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

CN118907143A - 车辆控制方法、装置、设备及计算机可读存储介质 - Google Patents

车辆控制方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN118907143A
CN118907143A CN202411138150.9A CN202411138150A CN118907143A CN 118907143 A CN118907143 A CN 118907143A CN 202411138150 A CN202411138150 A CN 202411138150A CN 118907143 A CN118907143 A CN 118907143A
Authority
CN
China
Prior art keywords
vehicle control
confidence level
calculation model
control strategy
updated
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.)
Pending
Application number
CN202411138150.9A
Other languages
English (en)
Inventor
杨相冠
凃圣偲
刘继峰
张成才
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.)
Voyah Automobile Technology Co Ltd
Original Assignee
Voyah Automobile Technology 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 Voyah Automobile Technology Co Ltd filed Critical Voyah Automobile Technology Co Ltd
Priority to CN202411138150.9A priority Critical patent/CN118907143A/zh
Publication of CN118907143A publication Critical patent/CN118907143A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0818—Inactivity or incapacity of driver
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0872—Driver physiology
    • 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
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种车辆控制方法、装置、设备及计算机可读存储介质，涉及自动驾驶控制技术领域，包括在当前车辆控制策略下，获取驾驶员的实时姿态数据和实时生理数据以及实时环境数据；对所述实时姿态数据、所述实时生理数据和所述实时环境数据进行融合，得到融合数据；将所述融合数据输入至预设的信心水平评估模型，以供所述信心水平评估模型基于所述融合数据输出目标信心水平等级，所述目标信心水平等级用于表征驾驶员对当前车辆控制策略的信任程度；基于所述目标信心水平等级对所述当前车辆控制策略进行更新，以基于新的车辆控制策略进行车辆控制。通过本申请，可实现自动驾驶车辆的有效控制，以提升行驶安全性和乘客舒适度。

Description

车辆控制方法、装置、设备及计算机可读存储介质
技术领域
本申请涉及自动驾驶控制技术领域，具体涉及一种车辆控制方法、装置、设备及计算机可读存储介质。
背景技术
随着L2至L3级别自动驾驶技术的发展，驾驶员在驾驶过程中的角色和体验正在发生变化；不过，驾驶员的情绪状态、环境因素等仍然是影响驾驶体验和行车安全的重要因素，比如驾驶员出现情绪波动可能会导致注意力分散、反应迟钝或操作失误，以致增加交通事故的风险。因此，为提升自动驾驶车辆的行驶安全性、乘客舒适度以及自动驾驶系统的智能化水平，如何综合考虑各种因素来实现自动驾驶车辆的有效控制是当前亟需解决的问题。
发明内容
本申请提供一种车辆控制方法、装置、设备及计算机可读存储介质，可实现自动驾驶车辆的有效控制，以提升行驶安全性和乘客舒适度。
第一方面，本申请实施例提供一种车辆控制方法，所述车辆控制方法包括：
在当前车辆控制策略下，获取驾驶员的实时姿态数据和实时生理数据以及实时环境数据；
对所述实时姿态数据、所述实时生理数据和所述实时环境数据进行融合，得到融合数据；
将所述融合数据输入至预设的信心水平评估模型，以供所述信心水平评估模型基于所述融合数据输出目标信心水平等级，所述目标信心水平等级用于表征驾驶员对当前车辆控制策略的信任程度；
基于所述目标信心水平等级对所述当前车辆控制策略进行更新，以基于新的车辆控制策略进行车辆控制。
结合第一方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为速度调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的车速计算模型和/或预设的加速度计算模型进行更新，得到更新后的车速计算模型和/或更新后的加速度计算模型；
根据所述更新后的车速计算模型和/或更新后的加速度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第一方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为变道调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的变道概率计算模型进行更新，得到更新后的变道概率计算模型；
根据所述更新后的变道概率计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第一方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为安全距离调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的基础安全距离计算模型或预设的恶劣天气安全距离计算模型进行更新，得到更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型；
根据更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第一方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为避障调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的避障程度计算模型进行更新，得到更新后的避障程度计算模型；
根据所述更新后的避障程度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第一方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为视野调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的亮度计算模型进行更新，得到更新后的亮度计算模型；
根据所述更新后的亮度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第一方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为模式切换调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的模式切换时间计算模型进行更新，得到更新后的模式切换时间计算模型；
根据所述更新后的模式切换时间计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
第二方面，本申请实施例提供一种车辆控制装置，所述车辆控制装置包括：
数据获取模块，其用于在当前车辆控制策略下，获取驾驶员的实时姿态数据和实时生理数据以及实时环境数据；
数据融合模块，其用于对所述实时姿态数据、所述实时生理数据和所述实时环境数据进行融合，得到融合数据；
信心评估模块，其用于将所述融合数据输入至预设的信心水平评估模型，以供所述信心水平评估模型基于所述融合数据输出驾驶员对当前车辆控制策略的目标信心水平等级；
车辆控制模块，其用于基于所述目标信心水平等级对所述当前车辆控制策略进行更新，以基于新的车辆控制策略进行车辆控制。
结合第二方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为速度调整场景，所述车辆控制模块具体用于：
基于所述目标信心水平等级对预设的车速计算模型和/或预设的加速度计算模型进行更新，得到更新后的车速计算模型和/或更新后的加速度计算模型；
根据所述更新后的车速计算模型和/或更新后的加速度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第二方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为变道调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的变道概率计算模型进行更新，得到更新后的变道概率计算模型；
根据所述更新后的变道概率计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第二方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为安全距离调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的基础安全距离计算模型或预设的恶劣天气安全距离计算模型进行更新，得到更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型；
根据更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第二方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为避障调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的避障程度计算模型进行更新，得到更新后的避障程度计算模型；
根据所述更新后的避障程度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第二方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为视野调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的亮度计算模型进行更新，得到更新后的亮度计算模型；
根据所述更新后的亮度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
结合第二方面，在一种实施方式中，若所述当前车辆控制策略对应的目标场景为模式切换调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的模式切换时间计算模型进行更新，得到更新后的模式切换时间计算模型；
根据所述更新后的模式切换时间计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
第三方面，本申请实施例提供了一种车辆控制设备，所述车辆控制设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的车辆控制程序，其中所述车辆控制程序被所述处理器执行时，实现如前述的车辆控制方法的步骤。
第四方面，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上存储有车辆控制程序，其中所述车辆控制程序被处理器执行时，实现如前述的车辆控制方法的步骤。
本申请实施例提供的技术方案带来的有益效果包括：
通过对当前车辆控制策略下驾驶员的实时姿态数据和实时生理数据以及实时环境数据进行融合，来去除不同数据源之间的不确定性、噪声和冗余信息，以将不同数据源的互补信息有效地结合起来，提高对驾驶员状态的感知准确性和鲁棒性；并基于信心水平评估模型对融合数据进行评估预测，以输出驾驶员对当前车辆控制策略具有的目标信心水平等级，该目标信心水平等级表征了驾驶员对自动驾驶系统所采取的控制策略的信任程度；再根据该目标信心水平等级来对当前车辆控制策略进行更新和调整，使得新的车辆控制策略能更符合驾驶员的实际行驶需求和舒适度需求，因此通过新的车辆控制策略不仅可实现自动驾驶车辆的有效控制，还能提升自动驾驶车辆的行驶安全性和乘客舒适度。
附图说明
图1为本申请车辆控制方法实施例的流程示意图；
图2本申请车辆控制装置实施例的功能模块示意图；
图3为本申请实施例方案中涉及的车辆控制设备的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
第一方面，本申请实施例提供一种车辆控制方法。
一实施例中，参照图1，图1为本申请车辆控制方法实施例的流程示意图。如图1所示，车辆控制方法包括：
步骤S10：在当前车辆控制策略下，获取驾驶员的实时姿态数据和实时生理数据以及实时环境数据。
示范性的，在本实施例中，当前车辆控制策略指的是自动驾驶车辆在当前场景下所采取的驾驶控制策略，以实现对应的驾驶任务。需要说明的是，实时姿态数据包括但不限于驾驶员的面部数据和手部数据；其中，可优选采用驾驶室内的高分辨率和广角摄像头对驾驶员进行实时拍摄且拍摄画面需覆盖驾驶员的面部和手部，以得到实时姿态图像数据，进而为信心水平评估提供重要依据。
实时生理数据包括但不限于驾驶员的心率、皮肤电活动(ElectrodermalActivity，EDA)和血压；其中，可优选采用可穿戴设备和车内固定设备，如智能手表、心率带、皮肤电活动传感器等实时监测驾驶员的心率、皮肤电活动、血压等生理指标，以得到实时生理数据，用以评估驾驶员的情绪状态和健康状况。
实时环境数据包括但不限于光照强度、温度和湿度；其中，可优选采用光线传感器、温度传感器、湿度传感器等实时检测车辆内外的环境变化，以得到实时环境数据，用于预测环境变化对驾驶员舒适度和驾驶安全性的影响；需要说明的是，还可以结合驾驶员的个性化需求和环境偏好，以为自动驾驶策略调整提供环境信息支持。
步骤S20：对所述实时姿态数据、所述实时生理数据和所述实时环境数据进行融合，得到融合数据。
示范性的，在本实施例中，将对姿态数据、生理数据和环境数据等多源感知数据进行融合，以形成一个可用于全面表征驾驶员状态感知的融合数据，实现不同数据源之间的互补和优化，进而提高评估结果的准确性和可靠性。
具体的，首先对从各个传感器接收到的原始的实时姿态数据、实时生理数据以及实时环境数据进行数据的清洗、标准化、同步化等预处理，以确保数据的准确性和一致性。需要说明的是，数据预处理的实现方法和原理是本领域的公知常识，为了描述的简洁性，在此不再赘述。
然后利用卡尔曼滤波、加权平均等融合算法预处理后的数据进行融合处理，以去除不同数据源之间的不确定性、噪声和冗余信息，并将来自不同数据源的互补信息有效地结合起来，从而提高对驾驶员状态的感知准确性和鲁棒性。应当理解的是，经融合处理后所输出的融合数据能够有效表征驾驶员的情绪状态、健康状况、对自动驾驶系统所采取的控制策略的信任程度以及对驾驶任务的注意力水平等。需要说明的是，利用卡尔曼滤波、加权平均等融合算法实现数据融合处理的方法和原理是本领域的公知常识，为了描述的简洁性，在此不再赘述。
步骤S30：将所述融合数据输入至预设的信心水平评估模型，以供所述信心水平评估模型基于所述融合数据输出目标信心水平等级，所述目标信心水平等级用于表征驾驶员对当前车辆控制策略的信任程度。
示范性的，在本实施例中，可优选采用Transformer(一种用于自然语言处理和其他序列到序列任务的深度学习模型架构)、BERT(Bidirectional EncoderRepresentations from Transformers)等深度学习模型来构建信心水平评估模型。
具体的，以Transformer深度学习模型构建信心水平评估模型为例，获取包括多组历史数据的数据集，且每组数据均包括历史姿态数据、历史生理数据以及历史环境数据；其中，可根据预设的等级标准对数据集中的各组历史数据进行信心水平等级标签的设置，该信心水平等级用于表征驾驶员对自动驾驶系统所执行的驾驶任务的信任程度，也即对自动驾驶系统所采取的车辆控制策略的信任程度。
需要说明的是，等级标准的具体内容以及信心水平等级的具体划分可根据实际需求确定，在此不作限定，比如，可以将信心水平等级划分为低、较低、中等、较高以及高五个等级；当某一组历史数据显示驾驶员面部较为松弛、脱手驾驶或者手轻握在方向盘上且没有较大动作(例如不存在打电话、喝水等动作)、心率稳定、皮肤电阻增加、外界光照充足并且温湿度适宜以及驾驶员在个性化设置中也倾向于选择在更为宽泛的环境和更激进的驾驶风格下使用自动驾驶，则可将该组历史数据的信心水平等级标签设置为高；而当某一项历史数据显示当时驾驶员面部较为紧张、手紧握方向盘或、心率不稳定、皮肤电阻降低、外界光照不足并且温湿度不适宜以及驾驶员在个性化设置中也倾向于选择在更为安全的环境和更保守的驾驶风格下使用自动驾驶，则此时可将该组历史数据的信心水平等级标签设置为低。
然后对每组历史数据依次进行预处理和融合处理，以得到每组历史数据对应的历史融合数据，可以理解的是，该历史融合数据携带有每组历史数据所对应的信心水平等级标签，则所有历史融合数据及其对应的信心水平等级标签构成训练数据集；通过该训练数据集对Transformer深度学习模型进行训练，使得模型能够学习驾驶员在不同情境场景下的信心变化，直至训练次数达到预设的迭代次数或训练损失值达到预设阈值时，停止模型训练，以实现信心水平评估模型的构建。可以理解的是，通过训练生成的信心水平评估模型可实现对驾驶员信心水平的准确预测；同时，还可通过在线学习和优化机制不断更新信心水平评估模型的模型参数和结构，以进一步提高模型对驾驶员状态感知的适应性和准确性。此外，自动驾驶系统也可通过不断学习驾驶员的驾驶行为和信心水平来优化自身的驾驶策略和参数设置；例如，根据驾驶员的驾驶习惯和信心水平变化，自动调整车速、加速度和转向角度等参数，以提高驾驶的安全性和舒适性。
因此，在步骤S20输出融合数据后，可将该融合数据输入至信心水平评估模型，以供信心水平评估模型基于该融合数据进行准确的评估预测，以输出对应的驾驶员信心水平量化评估结果，即输出驾驶员对当前车辆控制策略所具有的目标信心水平等级，且该目标信心水平等级表征了驾驶员对当前驾驶任务的信任程度。
步骤S40：基于所述目标信心水平等级对所述当前车辆控制策略进行更新，以基于新的车辆控制策略进行车辆控制。
示范性的，在本实施例中，将通过目标信心水平等级对当前车辆控制策略进行更新调整，以使得新生成的车辆控制策略能更符合驾驶员的实际行驶需求和舒适度需求，进而通过新的车辆控制策略来实现自动驾驶车辆的有效控制，从而提升自动驾驶车辆的行驶安全性和乘客舒适度。
具体的，比如当目标信心水平等级为低(也即驾驶员处于低信心水平)，则在跟车行驶时，新的车辆控制策略会使得车速显著降低以及增加与前车的距离，也即优先考虑安全距离而非效率；而在弯道行驶时，新的车辆控制策略会自动降低车速确保安全通过，同时增加车道保持辅助的强度，以减少对驾驶员的操作要求；此外，在变道和超车决策上，新的车辆控制策略会更加保守，除非必要，否则避免主动变道以减少意外风险，同时给予驾驶员更多适应时间。
当目标信心水平等级为较低时，则新的车辆控制策略对应的车速将略低于正常水平，但相较于低信心水平等级有所提升，且加速度更加平滑，以减少急加速或急减速；同时，新的车辆控制策略还会在驾驶员有变道意图时提供更多辅助，如通过视觉和声音提示周围环境，提前规划变道路径，提升驾驶员对自动驾驶的信任和参与度。此外，对于交叉口导航场景，还可以根据目标信心水平等级调整导航策略；例如，对于目标信心水平等级为较低的驾驶员，将选择更为简单、流量较小的路线，且在交叉口等待期间，也会根据目标信心水平等级来决定是否进行提前加速或保持当前速度，以减少驾驶员的紧张感。另外，对于高速公路巡航场景，可通过目标信心水平等级来调整巡航速度、跟车距离等参数；比如，对于目标信心水平等级为较低的驾驶员，将选择更保守的巡航策略，且在需要变道超车时，也会根据目标信心水平等级来决定是否自动执行变道操作或仅提供辅助提示。
当目标信心水平等级为中等时，新的车辆控制策略对应的车速和加速度将接近常规驾驶习惯，且系统在变道和超车时提供适度辅助，以允许驾驶员更多地参与到决策过程中，但随时准备介入以保障安全；同时，新的车辆控制策略还会根据环境调整灯光、空调等，以提升驾驶舒适性。
当目标信心水平等级为较高时，新的车辆控制策略对应的车速和加速度将根据驾驶需求和道路条件进行优化，且鼓励高效驾驶，如适时自动变道超车，同时保持安全距离；而在复杂环境如交叉口或恶劣天气下，新的车辆控制策略将提供精简的提示，以确保驾驶员能根据提示快速响应。
当目标信心水平等级为高时，新的车辆控制策略将允许更高的车速和更灵活的驾驶操作，具体可包括自动选择最优路线、动态调整跟车距离和自主应对复杂交通场景等；而在夜间或恶劣天气条件下，新的车辆控制策略将会根据环境调整但不过度干预，使驾驶员享受驾驶乐趣。
需要说明的是，本实施例还可以根据驾驶员的目标信心水平等级自动调整自动驾驶系统中的个性化参数和设置，以提供更符合驾驶员需求的驾驶体验；例如，在驾驶员信心水平较低时，增加系统的辅助功能和安全提示。同时，可定期主动对驾驶员的信心水平等级进行评估，并根据评估结果提供个性化的驾驶建议和反馈，这有助于驾驶员了解自己的驾驶能力和信心水平，从而更好地利用自动驾驶系统。
可见，本实施例通过融合图像识别、生理数据和环境数据的结果实现了自动驾驶策略智能化调整，对于提高驾驶安全性、增强驾驶员体验、促进智能交通系统的发展等方面都具有显著的有益效果。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为速度调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的车速计算模型和/或预设的加速度计算模型进行更新，得到更新后的车速计算模型和/或更新后的加速度计算模型；
根据所述更新后的车速计算模型和/或更新后的加速度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
示范性的，在本实施例中，将进行车速计算模型和加速度计算模型的构建，具体的，使用如下公式实现车速计算模型的建模：v＝vbase+f(c,e)，其中，v表示实际车速，vbase表示基础车速(其可根据道路限速和驾驶条件设定)，c表示驾驶员的信心水平等级(其可量化为0-4的数值)，e表示环境因素(如天气、道路条件等)，f(c,e)表示与信心水平和环境因素有关的影响函数，通过其可以实现不同的信心水平等级和环境条件的车速调整。需要说明的是，f(c,e)函数的具体形式可根据实际需求确定，在此不作限定，比如，f(c,e)＝αc+βe+γ，α、β、γ均为权重参数且具体值可以根据实际需求确定。
应当理解的是，对于弯道场景，还可以根据弯道曲率和驾驶员的信心水平等级自动调整弯道速度，即可通过弯道曲率b对车速计算模型进行更新，则v＝vbase+f(c,b)，因此能够通过f(c,b)函数实现弯道速度的自适应调整；例如，当驾驶员的目标信心水平等级为较低时，f(c,b)将会适当降低车速，以确保安全通过弯道；需要说明的是，f(c,b)函数的具体形式可根据实际需求确定，在此不作限定。此外，在弯道行驶时，对于信心水平较低的驾驶员，本实施例还可以提供更积极的车道保持辅助。
使用如下公式实现加速度计算模型的建模：a＝abase+g(c)，其中，a表示实际加速度，abase表示基础加速度(其可基于驾驶任务和道路条件设定)，g(c)表示信心水平影响函数，其可根据驾驶员信心水平等级c调整加速度的平稳性或激进性；需要说明的是，g(c)函数的具体形式可根据实际需求确定，在此不作限定。
因此，针对当前车辆控制策略所处的目标场景为速度调整场景，在确定出目标信心水平等级后，就可将目标信心水平等级代入车速计算模型和/或加速度计算模型，以得到更新后的车速计算模型和/或更新后的加速度计算模型；然后根据更新后的车速计算模型和/或更新后的加速度计算模型计算出的实际车速和/或实际加速度对当前车辆控制策略进行更新，以输出新的车辆控制策略。比如，目标信心水平等级为较低时，f(c,e)会使得新的车辆控制策略中的车速降低，以提升驾驶安全性，g(c)则会使得新的车辆控制策略中的加速度调整得更加平滑，以减少突兀感和增加安全感；而目标信心水平等级为较高时，f(c,e)会使得新的车辆控制策略中的车速提升且g(c)将允许新的车辆控制策略具有更快的加速度变化，以提升驾驶效率。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为变道调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的变道概率计算模型进行更新，得到更新后的变道概率计算模型；
根据所述更新后的变道概率计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
示范性的，在本实施例中，针对与车道选择与变道时机等相关的变道调整场景，将进行变道概率计算模型的构建；具体的，使用如下公式实现变道概率计算模型的建模：P(变道)＝h(c,t,n)，P(变道)表示变道概率，h(c,t,n)表示与驾驶员信心水平等级c、交通流量t以及周围车辆数量n有关的函数，其用于选择最佳的换道时机；需要说明的是，h(c,t,n)函数的具体形式可根据实际需求确定，在此不作限定。
因此，针对当前车辆控制策略对应的目标场景为变道调整场景，在确定出目标信心水平等级后，就可将目标信心水平等级代入变道概率计算模型，以得到更新后的变道概率计算模型；然后根据更新后的变道概率计算模型计算出的变道概率对当前车辆控制策略进行更新，以输出新的车辆控制策略。比如，目标信心水平等级为较低时，h(c,t,n)会倾向于选择在交通流量小且周围车辆少的情况下变道；反之，则在更多场景下考虑变道以提高行驶效率。此外，在换道过程中，对于信心水平较低的驾驶员，本实施例还可以通过声音、图像或其他方式提醒驾驶员注意周围车辆，并提供更明确的换道指示和更长的准备时间。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为安全距离调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的基础安全距离计算模型或预设的恶劣天气安全距离计算模型进行更新，得到更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型；
根据更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
示范性的，在本实施例中，将进行基础安全距离计算模型和恶劣天气安全距离计算模型的构建；具体的，使用如下公式实现基础安全距离计算模型的建模：D＝Dmin+k(c,v)，D表示安全距离，其由最小安全距离Dmin加上基于信心水平等级c和车速v的调整项k(c,v)组成；其中，当信心水平等级较低时，k(c,v)会增加额外的安全距离以降低碰撞风险；而当信心水平等级较高时，则k(c,v)将允许较短的安全距离以适应驾驶者的需求。需要说明的是，k(c,v)函数的具体形式可根据实际需求确定，在此不作限定。
使用如下公式实现恶劣天气安全距离计算模型的建模：Dweather＝Dclear+n(c,w)，Dweather表示在恶劣天气条件下的安全距离，Dclear表示晴朗天气下的安全距离，n(c,w)表示基于信心水平等级c及天气状况w的调整项；其中，当信心水平等级较低时，n(c,w)会增加额外的安全距离以应对更复杂的驾驶条件。需要说明的是，n(c,w)函数的具体形式可根据实际需求确定，在此不作限定。
因此，针对当前车辆控制策略所处的目标场景为安全距离调整场景，在确定出目标信心水平等级后，就可将目标信心水平等级代入基础安全距离计算模型或恶劣天气安全距离计算模型，以得到更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型；然后更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型计算出的安全距离对当前车辆控制策略进行更新，以输出新的车辆控制策略。比如，在常规天气下进行动态跟车时，若驾驶员的目标信心水平等级为较低，则k(c,v)将会使得新的车辆控制策略中的跟车距离增加，以减少追尾事故的风险；而在恶劣天气下，n(c,w)会根据目标信心水平等级来动态调整与前车的安全距离，以确保在恶劣天气下也能保持安全行驶。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为避障调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的避障程度计算模型进行更新，得到更新后的避障程度计算模型；
根据所述更新后的避障程度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
示范性的，在本实施例中，将进行避障程度计算模型的构建；具体的，使用如下公式实现避障程度计算模型的建模：Aobstacle＝l(c,d,S)，Aobsracle代表避障行动的紧迫程度或方式，l(c,d,s)表示基于信心水平等级c、障碍物距离d和障碍物速度s的函数；其中，当驾驶员的信心水平等级较低时，即使障碍物距离较远或速度较慢，l(c,d,s)也会使系统采取更早的预警和更明确的避让动作，以增强驾驶员的安全感。需要说明的是，l(c,d,s)函数的具体形式可根据实际需求确定，在此不作限定。
因此，针对当前车辆控制策略对应的目标场景为避障调整场景，在确定出目标信心水平等级后，就可将目标信心水平等级代入避障程度计算模型，以得到更新后的避障程度计算模型；然后根据更新后的避障程度计算模型计算出的避障行动紧迫程度Aobstacle对当前车辆控制策略进行更新，以输出新的车辆控制策略。比如，在行人避让场景下，当系统检测到行人时，除了基本的避让动作外，对于信心水平等级较低的驾驶员，l(c,d,s)会在新的车辆控制策略中提供更长的反应时间和更明确的避让提示(例如提高报警频率或声音等)；在紧急避让场景下，对于信心水平等级较低的驾驶员，l(c,d,s)会在新的车辆控制策略中提供更强烈的避让动作(例如输出更大的方向盘角度)和更明确的避让提示，且在避让过程中，系统还会不断评估驾驶员的信心水平等级，并据此调整避让策略。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为视野调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的亮度计算模型进行更新，得到更新后的亮度计算模型；
根据所述更新后的亮度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
示范性的，在本实施例中，针对夜间行驶的视野调整场景，将进行亮度计算模型的构建；具体的，使用如下公式实现亮度计算模型的建模：L＝Lbase+m(c)，L表示车辆灯光亮度，Lbase表示基础亮度，m(c)表示根据信心水平等级调整的增益或减益；其中，对于信心水平等级较低的驾驶员，m(c)会使灯光亮度增加，或开启更多辅助照明，以提升夜间驾驶的可见性和信心。需要说明的是，m(c)函数的具体形式可根据实际需求确定，在此不作限定。
因此，针对当前车辆控制策略对应的目标场景为视野调整场景，将根据驾驶员的信心水平等级来自动调整车辆灯光亮度和范围，以提供最佳的夜间行驶视野；具体的，在确定出目标信心水平等级后，可将目标信心水平等级代入亮度计算模型，以得到更新后的亮度计算模型；然后根据更新后的亮度计算模型计算出的车辆灯光亮度对当前车辆控制策略进行更新，以输出新的车辆控制策略。比如，在夜间行驶时，对于信心水平等级较低的驾驶员，m(c)会使得新的车辆控制策略中的灯光亮度增加，且系统还会开启更多的安全辅助系统以增强驾驶员的信心。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为模式切换调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的模式切换时间计算模型进行更新，得到更新后的模式切换时间计算模型；
根据所述更新后的模式切换时间计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
示范性的，在本实施例中，将进行模式切换时间计算模型的构建；具体的，使用如下公式实现模式切换时间计算模型的建模：Tswitch＝p(c,e)，Tswitch表示自动驾驶模式与手动驾驶模式切换的阈值时间，p(c,e)为与驾驶员信心水平等级c和环境因素e有关的函数；其中，当驾驶员信心下降时，p(c,e)会延长切换所需时间或提供更明显的提示，以保证安全过渡。
因此，针对当前车辆控制策略对应的目标场景为驾驶模式切换调整场景，在确定出目标信心水平等级后，就可将目标信心水平等级代入模式切换时间计算模型，以得到更新后的模式切换时间计算模型；然后根据更新后的模式切换时间计算模型计算出的模式切换时间阈值对当前车辆控制策略进行更新，以输出新的车辆控制策略。比如，在自动驾驶与手动驾驶切换时，如果驾驶员信心水平等级为较低时，p(c,e)会在新的车辆控制策略中延长切换所需时间，使得系统提供更长的准备时间和更明确的切换提示；且在切换过程中，系统还会持续监测驾驶员的信心水平变化，并据此调整切换的缓冲时间和安全性；如果驾驶员信心持续下降，系统可能会自动接管驾驶任务，以确保行驶安全。
综上，本实施例通过多种传感器感知监测驾驶员的姿态变化、生理变化以及车外环境变化，且据此确定出驾驶员的信心水平等级；同时通过信心水平等级调整包括车速、加速度、车道选择、变道时机、安全距离和避障策略等在内的自动驾驶策略，并可以及时发出预警，以降低事故风险，避免危险情况的发生，从而提升自动驾驶车辆的行驶安全性、乘客舒适度以及自动驾驶系统的智能化水平。此外，可通过实时反馈驾驶员的信心状态和车辆环境信息来帮助驾驶员更好地了解当前驾驶状况，且可提供个性化的驾驶设置，以提高驾驶员舒适度和产品满意度，进而增强驾驶员体验。可以理解的是，作为智能交通系统的重要组成部分，本实施例可以为系统提供准确的驾驶员状态信息，有助于在未来实现车辆间的协同驾驶和交通流的优化，且通过对大量驾驶员状态数据的分析，可以为交通规划和管理提供有力支持。
第二方面，本申请实施例还提供一种车辆控制装置。
一实施例中，参照图2，图2为本申请车辆控制装置实施例的功能模块示意图。如图2所示，车辆控制装置包括：
数据获取模块，其用于在当前车辆控制策略下，获取驾驶员的实时姿态数据和实时生理数据以及实时环境数据；
数据融合模块，其用于对所述实时姿态数据、所述实时生理数据和所述实时环境数据进行融合，得到融合数据；
信心评估模块，其用于将所述融合数据输入至预设的信心水平评估模型，以供所述信心水平评估模型基于所述融合数据输出驾驶员对当前车辆控制策略的目标信心水平等级；
车辆控制模块，其用于基于所述目标信心水平等级对所述当前车辆控制策略进行更新，以基于新的车辆控制策略进行车辆控制。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为速度调整场景，所述车辆控制模块具体用于：
基于所述目标信心水平等级对预设的车速计算模型和/或预设的加速度计算模型进行更新，得到更新后的车速计算模型和/或更新后的加速度计算模型；
根据所述更新后的车速计算模型和/或更新后的加速度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为变道调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的变道概率计算模型进行更新，得到更新后的变道概率计算模型；
根据所述更新后的变道概率计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为安全距离调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的基础安全距离计算模型或预设的恶劣天气安全距离计算模型进行更新，得到更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型；
根据更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为避障调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的避障程度计算模型进行更新，得到更新后的避障程度计算模型；
根据所述更新后的避障程度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为视野调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的亮度计算模型进行更新，得到更新后的亮度计算模型；
根据所述更新后的亮度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
进一步地，一实施例中，若所述当前车辆控制策略对应的目标场景为模式切换调整场景，所述车辆控制模块具体还用于：
基于所述目标信心水平等级对预设的模式切换时间计算模型进行更新，得到更新后的模式切换时间计算模型；
根据所述更新后的模式切换时间计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
其中，上述车辆控制装置中各个模块的功能实现与上述车辆控制方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
第三方面，本申请实施例提供一种车辆控制设备，车辆控制设备可以是个人计算机(personal computer，PC)、笔记本电脑、服务器等具有数据处理功能的设备。
参照图3，图3为本申请实施例方案中涉及的车辆控制设备的硬件结构示意图。本申请实施例中，车辆控制设备可以包括处理器、存储器、通信接口以及通信总线。
其中，通信总线可以是任何类型的，用于实现处理器、存储器以及通信接口互连。
通信接口包括输入/输出(input/output，I/O)接口、物理接口和逻辑接口等用于实现车辆控制设备内部的器件互连的接口，以及用于实现车辆控制设备与其他设备(例如其他计算设备或用户设备)互连的接口。物理接口可以是以太网接口、光纤接口、ATM接口等；用户设备可以是显示屏(Display)、键盘(Keyboard)等。
存储器可以是各种类型的存储介质，例如随机存取存储器(randomaccessmemory，RAM)、只读存储器(read-only memory，ROM)、非易失性RAM(non-volatileRAM，NVRAM)、闪存、光存储器、硬盘、可编程ROM(programmable ROM，PROM)、可擦除PROM(erasable PROM，EPROM)、电可擦除PROM(electrically erasable PROM，EEPROM)等。
处理器可以是通用处理器，通用处理器可以调用存储器中存储的车辆控制程序，并执行本申请实施例提供的车辆控制方法。例如，通用处理器可以是中央处理器(centralprocessing unit，CPU)。其中，车辆控制程序被调用时所执行的方法可参照本申请车辆控制方法的各个实施例，此处不再赘述。
本领域技术人员可以理解，图3中示出的硬件结构并不构成对本申请的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
第四方面，本申请实施例还提供一种计算机可读存储介质。
本申请可读存储介质上存储有车辆控制程序，其中所述车辆控制程序被处理器执行时，实现如上述的车辆控制方法的步骤。
其中，车辆控制程序被执行时所实现的方法可参照本申请车辆控制方法的各个实施例，此处不再赘述。
需要说明的是，上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。术语“第一”、“第二”和“第三”等描述，是用于区分不同的对象等，其不代表先后顺序，也不限定“第一”、“第二”和“第三”是不同的类型。
在本申请实施例的描述中，“示例性的”、“例如”或者“举例来说”等用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；文本中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
在本申请实施例描述的一些流程中，包含了按照特定顺序出现的多个操作或步骤，但是应该理解，这些操作或步骤可以不按照其在本申请实施例中出现的顺序来执行或并行执行，操作的序号仅用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作或步骤可以按顺序执行或并行执行，并且这些操作或步骤可以进行组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种车辆控制方法，其特征在于，所述车辆控制方法包括：
在当前车辆控制策略下，获取驾驶员的实时姿态数据和实时生理数据以及实时环境数据；
对所述实时姿态数据、所述实时生理数据和所述实时环境数据进行融合，得到融合数据；
将所述融合数据输入至预设的信心水平评估模型，以供所述信心水平评估模型基于所述融合数据输出目标信心水平等级，所述目标信心水平等级用于表征驾驶员对当前车辆控制策略的信任程度；
基于所述目标信心水平等级对所述当前车辆控制策略进行更新，以基于新的车辆控制策略进行车辆控制。
2.如权利要求1所述的车辆控制方法，其特征在于，若所述当前车辆控制策略对应的目标场景为速度调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的车速计算模型和/或预设的加速度计算模型进行更新，得到更新后的车速计算模型和/或更新后的加速度计算模型；
根据所述更新后的车速计算模型和/或更新后的加速度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
3.如权利要求1所述的车辆控制方法，其特征在于，若所述当前车辆控制策略对应的目标场景为变道调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的变道概率计算模型进行更新，得到更新后的变道概率计算模型；
根据所述更新后的变道概率计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
4.如权利要求1所述的车辆控制方法，其特征在于，若所述当前车辆控制策略对应的目标场景为安全距离调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的基础安全距离计算模型或预设的恶劣天气安全距离计算模型进行更新，得到更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型；
根据更新后的基础安全距离计算模型或更新后的恶劣天气安全距离计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
5.如权利要求1所述的车辆控制方法，其特征在于，若所述当前车辆控制策略对应的目标场景为避障调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的避障程度计算模型进行更新，得到更新后的避障程度计算模型；
根据所述更新后的避障程度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
6.如权利要求1所述的车辆控制方法，其特征在于，若所述当前车辆控制策略对应的目标场景为视野调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的亮度计算模型进行更新，得到更新后的亮度计算模型；
根据所述更新后的亮度计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
7.如权利要求1所述的车辆控制方法，其特征在于，若所述当前车辆控制策略对应的目标场景为模式切换调整场景，所述基于所述目标信心水平等级对所述当前车辆控制策略进行更新，包括：
基于所述目标信心水平等级对预设的模式切换时间计算模型进行更新，得到更新后的模式切换时间计算模型；
根据所述更新后的模式切换时间计算模型对所述当前车辆控制策略进行更新，以输出新的车辆控制策略。
8.一种车辆控制装置，其特征在于，所述车辆控制装置包括：
数据获取模块，其用于在当前车辆控制策略下，获取驾驶员的实时姿态数据和实时生理数据以及实时环境数据；
数据融合模块，其用于对所述实时姿态数据、所述实时生理数据和所述实时环境数据进行融合，得到融合数据；
信心评估模块，其用于将所述融合数据输入至预设的信心水平评估模型，以供所述信心水平评估模型基于所述融合数据输出驾驶员对当前车辆控制策略的目标信心水平等级；
车辆控制模块，其用于基于所述目标信心水平等级对所述当前车辆控制策略进行更新，以基于新的车辆控制策略进行车辆控制。
9.一种车辆控制设备，其特征在于，所述车辆控制设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的车辆控制程序，其中所述车辆控制程序被所述处理器执行时，实现如权利要求1至7中任一项所述的车辆控制方法的步骤。
10.一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上存储有车辆控制程序，其中所述车辆控制程序被处理器执行时，实现如权利要求1至7中任一项所述的车辆控制方法的步骤。
CN202411138150.9A 2024-08-19 2024-08-19 车辆控制方法、装置、设备及计算机可读存储介质 Pending CN118907143A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411138150.9A CN118907143A (zh) 2024-08-19 2024-08-19 车辆控制方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411138150.9A CN118907143A (zh) 2024-08-19 2024-08-19 车辆控制方法、装置、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN118907143A true CN118907143A (zh) 2024-11-08

Family

ID=93299270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411138150.9A Pending CN118907143A (zh) 2024-08-19 2024-08-19 车辆控制方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN118907143A (zh)

Similar Documents

Publication Publication Date Title
US12145603B2 (en) Assistance method and assistance system and assistance device using assistance method that execute processing relating to a behavior model
WO2019095937A1 (zh) 一种碰撞预警方法及装置
US7974748B2 (en) Driver assistance system with vehicle states, environment and driver intention
JP6558735B2 (ja) 運転支援方法およびそれを利用した運転支援装置、運転制御装置、車両、運転支援プログラム
CN112989907A (zh) 使用空间模型的基于神经网络的注视方向确定
US20130325202A1 (en) Neuro-cognitive driver state processing
US10789836B2 (en) Driving assistance method and driving assistance system with improved response quality for driver attention delegation
US11964671B2 (en) System and method for improving interaction of a plurality of autonomous vehicles with a driving environment including said vehicles
WO2018168051A1 (ja) 集中度判定装置、集中度判定方法及び集中度判定のためのプログラム
JP7075189B2 (ja) 運転席と少なくとも一つの乗員席とを備える車両、及び、交代運転者及び又は少なくとも一人の同乗者に現在経験されている運転状況についての情報を提供する方法
WO2019069999A1 (ja) 眠気度予測装置及び眠気度予測方法
EP3892511A1 (en) Method and system for modifying a self-driving model
CN113825666A (zh) 用于个性化地使用通信装置的方法
CN110758388A (zh) 自动驾驶车辆以及自动驾驶控制方法和装置
US12189348B2 (en) Generation and presentation of explanations related to behavior of an automated control system
CN118907143A (zh) 车辆控制方法、装置、设备及计算机可读存储介质
CN119160204A (zh) 用于提供交通情况的显示的方法
CN117465459A (zh) 车辆控制方法、装置、设备及存储介质
JP2018149940A (ja) 集中度判定装置、集中度判定方法及び集中度判定のためのプログラム
CN116101303B (zh) 一种车辆辅助驾驶方法、系统、装置和存储介质
JP7468329B2 (ja) 運転支援装置、運転支援方法、運転支援プログラム
US20250050895A1 (en) Control device
US20240331315A1 (en) Method for ascertaining a configuration of a user-state-dependent output of information for a user of an ar device, and ar device
CN118843573A (zh) 向驾驶车辆的人员发出接管车辆控制的建议的车辆和方法
CN118306418A (zh) 一种智能座舱仿生眼机器人舱驾融合感知决策方法及系统

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