CN117429418A - 车辆控制方法、车辆控制装置以及计算机可读记录介质 - Google Patents

Abstract

本公开涉及车辆控制方法、车辆控制装置以及计算机可读记录介质。能不依赖于通过与外部的通信进行的风险信息的提供地应对潜在地存在于本车辆的前方的风险。根据本车辆控制方法，根据与本车辆(10)的周边环境相关的信息来识别存在于本车辆(10)的前方且从本车辆(10)看不到的盲区(4)。接着，根据通过本车辆(10)的外部传感器(14)获取到的信息来观测比本车辆(10)先通过盲区(4)的盲区通过车辆(20)在盲区(4)附近的行驶行为，例如，通过速度和横向位置偏移量。接着，基于盲区通过车辆(20)在盲区附近的行驶行为来推定盲区(4)所产生的风险。然后，以与推定出的风险相应的方案对本车辆(10)进行操作。

Description

车辆控制方法、车辆控制装置以及计算机可读记录介质

技术领域

本公开涉及用于应对存在于本车辆的前方的潜在的风险的车辆控制方法、车辆控制装置以及车辆控制程序。

背景技术

已知有本车辆通过通信来获取周边车辆所识别到的信息的技术。例如，在日本特表2018－509705号公报中公开了将与通过先行车辆辨别出的潜在的风险相关的信息传递至后续车辆。此外，在日本特开2020－190969号公报中公开了通过与处于盲弯(blindcorner)的深处的车辆进行通信，来共享与无法从本车辆直接感测的障碍物相关的信息。

现有技术文献

专利文献

专利文献1：日本特表2018－509705号公报

专利文献2：日本特开2020－190969号公报

然而，上述的各技术如果不搭载用于供先行车辆识别风险的系统就无法使用。此外，在没有在先行车辆与本车辆之间进行通信的手段的情况下，本车辆无法从先行车辆获取风险信息。

发明内容

本公开是鉴于上述的技术问题而完成的，其目的在于，提供能不依赖于通过与外部的通信进行的风险信息的提供地应对潜在地存在于本车辆的前方的风险的技术。

为了实现上述目的，本公开提供一种由车载计算机执行的车辆控制方法。本公开的车辆控制方法具有以下的第一步骤至第四步骤。第一步骤是如下步骤：根据与本车辆的周边环境相关的信息来识别存在于本车辆的前方且从本车辆看不到的盲区。第二步骤是如下步骤：根据通过本车辆的外部传感器获取到的信息来观测比本车辆先通过盲区的盲区通过车辆在盲区附近的行驶行为。第三步骤是如下步骤：基于盲区通过车辆在盲区附近的行驶行为来推定盲区所产生的风险。并且，第四步骤是如下步骤：以与推定出的风险相应的方案对本车辆进行操作。

此外，为了实现上述目的，本公开提供一种车辆控制装置。本公开的车辆控制装置具备程序存储器和与程序存储器耦合的处理器。程序存储器存储有能执行的多个指令。多个指令被配置为使处理器执行以下的第一处理至第四处理。第一处理是如下处理：根据与本车辆的周边环境相关的信息来识别存在于本车辆的前方且从本车辆看不到的盲区。第二处理是如下处理：根据通过本车辆的外部传感器获取到的信息来观测比本车辆先通过盲区的盲区通过车辆在盲区附近的行驶行为。第三处理是如下处理：基于盲区通过车辆在盲区附近的行驶行为来推定盲区所产生的风险。并且，第四处理是如下处理：以与推定出的风险相应的方案对本车辆进行操作。

而且，为了实现上述目的，本公开提供一种车辆控制程序。本公开的车辆控制程序被配置为使车载计算机执行上述的第一处理至第四处理。本公开的车辆控制程序也可以记录于计算机可读记录介质。

根据本公开的技术，能根据通过本车辆的外部传感器获得的盲区通过车辆的行驶行为来推定盲区所产生的风险，并以与推定出的风险相应的方案对本车辆进行操作。由此，能不依赖于通过与外部的通信进行的风险信息的提供地应对潜在地存在于本车辆的前方的风险。

也可以是，观测盲区通过车辆的行驶行为包括：对盲区通过车辆在盲区附近的通过速度和横向位置偏移量进行计测。并且，也可以是，推定风险包括：根据盲区通过车辆的横向位置偏移量来计算阈值速度；以及在盲区通过车辆的通过速度比阈值速度高的情况下，推定为风险低，在盲区通过车辆的通过速度为阈值速度以下的情况下，推定为风险高。如果盲区通过车辆的通过速度为恒定，则能推定为横向位置偏移量越大，盲区通过车辆识别到越高的风险。此外，如果盲区通过车辆的横向位置偏移量为恒定，则能推定为通过速度越低，盲区通过车辆识别到越高的风险。因此，通过将根据横向位置偏移量计算出的阈值速度与通过速度进行比较，能合理地推定风险的高低。

而且，也可以是，推定风险包括：根据与本车辆的周边环境相关的信息来推定可能会从盲区冲出的移动体的类别；以及根据推定出的移动体的类别来变更阈值速度的计算。根据从盲区冲出的移动体是什么，对本车辆而言的风险会改变。通过将推定出的移动体的类别反映至阈值速度的计算，能更准确地应对潜在地存在于本车辆的前方的风险。

发明效果

如上所述，根据本公开的技术，能不依赖于通过与外部的通信进行的风险信息的提供地应对潜在地存在于本车辆的前方的风险。

附图说明

图1是对本公开的实施方式的车辆控制方法进行说明的图。

图2是对本公开的实施方式的车辆控制方法进行说明的图。

图3是对根据其他车辆的行为来推定盲区所产生的风险的方法进行说明的图。

图4是表示按可能会从盲区冲出的移动体的每个种类设定的阈值速度曲线的例子的图。

图5是按盲区产生的每个场所设定的阈值速度曲线的例子的图。

图6是表示本公开的实施方式的风险推定方法的过程的第一例的流程图。

图7是表示本公开的实施方式的风险推定方法的过程的第二例的流程图。

附图标记说明：

2、6：遮挡物；

4、8：盲区；

10：本车辆；

12：车辆控制装置；

14：外部传感器；

20：先行车辆(通过车辆)；

22：对向车辆(通过车辆)。

具体实施方式

以下，参照附图对本公开的实施方式进行说明。

1.本实施方式的车辆控制方法

图1是对本实施方式的车辆控制方法进行说明的图。本实施方式的车辆控制方法由搭载于车辆10的车辆控制装置12实施。以下，将搭载有车辆控制装置12的车辆10称为本车辆。

在图1所示的例子中，在本车辆10的前方存在没有信号灯的交叉路口。在本车辆10所行驶的车道相对于交叉车道优先的情况下，本车辆10会不停止地通过交叉路口。不过，从本车辆10看时在交叉路口的跟前的左侧，就是说，在本车辆10所行驶的车道侧存在遮挡物2。遮挡物2是遮挡从本车辆10看的视野的存在。例如，建筑物、墙、泊车的大型车辆等可能会成为遮挡物2。遮挡物2会形成从本车辆10看不到的盲区4。在盲区4潜伏有移动体的情况下，该移动体可能会冲出至本车辆10所行驶的车道。在此所说的移动体中包括行人、自行车、摩托车、汽车等可能会从盲区冲出的所有对象。

本车辆10具备用于外界识别的外部传感器14。外部传感器14是获取与至少包括本车辆10的前方的区域的本车辆10的周边环境相关的信息的传感器。外部传感器14包括摄像机、毫米波雷达以及LiDAR(Laser Imaging Detection and Ranging：激光雷达)中的至少一种。通过外部传感器14获得的信息被用于存在于本车辆10的周围的物体的感测、感测到的物体相对于本车辆10的相对位置、相对速度的计测以及感测到的物体的形状的识别等。但是，潜伏于盲区4的移动体无法通过外部传感器14来识别。因此，盲区4会产生对本车辆10而言的潜在的风险。

对本车辆10而言的潜在的风险对在本车辆10的前方行驶的先行车辆20而言也是风险。先行车辆20比本车辆10先接近交叉路口，比本车辆10先通过盲区4。随着先行车辆20接近交叉路口，从先行车辆20看到的盲区4变窄。因此，在存在要冲出至行驶车道的移动体的情况下，该移动体不久就会被驾驶先行车辆20的驾驶员或系统感测到。在感测到要冲出至行驶车道的移动体的情况下，被识别为这是对先行车辆20而言的显在的风险。驾驶先行车辆20的驾驶员或系统以与识别出的显在风险的高低相应的方案对先行车辆20进行操作。然后，由驾驶员或系统进行的先行车辆20的操作被表现为先行车辆20的行驶行为。

车辆控制装置12识别存在于本车辆10的前方的盲区4，并观测在盲区4的附近的先行车辆20的行驶行为。针对存在于盲区4的附近的风险的由驾驶员或系统进行的先行车辆20的操作被反映至先行车辆20的行驶行为。因此，能根据在盲区4的附近的先行车辆20的行驶行为来推定盲区4所产生的风险。以下，对车辆控制装置12所具有的功能具体进行说明。

车辆控制装置12具有盲区识别功能。车辆控制装置12根据与本车辆10的周边环境相关的信息来识别盲区4。用于识别盲区4的信息例如可以根据导航系统的地图信息和通过外部传感器14获取的外界信息来获得。能根据地图信息来识别位于本车辆10的行驶路线上的交叉路口的场所。能根据通过外部传感器14获取的外界信息来识别该交叉路口处的遮挡物2的存在。

车辆控制装置12具有行驶行为观测功能。车辆控制装置12根据通过外部传感器14获取的信息来观测先行车辆20在盲区4的附近的行驶行为。典型地，被观测的行驶行为是先行车辆20从盲区4附近通过的通过速度和先行车辆20在盲区4附近的横向位置偏移量。通过速度为绝对速度。横向位置偏移量例如被定义为从本车辆10所行驶的车道的车行道外侧线起至先行车辆20为止的距离。

车辆控制装置12具有风险推定功能。车辆控制装置12根据先行车辆20在盲区4的附近的行驶行为来推定盲区所产生的风险。关于由车辆控制装置12实施的风险推定的具体方法，将在后文进行叙述。

车辆控制装置12具有判断功能。车辆控制装置12根据推定出的风险的高低来判断是否进行用于风险回避的本车辆10的操作。而且，在进行用于风险回避的本车辆10的操作的情况下，车辆控制装置12根据风险的高低来判断进行什么样的方案的操作。用于风险回避的操作的例子如下：为了防备移动体从盲区4冲出而增大进入交叉路口时的横向位置偏移量、抑制从交叉路口通过时的通过速度以及它们的组合。车辆控制装置12以推定出的风险越高则越增大横向位置偏移量的方式进行判断。此外，车辆控制装置12以推定出的风险越高则越降低通过速度的方式进行判断。

车辆控制装置12具有操作功能。车辆控制装置12基于与风险回避操作相关的判断内容对控制本车辆10的运动的致动器进行操作。被操作的致动器中包括转向致动器、制动致动器以及驱动致动器。例如，在增大横向位置偏移量的情况下，车辆控制装置12对转向致动器进行操作来对本车辆10进行转向。在降低通过速度的情况下，车辆控制装置12对制动致动器进行操作来使制动力作用于本车辆10，或者对驱动致动器进行操作来使作用于本车辆10的驱动力减少。

具有上述的功能的车辆控制装置12也可以构成对车辆进行自动驾驶的自动驾驶系统。就是说，本车辆10也可以是自动驾驶车辆。此外，车辆控制装置12也可以构成对由驾驶员进行的车辆的驾驶进行辅助的驾驶辅助系统。

作为硬件的车辆控制装置12是以ECU(Electronic Control Unit：电子控制单元)为代表的车载计算机。车辆控制装置12具有处理器和与处理器耦合的程序存储器。处理器例如可以是CPU(Central Processing Unit：中央处理器)、FPGA(Field-ProgrammableGate Array：现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit：专用集成电路)或其他的处理单元。处理器也可以是CPU、FPGA、ASIC或其他的处理单元中的两个以上的组合。程序存储器中存储有由能执行的多个指令构成的车辆控制程序。车辆控制程序是用于使处理器执行上述的功能的程序。车辆控制程序可以记录于计算机可读记录介质。

车辆控制装置12所具有的上述的功能在与从与本车辆10所行驶的车道相反的对向车道冲出的移动体的碰撞的风险的回避中也是有效的。

在图2所示的例子中，在本车辆10的前方存在没有信号灯的交叉路口。在从本车辆10看时在交叉路口的跟前的右侧，就是说，在对向车道侧存在遮挡物6。遮挡物6会形成从本车辆10看不到的盲区8。在盲区8潜伏有移动体的情况下，该移动体可能会穿过对向车道而冲出至本车辆10所行驶的车道。因此，对向车道侧的盲区8也会产生对本车辆10而言的潜在的风险。

对本车辆10而言的潜在的风险对在对向车道行驶的对向车辆22而言也是风险。对向车辆22比本车辆10先通过盲区8的附近。在存在要从盲区8冲出至对向车道的移动体的情况下，该移动体会通过驾驶对向车辆22的驾驶员的目视或传感器被感测到。在感测到要冲出至对向车道的移动体的情况下，被识别为这是对于对向车辆22而言的显在的风险。驾驶对向车辆22的驾驶员或系统以与识别出的显在风险的高低相应的方案对对向车辆22进行操作。由驾驶员或系统进行的对向车辆22的操作被表现为对向车辆22的行驶行为。

车辆控制装置12识别存在于本车辆10的前方的对向车道一侧的盲区8，观测在盲区8的附近的对向车辆22的行驶行为。典型地，被观测的行驶行为是对向车辆22从盲区8附近通过的通过速度和对向车辆22在盲区8附近的横向位置偏移量。在盲区产生的场所是对向车道一侧的情况下，横向位置偏移量例如被定义为从对向车道的车行道外侧线起至对向车辆22为止的距离。针对存在于盲区8的附近的风险的由驾驶员或系统进行的对向车辆22的操作被反映至对向车辆22的行驶行为。因此，能根据在盲区8的附近的对向车辆22的行驶行为来推定盲区8所产生的风险。

2.风险推定方法

接着，对由车辆控制装置12实施的风险推定的具体方法进行说明。

图3是对根据其他车辆的行为来推定盲区所产生的风险的方法进行说明的图。图3所示的曲线图的横轴是比本车辆10先通过盲区的盲区通过车辆的横向位置偏移量。在盲区通过车辆中包括在本车辆10的前方行驶的先行车辆(在图1所示的例子中为先行车辆20)和在对向车道行驶的对向车辆(在图2所示的例子中为对向车辆22)。图3所示的曲线图的纵轴是在盲区通过车辆从盲区通过时的通过速度。

图3所示的曲线图中的曲线是用于判断盲区所产生的风险是否在容许范围内的边界线。风险根据横向位置偏移量与通过速度的关系来决定。更详细而言，按每个横向位置偏移量来决定用于判断风险是否在容许范围内的阈值速度。阈值速度是假设即使移动体从盲区冲出也能回避该移动体与通过车辆的碰撞的通过速度。阈值速度可以用将道宽、路肩宽、信号灯的有无、人行横道的有无等作为参数的函数来表示。上述的边界线是规定出按每个横向位置偏移量的阈值速度的阈值速度曲线。

车辆控制装置12计算观测到的横向位置偏移量与阈值速度曲线的交点的速度来作为阈值速度。接着，车辆控制装置12将观测到的通过速度与阈值速度进行比较。在观测到的通过速度比阈值速度高的情况下，车辆控制装置12推定为盲区所产生的风险低。例如在观测到的通过速度为观测速度A的情况下，推定为风险低。在推定为风险低的情况下，车辆控制装置12不进行用于风险回避的本车辆10的操作。在推定出的风险低的情况下不进行风险回避的操作，由此能抑制驾驶员感到不必要感。

在观测到的通过速度为阈值速度以下的情况下，车辆控制装置12判定为盲区所产生的风险高。例如在观测到的通过速度为观测速度B和观测速度C的情况下，推定为风险高。此外，如果观测到的横向位置偏移量为恒定，则能推定为通过速度越低，盲区通过车辆识别到越高的风险。因此，能推定为观测速度C被观测到的状况下的风险比观测速度B被观测到的状况下的风险高。

如上所述，通过将根据通过本车辆10的外部传感器14观测到的横向位置偏移量计算出的阈值速度与观测到的通过速度进行比较，能合理地推定盲区所产生的风险的高低。由此，能不依赖于通过与外部的通信进行的风险信息的提供地应对潜在地存在于本车辆10的前方的风险。

阈值速度曲线按可能会从盲区冲出的移动体的每个种类来设定。图4是表示按照从盲区冲出的移动体的每个种类设定的阈值速度曲线的例子的图。图4所示的移动体A、移动体B以及移动体C是分别不同的种类的移动体。例如，在行人和自行车中，自行车以比行人快的速度移动。因此，若横向位置偏移量为恒定，则移动体是自行车的情况下的能回避与从盲区冲出的移动体的碰撞的通过速度比移动体是行人的情况下的能回避与从盲区冲出的移动体的碰撞的通过速度低。就是说，如果可能会从盲区冲出的移动体的种类不同，则阈值速度也不同。在图4所示的例子中，移动体A是最慢的移动体，移动体C是最快的移动体。

可能会从盲区冲出的移动体的种类可以在到达盲区之前根据通过本车辆10的外部传感器14感测到的移动体的种类来推定。例如，如果在到达盲区之前感测到许多自行车，则可以推定为可能会从盲区冲出的移动体是自行车。此外，也可以根据上下学时间、通勤时间等时间段来推定可能会从盲区冲出的移动体的种类。而且，也可以根据周围的环境来推定可能会从盲区冲出的移动体的种类。例如，在盲区处于上下学路上的情况下，行人从盲区冲出的可能性变高。此外，在盲区中看不到的交叉道路是下坡的情况下，加快速度的自行车不停下就冲出来的可能性高。

此外，阈值速度曲线按照盲区产生的每个场所来设定。图5是表示按盲区产生的每个场所设定的阈值速度曲线的例子的图。图5所示的场所A、场所B以及场所C是分别不同的场所。例如，在构造上，交叉路口中有容易发生行人的冲出的交叉路口和不易发生行人的冲出的交叉路口。在不易发生行人的冲出的交叉路口，盲区通过车辆的通过速度容易变高。此外，在限制速度高的道路，与限制速度低的道路相比，盲区通过车辆的通过速度容易变高。在图5所示的例子中，场所A是车辆最易加快速度的道路，场所C是车辆最难加快速度的道路。

每个场所的横向位置偏移量与阈值速度的关系可以预先与地图信息建立关联。此外，本车辆10也可以使用通过外部传感器14按每个场所获取到的观测数据。例如，也可以是，本车辆10在从场所A通过时，观测周围的盲区通过车辆的通过速度和横向位置偏移量，并基于通过观测获得的数据来制作场所A的阈值速度曲线。并且，也可以将场所A的根据通过观测获得的数据而推定的风险的有无与在本车辆10从场所A通过时判明的实际的风险的有无进行对照，由此来更新场所A的阈值速度曲线的数据。

根据以上内容，阈值速度曲线按盲区产生的每个场所来设定，此外，按可能会从盲区冲出的移动体的每个种类来设定。例如，在移动体A和移动体B可能会在场所A冲出的情况下，设定场所A的移动体A用的阈值速度曲线和场所A的移动体B用的阈值速度曲线。针对可能会冲出的移动体的种类限定于一种的场所，仅设定一种阈值速度曲线。

车辆控制装置12按照图6或图7所示的过程来进行风险推定。图6是表示由车辆控制装置12实施的风险推定方法的过程的第一例的流程图。

在图6所示的流程图的步骤S01中，通过外部传感器14来进行本车辆10的外界识别。在步骤S01中进行的外界识别的结果被用于步骤S02至步骤S05。

在步骤S02中，使用外界识别的结果和地图信息来识别本车辆10的前方的盲区产生的场所。在步骤S03中，基于外界识别的结果来推定可能会从在步骤S02中识别出的盲区冲出的移动体的类别。在步骤S04中，获取其他车辆的横向位置偏移量。然后，在步骤S05中，获取其他车辆的通过速度。步骤S04和步骤S05中的其他车辆是指从在步骤S02中识别出的盲区产生的场所通过的盲区通过车辆。

在步骤S06中，基于在步骤S02中识别出的盲区产生的场所和在步骤S03中推定出的可能会从盲区冲出的移动体的类别来选择阈值速度曲线。在第一例中，阈值速度曲线按盲区产生的每个场所且可能会从盲区冲出的移动体的每个类别而被固定。然后，将在步骤S04中获取到的盲区通过车辆的横向位置偏移量应用于阈值速度曲线，由此来运算阈值速度。

在步骤S07中，将在步骤S06中获得的阈值速度与在步骤S05获取到的盲区通过车辆的通过速度进行比较。然后，在步骤S08中，判定盲区通过车辆的通过速度是否大于阈值速度。

作为步骤S08的判定的结果，如果盲区通过车辆的通过速度大于阈值速度，则在步骤S10中推定为盲区所产生的风险低。另一方面，如果盲区通过车辆的通过速度为阈值速度以下，则在步骤S09中推定为盲区所产生的风险高。

图7是表示由车辆控制装置12实施的风险推定方法的过程的第二例的流程图。在图7所示的流程图中，对于与图6所示的流程图共同的处理标注共同的步骤编号。此外，对于与图6所示的流程图共同的处理，省略说明。

在第二例中，在被推定为盲区所产生的风险低的情况下，执行步骤S11。在步骤S11中，基于步骤S09或步骤S10中的风险的推定结果来更新阈值速度曲线的数据。详细而言，将在步骤S09或步骤S10中的风险的推定结果与在本车辆10从盲区通过时判明的实际的风险的有无进行对照。然后，基于该对照结果来更新阈值速度曲线的数据。

具体而言，在尽管在步骤S10中被推定为风险低但在本车辆10从盲区通过时感测到风险的情况下，以提高阈值速度的方式更新阈值速度曲线的数据。例如，也可以是，以在步骤S05获取到的盲区通过车辆的通过速度成为阈值速度以下的方式更新阈值速度曲线的数据。另一方面，在尽管在步骤S09中被推定为风险高但在本车辆10从盲区通过时未感测到风险的情况下，以降低阈值速度的方式更新阈值速度曲线的数据。例如，也可以是，以在步骤S05中获取到的盲区通过车辆的通过速度大于阈值速度的方式更新阈值速度曲线的数据。然后，在步骤S06中，使用数据被更新了的阈值速度曲线来运算阈值速度。

Claims (5)

1.一种车辆控制方法，由车载计算机执行，所述车辆控制方法的特征在于，包括：

根据与本车辆的周边环境相关的信息来识别存在于所述本车辆的前方且从所述本车辆看不到的盲区；

根据通过所述本车辆的外部传感器获取到的信息来观测比所述本车辆先通过所述盲区的盲区通过车辆在所述盲区附近的行驶行为；

基于所述行驶行为来推定所述盲区所产生的风险；以及

以与所述风险相应的方案对所述本车辆进行操作。

2.根据权利要求1所述的车辆控制方法，其特征在于，

观测所述行驶行为包括：对所述盲区通过车辆在所述盲区附近的通过速度和横向位置偏移量进行计测，

推定所述风险包括：

根据所述横向位置偏移量来计算阈值速度；以及

在所述通过速度比所述阈值速度高的情况下，推定为所述风险低，在所述通过速度为所述阈值速度以下的情况下，推定为所述风险高。

3.根据权利要求2所述的车辆控制方法，其特征在于，

推定所述风险包括：

根据与所述周边环境相关的信息来推定可能会从所述盲区冲出的移动体的类别；以及

根据所述移动体的类别来变更所述阈值速度的计算。

4.一种车辆控制装置，其特征在于，具备：

程序存储器，存储有能执行的多个指令；以及

处理器，与所述程序存储器耦合，

所述多个指令被配置为使所述处理器执行：

根据与本车辆的周边环境相关的信息来识别存在于所述本车辆的前方且从所述本车辆看不到的盲区；

根据通过所述本车辆的外部传感器获取到的信息来观测比所述本车辆先通过所述盲区的盲区通过车辆在所述盲区附近的行驶行为；

基于所述行驶行为来推定所述盲区所产生的风险；以及

以与所述风险相应的方案对所述本车辆进行操作。

5.一种非暂时性计算机可读记录介质，记录有包括能执行的多个指令的车辆控制程序，所述非暂时性计算机可读记录介质的特征在于，所述多个指令被配置为使车载计算机执行：

根据与本车辆的周边环境相关的信息来识别存在于所述本车辆的前方且从所述本车辆看不到的盲区；

根据通过所述本车辆的外部传感器获取到的信息来观测比所述本车辆先通过所述盲区的盲区通过车辆在所述盲区附近的行驶行为；

基于所述行驶行为来推定所述盲区所产生的风险；以及

以与所述风险相应的方案对所述本车辆进行操作。