车辆自动驾驶方法和车辆自动驾驶系统与流程

本发明总体地涉及车辆自动驾驶技术，更具体地涉及基于车内感知的车辆自动驾驶方法和车辆自动驾驶系统。
背景技术：
：在自动驾驶系统中，规划主要依据环境感知的结果前瞻模拟下一个时间段内各种可能的自动驾驶方案，包括速度调整和转向调整等；然后把最佳的方案传递到决策层去实现车辆的物理控制。环境感知主要是外部的物理道路感知和认知，以及和车辆周围运动目标的感知和认知等。在现有的自动驾驶系统中，主要依赖于外部环境的感知结果、以及来自车辆本身的速度传感器等来做运动规划和控制，对车内环境的感知较少，现有的对车内的感知一般限于对司机的状态的感知，如是否疲劳驾驶。技术实现要素：根据本发明的一个方面，提供了一种车辆自动驾驶方法，包括：感测车内人员，获得车内人员的轮廓信息；对车内人员进行归类；以及根据所述归类，确定相应的自动驾驶行驶模式，并对车辆进行自适应控制。进一步地，车辆自动驾驶方法还可以包括：在行驶过程中，持续接收车内人员的反馈；以及根据车内人员的反馈自适应调整自动驾驶的参数。进一步地，在车辆自动驾驶方法中，车内人员的轮廓信息可以包括车内每个人偏好的行驶模式。进一步地，在车辆自动驾驶方法中，每个人偏好的行驶模式可以由对应的行驶参数来表示。进一步地，在车辆自动驾驶方法中，对车内人员进行归类可以包括：确定每个车内人员是否为病人；确定每个车内人员是否是老人、小孩或残疾人；以及确定是否每个人都设置了所偏好的驾驶模式。进一步地，在车辆自动驾驶方法中，自动驾驶模式可以包括：舒适模式、普通模式和运动模式，以及所述根据所述归类，确定相应的自动驾驶行驶模式可以包括：确定车内人员是否有病人，如果有病人，则确定自动驾驶模式为舒适模式；如果车内人员没有病人，则确定车内每个人是否都有偏好的驾驶模式，如果车内每个人都有偏好的驾驶模式，则使用这些偏好的驾驶模式之中舒适度最高的驾驶模式；以及如果并非车内每个人都有偏好的驾驶模式，则确定不具有偏好的驾驶模式的人中是否存在老人、小孩或者残疾人；以及如果存在，则使用舒适模式。进一步地，在车辆自动驾驶方法中，感测车内人员可以包括使用下述手段中的至少一个：摄像头、压力传感器和麦克风、指纹识别器、红外传感器。进一步地，在车辆自动驾驶方法中，获得车内人员的轮廓信息可以包括：识别车内人员的身份，识别车内人员的身份包括基于身份信息数据库，通过下述身份识别技术中的一项或者其组合来识别车内人员的身份：人脸识别、声纹识别、指纹识别、虹膜识别、红外识别；以及基于识别得到的车内人员的身份，从轮廓信息数据库检索该车内人员的轮廓信息，在轮廓信息数据库中与车内人员的身份标识相关联地存储了轮廓信息。进一步地，在车辆自动驾驶方法中，在轮廓数据库中未存储该车内人员的轮廓信息的情况下，可以接收车内人员的轮廓信息输入，并将其存储到数据库中。进一步地，在车辆自动驾驶方法中，轮廓信息可以包括：年龄、性别、情绪、健康状态信息、偏好的行驶模式中的一项或多项。进一步地，在车辆自动驾驶方法中，不同的模式可以对应于相关联的规划和控制参数，所述参数可以选自下列项目中的一个或多个：正常加速度、超常加速度、正常减速度、超常减速度、前轮偏角和车速比的最大值、安全距离、换道最小频率、换道安全车距。进一步地，在车辆自动驾驶方法中，根据车内人员的反馈自适应调整自动驾驶的参数可以包括：响应于车内人员对当前驾驶状态的反馈式命令，利用预设的对应于所述反馈的参数和调整量来进行调整，所述反馈式命令指示对驾驶状态进行确定调整。进一步地，在车辆自动驾驶方法中，当用户不再给出反馈式命令时，记录当前的参数作为该用户的偏好的驾驶模式参数。进一步地，在车辆自动驾驶方法中，根据车内人员的反馈自适应调整自动驾驶的参数可以包括：响应于车内人员对当前驾驶状态的反馈式命令，采用增强学习方法进行调整。进一步地，在车辆自动驾驶方法中，身份识别技术中的一个或多个可以运行在本地车载计算机系统中、云端服务器中，或者以本地车载计算机系统和云端服务器相互协作的方式运行。进一步地，在车辆自动驾驶方法中，所述车内人员的身份信息数据库和轮廓信息数据库中的一个或两者存储在云端存储中。进一步地，车辆自动驾驶方法还可以包括：感测车内是否存在特定动物和/或特定物品；基于感测到车内存在特定动物和/或特定物品，确定相应的自动驾驶行驶模式。根据本发明的另一方面，提供了一种车辆自动驾驶系统，可以包括：传感器，感测车内人员；轮廓信息获得单元，用于获得车内人员的轮廓信息；归类单元，对车内人员进行归类；以及自适应控制单元，根据所述归类，确定相应的自动驾驶行驶模式，并对车辆进行自适应控制。进一步地，车辆自动驾驶系统还可以包括：反馈接收单元，在行驶过程中，持续接收车内人员的反馈；以及所述自适应控制单元根据车内人员的反馈自适应调整自动驾驶的参数。在一个示例中，车内人员的轮廓信息可以包括车内每个人偏好的行驶模式。在一个示例中，在车辆自动驾驶系统中，归类单元对车内人员进行归类可以包括：确定每个车内人员是否为病人；确定每个车内人员是否是老人、小孩或残疾人；以及确定是否每个人都设置了所偏好的驾驶模式。在一个示例中，在车辆自动驾驶系统中，自动驾驶模式可以包括：舒适模式、普通模式和运动模式，以及所述根据所述归类，确定相应的自动驾驶行驶模式包括：确定车内人员是否有病人，如果有病人，则确定自动驾驶模式为舒适模式；如果车内人员没有病人，则确定车内每个人是否都有偏好的驾驶模式，如果车内每个人都有偏好的驾驶模式，则使用这些偏好的驾驶模式之中舒适度最高的驾驶模式；以及如果并非车内每个人都有偏好的驾驶模式，则确定不具有偏好的驾驶模式的人中是否存在老人、小孩或者残疾人；以及如果存在，则使用舒适模式。在一个示例中，根据车内人员的反馈自适应调整自动驾驶的参数可以包括：响应于车内人员对当前驾驶状态的反馈式命令，采用增强学习方法进行调整。在一个示例中，在车辆自动驾驶系统中，传感器还可以感测车内是否存在特定动物和/或特定物品；以及自适应控制单元基于感测到车内存在特定动物和/或特定物品，确定相应的自动驾驶行驶模式。根据本发明的另一方面，提供了一种车辆自动驾驶方法，可以包括：感测车内人员，获得车内人员的轮廓信息；基于所获得的车内人员的轮廓信息，对车辆进行自适应控制。本发明实施例的车辆自动驾驶系统和方法关注车内人员的感知，并确定相应的自动驾驶行驶模式，并持续进行车内情况感知，并对车辆进行自适应控制，能够提供更为安全和高效的自动驾驶方法和系统。附图说明从下面结合附图对本发明实施例的详细描述中，本发明的这些和/或其它方面和优点将变得更加清楚并更容易理解，其中：图1示出了根据本发明一个实施例的车辆自动驾驶系统100的结构示意框图。图2示出了根据本发明一个实施例的轮廓信息获取单元模块120的功能结构图。图3示出了根据本发明另一实施例的车辆自动驾驶系统200的结构框图。图4示出了根据本发明另一实施例的车辆自动驾驶系统300的结构示意图。图5示出了根据本发明一个实施例的车辆自动驾驶方法400的总体流程图。图6描述根据本发明一个实施例的示例性车辆自动驾驶方法500的更详细过程。图7示出了根据本发明实施例的示例性自适应控制方法600的流程图。图8示出了根据本发明另一实施例的使用增强学习方法的示例性自适应控制方法700的流程图。具体实施方式为了使本领域技术人员更好地理解本发明，下面结合附图和具体实施方式对本发明作进一步详细说明。轮廓信息(profile)，为车内人员的资料，可以由车内人员注册得到，优选包括车内人员偏好的驾驶模式，还可以包括姓名、年龄、性别、健康状况、情绪等等。自适应控制和/或调整，指根据车内人员的反馈来自动调整自动驾驶的参数，直至满足车内人员的要求。本发明关注车内人员的感知，对车内人员进行归类分析，并确定相应的自动驾驶行驶模式，并持续进行车内情况感知，并对车辆进行自适应控制，能够提供更为安全和高效的自动驾驶方法和系统。图1示出了根据本发明一个实施例的车辆自动驾驶系统100的结构示意框图。车辆自动驾驶系统100包括传感器110、轮廓信息获得单元120、归类单元130、自适应控制单元140。传感器110感测车内人员，轮廓信息获得单元120用于获得车内人员的轮廓信息，归类单元130对车内人员进行归类，自适应控制单元140，根据所述归类，确定相应的自动驾驶行驶模式，并对车辆进行自适应控制。这里的轮廓信息获得单元120、归类单元130、自适应控制单元140可以由车载计算机的软件、硬件或者两者的结合来实现，也可以由车载计算机协同云端的存储和/或应用服务来实现，在自动驾驶车辆内安装高性能嵌入式计算机系统来处理传感器数据，执行感知、分析、规划、决策和控制等任务。车内计算机系统包含cpu、内存和永久性存储介质等部件，以及可选的fpga、asic、dsp、gpu等计算加速部件。车内计算机系统可以是单机系统，也可以是分布式系统。如果是分布式系统，其多个计算节点之间使用某种网络连接(如以太网等)。分布式系统的多个节点可以是同构的、也可以是异构的，比如采用不同的体系结构和操作系统。车内计算机系统可以独立运行，也可以连接到云20。云端的系统可以存储大量来自各个车辆上传的驾驶员和乘客信息，并可以提供基于人脸识别和声纹识别等的身份识别服务。这里的传感器为广义的概念，并不特指某一个传感器设备，而可以是传感器器件的集合。感测车内人员包括感测车内人员的图像、声音、质量等等。例如感测车内人员可以使用下述手段中的至少一个：摄像头、压力传感器和麦克风、指纹识别器、红外传感器。关于车内传感器设备，可以考虑下面的设置。(1)车内摄像头。可安装一个或多个摄像头，每个摄像头可以是单目、双目、深度摄像头。安装方式例如可以考虑下述两种之一。安装方式一：每个座位前方安装一个正对人脸的摄像头，可以清晰拍到人脸的正面。安装方式二：可以选择其他摄像头安装方式，比如使用一个摄像头拍摄多个座位，前提是保证能拍到所有驾驶员和乘客的脸的正面。(2)每个座位上的压力(质量)传感器。可以实时的提供车内乘客人数信息，也可以通过质量信息识别乘客内是否有小孩等粗略年龄信息。(3)麦克风。车内麦克风可以获取乘客的语音命令和反馈，通过自然语言处理来理解命令和反馈。并能根据声纹来识别不同的人。麦克风安装方式：可以车内的中间位置安装一个，也可以在前排的中间位置和后排的中间位置各安装一个。以上传感器器件仅为示例，可以视需要增加或减少传感器器件，任何现有的或未来出现的传感器器件均可以用于本发明。关于轮廓信息获得单元120，这里的轮廓信息可以包括，例如但不限于，身份、年龄、性别、人脸特征、声纹特征、健康状态、情绪状态、年龄等等。在一个优选示例中，车内人员的轮廓信息包括其偏好的行驶模式。在一个示例中，按照舒适程度，将行使模式分为舒适模式、普通模式和运动模式，舒适程度顺次降低，不同的行使模式对应于不同的规划和控制参数，比如：正常加速度、超常加速度、正常减速度、超常减速度、横向控制量最大值、安全距离、换道最小频率、换道安全车距等。需要说明的是，即便同为舒适模式，对于不同人来说，对应的参数也可以视不同的。例如，关于舒适模式，一般对于老人来说，希望车辆开的尽量平稳，因此希望加速度低些，换道频率低些；而一般对于青年人来说，则对于平稳性没有如此高的要求。因此，优选地，可以针对每个人定制其偏好的自动驾驶模式。图2示出了根据本发明一个实施例的轮廓信息获取单元模块120的功能结构图。轮廓信息获取单元模块120可以包括身份识别模块121、轮廓信息采集模块124、车内人员的其他属性和状态检测模块123以及轮廓信息综合模块122。在一个示例中，轮廓信息可以如下获得：首先，由身份识别模块121识别车内人员的身份，例如，基于身份信息数据库，基于车内传感器感测得到的人脸特征、声纹特征、虹膜特征和红外特征等等，通过下述身份识别技术中的一项或者其组合来识别车内人员的身份：人脸识别、声纹识别、指纹识别、虹膜识别、红外识别；以及基于识别得到的车内人员的身份，从轮廓信息数据库检索该车内人员的轮廓信息，在轮廓信息数据库中与车内人员的身份标识相关联地存储了轮廓信息。这里的轮廓信息数据库和身份信息数据库可以是分开的，也可以是统一在一起共用的，这里的身份信息例如为车内人员的id(手机号码，身份证信息)连同车内人员的人脸特征、声纹特征、手纹特征、虹膜特征、红外特征、血管特征等等能够唯一标识一个人身份的信息，基于通过传感器获得的感测信息(图像、声音、指纹等等)和身份信息数据库，通过识别技术来识别车内人员的身份。轮廓信息数据库中，与车内人员身份标识相关联地存储了轮廓信息，例如姓名、年龄、性别、健康状况、偏好的行使模式等等。在身份信息数据库和/或轮廓信息数据库中缺少某个车内人员信息的情况下，轮廓信息采集模块124来采集新人的轮廓信息，可以通过例如语音交互方式来录入一些基本资料，比如姓名、年龄、性别、偏好的行驶模式等；车内摄像头可以拍摄多张照片，以及录制语音声纹、指纹等等，将这些信息形成身份信息记录和/或轮廓信息记录存储在身份信息数据库和/或轮廓信息数据库中。除了获得身份信息数据库和/或轮廓信息数据库中已有的轮廓信息外，还可以由车内人员的其他属性和状态检测模块123实时地获得当前的车内人员信息，例如通过对摄像头拍摄的图像进行图像处理、通过测量车内人员的血压、心跳等等、或者通过与车内人员的语音交互来获得车内人员当前的情绪状态和当前的健康状况。轮廓信息综合模块122综合来自轮廓信息数据库的信息、轮廓信息采集模块134采集的信息以及车内人员的其它属性和状态检测模块123的信息，得到各个车内人员的轮廓信息，以供后续的归类单元和自适应控制单元使用。图2中所示的身份识别模块121(包括人脸识别模块、声纹识别模块、虹膜识别模块、指纹识别模块等)等模块和轮廓信息数据库、身份信息数据库可以运行和存储在车载计算机和/或云端。回到图1，归类单元130对车内人员进行归类。例如，基于轮廓信息获得单元120获得的车内人员的轮廓信息，判断各个车内人员所属的类别，例如对车内人员进行归类包括：确定每个车内人员是否为病人；确定每个车内人员是否是老人、小孩或残疾人；以及确定是否每个人都设置了所偏好的驾驶模式。自适应控制单元140根据所述归类，确定相应的自动驾驶行驶模式，并对车辆进行自适应控制。自适应控制单元140根据所述归类，确定相应的自动驾驶行驶模式包括：确定车内人员是否有病人，如果有病人，则确定自动驾驶模式为舒适模式；如果车内人员没有病人，则确定车内每个人是否都有偏好的驾驶模式，如果车内每个人都有偏好的驾驶模式，则使用这些偏好的驾驶模式之中舒适度最高的驾驶模式；以及如果并非车内每个人都有偏好的驾驶模式，则确定不具有偏好的驾驶模式的人中是否存在老人、小孩或者残疾人；以及如果存在，则使用舒适模式。上述对车内人员的归类仅为优选示例，可以根据需要来进行不同的归类。后续将结合方法流程图来详细说明自适应控制的过程。图3示出了根据本发明另一实施例的车辆自动驾驶系统200的结构框图。相比于图1，车辆自动驾驶系统200还包括反馈接收单元250。图3中的传感器210、轮廓信息获得单元220和归类单元230的结构和工作过程可以与图1所示的对应部分类似，这里不再赘述。反馈接收单元250在行驶过程中，持续接收车内人员的反馈，自适应控制单元240根据车内人员的反馈自适应调整自动驾驶的参数。有关接收车内人员的反馈的方式，可以为语音方式，通过语音识别模块来识别车内人员的反馈，例如比如“开快点、开慢点、开稳点、别太肉”等等；也可以为其他方式，例如在车上提供预定的实体控制按钮供按压等；或者是通过车内人员的手机上的车辆驾驶控制应用来进行反馈等等；或者可以用手势来给出反馈，这对于聋哑人特别适用；。根据车内人员的反馈自适应调整自动驾驶的参数可以包括：一种是根据先验知识由算法预设每个命令需要调整的参数和调整量；另一种是采用增强学习的方法在大量的行驶中来学习确定这些参数值。图4示出了根据本发明另一实施例的车辆自动驾驶系统300的结构示意图。相比于图3，图4的车辆自动驾驶系统300还包括驾驶模式指令接收模块360，其它模块310、320、330、350可以与图3所示的对应模块相同，这里不再赘述。驾驶模式指令接收模块360用于接收车内人员的显式指定车辆行驶模式，系统提供若干预定义的行驶模式：比如普通模式、舒适模式、运动模式等等。有关接收车内人员的驾驶模式指令的方式，可以为语音方式，通过语音识别模块来识别车内人员的驾驶模式指令，例如比如“舒适模式”、“运动模式”等等；也可以为其他方式，例如在车上提供预定的实体控制按钮供按压等，例如两个按钮，一个表示“更好了”，一个表示“更差了”，当然也可以设计更多的按钮，也可以设计其它形式的反馈硬件等；或者可以用手势来给出反馈，这对于聋哑人特别适用；或者是通过车内人员的手机上的车辆驾驶控制应用来进行反馈等等。在一个示例中，所述传感器还感测车内是否存在特定动物和/或特定物品，以及自适应控制单元基于感测到车内存在特定动物和/或特定物品，确定相应的自动驾驶行驶模式。例如，感测车内是否存在易碎品，例如瓷器、玻璃制品等，车内是否存在某些小动物，例如小猫或小狗等，从而调整自动驾驶行使模式，如在感测到存在瓷器时，调整自动驾驶行使模式为舒适模式，以较平稳地驾驶。下面结合附图描述根据本发明实施例的车辆自动驾驶方法。车辆自动驾驶方法结合前文的车辆自动驾驶系统来实现。图5示出了根据本发明一个实施例的车辆自动驾驶方法400的总体流程图。如图5所示，在步骤s410中，通过传感器感测车内人员，获得车内人员的轮廓信息。在步骤s420中，对车内人员进行归类。在步骤s430中，根据所述归类，确定相应的自动驾驶行驶模式，并对车辆进行自适应控制。在一个示例中，车辆自动驾驶方法400还包括：在行驶过程中，持续接收车内人员的反馈；以及根据车内人员的反馈自适应调整自动驾驶的参数。根据车内人员的反馈自适应调整自动驾驶的参数可以包括：响应于车内人员对当前驾驶状态的反馈式命令，利用预设的对应于所述反馈的参数和调整量来进行调整，所述反馈式命令指示对驾驶状态进行确定调整。在一个示例中，当用户不再给出反馈式命令时，可以记录当前的参数作为该用户的偏好的驾驶模式参数，并更新该用户的轮廓信息至轮廓信息数据库。在一个示例中，根据车内人员的反馈自适应调整自动驾驶的参数包括：响应于车内人员对当前驾驶状态的反馈式命令，采用增强学习方法进行调整。在一个示例中，车内人员的轮廓信息可以包括，例如但不限于，身份、年龄、性别、人脸特征、声纹特征、健康状态、情绪状态、年龄等等。每个人偏好的行驶模式可以由对应的行驶参数来表示，即可以针对每个人来定制起偏好的行使模式。在一个示例中，对车内人员进行归类包括：确定每个车内人员是否为病人；确定每个车内人员是否是老人、小孩或残疾人；以及确定是否每个人都设置了所偏好的驾驶模式。在一个示例中，自动驾驶模式可以包括：舒适模式、普通模式和运动模式，以及所述根据所述归类，确定相应的自动驾驶行驶模式包括：确定车内人员是否有病人，如果有病人，则确定自动驾驶模式为舒适模式；如果车内人员没有病人，则确定车内每个人是否都有偏好的驾驶模式，如果车内每个人都有偏好的驾驶模式，则使用这些偏好的驾驶模式之中舒适度最高的驾驶模式；以及如果并非车内每个人都有偏好的驾驶模式，则确定不具有偏好的驾驶模式的人中是否存在老人、小孩或者残疾人；以及如果存在，则使用舒适模式。不同的驾驶模式对应于不同的规划和控制参数，这些参数例如有：正常加速度、超常加速度、正常减速度、超常减速度、前轮偏角和车速比的最大值、安全距离、换道最小频率、换道安全车距等等。在一个示例中，感测车内人员包括使用下述手段中的至少一个：摄像头、压力传感器和麦克风、指纹识别器、红外传感器。在一个示例中，获得车内人员的轮廓信息包括：识别车内人员的身份，识别车内人员的身份包括基于身份信息数据库，通过下述身份识别技术中的一项或者其组合来识别车内人员的身份：人脸识别、声纹识别、指纹识别、虹膜识别、红外识别；以及基于识别得到的车内人员的身份，从轮廓信息数据库检索该车内人员的轮廓信息，在轮廓信息数据库中与车内人员的身份标识相关联地存储了轮廓信息。在一个示例中，在轮廓数据库中未存储该车内人员的轮廓信息的情况下，接收车内人员的轮廓信息输入，并将其存储到数据库中。在一个示例中，身份识别技术中的一个或多个运行在云端服务器中，或者以本地车载计算机系统和云端服务器相互协作的方式运行。类似地，其它应用服务也可以运行在本地车载计算机系统，或运行在云端，或者以本地车载计算机系统和云端服务器相互协作的方式运行。类似地，车内人员的身份信息数据库和轮廓信息数据库中的一个或两者可以存储在本地计算机系统和/或存储在云端存储中，或者以相互协作的方式存储在两者中。在一个示例中，车辆自动驾驶方法还可以感测车内是否存在特定动物和/或特定物品；基于感测到车内存在特定动物和/或特定物品，确定相应的自动驾驶行驶模式。作为具体示例，下面结合图6描述根据本发明一个实施例的示例性车辆自动驾驶方法500的更详细过程。如图6所示，行程开始后在每个周期内，车载自动驾驶计算机系统会读取传感器输入，由各个感知模块(如人脸识别、声纹识别等)进行处理，再由识别模块(如身份识别)，最终按照一定的自适应算法来进行控制，直至行程结束。在自适应算法中可以考虑驾驶员和乘客的反馈来进行调整。如图6所示，基于各个传感器器件例如摄像头、麦克风、体重传感器等的输入，各个识别模块进行处理，具体地，在步骤s510由人脸识别模块进行人脸识别，在步骤s520中由声纹识别模块进行声纹识别，在步骤s530中由车内人员其他属性和状态识别模块来识别车内人员的其他属性和状态。下面分别详述之。(1)人脸识别具体地址，通过车载摄像头实时获取车内的人脸图像，根据人脸特征通过图像处理识别驾驶员和车内乘客人数，并可以识别驾驶员和车内乘客身份、年龄、性别、情绪等信息。人脸识别模块可以运行在车载本地计算机系统，或者运行在云端的服务器中，或者以协作方式运行在两个系统中以获得更佳效果。车内人员的身份、年龄、性别、人脸特征等信息保存在车载本地计算机系统的永久性存储器，以及可选的云端存储中，例如存储在身份信息数据库和/或轮廓信息数据库中，如前所述，身份信息数据库和轮廓信息数据库两者可以合并为一，也可以分开存储和组织。(2)声纹识别具体地址，通过麦克风进行声纹识别，需要车载声纹识别模块发起和乘车人的语音交互来实现。声纹识别模块可以运行在车载本地计算机系统，或者运行在云端的服务器中，或者以协作方式运行在两个系统中以获得更佳效果。车内人员的身份、年龄、性别、声纹特征等信息可以保存在车载本地计算机系统的永久性存储器，以及可选的云端存储中，例如存储在身份信息数据库和/或轮廓信息数据库中，如前所述，身份信息数据库和轮廓信息数据库两者可以合并为一，也可以分开存储和组织。(3)车内人员的其他属性和状态检测车内人员的其他属性和状态检测模块通过对摄像头、麦克风、压力传感器等传感器器件感测的信息进行处理，可以检测到更多的信息，包括人员数量、每个人的健康状态(健康、疲劳、生病、残疾等)、情绪状态(快乐、悲伤、愤怒、紧张、惊讶等)、年龄(儿童、青年、中年、老人)等。车内人员的其他属性和状态等信息可以保存在车载本地计算机系统的永久性存储器，以及可选的云端存储中，或者以协作方式运行在两个系统中获得更佳效果。例如存储在身份信息数据库和/或轮廓信息数据库中，如前所述，身份信息数据库和轮廓信息数据库两者可以合并为一，也可以分开存储和组织。回到图6，在步骤s540中，基于人脸识别s510、声纹识别s520和车内人员其他属性和状态识别s530的结果，参考本地/云端中存储的用户属性(例如身份信息数据库和轮廓信息数据库中存储的用户属性)，来识别出车内人员的身份信息，获得车内人员的轮廓信息。这里的轮廓信息可以是从轮廓信息数据库检索得到的，或者如后续的基于①的来源而输入的(对于轮廓信息数据库中不存在该车内人员的记录的情况)、或者是由车内人员其他属性和状态识别收集到的，也可以是由上述各项组合得到。此外，在车辆自动驾驶方法500中存在语音命令识别和处理路径。在步骤s570中，识别语音命令。需要说明的是，语音命令的监测、识别和处理是存在于车辆自动驾驶的整个过程中的。在识别到语音命令后，在步骤s580中，判断该语音命令是否为人工指定行驶模式。如果判断结果为“是(y)”，则流程转到步骤s550的自适应控制步骤；如果判断结果为“否(n)”，则前进到步骤s590。在步骤s590中，判断该语音命令是否为对行驶状况的反馈。如果判断结果为“是(y)”，则流程转到步骤s550的自适应控制步骤；如果判断结果为“否(n)”，则前进到步骤s591。在步骤s591中，判断该语音命令是否为进行人员信息录入。如果判断结果为“是(y)”，则流程转到步骤s540(如图中的①所示)，进行车内人员信息录入，其中在步骤s540中可以通过语音交互方式来录入一些基本资料，比如年龄、性别、偏好的行驶模式；以及车内摄像头可以拍摄多张照片，以及录制语音声纹、指纹等等，将这些信息作为身份识别信息和/或轮廓信息存储在车载计算机和/或云存储上；如果判断结果为“否(n)”，则确定其为无效命令，对其不予处理。在本示例中，语音识别模块会识别上面这三种命令(人工指定行驶模式，对行驶状况的反馈，人员信息录入)，并忽略其他无法识别的语音。根据需要，也可以设计、识别和处理其他命令。语音识别模块可以运行在车载本地计算机系统，或者运行在云端的服务器中，或者以协作方式运行在两个系统中以获得更佳效果。在步骤s550中，进行自适应控制。后面将参考图7给出自适应控制方法示例的详细描述。在步骤s560中，判断是否车辆自动驾驶行程结束，如结果为“y”，则过程结果，否则返回到过程开始，继续监视传感器的输入。自适应的控制调整方法可以有两种，一种是根据先验知识由算法预设每个命令需要调整的参数和调整量。另一种是采用增强学习的方法在大量的行驶中来学习确定这些参数值。下面分别结合图7和图8对上述两种自适应控制调整方法的示例加以描述。下面结合图7给出根据先验知识的自适应控制方法示例的详细描述。图7示出了根据本发明实施例的示例性自适应控制方法600的流程图，自适应控制方法600可以应用于图6所示的步骤s550。如图7所示，在步骤s610中，基于车内人员的轮廓信息，判断各个车内人员是否被归为病人，当确定某个车内人员被归为病人时，流程转到步骤s611，系统默认采用舒适模式。如果基于车内人员的轮廓信息，确定车内人员中不存在病人，则流程前进到步骤s620。在步骤s620中，判断车内人员是否每个人都有偏好模式，具体地址，检查每个车内人员的轮廓信息，看是否都设定了自己偏好的驾驶模式。如果步骤s620确定每个车内人员都有自己偏好的驾驶模式，则转到步骤s621，在步骤s621中，将车辆的驾驶模式设置为所有车内人员的偏好的驾驶模式之中舒适度最高的驾驶模式。如果步骤s620确定不是每个车内人员都有自己偏好的驾驶模式，则前进到步骤s630。在步骤s630中，判断未设定偏好的驾驶模式中的人中是否有老人、小孩和残疾人，如果判断结果为是，则转到步骤s631，在步骤s631中，默认使用舒适模式。在步骤s640中，自适应控制单元收集传感器数据，接收车内人员的语音反馈。在步骤s650中，判断是否存在语音反馈。在判断结果为是的情况下，前进到步骤s660，否则跳回到步骤s640。在步骤s660中，根据每个人的语音反馈，自适应调节控制，并用这些特征来更新相应个人的行驶模式。比如自动驾驶系统对舒适模式提供了默认的控制参数，而某个乘客要求行驶中的控制更平稳和安全，这时他会发出命令“再稳点”，自动驾驶系统收到反馈命令后会对这些参数进行细微调整。而该乘客可能会反复发出命令来调整，直到最终不再调整时，系统记录该乘客的个性化的舒适模式参数作为该乘客偏好的驾驶模式，并更新该乘客的轮廓信息至身份信息数据库和/或轮廓信息数据库。在步骤s670中，判断车辆是否行驶结束，例如已经到达目的地，或者接收到乘客的停车命令等等。在步骤s670判断车辆行驶结束的情况下，过程结束，否则返回到步骤s640。图8示出了根据本发明另一实施例的使用增强学习方法的示例性自适应控制方法700的流程图，自适应控制方法700可以应用于图6所示的步骤s550。相比于图7，图8的不同点在于用使用增强学习方法调整参数控制量的步骤s750代替了步骤s660，以及不存在与图7的判定是否存在语音反馈的步骤s650对应的步骤。图8中其余的步骤和图7中对应标号的步骤类似，这里不再赘述。图8中去掉了语音反馈判断步骤是因为，在增强学习方法中，将语音反馈作为增强学习方法的一个回报函数值，当车内人员没有语音时，也认为是存在一定回报函数值的，因此无需如图7那样特别判断是否存在语音反馈来作为流程跳转的条件。下面给出使用增强学习方法调整自动驾驶规划和控制参数控制量的示例性实现的描述，该示例性实现可以用于图8的步骤s750。增强学习算法有不同的分类，比如蒙特卡罗方法和时间差分法，但这些方法的共同点和核心包括状态集、动作集、回报函数。在一个示例中，状态集、动作集、回报函数定义如下。状态集s：s1：纵向车速s2：纵向加速度s3：横向速度s4：横向加速度s5：和本车道前车之间距离s6：和本车道后车之间距离s7：和左侧车道前车之间距离s8：和左侧车道后车之间距离s9：和右侧车道前车之间距离s10：和右侧车道后车之间距离s11：期望的纵向车速s12：期望的横向车速s13：期望变道的方位上面所有的状态都是离散化后的区间值。动作集a：a1：油门为0，刹车为0，前轮偏角为0a2：油门为0，刹车为0，前轮偏角为+0.5度a3：油门为0，刹车为0，前轮偏角为+1度…a51：油门为0，刹车为0，前轮偏角为+25度a52：油门为0，刹车为0，前轮偏角为-0.5度a53：油门为0，刹车为0，前轮偏角为-1.0度…a100：油门为0，刹车为0，前轮偏角为-25度a101：油门为1，刹车为0，前轮偏角为0a102：油门为2，刹车为0，前轮偏角为0a103：油门为3，刹车为0，前轮偏角为0a104：油门为4，刹车为0，前轮偏角为0a105：油门为0，刹车为1，前轮偏角为0a106：油门为0，刹车为2，前轮偏角为0a107：油门为0，刹车为3，前轮偏角为0a108：油门为0，刹车为4，前轮偏角为0上面所有的动作(油门、刹车和前轮偏角)是离散化后的值。回报函数r：车内人员的反馈，此时的反馈信息是用车内人员的满意度来衡量，分为5个离散值如下表所示，其中如表中第4行所示，对于没有反馈的情况，将其回报函数值r设置为0，视为与车内人员回应(例如以语音方式)以“一般”“正好”的情况相同。此表的反馈信息与回报函数值r之间的对应设置仅为示例，本领域技术人员可以根据情况来进行设计。反馈信息回报r非常糟糕-2更差了-1一般、正好或没有反馈0更好了+1非常好+2作为增强学习方法中的时间差分法类型的例子，以q-learning算法为例，示例性流程如下：1.初始化q(s，a)为任意值2.重复下面的循环直到policy的变化量小于预设的阈值·初始化s为任意值·重复下面的步骤直到s为终止状态·应用q中的policyπ(s，a)(比如采用ε-greedy方法)，对当前状态s选择一个动作α·执行动作α，观察即时回报r，以及下一个状态s′·q(s，a)+＝α[r+γmaxa′q(s′，a′)-q(s，a)]·s＝s′在上面的算法中，a是控制学习速度的系数。ε-greedy方法的公式如下：ε∈[0，1]这里，优选地，自适应规划和控制模块运行在车载本地计算机系统上。在前面的示例性描述中，自动驾驶模式被描述为包括舒适模式、普通模式和运动模式。此仅为示例，视需要可以进行更细致的分类，或者进行更粗粒度的分类。需要说明的是，在图7和图8中，以语音反馈作为反馈方式的例子，但这仅为示例，可以视情况采用其它的反馈方式，例如车上设置的实体按钮，乘客手机上的app程序，乘客的手势等等。本文中的车辆应该做广义解释，除了包括陆地上行驶的各种大中小型车辆外，还可以包括水面上行驶的轮船，乃至空中驾驶的飞行器等。应该注意，以上讨论的方法、系统和设备仅意图作为例子。需要强调的是，各个实施例可以在适当时省略、替换或者添加各种过程或者组件。例如，应该理解，在替换实施例中，可以按与所述不同的顺序进行方法，并且可以添加、省略或组合各个步骤。而且，可以在各种其他实施例中组合关于某些实施例所述的特征。可以按类似的方式组合实施例的不同方面和要素。而且，应该强调，技术不断发展以及因此本文所示例的许多要素仅是例子，而不应被解释为限制本发明的范围。此外，可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或其任意组合来实现实施例。当以软件、固件、中间件或微代码实现任务时，用于进行任务所需的程序代码或者码段可以存储在诸如存储介质的计算机可读介质中，处理器可以进行所需的任务。以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本
技术领域：
的普通技术人员来说许多修改和变更都是显而易见的。因此，本发明的保护范围应该以权利要求的保护范围为准。当前第1页12