CN109649395B - 一种基于计算资源的自动驾驶调整方法及车载设备 - Google Patents
一种基于计算资源的自动驾驶调整方法及车载设备 Download PDFInfo
- Publication number
- CN109649395B CN109649395B CN201811636306.0A CN201811636306A CN109649395B CN 109649395 B CN109649395 B CN 109649395B CN 201811636306 A CN201811636306 A CN 201811636306A CN 109649395 B CN109649395 B CN 109649395B
- Authority
- CN
- China
- Prior art keywords
- level
- computing resource
- range
- sub
- abnormal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 237
- 230000005856 abnormality Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 239000000523 sample Substances 0.000 claims 4
- 239000000758 substrate Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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
-
- 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
- B60W40/10—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 vehicle motion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及一种基于计算资源的自动驾驶调整方法及车载设备，其中，方法包括：获取计算资源的信息和车辆的信息；基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级；基于所述计算资源异常等级，确定自动驾驶调整信息。本发明实施例通过获取计算资源的信息和车辆的信息，可基于这两种信息确定计算资源异常等级，进而基于计算资源异常等级，可确定自动驾驶调整信息，在计算资源异常时，适应性降低自动驾驶***的处理能力，从而使自动驾驶***满足实时性需求，不会导致自动驾驶***产生不可预计的后果。
Description
技术领域
本发明实施例涉及车辆自动驾驶技术领域，具体涉及一种基于计算资源的自动驾驶调整方法及车载设备。
背景技术
目前，自动驾驶车辆通过自动驾驶***实现自动驾驶的决策规划。自动驾驶***是运行在操作***上的软件***，其实现自动驾驶决策规划需要消耗车载硬件***的计算资源。车载硬件***是支持操作***运行的硬件***，其计算能力会直接影响自动驾驶***决策规划的可靠性。
但是在自动驾驶***运行过程中，车载硬件***的计算能力可能无法满足自动驾驶***的实时性需求，例如车载硬件***温度太高，车载硬件***中的CPU(CentralProcessing Unit，中央处理器)或GPU(Graphics Processing Unit，图形处理器)需要降频运行以降低温度，导致车载硬件***的计算能力将无法满足自动驾驶***的实时性需求，使自动驾驶***的决策规划不可靠，导致自动驾驶***产生不可预计的后果。
发明内容
为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种基于计算资源的自动驾驶调整方法及车载设备。
第一方面，本发明实施例提出一种基于计算资源的自动驾驶调整方法，所述方法包括：
获取计算资源的信息和车辆的信息；
基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级；
基于所述计算资源异常等级，确定自动驾驶调整信息。
基于第一方面，在第一方面第一实施例中，所述车辆的信息包括：车辆状态信息和/或车内环境信息。
基于第一方面第一实施例，在第一方面第二实施例中，所述计算资源的信息包括：CPU温度、机箱温度、CPU主频或设备故障码的数量；所述车辆状态信息包括车速；所述车内环境信息包括湿度。
基于第一方面第一实施例，在第一方面第三实施例中，所述计算资源的信息包括：多个参数的值，所述多个参数包括：CPU温度、机箱温度、CPU主频和设备故障码的数量中的至少两个；所述车辆状态信息包括车速；所述车内环境信息包括湿度。
基于第一方面第二实施例，在第一方面第四实施例中，基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述计算资源的信息异常且所述车速大于车速阈值，则确定计算资源异常等级为第一等级；
若所述计算资源的信息异常且所述车速小于等于车速阈值，则确定计算资源异常等级为第二等级；
其中，所述第一等级的级别高于所述第二等级的级别。
基于第一方面第四实施例，在第一方面第五实施例中，基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第一等级，则所述自动驾驶调整信息包括：车速为第一限速且车辆周围环境的感知范围为第一范围；
若所述计算资源异常等级为第二等级，则所述自动驾驶调整信息包括：车速为第二限速且车辆周围环境的感知范围为第二范围；
其中，所述第一限速小于所述第二限速；所述第一范围大于所述第二范围。
基于第一方面第三实施例，在第一方面第六实施例中，基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述多个参数的值均异常且所述车速大于车速阈值，则确定计算资源异常等级为第三等级中的第一子等级；
若至少一个参数的值异常且所述车速大于车速阈值，则确定计算资源异常等级为第三等级中的第二子等级；
若所述多个参数的值均异常且所述车速小于等于车速阈值，则确定计算资源异常等级为第四等级中的第一子等级；
若至少一个参数的值异常且所述车速小于等于车速阈值，则确定计算资源异常等级为第四等级中的第二子等级；
其中，所述第三等级的级别高于所述第四等级的级别；所述第一子等级的级别高于所述第二子等级的级别。
基于第一方面第六实施例，在第一方面第七实施例中，基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第三等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第三限速中的第一子限速且车辆周围环境的感知范围为第三范围中的第一子范围；
若所述计算资源异常等级为第三等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第三限速中的第二子限速且车辆周围环境的感知范围为第三范围中的第二子范围；
若所述计算资源异常等级为第四等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第四限速中的第一子限速且车辆周围环境的感知范围为第四范围中的第一子范围；
若所述计算资源异常等级为第四等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第四限速中的第二子限速且车辆周围环境的感知范围为第四范围中的第二子范围；
其中，所述第三限速小于所述第四限速；所述第三范围大于所述第四范围；所述第一子限速小于所述第二子限速；所述第一子范围大于所述第二子范围。
基于第一方面第二实施例，在第一方面第八实施例中，基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述计算资源的信息异常且所述湿度大于湿度阈值，则确定计算资源异常等级为第五等级；
若所述计算资源的信息异常且所述湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级；
其中，所述第五等级的级别高于所述第六等级的级别。
基于第一方面第八实施例，在第一方面第九实施例中，基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第五等级，则所述自动驾驶调整信息包括：车速为第五限速且车辆周围环境的感知范围为第五范围；
若所述计算资源异常等级为第六等级，则所述自动驾驶调整信息包括：车速为第六限速且车辆周围环境的感知范围为第六范围；
其中，所述第五限速小于所述第六限速；所述第五范围大于所述第六范围。
基于第一方面第三实施例，在第一方面第十实施例中，基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述多个参数的值均异常且所述湿度大于湿度阈值，则确定计算资源异常等级为第五等级中的第一子等级；
若至少一个参数的值异常且所述湿度大于湿度阈值，则确定计算资源异常等级为第五等级中的第二子等级；
若所述多个参数的值均异常且所述湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级中的第一子等级；
若至少一个参数的值异常且所述湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级中的第二子等级；
其中，所述第五等级的级别高于所述第六等级的级别；所述第一子等级的级别高于所述第二子等级的级别。
基于第一方面第十实施例，在第一方面第十一实施例中，基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第五等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第五限速中的第一子限速且车辆周围环境的感知范围为第五范围中的第一子范围；
若所述计算资源异常等级为第五等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第五限速中的第二子限速且车辆周围环境的感知范围为第五范围中的第二子范围；
若所述计算资源异常等级为第六等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第六限速中的第一子限速且车辆周围环境的感知范围为第六范围中的第一子范围；
若所述计算资源异常等级为第六等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第六限速中的第二子限速且车辆周围环境的感知范围为第六范围中的第二子范围；
其中，所述第五限速小于所述第六限速；所述第五范围大于所述第六范围；所述第一子限速小于所述第二子限速；所述第一子范围大于所述第二子范围。
基于第一方面第二实施例，在第一方面第十二实施例中，基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述计算资源的信息异常、所述湿度大于湿度阈值且所述车速大于车速阈值，确定计算资源异常等级为第七等级；
若所述计算资源的信息异常、所述湿度小于等于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第八等级；
若所述计算资源的信息异常、所述湿度大于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第九等级；
若所述计算资源的信息异常、所述湿度小于等于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第十等级；
其中，所述第七等级、所述第八等级、所述第九等级和所述第十等级的级别依次降低。
基于第一方面第十二实施例，在第一方面第十三实施例中，基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第七等级，则所述自动驾驶调整信息包括：车速为第七限速且车辆周围环境的感知范围为第七范围；
若所述计算资源异常等级为第八等级，则所述自动驾驶调整信息包括：车速为第八限速且车辆周围环境的感知范围为第八范围；
若所述计算资源异常等级为第九等级，则所述自动驾驶调整信息包括：车速为第九限速且车辆周围环境的感知范围为第九范围；
若所述计算资源异常等级为第十等级，则所述自动驾驶调整信息包括：车速为第十限速且车辆周围环境的感知范围为第十范围；
其中，所述第七限速、所述第八限速、所述第九限速和所述第十限速依次增大；
所述第七范围、所述第八范围、所述第九范围和所述第十范围依次减小。
基于第一方面第三实施例，在第一方面第十四实施例中，基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述多个参数的值均异常、所述湿度大于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第七等级中的第一子等级；
若至少一个参数的值异常、所述湿度大于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第七等级中的第二子等级；
若所述多个参数的值均异常、所述湿度小于等于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第八等级中的第一子等级；
若至少一个参数的值异常、所述湿度小于等于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第八等级中的第二子等级；
若所述多个参数的值均异常、所述湿度大于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第九等级中的第一子等级；
若至少一个参数的值异常、所述湿度大于湿度阈值且所述车速小于等于车速阈值，则确定所述车载硬件***的计算资源异常等级为第九等级中的第二子等级；
若所述多个参数的值均异常、所述湿度小于等于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第十等级中的第一子等级；
若至少一个参数的值异常、所述湿度小于等于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第十等级中的第二子等级；
其中，所述第七等级、所述第八等级、所述第九等级和所述第十等级的级别依次降低；所述第一子等级的级别高于所述第二子等级的级别。
基于第一方面第十四实施例，在第一方面第十五实施例中，基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第七等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第七限速中的第一子限速且车辆周围环境的感知范围为第七范围中的第一子范围；
若所述计算资源异常等级为第七等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第七限速中的第二子限速且车辆周围环境的感知范围为第七范围中的第二子范围；
若所述计算资源异常等级为第八等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第八限速中的第一子限速且车辆周围环境的感知范围为第八范围中的第一子范围；
若所述计算资源异常等级为第八等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第八限速中的第二子限速且车辆周围环境的感知范围为第八范围中的第二子范围；
若所述计算资源异常等级为第九等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第九限速中的第一子限速且车辆周围环境的感知范围为第九范围中的第一子范围；
若所述计算资源异常等级为第九等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第九限速中的第二子限速且车辆周围环境的感知范围为第九范围中的第二子范围；
若所述计算资源异常等级为第十等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第十限速中的第一子限速且车辆周围环境的感知范围为第十范围中的第一子范围；
若所述计算资源异常等级为第十等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第十限速中的第二子限速且车辆周围环境的感知范围为第十范围中的第二子范围；
其中，所述第七限速、所述第八限速、所述第九限速和所述第十限速依次增大；
所述第七范围、所述第八范围、所述第九范围和所述第十范围依次减小。
基于第一方面第十二或第十三实施例，在第一方面第十六实施例中，若所述计算资源的信息为CPU温度，则所述计算资源的信息异常为CPU温度大于温度阈值；
若所述计算资源的信息为机箱温度，则所述计算资源的信息异常为机箱温度大于机箱温度阈值；
若所述计算资源的信息为CPU主频，则所述计算资源的信息异常为CPU主频大于CPU主频阈值；
若所述计算资源的信息为设备故障码的数量，则所述计算资源的信息异常为设备故障码的数量大于数量阈值。
第二方面，本发明实施例还提出一种车载设备，包括：
处理器、存储器和用户接口；
所述处理器、存储器和用户接口通过总线***耦合在一起；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如第一方面所述方法的步骤。
可见，本发明实施例的至少一个实施例中，通过获取计算资源的信息和车辆的信息，可基于这两种信息确定计算资源异常等级，进而基于计算资源异常等级，可确定自动驾驶调整信息，在计算资源异常时，适应性降低自动驾驶***的处理能力，从而使自动驾驶***满足实时性需求，不会导致自动驾驶***产生不可预计的后果。
附图说明
图1为本发明实施例提供的一种车载设备的结构示意图；
图2为本发明实施例提供的一种自动驾驶***、操作***、车载硬件***的架构示意图；
图3为本发明实施例提供的一种基于计算资源的自动驾驶调整方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
图1是本发明实施例提供的一种车载设备的结构示意图。
图1所示的车载设备包括：至少一个处理器101、至少一个存储器102和其他的用户接口103。车载设备中的各个组件通过总线***104耦合在一起。可理解，总线***104用于实现这些组件之间的连接通信。总线***104除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图1中将各种总线都标为总线***104。
其中，用户接口103可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)或者触感板等。
可以理解，本实施例中的存储器102可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(StaticRAM，SRAM)、动态随机存取存储器(DynamicRAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM，DRRAM)。本文描述的存储器102旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器102存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作***1021和应用程序1022。
其中，操作***1021，包含各种***程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序1022，包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1022中。
在本发明实施例中，处理器101通过调用存储器102存储的程序或指令，具体的，可以是应用程序1022中存储的程序或指令，处理器101用于执行基于计算资源的自动驾驶调整方法各实施例所提供的方法步骤，例如包括以下步骤一至步骤四：
步骤一、获取计算资源的信息和车辆的信息；
步骤二、基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级；
步骤三、基于所述计算资源异常等级，确定自动驾驶调整信息。
上述本发明实施例揭示的方法可以应用于处理器101中，或者由处理器101实现。处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit，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发明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。结合本发明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单元组合执行完成。软件单元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102，处理器101读取存储器102中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，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发明的范围。
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。
在本申请所提供的实施例中，应该理解到，方法实施例的步骤之间除非存在明确的先后顺序，否则执行顺序可任意调整。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***，或一些特征可以忽略，或不执行。另一点，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，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，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，本发明实施例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，包括若干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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：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。
图2为自动驾驶***、操作***、车载硬件***的架构示意图，图2中，自动驾驶***是运行在操作***上的软件***，其实现自动驾驶决策规划需要消耗车载硬件***的计算资源。车载硬件***是支持操作***运行的硬件***，其计算能力会直接影响自动驾驶***决策规划的可靠性。基于计算资源的自动驾驶调整装置为实现基于计算资源的自动驾驶调整方法的软件架构，其也是运行在操作***上的软件***。
图3为本发明实施例提供的一种基于计算资源的自动驾驶调整方法，可包括以下步骤301至303：
301、获取计算资源的信息和车辆的信息；
302、基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级；
303、基于所述计算资源异常等级，确定自动驾驶调整信息。
本实施例中，通过获取计算资源的信息和车辆的信息，可基于这两种信息确定计算资源异常等级，进而基于计算资源异常等级，可确定自动驾驶调整信息，在计算资源异常时，适应性降低自动驾驶***的处理能力，从而使自动驾驶***满足实时性需求，不会导致自动驾驶***产生不可预计的后果。
在一些实施例中，车辆的信息包括但不限于车辆状态信息。车辆状态信息包括但不限于车速。计算资源的信息为CPU温度、机箱温度、CPU主频和设备故障码的数量中的任意一个。
相应地，步骤302为基于计算资源的信息和车辆状态信息，确定计算资源异常等级，具体可包括以下内容(1)和(2)：
(1)若计算资源的信息异常且车速大于车速阈值，则确定计算资源异常等级为第一等级；
(2)若计算资源的信息异常且车速小于等于车速阈值，则确定计算资源异常等级为第二等级；
其中，第一等级的级别高于第二等级的级别。
相应地，步骤303所述基于计算资源异常等级，确定自动驾驶调整信息，可包括以下内容(1)和(2)：
(1)若计算资源异常等级为第一等级，则自动驾驶调整信息包括：车速为第一限速且车辆周围环境的感知范围为第一范围；
(2)若计算资源异常等级为第二等级，则自动驾驶调整信息包括：车速为第二限速且车辆周围环境的感知范围为第二范围；
其中，第一限速小于所述第二限速；第一范围大于所述第二范围。
在一些实施例中，车辆的信息包括但不限于车辆状态信息。车辆状态信息包括但不限于车速。计算资源的信息包括多个参数的值，多个参数包括但不限于CPU温度、机箱温度、CPU主频和设备故障码的数量中的至少两个。
相应地，步骤302为基于计算资源的信息和车辆状态信息，确定计算资源异常等级，具体可包括以下内容(1)至(4)：
(1)若多个参数的值均异常且车速大于车速阈值，则确定计算资源异常等级为第三等级中的第一子等级；
(2)若至少一个参数的值异常且车速大于车速阈值，则确定计算资源异常等级为第三等级中的第二子等级；
(3)若多个参数的值均异常且车速小于等于车速阈值，则确定计算资源异常等级为第四等级中的第一子等级；
(4)若至少一个参数的值异常且车速小于等于车速阈值，则确定计算资源异常等级为第四等级中的第二子等级；
其中，第三等级的级别高于第四等级的级别；第一子等级的级别高于第二子等级的级别。
相应地，步骤303所述基于计算资源异常等级，确定自动驾驶调整信息，可包括以下内容(1)至(4)：
(1)若计算资源异常等级为第三等级中的第一子等级，则自动驾驶调整信息包括：车速为第三限速中的第一子限速且车辆周围环境的感知范围为第三范围中的第一子范围；
(2)若计算资源异常等级为第三等级中的第二子等级，则自动驾驶调整信息包括：车速为第三限速中的第二子限速且车辆周围环境的感知范围为第三范围中的第二子范围；
(3)若计算资源异常等级为第四等级中的第一子等级，则自动驾驶调整信息包括：车速为第四限速中的第一子限速且车辆周围环境的感知范围为第四范围中的第一子范围；
(4)若计算资源异常等级为第四等级中的第二子等级，则自动驾驶调整信息包括：车速为第四限速中的第二子限速且车辆周围环境的感知范围为第四范围中的第二子范围；
其中，第三限速小于第四限速；第三范围大于第四范围；第一子限速小于第二子限速；第一子范围大于第二子范围。
在一些实施例中，车辆的信息包括但不限于车内环境信息。车内环境信息包括但不限于湿度。计算资源的信息为CPU温度、机箱温度、CPU主频和设备故障码的数量中的任意一个。
相应地，步骤302为基于计算资源的信息和车内环境信息，确定计算资源异常等级，具体可包括以下内容(1)和(2)：
(1)若计算资源的信息异常且所述湿度大于湿度阈值，则确定计算资源异常等级为第五等级；
(2)若计算资源的信息异常且所述湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级；
其中，第五等级的级别高于第六等级的级别。
相应地，步骤303所述基于计算资源异常等级，确定自动驾驶调整信息，可包括以下内容(1)和(2)：
(1)若计算资源异常等级为第五等级，则自动驾驶调整信息包括：车速为第五限速且车辆周围环境的感知范围为第五范围；
(2)若计算资源异常等级为第六等级，则自动驾驶调整信息包括：车速为第六限速且车辆周围环境的感知范围为第六范围；
其中，第五限速小于第六限速；第五范围大于第六范围。
在一些实施例中，车辆的信息包括但不限于车内环境信息。车内环境信息包括但不限于湿度。计算资源的信息包括多个参数的值，多个参数包括但不限于CPU温度、机箱温度、CPU主频和设备故障码的数量中的至少两个。
相应地，步骤302为基于计算资源的信息和车内环境信息，确定计算资源异常等级，具体可包括以下内容(1)至(4)：
(1)若多个参数的值均异常且湿度大于湿度阈值，则确定计算资源异常等级为第五等级中的第一子等级；
(2)若至少一个参数的值异常且湿度大于湿度阈值，则确定计算资源异常等级为第五等级中的第二子等级；
(3)若多个参数的值均异常且湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级中的第一子等级；
(4)若至少一个参数的值异常且湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级中的第二子等级；
其中，第五等级的级别高于第六等级的级别；第一子等级的级别高于第二子等级的级别。
相应地，步骤303所述基于计算资源异常等级，确定自动驾驶调整信息，可包括以下内容(1)至(4)：
(1)若计算资源异常等级为第五等级中的第一子等级，则自动驾驶调整信息包括：车速为第五限速中的第一子限速且车辆周围环境的感知范围为第五范围中的第一子范围；
(2)若计算资源异常等级为第五等级中的第二子等级，则自动驾驶调整信息包括：车速为第五限速中的第二子限速且车辆周围环境的感知范围为第五范围中的第二子范围；
(3)若计算资源异常等级为第六等级中的第一子等级，则自动驾驶调整信息包括：车速为第六限速中的第一子限速且车辆周围环境的感知范围为第六范围中的第一子范围；
(4)若计算资源异常等级为第六等级中的第二子等级，则自动驾驶调整信息包括：车速为第六限速中的第二子限速且车辆周围环境的感知范围为第六范围中的第二子范围；
其中，第五限速小于第六限速；第五范围大于第六范围；第一子限速小于第二子限速；第一子范围大于第二子范围。
在一些实施例中，车辆的信息包括但不限于车辆状态信息和车内环境信息。车辆状态信息包括但不限于车速。车内环境信息包括但不限于湿度。计算资源的信息为CPU温度、机箱温度、CPU主频和设备故障码的数量中的任意一个。
相应地，步骤302为基于计算资源的信息、车辆状态信息和车内环境信息，确定计算资源异常等级，具体可包括以下内容(1)至(4)：
(1)若计算资源的信息异常、湿度大于湿度阈值且车速大于车速阈值，确定计算资源异常等级为第七等级；
(2)若计算资源的信息异常、湿度小于等于湿度阈值且车速大于车速阈值，则确定计算资源异常等级为第八等级；
(3)若计算资源的信息异常、湿度大于湿度阈值且车速小于等于车速阈值，则确定计算资源异常等级为第九等级；
(4)若计算资源的信息异常、湿度小于等于湿度阈值且车速小于等于车速阈值，则确定计算资源异常等级为第十等级；
其中，第七等级、第八等级、第九等级和第十等级的级别依次降低。
相应地，步骤303所述基于计算资源异常等级，确定自动驾驶调整信息，可包括以下内容(1)至(4)：
(1)若计算资源异常等级为第七等级，则自动驾驶调整信息包括：车速为第七限速且车辆周围环境的感知范围为第七范围；
(2)若计算资源异常等级为第八等级，则自动驾驶调整信息包括：车速为第八限速且车辆周围环境的感知范围为第八范围；
(3)若计算资源异常等级为第九等级，则自动驾驶调整信息包括：车速为第九限速且车辆周围环境的感知范围为第九范围；
(4)若计算资源异常等级为第十等级，则自动驾驶调整信息包括：车速为第十限速且车辆周围环境的感知范围为第十范围；
其中，第七限速、第八限速、第九限速和第十限速依次增大；第七范围、第八范围、第九范围和第十范围依次减小。
在一些实施例中，车辆的信息包括但不限于车辆状态信息和车内环境信息。车辆状态信息包括但不限于车速。车内环境信息包括但不限于湿度。计算资源的信息包括多个参数的值，多个参数包括但不限于CPU温度、机箱温度、CPU主频和设备故障码的数量中的至少两个。
相应地，步骤302为基于计算资源的信息、车辆状态信息和车内环境信息，确定计算资源异常等级，具体可包括以下内容(1)至(8)：
(1)若多个参数的值均异常、湿度大于湿度阈值且车速大于车速阈值，则确定计算资源异常等级为第七等级中的第一子等级；
(2)若至少一个参数的值异常、湿度大于湿度阈值且车速大于车速阈值，则确定计算资源异常等级为第七等级中的第二子等级；
(3)若多个参数的值均异常、湿度小于等于湿度阈值且车速大于车速阈值，则确定计算资源异常等级为第八等级中的第一子等级；
(4)若至少一个参数的值异常、湿度小于等于湿度阈值且车速大于车速阈值，则确定计算资源异常等级为第八等级中的第二子等级；
(5)若多个参数的值均异常、湿度大于湿度阈值且车速小于等于车速阈值，则确定计算资源异常等级为第九等级中的第一子等级；
(6)若至少一个参数的值异常、湿度大于湿度阈值且车速小于等于车速阈值，则确定车载硬件***的计算资源异常等级为第九等级中的第二子等级；
(7)若多个参数的值均异常、湿度小于等于湿度阈值且车速小于等于车速阈值，则确定计算资源异常等级为第十等级中的第一子等级；
(8)若至少一个参数的值异常、湿度小于等于湿度阈值且车速小于等于车速阈值，则确定计算资源异常等级为第十等级中的第二子等级；
其中，第七等级、第八等级、第九等级和第十等级的级别依次降低；第一子等级的级别高于第二子等级的级别。
相应地，步骤303所述基于计算资源异常等级，确定自动驾驶调整信息，可包括以下内容(1)至(8)：
(1)若计算资源异常等级为第七等级中的第一子等级，则自动驾驶调整信息包括：车速为第七限速中的第一子限速且车辆周围环境的感知范围为第七范围中的第一子范围；
(2)若计算资源异常等级为第七等级中的第二子等级，则自动驾驶调整信息包括：车速为第七限速中的第二子限速且车辆周围环境的感知范围为第七范围中的第二子范围；
(3)若计算资源异常等级为第八等级中的第一子等级，则自动驾驶调整信息包括：车速为第八限速中的第一子限速且车辆周围环境的感知范围为第八范围中的第一子范围；
(4)若计算资源异常等级为第八等级中的第二子等级，则自动驾驶调整信息包括：车速为第八限速中的第二子限速且车辆周围环境的感知范围为第八范围中的第二子范围；
(5)若计算资源异常等级为第九等级中的第一子等级，则自动驾驶调整信息包括：车速为第九限速中的第一子限速且车辆周围环境的感知范围为第九范围中的第一子范围；
(6)若计算资源异常等级为第九等级中的第二子等级，则自动驾驶调整信息包括：车速为第九限速中的第二子限速且车辆周围环境的感知范围为第九范围中的第二子范围；
(7)若计算资源异常等级为第十等级中的第一子等级，则自动驾驶调整信息包括：车速为第十限速中的第一子限速且车辆周围环境的感知范围为第十范围中的第一子范围；
(8)若计算资源异常等级为第十等级中的第二子等级，则自动驾驶调整信息包括：车速为第十限速中的第二子限速且车辆周围环境的感知范围为第十范围中的第二子范围；
其中，第七限速、第八限速、第九限速和第十限速依次增大；第七范围、第八范围、第九范围和第十范围依次减小。
在一些实施例中，若计算资源的信息为CPU温度，则计算资源的信息异常为CPU温度大于温度阈值；
若计算资源的信息为机箱温度，则计算资源的信息异常为机箱温度大于机箱温度阈值；
若计算资源的信息为CPU主频，则计算资源的信息异常为CPU主频大于CPU主频阈值；
若计算资源的信息为设备故障码的数量，则计算资源的信息异常为设备故障码的数量大于数量阈值。
以上实施例中提及的各种阈值、各种限速、各种范围可根据实际情况进行设置，本文不限定具体取值。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (16)
1.一种基于计算资源的自动驾驶调整方法，其特征在于，包括：
获取计算资源的信息和车辆的信息；
基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级；其中，计算资源异常表示车载硬件***的计算能力无法满足自动驾驶***的实时性需求；
基于所述计算资源异常等级，确定自动驾驶调整信息，所述自动驾驶调整信息用于降低自动驾驶***的处理能力，使自动驾驶***满足实时性需求；
所述基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：若所述计算资源的信息异常且车速大于车速阈值，则确定计算资源异常等级为第一等级；若所述计算资源的信息异常且所述车速小于等于车速阈值，则确定计算资源异常等级为第二等级；其中，所述第一等级的级别高于所述第二等级的级别；
所述基于所述计算资源异常等级，确定自动驾驶调整信息，包括：若所述计算资源异常等级为第一等级，则所述自动驾驶调整信息包括：车速为第一限速且车辆周围环境的感知范围为第一范围；若所述计算资源异常等级为第二等级，则所述自动驾驶调整信息包括：车速为第二限速且车辆周围环境的感知范围为第二范围；其中，所述第一限速小于所述第二限速；所述第一范围大于所述第二范围，且所述第一范围和所述第二范围均小于计算资源正常时的感知范围。
2.根据权利要求1所述的方法，其特征在于，所述车辆的信息包括：车辆状态信息和/或车内环境信息。
3.根据权利要求2所述的方法，其特征在于，所述计算资源的信息包括：CPU温度、机箱温度、CPU主频或设备故障码的数量；所述车辆状态信息包括车速；所述车内环境信息包括湿度。
4.根据权利要求2所述的方法，其特征在于，所述计算资源的信息包括：多个参数的值，所述多个参数包括：CPU温度、机箱温度、CPU主频和设备故障码的数量中的至少两个；所述车辆状态信息包括车速；所述车内环境信息包括湿度。
5.根据权利要求4所述的方法，其特征在于，
基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述多个参数的值均异常且所述车速大于车速阈值，则确定计算资源异常等级为第三等级中的第一子等级；
若至少一个参数的值异常且所述车速大于车速阈值，则确定计算资源异常等级为第三等级中的第二子等级；
若所述多个参数的值均异常且所述车速小于等于车速阈值，则确定计算资源异常等级为第四等级中的第一子等级；
若至少一个参数的值异常且所述车速小于等于车速阈值，则确定计算资源异常等级为第四等级中的第二子等级；
其中，所述第三等级的级别高于所述第四等级的级别；所述第一子等级的级别高于所述第二子等级的级别。
6.根据权利要求5所述的方法，其特征在于，
基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第三等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第三限速中的第一子限速且车辆周围环境的感知范围为第三范围中的第一子范围；
若所述计算资源异常等级为第三等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第三限速中的第二子限速且车辆周围环境的感知范围为第三范围中的第二子范围；
若所述计算资源异常等级为第四等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第四限速中的第一子限速且车辆周围环境的感知范围为第四范围中的第一子范围；
若所述计算资源异常等级为第四等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第四限速中的第二子限速且车辆周围环境的感知范围为第四范围中的第二子范围；
其中，所述第三限速小于所述第四限速；所述第三范围大于所述第四范围；所述第一子限速小于所述第二子限速；所述第一子范围大于所述第二子范围。
7.根据权利要求3所述的方法，其特征在于，
基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述计算资源的信息异常且所述湿度大于湿度阈值，则确定计算资源异常等级为第五等级；
若所述计算资源的信息异常且所述湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级；
其中，所述第五等级的级别高于所述第六等级的级别。
8.根据权利要求7所述的方法，其特征在于，
基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第五等级，则所述自动驾驶调整信息包括：车速为第五限速且车辆周围环境的感知范围为第五范围；
若所述计算资源异常等级为第六等级，则所述自动驾驶调整信息包括：车速为第六限速且车辆周围环境的感知范围为第六范围；
其中，所述第五限速小于所述第六限速；所述第五范围大于所述第六范围。
9.根据权利要求4所述的方法，其特征在于，
基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述多个参数的值均异常且所述湿度大于湿度阈值，则确定计算资源异常等级为第五等级中的第一子等级；
若至少一个参数的值异常且所述湿度大于湿度阈值，则确定计算资源异常等级为第五等级中的第二子等级；
若所述多个参数的值均异常且所述湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级中的第一子等级；
若至少一个参数的值异常且所述湿度小于等于湿度阈值，则确定计算资源异常等级为第六等级中的第二子等级；
其中，所述第五等级的级别高于所述第六等级的级别；所述第一子等级的级别高于所述第二子等级的级别。
10.根据权利要求9所述的方法，其特征在于，
基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第五等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第五限速中的第一子限速且车辆周围环境的感知范围为第五范围中的第一子范围；
若所述计算资源异常等级为第五等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第五限速中的第二子限速且车辆周围环境的感知范围为第五范围中的第二子范围；
若所述计算资源异常等级为第六等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第六限速中的第一子限速且车辆周围环境的感知范围为第六范围中的第一子范围；
若所述计算资源异常等级为第六等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第六限速中的第二子限速且车辆周围环境的感知范围为第六范围中的第二子范围；
其中，所述第五限速小于所述第六限速；所述第五范围大于所述第六范围；所述第一子限速小于所述第二子限速；所述第一子范围大于所述第二子范围。
11.根据权利要求3所述的方法，其特征在于，
基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述计算资源的信息异常、所述湿度大于湿度阈值且所述车速大于车速阈值，确定计算资源异常等级为第七等级；
若所述计算资源的信息异常、所述湿度小于等于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第八等级；
若所述计算资源的信息异常、所述湿度大于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第九等级；
若所述计算资源的信息异常、所述湿度小于等于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第十等级；
其中，所述第七等级、所述第八等级、所述第九等级和所述第十等级的级别依次降低。
12.根据权利要求11所述的方法，其特征在于，
基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第七等级，则所述自动驾驶调整信息包括：车速为第七限速且车辆周围环境的感知范围为第七范围；
若所述计算资源异常等级为第八等级，则所述自动驾驶调整信息包括：车速为第八限速且车辆周围环境的感知范围为第八范围；
若所述计算资源异常等级为第九等级，则所述自动驾驶调整信息包括：车速为第九限速且车辆周围环境的感知范围为第九范围；
若所述计算资源异常等级为第十等级，则所述自动驾驶调整信息包括：车速为第十限速且车辆周围环境的感知范围为第十范围；
其中，所述第七限速、所述第八限速、所述第九限速和所述第十限速依次增大；
所述第七范围、所述第八范围、所述第九范围和所述第十范围依次减小。
13.根据权利要求4所述的方法，其特征在于，
基于所述计算资源的信息和所述车辆的信息，确定计算资源异常等级，包括：
若所述多个参数的值均异常、所述湿度大于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第七等级中的第一子等级；
若至少一个参数的值异常、所述湿度大于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第七等级中的第二子等级；
若所述多个参数的值均异常、所述湿度小于等于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第八等级中的第一子等级；
若至少一个参数的值异常、所述湿度小于等于湿度阈值且所述车速大于车速阈值，则确定计算资源异常等级为第八等级中的第二子等级；
若所述多个参数的值均异常、所述湿度大于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第九等级中的第一子等级；
若至少一个参数的值异常、所述湿度大于湿度阈值且所述车速小于等于车速阈值，则确定所述车载硬件***的计算资源异常等级为第九等级中的第二子等级；
若所述多个参数的值均异常、所述湿度小于等于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第十等级中的第一子等级；
若至少一个参数的值异常、所述湿度小于等于湿度阈值且所述车速小于等于车速阈值，则确定计算资源异常等级为第十等级中的第二子等级；
其中，所述第七等级、所述第八等级、所述第九等级和所述第十等级的级别依次降低；所述第一子等级的级别高于所述第二子等级的级别。
14.根据权利要求13所述的方法，其特征在于，
基于所述计算资源异常等级，确定自动驾驶调整信息，包括：
若所述计算资源异常等级为第七等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第七限速中的第一子限速且车辆周围环境的感知范围为第七范围中的第一子范围；
若所述计算资源异常等级为第七等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第七限速中的第二子限速且车辆周围环境的感知范围为第七范围中的第二子范围；
若所述计算资源异常等级为第八等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第八限速中的第一子限速且车辆周围环境的感知范围为第八范围中的第一子范围；
若所述计算资源异常等级为第八等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第八限速中的第二子限速且车辆周围环境的感知范围为第八范围中的第二子范围；
若所述计算资源异常等级为第九等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第九限速中的第一子限速且车辆周围环境的感知范围为第九范围中的第一子范围；
若所述计算资源异常等级为第九等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第九限速中的第二子限速且车辆周围环境的感知范围为第九范围中的第二子范围；
若所述计算资源异常等级为第十等级中的第一子等级，则所述自动驾驶调整信息包括：车速为第十限速中的第一子限速且车辆周围环境的感知范围为第十范围中的第一子范围；
若所述计算资源异常等级为第十等级中的第二子等级，则所述自动驾驶调整信息包括：车速为第十限速中的第二子限速且车辆周围环境的感知范围为第十范围中的第二子范围；
其中，所述第七限速、所述第八限速、所述第九限速和所述第十限速依次增大；
所述第七范围、所述第八范围、所述第九范围和所述第十范围依次减小。
15.根据权利要求11或12所述方法，其特征在于，
若所述计算资源的信息为CPU温度，则所述计算资源的信息异常为CPU温度大于温度阈值；
若所述计算资源的信息为机箱温度，则所述计算资源的信息异常为机箱温度大于机箱温度阈值；
若所述计算资源的信息为CPU主频，则所述计算资源的信息异常为CPU主频大于CPU主频阈值；
若所述计算资源的信息为设备故障码的数量，则所述计算资源的信息异常为设备故障码的数量大于数量阈值。
16.一种车载设备，其特征在于，包括：
处理器、存储器和用户接口；
所述处理器、存储器和用户接口通过总线***耦合在一起；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至15任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811636306.0A CN109649395B (zh) | 2018-12-29 | 2018-12-29 | 一种基于计算资源的自动驾驶调整方法及车载设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811636306.0A CN109649395B (zh) | 2018-12-29 | 2018-12-29 | 一种基于计算资源的自动驾驶调整方法及车载设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109649395A CN109649395A (zh) | 2019-04-19 |
| CN109649395B true CN109649395B (zh) | 2023-12-01 |
Family
ID=66118382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811636306.0A Active CN109649395B (zh) | 2018-12-29 | 2018-12-29 | 一种基于计算资源的自动驾驶调整方法及车载设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109649395B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473310B (zh) * | 2019-08-26 | 2022-04-12 | 爱驰汽车有限公司 | 汽车行驶数据记录方法、***、设备及存储介质 |
| CN110615001B (zh) * | 2019-09-27 | 2021-04-27 | 汉纳森（厦门）数据股份有限公司 | 一种基于can数据的驾驶安全提醒方法、装置及介质 |
| CN113971694A (zh) * | 2020-07-22 | 2022-01-25 | 商汤集团有限公司 | 一种点云数据处理方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008097280A (ja) * | 2006-10-11 | 2008-04-24 | Denso Corp | 移動体用マルチコアｃｐｕの制御装置、移動体用マイクロコンピュータ及び移動体操縦支援装置 |
| CN102673405A (zh) * | 2012-06-14 | 2012-09-19 | 湖南南车时代电动汽车股份有限公司 | 一种适用于纯电动车的整车控制方法及*** |
| CN104881104A (zh) * | 2015-03-11 | 2015-09-02 | 小米科技有限责任公司 | 提高智能设备性能的方法、装置及智能设备 |
| CN105389863A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种对车况进行评估的车况指数计算方法 |
| CN108146249A (zh) * | 2016-11-29 | 2018-06-12 | 长城汽车股份有限公司 | 电动汽车的控制方法及*** |
| WO2018156451A1 (en) * | 2017-02-23 | 2018-08-30 | Uber Technologies, Inc. | Vehicle control system |
| CN108569296A (zh) * | 2017-12-15 | 2018-09-25 | 蔚来汽车有限公司 | 自适应匹配辅助驾驶***的方法及其实现模块 |
| CN108594819A (zh) * | 2018-05-03 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 自动驾驶车载计算资源管理***和方法 |
| CN108860142A (zh) * | 2018-04-27 | 2018-11-23 | 榛硕（武汉）智能科技有限公司 | 车辆用半自动驾驶***的驾驶方法 |
| CN108909456A (zh) * | 2018-07-02 | 2018-11-30 | 北京现代汽车有限公司 | 电动车辆的控制方法、装置、存储介质和电动车辆 |
| CN109032116A (zh) * | 2018-08-30 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 车辆故障处理方法、装置、设备及存储介质 |
-
2018
- 2018-12-29 CN CN201811636306.0A patent/CN109649395B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008097280A (ja) * | 2006-10-11 | 2008-04-24 | Denso Corp | 移動体用マルチコアｃｐｕの制御装置、移動体用マイクロコンピュータ及び移動体操縦支援装置 |
| CN102673405A (zh) * | 2012-06-14 | 2012-09-19 | 湖南南车时代电动汽车股份有限公司 | 一种适用于纯电动车的整车控制方法及*** |
| CN104881104A (zh) * | 2015-03-11 | 2015-09-02 | 小米科技有限责任公司 | 提高智能设备性能的方法、装置及智能设备 |
| CN105389863A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种对车况进行评估的车况指数计算方法 |
| CN108146249A (zh) * | 2016-11-29 | 2018-06-12 | 长城汽车股份有限公司 | 电动汽车的控制方法及*** |
| WO2018156451A1 (en) * | 2017-02-23 | 2018-08-30 | Uber Technologies, Inc. | Vehicle control system |
| CN108569296A (zh) * | 2017-12-15 | 2018-09-25 | 蔚来汽车有限公司 | 自适应匹配辅助驾驶***的方法及其实现模块 |
| CN108860142A (zh) * | 2018-04-27 | 2018-11-23 | 榛硕（武汉）智能科技有限公司 | 车辆用半自动驾驶***的驾驶方法 |
| CN108594819A (zh) * | 2018-05-03 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 自动驾驶车载计算资源管理***和方法 |
| CN108909456A (zh) * | 2018-07-02 | 2018-11-30 | 北京现代汽车有限公司 | 电动车辆的控制方法、装置、存储介质和电动车辆 |
| CN109032116A (zh) * | 2018-08-30 | 2018-12-18 | 百度在线网络技术（北京）有限公司 | 车辆故障处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109649395A (zh) | 2019-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109649395B (zh) | 一种基于计算资源的自动驾驶调整方法及车载设备 | |
| KR102459737B1 (ko) | 자율 주행 시스템의 업그레이드 방법, 자율 주행 시스템 및 차량 탑재 장치 | |
| US9836614B2 (en) | Detecting, enforcing and controlling access privileges based on sandbox usage | |
| US8661337B2 (en) | Techniques for use of snapshots with browsing transitions | |
| US11444961B2 (en) | Active attack detection in autonomous vehicle networks | |
| JP6432611B2 (ja) | セキュリティサポートおよび耐障害サポートを提供する自動車修正システム | |
| US10536322B2 (en) | Resource management for services | |
| JP6050374B2 (ja) | 安全なリソースへのアプリケーション・アクセスの認可 | |
| US20090138623A1 (en) | Method and Apparatus for Delegation of Secure Operating Mode Access Privilege from Processor to Peripheral | |
| US20160366136A1 (en) | System, apparatus and method for stateful application of control data in a device | |
| CN108667916B (zh) | 一种Web应用的数据访问方法及*** | |
| US20160342252A1 (en) | Computer device with a touch controller and method for updating the touch controller | |
| US8572329B2 (en) | Multi-region default memory map | |
| JPWO2013088519A1 (ja) | マルチコア・プロセッサ | |
| WO2015045507A1 (ja) | 車両用制御装置 | |
| CN115857651A (zh) | 用于外部显示器掉电检测的方法和装置 | |
| Gansel et al. | Towards virtualization concepts for novel automotive HMI systems | |
| US9110735B2 (en) | Managing performance policies based on workload scalability | |
| GB2592436A (en) | Critical workload check | |
| Jew | Embedded microcontroller memories: Application memory usage | |
| US11544171B2 (en) | Method for monitoring the free space of a memory stack | |
| US11341238B2 (en) | Electronic device intrusion detection | |
| KR101768356B1 (ko) | 신속 응답 용량성 터치 스크린 디바이스 | |
| US20170123981A1 (en) | Access cache line from lower level cache | |
| CN117436070A (zh) | 一种车载操作***的检测方法、装置、车辆及存储介质 |
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 |