车辆控制方法及装置与流程

本申请涉及车辆控制领域，尤其涉及一种车辆控制方法及装置。

背景技术：

在紧急制动工况下，若驾驶员存在驾驶经验不足、反映不够迅速、踏板力不足或对危险判断不准确等问题，则会导致车辆的制动距离过长，增加了车辆碰撞的可能性。为了避免发生碰撞，车辆上的紧急制动辅助(emergencybrakeassist，eba)系统能够在当前行驶状态处于危险状态时，对车辆进行紧急制动。紧急制动辅助系统在识别出紧急制动工况后主动增压。这样可以更快减压，大大减小车辆的制动滑行距离，尽可能避免车辆发生碰撞。

然而，通常车辆上的紧急制动辅助系统在进行紧急制动时不会考虑驾驶员的制动需求，而是输出预设的制动力以进行制动，导致用户体验较差，甚至存在安全隐患。例如，在路口或停车场等非紧急制动场景中，若驾驶员突然较大力度地踩踏刹车踏板，紧急制动辅助系统可能会将该情况误判为紧急制动工况，进而误触发紧急制动辅助功能，为车辆提供不必要的减速度，而且，紧急制动辅助系统在判断当前工况为紧急制动工况后，通常直接输出最大制动力，比如输出防抱死制动系统(antilockbrakesystem，abs)的阈值，然而当目标车辆的车速较低时无需输出最大制动力即可实现安全避障。不必要的减速度或过大的减速度均不符合驾驶员的主观意愿，导致用户体验下降，甚至可能存在被后车追尾等安全隐患。

因此，如何提高车辆制动过程中的用户体验成为一个亟待解决的问题。

技术实现要素：

本申请提供一种车辆控制方法及装置，能够提供合适的制动减速度，更符合驾驶员的主观意愿，提高车辆制动过程中的用户体验。

第一方面，提供了一种车辆控制方法，包括：获取目标车辆的信息，目标车辆的信息包括目标车辆的运动信息和目标车辆的制动主缸的压力信息；发送目标制动减速度的指示信息，目标制动减速度的指示信息用于指示目标车辆对制动主缸执行制动增压，目标制动减速度是根据目标车辆的信息预测得到的。

根据本申请实施例的方案，主动增压前的目标车辆的信息是由驾驶员在自然驾驶过程中得到的，能够反映驾驶员的主观意愿。通过主动增压前的目标车辆的信息预测目标制动减速度，能够较准确地量化驾驶员的制动意图，使得车辆的制动过程符合驾驶员的主观意愿，提高了用户体验和驾驶的安全性。而且，通过目标车辆的运动信息和制动主缸的压力信息预测目标制动减速度，能够使得目标制动减速度更符合驾驶员的制动意图，进一步提高预测的准确性，使得车辆的制动过程更符合驾驶员的主观意愿，进一步提高用户体验和驾驶的安全性。此外，本申请实施例的方案不依赖于踏板位置传感器、踏板模拟器或线控制动系统等硬件设备，节约了硬件成本。

示例性地，目标制动减速度的指示信息可以包含所述目标制动减速度本身，或者能够用于获取所述目标制动减速度的信息，例如，目标制动减速度的指示信息可以为目标制动减速度与当前的制动减速度的差值，本申请不做具体限定。

其中，车辆的运动信息指的是与车辆的运动状态相关的信息。例如，目标车辆的运动信息包括以下至少一项：目标车辆的速度或目标车辆的加速度等。

制动主缸的压力信息指的是与制动主缸的压力相关的信息。例如，制动主缸的压力信息包括以下至少一项：制动主缸的压力斜率或制动主缸的压力等。

制动减速度指的是制动后速度变化量与发生该速度变化所用的时间的比值。

结合第一方面，在第一方面的某些实现方式中，目标制动减速度是根据第一制动减速度确定的，第一制动减速度是通过制动减速度预测模型对目标车辆的信息进行处理得到的。

制动减速度预测模型用于根据输入模型中的信息预测得到第一制动减速度。例如，制动减速度预测模型根据输入的目标车辆的信息预测得到第一制动减速度。

第一制动减速度即为驾驶员所请求的制动减速度。

示例性地，制动减速度预测模型可以为神经网络模型，例如，循环神经网络(recurrentneuralnetwork，rnn)模型。

示例性地，目标制动减速度为第一制动减速度。

在本申请实施例的方案中，可以以神经网络模型作为制动减速度预测模型，基于自然驾驶过程中采集的数据训练制动减速度模型，通过训练好的制动减速度模型预测驾驶员所请求的制动减速度，神经网络模型强大的特征表达能力能够提高驾驶员所请求的制动减速度的预测准确率。

结合第一方面，在第一方面的某些实现方式中，制动减速度预测模型是基于至少一个训练样本训练得到的，训练样本包括训练车辆的信息以及训练样本的样本标签，训练车辆的信息包括训练车辆的运动信息和训练车辆的制动主缸的压力信息，训练样本的样本标签用于指示训练车辆的驾驶员所请求的制动减速度。

该至少一个训练样本是根据自然驾驶测试数据得到的。

自然驾驶测试数据是在没有诸如紧急制动辅助系统等系统主动增压的情况下获得的驾驶员执行的制动操作过程中的制动数据。

结合第一方面，在第一方面的某些实现方式中，方法还包括：获取目标车辆的环境感知信息；其中，目标制动减速度是根据目标车辆的信息和目标车辆的环境感知信息预测得到的。

进一步地，第一制动减速度是通过制动减速度预测模型对目标车辆的信息和目标车辆的环境感知信息进行处理得到的。

在该情况下，训练样本可以包括训练车辆的信息、训练车辆的环境感知信息以及训练样本的样本标签。

本申请实施例中将训练车辆的环境感知信息用于模型的训练，使得模型能够基于实际的碰撞风险判断驾驶员是否需要紧急制动，提高预测模型的准确率。相应地，在推理过程中，将目标车辆的环境感知信息也作为模型的输入，使得制动结果更能满足驾驶员的主观意愿，提高用户体验以及安全性。

结合第一方面，在第一方面的某些实现方式中，目标车辆的制动主缸的压力信息包括目标车辆的制动主缸的压力斜率，在发送目标制动减速度的指示信息之前，目标车辆的制动主缸的压力斜率大于或等于第一阈值。

结合第一方面，在第一方面的某些实现方式中，目标车辆的运动信息包括目标车辆的速度，第一阈值是根据目标车辆的速度确定的。

结合第一方面，在第一方面的某些实现方式中，目标制动减速度是根据第二制动减速度确定的，第二制动减速度是通过目标增益系数对第一制动减速度进行处理得到的，目标增益系数与当前驾驶场景的危险等级之间具有映射关系。

示例性地，目标增益系数是通过多个增益系数与多个驾驶场景的危险等级之间的映射关系以及当前驾驶场景的危险等级确定的。目标增益系数为多个增益系数中的一个。

在一种实现方式中，危险等级越高，车辆发生碰撞的概率越小，相应的增益系数越小。在该情况下，危险等级也可以理解为安全等级。

在另一种实现方式中，危险等级越高，车辆发生碰撞的概率越大，相应的增益系数越大。

驾驶场景的危险等级是根据车辆的信息和车辆的环境感知信息确定的。

具体地，可以根据车辆的运动信息和车辆的环境感知信息计算危险判别指标，进而根据危险判别指标确定危险等级。

示例性地，目标制动减速度为第二制动减速度。

根据本申请实施例的方案，根据当前驾驶场景的危险等级对应的增益系数对第一制动减速进行相应的处理，能够基于不同的危险等级实现分级制动，提高了车辆行驶的安全性。

结合第一方面，在第一方面的某些实现方式中，在危险等级大于或等于第一等级阈值的情况下，该危险等级对应的增益系数大于1。

也就是说，在危险等级大于或等于第一等级阈值的情况下对第一制动减速度进行放大处理。

不同危险等级对应的增益系数可以是预先设定的。或者说，多个增益系数与多个危险等级之间的映射关系可以是预先设定的。

通过本申请实施例的方案，在危险等级较高的情况下，对第一制动减速度进行放大处理，有利于进一步提高驾驶的安全性。

结合第一方面，在第一方面的某些实现方式中，在发送目标制动减速度的指示信息之前，当前驾驶场景的危险等级大于或等于第二等级阈值。

结合第一方面，在第一方面的某些实现方式中，目标制动减速度是根据第二制动减速度和安全制动减速度中绝对值较大一项确定的，安全制动减速度用于表示目标车辆避免碰撞所需的制动减速度。

具体地，安全制动减速度是根据目标车辆的运动信息和目标车辆的环境感知信息确定的、避免发生碰撞所需的制动减速度。

可选地，目标制动减速度为第二制动减速度和安全制动减速度中的绝对值较大的一项。

可替换地，目标制动减速度为绝对值较大的一项与制动减速度阈值之间的较小值。

示例性地，制动减速度阈值时由abs确定的。

本申请实施例通过目标车辆的运动信息和目标车辆的环境感知信息确定安全制动减速度，并根据安全制动减速度和第二制动减速度中绝对值较大的一项确定目标制动减速度，能够在尽量满足驾驶员主观意愿的前提下，有效规避碰撞风险，进一步提高驾驶的安全性。

第二方面，提供了一种车辆控制装置，包括：获取单元，用于获取目标车辆的信息，目标车辆的信息包括目标车辆的运动信息和目标车辆的制动主缸的压力信息；发送单元，用于发送目标制动减速度的指示信息，目标制动减速度的指示信息用于指示目标车辆对制动主缸执行制动增压，目标制动减速度是根据目标车辆的信息预测得到的。

根据本申请实施例的方案，主动增压前的目标车辆的信息是由驾驶员在自然驾驶过程中得到的，能够反映驾驶员的主观意愿。通过主动增压前的目标车辆的信息预测目标制动减速度，能够较准确地量化驾驶员的制动意图，使得车辆的制动过程符合驾驶员的主观意愿，提高了用户体验和驾驶的安全性。而且，通过目标车辆的运动信息和制动主缸的压力信息预测目标制动减速度，能够使得目标制动减速度更符合驾驶员的制动意图，进一步提高预测的准确性，使得车辆的制动过程更符合驾驶员的主观意愿，进一步提高用户体验和驾驶的安全性。此外，本申请实施例的方案不依赖于踏板位置传感器、踏板模拟器或线控制动系统等硬件设备，节约了硬件成本。

结合第二方面，在第二方面的某些实现方式中，目标制动减速度是根据第一制动减速度确定的，第一制动减速度是通过制动减速度预测模型对目标车辆的信息进行处理得到的。

结合第二方面，在第二方面的某些实现方式中，制动减速度预测模型是基于至少一个训练样本训练得到的，训练样本包括训练车辆的信息以及训练样本的样本标签，训练车辆的信息包括训练车辆的运动信息和训练车辆的制动主缸的压力信息，训练样本的样本标签用于指示训练车辆的驾驶员所请求的制动减速度。

结合第二方面，在第二方面的某些实现方式中，目标车辆的制动主缸的压力信息包括目标车辆的制动主缸的压力斜率，在发送目标制动减速度的指示信息之前，目标车辆的制动主缸的压力斜率大于或等于第一阈值。

结合第二方面，在第二方面的某些实现方式中，目标车辆的运动信息包括目标车辆的速度，第一阈值是根据目标车辆的速度确定的。

结合第二方面，在第二方面的某些实现方式中，目标制动减速度是根据第二制动减速度确定的，第二制动减速度是通过目标增益系数对第一制动减速度进行处理得到的，目标增益系数与当前驾驶场景的危险等级之间具有映射关系。

结合第二方面，在第二方面的某些实现方式中，目标制动减速度是根据第二制动减速度和安全制动减速度中绝对值较大一项确定的，安全制动减速度用于表示目标车辆避免碰撞所需的制动减速度。

第三方面，提供一种芯片，所述芯片包括至少一个处理器与接口电路，所述至少一个处理器通过所述接口电路获取存储器上存储的指令，执行上述第一方面的任意一种实现方式中的方法。

可选地，作为一种实现方式，所述芯片还可以包括存储器，所述存储器中存储有指令，所述处理器用于执行所述存储器上存储的指令，当所述指令被执行时，所述处理器用于执行第一方面的任意一种实现方式中的方法。

第四方面，提供一种计算机可读介质，该计算机可读介质存储用于设备执行的程序代码，该程序代码包括用于执行第一方面的任意一种实现方式中的方法。

第五方面，提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面的任意一种实现方式中的方法。

第六方面，提供一种终端，该终端包括第二方面的任意一种实现方式的装置。

可选地，该终端还包括制动主缸。

示例性地，该终端可以为车辆，上述第二方面涉及的装置用于控制车辆。

附图说明

图1是本申请实施例提供的一种自动驾驶汽车的结构示意图；

图2是本申请实施例提供的一种车辆控制装置的结构示意图；

图3是本申请实施例提供的一种车辆控制方法的示意性流程图；

图4是本申请实施例提供的制动主缸的压力斜率和制动减速度之间的关系的示意图；

图5是本申请实施例提供的一种第一制动减速度的预测过程的示意图；

图6是本申请实施例提供的一种分级制动处理过程的示意性流程图；

图7是本申请实施例提供的一种分级辅助制动效果的示意图；

图8是本申请实施例提供的一种目标制动减速度的仲裁过程的示意性流程图；

图9是本申请实施例提供的不同场景下的制动效果的示意图；

图10是本申请实施例提供的第一阈值与车辆的速度之间的映射关系的确定方法的示意图；

图11是本申请实施例提供的一种制动主缸的压力斜率的分布情况的示意图；

图12是本申请实施例提供的一种驾驶员制动意图识别方法的示意性流程图；

图13是本申请实施例提供的一种车辆控制装置的示意图；

图14是本申请实施例提供的另一种车辆控制装置的示意图。

具体实施方式

下面将结合附图，对本申请中的技术方案进行描述。

本申请实施例的方案能够应用于车辆的制动系统中，例如，紧急制动辅助系统，为车辆提供合适的制动减速度。

图1是本申请实施例提供的车辆100的功能框图。在一个实施例中，将车辆100配置为完全或部分地自动驾驶模式。

在一个示例中，车辆100可以在处于自动驾驶模式中的同时控制目标车辆，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时，可以将车辆100置为在没有和人交互的情况下操作。

车辆100可包括各种子系统，例如，行进系统110、传感系统120、控制系统130、一个或多个外围设备140以及电源160、计算机系统150和用户接口170。可选地，车辆100可包括更多或更少的子系统，并且每个子系统可包括多个元件。另外，车辆100的每个子系统和元件可以通过有线或者无线互连。

示例性地，行进系统110可以包括用于向车辆100提供动力运动的组件。在本申请实施例中，行进系统可以用于在避障过程中，驱动车辆执行相应的运动行为，例如前进、后退、转向等等。行进系统110包括引擎111、传动装置112、能量源113和车轮114。

传感系统120可以包括感测关于车辆100周边的环境的信息的若干个传感器。在本申请实施例中，传感系统可以用于获取环境信息和道路结构信息，从而基于这些获取的信息，执行后续的控制。

例如，传感系统120可以包括定位系统121(例如，全球定位系统(globalpositioningsystem,gps)、北斗系统或者其他定位系统)、惯性测量单元(inertialmeasurementunit，imu)122、雷达123、激光测距仪124、相机125以及车速传感器126。传感系统120还可以包括被监视车辆100的内部系统的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。

其中，定位系统121可以用于估计车辆100的地理位置。imu122可以用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，imu122可以是加速度计和陀螺仪的组合。

示例性地，雷达123可以利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达123还可用于感测物体的速度和/或前进方向。

示例性地，激光测距仪124可以利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪124可以包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。

示例性地，相机125可以用于捕捉车辆100的周边环境的多个图像。例如，相机125可以是静态相机或视频相机。

示例性地，车速传感器126可以用于测量车辆100的速度。例如，可以对车辆进行实时测速。测得的车速可以传送给控制系统130以实现对车辆的控制。

控制系统130为控制车辆100及其组件的操作。控制系统130可以包括各种元件，比如可以包括转向系统131、油门132、制动单元133、计算机视觉系统134、路线控制系统135以及障碍规避系统136。

示例性地，转向系统131可以操作来调整车辆100的前进方向。例如，在一个实施例中可以为方向盘系统。油门132可以用于控制引擎111的操作速度并进而控制车辆100的速度。

示例性地，制动单元133可以用于控制车辆100减速；制动单元133可以使用摩擦力来减慢车轮114。在其他实施例中，制动单元133可以将车轮114的动能转换为电流。制动单元133也可以采取其他形式来减慢车轮114转速从而控制车辆100的速度。

如图1所示，计算机视觉系统134可以操作来处理和分析由相机125捕捉的图像以便识别车辆100周边环境中的物体和/或特征。上述物体和/或特征可以包括交通信号、道路边界和障碍物。计算机视觉系统134可以使用物体识别算法、运动中恢复结构(structurefrommotion，sfm)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉系统134可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。

示例性地，路线控制系统135可以用于确定车辆100的行驶路线。障碍规避系统136可以用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。

在一个实例中，控制系统130可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。

如图1所示，车辆100可以通过外围设备140与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。

在一些实施例中，外围设备140可以提供车辆100与用户接口170交互的手段。无线通信系统141可以直接地或者经由通信网络来与一个或多个设备无线通信。

电源160可以向车辆100的各种组件提供电力。

车辆100的部分或所有功能可以受计算机系统150控制，其中，计算机系统150可以包括至少一个处理器151，处理器151执行存储在例如存储器152中的非暂态计算机可读介质中的指令153。计算机系统150还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。

例如，处理器151可以是任何常规的处理器，诸如商业可获得的中央处理器(centralprocessingunit，cpu)。

可选地，该处理器可以是诸如专用集成电路(applicationspecificintegratedcircuit，asic)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。

在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。

在一些实施例中，存储器152可包含指令153(例如，程序逻辑)，指令153可以被处理器151来执行车辆100的各种功能，包括以上描述的那些功能。存储器152也可包括额外的指令，比如包括向行进系统110、传感系统120、控制系统130和外围设备140中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。

示例性地，除了指令153以外，存储器152还可存储数据，例如，道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统150使用。

用户接口170可以用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口170可以包括在外围设备140的集合内的一个或多个输入/输出设备，例如，无线通信系统141、车载电脑142、麦克风143和扬声器144。

在本申请的实施例中，计算机系统150可以基于从各种子系统(例如，行进系统110、传感系统120和控制系统130)以及从用户接口170接收的输入来控制车辆100的功能。例如，计算机系统150可以利用来自控制系统130的输入以便控制制动单元133来避免由传感系统120和障碍规避系统136检测到的障碍物。在一些实施例中，计算机系统150可操作来对车辆100及其子系统的许多方面提供控制。

可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，存储器152可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。

可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1不应理解为对本申请实施例的限制。

自动驾驶汽车车辆100或者与自动驾驶车辆100相关联的计算设备(如图1的计算机系统112、计算机视觉系统140、数据存储装置114)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么稳定状态。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。

上述车辆100可以为传统汽车、新能源车、智能汽车等，所谓传统汽车是指利用汽车、柴油等提供能源的汽车，新能源车则指最新出现的利用电能、燃气等新能源提供能源的车辆，智能汽车则是指装载有智能控制单元等智能设备的车，上述车辆100的车辆类型例如可以包括轿车、卡车、客车、工程车、公交车等，本申请实施例不做特别的限定。在本申请实施例中，主要以道路上行驶的各类汽车为例进行介绍。

为了提高在紧急制动工况下车辆的安全性，车辆上的紧急制动辅助系统能够在当前行驶状态处于危险状态时，对车辆进行紧急制动。

通常车辆上的紧急制动辅助系统在进行紧急制动时不会考虑驾驶员的制动需求，而是根据预设的制动力进行制动，导致用户体验较差，甚至存在安全隐患。例如，自动紧急制动(autonomousemergencybraking，aeb)系统通过传感器对周围环境进行感知，并在当前行驶状态为危险状态时，根据预设的制动力进行制动。然而，该制动过程没有考虑驾驶员的制动需求，突然的制动会导致用户体验较差。再如，紧急制动辅助系统可能会将非紧急制动工况误判为紧急制动工况，进而误触发紧急制动辅助功能，为车辆提供不必要的减速度，而且，紧急制动辅助系统在判断当前工况为紧急制动工况后，通常直接输出最大的制动力。不必要的减速度或过大的减速度均不符合驾驶员的主观意愿，导致用户体验下降，甚至可能存在被后车追尾等安全隐患。

本申请实施例提供一种车辆控制方法，提供合适的制动减速度，更符合驾驶员的主观意愿，能够提升车辆制动过程中的用户体验。

为了更好的描述本申请实施例的方法，下面结合图2对本申请实施例提供的一种车辆控制装置200进行说明。装置200可以采用本申请实施例中的方法对车辆进行制动控制。

图2示出了本申请实施例提供的一种车辆控制装置。图2中的装置200包括紧急制动意图识别模块210、驾驶员请求减速度预测模块220、分级制动模块230以及制动减速度决策模块240。

紧急制动意图识别模块210用于识别驾驶员的紧急制动意图，即判断驾驶员当前是否需要紧急制动，或者说，识别当前是否为紧急制动工况。

需要说明的是，紧急制动意图识别模块210为可选模块。示例性地，若装置200应用于eba系统中，则紧急制动意图识别模块210集成于装置200中，也可以独立于装置200设置。可替换地，若装置200不是应用于eba系统中，则紧急制动意图识别模块210为可省模块。例如，当装置200应用于aeb系统中，则系统中可以不设置紧急制动意图识别模块210。

示例性地，在当前工况为紧急制动工况的情况下，激活驾驶员请求减速度预测模块220、分级制动模块230或制动减速度决策模块240。

紧急制动意图识别模块210可以根据目标车辆的信息识别驾驶员的紧急制动意图。

目标车辆的信息包括目标车辆的制动主缸的压力信息和目标车辆的运动信息。

驾驶员请求减速度预测模块220用于预测驾驶员所请求的减速度。

具体地，驾驶员请求减速度预测模块220可以根据目标车辆的信息预测驾驶员所请求的制动减速度，即第一制动减速度。进一步地，驾驶员请求减速度预测模块220可以根据目标车辆的信息和环境感知信息预测驾驶员所请求的制动减速度。

分级制动模块230用于根据当前驾驶场景的危险等级对驾驶员所请求的制动减速度处理，得到第二制动减速度。

也就是将驾驶员请求减速度预测模块220的输出结果输入至分级制动模块230中，由分级制动模块230根据当前驾驶场景的危险等级对应的增益系数，即目标增益系数，对驾驶员所请求的制动减速度进行处理，输出第二制动减速度。

需要说明的是，分级制动模块230为可选模块。

制动减速度决策模块240用于确定目标制动减速度，该目标制动减速度即为装置200输出的制动减速度。

示例性地，在装置200不包括分级制动模块230的情况下，驾驶员请求减速度预测模块220可以将第一制动减速度输入至制动减速度决策模块240。制动减速度决策模块240可以将安全制动减速度和第一制动减速度中绝对值较大的值作为目标制动减速度。

其中，安全制动减速度用于表示目标车辆避免碰撞所需的制动减速度。

可替换地，在装置200包括分级制动模块230的情况下，分级制动模块230可以将第二制动减速度输出至制动减速度决策模块240。制动减速度决策模块240可以将安全减速度和分级制动模块230输出的第二制动减速度中绝对值较大的值作为目标制动减速度。

需要说明的是，制动减速度决策模块240为可选模块。

示例性地，在装置200不包括减速度制动决策模块240的情况下，目标制动减速度可以为分级制动模块230输出的第二制动减速度。

进一步地，在装置200不包括减速度制动决策模块240和分级制动模块230的情况下，目标制动减速度可以为驾驶员请求减速度预测模块220输出的第一制动减速度。

图3示出了本申请实施例提供的一种车辆控制方法300的示意性流程图。方法300包括步骤s310至步骤s320。下面对步骤s310至步骤s320进行说明。

s310，获取目标车辆的信息，目标车辆的信息包括目标车辆的运动信息和目标车辆的制动主缸的压力信息。

其中，车辆的运动信息指的是与车辆的运动状态相关的信息。例如，目标车辆的运动信息包括以下至少一项：目标车辆的速度或目标车辆的加速度等。

示例性地，目标车辆的运动信息可以通过图1中的传感系统120获取。例如，通过车速传感器126得到目标车辆的速度。再如，通过惯性测量单元122得到目标车辆的加速度。

制动主缸的压力信息指的是与制动主缸的压力相关的信息。例如，制动主缸的压力信息包括以下至少一项：制动主缸的压力斜率或制动主缸的压力等。

制动主缸的压力斜率可以理解为制动主缸的压力的变化速率。例如，制动主缸的压力增加的过程中，制动主缸的压力斜率也可以称为制动主缸的压力上升速率。

示例性地，制动主缸的压力斜率可以通过周期性获取的制动主缸的压力的值确定。

示例性地，制动主缸的压力信息可以通过图1中的传感系统120获取。例如，通过内部系统的传感器获得制动主缸的压力信息。

s320，发送目标制动减速度的指示信息，目标制动减速度的指示信息用于指示目标车辆对制动主缸执行主动增压，目标制动减速度是根据目标车辆的信息预测得到的。该步骤的功能是控制车辆对制动主缸执行主动增压。

具体的，向目标车辆的执行器发送目标制动减速度的指示信息，能够指示或者触发目标车辆对制动主缸执行主动增压，使目标车辆根据所述目标制动减速度执行制动。

可选的，目标制动减速度的指示信息可以包含所述目标制动减速度本身，或者能够用于获取所述目标制动减速度的信息，例如，目标制动减速度的指示信息可以为目标制动减速度与当前的制动减速度的差值，本申请不做具体限定。

制动减速度(deceleration)指的是制动后速度变化量与发生该速度变化所用的时间的比值。制动减速度也可以理解为加速度。

主动增压指的是车辆自主执行的增压，而非驾驶员通过制动踏板所执行的增压，例如，车辆上的紧急制动辅助系统执行的主动增压。

目标车辆的信息均为主动增压起始时刻或主动增压时刻之前的目标车辆的信息。

传统的非线控制动系统中，踏板力与制动主缸的压力是耦合的，通过踏板开度、踏板开度变化率或缸压信息实时计算驾驶员请求的制动减速度的方案不适用于车辆主动增压的场景。紧急制动辅助系统在进行主动增压时，踏板开度以及踏板开度的变化率均会受到耦合的制动缸压的影响，通过实时的踏板力等参数无法准确量化驾驶员的真实意图。

在本申请实施例的方案中，主动增压前的目标车辆的信息是由驾驶员在自然驾驶过程中得到的，能够反映驾驶员的主观意愿。通过主动增压前的目标车辆的信息预测目标制动减速度，能够较准确地量化驾驶员的制动意图，使得车辆的制动过程符合驾驶员的主观意愿，提高了用户体验和驾驶的安全性。

在车辆的运动信息不同的情况下，相同的制动主缸的缸压信息所反映的驾驶员的制动意图也可能是不同的。例如，在车速不同的情况下，即使制动主缸的缸压斜率相同，驾驶员所请求的制动减速度也可能是不同的。在车速较低时，驾驶员所请求的制动减速度较小，在车速较高时，驾驶员所请求的制动减速度较大。

本申请实施例通过目标车辆的运动信息和制动主缸的压力信息预测目标制动减速度，能够使得目标制动减速度更符合驾驶员的制动意图，进一步提高预测的准确性，使得车辆的制动过程更符合驾驶员的主观意愿，进一步提高用户体验和驾驶的安全性。

此外，本申请实施例的方案不依赖于踏板位置传感器、踏板模拟器或线控制动系统等硬件设备，节约了硬件成本。

在一种可能的实现方式中，方法300可以由eba系统执行，在该情况下，目标制动减速度即为eba系统所需要执行的制动减速度，或者说，目标制动减速度即为eba系统输出的制动减速度，执行器根据目标制动减速度控制目标车辆对制动主缸执行主动增压。

这样，在紧急制动工况中，eba系统可以基于目标制动减速度提供紧急制动辅助功能以实现辅助制动，而不是直接输出最大的制动力，更符合驾驶员的主观意愿，提高了用户体验和驾驶的安全性。

在另一种可能的实现方式中，方法300可以由aeb系统执行，在该情况下，目标制动减速度即为aeb系统所需要执行的制动减速度，或者说，目标制动减速度即为aeb系统输出的制动减速度，执行器根据目标制动减速度控制目标车辆对制动主缸执行主动增压。

这样，在紧急制动工况中，aeb系统可以基于目标制动减速度提供紧急制动功能以实现紧急制动，而不是直接输出预设的制动力，更符合驾驶员的主观意愿，提高了用户体验和驾驶的安全性。

应理解，以上两种应用场景仅为示意，本申请实施例中的方法300还可以应用于其他制动系统中，本申请实施例对此不做限定。为了便于描述和说明，后文中以方法300应用于eba系统为例进行说明，不对本申请实施例的应用场景构成限定。

可选地，目标制动减速度是根据第一制动减速度确定的。第一制动减速度是通过制动减速度预测模型对目标车辆的信息进行处理得到的。

制动减速度预测模型用于根据输入模型中的信息预测得到第一制动减速度。例如，制动减速度预测模型根据输入的目标车辆的信息预测得到第一制动减速度。

进一步地，制动减速度预测模型是基于至少一个训练样本训练得到的，训练样本包括训练车辆的信息以及训练样本的样本标签，训练车辆的信息包括训练车辆的运动信息和制动主缸的压力信息。训练样本的样本标签用于指示训练车辆的驾驶员所请求的制动减速度。

第一制动减速度即为驾驶员所请求的制动减速度。

也就是说将目标车辆的运动信息和制动主缸的压力信息作为制动减速度预测模型的输入，由制动减速度预测模型进行特征提取，并根据提取到的特征得到模型的输出。制动减速度模型的输出结果即为第一制动减速度。

其中，制动减速度预测模型可以为神经网络模型，例如，循环神经网络(recurrentneuralnetwork，rnn)模型。

该至少一个训练样本是根据自然驾驶测试数据得到的。

自然驾驶测试数据是在没有诸如紧急制动辅助系统等系统主动增压的情况下获得的驾驶员执行的制动操作过程中的制动数据。

一个训练样本可以是根据自然驾驶训练车辆的过程中的一次制动过程中的数据确定的，也就是说，训练车辆的运动信息和训练车辆的制动主缸的压力信息是该次制动过程中的数据。该训练车辆的驾驶员所请求的制动减速度可以理解为在该次制动过程中驾驶员最终所请求的制动减速度。示例性地，驾驶员最终所请求的制动减速度可以为在该次制动过程中训练车辆最终达到的稳定的制动减速度的值。或者，驾驶员最终所请求的制动减速度可以为在该次制动过程中，训练车辆达到的最大的制动减速度。应理解，本申请实施例中的制动减速度的大小指的是制动减速度的绝对值的大小。

具体地，基于训练样本得到制动减速度预测模型可以包括：以训练车辆的运动信息和训练车辆的制动主缸的压力信息作为制动减速度预测模型的输入，以训练车辆的驾驶员所请求的制动减速度作为制动减速度预测模型的目标输出对该模型进行训练，得到训练好的制动减速度预测模型。

其中，该训练过程可以是离线(offline)完成的。

在自然驾驶的制动过程中，驾驶员的操作是一个时序过程，但在一定的制动意图下，驾驶员的操作规律基本保持一致。驾驶员的操作规律可以通过制动过程中车辆的制动主缸的压力信息以及车辆的运动信息等参数体现。如图4所示，自然驾驶的一次制动过程中车辆的制动主缸的压力斜率的变化趋势与制动减速度的变化趋势基本是对应的。随着车辆的制动主缸的压力斜率的增大，为车辆提供的制动力也随之增大，相应地，车辆的制动减速度的绝对值也随之增大。例如，将图4中的绝对值最大的制动减速度作为驾驶员最终所请求的制动减速度。通过制动主缸的压力斜率最大的时刻对应的车辆的运动信息和制动主缸的压力信息，即图4中的计算点，可以预测驾驶员最终所请求的制动减速度，即图4中的预测点。

可选地，训练样本中的训练车辆的运动信息可以包括训练车辆的制动主缸的压力斜率最大的时刻对应的运动信息。训练车辆的制动主缸的压力信息包括训练车辆的制动主缸的压力斜率最大的时刻对应的制动主缸的压力信息。训练样本的样本标签包括该训练车辆的驾驶员最终所请求的制动减速度。

即以计算点时刻采集到的训练车辆的运动信息和制动主缸的压力信息作为制动减速度预测模型的输入，以预测点时刻采集到的制动减速度作为制动减速度预测模型的目标输出对该模型进行训练，得到训练好的预测减速度模型。

以图4所示的制动过程为例，一个训练样本中的训练车辆的运动信息可以包括t2时刻的训练车辆的运动信息，训练车辆的制动主缸的压力信息可以包括t2时刻的训练车辆的制动主缸的压力信息。该训练样本的样本标签，即驾驶员所请求的制动减速度，可以为图4中的t3时刻的制动减速度。也就是说，可以将t2时刻的训练车辆的运动信息和训练车辆的制动主缸的压力信息作为制动减速度预测模型的输入，将t3时刻的制动减速度作为样本标签对制动减速度模型进行训练。

如图4所示，在自然驾驶的制动过程中，当制动主缸的压力斜率达到第一阈值的时刻(如图4中的t1时刻)之后经过一段时间(例如，图4中的δt)后会达到最大斜率。

也就是说，可以将目标车辆的制动主缸的压力斜率达到第一阈值之后经过第一时间段之后的时刻视为目标车辆的制动主缸的压力斜率最大的时刻。

第一时间段可以预先设置的，例如第一时间段可以是预先通过自然驾驶测试数据的统计规律确定的。

第一阈值可以是根据目标车辆的速度确定的。第一阈值和目标车辆的速度之间具有映射关系，具体描述可以参见后文中的方法1000。

可选地，目标车辆的运动信息可以包括目标车辆的制动主缸的压力斜率达到第一阈值的时刻之后与该时刻距离第一时间段的时刻对应的运动信息。目标车辆的制动主缸的压力信息包括目标车辆的制动主缸的压力斜率达到第一阈值的时刻之后与该时刻距离第一时间段的时刻对应的制动主缸的压力信息。

也就是说，可以将目标车辆的制动主缸的压力斜率达到第一阈值的时刻之后与该时刻间隔第一时间段的时刻采集到的目标车辆的信息作为制动减速度模型的输入，通过制动减速度模型处理后得到第一制动减速度。

其中，该训练过程可以是离线(offline)完成的。预测过程可以是在线(online)完成的。即制动减速度模型可以是预先离线训练好的模型。

应理解，图4仅为一次制动过程中的相关参数的变化趋势的示例，图4中的制动主缸的压力斜率和制动减速度的数值对本申请实施例中的方案不构成限定。

需要说明的是，上述训练样本以及用于输入制动减速度模型的参数仅为示例，也可以将制动过程中采集到的其他时刻或时段的训练车辆的信息作为训练过程中制动减速度预测模型的输入，对制动减速度预测模型进行训练，将制动过程中采集到的其他时刻或时段的目标车辆的信息作为推理过程中制动减速度模型的输入，得到第一制动减速度。本申请实施例对输入制动减速度模型的参数的具体形式不做限定。

目标车辆可以在目标车辆的制动主缸的压力斜率达到第一阈值后经过第一时间段之后执行步骤s320，即对制动主缸执行主动增压。当方法300应用于eba系统中时，目标车辆上的eba系统在制动主缸的压力斜率达到第一阈值后经过第一时间段之后开始执行紧急制动辅助操作，即输出目标制动减速度以对制动主缸执行主动增压。

这样，通过主动增压前的信息预测第一制动减速度，能够反映驾驶员的真实制动意图，有利于提高驾驶员所请求的制动减速度的预测准确率。

本申请实施例中以神经网络模型作为制动减速度预测模型，基于自然驾驶过程中采集的数据训练制动减速度模型，通过训练好的制动减速度模型预测驾驶员所请求的制动减速度，神经网络模型强大的特征表达能力能够提高驾驶员所请求的制动减速度的预测准确率。

进一步地，步骤s310还包括获取目标车辆的环境感知信息。在该情况下，目标制动减速度是根据目标车辆的信息和目标车辆的环境感知信息预测得到的。

车辆的环境感知信息指的是与车辆周围的环境相关的信息。例如，目标车辆的环境感知信息包括以下至少一项：障碍物的速度、障碍物的加速度或障碍物与目标车辆之间的相对位置等。示例性地，障碍物可以包括他车或行人等。

示例性地，环境感知信息可以通过图1中的传感系统120获取。

如前所述，目标制动减速度可以是根据第一制动减速度确定的。第一制动减速度可以是通过制动减速度预测模型对目标车辆信息和目标车辆的环境感知信息进行处理得到的。

也就是说将目标车辆的运动信息、制动主缸的压力信息以及目标车辆的环境感知信息作为制动减速度预测模型的输入，由制动减速度预测模型进行特征提取，并根据提取到的特征得到模型的输出。制动减速度模型的输出结果即为第一制动减速度。

目标车辆的环境感知信息的采集时刻和目标车辆的信息的采集时刻可以是相同的。

在该情况下，训练样本可以包括训练车辆的信息、训练车辆的环境感知信息以及训练样本的样本标签。

一个训练样本可以是根据自然驾驶训练车辆的过程中的一次制动过程中的数据确定的，也就是说，训练车辆的运动信息、训练车辆的制动主缸的压力信息以及训练车辆的环境感知信息均是该次制动过程中的数据。训练车辆的环境感知信息的采集时刻与训练车辆的信息的采集时刻可以是相同的。

基于训练样本得到制动减速度预测模型可以包括：以训练车辆的运动信息、训练车辆的制动主缸的压力信息和训练车辆的环境感知信息作为制动减速度预测模型的输入，以训练车辆的驾驶员所请求的制动减速度作为制动减速度预测模型的目标输出对该模型进行训练，得到训练好的制动减速度预测模型。

图5示出了一种制动减速度预测模型的训练及推理过程的示意图。如图5所示，基于自然驾驶数据训练制动减速度预测模型，该训练过程可以是离线完成的。其中，自然驾驶数据用于得到训练样本。训练样本包括训练车辆的运动信息、训练车辆的制动主缸的压力信息和训练车辆的环境感知信息以及训练样本的样本标签。将目标车辆的运动信息、制动主缸的压力信息以及目标车辆的环境感知信息输入至训练好的制动减速度预测模型中，得到第一制动减速度。该预测过程可以是在线完成的。

在紧急制动工况和非紧急制动工况中，即使车辆的运动信息和车辆的制动主缸的压力信息相同，驾驶员实际所请求的制动减速度也可能是不同的。本申请实施例中将训练车辆的环境感知信息用于模型的训练，使得模型能够基于实际的碰撞风险判断驾驶员是否需要紧急制动，提高预测模型的准确率。相应地，在推理过程中，将目标车辆的环境感知信息也作为模型的输入，使得制动结果更能满足驾驶员的主观意愿，提高用户体验以及安全性。当方法300应用于紧急制动辅助系统中时，有利于避免在非紧急制动工况中紧急制动功能被误触发。

可选地，目标制动减速度是根据第一制动减速度确定的，包括：目标制动减速度为第一制动减速度。

将第一制动减速度作为目标制动减速度，能够更好地体现驾驶员的制动意图。

可选地，目标制动减速度是根据第一制动减速度确定的，包括：目标制动减速度是据第二制动减速度确定的，第二制动减速度是通过目标增益系数对第一制动减速度进行处理得到的，目标增益系数与当前驾驶场景的危险等级之间具有映射关系。

或者说，目标增益系数是通过增益系数与驾驶场景的危险等级之间的映射关系确定的。

示例性地，目标增益系数是通过多个增益系数与多个驾驶场景的危险等级之间的映射关系以及当前驾驶场景的危险等级确定的。目标增益系数为多个增益系数中的一个。

也就是说，根据驾驶场景的危险等级与增益系数之间的映射关系可以确定当前驾驶场景的危险等级对应的增益系数，即目标增益系数，进而可以根据目标增益系数对第一制动减速度进行处理，得到第二制动减速度。

在一种实现方式中，危险等级越高，车辆发生碰撞的概率越小，相应的增益系数越小。在该情况下，危险等级也可以理解为安全等级。

在另一种实现方式中，危险等级越高，车辆发生碰撞的概率越大，相应的增益系数越大。为了便于描述和理解，后文中仅以该方式为例对方法300进行说明，不对本申请实施例的方案构成限定。

本申请实施例中根据当前驾驶场景的危险等级对应的增益系数对第一制动减速进行相应的处理，能够基于不同的危险等级实现分级制动，提高了车辆行驶的安全性。

对第一制动减速进行处理可以包括以下任一项：对第一制动减速度进行放大处理、对第一制动减速度进行缩小处理或将第一制动减速度作为第二制动减速度。

针对不同的增益系数，对第一制动减速度的处理的结果可以是不同的。在一种实现方式中，第二制动减速度是通过将第一制动减速度和目标增益系数相乘得到的。在该情况下，目标增益系数大于1，则对第一制动减速度进行处理实质上为对第一制动减速度进行放大处理，将放大后的第一制动减速度作为第二制动减速度；目标增益系数为1，则对第一制动减速度进行处理实质上为对第一制动减速度不进行处理，将第一制动减速度作为第二制动减速度；目标增益系数小于1，则对第一制动减速度进行处理实质上为对第一制动减速度进行缩小处理，将到缩小后的第一制动减速度作为第二制动减速度。

进一步地，该多个增益系数大于或等于1。也就是说目标增益系数大于或等于1。

在该情况下，对第一制动减速度的处理包括对第一制动减速度进行放大处理或将第一制动减速度作为第二制动减速度。

可选地，在危险等级大于或等于第一等级阈值的情况下，该危险等级对应的增益系数大于1。也就是说，在危险等级大于或等于第一等级阈值的情况下对第一制动减速度进行放大处理。

进一步地，在危险等级小于第一等级阈值的情况下，该危险等级对应的增益系数等于1。也就是说，在危险等级小于第一等级阈值的情况下，将第一制动减速度作为第二制动减速度。

例如，第一等级阈值可以为1。

在面对紧急制动工况时，由于经验不足、踩踏力不足或反映不迅速等，普通驾驶员所请求的制动减速度可能不足以实现避障。通过本申请实施例的方案，在危险等级较高的情况下，对第一制动减速度进行放大处理，有利于进一步提高驾驶的安全性。而在危险等级较低的情况下，直接将第一制动减速度作为第二制动减速度，更符合驾驶员的主观意愿，提高用户体验。

不同危险等级对应的增益系数可以是预先设定的。或者说，多个增益系数与多个危险等级之间的映射关系可以是预先设定的。

示例性地，不同危险等级对应的增益系数可以是根据专业驾驶员所请求的制动减速度确定的。

具体地，由专业驾驶员对不同的危险等级下的驾驶员所请求的制动减速度进行标定，得到不同危险等级下的增益系数。

例如，在自然驾驶的过程中，将一个危险等级的场景下专业驾驶员所请求的制动减速度除以普通驾驶员所请求的制动减速度，得到的结果作为该危险等级对应的增益系数。

相较于普通驾驶员，专业驾驶员对紧急制动工况的判断更准确，通过专业驾驶员标定的增益系数对普通驾驶员所请求的制动减速度进行增益处理，能够在尽量满足普通驾驶员的主观意愿的前提下，提高驾驶的安全性。

驾驶场景的危险等级是根据车辆的信息和车辆的环境感知信息确定的。

具体地，可以根据车辆的运动信息和车辆的环境感知信息计算危险判别指标，进而根据危险判别指标确定危险等级。

示例性地，将危险判断指标与标定的阈值进行比较，根据比较结果确定危险等级。

例如，危险判别指标可以包括以下至少一项：距离碰撞剩余时间(timetocollision，ttc)、距离制动剩余时间(timetobrake，ttb)或车间时距(timeheadway，thw)。

应理解，上述危险判别指标以及危险等级的划分方法仅为示意，危险判别指标以及危险等级的划分方法可以通过其他方式确定，本申请实施例对此不做限定。

图6中示出了本申请实施例提供的一种分级制动处理的示意性流程图。下面结合图6对步骤s320进行说明。图6中的方案可以视为步骤s320的一种具体实现方式。

示例性地，图6可以由图2中的分级制动模块230执行。

图6中的方案包括步骤s610至步骤s640。

s610，根据目标车辆的运动信息和环境感知信息计算危险判别指标。

例如，危险判别指标包括以下至少一项：ttc、ttb或thw。

s620，根据危险判别指标确定当前驾驶场景的危险等级。

示例性地，将危险判别指标与标定的阈值进行比较，根据比较结果确定当前驾驶场景的危险等级。

例如，驾驶场景的危险等级可以包括0,1,2,3等多个等级，当前驾驶场景的危险等级即为其中一个危险等级。

s630，根据危险等级与增益系数之间的映射关系确定当前驾驶场景的危险等级对应的目标增益系数。

例如，驾驶场景的危险等级包括0,1,2,3这四个等级，对应的增益系数分别为k0，k1，k2和k3。

s640，根据目标增益系数对第一制动减速度进行处理，得到第二制动减速度。

可选的，目标制动减速度是根据第二制动减速度确定的，包括：目标制动减速度为第二制动减速度。

第二制动减速度是通过专业驾驶员对第一制动减速度进行标定得到的，符合驾驶员的主观意愿，同时提高了驾驶的安全性。

进一步地，在发送目标制动减速度的指示信息之前，当前驾驶场景的危险等级大于或等于第二等级阈值。

或者可以理解为，当前驾驶场景的危险等级大于或等于第二等级阈值的条件为发送目标制动减速度的指示信息的触发条件之一。在当前驾驶场景的危险等级小于第二等级阈值的情况下，不执行步骤s320。

第二等级阈值与第一等级阈值可以相同，也可以不同。

例如，第二等级阈值为1，在当前驾驶场景的危险等级为0时，不执行步骤s320。

也就是说，在危险等级较低时，车辆可以不执行主动增压，而是通过驾驶员踏板制动执行增压。

如前所示，本申请实施例的方案可以应用于eba系统中，用于提供紧急制动辅助功能。当方法300应用于eba系统中，在当前驾驶场景的危险等级小于第二等级阈值的情况下，可以不触发紧急制动辅助功能。这样，通过危险等级的识别碰撞风险，进一步避免了紧急制动辅助功能的误触发情况。

图7示出了不同危险等级下的车辆的制动减速度的变化情况。图7的方案中的目标制动减速度即为第二制动减速度。

如图7所示，在危险等级为0时，目标增益系数为1，不对第一制动减速度进行处理，eba系统可以不提供紧急制动辅助功能，该曲线反映了普通驾驶员进行制动操作时的制动减速度变化情况。随着危险等级的增加，增益系数逐渐增大，第二制动减速度也随之增大，图7中危险等级为3时得到的第二制动减速度即为车辆能够输出的最大制动减速度。如图7所示，随着危险等级的增加，第二制动减速度也随之增大，在eba系统的辅助下，能够更快建压，以使车辆能够尽快达到所需的制动减速度，或者说尽快达到第二制动减速度，实现更符合驾驶员主观意愿的分级辅助制动，保证在车辆在不同危险等级下的安全性。

然而专业驾驶员的标定结果不能完全避免发生碰撞。本申请实施例中通过安全制动减速度进一步提高驾驶的安全性。

可选地，目标制动减速度是根据第二制动减速度确定的，包括：目标制动减速度是根据第二制动减速度和安全制动减速度中的绝对值较大的一项确定的。

安全制动减速度用于表示目标车辆避免碰撞所需的制动减速度。

具体地，安全制动减速度是根据目标车辆的运动信息和目标车辆的环境感知信息确定的、避免发生碰撞所需的制动减速度。

将第二制动减速度和安全制动减速度进行比较仲裁，根据其中绝对值较大的一项确定目标制动减速度。

可选地，目标制动减速度是根据第二制动减速度和安全制动减速度中的绝对值较大的一项确定的，包括：目标制动减速度为第二制动减速度和安全制动减速度中的绝对值较大的一项。

可选地，目标制动减速度是第二制动减速度和安全制动减速度中绝对值较大的一项确定的，包括：目标制动减速度为绝对值较大的一项与制动减速度阈值之间的较小值。

示例性地，制动减速度阈值时由abs确定的。

本申请实施例通过目标车辆的运动信息和目标车辆的环境感知信息确定安全制动减速度，并根据安全制动减速度和第二制动减速度中绝对值较大的一项确定目标制动减速度，能够在尽量满足驾驶员主观意愿的前提下，有效规避碰撞风险，进一步提高驾驶的安全性。

可选地，目标制动减速度是根据第一制动减速度确定的，包括目标制动减速度是根据第一制动减速度和安全制动减速中绝对值较大的一项确定的。

将第一制动减速度和安全制动减速度进行比较仲裁，根据其中绝对值较大的一项确定目标制动减速度。

也就是说，若方法300不包括对第一制动减速度进行处理，则可以根据第一制动减速度和安全制动减速度确定目标制动减速度。

可选地，目标制动减速度是根据第一制动减速度和安全绝对值较大的一项确定的，包括：目标制动减速度为第一制动减速度和安全制动减速度中绝对值较大的一项。

可选地，目标制动减速度是第一制动减速度和安全制动减速度中绝对值较大的一项确定的，包括：目标制动减速度为该绝对值较大的一项与制动减速度阈值之间的绝对值较小的一项。

示例性地，制动减速度阈值时由abs确定的。

图8示出了本申请实施例提供的一种确定目标制动减速度的方法的示意性流程图。图8中的方案可以视为步骤s320的一种具体实现方式。

示例性地，图8可以由图2中的制动减速度决策模块240执行。

图8所示的方案包括步骤s710至步骤s730，下面对步骤s710至步骤s730进行说明。

s710，根据目标车辆的运动信息和环境感知信息确定安全制动减速度。

s720，在对第一制动减速度进行处理的情况下，确定安全制动减速度和第二制动减速度中绝对值较大的一项。

在对第一制动减速度没有进行处理的情况下，确定安全制动减速度和第一制动减速度中的较大值。

s730，确定步骤s720中绝对值较大的一项与abs决定的制动减速度阈值中绝对值较小的一项。

将两者中绝对值较小的一项作为目标制动减速度。

目标制动减速度可以作为紧急制动辅助系统所需要的执行的制动减速度值，或者说紧急制动辅助系统输出的制动减速度值，通过主动增压以尽快达到该目标制动减速度。

本申请实施例的方案可以应用于eba系统中，用于提供紧急制动辅助功能。图9示出了不同场景下的制动减速度的变化情况。图9的(a)示出了第二制动减速度大于安全制动减速度的情况下不同场景的制动减速度的变化情况，图9的(b)示出了第二制动减速度小于安全制动减速度的情况下不同场景的制动减速度的变化情况。

如图9所示，普通驾驶员在紧急制动工况中，由于存在判断不准确等问题，驾驶员所请求的制动减速度(即第一制动减速度)难以实现安全避障。

如图9的(a)所示，专业驾驶员在该紧急工况中所请求的制动减速度大于安全制动减速度，能够实现安全避障。同时，专业驾驶员通常反应速度等方面优于普通驾驶员，如图9所示，相较于普通驾驶员，专业驾驶员对应的制动减速度的曲线的上升速率明显更高，也就是说，专业驾驶员驾驶车辆的情况下能够更快达到所需的制动减速度。本申请实施例中的第二制动减速度可以是由专业驾驶员对第一制动减速度进行标定得到的，图9中专业驾驶员所请求的制动减速度也可以理解为本申请实施例中的第二制动减速度。在第二制动减速度大于安全制动减速度的情况下，eba系统将第二制动减速度作为目标制动减速度。eba系统基于目标制动减速度提供紧急制动辅助功能，如图9的(a)所示，eba系统所对应的制动减速度的曲线的上升速率高于专业驾驶员对应的制动减速度的曲线，也就是说，在目标制动减速度相同的情况下，eba系统能够提供紧急制动辅助功能以实现主动建压，使车辆更快达到目标制动减速度，提高了驾驶的安全性。

如图9的(b)所示，如图9的(b)所示，专业驾驶员在该紧急工况中所请求的制动减速度小于安全制动减速度，无法实现安全避障。本申请实施例中的第二制动减速度可以是由专业驾驶员对第一制动减速度进行标定得到的，图9中专业驾驶员所请求的制动减速度也可以理解为本申请实施例中的第二制动减速度。在第二制动减速度小于安全制动减速度的情况下，eba系统将安全制动减速度作为目标制动减速度。eba系统基于目标制动减速度提供紧急制动辅助功能以实现主动建压，使车辆更快达到目标制动减速度，提高了驾驶的安全性。

此外，从图9中可以看出，其他紧急制动辅助系统在紧急制动工况的情况下，直接输出abs系统的阈值，即最大制动减速度，不考虑驾驶员的主观意愿以及安全制动减速度，影响用户体验，甚至存在安全隐患。

如前所述，方法300可以应用于紧急制动工况中。示例性地，在紧急制动工况的情况下，执行步骤s320，即发送目标制动减速度的指示信息。

本申请实施例中紧急制动工况的识别过程也可以理解为驾驶员紧急制动意图的识别过程。

若方法300应用于eba系统中，在将当前场景认定为紧急制动工况或者说识别出驾驶员的紧急制动意图之后，可以触发紧急制动辅助功能，即发送目标制动减速度的指示信息，指示目标车辆对制动主缸执行主动增压。

可选地，在发送目标制动减速度的指示信息之前，目标车辆的制动主缸的压力信息满足以下至少一个条件：目标车辆的制动主缸的压力斜率大于或等于第一阈值或者目标车辆的制动主缸的压力大于或等于第二阈值，第一阈值是根据目标车辆的速度确定的。第二阈值时根据目标车辆的速度确定的。

第一阈值和第二阈值的具体描述详见后文中的方法1000。

也就是说eba系统可以根据目标车辆的速度和目标车辆的制动主缸的压力信息识别驾驶员的紧急制动意图。示例性地，在目标车辆的制动主缸的压力信息满足上述至少一项时，认定驾驶员具有紧急制动意图，触发紧急制动辅助功能。

现有的紧急制动辅助系统通常利用踏板信号或车速等信息与设定的阈值进行比较，根据比较结果判断当前场景是否为紧急制动工况，在识别出紧急制动工况后，提供紧急制动辅助功能。然而，上述判别方式的准确性较低，导致紧急制动辅助功能的误触发率较高，可能为驾驶员提供不必要的制动减速度，降低了用户体验，同时存在安全隐患。

本申请实施例中的阈值不是一个固定值，而是根据目标车辆的速度确定的，通过制动主缸的压力信息与根据车速确定的阈值比较来判断驾驶员是否具有紧急制动意图，这样能够提高驾驶员紧急制动意图的准确性。

本申请实施例提供了一种驾驶员紧急制动意图的识别方法900。该方法可以由图2中的紧急制动意图识别模块210执行。驾驶员具有紧急制动意图可以作为步骤s320的触发条件之一。也就是说，驾驶员紧急制动意图的识别方法的结果可以用于触发步骤s320。

驾驶员紧急制动意图的识别方法包括步骤s910至步骤s920，下面对该方法进行说明。

s910，获取目标车辆的信息。

目标车辆的信息包括目标车辆的运动信息和目标车辆的制动主缸的压力信息。

目标车辆的运动信息包括目标车辆的速度。目标车辆的制动主缸的压力信息包括以下至少一项：目标车辆的制动主缸的压力斜率或目标车辆的制动主缸的压力。

示例性地，目标车辆的制动主缸的压力信息可以是周期性获取的。例如，每个周期获取制动主缸的压力，根据周期内目标车辆的缸压变化值即可确定目标车辆的制动主缸的压力斜率。

应理解，以上仅为示意，目标车辆的制动主缸的压力信息也可以按照其他频率获取，本申请实施例对此不做限定。

s920，在目标车辆的制动主缸的压力信息满足以下至少一个条件时，判定驾驶员具有紧急制动意图：目标车辆的制动主缸的压力斜率大于或等于第一阈值，或者，目标车辆的制动主缸的压力大于或等于第二阈值。

其中，第一阈值是根据目标车辆的速度确定的。第二阈值是根据目标车辆的速度确定的。

上述判别结果可以作为前述步骤s320的触发条件之一，或者说，作为紧急制动辅助功能的触发条件之一。也就是说，在目标车辆的制动主缸的压力信息满足步骤s302中的条件时，判断驾驶员具有紧急制动意图。在发送目标制动减速度的指示信息之前，驾驶员具有紧急制动意图。

示例性地，在发送目标制动减速度的指示信息之前，目标车辆的制动主缸的压力信息满足以下条件：目标车辆的制动主缸的压力斜率大于或等于第一阈值。

即在目标车辆的制动主缸的压力斜率大于或等于第一阈值的情况下，有可能触发发送目标制动减速度的指示信息。在目标车辆的制动主缸的压力斜率小于第一阈值的情况下，不执行步骤s320。

可替换地，在发送目标制动减速度的指示信息之前，目标车辆的制动主缸的压力信息满足以下条件：目标车辆的制动主缸的压力大于或等于第二阈值。

即在目标车辆的制动主缸的压力大于或等于第二阈值的情况下，有可能触发发送目标制动减速度的指示信息。在目标车辆的制动主缸的压力小于第二阈值的情况下，不执行步骤s320。

可替换地，在发送目标制动减速度的指示信息之前，目标车辆的制动主缸的压力信息满足以下条件：目标车辆的制动主缸的压力斜率大于或等于第一阈值，且目标车辆的制动主缸的压力大于或等于第二阈值。

即在目标车辆的制动主缸的压力斜率大于或等于第一阈值，且目标车辆的制动主缸的压力大于或等于第二阈值的情况下，有可能触发发送目标制动减速度的指示信息。在目标车辆的制动主缸的压力斜率小于第一阈值或者目标车辆的制动主缸的压力小于第二阈值的情况下，不执行步骤s320。

进一步地，紧急制动意图的识别结果可以和前述危险等级的判别结果结合，作为步骤s320的触发条件，或者说，作为紧急制动辅助功能的触发条件。

可选地，在发送目标制动减速度的指示信息之前，满足以下至少一个条件：当前驾驶场景的危险等级大于或等于第二等级阈值，或者，驾驶员具有紧急制动意图。

示例性地，在当前驾驶场景的危险等级大于或等于第二等级阈值或者驾驶员具有紧急制动意图的情况下，发送目标制动减速度的指示信息。

这样可以进一步提高驾驶的安全性，避免驾驶员判断失误导致的碰撞风险。

可替换地，在当前驾驶场景的危险等级大于或等于第二等级阈值，且驾驶员具有紧急制动意图的情况下，发送目标制动减速度的指示信息。

例如，步骤s320可以包括：在当前驾驶场景的危险等级大于或等于第二等级阈值，且目标车辆的制动主缸的压力斜率大于或等于第一阈值的情况下，发送目标制动减速度的指示信息。

在当前驾驶场景的危险等级小于第二等级阈值，或目标车辆的制动主缸的压力斜率小于第一阈值的情况下，不执行步骤s320。

这样可以进一步提高紧急制动辅助功能触发的准确性，避免发生误触发的情况，提高用户体验。

如前所述，第一阈值是根据目标车辆的速度确定的。

第一阈值与车辆的速度之间具有映射关系。示例性地，该映射关系可以反映为函数表达式，即第一阈值可以表示为车辆的速度的函数。

图10中示出了一种第一阈值与车辆的速度之间的映射关系的确定方法1000。方法1000包括步骤s1010至步骤s1020，下面对步骤s1010至步骤s1020进行说明。

s1010，获取多组制动数据中每组制动数据中最大的制动主缸的压力斜率。

该多组制动数据为自然驾驶过程中采集的制动数据。从该多组中制动数据中分别提取每组制动数据中的最大的制动主缸的压力斜率，即每次制动过程中最大的制动主缸的压力斜率。

s1020，根据该多组制动数据中的紧急制动工况和非紧急制动工况下的最大的制动主缸的压力斜率的分布情况，拟合第一阈值与车辆的速度之间的关系。

该多组制动数据包括紧急制动工况下采集得到的制动数据和非紧急制动工况下采集到的制动数据。示例性地，可以由专业驾驶员判断一组制动数据属于紧急制动工况下采集到的制动数据或非紧急制动工况下采集到的制动数据。

第一阈值与车辆的速度之间的关系可以表示为：p_thr'＝g(v)。

其中，v表示车辆的速度，p_thr'表示第一阈值，g()表示函数。

图11示出了在车辆处于相同速度的情况下，紧急制动工况和非紧急制动工况下的最大的制动主缸的压力斜率的分布情况。图11中的直线即为该速度对应的第一阈值。如图11所示，在该速度下，紧急制动工况下的制动主缸的压力斜率均处于图11中的上方，非紧急制动工况下的制动主缸的压力斜率均处于图11中的下方，由此通过拟合得到阈值，将紧急制动工况和非紧急制动工况下的制动主缸的压力斜率区分开，该阈值即为该速度对应的第一阈值。

如前所述，第二阈值是根据目标车辆的速度确定的。

第二阈值与车辆的速度之间具有映射关系。示例性地，该映射关系可以反映为函数表达式，即第二阈值可以表示为车辆的速度的函数。

示例性的，第二阈值与车辆的速度之间的映射关系的确定方法可以参考图10中的方法。具体地，可以通过以下步骤确定第二阈值与车辆的速度之间的映射关系。

s1，获取多组制动数据中每组制动数据中最大的制动主缸的压力。

该多组制动数据为自然驾驶过程中采集的制动数据。从该多组中制动数据中分别提取每组制动数据中的最大的制动主缸的压力，即每次制动过程中最大的制动主缸的压力。

s2，根据该多组制动数据中的紧急制动工况和非紧急制动工况下的最大的制动主缸压力的分布情况，拟合第二阈值与车辆的速度之间的关系。

该多组制动数据包括紧急制动工况下采集得到的制动数据和非紧急制动工况下采集到的制动数据。示例性地，可以由专业驾驶员判断一组制动数据属于紧急制动工况下采集到的制动数据或非紧急制动工况下采集到的制动数据。

具体的拟合方式可以参照图11中的方式，此处不再赘述。

图12示出了本申请实施例提供的一种驾驶员制动意图识别方法1100，图12中的方法1100可以视为方法900的一种具体实现方式，具体描述可以参见前述方法900。

示例性地，图12可以由图2中的紧急制动意图识别模块210执行。

方法1100包括步骤s1110至步骤s1140，下面对步骤s1110至步骤s1140进行说明。

s1110，获取目标车辆的制动主缸的压力。

示例性地，周期性地获取制动主缸的压力。

s1120，计算制动主缸的压力斜率。

s1130，获取目标车辆的速度。

s1140，根据目标车辆的速度计算第一阈值和第二阈值。

s1150，判断目标车辆的制动主缸的压力斜率是否大于或等于第一阈值以及目标车辆的制动主缸的压力是否大于或等于第二阈值。

在目标车辆的制动主缸的压力斜率大于或等于第一阈值，且目标车辆的制动主缸的压力大于或等于第二阈值的情况下，将当前场景作为紧急制动工况；否则，当前场景作为非紧急制动工况。

应理解，方法1100中的步骤仅为示例，不对本申请实施例构成限定。例如，步骤s1140也可以为根据目标车辆的速度计算第一阈值。相应地，步骤s1150也可为，判断目标车辆的制动主缸的压力斜率是否大于或等于第一阈值。在目标车辆的制动主缸的压力斜率大于或等于第一阈值的情况下，将当前场景作为紧急制动工况；在目标车辆的制动主缸的压力斜率小于第一阈值的情况下，将当前场景作为非紧急工况。再如，方法1100可以不包括s1120，相应地，步骤s1140可以为根据目标车辆的速度计算第二阈值。步骤s1150也可为，判断目标车辆的制动主缸的压力是否大于或等于第二阈值。在目标车辆的制动主缸的压力大于或等于第二阈值的情况下，将当前场景作为紧急制动工况；在目标车辆的制动主缸的压力小于第二阈值的情况下，将当前场景作为非紧急工况。

在本申请实施例中，通过制动主缸的压力信息与根据目标车辆的速度确定的阈值比较来判断驾驶员是否具有紧急制动意图，这样能够提高驾驶员紧急制动意图的准确性。

下面结合图13至图14对本申请实施例的装置进行说明。应理解，下面描述的装置能够执行前述本申请实施例的方法，为了避免不必要的重复，下面在介绍本申请实施例的装置时适当省略重复的描述。

图13是本申请实施例的车辆控制装置的示意图。该装置2000包括获取单元2001和发送单元2002。该装置2000可以用于执行本申请实施例的车辆控制方法的各步骤。例如，获取单元2001可以用于执行图3所示方法中的步骤s310，发送单元2002可以用于执行图3所示方法中的步骤s320。

具体地，获取单元2001，用于获取目标车辆的信息，目标车辆的信息包括所述目标车辆的运动信息和所述目标车辆的制动主缸的压力信息。发送单元2002，用于发送目标制动减速度的指示信息，目标制动减速度的指示信息用于指示目标车辆对制动主缸执行制动增压，目标制动减速度是根据目标车辆的信息预测得到的。

可选地，作为一个实施例，目标制动减速度是根据第一制动减速度确定的，第一制动减速度是通过制动减速度预测模型对目标车辆的信息进行处理得到的。

可选地，作为一个实施例，制动减速度预测模型是基于至少一个训练样本训练得到的，训练样本包括训练车辆的信息以及训练样本的样本标签，训练车辆的信息包括训练车辆的运动信息和训练车辆的制动主缸的压力信息，训练样本的样本标签用于指示训练车辆的驾驶员所请求的制动减速度。

可选地，作为一个实施例，目标车辆的制动主缸的压力信息包括目标车辆的制动主缸的压力斜率，在发送目标制动减速度的指示信息之前，目标车辆的制动主缸的压力斜率大于或等于第一阈值。

可选地，作为一个实施例，目标车辆的运动信息包括目标车辆的速度，第一阈值是根据目标车辆的速度确定的。

可选地，作为一个实施例，目标制动减速度是根据第二制动减速度确定的，第二制动减速度是通过目标增益系数对第一制动减速度进行处理得到的，目标增益系数与当前驾驶场景的危险等级之间具有映射关系。

可选地，作为一个实施例，目标制动减速度是根据第二制动减速度和安全制动减速度中绝对值较大一项确定的，安全制动减速度用于表示目标车辆避免碰撞所需的制动减速度。

图14是本申请实施例的控制装置的示意图。该装置3000可以包括至少一个处理器3002和通信接口3003。

可选地，该装置3000还可以包括存储器3001和总线3004中的至少一项。其中，存储器3001、处理器3002和通信接口3003中的任意两项之间或全部三项之间均可以通过总线3004实现彼此之间的通信连接。

可选地，存储器3001可以是只读存储器(readonlymemory，rom)，静态存储设备，动态存储设备或者随机存取存储器(randomaccessmemory，ram)。存储器3001可以存储程序，当存储器3001中存储的程序被处理器3002执行时，处理器3002和通信接口3003用于执行本申请实施例的车辆的控制方法的各个步骤。也就是说，处理器3002可以通过通信接口3003从存储器3001获取存储的指令，以执行本申请实施例的车辆控制方法的各个步骤。

可选地，存储器3001可以具有图1所示存储器152的功能，以实现上述存储程序的功能。可选地，处理器3002可以采用通用的cpu，微处理器，asic，图形处理器(graphicprocessingunit，gpu)或者一个或多个集成电路，用于执行相关程序，以实现本申请实施例的控制装置中的单元所需执行的功能，或者执行本申请实施例的控制方法的各个步骤。

可选地，处理器3002可以具有图1所示处理器151的功能，以实现上述执行相关程序的功能。

可选地，处理器3002还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本申请实施例的控制方法的各个步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

可选地，上述处理器3002还可以是通用处理器、数字信号处理器(digitalsignalprocessing，dsp)、专用集成电路(asic)、现成可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成本申请实施例的车辆的控制装置中包括的单元所需执行的功能，或者执行本申请实施例的车辆控制方法的各个步骤。

可选地，通信接口3003可以使用例如但不限于收发器一类的收发装置，来实现装置与其他设备或通信网络之间的通信。该通信接口3003例如还可以是接口电路。

总线3004可包括在装置各个部件(例如，存储器、处理器、通信接口)之间传送信息的通路。

本申请实施例还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得该计算机实现上述方法实施例中的方法。

本申请实施例还提供一种终端，该终端包括上述任意一种控制装置，例如图13或图14所示控制装置等。

示例性地，该终端可以为车辆。或者，该终端还可以是对车辆进行远程控制的终端。

上述控制装置既可以是安装在目标车辆上的，又可以是独立于目标车辆的，例如可以是利用无人机、其他车辆、机器人等来控制该目标车辆。

除非另有定义，本申请所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本申请中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。

本申请的各个方面或特征可以实现成方法、装置或使用标准编程和/或工程技术的制品。本申请中使用的术语“制品”可以涵盖可从任何计算机可读器件、载体或介质访问的计算机程序。例如，计算机可读介质可以包括但不限于：磁存储器件(例如，硬盘、软盘或磁带等)，光盘(例如，压缩盘(compactdisc，cd)、数字通用盘(digitalversatiledisc，dvd)等)，智能卡和闪存器件(例如，可擦写可编程只读存储器(erasableprogrammableread-onlymemory，eprom)、卡、棒或钥匙驱动器等)。

本申请描述的各种存储介质可代表用于存储信息的一个或多个设备和/或其它机器可读介质。术语“机器可读介质”可以包括但不限于：无线信道和能够存储、包含和/或承载指令和/或数据的各种其它介质。

需要说明的是，当处理器为通用处理器、dsp、asic、fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时，存储器(存储模块)可以集成在处理器中。

还需要说明的是，本申请描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本领域普通技术人员可以意识到，结合本申请中所公开的实施例描述的各示例的单元及步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的保护范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，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，仅仅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。此外，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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。

所述功能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，或者说对现有技术做出贡献的部分，或者该技术方案的部分，可以以计算机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，该计算机软件产品包括若干指令，该指令用以使得一台计算机设备(可以是个人计算机，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。前述的存储介质可以包括但不限于：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。