CN113954854B - 智能驾驶功能优化方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请提供一种智能驾驶功能优化方法、装置、电子设备和存储介质，所述方法包括：获取行驶数据，其中，所述行驶数据包括驾驶场景特征和不同用户针对各自所使用的智能驾驶功能设置的行驶参数；针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分；根据评分结果优化该智能驾驶功能，从而改善现有智能驾驶功能的相关参数设置固定，适用性较低的问题。

Description

智能驾驶功能优化方法、装置、电子设备和存储介质

技术领域

本申请涉及智能驾驶领域，具体而言，涉及一种智能驾驶功能优化方法、装置、电子设备和存储介质。

背景技术

随着智能驾驶的不断发展，越来越多的汽车上提供有各种智能驾驶功能，智能驾驶功能为用户提供良好的驾驶体验。然而，现有的大部分智能驾驶功能的相关参数是根据以往的经验或是理论计算确定，从而导致智能驾驶功能的相关参数的设置较为固定，适用性较低。

发明内容

本申请实施例的目的在于提供一种智能驾驶功能优化方法、装置、电子设备和存储介质，用以改善现有智能驾驶功能的相关参数设置固定，适用性较低的问题。

第一方面，本发明提供一种智能驾驶功能优化方法，所述方法包括：获取行驶数据，其中，所述行驶数据包括驾驶场景特征和不同用户针对各自所使用的智能驾驶功能设置的行驶参数；针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分；根据评分结果优化该智能驾驶功能。

本申请实施例提供的智能驾驶功能优化方法，通过获取行驶数据，分析不同用户设置的行驶参数和对应的驾驶场景特征，采用大数据的分析形式，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分，进而根据评分结果对智能驾驶功能进行优化，提高智能驾驶功能的适用性。

在可选的实施方式中，所述驾驶场景特征包括：用户使用智能驾驶功能的情况和行驶过程中的安全系数。

在可选的实施方式中，所述用户使用智能驾驶功能的情况包括：行驶路程和行驶时间，所述行驶过程中的安全系数包括：被加塞次数和紧急制动次数，所述评分条件为所述驾驶场景特征中每种特征对应的权重，所述根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分，包括：根据所述行驶路程、所述行驶时间、所述被加塞次数和所述制动次数与各自对应的权重的乘积确定该智能驾驶功能对应的行驶参数的评分。

本申请实施例中，根据行驶路程、行驶时间、被加塞次数和制动次数对智能驾驶功能对应的行驶参数进行评分，一方面考虑用户的使用习惯，另一方面考虑行驶参数是否存在安全隐患，使得评分更加客观且更具有实际使用价值。

在可选的实施方式中，所述根据评分结果优化该智能驾驶功能，包括：确定多个评分中评分最高的行驶参数；将所述评分最高的行驶参数作为该智能驾驶功能在所述评分最高的行驶参数对应的路况信息下的行驶参数。

本申请实施例中，对智能驾驶功能进行优化后，将优化后的智能驾驶功能以软件形式下发到汽车端，使得后续用户再次使用该智能驾驶功能时，自动将该智能驾驶功能设置为评分最高的行驶参数。通过分析不同用户设置的行驶参数和对应的驾驶场景特征，使得采用评分最高的行驶参数进行驾驶，可以有效减少安全隐患。

在可选的实施方式中，所述根据评分结果优化该智能驾驶功能，包括：确定多个评分中评分最高的行驶参数和所述评分最高的行驶参数对应的路况信息；根据所述评分最高的行驶参数、所述评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数，其中，所述设置参数用于根据实时路况信息确定该智能驾驶功能的行驶参数。

本申请实施例中，对智能驾驶功能进行优化后，将优化后的智能驾驶功能以软件形式下发到汽车端，使得后续用户再次使用该智能驾驶功能时，根据实时的路况信息和智能驾驶功能对应的设置参数确定行驶参数，将该智能驾驶功能设置为该的行驶参数。通过根据评分最高的行驶参数、评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数，使得确定出的设置参数可以应用于各种不同的道路情况，提高智能驾驶功能优化方法的适用性。

在可选的实施方式中，所述路况信息包括：道路限速信息和/或道路类型。

在可选的实施方式中，在所述获取行驶数据之后，所述方法还包括：对所述行驶数据进行预处理，清除所述行驶数据中的无效数据。

第二方面，本发明提供一种智能驾驶功能优化装置，所述装置包括：获取模块，用于获取行驶数据，其中，所述行驶数据包括驾驶场景特征和不同用户针对各自所使用的智能驾驶功能设置的行驶参数；评分模块，用于针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分；优化模块，用于根据评分结果优化该智能驾驶功能。

在可选的实施方式中，所述驾驶场景特征包括：用户使用智能驾驶功能的情况和行驶过程中的安全系数。

在可选的实施方式中，所述用户使用智能驾驶功能的情况包括：行驶路程和行驶时间，所述行驶过程中的安全系数包括：被加塞次数和紧急制动次数，所述评分条件为所述驾驶场景特征中每种特征对应的权重，所述评分模块，用于根据所述行驶路程、所述行驶时间、所述被加塞次数和所述制动次数与其对应的权重的乘积确定该智能驾驶功能对应的参数的评分。

在可选的实施方式中，所述优化模块具体用于确定多个评分中评分最高的行驶参数；将所述评分最高的行驶参数作为该智能驾驶功能在所述评分最高的行驶参数对应的路况信息下的行驶参数。

在可选的实施方式中，所述优化模块具体用于确定多个评分中评分最高的行驶参数和所述评分最高的行驶参数对应的路况信息；根据所述评分最高的行驶参数、所述评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数，其中，所述设置参数用于根据实时路况信息确定该智能驾驶功能的行驶参数。

在可选的实施方式中，所述路况信息包括：道路限速信息和/或道路类型。

在可选的实施方式中，所述装置还包括：预处理模块，用于对所述行驶数据进行预处理，清除所述行驶数据中的无效数据。

第三方面，本发明提供一种电子设备，包括：处理器、存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前述实施方式任一项所述的方法。

第四方面，本发明提供一种存储介质，所述存储介质上存储有计算机程序指令，所述计算机程序指令被计算机读取并运行时，执行如前述实施方式中任一项所述的方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的智能驾驶功能优化方法的流程图；

图2为本申请实施例提供的一种智能驾驶功能优化装置的结构框图；

图3为本申请实施例的电子设备的结构示意图。

图标：200-智能驾驶功能优化装置；201-获取模块；202-评分模块；203-优化模块；204-预处理模块；300-电子设备；301-处理器；302-通信接口；303-存储器；304-总线。

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描述。

请参阅图1，图1为本申请实施例提供的一种智能驾驶功能优化方法的流程图，该智能驾驶功能优化方法可以包括如下步骤：

步骤101：获取行驶数据。

步骤102：针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分。

步骤103：根据评分结果优化该智能驾驶功能。

本申请实施例提供的智能驾驶功能优化方法可以应用于一服务器。服务器与多个汽车(或者说，汽车中控)通信连接，从汽车获取行驶数据。针对每种智能驾驶功能，根据行驶数据中该智能驾驶功能对应的驾驶场景特征和预设的评分条件对该智能驾驶功能对应的用户设置的行驶参数进行评分，根据评分结果对智能驾驶功能进行优化。

下面将结合示例对上述步骤进行说明。

步骤101：获取行驶数据。

本申请实施例中，行驶数据可以为预设时间段内各个用户的行驶数据。预设时间段的时长可以灵活设置，例如一天、一周、一个月等，本申请对此不作限定。

行驶数据可以为用户在驾驶汽车时，汽车实时上传的行驶数据；也可以为结束一段行程后，汽车上传保存在车载存储器上的行驶数据。其中，行驶数据包括驾驶场景特征和不同用户针对各自所使用的智能驾驶功能设置的行驶参数。

需要说明的是，驾驶场景特征为某个用户使用对应的智能驾驶功能时，通过汽车上的各类传感器采集到的与驾驶相关的各类参数。具体地，驾驶场景特征包括：用户使用智能驾驶功能的情况和行驶过程中的安全系数。其中，用户使用智能驾驶功能的情况可以包括：行驶路程(使用某一智能驾驶功能时行驶的路程)、行驶时间(使用某一智能驾驶功能时行驶的时间)、主动转向次数、与前车最大距离、与前车最小距离等；行驶过程中的安全系数可以包括：被加塞次数、紧急制动次数、碰撞预警次数等。可以理解，此处对驾驶场景特征的举例仅为便于理解，不应作为对本申请的限制。

在一实施例中，汽车上设置有车载智能终端(Telematics BOX，TBOX)。TBOX与车身CAN总线连接，用于采集汽车行驶过程中的各类信息。TBOX还与云端连接，将采集到的各类信息上传至云端。

由于各辆汽车上都会安装有TBOX，且每辆汽车上的TBOX都会将采集到的各类信息上传至云端，然而，上传的原始数据中并不是所有的数据都能用于优化智能驾驶功能，因此，需要对收到的原始数据进行处理，进而确定行驶数据。其中，对原始数据进行处理可以包括前处理、筛选和入库。

具体地，对原始数据进行前处理为对原始数据进行解析、标记和分类，即将原始数据拆包并加工成可以区分车型，车辆配置，信号采集时的位置、时间等单条数据。

对经过前处理的原始数据进行筛选为根据预设的过滤标准对经过前处理后的单条数据进行过滤，清除无效数据。预设的过滤标准可以为智能驾驶功能均处于退出状态、车型配置不具备智能驾驶功能。由于并不是所有的车辆上都配置有智能驾驶功能，因此，需要将没有配置有智能驾驶功能的车辆的数据清除。此外，对于配置有智能驾驶功能的车辆，这些车辆可能并没有开启任何智能驾驶功能，因此，需要将未开启任何智能驾驶功能的车辆对应的数据清除。

入库：将筛选后的数据按照不同智能驾驶功能、功能参数和用户模式入库保存，方便后续对数据进行分析及处理。

智能驾驶功能可以为：AEB(自动紧急制动)、ILC(车辆可完成自动变道)、LCA(后方来车预警)、TJA(拥堵低速自动跟车)、FCW(前方碰撞预警)、LDW(车道偏离预警)、LKA(车道保持辅助)、TSR(交通标识识别)、ELK(紧急车道保持辅助)、IAC(集成式巡航辅助)等。可以理解，此处对智能驾驶功能的举例仅为便于理解，不应作为对本申请的限制。

需要说明的是，驾驶场景特征为某个用户使用对应的智能驾驶功能时，通过汽车上的各类传感器采集到的与驾驶相关的各类参数。例如，驾驶场景特征可以为：使用某一智能驾驶功能的时间、在该智能驾驶功能下的行驶路程、主动变道次数、制动次数、控制方向盘次数、道路限速、与前车最大距离、与前车最小距离等。可以理解，此处对驾驶场景特征的举例仅为便于理解，不应作为对本申请的限制。

行驶参数为用户在使用某种智能驾驶功能时设置的相关参数。

一实施例中，以ICA(集成式巡航辅助)为例，ICA功能为：在巡航车速0～120km/h时自动调节与前方车辆间的距离，并将车辆保持在车道中间。在车速较高时(一般大于60km/h)为驾驶员提供横向和纵向的辅助智能驾驶功能。对于ICA智能驾驶功能来说，行驶参数为用户设置的时速和跟车距离。

一实施例中，以TJA(拥堵低速自动跟车)为例，TJA功能为：针对车速较低时(一般是0-60Km/h)，为驾驶员同时提供横向和纵向的辅助控制功能。当路面上有清晰车道线而且自车前方一定距离内没有参考车辆时，TJA功能用于控制车辆以一定的车速在车道线中间位置行驶。而如果车辆前方有参考车辆时，TJA功能用于控制车辆按照前车的行驶轨迹行驶，并主动控制自车的加减速，控制车辆和前车保持一定的时距。对于TJA智能驾驶功能来说，行驶参数为用户设置的时速和跟车距离。

作为一种可选的实施方式，在步骤101之后，所述方法还包括：

对行驶数据进行预处理，清除行驶数据中的无效数据。

本申请实施例中，在传输过程中，可能会由于网络原因等导致行驶数据出现异常或是行驶数据中存在不符合后续处理条件的数据。为了提高数据的准确性，对行驶数据进行预处理，清除行驶数据中的无效数据。具体地，无效数据的判断标准可以包括：智能驾驶功能均为关闭状态、行驶数据存在明显异常等。

步骤102：针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分。

本申请实施例中，在获取行驶数据后，针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分。

预设的评分条件可以为每种驾驶场景特征对应的权重值。

不同的智能驾驶功能在进行评分时，依据的评分条件和驾驶场景特征不同。以下结合具体实例对步骤102进行介绍。

作为一种可选的实施方式，驾驶场景特征包括：行驶路程、行驶时间、被加塞次数和制动次数，评分条件为驾驶场景特征中每种特征对应的权重，步骤102可以包括如下内容：

根据行驶路程、行驶时间、被加塞次数和制动次数与各自对应的权重的乘积确定该智能驾驶功能对应的行驶参数的评分。

具体地，以TJA智能驾驶功能为例进行介绍。在对TJA智能驾驶功能进行评分时，对应的驾驶场景特征为行驶路程S、行驶时间T、被加塞次数N和制动次数M。行驶路程S对应的权重值为a，行驶时间T对应的权重值为b、被加塞次数N对应的权重值为c、制动次数M对应的权重值为d。行驶参数为：时速V和跟车距离D。对应行驶参数时速V和跟车距离D的评分为：S*a+T*b-N*c-M*d。

假设某一用户在某一路段使用了TJA智能驾驶功能，在使用TJA智能驾驶功能过程中，行驶路程为5公里，行驶时间30分钟，被加塞次数为3次，制动次数为2次。设置的行驶参数为：时速20km/h和跟车距离10米。权重值a,b,c,d依次为：10,1,5,5。对应时速20km/h和跟车距离10米的评分为：5*10+30*1-3*5-2*5＝55。

需要说明的是，各个驾驶场景特征的权重值的具体数值可以灵活设置，本申请对此不作具体限定。

步骤103：根据评分结果优化该智能驾驶功能。

本申请实施例中，确定出评分结果后，根据评分结果对智能驾驶功能进行优化。

作为一种可选的实施方式，步骤103可以包括如下步骤：

第一步，确定多个评分中评分最高的行驶参数；

第二步，将评分最高的行驶参数作为该智能驾驶功能在评分最高的行驶参数对应的路况信息下的行驶参数。

本申请实施例中，针对每种智能驾驶功能，获取了多个用户的行驶数据并进行了评分。考虑到不同路况信息下，行驶参数会存在差异。将多个评分进行分类，将同一路况信息的评分分为一类，选出每一类别中评分最高的行驶参数作为该智能驾驶功能在该路况信息下的行驶参数。

可选地，路况信息可以为道路限速信息和/或道路类型。

道路限速信息可以分为：限速20km/h、限速60km/h、限速80km/h、限速100km/h等，本申请对此不做限定，可以根据实际道路情况进行设置。

道路类型可以分为：城市道路、乡村道路、高速公路道路等，本申请对此不做限定，可以根据实际道路情况进行设置。

对智能驾驶功能进行优化后，将优化后的智能驾驶功能以软件形式下发到汽车端，使得后续用户再次使用该智能驾驶功能时，自动将该智能驾驶功能设置为评分最高的行驶参数。通过分析不同用户设置的行驶参数和对应的驾驶场景特征，使得采用评分最高的行驶参数进行驾驶，可以有效减少安全隐患。

作为另一种可选的实施方式，步骤103可以包括如下步骤：

第一步，确定多个评分中评分最高的行驶参数和评分最高的行驶参数对应的路况信息；

第二步，根据评分最高的行驶参数、评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数，其中，设置参数用于根据实时路况信息确定该智能驾驶功能的行驶参数。

本申请实施例中，确定出多个评分中评分最高的行驶参数和评分最高的行驶参数对应的路况信息。考虑到用户在不同路况信息下，设置的行驶参数会存在差异。因此，在确定评分最高的行驶参数时，还会确定评分最高的行驶参数对应的路况信息。需要说明的是，与前一实施例不同，本实施例不会根据路况信息对行驶参数进行分类，而是在所有路况信息对应的行驶参数的所有评分中确定出评分最高的行驶参数。

确定出评分最高的行驶参数后，根据该评分最高的行驶参数、该评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数。需要说明的是，智能驾驶功能的设置参数与前述实施方式中的智能驾驶功能的行驶参数不同，智能驾驶功能的设置参数用于根据实时路况信息确定该智能驾驶功能的行驶参数。

具体地，可以根据预设的数学模型确定智能驾驶功能的设置参数。将评分最高的行驶参数、该评分最高的行驶参数对应的路况信息输入该数学模型中，计算出对应的智能驾驶功能的设置参数。

举例来说，ICA智能驾驶功能对应的行驶参数为时速和跟车距离，路况信息为道路限速信息。假设确定出评分最高的驾驶参数为：时速90km/h，跟车距离为90m，对应的道路限速信息为100km/h。根据预设的数学模型确定出设置参数为0.9和1，则行驶参数的确定公式为：道路限速时速*0.9km/h，根车距离为：时速*1m。例如，当道路限速为50km/h时，ICA智能驾驶功能的时速设置为：50*0.9＝45km/h；根据距离为50*1＝50m。当道路限速为80km/h时，ICA智能驾驶功能的时速设置为：80*0.9＝72km/h；根据距离为72*1＝72m。

需要说明的是，确定智能驾驶功能的设置参数的预设数学模型可以根据对应智能驾驶功能的现有研究结果确定，本申请对此不作具体限定。

对智能驾驶功能进行优化后，将优化后的智能驾驶功能以软件形式下发到汽车端，使得后续用户再次使用该智能驾驶功能时，根据实时的路况信息和智能驾驶功能对应的设置参数确定行驶参数，将该智能驾驶功能设置为该的行驶参数。通过根据评分最高的行驶参数、评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数，使得确定出的设置参数可以应用于各种不同的道路情况，提高智能驾驶功能优化方法的适用性。

综上所述，本申请实施例提供的智能驾驶功能优化方法，通过获取行驶数据，分析不同用户设置的行驶参数和对应的驾驶场景特征，采用大数据的分析形式，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分，进而根据评分结果对智能驾驶功能进行优化，提高智能驾驶功能的适用性。

基于同一发明构思，本申请实施例中还提供一种智能驾驶功能优化装置。请参阅图2，图2为本申请实施例提供的一种智能驾驶功能优化装置的结构框图，该智能驾驶功能优化装置200可以包括：

获取模块201，用于获取行驶数据，其中，所述行驶数据包括驾驶场景特征和不同用户针对各自所使用的智能驾驶功能设置的行驶参数；

评分模块202，用于针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分；

优化模块203，用于根据评分结果优化该智能驾驶功能。

在可选的实施方式中，所述驾驶场景特征包括：用户使用智能驾驶功能的情况和行驶过程中的安全系数。

在可选的实施方式中，所述用户使用智能驾驶功能的情况包括：行驶路程和行驶时间，所述行驶过程中的安全系数包括：被加塞次数和紧急制动次数，所述评分条件为所述驾驶场景特征中每种特征对应的权重，所述评分模块202，用于根据所述行驶路程、所述行驶时间、所述被加塞次数和所述制动次数与其对应的权重的乘积确定该智能驾驶功能对应的参数的评分。

在可选的实施方式中，所述优化模块203具体用于确定多个评分中评分最高的行驶参数；将所述评分最高的行驶参数作为该智能驾驶功能在所述评分最高的行驶参数对应的路况信息下的行驶参数。

在可选的实施方式中，所述优化模块203具体用于确定多个评分中评分最高的行驶参数和所述评分最高的行驶参数对应的路况信息；根据所述评分最高的行驶参数、所述评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数，其中，所述设置参数用于根据实时路况信息确定该智能驾驶功能的行驶参数。

在可选的实施方式中，所述路况信息包括：道路限速信息和/或道路类型。

在可选的实施方式中，所述装置还包括：预处理模块204，用于对所述行驶数据进行预处理，清除所述行驶数据中的无效数据。

请参阅图3，图3为本申请实施例的电子设备300的结构示意图，该电子设备300包括：至少一个处理器301，至少一个通信接口302，至少一个存储器303和至少一个总线304。其中，总线304用于实现这些组件直接的连接通信，通信接口302用于与其他节点设备进行信令或数据的通信，存储器303存储有处理器301可执行的机器可读指令。当电子设备300运行时，处理器301与存储器303之间通过总线304通信，机器可读指令被处理器301调用时执行如上述智能驾驶功能优化方法。

处理器301可以是一种集成电路芯片，具有信号处理能力。上述处理器301可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，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。其可以实现或者执行本申请实施例中公开的各种方法、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。

存储器303可以包括但不限于随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

可以理解，图3所示的结构仅为示意，电子设备300还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。图3中所示的各组件可以采用硬件、软件或其组合实现。于本申请实施例中，电子设备300可以是，但不限于台式机、笔记本电脑、智能手机、智能穿戴设备、车载设备等实体设备，还可以是虚拟机等虚拟设备。另外，电子设备300也不一定是单台设备，还可以是多台设备的组合，例如服务器集群，等等。

此外，本申请实施例还提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被计算机运行时，执行如上述实施例中智能驾驶功能优化方法的步骤。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，又例如，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通信接口，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。

另外，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。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

需要说明的是，功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以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)执行本申请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、只读存储器(Read-Only Memory，ROM)随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

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。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种智能驾驶功能优化方法，其特征在于，所述方法包括：

获取行驶数据，其中，所述行驶数据包括驾驶场景特征和不同用户针对各自所使用的智能驾驶功能设置的行驶参数；

针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分；

根据评分结果优化该智能驾驶功能；

所述驾驶场景特征包括：用户使用智能驾驶功能的情况和行驶过程中的安全系数，所述用户使用智能驾驶功能的情况包括：行驶路程和行驶时间，所述行驶过程中的安全系数包括：被加塞次数和紧急制动次数，所述评分条件为所述驾驶场景特征中每种特征对应的权重，所述根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分，包括：

根据所述行驶路程、所述行驶时间、所述被加塞次数和所述制动次数与各自对应的权重的乘积确定该智能驾驶功能对应的行驶参数的评分。

2.根据权利要求1所述的方法，其特征在于，所述根据评分结果优化该智能驾驶功能，包括：

确定多个评分中评分最高的行驶参数；

将所述评分最高的行驶参数作为该智能驾驶功能在所述评分最高的行驶参数对应的路况信息下的行驶参数。

3.根据权利要求1所述的方法，其特征在于，所述根据评分结果优化该智能驾驶功能，包括：

确定多个评分中评分最高的行驶参数和所述评分最高的行驶参数对应的路况信息；

根据所述评分最高的行驶参数、所述评分最高的行驶参数对应的路况信息确定该智能驾驶功能的设置参数，其中，所述设置参数用于根据实时路况信息确定该智能驾驶功能的行驶参数。

4.根据权利要求2或3所述的方法，其特征在于，所述路况信息包括：道路限速信息和/或道路类型。

5.根据权利要求1所述的方法，其特征在于，在所述获取行驶数据之后，所述方法还包括：

对所述行驶数据进行预处理，清除所述行驶数据中的无效数据。

6.一种智能驾驶功能优化装置，其特征在于，所述装置包括：

获取模块，用于获取行驶数据，其中，所述行驶数据包括驾驶场景特征和不同用户针对各自所使用的智能驾驶功能设置的行驶参数；

评分模块，用于针对每种智能驾驶功能，根据预设的评分条件和该智能驾驶功能对应的驾驶场景特征对该智能驾驶功能对应的行驶参数进行评分；所述驾驶场景特征包括：用户使用智能驾驶功能的情况和行驶过程中的安全系数，所述用户使用智能驾驶功能的情况包括：行驶路程和行驶时间，所述行驶过程中的安全系数包括：被加塞次数和紧急制动次数，所述评分条件为所述驾驶场景特征中每种特征对应的权重，所述评分模块具体用于根据所述行驶路程、所述行驶时间、所述被加塞次数和所述制动次数与其对应的权重的乘积确定该智能驾驶功能对应的参数的评分；

优化模块，用于根据评分结果优化该智能驾驶功能。

7.一种电子设备，其特征在于，包括：处理器、存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-5任一项所述的方法。

8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序指令，所述计算机程序指令被计算机读取并运行时，执行如权利要求1-5中任一项所述的方法。

Images