述实际运动参数获得所述车辆的实际行驶轨迹；以及

处理模块，用于将所述实际行驶轨迹与所述预测行驶轨迹进行对比，在所述实际行驶轨迹与所述预测行驶轨迹的偏离范围大于预设范围的情况下，判定所述车辆为异常运动状态，基于所述异常运动状态生成异常提醒，并发送所述异常提醒至预设终端，以对驾驶员进行安全提醒。

9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-7任一项所述的车控信号的检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-7任一项所述的车控信号的检测方法。