用于辅助驾驶的确定驾驶员习惯的方法和设备与流程

本发明涉及智能驾驶技术领域。具体而言，本发明涉及一种用于辅助驾驶的确定驾驶员习惯的方法、设备、计算机存储介质及车辆。

背景技术：

在辅助驾驶汽车控制中，以自适应巡航（acc）为例，需要驾驶员设定时距，以计算跟车的安全距离和跟车的速度曲线。其中，常用的算法需要驾驶员设定好时距，然后由控制器根据该时距以及当前车速计算与前车需保持的距离，并根据该距离来计算停车过程的减速和起步的时机。该方法不能贴合驾驶员实际的日常驾驶习惯，使得驾驶员需要在起步、跟车和停车过程中频繁介入，影响辅助驾驶过程中驾驶员的驾驶感受。

技术实现要素：

按照本发明的一个方面，提供一种用于辅助驾驶的确定驾驶员习惯的方法，该方法包括：识别车辆工况；识别车辆状态；以及基于车辆工况和车辆状态来确定驾驶员习惯；其中，识别车辆工况包括：利用车速信息执行第一车辆工况识别；以及利用地图信息和定位信息的组合和/或摄像头信息执行第二车辆工况识别。

作为上述方案的替代或补充，根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法还包括：利用第二车辆工况识别的结果对第一车辆工况识别的结果进行修正。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法中，识别车辆状态包括：利用车速信息、车辆反馈信息、雷达信息、摄像头信息中的一个或多个来识别车辆状态。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法中，车辆状态为起步、跟车或停车。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法中，基于车辆工况和车辆状态来确定驾驶员习惯包括：采用滑动平均法来得出表示驾驶员习惯的参数。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法中，基于车辆工况和车辆状态来确定驾驶员习惯还包括：将表示驾驶员习惯的参数与车辆工况和车辆状态中的一个或多个相关联。

作为上述方案的替代或补充，根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法还包括：取决于当前车辆工况和当前车辆状态中的一个或多个，基于关联的参数来控制车辆。

作为上述方案的替代或补充，根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法还包括：获取标识驾驶员身份的驾驶员身份信息。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法中，基于车辆工况和车辆状态来确定驾驶员习惯包括：将表示驾驶员习惯的参数与车辆工况和车辆状态中的一个或多个以及驾驶员身份相关联。

作为上述方案的替代或补充，根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法还包括：取决于当前车辆工况和当前车辆状态中的一个或多个以及当前驾驶员身份信息，基于关联的参数来控制车辆。

按照本发明的另一个方面，提供一种用于辅助驾驶的确定驾驶员习惯的设备，包括：车辆工况识别装置；车辆状态识别装置；以及习惯确定装置，其配置成基于车辆工况和车辆状态来确定驾驶员习惯；其中，车辆工况识别装置配置成：利用车速信息执行第一车辆工况识别；以及利用地图信息和定位信息的组合和/或摄像头信息执行第二车辆工况识别。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备中，车辆工况识别装置还配置成：利用第二车辆工况识别的结果对第一车辆工况识别的结果进行修正。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备中，车辆状态识别装置配置成：利用车速信息、车辆反馈信息、雷达信息、摄像头信息中的一个或多个来识别车辆状态。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备中，车辆状态为起步、跟车或停车。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备中，习惯确定装置还配置成：采用滑动平均法来得出表示驾驶员习惯的参数。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备中，习惯确定装置还配置成：将表示驾驶员习惯的参数与车辆工况和车辆状态中的一个或多个相关联。

作为上述方案的替代或补充，根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备还包括：车辆控制装置，其配置成：取决于当前车辆工况和当前车辆状态中的一个或多个，基于关联的参数来控制车辆。

作为上述方案的替代或补充，根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备还包括：驾驶员身份信息获取装置，其配置成：获取标识驾驶员身份的驾驶员身份信息。

作为上述方案的替代或补充，在根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备中，习惯确定装置还配置成：将表示驾驶员习惯的参数与车辆工况和车辆状态中的一个或多个以及驾驶员身份相关联。

作为上述方案的替代或补充，根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备还包括：车辆控制装置，其配置成：取决于当前车辆工况和当前车辆状态中的一个或多个以及当前驾驶员身份信息，基于关联的参数来控制车辆。

按照本发明的又一个方面，提供一种计算机可读存储介质，其上存储有可由处理器执行的程序指令，所述程序指令在由处理器执行时，执行根据本发明的一个方面的任一实施例所述的方法。

按照本发明的再一个方面，提供一种车辆，其包括根据本发明的一个方面的任一实施例所述的设备。

根据本发明一个或多个实施例的方案可以提供可用于确定驾驶员日常驾驶习惯的方法，从而使得在不同工况下的辅助驾驶过程中，辅助驾驶系统对起步、跟车和停车的控制更符合驾驶员的预期，提高辅助驾驶过程中驾驶员的驾驶感受。

附图说明

本发明的上述和/或其它方面和优点将通过以下结合附图的各个方面的描述变得更加清晰和更容易理解，附图中相同或相似的单元采用相同的标号表示。附图包括：

图1为根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法100的示意性流程图；以及

图2为根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备200的示意性框图。

具体实施方式

在本说明书中，参照其中图示了本发明示意性实施例的附图更为全面地说明本发明。但本发明可以按不同形式来实现，而不应解读为仅限于本文给出的各实施例。给出的各实施例旨在使本文的披露全面完整，以将本发明的保护范围更为全面地传达给本领域技术人员。

诸如“包含”和“包括”之类的用语表示除了具有在说明书和权利要求书中有直接和明确表述的单元和步骤以外，本发明的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。诸如“第一”和“第二”之类的用语并不表示单元在时间、空间、大小等方面的顺序而仅仅是作区分各单元之用。

下文参考根据本发明实施例的方法和系统的流程图说明、框图和/或流程图来描述本发明。将理解这些流程图说明和/或框图的每个框、以及流程图说明和/或框图的组合可以由计算机程序指令来实现。可以将这些计算机程序指令提供给通用计算机、专用计算机或其它可编程数据处理设备的处理器以构成机器，以便由计算机或其它可编程数据处理设备的处理器执行的这些指令创建用于实施这些流程图和/或框和/或一个或多个流程框图中指定的功能/操作的部件。还应该注意在一些备选实现中，框中所示的功能/操作可以不按流程图所示的次序来发生。例如，依次示出的两个框实际可以基本同时地执行或这些框有时可以按逆序执行，具体取决于所涉及的功能/操作。

在可适用的情况下，可以使用硬件、软件或硬件和软件的组合来实现由本公开提供的各种实施例。另外，在可适用的情况下，在不脱离本公开的范围的情况下，本文中阐述的各种硬件部件和/或软件部件可以组合成包括软件、硬件和/或两者的复合部件。在可适用的情况下，在不脱离本公开的范围的情况下，本文中阐述的各种硬件部件和/或软件部件可以被分离成包括软件、硬件或两者的子部件。另外，在可适用的情况下，设想的是软件部件可以被实现为硬件部件，以及反之亦然。

现在参考图1，按照本发明的一个方面，图1图示了根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的方法100的示意性流程图。用于辅助驾驶的确定驾驶员习惯的方法100可以包括以下步骤：识别车辆工况s120；识别车辆状态s130；以及基于车辆工况和车辆状态来确定驾驶员习惯s140。可选地，方法100还可以包括：获取标识驾驶员身份的驾驶员身份信息s110和基于关联的表示驾驶员习惯的参数来控制车辆的步骤s150。如上所述，流程图中的步骤可以不按照所示的顺序来执行，例如步骤s120和步骤s130可以先后地或并行地执行。下面详细描述方法100的各个步骤。

在步骤s120中，识别车辆工况。车辆工况是指关于车辆所行驶的道路的类型的参数，可以包括例如城市工况，郊区工况和高速工况。通常来说，车辆在城市工况下的行驶车速小于在郊区工况下的行驶车速，并且车辆在郊区工况下的行驶车速小于在高速工况下的行驶车速。因此，可以利用车速信息执行第一车辆工况识别。车速信息是指量化地表示车辆行驶速度的信息，其可以包括车辆的速度、车辆的加速度、车辆的瞬时速度、车辆在某一时间段内的平均速度等。在此，简单地以车载速度传感器在某一时段内获取的车辆速度为例来进行说明。例如，在第一车辆工况识别的过程中，可以设定城市-郊区车速阈值和郊区-高速车速阈值，并进一步根据当前车速与该两个阈值的比较结果来识别车辆工况。例如，城市-郊区车速阈值可以为60km/h，而郊区-高速车速阈值可以为80km/h。在此情况下，当车速小于60km/h时，则识别车辆工况为城市工况；当车速在60km/h至80km/h之间时，则识别车辆工况为郊区工况；而当车速大于80km/h时，则识别车辆工况为高速工况。

然而，由于在实践中，车辆在城市、郊区和高速上行驶的速度范围很有可能发生部分地重叠，因此仅凭当前车速与城市-郊区车速阈值和郊区-高速车速阈值的比较来识别车辆工况难免会产生错误。例如，在车辆行驶在郊区道路上的情况下，若遇行人接近，车速有可能偶尔减慢到60km/h以下；而若道路情况良好，车速也有可能偶尔提高到80km/h以上。因此，如果仅凭当前车速与所述两个车速阈值的比较，则有可能使得所识别的车辆工况在三种车辆工况之中频繁地来回切换，而实际上车辆一直处于郊区工况。由此，可能造成对车辆工况的错误判断，并且由于频繁切换而增加操作系统的负荷。

为了缓解上述问题，还可以利用地图信息和定位信息的组合和/或摄像头信息执行第二车辆工况识别。地图信息可以指以地图为基础的、包括各个道路所对应的类型（例如，城市、郊区、高速）的信息；定位信息可以指以地图为基础的、表示车辆所在位置的信息，例如gps信息。具体地，在可获得定位信息和地图信息的情况下，可以根据定位信息和地图信息来对上述识别的车辆工况进行修正。例如，在预先存储的地图信息中，可以预先对各种道路类型（例如，城市、郊区、高速）进行标注。在识别车辆工况的过程中，结合预先存储的地图信息和当前车辆的定位信息，从而识别车辆所处的工况。

与上述地图信息和定位信息一起、或是在无法获得上述地图信息和定位信息的情况下，还可以利用摄像头信息来识别车辆工况。例如，特别是在无法获得地图信息和定位信息时，利用摄像头信息进行本地分析可以在一定程度上提高对车辆工况识别的准确率。在一个实施例中，可以使用车载摄像头获取前方场景，并利用图像识别等技术、比对常见的城市、郊区和高速场景来确定车辆工况。例如，可以将高速出口标志、限速标志、高速护栏、隔离带等用作利用摄像头信息识别出高速工况的特征；以及将楼房、交通信号灯、行人等用作利用摄像头信息识别出城市工况的特征。

可以将利用定位信息、地图信息和/或摄像头信息在第二车辆工况识别过程中得到的结果用于对利用当前车速和预设阈值在第一车辆工况识别过程中得到的结果进行进一步修正，由此提高对车辆工况识别的准确率，以及避免所识别的车辆工况不正确地在各种车辆工况之间频繁切换，从而实现高效准确的车辆工况识别。

在步骤s130中，识别车辆状态。所述车辆状态是指车辆本身的运动状态，其可以包括起步、跟车和停车。当然，根据实际需要，也可以识别其它车辆状态或对上述车辆状态进行细分，例如停车状态可以进一步划分为熄火状态下的停车和点火状态下的停车等。对上述车辆状态的识别可以利用车速信息、车辆反馈信息（例如，刹车信号、油门信号等）、雷达信息、摄像头信息中的一个或多个。以下详细描述对起步、跟车和停车状态的识别的实施例。

在识别起步状态的过程中，首先识别车辆是否处于静止状态。可以根据车辆的刹车系统提供的停止（standstill）信号和车速信号（例如，表示车速为0的车速信号）来判断车辆是否处于静止状态。在判断车辆处于静止状态的情况下，如果收到表示油门踏板踩下的油门信号，则可以将当前车辆状态识别为起步。可以设定一起步车速阈值，当车速大于该起步车速阈值后，判断起步状态结束。

在识别跟车状态的过程中，可以根据车载雷达信息和摄像头信息计算前车与本车的距离以及相对速度来判断是否为跟车状态，并稍后利用本车车速判断跟车状态是否结束。雷达可以发射电磁波对前方车辆进行照射并接收来自前车的反射波，由此获得前车至本车的距离、距离变化率（即速度）、方位等信息。摄像头信息可以提供本车前方的图像，例如以用于识别前方是否存在车辆。例如，可以针对不同的车辆工况设置不同的跟车距离阈值，以及相对速度阈值。在一个实施例中，可以设置高速跟车距离阈值为50米，郊区跟车距离阈值为30米，以及城市跟车距离阈值为20米。当然，考虑到高速工况下的较快行驶速度，为了安全起见，通常会在速度增加时适当地增加跟车距离。因此，高速跟车距离阈值也可以根据当前车速来改变，视情况而定，也可以根据当前车速改变各种工况下的跟车距离阈值。另一方面，可以例如设置跟车相对速度的数值为0-5km/h。由此，例如在高速工况的情况下，若本车与前车的距离在高速跟车距离阈值±10米的范围内，且本车与前车的相对速度的数值为0-5km/h，则可以判断本车处于跟车状态。

在识别停车状态的过程中，可以利用刹车信号和本车车速信息。需要注意的是，此处的“停车状态”并不是指如关于识别起步状态中所述的静止状态，而是指车辆减速到静止这一过程之间的状态。在一个实施例中，当刹车信号指示刹车踏板被踩下持续达预定时间，或是某个设定的时间段中被踩下的时间达预定比例时，可以判定为进入停车状态。在另一个实施例中，可以设定一停车车速阈值，并结合本车的当前车速信息，当车速小于该停车车速阈值时，判断进入停车状态。当然，也可以动态地设定停车车速阈值，例如，可以根据车辆当前车速来设定停车车速阈值。在一个实施例中，当车辆维持相对稳定的车速达一端时间之后，可以以该稳定车速作为标准，以该稳定车速的50%作为停车车速阈值。当然，也可以同时利用刹车信号和车速信息，例如，在车速低于某一阈值时才利用刹车信号判断是否开始进入停车状态。此后，在车辆进入静止状态后，车辆结束停车状态。

此外，若本车前方无车（即，非跟车状态）且非起步状态或停车状态，则将此时的车辆判定为处于“无效状态”。在车辆处于无效状态的情况下，可以不对车辆的控制进行改变。

在步骤s104中，基于车辆工况和车辆状态来确定驾驶员习惯。在本文中，驾驶员习惯是指在不同的场景（例如，车辆工况、车辆状态等）下，驾驶员驾驶车辆时常用的或倾向于使用的车辆速度、车辆加速度、与前车保持的跟车距离等。不同的驾驶员习惯往往会带来不同的驾驶或乘坐体验，例如，不同的加速度带来的推背感、车辆稳定感可以不同。再例如，对驾驶安全要求不同的驾驶员倾向于保持不同的跟车距离，通常希望驾驶的安全性更高的驾驶员倾向于在合理范围内与前车保持相对远的距离。在一个实施例中，确定的驾驶员习惯包括车辆加速度和车辆距离，由此，可以使得确定的驾驶习惯不仅在乘坐体验上更符合驾驶员的偏好，也在驾驶安全性方面符合驾驶员的要求。

在对驾驶员习惯进行确定的过程中，可以例如使用滑动平均法来得出表示驾驶员习惯的参数（例如，车辆加速度和本车与前车之间的车辆距离），但不排除可适用的任何其他算法。此处，以滑动平均法作为示例进行描述。滑动平均法又称为移动平均法，是指在简单平均值法的基础上，通过顺序逐期增减新旧数据求算移动平均值，介意消除偶然变动因素、找出事物发展趋势、并据此进行预测的方法。用于求算滑动平均值的连续多个简单平均值的范围可以通过设定时间窗口（其长度可称为滑动周期）来获得。在本实施例中，简单平均值可以通过对车辆传感器在各个间隔内测得的离散数据进行平均来得到。

例如，对于车辆加速度的简单平均值，假设车载加速度计每秒测量10次加速度，则每一秒的车辆加速的简单平均值为该秒内的10个加速度值的平均值。而对于例如1~5秒（t1表示第1秒，t2表示第2秒，t3表示第3秒，t4表示第4秒以及t5表示第5秒）内的简单平均值a1=1m/s²，a2=2m/s²，a3=2m/s²，a4=2m/s²以及a5=5m/s²，若要求对应于t2、t3以及t4的滑动平均值（要求算的滑动平均值的数量也可根据需要来设定），且设定的时间窗口为3秒，则计算如下：

滑动平均值m2=（a1+a2+a3）/3=5/3m/s²；

滑动平均值m3=（a2+a3+a4）/3=2m/s²；

滑动平均值m4=（a3+a4+a5）/3=3m/s²。

时间窗口的长度（即，滑动周期）可以根据需要来设定，一般而言，时间窗口越长，求得的滑动平均值的趋势越平缓，更有利于消除异常数据的影响。可以将求得的滑动平均值存储在存储器（包括各种非易失性存储器，例如，随机存取存储器（ram）、高速缓冲存储器、闪速存储器等）中，并在控制车辆的辅助驾驶的过程中使用。类似于车辆加速度，用滑动平均算法处理车辆距离。

此外，还可以通过根据车辆工况设定限制值来去除无效的确定值，即，通过确定得到的车辆加速度和本车与前车之间的车辆距离。以高速工况为例，可以设定车辆加速度限制值为-5m/s²~+5m/s²，以及设定车辆距离限制值为50米~200米。当车辆加速度和车辆距离不在前述设定的范围内（例如，车辆加速度为10m/s²）时，可以将该值认定为无效值从而进行去除。对无效值的去除可以是在求算滑动平均值之前去除简单平均值，也可以是在求算滑动平均值之后去除滑动平均值。

在确定步骤s104中，还包括将表示驾驶员习惯的参数与车辆工况和/或车辆状态相关联，从而得到驾驶员习惯。例如，可以将第一距离滚动平均值与高速以及跟车相关联，将第二距离滚动平均值与郊区以及跟车相关联，以及将第一加速度滚动平均值与郊区以及起步相关联。当然，取决于驾驶员的设置或需要，也可以仅将表示驾驶员习惯的参数与车辆工况和车辆状态之一进行关联。

可选地，在步骤s105中，取决于当前车辆工况和当前车辆状态，基于关联的表示驾驶员习惯的参数来控制车辆。具体地，在后续控制车辆的辅助驾驶的过程中，首先对车辆工况以及车辆状态进行识别，然后可以根据识别的车辆工况（城市工况、郊区工况或高速工况）以及车辆状态（起步状态、跟车状态或停车状态）来对车辆应用不同的加速度滚动平均值以及距离滚动平均值，从而更加精准地符合用户在各种车辆工况以及车辆状态下的驾驶习惯。例如，如果经过识别得知，当前车辆工况为高速工况以及当前车辆状态为跟车，则可以对车辆应用第一距离滚动平均值，使得本车与前车之间的距离保持在第一距离滚动平均值附近。对于当前车辆工况为其他车辆工况或当前车辆状态为其他车辆状态的情况可以进行相应的处理。

需要注意的是，在对驾驶员习惯进行首次确定之后，若驾驶员再次驾驶该车辆，可以停止确定步骤而仅用首次确定的习惯提供辅助驾驶功能；也可以在提供辅助驾驶功能的同时继续确定驾驶员习惯，在此情况下，在步骤s120和s130中识别的车辆工况和车辆状态信息可以同时用于习惯确定以及辅助驾驶。另外，可以在辅助驾驶的同时利用新确定的驾驶员习惯来更新存储的关于驾驶员习惯的数据，也可以在每次驾驶结束后进行更新。

在另外的实施例中，根据本发明的用于辅助驾驶的确定驾驶员习惯的方法还可以针对性地为多个驾驶员提供辅助驾驶功能。为此，方法100还包括步骤s110。

在步骤s110中，方法100包括获取驾驶员身份信息，该信息标识驾驶员身份。驾驶员身份信息可以是驾驶员主动输入的，例如，可以通过按钮、触摸屏、语音等来输入车载系统。驾驶员身份信息还可以是由车辆自动识别的，例如，可以在驾驶员拉动车门把手或触摸方向盘时通过读取并分析驾驶员的指纹、在驾驶员坐在座位上时通过对驾驶员进行面部识别或虹膜识别来进行。

相应地，在多个驾驶员的情况下，在确定步骤s104中，还包括将表示驾驶员习惯的参数与车辆工况和/或车辆状态和/或驾驶员身份相关联。例如，可以将第三距离滚动平均值与高速、跟车以及第一驾驶员身份相关联，将第四距离滚动平均值与高速、跟车以及第二驾驶员身份相关联，以及将第二加速度滚动平均值与郊区、起步以及第一驾驶员身份相关联。当然，取决于驾驶员的设置或需要，也可以仅将表示驾驶员习惯的参数与车辆工况、车辆状态和驾驶员身份中的部分进行关联。

相应地，在多个驾驶员的情况下，在步骤s105中，取决于当前车辆工况、当前车辆状态和当前驾驶员身份，基于关联的表示驾驶员习惯的参数来控制车辆。具体地，在后续控制车辆的辅助驾驶的过程中，首先对车辆工况、车辆状态以及驾驶员身份进行识别，然后可以根据识别的车辆工况（城市工况、郊区工况或高速工况）、车辆状态（起步状态、跟车状态或停车状态）以及驾驶员身份来对车辆应用不同的加速度滚动平均值以及距离滚动平均值，从而更加精准地符合不同用户在各种车辆工况以及车辆状态下的驾驶习惯。例如，如果经过识别得知，当前车辆工况为高速工况、当前车辆状态为跟车以及当前驾驶员为第一驾驶员，则可以对车辆应用第三距离滚动平均值，使得本车与前车之间的距离保持在第三距离滚动平均值附近。对于当前车辆工况为其他车辆工况、当前车辆状态为其他车辆状态以及当前驾驶员为其他驾驶员的情况可以进行相应的处理。

现在转到图2，图2图示了根据本发明一实施例的用于辅助驾驶的确定驾驶员习惯的设备200的示意性框图。

用于辅助驾驶的确定驾驶员习惯的设备200可以包括：车辆工况识别装置210；车辆状态识别装置220；以及习惯确定装置230，其配置成基于车辆工况和车辆状态来确定驾驶员习惯。车辆工况识别装置210配置成利用车速信息执行第一车辆工况识别；以及利用地图信息和定位信息的组合和/或摄像头信息执行第二车辆工况识别。可选地，设备200还可以包括：驾驶员身份信息获取装置250和车辆控制装置240。下面详细描述设备200中的各个装置。

车辆工况识别装置210被配置成识别车辆工况。其中，车辆工况是指关于车辆所行驶的道路的类型的参数，可以包括例如城市工况，郊区工况和高速工况。通常来说，车辆在城市工况下的行驶车速小于在郊区工况下的行驶车速，并且车辆在郊区工况下的行驶车速小于在高速工况下的行驶车速。因此，车辆工况识别装置210可以利用车速信息执行第一车辆工况识别。车速信息是指量化地表示车辆行驶速度的信息，其可以包括车辆的速度、车辆的加速度、车辆的瞬时速度、车辆在某一时间段内的平均速度等。在此，简单地以车载速度传感器在某一时段内获取的车辆速度为例来进行说明。例如，在第一车辆工况识别的过程中，车辆工况识别装置210可以设定城市-郊区车速阈值和郊区-高速车速阈值，并进一步根据当前车速与该两个阈值的比较结果来识别车辆工况。例如，城市-郊区车速阈值可以为60km/h，而郊区-高速车速阈值可以为80km/h。在此情况下，当车速小于60km/h时，则车辆工况识别装置210识别车辆工况为城市工况；当车速在60km/h至80km/h之间时，则车辆工况识别装置210识别车辆工况为郊区工况；而当车速大于80km/h时，则车辆工况识别装置210识别车辆工况为高速工况。

然而，由于在实践中，车辆在城市、郊区和高速上行驶的速度范围很有可能发生部分地重叠，因此仅凭当前车速与城市-郊区车速阈值和郊区-高速车速阈值的比较来识别车辆工况难免会产生错误。例如，在车辆行驶在郊区道路上的情况下，若遇行人接近，车速有可能偶尔减慢到60km/h以下；而若道路情况良好，车速也有可能偶尔提高到80km/h以上。因此，如果仅凭当前车速与所述两个车速阈值的比较，则有可能使得所识别的车辆工况在三种车辆工况之中频繁地来回切换，而实际上车辆一直处于郊区工况。由此，可能造成对车辆工况的错误判断，并且由于频繁切换而增加操作系统的负荷。

为了缓解上述问题，车辆工况识别装置210还配置成利用地图信息和定位信息的组合和/或摄像头信息执行第二车辆工况识别。地图信息可以指以地图为基础的、包括各个道路所对应的类型（例如，城市、郊区、高速）的信息；定位信息可以指以地图为基础的、表示车辆所在位置的信息，例如gps信息。具体地，在可获得定位信息和地图信息的情况下，车辆工况识别装置210可以根据定位信息和地图信息来对上述识别的车辆工况进行修正。例如，在预先存储的地图信息中，可以预先对各种道路类型（例如，城市、郊区、高速）进行标注。在识别车辆工况的过程中，车辆工况识别装置210可以结合预先存储的地图信息和当前车辆的定位信息，从而识别车辆所处的工况。

与上述地图信息和定位信息一起、或是在无法获得上述地图信息和定位信息的情况下，车辆工况识别装置210还可以利用摄像头信息来识别车辆工况。例如，特别是在无法获得地图信息和定位信息时，车辆工况识别装置210通过利用摄像头信息进行本地分析可以在一定程度上提高对车辆工况识别的准确率。在一个实施例中，车辆工况识别装置210可以使用车载摄像头获取前方场景，并利用图像识别等技术、比对常见的城市、郊区和高速场景来确定车辆工况。例如，车辆工况识别装置210可以将高速出口标志、限速标志、高速护栏、隔离带等用作利用摄像头信息识别出高速工况的特征；以及将楼房、交通信号灯、行人等用作利用摄像头信息识别出城市工况的特征。

车辆工况识别装置210可以将利用定位信息、地图信息和/或摄像头信息在第二车辆工况识别过程中得到的结果用于对利用当前车速和预设阈值在第一车辆工况识别过程中得到的结果进行进一步修正，由此提高对车辆工况识别的准确率，以及避免所识别的车辆工况不正确地在各种车辆工况之间频繁切换，从而实现高效准确的车辆工况识别。

车辆状态识别装置220配置成识别车辆状态。所述车辆状态是指车辆本身的运动状态，其可以包括起步、跟车和停车。当然，根据实际需要，车辆状态识别装置220也可以识别其它车辆状态或对上述车辆状态进行细分，例如停车状态可以进一步划分为熄火状态下的停车和点火状态下的停车等。车辆状态识别装置220对上述车辆状态的识别可以利用车速信息、车辆反馈信息、雷达信息、摄像头信息中的一个或多个。以下详细描述车辆状态识别装置220对起步、跟车和停车状态的识别的实施例。

在车辆状态识别装置220识别起步状态的过程中，首先识别车辆是否处于静止状态。车辆状态识别装置220可以根据车辆的刹车系统提供的停止（standstill）信号和车速信号（例如，表示车速为0的车速信号）来判断车辆是否处于静止状态。在车辆状态识别装置220判断车辆处于静止状态的情况下，如果收到表示油门踏板踩下的油门信号，则可以将当前车辆状态识别为起步。车辆状态识别装置220可以设定一起步车速阈值，当车速大于该起步车速阈值后，判断起步状态结束。

在车辆状态识别装置220识别跟车状态的过程中，可以根据车载雷达信息和摄像头信息计算前车与本车的距离以及相对速度来判断是否为跟车状态，并在判断为跟车状态后，利用本车车速判断跟车状态是否结束。雷达可以发射电磁波对前方车辆进行照射并接收来自前车的反射波，由此获得前车至本车的距离、距离变化率（即速度）、方位等信息。摄像头信息可以提供本车前方的图像，例如以用于识别前方是否存在车辆。例如，车辆状态识别装置220可以针对（例如由车辆工况识别装置210确定的）不同的车辆工况来设置不同的跟车距离阈值，以及相对速度阈值。在一个实施例中，车辆状态识别装置220可以设置高速跟车距离阈值为50米，郊区跟车距离阈值为30米，以及城市跟车距离阈值为20米。当然，考虑到高速工况下的较快行驶速度，为了安全起见，通常会在速度增加时适当地增加跟车距离。因此，高速跟车距离阈值也可以根据当前车速来改变，视情况而定，也可以根据当前车速改变各种工况下的跟车距离阈值。另一方面，可以例如设置跟车相对速度的数值为0-5km/h。由此，例如在高速工况的情况下，若本车与前车的距离在高速跟车距离阈值±10米的范围内，且本车与前车的相对速度的数值为0-5km/h，则车辆状态识别装置220可以判断本车处于跟车状态。

在车辆状态识别装置220识别停车状态的过程中，其可以可以利用刹车信号和本车车速信息。需要注意的是，此处的“停车状态”并不是指如关于识别起步状态中所述的静止状态，而是指车辆减速到静止这一过程之间的状态。在一个实施例中，当刹车信号指示刹车踏板被踩下持续达预定时间，或是某个设定的时间段中被踩下的时间达预定比例时，判定为进入停车状态。在另一个实施例中，车辆状态识别装置220可以设定一停车车速阈值，并结合本车的当前车速信息，当车速小于该停车车速阈值时，判断进入停车状态。当然，其也可以动态地设定停车车速阈值，例如，可以根据车辆当前车速来设定停车车速阈值。在一个实施例中，当车辆维持相对稳定的车速达一端时间之后，可以以该稳定车速作为标准，以该稳定车速的50%作为停车车速阈值。当然，也可以同时利用刹车信号和车速信息，例如，在车速低于某一阈值时才利用刹车信号判断是否开始进入停车状态。此后，在车辆进入静止状态后，车辆结束停车状态。

此外，若本车前方无车（即，非跟车状态）且非起步状态或停车状态，则车辆状态识别装置220将此时的车辆判定为处于“无效状态”。在车辆处于无效状态的情况下，可以不对（例如，由车辆控制装置240提供的）车辆的控制进行改变。

习惯确定装置230配置成基于车辆工况和车辆状态来确定驾驶员习惯。在一个实施例中，由习惯确定装置230确定的驾驶员习惯包括车辆加速度和车辆距离，由此，可以使得确定的驾驶习惯不仅在乘坐体验上更符合驾驶员的偏好，也在驾驶安全性方面符合驾驶员的要求。

在由习惯确定装置230确定驾驶员习惯的过程中，可以例如使用滑动平均法来得出表示驾驶员习惯的参数（例如，车辆加速度和本车与前车之间的车辆距离），但不排除可适用的任何其他算法。此处，以滑动平均法作为示例进行描述。滑动平均法又称为移动平均法，是指在简单平均值法的基础上，通过顺序逐期增减新旧数据求算移动平均值，介意消除偶然变动因素、找出事物发展趋势、并据此进行预测的方法。用于求算滑动平均值的连续多个简单平均值的范围可以通过设定时间窗口（其长度可称为滑动周期）来获得。在本实施例中，简单平均值可以通过对车辆传感器在各个间隔内测得的离散数据进行平均来得到。

例如，对于车辆加速度的简单平均值，假设车载加速度计每秒测量10次加速度，则每一秒的车辆加速的简单平均值为该秒内的10个加速度值的平均值。而对于例如1~5秒（t1表示第1秒，t2表示第2秒，t3表示第3秒，t4表示第4秒以及t5表示第5秒）内的简单平均值a1=1m/s²，a2=2m/s²，a3=2m/s²，a4=2m/s²以及a5=5m/s²，若要求对应于t2、t3以及t4的滑动平均值（要求算的滑动平均值的数量也可根据需要来设定），且设定的时间窗口为3秒，则计算如下：

滑动平均值m2=（a1+a2+a3）/3=5/3m/s²；

滑动平均值m3=（a2+a3+a4）/3=2m/s²；

滑动平均值m4=（a3+a4+a5）/3=3m/s²。

时间窗口的长度（即，滑动周期）可以根据需要来设定，一般而言，时间窗口越长，求得的滑动平均值的趋势越平缓，更有利于消除异常数据的影响。可以将求得的滑动平均值存储在存储器（包括各种非易失性存储器，例如，随机存取存储器（ram）、高速缓冲存储器、闪速存储器等）中，并在控制车辆的辅助驾驶的过程中使用。类似于车辆加速度，用滑动平均算法处理车辆距离。

此外，习惯确定装置230还可以通过根据车辆工况设定限制值来去除无效的确定值，即，通过确定得到的车辆加速度和本车与前车之间的车辆距离。以高速工况为例，可以设定车辆加速度限制值为-5m/s²~+5m/s²，以及设定车辆距离限制值为50米~200米。当车辆加速度和车辆距离不在前述设定的范围内（例如，车辆加速度为10m/s²）时，可以将该值认定为无效值从而进行去除。对无效值的去除可以是在求算滑动平均值之前去除简单平均值，也可以是在求算滑动平均值之后去除滑动平均值。

习惯确定装置230还可以配置成将表示驾驶员习惯的参数与车辆工况和/或车辆状态相关联。例如，可以将第一距离滚动平均值与高速以及跟车相关联，将第二距离滚动平均值与郊区以及跟车相关联，以及将第一加速度滚动平均值与郊区以及起步相关联。当然，取决于驾驶员的设置或需要，也可以仅将表示驾驶员习惯的参数与车辆工况和车辆状态之一进行关联。

可选地，设备200可以包括车辆控制装置240。车辆控制装置240配置成取决于当前车辆工况和当前车辆状态中的一个或多个，基于关联的表示驾驶员习惯的参数来控制车辆。具体地，在后续控制车辆的辅助驾驶的过程中，首先由车辆工况识别装置210对车辆工况以及由车辆状态识别装置220对车辆状态进行识别，然后车辆控制装置240可以根据识别的车辆工况（城市工况、郊区工况或高速工况）以及车辆状态（起步状态、跟车状态或停车状态）来对车辆应用不同的加速度滚动平均值以及距离滚动平均值，从而更加精准地符合用户在各种车辆工况以及车辆状态下的驾驶习惯。例如，如果经过识别得知，当前车辆工况为高速工况以及当前车辆状态为跟车，则车辆控制装置240可以对车辆应用第一距离滚动平均值，使得本车与前车之间的距离保持在第一距离滚动平均值附近。对于当前车辆工况为其他车辆工况或当前车辆状态为其他车辆状态的情况，车辆控制装置240可以进行相应的处理。

需要注意的是，在习惯确定装置230对驾驶员习惯进行首次确定之后，若驾驶员再次驾驶该车辆，可以停止确定步骤而仅用首次确定的习惯提供辅助驾驶功能；也可以在由车辆控制装置240提供辅助驾驶功能的同时继续确定驾驶员习惯，在此情况下，分别由车辆工况识别装置210和车辆状态识别装置220识别的车辆工况和车辆状态的信息可以同时用于习惯确定以及辅助驾驶。另外，习惯确定装置230可以在车辆控制装置240进行辅助驾驶的同时利用新确定的驾驶员习惯来更新存储的关于驾驶员习惯的数据，习惯确定装置230也可以在每次驾驶结束后进行更新。

在另外的实施例中，根据本发明的用于辅助驾驶的确定驾驶员习惯的设备200还可以针对性地为多个驾驶员提供辅助驾驶功能。为此，设备200还包括驾驶员身份信息获取装置250。

驾驶员身份信息获取装置250配置成获取驾驶员身份信息，该信息标识驾驶员身份。驾驶员身份信息可以是驾驶员主动输入到驾驶员身份信息获取装置250的，例如，可以通过按钮、触摸屏、语音等来输入车载系统。驾驶员身份信息还可以是由驾驶员身份信息获取装置250自动识别的，例如，可以在驾驶员拉动车门把手或触摸方向盘时通过读取并分析驾驶员的指纹、在驾驶员坐在座位上时通过对驾驶员进行面部识别或虹膜识别来进行。

相应地，在多个驾驶员的情况下，习惯确定装置230还配置成将表示驾驶员习惯的参数与车辆工况和/或车辆状态中的以及驾驶员身份相关联。例如，习惯确定装置230可以将第三距离滚动平均值与高速、跟车以及第一驾驶员身份相关联，将第四距离滚动平均值与高速、跟车以及第二驾驶员身份相关联，以及将第二加速度滚动平均值与郊区、起步以及第一驾驶员身份相关联。当然，取决于驾驶员的设置或需要，也可以仅将表示驾驶员习惯的参数与车辆工况、车辆状态和驾驶员身份中的部分进行关联。

相应地，在多个驾驶员的情况下，车辆控制装置240还配置成取决于当前车辆工况和当前车辆状态中的一个或多个以及当前驾驶员身份，基于关联的表示驾驶员习惯的参数来控制车辆。具体地，在车辆控制装置240后续控制车辆的辅助驾驶的过程中，首先由车辆工况识别装置210、车辆状态识别装置220和驾驶员身份信息获取装置250分别对车辆工况、车辆状态以及驾驶员身份进行识别，然后车辆控制装置240可以根据识别的车辆工况（城市工况、郊区工况或高速工况）、车辆状态（起步状态、跟车状态或停车状态）以及驾驶员身份来对车辆应用不同的加速度滚动平均值以及距离滚动平均值，从而更加精准地符合不同用户在各种车辆工况以及车辆状态下的驾驶习惯。例如，如果经过识别得知，当前车辆工况为高速工况、当前车辆状态为跟车以及当前驾驶员为第一驾驶员，则车辆控制装置240可以对车辆应用第三距离滚动平均值，使得本车与前车之间的距离保持在第三距离滚动平均值附近。对于当前车辆工况为其他车辆工况、当前车辆状态为其他车辆状态以及当前驾驶员为其他驾驶员的情况可以进行相应的处理。

注意的是，在方法100中使用的车速信息、摄像头信息、驾驶员身份信息、车辆反馈信息、雷达信息等各种信息在图2中统一地表示为“外部信息”，但是根据需要，这些信息中的一个或多个可以被输入到车辆工况识别装置210、车辆状态识别装置220、习惯确定装置230、车辆控制装置240以及驾驶员身份信息获取装置250等装置中的一个或多个。

按照本发明的又一个方面，提供一种计算机可读存储介质，其上存储有可由处理器执行的程序指令，所述程序指令在由处理器执行时，执行根据本发明的一个方面的任一实施例所述的方法。

按照本发明的再一个方面，提供一种车辆，其包括根据本发明的一个方面的任一实施例所述的设备。

前述公开不旨在将本公开限制为所公开的精确形式或特别使用领域。因此，设想的是，鉴于本公开，无论在本文中明确描述还是暗示，本公开的各种替代实施例和/或修改都是可能的。在已经像这样描述了本公开的实施例的情况下，本领域普通技术人员将认识到的是，在不脱离本公开的范围的情况下，可以在形式和细节上进行改变。因此，本公开仅由权利要求限制。