基于无人驾驶的驾驶辅助方法、装置、设备、介质和车辆与流程

本发明实施例涉及车辆驾驶控制技术，尤其涉及一种基于无人驾驶的驾驶辅助方法、装置、设备、介质和车辆。

背景技术：

随着无人驾驶汽车技术的不断成熟，商用场景不断落地，未来已势不可挡。但是，受限于驾驶安全的考虑，无人驾驶技术的应用场景受限，将无人驾驶技术应用于何种特定场景能够最大化发挥出无人驾驶的作用，是现阶段需要考量的问题。

技术实现要素：

本发明实施例提供一种基于无人驾驶的驾驶辅助方法、装置、设备、介质和车辆，以灵活运用无人驾驶技术于特定场景中，发挥无人驾驶车辆的优势。

第一方面，本发明实施例提供了一种基于无人驾驶的驾驶辅助方法，该方法包括：

获取车辆的设定驾驶模式，其中，所述设定驾驶模式包括下述至少一种：陪练指导模式、人工驾驶模式和考试模式；

根据所述设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集；

根据采集的环境数据和驾驶数据，确定所述车辆的行驶状态；

根据所述行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行。

第二方面，本发明实施例还提供了一种基于无人驾驶的驾驶辅助装置，该装置包括：

驾驶模式获取模块，用于获取车辆的设定驾驶模式，其中，所述设定驾驶模式包括下述至少一种：陪练指导模式、人工驾驶模式和考试模式；

数据采集模块，用于根据所述设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集；

行驶状态确定模块，用于根据采集的环境数据和驾驶数据，确定所述车辆的行驶状态；

执行模块，用于根据所述行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行。

第三方面，本发明实施例还提供了一种计算机设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的基于无人驾驶的驾驶辅助方法。

第四方面，本发明实施例还提供了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本发明任一实施例所述的基于无人驾驶的驾驶辅助方法。

第五方面，本发明实施例还提供了一种车辆，包括车体，还包括如本发明实施例所述的计算机设备。

本发明实施例通过获取车辆的设定驾驶模式，并根据在设定驾驶模式下采集环境数据和驾驶数据确定出车辆的行驶状态，进而根据车辆行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行，解决了当前无人驾驶技术应用场景受限的问题，实现了基于无人驾驶车辆的优势，将无人驾驶技术灵活运用于特定场景中的效果，丰富了无人驾驶技术的应用场景。

附图说明

图1是本发明实施例一提供的基于无人驾驶的驾驶辅助方法的流程图；

图2是本发明实施例二提供的基于无人驾驶的驾驶辅助方法的流程图；

图3是本发明实施例三提供的基于无人驾驶的驾驶辅助方法的流程图；

图4是本发明实施例四提供的基于无人驾驶的驾驶辅助方法的流程图；

图5是本发明实施例五提供的基于无人驾驶的驾驶辅助装置的结构示意图；

图6是本发明实施例六提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的基于无人驾驶的驾驶辅助方法的流程图。本实施例可适用于为车辆驾驶员提供辅助驾驶情况，该方法可以由基于无人驾驶的驾驶辅助装置来执行，该装置可以集成在计算机设备上，该计算设备可以配置在车辆上，可选的是无人驾驶车辆或辅助驾驶车辆。

如图1所示，本实施例提供的基于无人驾驶的驾驶辅助方法可以包括：

s110、获取车辆的设定驾驶模式，其中，设定驾驶模式包括下述至少一种：陪练指导模式、人工驾驶模式和考试模式。

本实施例中的车辆为无人驾驶车辆，在不同的设定驾驶模式下，车辆执行不同的工作逻辑。车辆的设定驾驶模式包括但不限于：陪练指导模式、人工驾驶模式和考试模式。其中，陪练指导模式指车辆在行驶过程中可以发挥陪练指导的作用，协助驾驶员提高其驾驶技术；人工驾驶模式指车辆在行驶过程中可以基于当前环境为驾驶员提供行车的安全保障，避免行车事故的发生；考试模式指车辆在行驶过程中可以对驾驶员的驾驶行为进行评估打分。几种模式可以独立采用，也可以同时采用。

s120、根据设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集。

其中，环境数据用于描述车辆当前所处的行驶环境，包括但不限于道路平整度、交通标志和障碍物等，具体可以利用车辆上配置的采集装置，例如，相机、激光雷达、红外传感器和惯性传感器等，进行采集；驾驶数据指车辆当前的运行参数，包括但不限于油门位置、刹车力度、方向盘转角、车辆速度、加速度、方向和行驶路线等，并具体可以利用用于采集车辆系统中各模块的运行参数的采集装置进行采集。

s130、根据采集的环境数据和驾驶数据，确定车辆的行驶状态。

车辆的行驶状态用于描述当前车辆行驶是否符合行驶标准，例如当前车辆是否违反交通标志，是否被正确控制等。示例性的，当前采集的环境数据包括：路面存在起伏的坑洼，交通标识为右转；驾驶数据包括：加速行驶，方向为左转，则根据环境数据和驾驶数据确定的车辆行驶状态为：违反交通标志，且当前路段车速控制不当。

s140、根据行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行。

驾驶员的驾驶行为决定了车辆的驾驶数据，即驾驶行为影响车辆的行驶状态。车辆的行驶状态和车辆驾驶员的驾驶行为共同决定了在不同设定驾驶模式下车辆控制指令的内容。车辆控制指令用于描述根据行驶状态和驾驶行为所产生的用于响应驾驶行为的指令。在不同的设定驾驶模式下，产生的车辆控制指令不同，对应的指令执行方式也不同。例如，在陪练指导模式下，车辆控制指令可以为错误提示类指令，指令中可以具体包括驾驶行为的错误信息和驾驶行为的更正信息，对应的指令执行方式为向驾驶员进行错误提示；在人工驾驶模式下，车辆控制指令可以为强制修改车辆驾驶数据的控制类指令，对应的指令执行方式为通过控制车辆修改车辆的驾驶数据；在考试模式下，车辆控制指令可以为针对驾驶行为的评估类指令，指令中可以具体包括考试项目的评估结果，对应的指令执行方式为记录与存储考试项目的评估结果。

继续以前述示例为例，车辆行驶状态为：违反交通标志与当前路段车速控制不当，且车辆的设定驾驶模式为陪练指导模式，驾驶员的驾驶行为踩油门和左转方向盘，则产生并播报的车辆控制指令可以为：当前左转向和车速控制错误，应当右转向且减小车速。

可选的，在上述技术方案的基础上，该方法还包括：

在产生车辆回收模式的触发条件时，控制车辆进入自动驾驶模式；

根据回收目标地址，导引车辆自动行驶至回收目标地址的位置。

车辆回收模式是指车辆屏蔽驾驶员输入的人工驾驶指令，即人工驾驶指令在当前无效，车辆自动行驶至目标地址位置。具体的，车辆回收模式的触发条件包括但不限于设定时间触发、人工触发和条件检测触发。

示例性一，设定时间触发指设定规定的时间段，例如晚上6点-7点，当检测到当前时间处于该时间段内，则触发车辆回收模式。

示例性二，条件检测触发是指当压力检测和车辆状态检测分别满足阈值要求，例如检测到车辆驾驶位上产生的压力值小于或等于压力阈值，并且车辆处于静止状态的时间大于或等于时间阈值，则触发车辆回收模式。其中，压力阈值和时间阈值可以根据实际情况进行适应性设置。

无论是在陪练指导模式、人工驾驶模式或者考试模式，驾驶员最终的停车位置并不一定是规定的停车位置，因此，通过触发车辆回收模式，使得车辆自动行驶至回收位置，可以提高车辆的管理效率，减小人为回收车辆所耗费的人力和时间成本。

本发明实施例中，车辆的行驶状态侧重反映车辆情况，驾驶行为侧重反映的是驾驶人员的情况，但本领域技术人员可以理解，反映车辆情况和人员情况的数据可以相同或不同，即有部分数据既能反映车辆情况又能反映人员情况。例如，车辆行驶速度，既可以反映车辆行驶状态，又作为驾驶员操控行为的结果来反映人员主观驾驶行为。

此外，需要说明的是，本实施例所述的车辆可以为驾校车辆，车辆的行驶区域为驾校的封闭培训区域。在该封闭区域内，车辆的行驶路线比较固定，且道路上的障碍物较少，相比于复杂的行驶环境，行驶安全性较高。相应的，陪练指导模式和人工驾驶模式下的车辆角色则相当于驾校教练员，考试模式下的车辆则相当于处于驾校考试状态的考试专用车。通过将无人驾驶车辆应用于驾校环境，实现在传统驾校管理系统引入无人驾驶技术方案与语音交互方案，能够做到无人教学，智能陪练，考试监控和车辆自动回收等功能，能够有效提高当前驾校管理与教学的效率与质量，同时普及考证驾驶员对无人驾驶技术的认知，推动无人驾驶技术在认知与政策法规等社会层面的快速发展。驾校作为封闭场地，是一种适于实施无人驾驶的应用场景，可实施性更强。

本实施例的技术方案通过获取车辆的设定驾驶模式，其中车辆的设定驾驶模式包括陪练指导模式、人工驾驶模式和考试模式中的至少一种，并根据在设定驾驶模式下采集环境数据和驾驶数据确定出车辆的行驶状态，进而根据车辆行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行，解决了当前无人驾驶技术应用场景受限的问题，实现了基于无人驾驶车辆的优势，将无人驾驶技术灵活运用于特定场景中的效果，丰富了无人驾驶技术的应用场景。此外，车辆回收模式的触发，提高了车辆管理的效率。

实施例二

图2是本发明实施例二提供的基于无人驾驶的驾驶辅助方法的流程图，本实施例以车辆处于陪练指导模式为例，在上述实施例的基础上，对基于无人驾驶的驾驶辅助方法进一步进行优化。如图2所示，该方法可以包括：

s210、获取车辆的设定驾驶模式，其中，设定驾驶模式为陪练指导模式。

s220、根据设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集。

s230、根据采集的环境数据和驾驶数据，确定车辆的行驶状态。

s240、根据行驶状态所对应的标准驾驶规则，对车辆驾驶员的驾驶行为进行正确性评估。

其中，标准驾驶规则用于定义在当前驾驶环境下驾驶员应该执行的标准驾驶行为，例如根据道路上的左转标志，标准驾驶行为即左转。当驾驶员的驾驶行为与标准驾驶规则不一致时，则确定驾驶员的驾驶行为错误。

s250、根据评估结果产生错误提示指令，并控制车载提示器进行错误提示，其中，错误提示指令包括错误内容。

本实施例中错误提示信息并不是简单的语音提示驾驶员当前驾驶行为错误，而是详细地提示错误内容，同时还可以提示出正确的驾驶行为。例如，当驾驶员错误地左转时，播报的错误提示指令具体可以是：当前左转操作错误，应当直行。

具体的，根据行驶状态所对应的标准驾驶规则，对车辆驾驶员的驾驶行为进行正确性评估包括下述至少一种：

如果行驶状态为车辆行驶路线和/或时间违反对应交通标志，则评估车辆驾驶员的驾驶行为是错误的，错误内容包括违反的交通标志名称；

如果行驶状态为车辆行驶路线与地图中的禁行车道线重叠，则评估车辆驾驶员的驾驶行为是错误的，错误内容包括发生禁行车道线重叠的位置；

如果行驶状态为输入操控数据与标准操控数据不匹配，则评估车辆驾驶员的驾驶行为是错误的，错误内容包括不匹配的操控数据名称和错误倾向；其中，操控数据包括下述至少一项：油门位置、刹车力度、方向盘转角、速度和加速度。错误倾向可以是根据车辆当前行驶状态预测可能发生的交通事故等。

示例性一，车辆的行驶状态是违反交通信号灯，基于对驾驶员驾驶行为的评估结果产生的错误提示指令可以为：闯红灯。

示例性二，车辆的行驶状态是行驶至禁行车道线上，基于对驾驶员驾驶行为的评估结果产生的错误提示指令可以为：道路x东南段为禁行车道线，请驶出当前路段。

示例性三，车辆的行驶状态为输入操控数据与标准操控数据不匹配，例如左转操作存在错误，基于对驾驶员驾驶行为的评估结果产生的错误提示指令可以为：方向盘转角超过90度，刹车力度小于设定阈值，车轮易压到左转线且车速较快，易发生追尾事故。

根据具体的行驶状态和驾驶行为，错误提示指令的内容可以根据实际进行适应性调整，而不应该仅限制于上述所列情况。

本实施例的技术方案通过根据陪练指导模式下采集的环境数据和车辆驾驶数据，确定车辆的行驶状态，进而对车辆驾驶员的驾驶行为进行正确性评估，并根据评估结果产生错误提示指令，进行错误提示，解决了当前无人驾驶技术应用场景受限的问题，实现了无人驾驶技术在特定场景中的应用；并且，陪练指导模式的采用，实现了即使在无人监管驾驶员的情况下，驾驶员也可以得到驾驶指导的效果，即基于无人驾驶车辆，实现了无人教学和智能陪练的效果。

实施例三

图3是本发明实施例三提供的基于无人驾驶的驾驶辅助方法的流程图，本实施例以车辆处于人工驾驶模式为例，在上述实施例的基础上，对基于无人驾驶的驾驶辅助方法进一步进行优化。如图3所示，该方法可以包括：

s310、获取车辆的设定驾驶模式，其中，设定驾驶模式为人工驾驶模式。

s320、根据设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集。

s330、根据采集的环境数据和驾驶数据，确定车辆的行驶状态。

s340、如果根据行驶状态和车辆驾驶员的驾驶行为识别到车辆存在危险，则产生车辆安全控制指令，以控制车辆的运行，其中，车辆安全控制指令的优先级高于车辆驾驶员的驾驶指令优先级。

即当识别到存在危险时，优先执行车辆安全控制指令，改变车辆的驾驶数据，实现对车辆运行的自动控制，避免行车事故的发生。

可选的，根据行驶状态和车辆驾驶员的驾驶行为识别到车辆存在危险包括：

如果根据行驶状态识别到车辆与障碍物的预期碰撞，且未接收到车辆驾驶员的驾驶行为是减速或转向，则确定车辆存在危险；

相应的，车辆安全控制指令为刹车指令或减速指令。

示例性的，车辆当前的行驶状态是超速行驶，前方道路上设置有未撤去的路障，此时需要驾驶员减速行驶或者改变行驶方向，但是驾驶员并没有及时减速或者控制方向盘转向，则可以通过产生减速指令或者转向指令，强制控制车辆减速或者绕行，避免与路障的碰撞。

本实施例的技术方案通过根据人工驾驶模式下采集的环境数据和车辆驾驶数据，确定车辆的行驶状态；如果根据行驶状态和车辆驾驶员的驾驶行为识别到车辆存在危险，则产生车辆安全控制指令，以控制车辆的运行，避免行车事故的发生。本实施例技术方案解决了当前无人驾驶技术应用场景受限的问题，实现了无人驾驶技术在特定场景中的应用；并且，人工驾驶模式的采用，实现了即使在无人监管驾驶员的情况下，行驶安全也可得到保障的效果。

实施例四

图4是本发明实施例四提供的基于无人驾驶的驾驶辅助方法的流程图，本实施例以车辆处于考试模式为例，在上述实施例的基础上，对基于无人驾驶的驾驶辅助方法进一步进行优化。如图4所示，该方法可以包括：

s410、获取车辆的设定驾驶模式，其中，设定驾驶模式为考试模式。

s420、根据设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集。

s430、根据采集的环境数据和驾驶数据，确定车辆的行驶状态。

s440、根据行驶状态所对应的标准驾驶规则，对车辆驾驶员的驾驶行为进行正确性评估。

标准驾驶规则用于定义在当前驾驶环境下驾驶员应该执行的标准驾驶行为。在考试模式下，可以根据驾驶员的驾驶行为与标准驾驶规则的比较，得到驾驶员在每一个考试项目下对应的评估结果。

s450、根据评估结果产生记录指令，并根据记录指令进行本地存储或上报存储，其中，评估结果中至少包括错误内容。

考试模式下的评估类指令具体可以为根据评估结果而产生的记录指令。根据记录指令，将包括错误内容的评估结果实时地存储在本地或者上报至服务器，方便后期查看。例如，考试项目为倒车入库时，驾驶员的评估结果可以为：未打转向灯，扣10分；入库压线，扣10分。

需要说明的是，考试模式与陪练指导模式的区别主要在于，考试模式下将驾驶员的错误驾驶行为量化，给出具体的评估结果并记录，而不是直接给出错误提示。

本实施例的技术方案通过根据考试模式下采集的环境数据和车辆驾驶数据，确定车辆的行驶状态，进而基于行驶状态对车辆驾驶员的驾驶行为进行正确性评估，并将评估结果进行存储或者上报，解决了当前无人驾驶技术应用场景受限的问题，实现了无人驾驶技术在特定场景中的应用；并且，相比现有技术中针对考试配置考试专用车的情况，无人驾驶车辆通过切换至考试模式即可用于考试，实现了车辆的充分利用，减小了考试的车辆资源消耗成本。

实施例五

图5是本发明实施例五提供的基于无人驾驶的驾驶辅助装置的结构示意图，本实施例可适用于为车辆驾驶员提供辅助驾驶的情况。该装置可以采用软件和/或硬件的方式实现，并可集成在计算机设备上，该计算设备可以配置在无人驾驶车辆上。

如图5所示，该装置包括驾驶模式获取模块510、数据采集模块520、行驶状态确定模块530和执行模块540，其中：

驾驶模式获取模块510，用于获取车辆的设定驾驶模式，其中，设定驾驶模式包括下述至少一种：陪练指导模式、人工驾驶模式和考试模式；

数据采集模块520，用于根据设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集；

行驶状态确定模块530，用于根据采集的环境数据和驾驶数据，确定车辆的行驶状态；

执行模块540，用于根据行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行。

可选的，如果在陪练指导模式，则执行模块540包括：

陪练评估单元，用于根据行驶状态所对应的标准驾驶规则，对车辆驾驶员的驾驶行为进行正确性评估；

错误提示单元，用于根据评估结果产生错误提示指令，并控制车载提示器进行错误提示，其中，错误提示指令包括错误内容。

可选的，陪练评估单元具体用于：

如果行驶状态为车辆行驶路线和/或时间违反对应交通标志，则评估车辆驾驶员的驾驶行为是错误的，错误内容包括违反的交通标志名称；

如果行驶状态为车辆行驶路线与地图中的禁行车道线重叠，则评估车辆驾驶员的驾驶行为是错误的，错误内容包括发生禁行车道线重叠的位置；

如果行驶状态为输入操控数据与标准操控数据不匹配，则评估车辆驾驶员的驾驶行为是错误的，错误内容包括不匹配的操控数据名称和错误倾向；其中，操控数据包括下述至少一项：油门位置、刹车力度、方向盘转角、速度和加速度。

可选的，如果在人工驾驶模式，则执行模块540用于：

如果根据行驶状态和车辆驾驶员的驾驶行为识别到车辆存在危险，则产生车辆安全控制指令，以控制车辆的运行，其中，车辆安全控制指令的优先级高于车辆驾驶员的驾驶指令优先级。

可选的，执行模块540具体用于：

如果根据行驶状态识别到车辆与障碍物的预期碰撞，且未接收到车辆驾驶员的驾驶行为是减速或转向，则确定车辆存在危险，产生车辆安全控制指令，以控制车辆的运行；

相应的，车辆安全控制指令为刹车指令或减速指令。

可选的，如果在考试模式，则执行模块540包括：

考试评估单元，用于根据行驶状态所对应的标准驾驶规则，对车辆驾驶员的驾驶行为进行正确性评估；

记录单元，用于根据评估结果产生记录指令，并根据记录指令进行本地存储或上报存储，其中，评估结果中至少包括错误内容。

可选的，该装置还包括：

自动驾驶模式控制模块，用于在产生车辆回收模式的触发条件时，控制车辆进入自动驾驶模式；

回收模块，用于根据回收目标地址，导引车辆自动行驶至回收目标地址的位置。

可选的，本实施中的车辆为驾校车辆，车辆的行驶区域为驾校的封闭培训区域。

本发明实施例所提供的基于无人驾驶的驾驶辅助装置可执行本发明任意实施例所提供的基于无人驾驶的驾驶辅助方法，具备执行方法相应的功能模块和有益效果。

实施例六

图6是本发明实施例六提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备612的框图。图6显示的计算机设备612仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机设备612以通用计算机设备的形式表现。计算机设备612的组件可以包括但不限于：一个或者多个处理器616，存储装置628，连接不同系统组件(包括存储装置628和处理器616)的总线618。

总线618表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industrysubversivealliance，isa)总线，微通道体系结构(microchannelarchitecture，mac)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation，vesa)局域总线以及外围组件互连(peripheralcomponentinterconnect，pci)总线。

计算机设备612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备612访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置628可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(randomaccessmemory，ram)630和/或高速缓存存储器632。计算机设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(compactdiscread-onlymemory，cd-rom),数字视盘(digitalvideodisc-readonlymemory，dvd-rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储装置628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块642的程序/实用工具640，可以存储在例如存储装置628中，这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备612也可以与一个或多个外部设备614(例如键盘、指向终端、显示器624等)通信，还可与一个或者多个使得用户能与该计算机设备612交互的终端通信，和/或与使得该计算机设备612能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口622进行。并且，计算机设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(localareanetwork，lan)，广域网(wideareanetwork，wan)和/或公共网络，例如因特网)通信。如图6所示，网络适配器620通过总线618与计算机设备612的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备612使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(redundantarraysofindependentdisks，raid)系统、磁带驱动器以及数据备份存储系统等。

处理器616通过运行存储在存储装置628中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的基于无人驾驶的驾驶辅助方法，该方法可以包括：

获取车辆的设定驾驶模式，其中，所述设定驾驶模式包括下述至少一种：陪练指导模式、人工驾驶模式和考试模式；

根据所述设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集；

根据采集的环境数据和驾驶数据，确定所述车辆的行驶状态；

根据所述行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行。

实施例七

本发明实施例七还提供了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本发明任意实施例所提供的基于无人驾驶的驾驶辅助方法，该方法可以包括：

获取车辆的设定驾驶模式，其中，所述设定驾驶模式包括下述至少一种：陪练指导模式、人工驾驶模式和考试模式；

根据所述设定驾驶模式，基于车辆配置的采集装置进行环境数据和驾驶数据的采集；

根据采集的环境数据和驾驶数据，确定所述车辆的行驶状态；

根据所述行驶状态和车辆驾驶员的驾驶行为，产生车辆控制指令并执行。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

实施例八

本发明实施例八还提供了一种车辆，包括车体，其中，具体的车体结构可以采用现有技术中的结构设计；该车辆还包括如本发明实施例所述的计算机设备。该计算机设备的存储装置中存储有计算机程序，可以执行本发明任一实施例所述的基于无人驾驶的驾驶辅助方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。