[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN117104253B - 远程驾驶控制方法、装置、计算机设备及存储介质 - Google Patents

远程驾驶控制方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN117104253B
CN117104253B CN202210534627.XA CN202210534627A CN117104253B CN 117104253 B CN117104253 B CN 117104253B CN 202210534627 A CN202210534627 A CN 202210534627A CN 117104253 B CN117104253 B CN 117104253B
Authority
CN
China
Prior art keywords
state
network quality
target
remote driving
time point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210534627.XA
Other languages
English (en)
Other versions
CN117104253A (zh
Inventor
张翼鹏
雷艺学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202210534627.XA priority Critical patent/CN117104253B/zh
Priority to PCT/CN2022/139303 priority patent/WO2023221488A1/zh
Publication of CN117104253A publication Critical patent/CN117104253A/zh
Application granted granted Critical
Publication of CN117104253B publication Critical patent/CN117104253B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/221—Remote-control arrangements
    • G05D1/222—Remote-control arrangements operated by humans
    • G05D1/224—Output arrangements on the remote controller, e.g. displays, haptics or speakers
    • G05D1/2244—Optic
    • G05D1/2247—Optic providing the operator with simple or augmented images from one or more cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/221—Remote-control arrangements
    • G05D1/226—Communication links with the remote-control arrangements
    • G05D1/2265—Communication links with the remote-control arrangements involving protocol translation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/221—Remote-control arrangements
    • G05D1/227—Handing over between remote control and on-board control; Handing over between remote control arrangements
    • G05D1/2274—Handing over between remote control and on-board control; Handing over between remote control arrangements in response to the communication link being lost, degraded or compromised, e.g. anti-spoofing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2105/00—Specific applications of the controlled vehicles
    • G05D2105/20—Specific applications of the controlled vehicles for transportation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2107/00—Specific environments of the controlled vehicles
    • G05D2107/10—Outdoor regulated spaces
    • G05D2107/13—Spaces reserved for vehicle traffic, e.g. roads, regulated airspace or regulated waters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2109/00—Types of controlled vehicles
    • G05D2109/10—Land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本申请实施例公开了一种远程驾驶控制方法、装置、计算机设备及存储介质，方法包括：获取网络质量预测信息，网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；网络质量预测信息包括：目标时间段内的各个时间点对应的预测网络参数；根据目标时间段内的各个时间点对应的预测网络参数，以及远程驾驶车辆和远程驾驶服务器之间的当前网络参数，从目标时间段内查找网络质量发生变化的目标时间点；基于目标时间点对应的预测网络参数调整远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制远程驾驶车辆。通过本申请实施例，可以提升远程驾驶车辆行驶的安全性。

Description

远程驾驶控制方法、装置、计算机设备及存储介质
技术领域
本申请涉及远程驾驶技术领域，尤其涉及一种远程驾驶控制方法、装置、计算机设备及存储介质。
背景技术
随着驾驶技术的发展，远程驾驶技术被提出；所谓的远程驾驶技术是指：由驾驶员人工远程操控车辆，以使得车辆在道路上安全行驶的技术。在远程驾驶的过程中，远程驾驶车辆(即被远程操控的车辆)和远程驾驶服务器需基于网络进行信息传输；例如，远程驾驶车辆需通过网络将远程驾驶车辆侧的道路环境信息发送给远程驾驶服务器，而远程驾驶服务器则需通过网络将车辆控制信息(如车辆控制信号)发送给远程驾驶车辆等。
由此可见，远程驾驶的实现，对远程驾驶车辆和远程驾驶服务器之间的网络质量具有较高的要求。然而，网络通常存在不稳定的情况；一旦网络质量发生突变，则可能导致远程驾驶车辆和远程驾驶服务器之间所传输的信息丢失或延迟，从而使得远程驾驶车辆的行驶过程存在安全隐患。基于此，如何提升远程驾驶车辆行驶的安全性成为了研究热点。
发明内容
本申请实施例提供了一种远程驾驶控制方法、装置、计算机设备及存储介质，可以提升远程驾驶车辆行驶的安全性。
一方面，本申请实施例提供了一种远程驾驶控制方法，所述方法包括：
获取网络质量预测信息，所述网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；所述网络质量预测信息包括：所述目标时间段内的各个时间点对应的预测网络参数；
根据所述目标时间段内的各个时间点对应的预测网络参数，以及所述远程驾驶车辆和所述远程驾驶服务器之间的当前网络参数，从所述目标时间段内查找网络质量发生变化的目标时间点；
基于所述目标时间点对应的预测网络参数调整所述远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制所述远程驾驶车辆。
另一方面，本申请实施例提供了一种远程驾驶控制装置，所述装置包括：
获取单元，用于获取网络质量预测信息，所述网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；所述网络质量预测信息包括：所述目标时间段内的各个时间点对应的预测网络参数；
处理单元，用于根据所述目标时间段内的各个时间点对应的预测网络参数，以及所述远程驾驶车辆和所述远程驾驶服务器之间的当前网络参数，从所述目标时间段内查找网络质量发生变化的目标时间点；
控制单元，用于基于所述目标时间点对应的预测网络参数调整所述远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制所述远程驾驶车辆。
再一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器；
所述存储器用于存储指令；
所述处理器用于调用所述存储器存储的指令实现上述所提及的远程驾驶控制方法。
再一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行上述所提及的远程驾驶控制方法。
再一方面，本申请实施例提供了一种计算机程序产品，该计算机程序产品包括计算机程序；所述计算机程序被处理器执行时，实现上述所提及的远程驾驶控制方法。
本申请实施例可获取通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量所得到的网络质量预测信息，并根据网络质量预测信息所包括的目标时间段内的各个时间点对应的预测网络参数以及当前网络参数，从目标时间段内查找网络质量发生变化的目标时间点，从而实现在远程驾驶车辆和远程驾驶服务器之间的网络质量发生变化之前，基于目标时间点对应的预测网络参数提前调整远程驾驶车辆的驾驶控制策略，这样可避免在目标时间点到达时，因网络质量发生突变导致信息(如车辆控制信息或道路环境信息)丢失或延迟，使得无法在目标时间点及时地基于相应信息控制远程驾驶车辆的问题，可见本申请实施例可有效提升远程驾驶车辆行驶的安全性。
附图说明
图1a是本申请实施例提供的一种远程驾驶系统的系统架构图；
图1b是本申请实施例提供的一种基于远程驾驶流程的示意图；
图2是本申请实施例提供的一种远程驾驶控制方法的流程示意图；
图3a是本申请实施例提供的一种获取网络质量预测信息的示意图；
图3b是本申请实施例提供的另一种获取网络质量预测信息的示意图；
图4a是本申请实施例提供的一种状态序列的示意图；
图4b是本申请实施例提供的另一种状态序列的示意图；
图4c是本申请实施例提供的一种调整驾驶控制策略的示意图；
图5a是本申请实施例提供的一种远程驾驶服务器的执行逻辑示意图；
图5b是本申请实施例提供的一种网络质量上升控制策略流程的示意图；
图5c是本申请实施例提供的一种网络质量下降控制策略流程的示意图；
图5d是本申请实施例提供的一种进入状态3的执行逻辑示意图；
图6是本申请实施例提供的一种远程驾驶控制装置的结构示意图；
图7是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请实施例中，涉及一种远程驾驶系统；参见图1a所示，该远程驾驶系统可包括远程驾驶车辆、蜂窝网络、远程驾驶服务器以及远程驾驶控制器等。其中，远程驾驶车辆和远程驾驶服务器通过蜂窝网络进行数据传输；此处所提及的蜂窝网络又可称为移动网络，是一种移动通信硬件架构；该蜂窝网络具体可包括但不限于：无线网、核心网以及传输网等。本申请实施例对蜂窝网络类型不作限定，例如该蜂窝网络类型可以是5G(5thGeneration Mobile Communication Technology，第五代移动通信技术)网络、4G(the 4thGeneration Mobile Communication Technology，第4代移动通信技术)网络、全球移动通讯(Global System of Mobile communication，GSM)网络、CDMA(Code Division MultipleAccess，码分多址)网络、FDMA(Frequency Division Multiple Access，频分多址)网络、TDMA(Time Division Multiple Access，时分多址)网络等。
上述所提及的远程驾驶车辆是指被远程操控的车辆，其可配置有摄像头、传感器等用于采集道路环境信息的装置；除此之外，该远程驾驶车辆中还可按安装并运行一个或多个客户端，如音视频播放客户端、通信客户端等，对此不作限定。上述提及的远程驾驶服务器可以是独立的物理服务器，也可以是由多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器，对此不作限定。上述提及的远程驾驶控制器也可称为远程驾驶模拟器或远程驾驶模拟舱等，其是指由远程驾驶人员(即远程操作对象)操作的设备，其可配置有屏幕和用于产生车辆控制信号的操控组件等装置。
参见图1b所示，基于该远程驾驶系统实现远程驾驶的流程大致如下：远程驾驶车辆可通过车上的摄像头、传感器等装置，采集车辆周边的交通、道路环境信息，从而根据采集到的信息生成相应视频，并基于蜂窝网络将相应视频传输至远程驾驶服务器。相应的，远程驾驶服务器可将接收到的视频，显示在远程驾驶模拟器的屏幕上，使得远程驾驶员可通过屏幕显示的视频判断车辆周边实时的交通环境，进而操纵远程驾驶模拟器上的操作组件发出包括方向盘转角、油门、刹车等车辆控制信号。然后，远程驾驶服务器可通过蜂窝网络将驾驶模拟器所发出的车辆控制信号，传输至远程驾驶车辆，使得远程驾驶车辆可基于该车辆控制信号执行相应操作，从而实现控制远程驾驶车辆安全地按照预期路线和状态行驶。
由此可见，在远程驾驶系统中，在远程驾驶车辆和远程驾驶服务器之间，需通过网络传输视频等环境信息以及车辆控制信号等车辆控制信息，这对网络的时延、带宽、可靠性等网络质量有较高的要求；例如，36Mbps(megabits per second，每秒传输的位(比特)数量)的上行带宽要求，上行100ms(毫秒)且下行20ms的时延要求，上行99％且下行99.999％的可靠性要求等。然而，在实际使用中，诸如4G或5G等蜂窝网络即使采用了网络优化的手段，仍然难以在空间及时间上100％地满足远程驾驶系统的网络质量要求。如果在远程驾驶车辆与远控端(即远程服务器)之间的网络信号断开、网络质量下降等突发情况发生时，远程驾驶系统如果没有可靠的保障手段，将出现因无法及时将车辆控制信号或控制指令传输至远程驾驶车辆，而导致无法及时控制远程驾驶车辆，进而导致远程驾驶车辆失控的情况；或出现因无法及时将视频传输至远程驾驶服务器，使得远程驾驶人员无法及时根据视频发出车辆控制信号，而导致无法及时控制远程驾驶车辆，进而导致远程驾驶车辆失控的情况。一旦远程驾驶车辆出现失控，则可能对远程驾驶车辆、车上的乘客、远程驾驶车辆周边的其他车辆以及行人带来安全隐患。
基于此，为了避免当网络质量发生突变时，无法留给远程驾驶系统或远程驾驶员足够的时间，带来的因远程驾驶过程中所传输的视频发生卡顿或丢失、车辆控制信息(如车辆控制信号或控制指令)延迟/丢失，而导致远程驾驶车辆发生失控等问题，本申请实施例提出的一种基于预测网络质量的远程驾驶控制方法，以在较大程度上提升远程驾驶车辆行驶的安全性；该远程驾驶控制方法可应用于基于蜂窝网络的远程驾驶场景中，也可应用于基于其他网络的远程驾驶场景中，对此不作限定。具体的，该远程驾驶控制方法的大致原理如下：在远程驾驶车辆和远程驾驶服务器之间的网络质量发生改变之前，可提前预测未来的目标时间段(例如未来的几秒种或未来的几分钟等)内，空间网络质量变化的情况；然后，可基于目标时间段内的网络质量发生变化的目标时间点所对应的预测网络质量，在网络质量实际改变之前，调整远程驾驶车辆的传感器传输、车辆控制等驾驶控制策略(或称为车辆控制策略)，从而按照调整后的驾驶控制策略来控制远程驾驶车辆。
在具体实现中，本申请实施例所提出的远程驾驶控制方法可由远程驾驶系统中的远程驾驶服务器执行，也可以由远程驾驶系统中的远程驾驶车辆执行，还可以由远程驾驶系统中的远程驾驶服务器和远程驾驶车辆共同执行，对此不作限定。下面以远程驾驶服务器为执行主体为例，结合图2所示的流程图，对本申请实施例所提出的远程驾驶控制方法进行阐述。参见图2所示，该远程驾驶控制方法可包括S201-S203：
S201，获取网络质量预测信息。
其中，该网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的。具体的，网络质量预测信息包括：目标时间段内的各个时间点对应的预测网络参数；此处的预测网络参数是指：通过预测在相应时间点到达时，远程驾驶车辆和远程驾驶服务器之间的网络质量所得到的网络参数。本申请实施例中所提及的任一网络参数可包括以下至少一项：网络带宽、网络时延以及数据传输可靠性(简称为可靠性)。
进一步的，网络质量预测信息可以是根据远程驾驶车辆所处的目标区域的状态信息进行网络质量预测所得到的；其中，状态信息是通过对远程驾驶车辆所处的目标区域进行网络参数、车辆参数以及环境参数等一种或多种参数采集操作所得到的。具体的，预测得到网络质量预测信息的方式可包括s11-s13：
s11，获取状态信息。该状态信息至少包括：对远程驾驶车辆所处的目标区域内的各个位置进行网络采集所得到的网络参数，以及远程驾驶车辆的车辆参数。上述提及的车辆参数可至少包括行驶状态参数，而行驶状态参数可包括但不限于速度参数、方向参数等；车辆的行驶状态参数可用于预测相应车辆的行驶轨迹，以确定相应车辆在未来各个时间点所处的位置。进一步的，车辆参数还可包括：用于指示车辆中的各个客户端的网络使用情况的客户端参数等；车辆的客户端参数可用于预测车辆的网络使用情况，以确定相应车辆在未来各个时间点所需消耗的网络资源。
可选的，考虑到可能存在地理位置相近的车辆之间因网络争抢而影响单个车辆和远程服务器之间的网络质量的情况，以及可能存在天气等环境因素影响网络质量的情况；那么，本申请实施例还可对目标区域内的其他车辆进行参数采集、以及对目标区域的环境进行参数采集，以提升状态信息的全面性，从而提升后续的网络质量预测的准确性。在此情况下，状态信息还可包括以下至少一种信息：目标区域内除远程驾驶车辆以外的其他车辆的车辆参数，以及目标区域的环境参数等。
s12，根据远程驾驶车辆的行驶状态参数，在空间维度下分别预测当目标时间段内的各个时间点到达时，远程驾驶车辆在目标区域内所处的位置，得到多个预测位置。在具体实现中，可调用轨迹预测模型根据远程驾驶车辆的行驶状态参数，在空间维度下预测远程驾驶车辆在目标时间段内的行驶轨迹，从而根据预测出的行驶轨迹确定当目标时间段内的各个时间点到达时，远程驾驶车辆在目标区域内所处的位置，得到多个预测位置。其中，一个预测位置对应一个时间点，任意两个时间点所对应的预测位置可相同或不同，对此不作限定。
其中，上述所提及的轨迹预测模型是基于机器学习/深度学习技术，采用样本数据进行模型训练得到的。所谓的机器学习是人工智能(Artificial Intelligence，AI)的核心，是使计算机具有智能的根据途径，其可理解成是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习/深度学习技术可包括人工神经网络、有监督、无监督等多种技术；所谓的有监督是有监督学习的简称，其是指从标签化训练数据集中推断出函数(如模型参数)的机器学习任务；所谓的无监督是无监督学习的简称，其是指根据类别未知(未被标记)的样本数据解决模式识别工作(如对象识别工作)中的各种问题，推断出函数的机器学习任务。本申请实施例所提及的轨迹预测模型的训练过程中所采用的学习方式，可以是有监督学习方式，也可以是无监督学习方式，对此不作限定。
s13，从状态信息中获取各个预测位置对应的网络参数，并根据各个预测位置对应的网络参数，分别预测各个预测位置在相应时间点的网络质量，以得到网络质量预测信息。应理解的是，远程驾驶车辆和远程驾驶服务器在任一时间进行通信所涉及的网络质量，本质上是指远程驾驶车辆在该任一时间所处位置的网络质量；因此，预测各个预测位置在相应时间点的网络质量，可理解成是预测在相应时间点到达时，远程驾驶车辆和远程驾驶服务器之间的网络质量。
具体的，在执行步骤s13的过程中，针对任一预测位置，可调用网络质量预测模型根据该任一预测位置对应的网络参数，预测任一预测位置在相应时间点的网络质量，得到该任一预测位置对应的时间点所对应的预测网络参数；例如目标时间段内的第1秒对应的预测位置为地点A，则可调用网络质量预测模型根据地点A对应的网络参数，预测地点A在未来第1秒的网络质量，从而得到该第1秒对应的预测网络参数。
可选的，若状态信息还包括：目标区域内除远程驾驶车辆以外的其他车辆的车辆参数，以及目标区域的环境参数，则在执行步骤s13时，针对任一预测位置，可根据状态信息中的各个车辆的车辆参数、环境参数，以及任一预测位置对应的网络参数，预测任一预测位置在相应时间点的网络质量，从而得到该任一预测位置对应的时间点所对应的预测网络参数。示例性的，可根据状态信息中的各个车辆的车辆参数中的客户端参数、环境参数，以及任一预测位置对应的网络参数，预测任一预测位置在相应时间点的网络质量。或者，也可针对任一预测位置，可从目标区域中确定出与该任一预测位置的附近位置(即与任一预测位置之间的距离小于阈值的位置)。其次，可根据状态信息中的各个车辆的车辆参数中的行驶状态参数，预测各个车辆的行驶轨迹，并根据各个车辆的行驶轨迹确定在任一预测位置所对应的时间点到达时，处于附近位置的车辆。然后，可根据附近位置处的每个车辆的车辆参数中的客户端参数、附近位置对应的网络参数、环境参数以及任一预测位置对应的网络参数，预测任一预测位置在相应时间点的网络质量。
需要说明的是，上述步骤s11-s13所示的预测流程可以是由蜂窝网络中的核心网或其他网，进行网络质量预测所得到的；在此情况下，远程驾驶服务器在执行步骤S201时，可从蜂窝网络处获取该网络质量预测信息，如图3a所示。或者，网络质量预测信息可以是由远程驾驶服务器进行网络质量预测所得到的；在此情况下，远程驾驶服务器在执行步骤S201时，可请求蜂窝网络发送状态信息，从而基于蜂窝网络返回的状态信息执行步骤s11-s13来得到网络质量信息，如图3b所示。
S202，根据目标时间段内的各个时间点对应的预测网络参数，以及远程驾驶车辆和远程驾驶服务器之间的当前网络参数，从目标时间段内查找网络质量发生变化的目标时间点。
其中，当前网络参数是指在进行网络质量预测时，远程驾驶车辆和远程驾驶服务器之间的网络参数；例如，如果是在10点15分10秒进行网络质量预测的，那么当前网络参数则是指在10点15分10秒时，远程驾驶车辆和远程驾驶服务器之间的网络参数。
在具体实现中，远程驾驶服务器可按照时间先后顺序，依次遍历目标时间段内的各个时间点，根据当前遍历的时间点的预测网络参数和当前网络参数，判断当前遍历的时间点是否会发生网络质量变化。若是，则可将当前遍历的时间点确定为目标时间点，并停止遍历；若否，则可继续遍历目标时间段，直至目标时间段内的各个时间点均被遍历，或直至找到目标时间点。由此可见，若目标时间段内存在至少两个时间点会发生网络质量变化，则目标时间点是指该至少两个时间点中最早到达的时间点；如目标时间段内的第5秒和第8秒会发生网络质量变化，则目标时间点是指目标时间段内的第5秒。
进一步的，根据当前遍历的时间点的预测网络参数和当前网络参数，判断当前遍历的时间点是否会发生网络质量变化的一种具体实施方式可以是：若任一网络参数包括以下至少两种参数：带宽维度下的网络带宽、时延维度下的网络时延以及可靠性维度下的可靠性，则可检测当前遍历的时间点的预测网络参数和当前网络参数，在同一参数维度下的两个参数是否相同；若存在至少一个参数维度下的两个参数不同，则确定当前遍历的时间点发生网络质量变化，否则，则确定当前遍历的时间点不发生网络质量变化。例如，若当前遍历的时间点的预测网络参数中的网络带宽，与当前网络参数中的网络带宽相同，而其他参数维度下的参数均相同，则可确定当前遍历的时间点发生网络质量变化。
或者，根据当前遍历的时间点的预测网络参数和当前网络参数，判断当前遍历的时间点是否会发生网络质量变化的另一具体实施方式可以是：根据当前遍历的时间点的预测网络参数，确定当前遍历的时间点的预测网络质量；以及，根据当前网络参数确定当前网络质量。其中，根据任一网络参数确定相应网络质量的方式可以是：对任一网络参数中的各个参数进行加权求和，得到相应网络质量。然后，比较当前遍历的时间点的预测网络质量和当前网络质量是否相同；若不同，则确定当前遍历的时间点发生网络质量变化；若相同，则确定当前遍历的时间点不发生网络质量变化。
S203，基于目标时间点对应的预测网络参数调整远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制远程驾驶车辆。
在具体实现中，考虑到因为网络时延增加、可靠性下降后，被控车辆(即远程驾驶车辆)的速度、行驶方向等车辆状态以及视频等信息，无法在规定时间内传送到远程驾驶控制侧，使得远程驾驶员无法及时感知车辆状态和周围环境，从而无法操纵远程驾驶模拟器发出车辆控制信号或指令等车辆控制信息，或者远程驾驶模拟器发送的车辆控制信息无法在规定的时间到达被控车辆，使得被控车辆无法进行快速响应。因此，需要在网络质量下降之前，控制车辆速度、加速度，转向角、转向角速度在一定范围内，从而控制远程驾驶车辆的横向、纵向运动状态。其中，油门开度、转向角速度可分别用于控制远程驾驶车辆的纵向加速度与横摆角速度，这两个参数可影响远程驾驶车辆的的稳定性。针对预测的网络质量变化(如网络时延增大)的情况，通过限制油门开度、转向角速度等车辆控制参数，可避免车辆状态突变导致的危险状态发生；通过限制最高车速、最大方向盘角度等车辆控制参数，可减少远程驾驶车辆因时延带来的无法获得视频反馈的不安全行驶距离。
基于此，本申请实施例可针对远程驾驶车辆配置的多个运行状态，并为每个运行状态设置一个适配的网络质量范围；在不同的运行状态下，远程驾驶车辆的车辆控制参数的最大取值不同。并且，多个运行状态可构成一个状态序列，状态序列中的前一运行状态所适配的网络质量范围的下限值，大于或等于后一运行状态所适配的网络质量范围的上限值。示例性的，多个运行状态可包括第一状态(可采用状态1表示)、第二状态(可采用状态2表示)和第三状态(可采用状态3表示)；其中，第一状态所适配的网络质量范围的下限值(可采用阈值1-1表示)大于或等于第二状态所适配的网络质量范围的上限值(可采用阈值1-2表示)，第二状态所适配的网络质量的下限值(可采用阈值2-1表示)大于或等于第三状态所适配的网络质量的上限值(可采用阈值2-2表示)，即此情况下的运行状态所构成的状态序列可如图4a所示。其中：
①在第一状态(状态1)下，远程驾驶模拟器可输入参数为高，即允许远程驾驶员输入的油门开度、最高车速、最大转向角、转向角速度等车辆控制参数的最大取值可以为门限值，所谓的门限值是指远程驾驶系统所支持的正常值(即最大值)。可见，在第一状态下，针对远程驾驶车辆的车辆控制参数被设定为高指标；且第一状态可用于指示：针对远程驾驶车辆的车辆控制参数被允许调整至门限值；
②在第二状态(状态2)下，远程驾驶模拟器可输入参数为低，即允许远程驾驶员输入的油门开度、最高车速、最大转向角、转向角速度等车辆控制参数的最大取值为受限值，所谓的受限值是指根据经验值所设定的、小于远程驾驶系统所支持的正常值的数值。可见，在第二状态下，针对远程驾驶车辆的车辆控制参数被设定为低指标；且第二状态可用于指示：针对远程驾驶车辆的车辆控制参数被允许调整至受限值，受限值小于门限值。
③在第三状态(状态3)下，远程驾驶模拟器可直接控制远程驾驶车辆停车；可见，第三状态可用于指示：控制远程驾驶车辆停车。进一步的，考虑到停车可涉及紧急停车和在安全区域停车这两种情况，因此第三状态还可包含两种子状态：第一子状态(可采用状态3-1表示)和第二子状态(可采用状态3-2表示)。其中，在第一子状态下，远程驾驶模拟器可提示远程驾驶员控制远程驾驶车辆在道路安全区域(如道路的紧急停车带、紧急停车区等)停车，执行该操作需要一定时间；在第二子状态下，远程驾驶模拟器可提示远程驾驶员控制远程驾驶车辆在当前位置紧急停车，执行该操作需要较少时间。
需要说明的是，上述只是示例性地列举了可调整的车辆控制参数为油门开度、最高车速、最大转向角、转向角速度；但可不限于这四个参数，在复杂的远程驾驶系统内，也可以通过控制挡位、制动压力等等参数来控制车辆。并且，上述只是示例性地阐述了多个运行状态的具体内容，并不对此进行限定。例如，上述只是将车辆控制参数分为了高、低两个参数组，从而使得配置的多个运行状态包括了第一状态(状态1)和第二状态(状态2)；但在其他实施例中，也可不对车辆控制参数进行等级划分。在此情况下，多个运行状态可包括第一状态(状态1)和第三状态(状态3)，或者包括第二状态(状态2)和第三状态(状态3)等。或者，在其他实施例中，还可根据实际情况将车辆控制参数分为更多级别或等级的参数组，使得多个运行状态包括更多状态以指示车辆控制参数的最大取值的多种情况。
示例性的，可将车辆控制参数分为高、中、低三个参数组，从而使得配置的多个运行状态除了包括第一状态(状态1)和第二状态(状态2)外，还可包括用于将车辆控制参数设定为中指标的第四状态(状态4)，该第四状态可用于指示：针对远程驾驶车辆的车辆控制参数被允许调整至中间值，中间值小于第一状态所指示的门限值且大于第二状态所指示的受限值。在此情况下，第一状态所适配的网络质量范围的下限值(可采用阈值1-1表示)大于或等于第四状态所适配的网络质量范围的上限值(可采用阈值1-2表示)，第四状态所适配的网络质量范围的下限值(可采用2-1表示)大于或等于第二状态所适配的网络质量范围的上限值(可采用阈值2-2表示)，第二状态所适配的网络质量的下限值(可采用阈值3-1表示)大于或等于第三状态所适配的网络质量的上限值(可采用阈值3-2表示)，即此情况下的运行状态所构成的状态序列可以参见图4b所示。
基于上述描述，远程驾驶服务器在执行步骤S203时，可具体执行如图4c所示的以下步骤s21-s24：
s21，基于目标时间点对应的预测网络参数，确定目标时间点对应的预测网络质量。具体的，可对目标时间点对应的预测网络参数中的各个参数进行加权求和，得到目标时间点对应的预测网络质量。
s22，确定针对远程驾驶车辆所配置的多个运行状态，以及多个运行状态中的每个运行状态所适配的网络质量范围。
s23，根据目标时间点对应的预测网络质量，以及每个运行状态所适配的网络质量范围，从多个运行状态中选取目标运行状态，该目标运行状态所适配的网络质量范围包含目标时间点对应的预测网络质量。
在具体实施过程中，远程驾驶服务器可直接将目标时间点对应的预测网络质量，分别与每个运行状态所适配的网络质量范围进行匹配，从而根据匹配结果确定出该目标时间点对应的预测网络质量所属的网络质量范围，将确定出的网络质量范围所对应的运行状态作为目标运行状态。
或者，考虑到网络质量变化通常存在两个变化方向，一个是网络质量上升的方向，另一个是网络质量下降的方向；基于此，可针对不同的变化方向设置不同的状态选取策略，从而使得在执行步骤s23时，可根据目标时间点对应的网络质量变化方向，采用相应状态选取策略来实现目标运行状态的选取。其中，网络质量上升的方向所对应的状态选取策略可用于指示：从状态序列中的首个运行状态开始，依次正序地比较目标时间点对应的预测网络质量和各运行状态对应的网络质量范围的下限值之间的大小，以实现目标运行状态的选取；而网络质量下降的方向所对应的状态选取策略可用于指示：从状态序列中的最后一个运行状态开始，依次倒序地比较目标时间点对应的预测网络质量和各运行状态对应的网络质量范围的上限值之间的大小，以实现目标运行状态的选取。
基于此，远程驾驶服务器在执行步骤s23时，可根据目标时间点对应的预测网络质量和当前网络参数，确定目标时间点对应的网络质量变化方向；具体的，可根据当前网络参数确定当前网络质量，然后根据目标时间点对应的预测网络质量和当前网络质量之间的差异，确定目标时间点对应的网络质量变化方向，该网络质量变化方向可以是网络质量上升的方向或网络质量下降的方向。在确定出网络质量变化方向后，远程驾驶服务器可基于网络质量变化方向和状态选取策略之间的对应关系，将目标时间点对应的网络质量变化方向所对应的状态选取策略，确定为目标状态选取策略。然后，按照目标状态选取策略，根据目标时间点对应的预测网络质量，以及每个运行状态所适配的网络质量范围，从多个运行状态中选取目标运行状态。
其中，若目标时间点对应的网络质量变化方向为网络质量上升的方向，则按照目标状态选取策略，根据目标时间点对应的预测网络质量，以及每个运行状态所适配的网络质量范围，从多个运行状态中选取目标运行状态的具体实施方式可以是：按照与状态序列对应的排列顺序相同的顺序，依次轮询状态序列中的各个运行状态。然后，可比较目标时间点对应的预测网络质量，是否大于当前轮询的运行状态所适配的网络质量范围的下限值。若大于，则选取当前轮询的运行状态作为目标运行状态，并结束轮询；若不大于，则继续轮询状态序列。在一种实施方式中，若不大于，则远程驾驶服务器可直接继续轮询状态序列。另一种实施方式中，若不大于，则远程驾驶服务器可先检测状态序列中是否存在至少两个运行状态未被轮询；若是，则远程驾驶服务器可触发执行继续轮询状态序列的步骤；若否，则根据轮询顺序可知，状态序列当前只剩下排在末位的运行状态未被轮询了，此时可直接选取排在末位的运行状态作为目标运行状态，并结束轮询，这样可避免浪费处理资源对排在末位的运行状态执行一系列轮询操作。
其中，若目标时间点对应的网络质量变化方向为网络质量下降的方向，则按照目标状态选取策略，根据目标时间点对应的预测网络质量，以及每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态的具体实施方式可以是：按照与状态序列对应的排列顺序相反的顺序，依次轮询状态序列中的各个运行状态。然后，可比较目标时间点对应的预测网络质量，是否小于当前轮询的运行状态所适配的网络质量范围的上限值。若小于，则选取当前轮询的运行状态作为目标运行状态，并结束轮询；若不小于，则继续轮询状态序列。在一种实施方式中，若不小于，则远程驾驶服务器可直接继续轮询状态序列。另一种实施方式中，若不小于，则远程驾驶服务器可先检测状态序列中是否存在至少两个运行状态未被轮询；若是，则远程驾驶服务器可触发执行继续轮询状态序列的步骤；若否，则根据轮询顺序可知，状态序列当前只剩下排在首位的运行状态未被轮询了，此时可直接选取排在首位的运行状态作为目标运行状态，并结束轮询，这样可避免浪费处理资源对排在首位的运行状态执行一系列轮询操作。
s24，根据目标运行状态，调整远程驾驶车辆的驾驶控制策略。
在具体实现中，若目标运行状态为第一状态或第二状态，则远程驾驶服务器可输出关于目标运行状态的提示信息，以提示远程操作对象(即远程驾驶人员)根据目标运行状态的指示，调整远程驾驶车辆的车辆控制参数；具体的，远程驾驶服务器可将目标运行状态的提示信息发送给远程驾驶模拟器，从而使得远程驾驶模拟器在屏幕上显示该目标运行状态的提示信息。在远程驾驶人员根据目标运行状态的提示，通过操纵远程驾驶模拟器来调整车辆控制参数后，远程驾驶服务器可获取调整后的车辆控制参数；具体的，远程驾驶模拟器可根据调整后的车辆控制参数生成新的控制信号，而远程驾驶服务器则可从远程驾驶模拟器处获取新的控制信号，从而通过解析新的控制信号来获取到调整后的车辆控制参数。在获取到调整后的车辆控制参数后，远程驾驶服务器可根据调整后的车辆控制参数，调整远程驾驶车辆的驾驶控制策略。
若目标运行状态为第三状态，则远程驾驶服务器可直接将远程驾驶车辆的驾驶控制策略调整为停车策略。或者，远程驾驶服务器可计算目标时间点和当前时间点之间的间隔时长，当前时间点是指当前网络参数对应的时间点，即进行网络质量预测时的时间点。然后，可确定控制远程驾驶车辆进行安全停车所需的目标时长，安全停车是指：远程驾驶车辆从当前时间点所处的当前位置行驶至道路安全区域，并在道路安全区域中停车。若间隔时长大于或等于目标时长，则调整远程驾驶车辆的驾驶控制策略为安全停车策略，该安全停车策略用于指示所程驾驶车辆行驶至道路安全区域进行停车；若间隔时长小于目标时长，则调整远程驾驶车辆的驾驶控制策略为紧急停车策略，该紧急停车策略用于指示远程驾驶车辆在当前位置进行停车。
需要说明的是，上述是以多个运行状态包括第一状态、第二状态以及第三状态为例，对步骤s24的具体实施方式进行示例性说明的；当多个运行状态的具体内容发生变化时，步骤s24的具体实施方式可作适应性改变。例如，若多个运行状态包括：第一状态、第二状态、第三状态以及第四状态，则步骤s24的具体实施方式可以是：若目标运行状态为多个运行状态中除第三状态以外的任一状态，则远程驾驶服务器可通过获取调整后的车辆控制参数，来调整远程驾驶车辆的驾驶控制策略。
基于上述步骤s21-s24的相关描述可知，本申请实施例可从预测网络质量和网络质量变化的时刻两个维度均做出响应判断，这样可全面考虑预测的网络质量变化的各种状态，从而提高整体流程的可行性。并且，通过设置车辆控制参数调整的阈值区间，可避免因预测的网络质量在阈值附近波动带来控制策略频繁跳动的情况，从而提高系统的稳定性。还需说明的是，上述步骤s21-s24所示的流程只是示例性地阐述步骤S203的一种实施方式，并不对此进行限定。例如，在另一种具体实现中，也可根据业务需求预先设置网络参数和驾驶控制策略之间的对应关系表；那么在此情况下，远程驾驶服务器在执行步骤S203时，可在该对应关系表中查找与目标时间点对应的预测网络参数对应的驾驶控制策略，从而采用查找到的驾驶控制策略替换远程驾驶车辆当前的驾驶控制策略。
本申请实施例可获取通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量所得到的网络质量预测信息，并根据网络质量预测信息所包括的目标时间段内的各个时间点对应的预测网络参数以及当前网络参数，从目标时间段内查找网络质量发生变化的目标时间点，从而实现在远程驾驶车辆和远程驾驶服务器之间的网络质量发生变化之前，基于目标时间点对应的预测网络参数提前调整远程驾驶车辆的驾驶控制策略，这样可避免在目标时间点到达时，因网络质量发生突变导致信息(如车辆控制信息或道路环境信息)丢失或延迟，使得无法在目标时间点及时地基于相应信息控制远程驾驶车辆的问题，可见本申请实施例可有效提升远程驾驶车辆行驶的安全性。
基于上述图2所示的方法实施例可知，本申请实施例针对远程驾驶系统，可先由远程驾驶系统中的蜂窝网络根据网络参数、车辆参数、环境状态等预测未来时间、空间的网络质量，然后由远程驾驶系统的其他设备根据预测的未来时间及空间的网络质量，以及预配置的多个运行状态，调整控制模式、车速等车辆控制参数，以满足安全驾驶的需求，避免发生网络质量突变导致的失控及安全事故发生。下面多个运行状态包括前述提及的状态1、状态2以及状态3为例，对如何通过远程驾驶系统实现远程驾驶车辆的安全行驶的具体过程作总结说明：
首先，远程驾驶系统中的蜂窝网络中的核心网可基于网络采集的参数(即网络参数)、车辆参数、环境参数进行网络质量预测，输出目标时间段(例如未来几秒至几分钟)的网络质量预测信息，该网络质量预测信息可用于确定目标时间段的网络质量变化情况。该网络质量变化情况可包含两个关键信息：一个是网络质量变化的时刻(即目标时间点)，另一个则是网络质量改变后的网络参数(即目标时间点对应的预测网络参数)，该网络参数可包括上行及下行的网络带宽、网络时延、可靠性等。例如，基于网络质量预测信息所确定的网络质量变化情况可用于指示：在T秒后，网络质量改变为带宽X Mbps,时延Y ms,可靠性Z％。应理解的是，预测的网络质量变化的时刻可能大于、等于或小于系统响应需要的时间；若小于，则表明在预测的网络质量变化的时刻，远程驾驶车辆无法完成既定的响应，那么则需要采用其他时间要求更短的响应措施，以确保在网络质量变化前完成远程驾驶的响应。
然后，远程驾驶系统中的远程驾驶车辆、远程驾驶服务器可从蜂窝网络中的核心网侧获得网络质量预测信息，并基于该网络质量预测信息确定目标时间段的网络质量变化情况，从而根据网络质量变化情况来调整远程驾驶车辆的驾驶控制策略。也就是说，本申请实施例可支持远程驾驶车辆自己基于网络质量预测信息来实现驾驶控制策略的调整，也可支持远程驾驶服务器基于网络质量预测信息来实现驾驶控制策略的调整。应理解的是，远程驾驶车辆根据网络质量预测信息调整驾驶控制策略的原理，与远程驾驶服务器根据网络质量预测信息调整驾驶控制策略的原理类似，下面以远程驾驶服务器调整驾驶控制策略为例进行说明。
参见图5a所示，远程驾驶服务器在接收并解析核心网发来的网络质量预测信息后，可基于网络质量变化情况将预测的网络变化后的预测网络质量(即目标时间点对应的预测网络质量)与当前网络质量进行对比，以确定相较于当前网络质量而言，预测网络质量是上升还是下降。当预测网络质量上升时，远程驾驶系统中的远程驾驶服务器可发起网络质量上升控制策略流程；当预测网络质量下降时，远程驾驶系统中的远程驾驶服务器可发起网络质量下降控制策略流程。当网络质量上升/下降控制流程结束后，远程驾驶服务器可持续进行网络质量判断。
其中，网络质量上升控制策略流程可参见图5b所示：远程驾驶服务器可先判断预测网络质量是否大于阈值1-1(即状态1对应的网络质量范围的下限值)。若大于阈值1-1，则远程驾驶系统进入状态1(车辆控制参数为高指标)，并在屏幕中输出状态1的提示信息，使得远程驾驶员根据该提示信息在状态1的参数限制下控制远程驾驶车辆，以调整远程驾驶车辆的车辆控制参数，从而使得远程驾驶服务器可根据调整后的车辆控制参数调整车辆控制策略。若不大于阈值1-1，则远程驾驶系统进一步判断预测网络质量是否大于阈值2-1(即状态1对应的网络质量范围的下限值)。若大于阈值2-1，则远程驾驶系统进入状态2(车辆控制参数为低指标)，并在屏幕中输出状态2的提示信息，使得远程驾驶员根据该提示信息在状态2的参数限制下控制远程驾驶车辆，以调整远程驾驶车辆的车辆控制参数，从而使得远程驾驶服务器可根据调整后的车辆控制参数调整车辆控制策略。若不大于阈值2-1，则远程驾驶系统可进入状态3(停车程序)，以调整车辆控制策略。
其中，网络质量上升控制策略流程可参见图5c所示：远程驾驶服务器可先判断预测网络质量是否小于阈值2-2(即状态3对应的网络质量范围的上限值)。若小于阈值2-2，则远程驾驶系统进入状态3(停车程序)，以调整车辆控制策略；若不小于阈值2-2，则远程驾驶系统进一步判断预测网络质量是否小于阈值1-2(即状态2对应的网络质量范围的上限值)。若小于阈值1-2，则远程驾驶系统进入状态2(车辆控制参数为低指标)，并在屏幕中输出状态2的提示信息，使得远程驾驶员根据该提示信息在状态2的参数限制下控制远程驾驶车辆，以调整远程驾驶车辆的车辆控制参数，从而使得远程驾驶服务器可根据调整后的车辆控制参数调整车辆控制策略。若不小于阈值1-2，则远程驾驶系统可进入状态1(车辆控制参数为高指标)，并在屏幕中输出状态1的提示信息，使得远程驾驶员根据该提示信息在状态1的参数限制下控制远程驾驶车辆，以调整远程驾驶车辆的车辆控制参数，从而使得远程驾驶服务器可根据调整后的车辆控制参数调整车辆控制策略。
进一步的，状态3对应的停车程序可包含两种子状态：状态3-1，远控模拟器提示驾驶员在道路安全区域停车(如道路的紧急停车带，紧急停车区)；状态3-2，远控模拟器提示驾驶员在当前位置紧急停车。设定完成执行状态3-1需要的时间为T1秒(即前述提及的目标时长)，即状态3-1在执行完成时的响应时刻为未来的第T1秒；以及，设定预测网络质量变化的时刻为未来的第Tp秒(即目标时间点是未来的第Tp秒)。那么在触发状态3对应的停车流程后，远程驾驶服务器还可根据预测出的网络质量变化的时刻(即目标时间点)判断发起相应的子流程，详细流程可参见图5d所示：可判断网络质量变化的时刻Tp是否大于等于响应时刻T1；若是，则远程驾驶服务器决策远程驾驶系统进入状态3-1，并在远程驾驶模拟器的屏幕中输出状态3-1的提示信息，使得远程驾驶员可根据该提示信息控制远程驾驶车辆行驶至道路安全区域停车，从而调整远程驾驶车辆的驾驶控制策略；若否，则远程驾驶服务器决策远程驾驶系统进入状态3-2，并在远程驾驶模拟器的屏幕中输出状态3-2的提示信息，使得远程驾驶员可根据该提示信息控制远程驾驶车辆在本车道的当前位置紧急停车，从而调整远程驾驶车辆的驾驶控制策略。
基于上述描述可知，本申请实施例可基于网络质量预测信息，使得远程驾驶系统能够在网络质量实际变化之前做出响应，最大可能地避免了因为网络质量突变导致的控制指令延迟/丢失导致的不安全状况，提高了远程驾驶的安全性。并且，基于预测网络质量，分等级地判断远程驾驶车辆可做出的响应，在保障安全的同时最大程度保证系统可持续运行，增加了远程驾驶系统稳定性与可用范围。
基于上述方法实施例的相关描述，本申请实施例还公开了一种远程驾驶控制装置，所述远程驾驶控制装置可以是运行于计算机设备中的一个计算机程序(包括程序代码)。请参见图6，所述远程驾驶控制装置可以运行如下单元：
获取单元601，用于获取网络质量预测信息，所述网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；所述网络质量预测信息包括：所述目标时间段内的各个时间点对应的预测网络参数；
处理单元602，用于根据所述目标时间段内的各个时间点对应的预测网络参数，以及所述远程驾驶车辆和所述远程驾驶服务器之间的当前网络参数，从所述目标时间段内查找网络质量发生变化的目标时间点；
控制单元603，用于基于所述目标时间点对应的预测网络参数调整所述远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制所述远程驾驶车辆。
在一种实施方式中，控制单元603在用于基于所述目标时间点对应的预测网络参数调整所述远程驾驶车辆的驾驶控制策略时，可具体用于：
基于所述目标时间点对应的预测网络参数，确定所述目标时间点对应的预测网络质量；
确定针对所述远程驾驶车辆所配置的多个运行状态，以及所述多个运行状态中的每个运行状态所适配的网络质量范围；
根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态，所述目标运行状态所适配的网络质量范围包含所述目标时间点对应的预测网络质量；
根据所述目标运行状态，调整所述远程驾驶车辆的驾驶控制策略。
另一种实施方式中，控制单元603在用于根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态时，可具体用于：
根据所述目标时间点对应的预测网络质量和所述当前网络参数，确定所述目标时间点对应的网络质量变化方向；
基于网络质量变化方向和状态选取策略之间的对应关系，将所述目标时间点对应的网络质量变化方向所对应的状态选取策略，确定为目标状态选取策略；
按照所述目标状态选取策略，根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态。
另一种实施方式中，所述多个运行状态构成一个状态序列，所述状态序列中的前一运行状态所适配的网络质量范围的下限值，大于或等于后一运行状态所适配的网络质量范围的上限值；
其中，所述目标时间点对应的网络质量变化方向为网络质量上升的方向；
相应的，控制单元603在用于按照所述目标状态选取策略，根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态时，可具体用于：
按照与所述状态序列对应的排列顺序相同的顺序，依次轮询所述状态序列中的各个运行状态；
比较所述目标时间点对应的预测网络质量，是否大于当前轮询的运行状态所适配的网络质量范围的下限值；
若大于，则选取所述当前轮询的运行状态作为目标运行状态，并结束轮询；若不大于，则继续轮询所述状态序列。
另一种实施方式中，若不大于，则控制单元603还可用于：
检测所述状态序列中是否存在至少两个运行状态未被轮询；
若是，则触发执行继续轮询所述状态序列的步骤；若否，则选取排在末位的运行状态作为目标运行状态，并结束轮询。
另一种实施方式中，所述多个运行状态构成一个状态序列，所述状态序列中的前一运行状态所适配的网络质量范围的下限值，大于或等于后一运行状态所适配的网络质量范围的上限值；
其中，所述目标时间点对应的网络质量变化方向为网络质量下降的方向；
相应的，控制单元603在用于按照所述目标状态选取策略，根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态时，可具体用于：
按照与所述状态序列对应的排列顺序相反的顺序，依次轮询所述状态序列中的各个运行状态；
比较所述目标时间点对应的预测网络质量，是否小于当前轮询的运行状态所适配的网络质量范围的上限值；
若小于，则选取所述当前轮询的运行状态作为目标运行状态，并结束轮询；若不小于，则继续轮询所述状态序列。
另一种实施方式中，若不小于，则控制单元603还可用于：
检测所述状态序列中是否存在至少两个运行状态未被轮询；
若是，则继续轮询所述状态序列；若否，则选取排在首位的运行状态作为目标运行状态，并结束轮询。
另一种实施方式中，所述多个运行状态包括：第一状态、第二状态和第三状态；其中，第一状态所适配的网络质量范围的下限值大于或等于所述第二状态所适配的网络质量范围的上限值，所述第二状态所适配的网络质量的下限值大于或等于所述第三状态所适配的网络质量的上限值；
其中，所述第一状态用于指示：针对所述远程驾驶车辆的车辆控制参数被允许调整至门限值；所述第二状态用于指示：针对所述远程驾驶车辆的车辆控制参数被允许调整至受限值，所述受限值小于所述门限值；所述第三状态用于指示：控制所述远程驾驶车辆停车。
另一种实施方式中，控制单元603在用于根据所述目标运行状态，调整所述远程驾驶车辆的驾驶控制策略时，可具体用于：
若所述目标运行状态为所述第一状态或所述第二状态，则输出关于所述目标运行状态的提示信息，以提示远程操作对象根据所述目标运行状态的指示，调整所述远程驾驶车辆的车辆控制参数；
获取调整后的车辆控制参数，并根据所述调整后的车辆控制参数，调整所述远程驾驶车辆的驾驶控制策略。
另一种实施方式中，控制单元603在用于根据所述目标运行状态，调整所述远程驾驶车辆的驾驶控制策略时，可具体用于：
若所述目标运行状态为所述第三状态，则计算所述目标时间点和当前时间点之间的间隔时长，所述当前时间点是指所述当前网络参数对应的时间点；
确定控制所述远程驾驶车辆进行安全停车所需的目标时长，所述安全停车是指：所述远程驾驶车辆从所述当前时间点所处的当前位置行驶至道路安全区域，并在所述道路安全区域中停车；
若所述间隔时长大于或等于所述目标时长，则调整所述远程驾驶车辆的驾驶控制策略为安全停车策略，所述安全停车策略用于指示所述远程驾驶车辆行驶至道路安全区域进行停车；
若所述间隔时长小于所述目标时长，则调整所述远程驾驶车辆的驾驶控制策略为紧急停车策略，所述紧急停车策略用于指示所述远程驾驶车辆在所述当前位置进行停车。
另一种实施方式中，预测得到网络质量预测信息的方式包括：
获取状态信息，所述状态信息包括：对所述远程驾驶车辆所处的目标区域内的各个位置进行网络采集所得到的网络参数，以及所述远程驾驶车辆的车辆参数；其中，所述车辆参数可至少包括行驶状态参数；
根据所述远程驾驶车辆的行驶状态参数，在空间维度下分别预测当目标时间段内的各个时间点到达时，所述远程驾驶车辆在目标区域内所处的位置，得到多个预测位置，一个预测位置对应一个时间点；
从所述状态信息中获取各个预测位置对应的网络参数，并根据所述各个预测位置对应的网络参数，分别预测所述各个预测位置在相应时间点的网络质量，以得到网络质量预测信息。
另一种实施方式中，所述状态信息还包括：所述目标区域内除所述远程驾驶车辆以外的其他车辆的车辆参数，以及所述目标区域的环境参数；相应的，根据所述各个预测位置对应的网络参数，分别预测所述各个预测位置在相应时间点的网络质量的具体实施方式包括：
针对任一预测位置，根据所述状态信息中的各个车辆的车辆参数、所述环境参数，以及所述任一预测位置对应的网络参数，预测所述任一预测位置在相应时间点的网络质量。
根据本申请的另一个实施例，图6所示的远程驾驶控制装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本申请的其它实施例中，基于远程驾驶控制装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本申请的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行上述所提及的远程驾驶控制方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图6中所示的远程驾驶控制装置设备，以及来实现本申请实施例的远程驾驶控制方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。
本申请实施例可获取通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量所得到的网络质量预测信息，并根据网络质量预测信息所包括的目标时间段内的各个时间点对应的预测网络参数以及当前网络参数，从目标时间段内查找网络质量发生变化的目标时间点，从而实现在远程驾驶车辆和远程驾驶服务器之间的网络质量发生变化之前，基于目标时间点对应的预测网络参数提前调整远程驾驶车辆的驾驶控制策略，这样可避免在目标时间点到达时，因网络质量发生突变导致信息(如车辆控制信息或道路环境信息)丢失或延迟，使得无法在目标时间点及时地基于相应信息控制远程驾驶车辆的问题，可见本申请实施例可有效提升远程驾驶车辆行驶的安全性。
基于上述方法实施例以及装置实施例的描述，本申请实施例还提供一种计算机设备，该计算机设备可以是前述提及的远程驾驶系统中的远程驾驶车辆或远程驾驶服务器。请参见图7，该计算机设备至少包括处理器701、存储器702以及通信接口703等。其中，通信接口703可用于计算机设备和其他设备进行通信以实现数据传输，存储器702用于存储指令，处理器701(或称CPU(Central Processing Unit，中央处理器))是计算机设备的计算核心以及控制核心，其可用于调用存储器702存储的指令来实现上述所提及的远程驾驶控制方法。例如，处理器701可用于调用存储器702存储的指令来执行如下步骤：获取网络质量预测信息，所述网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；所述网络质量预测信息包括：所述目标时间段内的各个时间点对应的预测网络参数；根据所述目标时间段内的各个时间点对应的预测网络参数，以及所述远程驾驶车辆和所述远程驾驶服务器之间的当前网络参数，从所述目标时间段内查找网络质量发生变化的目标时间点；基于所述目标时间点对应的预测网络参数调整所述远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制所述远程驾驶车辆，等等。
本申请实施例还提供了一种计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了计算机设备的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器；可选的，还可以是至少一个位于远离前述处理器的计算机可读存储介质。
在一个实施例中，可由处理器加载并执行计算机可读存储介质中存放的一条或多条指令，以实现上述远程驾驶控制方法实施例中的方法的相应步骤。例如，在具体实现中，计算机可读存储介质中的一条或多条指令由处理器加载并执行如下步骤：
获取网络质量预测信息，所述网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；所述网络质量预测信息包括：所述目标时间段内的各个时间点对应的预测网络参数；
根据所述目标时间段内的各个时间点对应的预测网络参数，以及所述远程驾驶车辆和所述远程驾驶服务器之间的当前网络参数，从所述目标时间段内查找网络质量发生变化的目标时间点；
基于所述目标时间点对应的预测网络参数调整所述远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制所述远程驾驶车辆。
需要说明的是，上述只是示例性地列出了计算机可读存储介质中的一条或多条指令可执行的步骤，并非穷举；在具体实现中，该一条或多条指令还可由处理器加载并执行如前述图6所示的装置实施例所提及各个单元所执行的步骤，在此不再赘述。
需要说明的是，根据本申请实施例的一个方面，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述远程驾驶控制方法实施例方面的各种可选方式中提供的方法。
并且，应理解的是，以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (15)

1.一种远程驾驶控制方法，其特征在于，包括：
获取网络质量预测信息，所述网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；所述网络质量预测信息包括：所述目标时间段内的各个时间点对应的预测网络参数；
根据所述目标时间段内的各个时间点对应的预测网络参数，以及所述远程驾驶车辆和所述远程驾驶服务器之间的当前网络参数，从所述目标时间段内查找网络质量发生变化的目标时间点；
基于所述目标时间点对应的预测网络参数，确定所述目标时间点对应的预测网络质量；
确定针对所述远程驾驶车辆所配置的多个运行状态，以及所述多个运行状态中的每个运行状态所适配的网络质量范围；
根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态，所述目标运行状态所适配的网络质量范围包含所述目标时间点对应的预测网络质量；
根据所述目标运行状态，调整所述远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制所述远程驾驶车辆。
2.如权利要求1所述的方法，其特征在于，所述根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态，包括：
根据所述目标时间点对应的预测网络质量和所述当前网络参数，确定所述目标时间点对应的网络质量变化方向；
基于网络质量变化方向和状态选取策略之间的对应关系，将所述目标时间点对应的网络质量变化方向所对应的状态选取策略，确定为目标状态选取策略；
按照所述目标状态选取策略，根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态。
3.如权利要求2所述的方法，其特征在于，所述多个运行状态构成一个状态序列，所述状态序列中的前一运行状态所适配的网络质量范围的下限值，大于或等于后一运行状态所适配的网络质量范围的上限值；
其中，所述目标时间点对应的网络质量变化方向为网络质量上升的方向；
所述按照所述目标状态选取策略，根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态，包括：
按照与所述状态序列对应的排列顺序相同的顺序，依次轮询所述状态序列中的各个运行状态；
比较所述目标时间点对应的预测网络质量，是否大于当前轮询的运行状态所适配的网络质量范围的下限值；
若大于，则选取所述当前轮询的运行状态作为目标运行状态，并结束轮询；若不大于，则继续轮询所述状态序列。
4.如权利要求3所述的方法，其特征在于，若不大于，则所述方法还包括：
检测所述状态序列中是否存在至少两个运行状态未被轮询；
若是，则触发执行继续轮询所述状态序列的步骤；若否，则选取排在末位的运行状态作为目标运行状态，并结束轮询。
5.如权利要求2所述的方法，其特征在于，所述多个运行状态构成一个状态序列，所述状态序列中的前一运行状态所适配的网络质量范围的下限值，大于或等于后一运行状态所适配的网络质量范围的上限值；
其中，所述目标时间点对应的网络质量变化方向为网络质量下降的方向；
所述按照所述目标状态选取策略，根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态，包括：
按照与所述状态序列对应的排列顺序相反的顺序，依次轮询所述状态序列中的各个运行状态；
比较所述目标时间点对应的预测网络质量，是否小于当前轮询的运行状态所适配的网络质量范围的上限值；
若小于，则选取所述当前轮询的运行状态作为目标运行状态，并结束轮询；若不小于，则继续轮询所述状态序列。
6.如权利要求5所述的方法，其特征在于，若不小于，则所述方法还包括：
检测所述状态序列中是否存在至少两个运行状态未被轮询；
若是，则继续轮询所述状态序列；若否，则选取排在首位的运行状态作为目标运行状态，并结束轮询。
7.如权利要求1-6任一项所述的方法，其特征在于，所述多个运行状态包括：第一状态、第二状态和第三状态；其中，第一状态所适配的网络质量范围的下限值大于或等于所述第二状态所适配的网络质量范围的上限值，所述第二状态所适配的网络质量的下限值大于或等于所述第三状态所适配的网络质量的上限值；
其中，所述第一状态用于指示：针对所述远程驾驶车辆的车辆控制参数被允许调整至门限值；所述第二状态用于指示：针对所述远程驾驶车辆的车辆控制参数被允许调整至受限值，所述受限值小于所述门限值；所述第三状态用于指示：控制所述远程驾驶车辆停车。
8.如权利要求7所述的方法，其特征在于，所述根据所述目标运行状态，调整所述远程驾驶车辆的驾驶控制策略，包括：
若所述目标运行状态为所述第一状态或所述第二状态，则输出关于所述目标运行状态的提示信息，以提示远程操作对象根据所述目标运行状态的指示，调整所述远程驾驶车辆的车辆控制参数；
获取调整后的车辆控制参数，并根据所述调整后的车辆控制参数，调整所述远程驾驶车辆的驾驶控制策略。
9.如权利要求7所述的方法，其特征在于，所述根据所述目标运行状态，调整所述远程驾驶车辆的驾驶控制策略，包括：
若所述目标运行状态为所述第三状态，则计算所述目标时间点和当前时间点之间的间隔时长，所述当前时间点是指所述当前网络参数对应的时间点；
确定控制所述远程驾驶车辆进行安全停车所需的目标时长，所述安全停车是指：所述远程驾驶车辆从所述当前时间点所处的当前位置行驶至道路安全区域，并在所述道路安全区域中停车；
若所述间隔时长大于或等于所述目标时长，则调整所述远程驾驶车辆的驾驶控制策略为安全停车策略，所述安全停车策略用于指示所述远程驾驶车辆行驶至道路安全区域进行停车；
若所述间隔时长小于所述目标时长，则调整所述远程驾驶车辆的驾驶控制策略为紧急停车策略，所述紧急停车策略用于指示所述远程驾驶车辆在所述当前位置进行停车。
10.如权利要求1所述的方法，其特征在于，预测得到网络质量预测信息的方式包括：
获取状态信息，所述状态信息包括：对所述远程驾驶车辆所处的目标区域内的各个位置进行网络采集所得到的网络参数，以及所述远程驾驶车辆的车辆参数；其中，所述车辆参数可至少包括行驶状态参数；
根据所述远程驾驶车辆的行驶状态参数，在空间维度下分别预测当目标时间段内的各个时间点到达时，所述远程驾驶车辆在目标区域内所处的位置，得到多个预测位置，一个预测位置对应一个时间点；
从所述状态信息中获取各个预测位置对应的网络参数，并根据所述各个预测位置对应的网络参数，分别预测所述各个预测位置在相应时间点的网络质量，以得到网络质量预测信息。
11.如权利要求10所述的方法，其特征在于，所述状态信息还包括：所述目标区域内除所述远程驾驶车辆以外的其他车辆的车辆参数，以及所述目标区域的环境参数；
所述根据所述各个预测位置对应的网络参数，分别预测所述各个预测位置在相应时间点的网络质量，包括：
针对任一预测位置，根据所述状态信息中的各个车辆的车辆参数、所述环境参数，以及所述任一预测位置对应的网络参数，预测所述任一预测位置在相应时间点的网络质量。
12.一种远程驾驶控制装置，其特征在于，包括：
获取单元，用于获取网络质量预测信息，所述网络质量预测信息是通过预测目标时间段内，远程驾驶车辆和远程驾驶服务器之间的网络质量得到的；所述网络质量预测信息包括：所述目标时间段内的各个时间点对应的预测网络参数；
处理单元，用于根据所述目标时间段内的各个时间点对应的预测网络参数，以及所述远程驾驶车辆和所述远程驾驶服务器之间的当前网络参数，从所述目标时间段内查找网络质量发生变化的目标时间点；
控制单元，用于基于所述目标时间点对应的预测网络参数，确定所述目标时间点对应的预测网络质量；确定针对所述远程驾驶车辆所配置的多个运行状态，以及所述多个运行状态中的每个运行状态所适配的网络质量范围；根据所述目标时间点对应的预测网络质量，以及所述每个运行状态所适配的网络质量范围，从所述多个运行状态中选取目标运行状态，所述目标运行状态所适配的网络质量范围包含所述目标时间点对应的预测网络质量；根据所述目标运行状态，调整所述远程驾驶车辆的驾驶控制策略，以按照调整后的驾驶控制策略控制所述远程驾驶车辆。
13.一种计算机设备，其特征在于，包括：处理器和存储器；
所述存储器用于存储指令；
所述处理器用于调用所述存储器存储的指令实现如权利要求1-11任一项所述的远程驾驶控制方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如权利要求1-11任一项所述的远程驾驶控制方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序；所述计算机程序被处理器执行时，实现如权利要求1-11任一项所述的远程驾驶控制方法。
CN202210534627.XA 2022-05-17 2022-05-17 远程驾驶控制方法、装置、计算机设备及存储介质 Active CN117104253B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210534627.XA CN117104253B (zh) 2022-05-17 2022-05-17 远程驾驶控制方法、装置、计算机设备及存储介质
PCT/CN2022/139303 WO2023221488A1 (zh) 2022-05-17 2022-12-15 远程驾驶控制方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210534627.XA CN117104253B (zh) 2022-05-17 2022-05-17 远程驾驶控制方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN117104253A CN117104253A (zh) 2023-11-24
CN117104253B true CN117104253B (zh) 2024-09-06

Family

ID=88795321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210534627.XA Active CN117104253B (zh) 2022-05-17 2022-05-17 远程驾驶控制方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN117104253B (zh)
WO (1) WO2023221488A1 (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223321A (zh) * 2018-11-26 2020-06-02 华为技术有限公司 自动驾驶规划的方法、设备及系统
CN111756646A (zh) * 2020-07-08 2020-10-09 腾讯科技（深圳）有限公司 网络传输控制方法、装置、计算机设备及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105897811B (zh) * 2015-01-26 2019-04-23 中国移动通信集团公司 一种数据同步方法和装置
US11561107B2 (en) * 2018-06-15 2023-01-24 Phantom Auto Inc. Vehicle routing evaluation based on predicted network performance
CN111186446B (zh) * 2018-10-29 2022-02-01 中国电信股份有限公司 自动驾驶的控制方法、装置和计算机可读存储介质
FR3095733B1 (fr) * 2019-04-30 2021-10-22 Renault Sas Systeme et procede de gestion de communication v2x entre un vehicule et un dispositif recepteur
EP3742767B1 (en) * 2019-05-21 2022-08-24 Volkswagen AG Method for predicting a quality of service for a communication between at least two communication partners, one of which may be a moving vehicle; apparatus for performing the steps of the method and computer program
CN111404773B (zh) * 2020-03-10 2023-03-17 深信服科技股份有限公司 一种网络质量监测方法、装置及电子设备和存储介质
WO2022002394A1 (en) * 2020-07-01 2022-01-06 Telefonaktiebolaget Lm Ericsson (Publ) Accommodation of latency variations of a communication network
CN111884939B (zh) * 2020-08-31 2022-04-08 广州文远知行科技有限公司 数据传输方法、装置、可移动载体和存储介质
CN112422659A (zh) * 2020-11-06 2021-02-26 腾讯科技（深圳）有限公司 一种业务数据处理方法、设备及可读存储介质
CN113611098B (zh) * 2021-08-02 2024-08-20 腾讯科技（深圳）有限公司 远程驾驶的控制方法、装置、计算机可读介质及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223321A (zh) * 2018-11-26 2020-06-02 华为技术有限公司 自动驾驶规划的方法、设备及系统
CN111756646A (zh) * 2020-07-08 2020-10-09 腾讯科技（深圳）有限公司 网络传输控制方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
WO2023221488A1 (zh) 2023-11-23
CN117104253A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
US11842638B2 (en) Parallel remote control driving system for intelligent network vehicle
KR102303716B1 (ko) 차량-도로인프라 정보융합 기반 자율협력주행 방법 및 시스템
CN112046503B (zh) 一种基于人工智能的车辆控制方法、相关装置及存储介质
CN110209146B (zh) 自动驾驶车辆的测试方法、装置、设备及可读存储介质
WO2020259705A1 (en) Autonomous driving handoff systems and methods
CN112261098B (zh) 用于车联网的车速控制方法、装置及系统
CN105774800A (zh) 一种混合车辆队列中车辆间的碰撞缓解方法及装置
CN111071263A (zh) 一种自动驾驶车辆的控制方法、装置、系统及设备
CN113741440B (zh) 一种切入车辆的危险目标识别方法、装置、介质及设备
CN113844465B (zh) 一种自动驾驶方法及系统
Dolk et al. Cooperative automated driving for various traffic scenarios: Experimental validation in the GCDC 2016
CN114348025B (zh) 一种车辆驾驶监控系统、方法、设备及存储介质
Neumeier et al. Towards a driver support system for teleoperated driving
CN110789515B (zh) 机动车辆中用于硬件验证的系统和方法
CN108827334A (zh) 一种自动驾驶方法
CN113085902A (zh) 一种基于网络的智能汽车驾驶预估方法和装置
CN113593221A (zh) 信息价值评估式驾驶系统、网联车辆系统和数据传输方法
CN117104253B (zh) 远程驾驶控制方法、装置、计算机设备及存储介质
CN113911139B (zh) 车辆控制方法、装置和电子设备
Wang et al. A guidence method for lane change detection at signalized intersections in connected vehicle environment
CN115547035B (zh) 超视距避撞行驶控制方法、装置及信息物理系统
JP7424472B2 (ja) 車両管制システム、装置、方法、及びプログラム
CN114838949A (zh) 一种机场自动驾驶引导车远程遥控驾驶测试方法和系统
CN113132474A (zh) 一种自动驾驶车辆的控制方法、装置及设备
KR20230044532A (ko) 차량 제어 방법 및 장치, 미디어, 설비, 프로그램

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant