一种自动驾驶车辆控制方法、系统、介质及汽车与流程

1.本发明属于汽车电子领域，涉及一种自动驾驶车辆控制方法，特别是涉及一种自动驾驶车辆控制方法、系统、介质及汽车。


背景技术：

2.自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车，是一种通过电脑系统实现无人驾驶的智能汽车。请参阅图1，显示为一种自动驾驶汽车的自动驾驶系统结构图。所述自动驾驶系统整体上由感知模块、决策模块以及控制模块组成；其中，所述感知模块用于对汽车、环境以及驾驶员信息的采集，所述决策模块用于对采集到的信息进行处理并做出决策，所述控制模块用于根据所述决策控制汽车的运行状态。此外，所述决策模块通过t-box能够实现汽车与外部设备的通信。然而，自动驾驶系统无法保证汽车的100％安全运行，在实际应用过程中需要根据车辆行驶的具体情况选择自动驾驶还是手动驾驶，而这种选择往往是由驾驶员的主观判断来决定，其要求驾驶员时刻关注车辆的行驶状况，降低了汽车的驾驶体验。


技术实现要素：

3.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种自动驾驶车辆控制方法、系统、介质及汽车，用于解决现有技术中依赖驾驶员主观判断来决定驾驶模式的问题。
4.为实现上述目的及其他相关目的，本发明提供一种自动驾驶车辆控制方法；所述自动驾驶车辆控制方法包括：获取车辆的故障相关参数；根据所述故障相关参数获取自动驾驶可靠概率；根据所述自动驾驶可靠概率确定当前的驾驶模式。
5.于本发明的一实施例中，所述自动驾驶车辆控制方法还包括：获取车辆在多次行程中的故障状况以及与各行程对应的车辆运行参数；获取各所述车辆运行参数与所述故障状况之间的相关度；根据所述相关度选取相应的车辆运行参数作为故障相关参数。
6.于本发明的一实施例中，所述车辆运行参数包括车辆历史运行参数以及当前行程参数。
7.于本发明的一实施例中，所述车辆历史运行参数包括平均无故障运行里程、平均无故障时间、单位里程故障频率和/或平均首次故障里程；和/或所述当前行程参数包括天气、道路状况、行驶时间、油耗和/或行驶里程。
8.于本发明的一实施例中，根据所述故障相关参数获取自动驾驶可靠概率的计算方法包括：将所述故障相关参数作为第一神经网络模型的输入，所述第一神经网络模型的输出即为所述自动驾驶可靠概率；所述第一神经网络模型的训练方法包括：获取车辆在多次行程中的可靠概率以及与各行程对应的故障相关参数；利用所述故障相关参数和可靠概率对一神经网络模型进行训练，获得所述第一神经网络模型。
9.于本发明的一实施例中，所述自动驾驶车辆控制方法还包括：根据所述可靠概率对当前驾驶安全性进行评估并将所述评估结果展示给用户。
10.于本发明的一实施例中，所述驾驶模式包括：自动驾驶模式、辅助驾驶模式和手动驾驶模式。
11.于本发明的一实施例中，该程序被处理器执行时本发明所述自动驾驶车辆控制方法。
12.于本发明的一实施例中，所述自动驾驶车辆控制系统包括：参数获取模块，用于获取车辆的故障相关参数；概率计算模块，与所述参数获取模块相连，用于根据所述故障相关参数获取自动驾驶可靠概率；模式选择模块，与所述概率计算模块相连，用于根据所述自动驾驶可靠概率确定当前的驾驶模式。
13.于本发明的一实施例中，所述汽车包括：自动驾驶系统，用于实现所述汽车的自动驾驶；本发明所述自动驾驶车辆控制系统，与所述自动驾驶系统相连，用于根据自动驾驶可靠概率确定当前的驾驶模式。
14.如上所述，本发明所述的自动驾驶车辆控制方法、系统、介质及汽车，具有以下有益效果：所述自动驾驶车辆控制方法能够根据车辆的故障相关参数获取自动驾驶的可靠概率，并依据所述可靠概率确定当前的驾驶模式，无需驾驶员时刻关注车辆当前的运行状况并主观选择驾驶模式，提升了驾驶员的驾驶体验。
附图说明
15.图1显示为自动驾驶系统于一实施例中的结构图。
16.图2显示为本发明所述自动驾驶车辆控制方法于一实施例中的流程图。
17.图3显示为本发明所述自动驾驶车辆控制方法于一实施例中的流程图。
18.图4显示为本发明所述自动驾驶车辆控制方法于一实施例中的神经网络训练流程图。
19.图5显示为本发明所述自动驾驶车辆控制系统于一实施例中的结构图。
20.元件标号说明
[0021]5ꢀꢀꢀꢀꢀꢀꢀꢀ
自动驾驶车辆控制系统
[0022]
51
ꢀꢀꢀꢀꢀꢀꢀ
参数获取模块
[0023]
52
ꢀꢀꢀꢀꢀꢀꢀꢀ
概率计算模块
[0024]
53
ꢀꢀꢀꢀꢀꢀꢀꢀ
模式选择模块
[0025]
s21～s23
ꢀꢀ
步骤
[0026]
s31～s33
ꢀꢀ
步骤
[0027]
s41～s42
ꢀꢀ
步骤
具体实施方式
[0028]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0029]
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构
想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0030]
请参阅图1，于一些实施例中，自动驾驶系统整体上由感知模块、决策模块以及控制模块组成；其中：所述感知模块用于对汽车、环境以及驾驶员信息的采集，所述决策模块用于对采集到的信息进行处理并做出决策，所述控制模块用于根据所述决策控制汽车的运行状态。此外，所述决策模块通过t-box能够实现汽车与外部设备的通信。然而，自动驾驶系统无法保证汽车的100％安全运行，在实际应用过程中需要根据车辆行驶的具体情况选择自动驾驶还是手动驾驶，而这种选择往往是由驾驶员的主观判断来决定，其要求驾驶员时刻观察汽车当前的行驶状况并做出判断，降低了汽车的驾驶体验。针对这一问题，本发明提供一种自动驾驶车辆控制方法，所述自动驾驶车辆控制方法包括：获取车辆的故障相关参数；根据所述故障相关参数获取自动驾驶可靠概率；根据所述自动驾驶可靠概率确定当前的驾驶模式。本发明所述自动驾驶车辆控制方法能够根据车辆的故障相关参数获取自动驾驶的可靠概率，并依据所述可靠概率确定合适的驾驶模式，整个过程基本无需驾驶员参与，减小了驾驶员的驾驶负担，提升了驾驶体验。
[0031]
请参阅图2，于本发明的一实施例中，所述自动驾驶车辆控制方法包括：
[0032]
s21，获取车辆的故障相关参数。所述车辆为设置有自动驾驶系统的车辆，所述故障相关参数表示与所述车辆是否发生故障相关的参数。
[0033]
s22，根据所述故障相关参数获取自动驾驶可靠概率。所述可靠概率是指所述自动驾驶汽车在行程中不发生故障的概率。
[0034]
s23，根据所述自动驾驶可靠概率确定当前的驾驶模式。
[0035]
于本实施例中，所述驾驶模式由车辆控制系统根据车辆的故障相关参数获取，理想状况下驾驶员无需参与驾驶模式的选择。因此，本实施例所述自动驾驶车辆控制方法无需驾驶员时刻关注当前车辆的驾驶状况，减小了驾驶员的驾驶负担，提升了驾驶体验。
[0036]
于本发明的一实施例中，所述自动驾驶车辆控制方法还包括：将步骤s23确定的驾驶模式以语音形式通知驾驶员；驾驶员可以参考步骤s23确定的驾驶模式选取自动驾驶或者手动驾驶。
[0037]
请参阅图3，于本发明的一实施例中，所述自动驾驶车辆控制方法还包括：
[0038]
s31，获取车辆在多次行程中的故障状况以及与各行程对应的车辆运行参数。具体地，对于任一次行程，需要获取该次行程中是否发生自动驾驶故障以及该次行程中的车辆运行参数；所述自动驾驶故障例如：发生交通事故、超速、闯红灯、不按道路标识行驶等。
[0039]
s32，获取各所述车辆运行参数与所述故障状况之间的相关度。于本实施例中，所述相关度用于反映所述车辆运行参数与所述状况之间的相关度。例如：用变量y表示所述车辆在某次行程中是否发生故障：当y＝1时表示所述车辆在该行程中发生故障；当y＝0时表示所述车辆在该行程中未发生故障。通过计算变量y与所述车辆运行参数之间的相关度即可获得车辆运行参数与车辆是否发生故障之间的相关程度。所述相关度的计算方法可以通过相关系数计算公式、机器学习模型等方式来实现，利用所述相关系数计算公式计算所述相关度的公式为：其中，x表示任一车辆运行参数，y表示所述车
辆是否发生故障。cov(x,y)表示随机变量x和随机变量y的协方差，cov(x,y)＝e(x
×
y)-e(x)
×
e(y)；e(x)表示随机变量x的均值，e(y)表示随机变量y的均值；var(x)表示随机变量x的方差，var(y)表示随机变量y的方差。
[0040]
s33，根据所述相关度选取相应的车辆运行参数作为故障相关参数。具体地，某车辆运行参数对应的相关度越高表示该车辆运行参数与车辆是否发生故障的关联性越高；反之，某车辆运行参数对应的相关度越低表示该车辆运行参数与车辆是否发生故障的关联性越低。为减少所述自动驾驶车辆控制方法中处理的数据量，于本实施例中可以选取部分相关度高的车辆运行参数作为所述故障相关参数。例如，可以选取相关系数大于0.9的车辆运行参数作为所述故障相关参数。
[0041]
于本实施例中，通过对所述车辆运行参数与所述故障状况之间的相关度进行分析并以此为依据选取部分车辆运行参数作为所述故障相关参数，能够有效减少数据的处理量，缩短算法的执行时间从而保证所述自动驾驶车辆控制方法能够及时确定当前驾驶模式，避免因延迟导致的安全事故以及违法驾驶行为。
[0042]
于本发明的一实施例中，所述车辆运行参数包括车辆历史运行参数以及当前行程参数。具体地，所述车辆在某一次行程中的可靠概率与车辆的历史运行参数有关，例如：对于在历史行程中频繁发生故障的车辆，其可靠概率低于在历史行程中从未发生过故障的车辆。此外，所述车辆在某一次行程中的可靠概率还与该次形成的相关参数有关，所述相关参数例如：道路状况、车辆密度、能见度等。
[0043]
于本发明的一实施例中，所述车辆历史运行参数包括平均无故障运行里程、平均无故障时间、单位里程故障频率和/或平均首次故障里程。其中，所述平均无故障运行里程定义为所述车辆在两次驾驶行为故障之间的平均运行里程；所述平均无故障时间定义为所述车辆在两次行为故障之间的平均运行时间；所述单位里程故障频率定义为所述车辆在单位公里内发生不可靠驾驶行为的次数；所述平均首次故障里程定义为所述车辆出厂后投入运行至出现第一次行为故障时的平均运行里程。
[0044]
于本实施例中，所述平均无故障运行里程、所述平均无故障时间、所述单位里程故障频率和/或所述平均首次故障里程能够充分反映车辆在历史行程中的故障状态，将上述历史运行参数纳入所述车辆运行参数中能够有效提升步骤s22中可靠概率计算的准确度。
[0045]
于本发明的一实施例中，所述当前行程参数包括天气、道路状况、行驶时间、油耗、行驶里程、油量等。所述天气、道路状况、行驶时间、油耗、行驶里程、油量等参数均会对自动驾驶的可靠性产生影响，例如：晴天时自动驾驶发生故障的概率一般小于阴雨天自动驾驶发生故障的概率；直线平稳道路下自动驾驶发生故障的概率一般小于弯曲不平道路下自动驾驶发生故障的概率。于本实施例中，将上述当前行程参数纳入所述车辆运行参数中能够有效提升步骤s22中可靠概率计算的准确度。
[0046]
于本发明的一实施例中，所述车辆历史运行参数包括平均无故障运行里程、平均无故障时间、单位里程故障频率和/或平均首次故障里程；且所述当前行程参数包括天气、道路状况、行驶时间、油耗、行驶里程。
[0047]
于本发明的一实施例中，采用神经网络模型对自动驾驶可靠概率进行计算。具体地，将所述故障相关参数作为神经网络模型的输入，所述第一神经网络模型的输出即为所述自动驾驶可靠概率。
[0048]
请参阅图4，于本实施例中，所述神经网络模型的训练过程包括以下步骤：
[0049]
s41，获取车辆在多次行程中的可靠概率以及与各行程对应的故障相关参数。在某次行程中，该行程的可靠概率可以通过该行程中的无故障运行里程、无故障运行时间、单位里程故障频率进行评估。特别地，当该行程中自动驾驶系统发生故障时可以认为该行程中自动驾驶可靠概率为0；当该行程中自动驾驶系统不发生故障时可以认为该行程的自动驾驶可靠概率为1。
[0050]
s42，利用所述故障相关参数和可靠概率对一神经网络模型进行训练，获得所述第一神经网络模型。具体地，在训练过程中将所述故障相关参数和可靠概率作为训练数据并对其进行分组以获得多组训练数据，每组训练数据包含一个可靠概率以及与该可靠概率对应的行程所包含的故障相关参数。利用上述多组训练数据对所述神经网络模型的训练可以利用现有训练方案实现，此处不再赘述。
[0051]
于本发明的一实施例中，所述自动驾驶车辆控制方法还包括：根据所述自动驾驶可靠概率对当前驾驶安全性进行评估并将评估结果展示给用户。
[0052]
具体地，在自动驾驶过程中，步骤s22获得的自动驾驶可靠概率越高说明本次行程采用自动驾驶时安全性越高；步骤s22获得的自动驾驶可靠概率越小说明本次行程采用自动驾驶时的安全性越低。对当前驾驶安全性进行评估的一种实现方法包括：将0-1的区间划分成多段区间，每一段区间对应一个安全级别；根据所述可靠概率所处的区间即可确定当前驾驶的安全级别。
[0053]
将所述评估结果展示给用户的方式可以通过语音播报、车载显示屏显示、警示音等方式实现，举凡能够使用户接收到所述评估结果的提醒方式均可实现本实施例所述技术方案。本发明中对评估结果的提醒方式不做限制。
[0054]
于本实施例中，通过根据所述可靠概率对当前驾驶安全性进行评估并将评估结果展示给用户有利于用户及时掌握当前自动驾驶的安全度，在安全度较低时用户能够及时做好接管驾驶系统的准备，从而避免因自动驾驶出现故障导致的安全事故以及违法驾驶行为。
[0055]
于本发明的一实施例中，将所述可靠概率的取值区间0-1划分成4段区间，每段区间对应的概率范围分别为：0-0.5，表示自动驾驶基本不可靠，需要手动驾驶；0.5-0.8，表示自动驾驶可靠性较低，建议手动驾驶；0.8-0.9，表示自动驾驶可靠性较高，建议驾驶员提高注意力并做好接管驾驶系统的准备；0.9-1，表示自动驾驶可靠。
[0056]
于本发明的一实施例中，所述驾驶模式包括：自动驾驶模式、辅助驾驶模式和手动驾驶模式。
[0057]
所述自动驾驶模式对应完全自动化驾驶，该模式下可以由自动驾驶系统完成所有驾驶操作并在所有的道路和环境下驾驶。
[0058]
所述手动驾驶模式对应完全手动驾驶，该模式下可以由驾驶员全权操作汽车；可选的，自动驾驶系统可以为驾驶员提供警告信息以及保护系统的辅助。
[0059]
所述辅助驾驶模式可以分为深度辅助驾驶模式和浅度辅助驾驶模式。在所述深度辅助驾驶模式下由自动驾驶系统完成所有的驾驶操作，驾驶员能够根据自动驾驶系统的请求提供适当的应答；在所述浅度辅助驾驶模式下，主要由驾驶员完成驾驶操作，所述自动驾驶系统能够根据当前环境对方向盘和/或加减速中的相关操作提供驾驶支持。
[0060]
于本实施例中，通过所述可靠概率选取恰当的驾驶模式：当自动驾驶可靠概率较高时选取自动驾驶模式；当自动驾驶可靠概率较低时选取自动驾驶模式；当自动驾驶可靠概率较低时选取辅助驾驶模式。上述过程能够实现驾驶安全性以及驾驶员操作复杂度之间的平衡，从而实现在保证驾驶安全的前提下提升驾驶员的驾驶体验。
[0061]
于本发明的一实施例中，驾驶模式由手动驾驶模式转为辅助驾驶模式、由辅助驾驶模式转为自动驾驶模式、由手动模式转为自动驾驶模式的过程可以由自动驾驶系统自动完成，也可以通过语音等方式提醒用户手动完成转换。驾驶模式由自动驾驶模式转为辅助驾驶模式、由辅助驾驶模式转为手动驾驶模式、由自动驾驶模式转为手动驾驶模式的过程应当通过语音等方式提醒用户手动完成转换，以提升模式转换过程的安全性，避免因模式转换导致的交通事故以及违法驾驶行为。
[0062]
于实际应用中，大多数人对自动驾驶模式或辅助驾驶技术存在不信任，即便在技术可证的情况下大多数人也不愿使用自动驾驶或辅助驾驶。针对这一问题，于本发明的一实施例中，所述自动驾驶车辆控制方法还包括：
[0063]
根据所述可靠概率，结合天气、路况等参数，对用户的安全驾驶行为进行奖励；和/或
[0064]
根据所述可靠概率，对用户的自动驾驶行为进行打分，所述自动驾驶行为包括驾驶员的行驶轨迹、行驶时间、油耗、行车距离等，通过所述打分结果给予车主相应的奖励。
[0065]
于本实施例中，通过对车主进行奖励的方式能够提升车主使用自动驾驶模式的积极性，有利于自动驾驶和辅助驾驶的推广和使用。
[0066]
本发明还提供一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行时实现本发明所述自动驾驶车辆控制方法。
[0067]
请参阅图5，本发明还提供一种自动驾驶车辆控制系统5。所述自动驾驶车辆控制系统5包括：
[0068]
参数获取模块51，用于执行步骤s21，即：获取车辆的故障相关参数；
[0069]
概率计算模块52，与所述参数获模块51相连，用于执行步骤s22，即：根据所述故障相关参数获取自动驾驶可靠概率；
[0070]
模式选择模块53，与所述概率计算模块52相连，用于实现步骤s23，即：根据所述自动驾驶可靠概率确定当前的驾驶模式。
[0071]
于本发明的一实施例中，所述自动驾驶车辆控制系统5还包括：
[0072]
运行参数获取模块，用于执行步骤s31，即：获取车辆在多次行程中的故障状况以及与各行程对应的车辆运行参数；
[0073]
相关度计算模块，与所述运行参数获取模块相连，用于执行步骤s32，即：获取各所述车辆运行参数与所述故障状况之间的相关度；
[0074]
故障相关参数选择模块，与所述相关度计算模块和所述运行参数获取模块分别相连，用于执行步骤s33，即：根据所述相关度选取相应的车辆运行参数作为故障相关参数。
[0075]
于本发明的一实施例中，所述运行参数获取模块中获取的车辆运行参数包括车辆历史运行参数以及当前行程参数。
[0076]
于本发明的一实施例中，所述运行参数获取模块中获取的车辆历史运行参数包括平均无故障运行里程、平均无故障时间、单位里程故障频率和/或平均首次故障里程；和/或
所述运行参数获取模块中获取的当前行程参数包括天气、道路状况、行驶时间、油耗、行驶里程。
[0077]
于本发明的一实施例中，所述概率计算模块根据所述故障相关参数获取自动驾驶可靠概率的计算方法包括：将所述故障相关参数作为第一神经网络模型的输入，所述第一神经网络模型的输出即为所述自动驾驶可靠概率；所述第一神经网络模型的训练方法包括：获取车辆在多次行程中的可靠概率以及与各行程对应的故障相关参数；利用所述故障相关参数和可靠概率对一神经网络模型进行训练，获得所述第一神经网络模型。
[0078]
于本发明的一实施例中，所述自动驾驶车辆控制系统还包括安全性评估模块，与所述概率计算模块相连，用于根据所述可靠概率对当前驾驶安全性进行评估并将所述评估结果展示给用户。
[0079]
于本发明的一实施例中，所述模式选择模块根据所述自动驾驶可靠概率选取自动驾驶模式、辅助驾驶模式或手动驾驶模式。
[0080]
本发明还提供一种汽车，所述汽车包括：自动驾驶系统，用于实现所述汽车的自动驾驶；自动驾驶车辆控制系统，与所述自动驾驶系统相连，用于根据自动驾驶可靠概率确定当前的驾驶模式。
[0081]
本发明所述的自动驾驶车辆控制方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
[0082]
本发明还提供一种自动驾驶车辆控制系统，所述自动驾驶车辆控制系统可以实现本发明所述的自动驾驶车辆控制方法，但本发明所述的自动驾驶车辆控制方法的实现装置包括但不限于本实施例列举的自动驾驶车辆控制系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。
[0083]
本发明所述自动驾驶车辆控制方法能够根据车辆的故障相关参数获取自动驾驶的可靠概率，并依据所述可靠概率确定合适的驾驶模式，整个过程基本无需驾驶员参与，减小了驾驶员的驾驶负担，提升了驾驶体验；
[0084]
所述自动驾驶车辆控制方法可以通过对所述车辆运行参数与所述故障状况之间的相关度进行分析并以此为依据选取部分车辆运行参数作为所述故障相关参数，能够有效减少数据的处理量，缩短算法的执行时间从而保证所述自动驾驶车辆控制方法能够及时确定当前驾驶模式，避免因延迟导致的安全事故；
[0085]
所述自动驾驶车辆控制方法根据车辆历史状况以及当前状况确定自动驾驶的可靠概率，准确度更高。
[0086]
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0087]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。