用于检测自动驾驶的可信度的系统和方法与流程

本公开涉及汽车领域，特别涉及用于检测自动驾驶的可信度的系统、方法、介质以及电子设备。

背景技术：

自动驾驶系统在近年来得到快速发展。自动驾驶系统对车辆的控制基于使用传感器感知外界环境，根据行驶要求控制车辆在规划道路上自动行驶。但是，由于目前自动驾驶系统还不够成熟，导致驾驶员或乘客对系统不够信任，使得在使用自动驾驶系统时并不能减轻驾驶员或乘客的紧张程度，驾驶员或乘客需要一直保持高度注意，不能够放松。这种状态使得驾驶员或乘客不愿意使用自动驾驶系统。

因此，有必要使驾驶员或乘客获得更多关于自动驾驶系统的信息，使他们了解当前的自动驾驶系统的状态，放心使用自动驾驶系统。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

鉴于上述现有技术的缺陷，本公开提出自动驾驶系统的可信度级别的概念，使得驾驶员和乘客能根据自动驾驶系统的可信度级别更放心地使用自动驾驶系统。

根据本公开的一方面，提出一种用于检测自动驾驶的可信度的系统，包括：

环境和车辆监测模块，设置为获取环境和车辆信息；

可信度计算模块，设置为根据所述环境和车辆信息计算车辆的自动驾驶的可信度值；

可信度输出模块，设置为根据所述自动驾驶的可信度值确定自动驾驶的可信度级别。

根据本公开的实施例，所述环境和车辆监测模块包括：

外部环境监测子模块，设置为获取车辆的外部环境信息；

自动驾驶系统监测子模块，设置为获取车辆的自动驾驶系统状态信息；

行驶姿态监测子模块，设置为获取车辆的行驶姿态信息；以及

操控系统监测子模块，设置为获取车辆的操控系统的状态信息。

根据本公开的实施例，所述可信度计算模块包括计算子模块，该计算子模块基于贝叶斯网络和/或人工神经网络生成自动驾驶的可信度值。

根据本公开的实施例，所述可信度计算模块包括计算子模块，该计算子模块基于概率统计算法生成自动驾驶的可信度值。

根据本公开的实施例，所述可信度计算模块包括加权模块，该加权模块设置为在生成自动驾驶的可信度值之前，对所述环境和车辆信息进行加权处理。

根据本公开的实施例，所述可信度输出模块根据所述可信度值与可信度级别阈值的比较确定所述可信度级别。

根据本公开的实施例，所述自动驾驶系统状态信息包括自动驾驶系统的感知传感器的状态和性能信息。

根据本公开的实施例，所述车辆行驶姿态信息包括车速、横摆角、加速度、车灯状态中的至少一个。

根据本公开的实施例，所述操控系统状态信息包括车辆的转向系统状态、动力系统状态和刹车系统状态中的至少一个。

根据本公开的实施例，所述系统还包括：

提醒模块，设置为根据所述可信度输出模块输出的可信度级别提醒驾驶员和/或乘客。

根据本公开的另一方面，提出一种用于检测自动驾驶的可信度的方法，包括：

获取环境和车辆信息；

根据所述环境和车辆信息计算车辆的自动驾驶的可信度值；以及

根据所述自动驾驶的可信度值确定自动驾驶的可信度级别。

根据本公开的实施例，获取环境和车辆信息包括：

获取车辆的外部环境信息；

获取车辆的自动驾驶系统状态信息；

获取车辆的行驶姿态信息；以及

获取车辆的操控系统的状态信息。

根据本公开的实施例，根据所述环境和车辆信息计算车辆的自动驾驶的可信度值包括：

基于贝叶斯网络和/或人工神经网络生成自动驾驶的可信度值。

根据本公开的实施例，根据所述环境和车辆信息计算车辆的自动驾驶的可信度值包括：

基于概率统计算法生成自动驾驶的可信度值。

根据本公开的实施例，在计算自动驾驶的可信度值之前，对所述环境和车辆信息进行加权处理。

根据本公开的实施例，根据所述自动驾驶的可信度值确定自动驾驶的可信度级别包括：

根据所述可信度值与可信度级别阈值的比较确定所述可信度级别。

根据本公开的实施例，该方法还包括根据所述可信度输出模块输出的可信度级别提醒驾驶员和/或乘客。

根据本公开的又一方面，提出一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实施如上所述的方法。

根据本公开的再一方面，提出一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器设置为执行所述可执行指令以实施如上所述的方法。

根据本公开的实施例的用于检测自动驾驶的可信度的系统和方法，作为自动驾驶系统的一项辅助技术，相对传统自动驾驶系统来说，通过间接检测与自动驾驶系统相关的部件、环境和车辆状态，客观地判断自动驾驶系统的控制可信度，不仅能有效保证车辆在自动驾驶模式下的安全工作，而且能及时提醒驾驶员介入，使驾驶员或乘客更放心的使用自动驾驶系统。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例性实施例，本公开的上述和其它特征及优点将变得更加明显。

图1为根据本公开的一个实施例的用于检测自动驾驶的可信度的系统的示意框图；

图2为根据本公开的一个实施例的用于检测自动驾驶的可信度的系统的环境和车辆监测模块的示意框图；

图3为根据本公开的一个实施例的用于检测自动驾驶的可信度的系统的可信度计算模块的示意框图；

图4为根据本公开的一个实施例的用于检测自动驾驶的可信度的系统的可信度计算模块的示意框图；

图5为根据本公开的一个实施例的用于检测自动驾驶的可信度的系统的示意框图；

图6为根据本公开的一个实施例的用于检测自动驾驶的可信度的方法的示意流程图；

图7为根据本公开的一个实施例的用于检测自动驾驶的可信度的方法中获取环境和车辆信息的示意流程图；

图8为根据本公开的一个实施例的用于检测自动驾驶的可信度的方法的计算车辆的自动驾驶的可信度值的示意流程图；

图9为根据本公开的一个实施例的用于检测自动驾驶的可信度的方法的确定自动驾驶的可信度级别的示意流程图；

图10为根据本公开的一个实施例的用于检测自动驾驶的可信度的方法的示意流程图；

图11为根据本公开的另一个实施例中的用于检测自动驾驶的可信度的方法的示意流程图；

图12为根据本公开实施例的用于实施检测自动驾驶的可信度的方法的电子设备的示意框图。

具体实施方式

现在将参考附图更全面地描述示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本公开将全面和完整，并将示例性实施例的构思全面地传达给本领域的技术人员。在图中，为了清晰，可能会夸大部分元件的尺寸或加以变形。在图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、元件等。在其它情况下，不详细示出或描述公知结构、方法或者操作以避免模糊本公开的各方面。

对于车辆中使用的自动驾驶系统，由于自动驾驶系统将接管驾驶员对车辆的纵向和横向控制，而目前的自动驾驶技术还不能100％保证可靠性和完全应对特殊场景能力。针对此情况本公开的实施例通过实时监测车辆的外部环境状态和车辆状态来计算自动驾驶系统当前控制状态的可信度值，并将该可信度值转换为可信度级别，根据可信度级别及时提醒驾驶员或乘客，使之能更放心的使用自动驾驶系统。

根据本公开实施例的自动驾驶系统的可信度级别基于车辆的外界环境、与自动驾驶系统相关的传感器状态和性能所表征的自动驾驶系统的状态、车辆的行驶姿态、车辆操控系统状态所表征的车辆本身对自动驾驶系统的控制的响应能力来间接判断。可信度值的计算可采用置信网络结合概率统计算法。可信度级别的确定可通过计算得出的可信度值与预设的相应可信度级别阈值。

图1示出根据本公开的一个实施例的用于检测自动驾驶的可信度的系统。

该系统包括环境和车辆监测模块100，可信度计算模块200和可信度输出模块300。

其中，环境和车辆监测模块100设置为获取环境和车辆信息，该环境和车辆信息具体包括：车辆的外部环境信息、车辆的自动驾驶系统状态信息、车辆的行驶姿态信息和车辆的操控系统的状态信息。

可信度计算模块200根据环境和车辆监测模块100输出的环境和车辆信息计算车辆的自动驾驶的可信度值。可信度计算模块200包括置信网络，用于将环境和车辆信息进行汇总分析，得出当前自动驾驶系统控制的可信度值。

可信度计算模块200可基于贝叶斯网络和人工神经网络中的一种或多种计算可信度值，也可以基于概率统计算法计算可信度值。在本公开的一些实施例中，可采集车辆正常行驶时的环境和车辆信息数据，使用该数据对贝叶斯网络或人工神经网络进行训练以形成对比数据库。通过将获取的当前环境和车辆状态信息数据和对比数据库中存储的数据进行对比，根据匹配度计算可信度值。

根据本公开的实施例，可信度值可以是具体数值，百分比值，或具有指示含义的二进制数或字符串等。

可信度输出模块300根据自动驾驶的可信度值确定自动驾驶的可信度级别。

可信度级别可以采用百分比或红黄绿的颜色分级。例如，采用百分比形式分级的可信度级别，可以表示当前自动驾驶系统的可信度为100％，即该自动驾驶系统完全可信；50％的可信度表示自动驾驶系统目前有50％的可能完成任务；而10％以下，甚至0％的可信度表示当前自动驾驶系统非常不可信或者完全不可信以至于无法确保完成自动驾驶的要求。根据实际需要，也可以对不同数值的百分比值设定不同的可信程度。对于驾驶员或乘员，对该百分比值也有不同的理解。

根据本公开的实施例，还可以采用例如红黄蓝的颜色分级形式的可信度级别向驾驶员或乘员提供自动驾驶系统的可信程度。例如，绿色表示当前自动驾驶系统能够完成其设定功能，可信程度很高；黄色表示自动驾驶系统一般能够完成其设定功能或可完成其基本功能，可信程度不高但是仍可用；而红色则表示自动驾驶功能不可信，需要驾驶员或乘员手动操控车辆以避免由于自动驾驶功能失效导致车辆失控。

从可信度值到可信度级别的转换，需要将可信度值与可信度级别阈值的比较，确定经计算的可信度值所属的可信度级别。

例如，如果可信度值为百分比值，则可以设定不可信级别的可信度级别阈值为15％，可信级别的可信度级别阈值为60％。当可信度值为5％时，其低于不可信级别的可信度级别阈值，则当前的自动驾驶的可信度为不可信；当可信度值为90％时，其高于可信级别的可信度级别阈值，则当前可信度为非常可信。如果用户接受百分比值表示的可信度值，可以直接使用该百分比值形式的可信度值作为可信度级别。进一步，可以对不同可信度级别使用颜色分级便于用户观察。例如上述的90％的非常可信用绿色表示，5％的不可信用红色表示，而10％-60％之间的可信度用黄色表示。

再例如，如果可信度值为0-100的数值，则可以通过可信度输出模块300的转换，将该数值转换为百分比值或红绿蓝颜色分级形式的可信度级别更直观。可以设置20和60分别作为不可信到可信，可信到非常可信之间的可信度级别阈值。根据需要，还可以设置更细的划分，其可信度级别阈值也可以做相应调整。也可以将数值为0的可信度值单独表示为完全不可信的可信度级别，表示自动驾驶系统出现严重故障或当前情况完全不允许使用自动驾驶功能。

参见图2，根据本公开的实施例，环境和车辆监测模块100包括外部环境监测子模块110、自动驾驶系统监测子模块120、行驶姿态监测子模块130和操控系统监测子模块140。

外部环境监测子模块110通过传感器检测车辆的外部自然环境获取车辆的外部环境信息。例如，外部环境监测子模块110通过雨量传感器检测是否下雨和对应雨量大小，通过光线传感器检测光线强度从而判断当前的光照条件，甚至判断当前时间是白天还是黑夜，或者通过雪量传感器判断当前是否下雪以及雪量大小。各种传感器的检测数据可以是变量值、例如真(true)假(false)的二元值、字符串或故障码等。外部环境监测子模块110还基于各种传感器的检测数据生成车辆的外部环境信息。该外部环境信息可以将若干传感器的检测数据组成数组或经过初步计算的综合外部环境信息值。特别是，对于传感器故障，除了使用故障标记作为外部环境信息中的数据，还可以使用数值表示。例如，雨量传感器的检测数据中，0表示雨量超过上限以至于雨量传感器无法工作或者无法完成自动驾驶功能，1表示雨量大会影响自动驾驶，2表示雨量不大以使不会对自动驾驶造成影响，3表示雨量为0，即不下雨。类似地，外部环境监测子模块110中的其它传感器以及下文中介绍的传感器都可以采用类似的传感器数据输出。

自动驾驶系统监测子模块120监测与自动驾驶系统相关的感知传感器以获取车辆自动驾驶系统状态信息。与自动驾驶相关的感知传感器例如包括视觉传感器、超声传感器、雷达传感器、激光传感器、雷达激光传感器等。对感知传感器的监测包括用于自动驾驶的感知传感器的状态和性能信息，其中状态包括正常运行、待机和故障等，而性能包括检测能力等。例如，对于视觉传感器，需要监测视觉传感器是否工作正常，以及在工作正常时其对车道线和目标检测的能力；其中对于车道线的检测能力可包括检测的车道线颜色、宽度、数量和车道线的弯曲程度等。再例如，对于雷达传感器，需要检测其是否工作正常，以及工作正常时对障碍物的检测能力等；其中对障碍物的检测能力可包括检测的最远距离、最小障碍物尺寸、检测分辨率、以及响应时间等。

同样，自动驾驶系统监测子模块120获取的各种传感器的检测数据可以是与外部环境监测子模块110类似的变量值、例如真假的二元值、字符串或故障码等，也可以基于各种传感器的检测数据生成以传感器检测数据组成的数组或经计算的综合状态信息的车辆的自动驾驶系统状态信息。

行驶姿态监测子模块130通过传感器实时监测车辆在行驶时的姿态数据以获取车辆的行驶姿态信息。车辆的行驶姿态包括车速、横摆角、加速度，还可以包括车辆的车灯状态。车辆的行驶姿态表征了车辆当前的动态状态，其限定了自动驾驶系统可以通过改变车辆行驶设定驾驶车辆所容许的限制范围。例如，如果当前车速较快，则可能不允许车辆的自动驾驶系统进行过于激烈的操控方式改变车辆行驶设定，因为这可能造成驾驶员和乘客不适甚至影响车辆的稳定。通过车速传感器、横摆角传感器、加速度传感器可以获取车辆当前的行驶姿态，而车灯相关电路可以提供关于车辆的车灯是否正常点亮的信息。同样，行驶姿态监测子模块130获取的各种传感器的检测数据可以是与外部环境监测子模块110类似的变量值、例如真假的二元值、字符串或故障码等，也可以基于各种传感器的检测数据生成以传感器检测数据组成的数组或经计算的综合状态信息的车辆的自动驾驶系统状态信息。

操控系统监测子模块140通过检测车辆的执行器状态，实时监测车辆转向系统、动力系统和刹车系统并获取车辆的操控系统的状态信息。车辆的转向系统、动力系统和刹车系统的各自状态同样限定了自动驾驶系统可以通过改变车辆行驶所容许的范围。例如，当前车辆的动力不足以允许车辆进行快速机动时，自动驾驶系统将不能通过快速机动完成相应功能。同样，操控系统监测子模块140获取的各种传感器的检测数据可以是与外部环境监测子模块110类似的变量值、例如真假的二元值、字符串或故障码等，也可以基于各种传感器的检测数据生成以传感器检测数据组成的数组或经计算的综合状态信息的车辆的自动驾驶系统状态信息。

参见图3，示出根据本公开实施例的可信度计算模块200的结构。

可信度计算模块200可包括计算子模块220，用于完成基于贝叶斯网络和/或人工神经网络，或者基于概率统计算法生成自动驾驶的可信度值的功能。从环境和车辆监测模块100中的外部环境监测子模块110、自动驾驶系统监测子模块120、行驶姿态监测子模块130、操控系统监测子模块140中的各个子模块获得的以数值/变量值、二元值、字符串、故障码、数组或经计算的综合状态信息，通过上述贝叶斯网络和/或人工神经网络、概率统计算法中的一种或多种分别考虑各种参数对车辆的自动驾驶系统的作用，计算出自动驾驶的可信度值。

图4所示的本公开的实施例的可信度计算模块200，还包括加权模块210，用于在计算子模块220进行可信度值的计算之前，对环境和车辆监测模块100中的外部环境监测子模块110、自动驾驶系统监测子模块120、行驶姿态监测子模块130、操控系统监测子模块140中的各个子模块获得的以数值/变量值、二元值、字符串、故障码、数组或经计算的综合状态信息表示的环境和车辆信息进行加权处理，基于预先设定或可以由用户对不同的参数分别赋予不同的加权因子的权重值，调整各个信息参数对计算可信度值的贡献。例如，当前外部环境信息对车辆的自动驾驶系统的可信度造成很大的影响，则可以通过增加加权模块中与外部环境信息对应的权值放大该信息参数对可信度值的贡献。权重值设定可以在自动驾驶系统出厂前预置，可以在车辆使用中不断更新、学习和调整，也可以由车辆的用户根据自己的需求和经验设定。当改变权重值时，需要满足自动驾驶的最低需求，例如不可以超出行驶安全的规定。

图5示出根据本公开的实施例的另一用于检测自动驾驶的可信度的系统。相比图1的实施例，该系统增加了提醒模块400，用于根据可信度输出模块300输出的可信度级别提醒驾驶员/乘客。对于不同的可信度级别，可以提醒驾驶员或乘客进行不同的操作。驾驶员或乘客可以基于可信度级别提醒进行相应操作，或者参照提醒模块400给出的操作建议选择相应的操作。

根据本公开的实施例的用于检测自动驾驶的可信度的系统，作为自动驾驶系统的一项辅助技术，不仅监测与自动驾驶直接相关的部件，特别是传感器部件的信息，而且也监测可能影响自动驾驶系统的外部环境信息以及会限制自动驾驶系统的功能的车辆行驶姿态和操控系统的信息，向驾驶员或乘客提供准确的可信度级别信息。

相对传统自动驾驶系统来说，根据本公开的实施例的系统通过间接监测与自动驾驶系统相关的部件和车辆状态，客观地判断自动驾驶系统的控制可信度，不仅能有效保证车辆在自动驾驶模式下的安全工作，而且能及时提醒驾驶员介入，使驾驶员或乘客更放心的使用自动驾驶系统。

图6示出根据本公开实施例的用于检测自动驾驶的可信度的方法。在此，与上文中的用于检测自动驾驶的可信度的系统中的具体细节类似的部分在下文中将不再重复描述。

如图6所示的方法包括如下步骤：

s100：获取环境和车辆信息；

s200：根据环境和车辆信息计算车辆的自动驾驶的可信度值；以及

s300：根据自动驾驶的可信度值确定自动驾驶的可信度级别。

图7示出根据本公开的实施例的方法的获取环境和车辆信息步骤。

其中，步骤s100进一步包括如下子步骤：

s110：获取车辆的外部环境信息；

s120：获取车辆的自动驾驶系统状态信息；

s130：获取车辆的行驶姿态信息；以及

s140：获取车辆的操控系统的状态信息。

参见图8，根据本公开的实施例，步骤s200中包括：

s221：基于贝叶斯网络和/或人工神经网络生成自动驾驶的可信度值；和/或

s222：基于概率统计算法生成自动驾驶的可信度值。

在一些实施例中，步骤s200中在s221和s222之前，还存在步骤：

s210：在计算自动驾驶的可信度值之前，对环境和车辆信息进行加权处理。

图9则示出根据本公开实施例的步骤s300的细节。其中s300包括：

s310：根据可信度值与可信度级别阈值的比较确定可信度级别。

根据本公开的实施例，用于检测自动驾驶的可信度的方法还包括如图10中所示的步骤s400：根据可信度输出模块输出的可信度级别提醒驾驶员和/或乘客。

图11示出了本公开另一实施例的用于监测自动驾驶的可信度的方法。

用于检测自动驾驶的可信度的系统开始运行后，在步骤s100中，获取环境和车辆信息。根据本公开的实施例，步骤s100具体包括：

s110：获取车辆的外部环境信息；

s120：获取车辆的自动驾驶系统状态信息；

s130：获取车辆的行驶姿态信息；以及

s140：获取车辆的操控系统的状态信息。

步骤s110通过传感器监测车辆的外部自然环境以获得车辆的外部环境信息，并判断外部环境信息是否满足自动驾驶的条件。如果满足自动驾驶的条件，则将传感器的检测数据形成车辆的外部环境信息提供给下一步骤s200。如果不满足自动驾驶的条件，则输出不可信状态。例如，不可信状态的可信度值取值为0。

步骤s120通过监测与自动驾驶系统相关的感知传感器的状态和性能以获取车辆自动驾驶系统状态信息，并判断感知传感器的状态和性能是否正常，即自动驾驶系统的性能和工作是否正常。如果感知传感器正常，则将车辆自动驾驶系统状态信息提供给下一步骤s200。如果感知传感器不正常，则输出不可信状态。同样，不可信状态的可信度值可为0。

步骤s130通过传感器实时监测车辆在行驶时的姿态数据以获取车辆的行驶姿态信息，并判断车辆的行驶动态是否正常。如果通过各个动态参数判断车辆动态正常，则将车辆的行驶姿态信息提供给下一步骤s200。如果车辆动态不正常，则输出不可信状态。不可信状态的可信度值也可以取为0。

而步骤s140通过检测车辆的执行器状态，实时监测车辆转向系统、动力系统和刹车系统并获取车辆的操控系统的状态信息，并判断车辆的执行器状态是否正常以完成机动功能。如果车辆的执行器状态正常，则将车辆的操控系统状态信息提供给下一步骤s200。如果执行器状态不正常，则输出与其它步骤s110至s130中类似的不可信状态，其可信度值例如也可以取0。

在步骤s200中，根据环境和车辆信息计算车辆的自动驾驶的可信度值。在一些实施例中，步骤s200中进一步包括步骤s210，在计算自动驾驶的可信度值之前，对环境和车辆信息进行加权处理，对从步骤s110至s140中获得的以数值/变量值、二元值、字符串、故障码、数组或经计算的综合状态信息表示的环境和车辆信息进行加权处理，基于预先设定或可以由用户对不同的参数分别赋予不同的加权因子的权重值，调整各个信息参数对计算可信度值的贡献。

在步骤s300中，接收步骤s200计算的自动驾驶的可信度值和步骤s100中所输出的不可信状态的可信度值(例如为0)，确定车辆的自动驾驶的可信度级别。在一些实施例中，如果在可信度值中，存在不可信状态对应的可信度值，则当前的可信度级别为不可信，或者当步骤s100输出不可信状态时，在步骤s300中可直接确定自动驾驶的可信度级别为不可信。

在步骤s400中，根据s300中输出的可信度级别提醒驾驶员和/或乘客。在一些实施例中，所述的提醒包括灯光、屏幕显示、声音、震动等方式中的一种或者多种。其中灯光可通过不同颜色的灯光来表示不同的可信度级别，例如红色表示危险，黄色表示警告，绿色表示安全，或者绿色表示当前自动驾驶系统能够完成其设定功能，可信程度很高；黄色表示自动驾驶系统一般能够完成其设定功能或可完成其基本功能，可信程度不高但是仍可用；而红色则表示自动驾驶功能不可信，需要驾驶员或乘员手动操控车辆以避免由于自动驾驶功能失效导致车辆失控。震动可通过震动的频率等方式来表示不同的可信度级别，屏幕显示可显示不同的可信度级别或者可信度分值，并配以不同的颜色，声音也可通过表达方式的不同来表示不同的可信度级别。上述提醒方式可以多种进行组合，例如震动可以和灯光可以共同提醒驾驶员和乘客。

根据本公开的实施例的用于检测自动驾驶的可信度的方法，作为自动驾驶系统的一项辅助技术，不仅监测与自动驾驶直接相关的部件，特别是传感器部件的信息，而且也监测可能影响自动驾驶系统的外部环境信息以及会限制自动驾驶系统的功能的车辆行驶姿态和操控系统的信息，向驾驶员或乘客提供准确的可信度级别信息。

相对传统自动驾驶方法来说，根据本公开的实施例的方法通过间接监测与自动驾驶系统相关的部件和车辆状态，客观地判断自动驾驶系统的控制可信度，不仅能有效保证车辆在自动驾驶模式下的安全工作，而且能及时提醒驾驶员介入，使驾驶员或乘客更放心的使用自动驾驶系统。

应当注意，尽管在上文详细描述中提及了用于检测自动驾驶的可信度的系统的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本公开的示例性实施例中，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，该程序包括可执行指令，该可执行指令被例如处理器执行时可以实现上述任意一个实施例中所述用于自动驾驶可信度检测的方法的步骤。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书用于自动驾驶可信度检测的方法中描述的根据本公开各种示例性实施例的步骤。

根据本公开的实施例的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，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。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。

所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、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的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中的用于自动驾驶可信度检测的方法的步骤。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图12来描述根据本公开的这种实施方式的电子设备600。图12显示的电子设备600仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图12所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书用于自动驾驶可信度检测的方法中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图6至图10中所示的步骤。

所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。

所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205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。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的用于自动驾驶可信度检测的方法。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。