基於車聯網的自動駕駛控制策略的生成方法與生成裝置製造方法
2023-10-19 10:35:17 4
基於車聯網的自動駕駛控制策略的生成方法與生成裝置製造方法
【專利摘要】本發明提供了一種基於車聯網的自動駕駛控制策略的生成方法與生成裝置，其中方法包括：通過車聯網採集車輛環境傳感器生成的環境信息和駕駛員的主動駕駛信息；根據所述主動駕駛信息獲得對應車輛的車輛駕駛習慣模型；根據一個地理區域內的多個車輛駕駛習慣模型獲得區域駕駛習慣模型；根據多個所述環境信息獲得一個地理區域的在各時間段的路況模型；根據當前車輛的所述車輛駕駛習慣模型、所述當前車輛所在區域的所述區域駕駛習慣模型和所述路況模型，生成所述當前車輛的自動駕駛控制策略；將所述自動駕駛控制策略更新到所述當前車輛的自動駕駛控制系統中。本發明的目的是使自動駕駛控制策略與車輛及其駕駛環境相適應，從而提高自動駕駛的舒適性。
【專利說明】基於車聯網的自動駕駛控制策略的生成方法與生成裝置
【技術領域】
[0001]本發明涉及車輛控制領域，特別是涉及一種基於車聯網的自動駕駛控制策略的生成方法與生成裝置。
【背景技術】
[0002]隨著車輛技術的發展，自動駕駛汽車已經逐步得到了生產和應用。由於自動駕駛汽車的控制方法、行駛方式與人為駕駛的汽車的控制方法、行駛方式有很大不同，因此無論是乘坐在自動駕駛汽車內的乘客還是周邊道路上行駛的其他車輛內的駕駛員都會感覺到不適。另外，由於各個國家、各個地區的駕駛員的駕駛行為習慣有所不同，因此使用相同的自動駕駛控制策略無法適應所有的駕駛環境。
[0003]另一方面，現代車輛技術研發出了一種車聯網。車聯網是通過3G、4G、移動網際網路，進行汽車的信息收集與共享的網絡體系。利用車聯網，通過信息的處理，能夠實現車與路、車與車主、車主與車主、車主與第三方服務商的溝通，讓汽車生活更加智能。
【發明內容】
[0004]本發明的目的是要提供一種基於車聯網的自動駕駛控制策略的生成方法與生成裝置，使自動駕駛控制策略與車輛及其駕駛環境相適應，從而提高自動駕駛的舒適性。
[0005]為了實現上述目的，本發明提供了一種基於車聯網的自動駕駛控制策略的生成方法，包括:
[0006]通過車聯網採集車輛環境傳感器生成的環境信息和駕駛員的主動駕駛信息；
[0007]根據所述主動駕駛信息獲得對應車輛的車輛駕駛習慣模型；根據一個地理區域內的多個車輛駕駛習慣模型獲得區域駕駛習慣模型；根據多個所述環境信息獲得一個地理區域的在各時間段的路況模型；
[0008]根據當前車輛的所述車輛駕駛習慣模型、所述當前車輛所在區域的所述區域駕駛習慣模型和所述路況模型，生成所述當前車輛的自動駕駛控制策略；
[0009]將所述自動駕駛控制策略更新到所述當前車輛的自動駕駛控制系統中。
[0010]優選地，在上述方法中，所述車輛駕駛習慣模型包括:本車車速指數、本車剎車指數、本車車距指數和本車變線超車指數；
[0011]所述區域駕駛習慣模型包括:區域車速指數、區域剎車指數、區域車距指數和區域變線超車指數；
[0012]所述路況模型包括:路段車輛密度指數、路段平均車速指數、路段彎道指數、路段路面指數、路段事故率指數和路段紅燈路口指數。
[0013]優選地，在上述方法中，在生成所述當前車輛的自動駕駛控制策略的步驟中，所述車輛駕駛習慣模型的權重等於所述區域駕駛習慣模型的權重。
[0014]優選地，在上述方法中，所述環境信息包括:周邊車輛信息、行人信息、車道線信息、交通標示信息和/或交通信號信息；
[0015]所述主動駕駛信息包括:油門踏板開度、加速度、制動減速度、方向盤轉角和/或車輛橫擺角。
[0016]為了更好的實現上述目的，本發明還提供了一種基於車聯網的自動駕駛控制策略的生成裝置，包括:
[0017]信息收集單元，用於:通過車聯網採集車輛環境傳感器生成的環境信息和駕駛員的主動駕駛信息；
[0018]模型單元，用於:根據所述主動駕駛信息獲得對應車輛的車輛駕駛習慣模型；根據一個地理區域內的多個車輛駕駛習慣模型獲得區域駕駛習慣模型；根據多個所述環境信息獲得一個地理區域的在各時間段的路況模型；根據當前車輛的所述車輛駕駛習慣模型、所述當前車輛所在區域的所述區域駕駛習慣模型和所述路況模型，生成所述當前車輛的自動駕駛控制策略；
[0019]更新單元，用於:將所述自動駕駛控制策略更新到所述當前車輛的自動駕駛控制系統中。
[0020]優選地，在上述裝置中，所述車輛駕駛習慣模型包括:本車車速指數、本車剎車指數、本車車距指數和本車變線超車指數；
[0021]所述區域駕駛習慣模型包括:區域車速指數、區域剎車指數、區域車距指數和區域變線超車指數；
[0022]所述路況模型包括:路段車輛密度指數、路段平均車速指數、路段彎道指數、路段路面指數、路段事故率指數和路段紅燈路口指數。
[0023]優選地，在上述裝置中，在生成所述當前車輛的自動駕駛控制策略的步驟中，所述車輛駕駛習慣模型的權重等於所述區域駕駛習慣模型的權重。
[0024]優選地，在上述裝置中，所述環境信息包括:周邊車輛信息、行人信息、車道線信息、交通標示信息和/或交通信號信息；
[0025]所述主動駕駛信息包括:油門踏板開度、加速度、制動減速度、方向盤轉角和/或車輛橫擺角。
[0026]本發明中，由於車聯網能夠實現車與路、車與車主、車主與車主、車主與第三方服務商的通信，因此通過車聯網能夠獲取區域內多個車輛的環境信息和主動駕駛信息。由於區域駕駛習慣模型是根據一個地理區域內的多個車輛駕駛習慣模型獲得的，而每個車輛駕駛習慣模型又是根據對應駕駛員的主動駕駛信息獲得的能夠模擬對應車輛的駕駛習慣的模型，因此區域駕駛習慣模型能夠模擬一個地理區域內的多個車輛的駕駛習慣，當車輛駕駛習慣模型足夠多時，區域駕駛習慣模型即可模擬一個地理區域內的絕大多數車輛的駕駛習慣。同樣地，由於路況模型是根據一個地理區域內的多個環境信息獲得的，當環境信息足夠多時，路況模型即可模擬一個地理區域的在各個時間段的路況。本發明中，根據當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，即可得到與當前車輛及其駕駛環境相適應的自動駕駛控制策略，將該自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中，即可控制當前車輛自動行駛。綜上可知，由於利用本發明中的方法得到的自動駕駛控制策略既考慮了車主的駕駛習慣，還考慮了車輛所在區域的其他駕駛員的駕駛習慣和區域內的各個時間段的路況，因此利用本發明中的方法得到的自動駕駛控制策略能夠與車輛及其駕駛環境相適應，不會令自動駕駛車輛內的乘坐人員和周邊車輛感覺不適，從而提高自動駕駛的舒適性，使自動駕駛更加智能。
[0027]根據下文結合附圖對本發明具體實施例的詳細描述，本領域技術人員將會更加明了本發明的上述以及其他目的、優點和特徵。
【專利附圖】
【附圖說明】
[0028]後文將參照附圖以示例性而非限制性的方式詳細描述本發明的一些具體實施例。附圖中相同的附圖標記標示了相同或類似的部件或部分。本領域技術人員應該理解，這些附圖未必是按比例繪製的。附圖中:
[0029]圖1是根據本發明一個實施例的基於車聯網的自動駕駛控制策略的生成方法的方法流程圖；
[0030]圖2是根據本發明一個實施例的基於車聯網的自動駕駛控制策略的生成裝置的裝置不意圖；
[0031]圖3是根據本發明一個實施例的基於車聯網的自動駕駛控制策略的生成裝置的工作流程圖。
【具體實施方式】
[0032]圖1是根據本發明一個實施例的基於車聯網的自動駕駛控制策略的生成方法的方法流程圖。如圖1所示，本發明實施例提供了一種基於車聯網的自動駕駛控制策略的生成方法，至少包括步驟S102至步驟S108。
[0033]步驟S102、通過車聯網採集車輛環境傳感器生成的環境信息和駕駛員的主動駕駛信息。
[0034]步驟S104、根據主動駕駛信息獲得對應車輛的車輛駕駛習慣模型；根據一個地理區域內的多個車輛駕駛習慣模型獲得區域駕駛習慣模型；根據多個環境信息獲得一個地理區域的在各時間段的路況模型。
[0035]步驟S106、根據當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，生成當前車輛的自動駕駛控制策略。
[0036]步驟S108、將自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中。
[0037]本發明中，由於車聯網能夠實現車與路、車與車主、車主與車主、車主與第三方服務商的通信，因此通過車聯網能夠獲取區域內多個車輛的環境信息和主動駕駛信息。由於區域駕駛習慣模型是根據一個地理區域內的多個車輛駕駛習慣模型獲得的，而每個車輛駕駛習慣模型又是根據對應駕駛員的主動駕駛信息獲得的能夠模擬對應車輛的駕駛習慣的模型，因此區域駕駛習慣模型能夠模擬一個地理區域內的多個車輛的駕駛習慣，當車輛駕駛習慣模型足夠多時，區域駕駛習慣模型即可模擬一個地理區域內的絕大多數車輛的駕駛習慣。同樣地，由於路況模型是根據一個地理區域內的多個環境信息獲得的，當環境信息足夠多時，路況模型即可模擬一個地理區域的在各個時間段的路況。本發明中，根據當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，即可得到與當前車輛及其駕駛環境相適應的自動駕駛控制策略，將該自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中，即可控制當前車輛自動行駛。綜上可知，由於利用本發明中的方法得到的自動駕駛控制策略既考慮了車主的駕駛習慣，還考慮了車輛所在區域的其他駕駛員的駕駛習慣和區域內的各個時間段的路況，因此利用本發明中的方法得到的自動駕駛控制策略能夠與車輛及其駕駛環境相適應，不會令自動駕駛車輛內的乘坐人員和周邊車輛感覺不適，從而提高自動駕駛的舒適性，使自動駕駛更加智能。
[0038]步驟S102中，車聯網是通過3G、4G或移動網際網路，進行汽車信息的收集與共享的網絡體系。通過車聯網能夠獲取區域內多個車輛的環境信息和主動駕駛信息。利用車聯網，通過信息的處理，能夠實現車與路、車與車主、車主與車主、車主與第三方服務商的溝通，讓汽車生活更加智能。
[0039]步驟S102中，環境信息至少包括周邊車輛信息、行人信息、車道線信息、交通標示信息和/或交通信號信息，還可以包括自車位置、自車速度及行駛路徑等信息，其中周邊車輛信息可以是但不限於周邊車輛位置及速度，行人信息可以是但不限於周邊行人位置及速度。通過環境信息能夠反映當前車輛的路況信息。用於獲取環境信息的車輛環境傳感器可以是但不限於車輛前方雷達、前方攝像頭、側方雷達、側方攝像頭等對外環境傳感器，還能通過車輛通信裝置獲取環境信息。
[0040]主動駕駛信息至少包括油門踏板信息、制動踏板信息、方向盤轉角信息、縱向加速度、橫向加速度，其中油門踏板信息可以是但不限於油門踏板開度，方向盤轉角信息可以是但不限於方向盤轉角和/或車輛橫擺角，制動踏板信息可以是但不限於制動減速度。通過主動駕駛信息能夠反映當前車輛的駕駛習慣和控制方式。包括但不限於通過發動機控制系統、制動系統、轉向系統及慣性測量系統獲取主動駕駛信息。
[0041]步驟S104中，通過主動駕駛信息獲取對應車輛的車輛駕駛習慣模型，根據同一地區內多個車輛駕駛習慣模型獲得區域駕駛習慣模型，並根據多個環境信息獲得同一區域在各時間段的路況模型，其中車輛駕駛習慣模型能夠模擬當前車輛的駕駛習慣，區域駕駛習慣模型能夠模擬當前車輛所在區域的絕大多數車輛的駕駛習慣，路況模型能夠模擬當前區域的各個時間段的路況。
[0042]車輛駕駛習慣模型至少包括:本車車速指數、本車剎車指數、本車車距指數和本車變線超車指數；例如，本車車速指數包括:平均時速80公裡，最高時速180公裡。本車車距指數為:在時速80公裡時距離前車距離30米。在超車時距離側邊車距I米。本車變線超車指數例如；前車車速小於50公裡時變線超車。
[0043]區域駕駛習慣模型至少包括:區域車速指數、區域剎車指數、區域車距指數和區域變線超車指數；例如，區域車速指數包括:平均時速60公裡，最高時速120公裡。區域車距指數為:在時速80公裡時距離前車距離40米。在超車時距離側邊車距1.5米。本車變線超車指數例如；前車車速小於40公裡時變線超車。
[0044]路況模型至少包括:路段車輛密度指數、路段平均車速指數、路段彎道指數、路段路面指數、路段事故率指數和路段紅燈路口指數。
[0045]步驟S106中，綜合考慮當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，能夠得到與當前車輛及其駕駛環境相適應的自動駕駛控制策略。
[0046]步驟S106中，為了綜合考慮車輛駕駛習慣模型和區域駕駛習慣模型，設定車輛駕駛習慣模型的權重等於區域駕駛習慣模型的權重，例如當本車的車輛駕駛習慣模型中的平均時速為80公裡，區域駕駛習慣模型中平均時速為60公裡時，可以將自動駕駛控制策略中的平均時速設定為70公裡，當本車的車輛駕駛習慣模型在超車時距離側邊車距為I米，區域駕駛習慣模型在超車時距離側邊車距為1.5米時，可以將自動駕駛控制策略中的超車時距離側邊車距設定為1.25米。這樣既考慮了車主的駕駛習慣，還顧及了本區域的其他車主的駕駛習慣。
[0047]步驟S108中，將步驟S106中得到的自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中，即可控制當前車輛自動駕駛。自動駕駛控制策略可以實時更新，也可以定期更新。
[0048]由於利用本發明中的方法得到的自動駕駛控制策略既考慮了車主的駕駛習慣，也考慮了車輛所在區域的其他駕駛員的駕駛習慣及各個時間段的路況，因此利用本發明中的方法得到的自動駕駛控制策略能夠與車輛及其駕駛環境相適應，不會令自動駕駛車輛內的乘坐人員和周邊車輛感覺不適，從而提高自動駕駛的舒適性，使自動駕駛更智能。
[0049]為了進一步說明圖1中的基於車聯網的自動駕駛控制策略的生成方法，如圖2所示，對應地，本發明另一個實施例還提供了一種基於車聯網的自動駕駛控制策略的生成裝置，至少包括以下單元。
[0050]信息收集單元202，用於:通過車聯網採集車輛環境傳感器生成的環境信息和駕駛員的主動駕駛信息。
[0051]模型單元204，用於:根據主動駕駛信息獲得對應車輛的車輛駕駛習慣模型；根據一個地理區域內的多個車輛駕駛習慣模型獲得區域駕駛習慣模型；根據多個環境信息獲得一個地理區域的在各時間段的路況模型；根據當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，生成當前車輛的自動駕駛控制策略。
[0052]更新單元206，用於:將自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中。
[0053]本發明中，在信息收集單元202中，由於車聯網能夠實現車與路、車與車主、車主與車主、車主與第三方服務商的通信，因此通過車聯網能夠獲取區域內多個車輛的環境信息和主動駕駛信息。在模型單元204中，由於區域駕駛習慣模型是根據一個地理區域內的多個車輛駕駛習慣模型獲得的，而每個車輛駕駛習慣模型又是根據對應駕駛員的主動駕駛信息獲得的能夠模擬對應車輛的駕駛習慣的模型，因此區域駕駛習慣模型能夠模擬一個地理區域內的多個車輛的駕駛習慣，當車輛駕駛習慣模型足夠多時，區域駕駛習慣模型即可模擬一個地理區域內的絕大多數車輛的駕駛習慣。同樣地，由於路況模型是根據一個地理區域內的多個環境信息獲得的，當環境信息足夠多時，路況模型即可模擬一個地理區域的在各個時間段的路況。本發明中，在模型單元204中，根據當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，即可得到與當前車輛及其駕駛環境相適應的自動駕駛控制策略。在更新單元206中，將該自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中，即可控制當前車輛自動行駛。綜上可知，由於利用本發明中的方法得到的自動駕駛控制策略既考慮了車主的駕駛習慣，還考慮了車輛所在區域的其他駕駛員的駕駛習慣和區域內的各個時間段的路況，因此利用本發明中的裝置得到的自動駕駛控制策略能夠與車輛及其駕駛環境相適應，不會令自動駕駛車輛內的乘坐人員和周邊車輛感覺不適，從而提高自動駕駛的舒適性，使自動駕駛更加智能。
[0054]在信息收集單元202中，車聯網是通過3G、4G或移動網際網路，進行汽車信息的收集與共享的網絡體系。通過車聯網能夠獲取區域內多個車輛的環境信息和主動駕駛信息。利用車聯網，通過信息的處理，能夠實現車與路、車與車主、車主與車主、車主與第三方服務商的溝通，讓汽車生活更加智能。
[0055]在信息收集單元202中，環境信息至少包括周邊車輛信息、行人信息、車道線信息、交通標示信息和/或交通信號信息，還可以包括自車位置、自車速度及行駛路徑等信息，其中周邊車輛信息可以是但不限於周邊車輛位置及速度，行人信息可以是但不限於周邊行人位置及速度。通過環境信息能夠反映當前車輛的路況信息。用於獲取環境信息的車輛環境傳感器可以是但不限於車輛前方雷達、前方攝像頭、側方雷達、側方攝像頭等對外環境傳感器，還能通過車輛通信裝置獲取環境信息。
[0056]主動駕駛信息至少包括油門踏板信息、制動踏板信息、方向盤轉角信息、縱向加速度、橫向加速度，其中油門踏板信息可以是但不限於油門踏板開度，方向盤轉角信息可以是但不限於方向盤轉角和/或車輛橫擺角，制動踏板信息可以是但不限於制動減速度。通過主動駕駛信息能夠反映當前車輛的駕駛習慣和控制方式。包括但不限於通過發動機控制系統、制動系統、轉向系統及慣性測量系統獲取主動駕駛信息。
[0057]在模型單元204中，通過主動駕駛信息獲取對應車輛的車輛駕駛習慣模型，根據同一地區內多個車輛駕駛習慣模型獲得區域駕駛習慣模型，並根據多個環境信息獲得同一區域在各時間段的路況模型，其中車輛駕駛習慣模型能夠模擬當前車輛的駕駛習慣，區域駕駛習慣模型能夠模擬當前車輛所在區域的絕大多數車輛的駕駛習慣，路況模型能夠模擬當前區域的各個時間段的路況。
[0058]車輛駕駛習慣模型至少包括:本車車速指數、本車剎車指數、本車車距指數和本車變線超車指數；例如，本車車速指數包括:平均時速80公裡，最高時速180公裡。本車車距指數為:在時速80公裡時距離前車距離30米。在超車時距離側邊車距I米。本車變線超車指數例如；前車車速小於50公裡時變線超車。
[0059]區域駕駛習慣模型至少包括:區域車速指數、區域剎車指數、區域車距指數和區域變線超車指數；例如，區域車速指數包括:平均時速60公裡，最高時速120公裡。區域車距指數為:在時速80公裡時距離前車距離40米。在超車時距離側邊車距1.5米。區域變線超車指數例如；前車車速小於40公裡時變線超車。
[0060]路況模型至少包括:路段車輛密度指數、路段平均車速指數、路段彎道指數、路段路面指數、路段事故率指數和路段紅燈路口指數。
[0061]在模型單元204中，綜合考慮當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，能夠得到與當前車輛及其駕駛環境相適應的自動駕駛控制策略。
[0062]在模型單元204中，為了綜合考慮車輛駕駛習慣模型和區域駕駛習慣模型，設定車輛駕駛習慣模型的權重等於區域駕駛習慣模型的權重，例如當本車的車輛駕駛習慣模型中的平均時速為80公裡，區域駕駛習慣模型中平均時速為60公裡時，可以將自動駕駛控制策略中的平均時速設定為70公裡，當本車的車輛駕駛習慣模型在超車時距離側邊車距為I米，區域駕駛習慣模型在超車時距離側邊車距為1.5米時，可以將自動駕駛控制策略中的超車時距離側邊車距設定為1.25米。這樣既考慮了車主的駕駛習慣，還顧及了本區域的其他車主的駕駛習慣。
[0063]在更新單元206中，將在模型單元204中得到的自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中，即可控制當前車輛自動駕駛。自動駕駛控制策略可以實時更新，也可以定期更新。
[0064]由於利用本發明中的裝置得到的自動駕駛控制策略既考慮了車主的駕駛習慣，也考慮了車輛所在區域的其他駕駛員的駕駛習慣及各個時間段的路況，因此利用本發明中的裝置得到的自動駕駛控制策略能夠與車輛及其駕駛環境相適應，不會令自動駕駛車輛內的乘坐人員和周邊車輛感覺不適，從而提高自動駕駛的舒適性，使自動駕駛更智能。
[0065]為進一步說明圖2中的生成裝置，在本發明另一個實施例中，還提供了一種基於車聯網的自動駕駛控制策略的生成裝置的工作流程，圖3是根據本發明一個實施例的基於車聯網的自動駕駛控制策略的生成裝置的工作流程圖。如圖3所示，一種基於車聯網的自動駕駛控制策略的生成裝置的工作流程至少包括步驟S302至步驟S306。
[0066]步驟S302、通過車聯網採集自車及周邊車輛的的環境信息和駕駛員的主動駕駛信肩、O
[0067]步驟S304、通過車聯網將環境信息和主動駕駛信息上傳至雲端伺服器，雲端伺服器根據環境信息及主動駕駛信息進行機械學習，建立自動駕駛控制策略。
[0068]步驟S306、雲端伺服器通過車聯網下載自動駕駛控制策略及相關參數至自車。
[0069]上述發明實施例中，步驟S302中，車聯網能夠實現車與路、車與車主、車主與車主、車主與第三方伺服器的通信，因此通過車聯網能夠獲得自車和周邊車輛的環境信息，還能夠獲得自車和周邊車輛的主動駕駛信息。
[0070]步驟S302中，具體地，可以利用前方雷達、前方攝像頭、側方雷達、側方攝像頭等對外環境傳感器對自車位置、速度及行駛路徑、周邊車輛位置及速度、周邊行人位置及速度、車道線、交通標示、交通信號等環境信息進行採集並記錄。利用發動機控制系統、制動系統、轉向系統及慣性測量系統對油門踏板信息、制動踏板信息、方向盤轉角信息、縱向加速度、橫向加速度等主動駕駛信息進行採集並記錄。
[0071]步驟S304中，基於車聯網的車與路、車與車主、車主與車主、車主與第三方伺服器的通信功能，將步驟S302中採集記錄的環境信息和主動駕駛信息上傳至雲端伺服器。
[0072]步驟S304中，雲端伺服器將同一區域內的不同車輛的環境信息和主動駕駛信息存儲至統一的資料庫，並通過機械學習(如Boosting、SVM等學習方法)對一段時間內的環境信息和主動駕駛信息進行學習，建立自動駕駛控制策略。
[0073]步驟S306中，雲端伺服器利用車聯網下載自動駕駛控制策略及相關參數至自車，從而更新自車的自動駕駛控制系統，使自車的自動駕駛控制系統與自車和駕駛環境相適應。
[0074]由上可知，本發明實施例設置了雲端伺服器作為模型單元，利用雲端伺服器對不同車輛的環境信息和主動駕駛信息進行存儲和學習，從而得到自動駕駛控制策略。基於雲端伺服器的特性和車聯網的通信功能，將環境信息和主動駕駛信息通過車聯網上傳，自動駕駛控制策略建立後通過車聯網下載至自車，從而實現自車自動駕駛控制策略的更新。
[0075]本發明實施例中，能夠利用一段時間內的環境信息和主動駕駛信息進行自動駕駛控制策略的建立和更新，還可以實時利用環境信息和主動駕駛信息實時建立自動駕駛控制策略，從而達到自動控制系統的實時更新。
[0076]由上可知，本發明實施例中，在信息收集單元202中，由於車聯網能夠實現車與路、車與車主、車主與車主、車主與第三方服務商的通信，因此通過車聯網能夠獲取區域內多個車輛的環境信息和主動駕駛信息。在模型單元204中，由於區域駕駛習慣模型是根據一個地理區域內的多個車輛駕駛習慣模型獲得的，而每個車輛駕駛習慣模型又是根據對應駕駛員的主動駕駛信息獲得的能夠模擬對應車輛的駕駛習慣的模型，因此區域駕駛習慣模型能夠模擬一個地理區域內的多個車輛的駕駛習慣，當車輛駕駛習慣模型足夠多時，區域駕駛習慣模型即可模擬一個地理區域內的絕大多數車輛的駕駛習慣。同樣地，由於路況模型是根據一個地理區域內的多個環境信息獲得的，當環境信息足夠多時，路況模型即可模擬一個地理區域的在各個時間段的路況。本發明中，在模型單元204中，根據當前車輛的車輛駕駛習慣模型、當前車輛所在區域的區域駕駛習慣模型和路況模型，即可得到與當前車輛及其駕駛環境相適應的自動駕駛控制策略。在更新單元206中，將該自動駕駛控制策略更新到當前車輛的自動駕駛控制系統中，即可控制當前車輛自動行駛。綜上可知，由於利用本發明中的方法得到的自動駕駛控制策略既考慮了車主的駕駛習慣，還考慮了車輛所在區域的其他駕駛員的駕駛習慣和區域內的各個時間段的路況，因此利用本發明中的裝置得到的自動駕駛控制策略能夠與車輛及其駕駛環境相適應，不會令自動駕駛車輛內的乘坐人員和周邊車輛感覺不適，從而提高自動駕駛的舒適性，使自動駕駛更加智能。
[0077]至此，本領域技術人員應認識到，雖然本文已詳盡示出和描述了本發明的多個示例性實施例，但是，在不脫離本發明精神和範圍的情況下，仍可根據本發明公開的內容直接確定或推導出符合本發明原理的許多其他變型或修改。因此，本發明的範圍應被理解和認定為覆蓋了所有這些其他變型或修改。
【權利要求】
1.一種基於車聯網的自動駕駛控制策略的生成方法，其特徵在於，包括: 通過車聯網採集車輛環境傳感器生成的環境信息和駕駛員的主動駕駛信息； 根據所述主動駕駛信息獲得對應車輛的車輛駕駛習慣模型；根據一個地理區域內的多個車輛駕駛習慣模型獲得區域駕駛習慣模型；根據多個所述環境信息獲得一個地理區域的在各時間段的路況模型； 根據當前車輛的所述車輛駕駛習慣模型、所述當前車輛所在區域的所述區域駕駛習慣模型和所述路況模型，生成所述當前車輛的自動駕駛控制策略； 將所述自動駕駛控制策略更新到所述當前車輛的自動駕駛控制系統中。
2.根據權利要求1所述的方法，其特徵在於， 所述車輛駕駛習慣模型包括:本車車速指數、本車剎車指數、本車車距指數和本車變線超車指數； 所述區域駕駛習慣模型包括:區域車速指數、區域剎車指數、區域車距指數和區域變線超車指數； 所述路況模型包括:路段車輛密度指數、路段平均車速指數、路段彎道指數、路段路面指數、路段事故率指數和路段紅燈路口指數。
3.根據權利要求1所述的方法，其特徵在於，在生成所述當前車輛的自動駕駛控制策略的步驟中，所述車輛駕駛習慣模型的權重等於所述區域駕駛習慣模型的權重。
4.根據權利要求1所述的方法，其特徵在於， 所述環境信息包括:周邊車輛信息、行人信息、車道線信息、交通標示信息和/或交通信號信息； 所述主動駕駛信息包括:油門踏板開度、加速度、制動減速度、方向盤轉角和/或車輛橫擺角。
5.一種基於車聯網的自動駕駛控制策略的生成裝置，其特徵在於，包括: 信息收集單元，用於:通過車聯網採集車輛環境傳感器生成的環境信息和駕駛員的主動駕駛信息； 模型單元，用於:根據所述主動駕駛信息獲得對應車輛的車輛駕駛習慣模型；根據一個地理區域內的多個車輛駕駛習慣模型獲得區域駕駛習慣模型；根據多個所述環境信息獲得一個地理區域的在各時間段的路況模型；根據當前車輛的所述車輛駕駛習慣模型、所述當前車輛所在區域的所述區域駕駛習慣模型和所述路況模型，生成所述當前車輛的自動駕駛控制策略； 更新單元，用於:將所述自動駕駛控制策略更新到所述當前車輛的自動駕駛控制系統中。
6.根據權利要求5所述的生成裝置，其特徵在於， 所述車輛駕駛習慣模型包括:本車車速指數、本車剎車指數、本車車距指數和本車變線超車指數； 所述區域駕駛習慣模型包括:區域車速指數、區域剎車指數、區域車距指數和區域變線超車指數； 所述路況模型包括:路段車輛密度指數、路段平均車速指數、路段彎道指數、路段路面指數、路段事故率指數和路段紅燈路口指數。
7.根據權利要求6所述的生成裝置，其特徵在於，在生成所述當前車輛的自動駕駛控制策略的步驟中，所述車輛駕駛習慣模型的權重等於所述區域駕駛習慣模型的權重。
8.根據權利要求6所述的生成裝置，其特徵在於， 所述環境信息包括:周邊車輛信息、行人信息、車道線信息、交通標示信息和/或交通信號信息； 所述主動駕駛信息包括:油門踏板開度、加速度、制動減速度、方向盤轉角和/或車輛橫擺角。
【文檔編號】G05D1/02GK104391504SQ201410686677
【公開日】2015年3月4日 申請日期:2014年11月25日 優先權日:2014年11月25日
【發明者】李博, 周大永, 劉衛國, 吳成明, 馮擎峰 申請人:浙江吉利汽車研究院有限公司, 浙江吉利控股集團有限公司