车辆的控制方法及装置、自动驾驶车辆与流程

本申请涉及自动驾驶领域，具体而言，涉及一种车辆的控制方法及装置、自动驾驶车辆。

背景技术：

目前，自动驾驶技术发展较快，但是依旧存在很多技术问题没有克服，例如，自动驾驶车辆在行驶过程会经过一些事故高发路段，如果自动驾驶车辆在经过这些事故高发路段时依旧按照之前设定好的驾驶参数行驶，可能会增加发生交通事故的风险，行车安全性较差。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本申请实施例提供了一种车辆的控制方法及装置、自动驾驶车辆，以至少解决自动驾驶车辆在通过事故多发路段时，可能会发生交通事故，行车安全性差的技术问题。

根据本申请实施例的一个方面，提供了一种车辆的控制方法，包括：在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；如果存在目标交通指示标识，预测当前路段发生交通事故的概率；依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

可选地，依据图像判断道路两侧是否存在目标交通指示标识，包括：判断采集的图像中是否存在目标交通标识；如果图像中存在目标交通标识，确定道路两侧存在目标交通指示标识；如果图像中不存在目标交通标识，确定道路两侧不存在目标交通指示标识。

可选地，预测当前路段发生交通事故的概率，包括：确定当前路段的特征信息，其中，特征信息至少包括：当前路段的位置信息以及当前路段的图像信息；将当前路段的特征信息输入至机器学习模型进行处理，得到当前路段发生交通事故的概率。

可选地，将当前路段的特征信息输入至机器学习模型进行处理之前，上述方法还包括：获取训练数据集，其中，训练数据集包括：当前路段的位置信息、当前路段的图像信息以及在当前路段发生交通事故的概率；基于训练数据集训练神经网络模型，生成机器学习模型。

可选地，依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，包括：如果当前路段发生交通事故的概率高于预设阈值，控制当前车辆减速通过当前路段；或控制当前车辆由自动驾驶模式切换为手动驾驶模式，并按照手动驾驶模式通过当前路段；如果当前路段发生交通事故的概率低于预设阈值，控制当前车辆按照当前的行驶速度通过当前路段。

根据本申请实施例的另一方面，还提供了另一种车辆的控制方法，包括：在当前车辆按照自动驾驶模式进行行驶的过程中，在当前车辆的人机交互界面中显示采集的当前车辆所在道路两侧的图像；在人机交互界面显示当前道路两侧的目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；在人机交互界面显示当前路段发生交通事故的概率；在人机交互界面显示提醒信息，其中，提醒信息用于提醒是否调整车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

根据本申请实施例的另一方面，还提供了一种车辆的控制装置，包括：采集模块，用于在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；判断模块，用于依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；预测模块，用于存在目标交通指示标识的情况下，预测当前路段发生交通事故的概率；调整模块，用于依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

根据本申请实施例的另一方面，还提供了一种自动驾驶车辆，包括：图像采集设备以及控制器，其中，图像采集设备，用于在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；控制器，与图像采集设备通信，用于依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；存在目标交通指示标识的情况下，预测当前路段发生交通事故的概率；依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

根据本申请实施例的再一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行以上的车辆的控制方法。

根据本申请实施例的再一方面，还提供了一种处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的车辆的控制方法。

在本申请实施例中，采用在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；如果存在目标交通指示标识，预测当前路段发生交通事故的概率；依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式的方式，通过在确定交通事故易发路段后，预测该路段发生交通事故的概率，然后根据预测得到的概率调整车辆的驾驶状态，从而实现了降低了自动驾驶车辆通过事故易发路段时发生交通事故的风险，提升了自动驾驶车辆的行车安全性的技术效果，进而解决了自动驾驶车辆在通过事故多发路段时，可能会发生交通事故，行车安全性差技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种车辆的控制方法的流程图；

图2是根据本申请实施例的另一种车辆的控制方法的流程图；

图3是根据本申请实施例一种车辆的控制装置的结构框图；

图4是根据本申请实施例的一种自动驾驶车辆的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的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。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。

根据本申请实施例，提供了一种车辆的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种车辆的控制方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；

步骤s104，依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；

需要说明的是，上述目标交通指示标识是指“事故易发路段标志”。

步骤s106，如果存在目标交通指示标识，预测当前路段发生交通事故的概率；

步骤s108，依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

通过上述步骤，通过在确定交通事故易发路段后，预测该路段发生交通事故的概率，然后根据预测得到的概率调整车辆的驾驶状态，从而实现了降低了自动驾驶车辆通过事故易发路段时发生交通事故的风险，提升了自动驾驶车辆的行车安全性的技术效果。

根据本申请的一个可选的实施例，在执行步骤s104时，判断采集的图像中是否存在目标交通标识；如果图像中存在目标交通标识，确定道路两侧存在目标交通指示标识；如果图像中不存在目标交通标识，确定道路两侧不存在目标交通指示标识。

在本步骤中利用采集的道路两侧的图像与预存的“事故易发路段标志”进行比对，可以确定采集的道路两侧的图像中是否存在“事故易发路段标志”。

根据本申请的另一个可选的实施例，还可以将采集的道路两侧的图像输入至预先训练好的机器学习模型进行识别，确定采集的道路两侧的图像中是否存在“事故易发路段标志”。通过上述方法可以确定本车辆的当前行驶路段是否为事故多发路段。

根据本申请的一个可选的实施例，步骤s106通过以下方法实现：确定当前路段的特征信息，其中，特征信息至少包括：当前路段的位置信息以及当前路段的图像信息；将当前路段的特征信息输入至机器学习模型进行处理，得到当前路段发生交通事故的概率。

在本申请的一些可选的实施例中，将当前路段的特征信息输入至机器学习模型进行处理之前，还需要获取训练数据集，其中，训练数据集包括：当前路段的位置信息、当前路段的图像信息以及在当前路段发生交通事故的概率；基于训练数据集训练神经网络模型，生成机器学习模型。

在上述方法中，利用预先训练好的机器学习模型预测车辆所在路段发生事故的概率，可以实现准确地确定该路段发生交通事故的概率的技术效果。

在本申请的一些可选的实施例中，步骤s108通过以下方法实现：如果当前路段发生交通事故的概率高于预设阈值，控制当前车辆减速通过当前路段；或控制当前车辆由自动驾驶模式切换为手动驾驶模式，并按照手动驾驶模式通过当前路段；如果当前路段发生交通事故的概率低于预设阈值，控制当前车辆按照当前的行驶速度通过当前路段。

在本步骤中，根据预测得到的当前路段发生交通事故的概率调整当前车辆的行驶状态，具体地，如果当前路段发生事故的概率高于预设阈值，需要控制车辆减速行驶；或者将车辆由自动驾驶模式切换为手动驾驶模式。如果当前路段发生事故的概率低于预设阈值，保持车辆的当前行驶参数继续行驶即可。通过上述方法可以提高自动驾驶车辆通过事故多发路段时的行车安全性的技术效果。

图2是根据本申请实施例的另一种车辆的控制方法的流程图，如图2所示，该方法包括：

步骤s202，在当前车辆按照自动驾驶模式进行行驶的过程中，在当前车辆的人机交互界面中显示采集的当前车辆所在道路两侧的图像；

步骤s204，在人机交互界面显示当前道路两侧的目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；

步骤s206，在人机交互界面显示当前路段发生交通事故的概率；

步骤s208，在人机交互界面显示提醒信息，其中，提醒信息用于提醒是否调整车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

步骤s202至步骤s208提供的车辆控制方法可以提升用户的人机交互体验。

需要说明的是，图2所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

图3是根据本申请实施例一种车辆的控制装置的结构框图，如图3所示，该装置包括：

采集模块30，用于在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；

判断模块32，用于依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；

预测模块34，用于存在目标交通指示标识的情况下，预测当前路段发生交通事故的概率；

调整模块36，用于依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

需要说明的是，图3所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

图4是根据本申请实施例的一种自动驾驶车辆的结构框图，如图4所示，该自动驾驶车辆包括：图像采集设备40以及控制器42，其中，

图像采集设备40，用于在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；

控制器42，与图像采集设备40通信，用于依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；存在目标交通指示标识的情况下，预测当前路段发生交通事故的概率；依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

需要说明的是，图4所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

本申请实施例还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行以上的车辆的控制方法。

上述非易失性存储介质用于存储执行以下功能的程序：在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；如果存在目标交通指示标识，预测当前路段发生交通事故的概率；依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。或者

在当前车辆按照自动驾驶模式进行行驶的过程中，在当前车辆的人机交互界面中显示采集的当前车辆所在道路两侧的图像；在人机交互界面显示当前道路两侧的目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；在人机交互界面显示当前路段发生交通事故的概率；在人机交互界面显示提醒信息，其中，提醒信息用于提醒是否调整车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

本申请实施例还提供了一种处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的车辆的控制方法。

上述处理器用于运行执行以下功能的程序：在当前车辆按照自动驾驶模式进行行驶的过程中，采集当前车辆所在道路两侧的图像；依据图像判断道路两侧是否存在目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；如果存在目标交通指示标识，预测当前路段发生交通事故的概率；依据当前路段发生交通事故的概率调整当前车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。或者

在当前车辆按照自动驾驶模式进行行驶的过程中，在当前车辆的人机交互界面中显示采集的当前车辆所在道路两侧的图像；在人机交互界面显示当前道路两侧的目标交通指示标识，其中，目标交通指示标识用于指示当前路段易发生交通事故；在人机交互界面显示当前路段发生交通事故的概率；在人机交互界面显示提醒信息，其中，提醒信息用于提醒是否调整车辆的驾驶状态，其中，驾驶状态包括：车辆的行驶速度以及车辆的驾驶模式。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所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。

所述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相关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，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。