CN115071682B - 一种适用于多路面的智能驾驶车辆驾驶***及方法 - Google Patents

Abstract

本发明公开了一种适用于多路面的智能驾驶车辆驾驶***及方法，属于车辆领域，用于解决驾驶员无法提前预警坑洼导致车辆快速通行影响乘坐舒适度的问题，包括路径筛选模块、路径划分模块、智能调控模块、实时监测模块，所述实时监测模块用于对车辆实时地理位置的图片数据进行监测，生成路面异常信号或路面正常信号反，所述路径筛选模块用于对待定行驶路线进行筛选，得到待定行驶路线表，所述智能调控模块用于对车辆进行驾驶调控，所述路径划分模块用于对选择的备选行驶路线进行路径划分，得到备选行驶路线上的驾驶调整点，本发明能够提前预警路面上的坑洼，使得车辆进行适应性调控平缓通过坑洼，有效提升乘坐舒适性。

Description

一种适用于多路面的智能驾驶车辆驾驶***及方法

技术领域

本发明属于车辆领域，涉及驾驶调整技术，具体是一种适用于多路面的智能驾驶车辆驾驶***及方法。

背景技术

驾驶员驾驶车辆突遇坑洼时，由于驾驶员无法提前预警和知晓坑洼，车辆会以较快车速通行，车辆发生较为剧烈震动引起人体的不适振动，极大地影响了乘坐人员的乘坐舒适度，为此，我们提出一种适用于多路面的智能驾驶车辆驾驶***及方法。

发明内容

针对现有技术存在的不足，本发明目的是提供一种适用于多路面的智能驾驶车辆驾驶***及方法。

本发明所要解决的技术问题为：

如何提前预警路面坑洼并使车辆适应性调控以提升乘坐舒适性。

本发明的目的可以通过以下技术方案实现：

一种适用于多路面的智能驾驶车辆驾驶***，包括数据采集模块、定位模块、路径筛选模块、数据库模块、路径划分模块、用户终端、智能调控模块、实时监测模块以及服务器，当车辆上减震器的活动间距大于间距阈值时，所述定位模块获取车辆的实时地理位置并发送至服务器，所述数据采集模块用于采集车辆实时地理位置对应的图像数据并发送至服务器，所述服务器将车辆实时地理位置的图像数据发送至实时监测模块，所述实时监测模块用于对车辆实时地理位置的图片数据进行监测，生成路面异常信号或路面正常信号反馈至服务器，若服务器接收到路面正常信号则不进行任何操作，若服务器接收到路面异常信号则将车辆实时地理位置标记为驾驶调控点，并将带有驾驶调控点的行驶路线发送至数据库模块进行存储；

所述用户终端用于输入车辆的驾驶目的地并发送至服务器；所述定位模块用于获取用户终端的实时地理位置并发送至服务器，服务器依据实时地理位置和驾驶目的地生成待定行驶路线；所述数据采集模块用于获取数据库模块中待定行驶路线的道路数据并发送至服务器，所述服务器将道路数据发送至路径筛选模块；所述路径筛选模块用于对待定行驶路线进行筛选，得到待定行驶路线表反馈至服务器，服务器依据待定行驶路线表选定三组待定行驶路线作为备选行驶路线，并将三组备选行驶路线发送至用户终端；

在选择备选行驶路线后，数据库模块将对应带有驾驶调控点的行驶路线发送至智能调控模块，所述定位模块实时对车辆进行实时定位，当车辆的实时地理位置与驾驶调控点的间隔距离小于距离阈值时，所述智能调控模块用于对车辆进行驾驶调控；

数据库模块将被选择的备选行驶路线的道路等级并发送至路径划分模块；所述路径划分模块用于对选择的备选行驶路线进行路径划分，得到备选行驶路线上的驾驶提醒点反馈至服务器，服务器在车辆到达驾驶提醒点时生成提醒信号发送至用户终端。

进一步地，图片数据为车辆所在实时地理位置的实时图片；

道路数据为待定行驶路线的行驶距离、待定行驶路线上的测速点数以及每个测速点的限速值、转弯数以及每个转弯的弯曲度、红绿灯数以及每个红绿灯中红灯的亮灯时长；

道路等级为高速公路、一级公路、二级公路、三级公路和四级公路。

进一步地，所述实时监测模块的监测过程具体如下：

步骤Q1：获取车辆实时地理位置的实时图片所在道路的道路等级；

步骤Q2：依据道路等级将实时图片输入至障碍识别网络模型进行识别；

步骤Q3：若实时图片符合障碍识别网络模型，则生成路面异常信号，若实时图片不符合障碍识别网络模型，则生成路面正常信号。

进一步地，障碍识别网络模型构建过程具体如下：

采集多张坑洼图片并作为坑洼图片集，坑洼图片集包括正常路面坑洼图片、阴影坑洼图片和积水坑洼图片；

对多张坑洼图片进行预处理后得到坑洼图片集；

提取坑洼图片集中多张坑洼图片所采集地面的像素信息和道路等级，得到坑洼图片集中多张坑洼图片的边缘信息；

依据道路等级将坑洼图片集中坑洼图片的像素信息和边缘信息进行整合打包，构成相同道路等级的正常路面坑洼判定集、阴影坑洼判定集和积水坑洼判定集；

所有道路等级的正常路面坑洼判定集、阴影坑洼判定集和积水坑洼判定集共同构成路面坑洼的障碍识别网络模型。

进一步地，所述路径筛选模块的筛选过程具体如下：

获取待定行驶路线的行驶距离、限速均值和弯曲均度；

而后获取待定行驶路线上的红绿灯数以及每个红绿灯中红灯的亮灯时长，待定行驶路线上每个红绿灯中红灯的亮灯时长相加求和取平均值得到待定行驶路线中红灯的亮灯均时长；

计算待定行驶路线的路径筛选值；

按照数值大小将路径筛选值降序排列得到待定行驶路线表。

进一步地，所述智能调控模块的工作过程具体如下：

检测到前方有坑洼时，控制调整车辆的行驶车速，并将悬架刚度和阻尼设置在合适的参数；

车辆通过坑洼后，车辆恢复正常道路情况下的车速控制，同时恢复悬架的设置。

进一步地，所述路径划分模块的工作过程具体如下：

将备选行驶路线划分为各个行驶路段，并获取各个行驶路段的道路等级；

若行驶路段为高速公路或一级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定绿色提醒点，若行驶路段为二级公路或三级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定黄色提醒点，若行驶路段为四级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定红色提醒点；

各个行驶路段上的绿色提醒点、黄色提醒点和红色提醒点整合构成在备选行驶路线上的驾驶提醒点。

一种适用于多路面的智能驾驶车辆驾驶方法，方法具体如下：

步骤S101，当车辆上减震器的活动间距大于间距阈值时，定位模块获取车辆的实时地理位置，数据采集模块采集车辆实时地理位置对应的图像数据发送至实时监测模块；

步骤S102，实时监测模块对车辆实时地理位置的图片数据进行监测，生成路面异常信号或路面正常信号，若接收到路面异常信号则将车辆实时地理位置标记为驾驶调控点，并将带有驾驶调控点的行驶路线发送至数据库模块；

步骤S103，服务器依据实时地理位置和驾驶目的地生成待定行驶路线，数据采集模块获取待定行驶路线的道路数据发送至路径筛选模块；

步骤S104，路径筛选模块对待定行驶路线进行筛选，得到待定行驶路线表反馈至服务器，服务器依据待定行驶路线表选定三组待定行驶路线作为备选行驶路线发送至用户终端；

步骤S105，选择备选行驶路线后将对应带有驾驶调控点的行驶路线发送至智能调控模块，定位模块对车辆进行实时定位，当车辆的实时地理位置与驾驶调控点的间隔距离小于距离阈值时，智能调控模块对车辆进行驾驶调控；

步骤S106，路径划分模块对选择的备选行驶路线进行路径划分，得到备选行驶路线上的驾驶提醒点，车辆到达驾驶提醒点时生成提醒信号发送至用户终端。

与现有技术相比，本发明的有益效果是：

本发明在车辆上减震器的活动间距大于间距阈值时，利用定位模块获取车辆实时地理位置和数据采集模块采集车辆实时地理位置对应的图像数据，并通过实时监测模块对车辆实时地理位置的图片数据进行监测，生成路面异常信号或路面正常信号，若为路面异常信号则将车辆实时地理位置标记为驾驶调控点，车辆在实际驾驶时，路径筛选模块对待定行驶路线进行筛选，得到待定行驶路线表，服务器依据待定行驶路线表选定三组待定行驶路线作为备选行驶路线发送至用户终端，选定后将对应带有驾驶调控点的行驶路线发送至智能调控模块，当车辆的实时地理位置与驾驶调控点的间隔距离小于距离阈值时，智能调控模块对车辆进行驾驶调控，本发明能够提前预警路面上的坑洼，使得车辆进行适应性调控平缓通过坑洼，有效提升乘坐舒适性；

同时本发明还通过路径划分模块对被选择的备选行驶路线进行路径划分，得到备选行驶路线上的驾驶提醒点，车辆到达驾驶提醒点时生成提醒信号发送至用户终端。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的整体***框图；

图2为本发明的工作流程图。

具体实施方式

下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在一实施例中，请参阅图1所示，一种适用于多路面的智能驾驶车辆驾驶***，包括数据采集模块、定位模块、路径筛选模块、数据库模块、路径划分模块、用户终端、智能调控模块、实时监测模块以及服务器；

在本发明的实施例中，所述用户终端用于驾驶人员输入个人信息后注册登录***，并将个人信息发送至服务器内存储；其中，个人信息包括驾驶人员的姓名、实名认证的手机号码、车辆型号等；

当驾驶人员驾驶车辆途经某处时，若车辆上减震器的活动间距大于间距阈值时，则所述定位模块获取车辆的实时地理位置，并将车辆的实时地理位置发送至服务器，数据采集模块用于采集车辆实时地理位置对应的图像数据，并将图像数据发送至服务器，所述服务器将车辆实时地理位置的图像数据发送至实时监测模块；

在具体实施时，图片数据具体为车辆所在实时地理位置的实时图片，实时图片为车辆在驶过坑洼前拍摄的图片；数据采集模块可以为车辆上设置的联网行车记录仪、摄像头、激光雷达等，也可以采用卫星技术将车辆实时地理位置的卫星图片进行获取，在本发明中采用车辆上联网行车记录仪结合卫星技术的方式将车辆所在实时地理位置的实时图片进行获取；

所述实时监测模块用于对车辆实时地理位置的图片数据进行监测，监测过程具体如下：

步骤Q1：获取车辆实时地理位置的实时图片所在道路的道路等级；

步骤Q2：依据道路等级将实时图片输入至障碍识别网络模型进行识别；

在本实施例的步骤Q2中，障碍识别网络模型构建过程具体如下：

采集总计1000张的坑洼图片并作为坑洼图片集；其中，坑洼图片集包括正常路面坑洼图片400张，阴影坑洼图片400张，积水坑洼图片200张；

对1800张坑洼图片进行预处理后得到坑洼图片集；阴影坑洼图片在坑洼图片集中占比很大，由于阴影的灰度特征与坑洼相似，会导致误检测为坑洼，所以需要对阴影坑洼图片进行去除阴影处理，即灰度处理，以获得高质量的坑洼图片集；

提取坑洼图片集中多张坑洼图片所采集地面的像素信息和道路等级，从而得到坑洼图片集中多张坑洼图片的边缘信息；其中，像素信息为坑洼图片采集素所采集地面中像素点的颜色，此处我们可以默认道路等级越高的道路为沥青路面，路面有着对应的颜色，道路等级越低的道路为水泥路面，水泥路面有着对应的颜色，当存在坑洼时，则坑洼的颜色正常与所在地面的颜色不相同，因此像素点也会不同，依据不同于地面的像素点得到坑洼的轮廓边缘以及每个轮廓边缘的弯曲度，边缘信息包括坑洼的轮廓边缘以及弯曲度；

依据道路等级将坑洼图片集中坑洼图片的像素信息和边缘信息进行整合打包，构成相同道路等级的正常路面坑洼判定集、阴影坑洼判定集和积水坑洼判定集，所有道路等级的正常路面坑洼判定集、阴影坑洼判定集和积水坑洼判定集共同构成路面坑洼的障碍识别网络模型；

步骤Q3：若实时图片符合障碍识别网络模型，则生成路面异常信号，若实时图片不符合障碍识别网络模型，则生成路面正常信号；

所述实时监测模块将路面异常信号或路面正常信号反馈至服务器，若服务器接收到路面正常信号，则不进行任何操作，若服务器接收到路面异常信号，则将车辆实时地理位置标记为驾驶调控点，并将标记有驾驶调控点的行驶路线发送至数据库模块进行存储；

在本发明的实施例中，所述用户终端用于驾驶人员输入车辆的驾驶目的地，并将驾驶目的地发送至服务器；在具体实施时，所述用户终端可以为车辆中安装的车载车机，也可以是驾驶人员的手机、电脑等；

所述定位模块用于获取用户终端的实时地理位置，并将用户终端的实时地理位置发送至服务器，服务器依据实时地理位置和驾驶目的地生成待定行驶路线；其中，定位模块在具体实施时为车辆中的GPS定位仪；

所述数据采集模块用于获取数据库模块中待定行驶路线的道路数据，并将道路数据发送至服务器，所述服务器将道路数据发送至路径筛选模块；

需要具体说明的是，道路数据为待定行驶路线的行驶距离、待定行驶路线上的测速点数以及每个测速点的限速值、转弯数以及每个转弯的弯曲度、红绿灯数以及每个红绿灯中红灯的亮灯时长等；其中，道路数据为数据库模块中预先实测后并整体导入的数据，数据采集模块只需将对应待定行驶路线的道路数据进行获取即可；

所述路径筛选模块用于对待定行驶路线进行筛选，筛选过程具体如下：

步骤S1：将待定行驶路线标记为u，u＝1，2，……，z，z为正整数；获取待定行驶路线的行驶距离，并将行驶距离标记为XJu；

步骤S2：获取待定行驶路线上的测速点数以及每个测速点的限速值，待定行驶路线上每个测速点的限速值相加求和取平均值得到待定行驶路线的限速均值JSu；

步骤S3：获取待定行驶路线上的转弯数以及每个转弯的弯曲度，待定行驶路线上每个转弯的弯曲度相加求和取平均值得到待定行驶路线的弯曲均度JWu；

步骤S4：获取待定行驶路线上的红绿灯数以及每个红绿灯中红灯的亮灯时长，待定行驶路线上每个红绿灯中红灯的亮灯时长相加求和取平均值得到待定行驶路线中红灯的亮灯均时长JTu；

步骤S5：通过公式LSu＝1/(XJu×a1+JSu×a2+JWu×a3+JTu×a4)计算得到待定行驶路线的路径筛选值LSu；式中，a1、a2、a3和a4均为固定术猪的比例系数，且a1、a2、a3和a4的取值均大于零，在具体实施时，a1、a2、a3和a4的具体取值只要不影响参数与结果值的正反比即可；

步骤S6：按照数值大小将路径筛选值降序排列得到待定行驶路线表；

所述路径筛选模块将待定行驶路线表反馈至服务器，服务器依据待定行驶路线表选定三组待定行驶路线作为备选行驶路线，并将三组备选行驶路线发送至用户终端，用户终端将三组备选行驶路线进行显示供驾驶人员选择；

在驾驶人员选择备选行驶路线后，所述数据库模块将对应带有驾驶调控点的行驶路线发送至智能调控模块，同时，所述定位模块实时对车辆进行实时定位，当车辆的实时地理位置与驾驶调控点的间隔距离小于距离阈值时，所述智能调控模块用于对车辆进行驾驶调控，具体为：

在***检测到前方有坑洼时，控制调整车辆的行驶车速，同时将悬架刚度和阻尼设置在合适的参数，减小车辆在通过时对人体产生的不适振动，改善车辆的舒适性，在通过完成以后，智能驾驶***将恢复正常道路情况下的车速控制，同时智能底盘***可以恢复悬架的设置，保证车辆在正常道路行驶时的舒适性；

同时，所述路径划分模块连接有数据库模块，所述数据库模块与外界互联网相连接，用于将驾驶人员选择的备选行驶路线的道路等级并发送至路径划分模块；

其中，需要具体解释的是，道路等级可以按照功能型等级进行设定，功能型等级是主要按交通量划分的，根据公路的使用任务、功能和流量进行划分，行驶路线的道路等级可以为高速公路、一级公路、二级公路、三级公路、四级公路，同时，道路等级也可以按照行驶级别进行设定，行驶路线的道路等级可以分为国道、省道、县道、乡道，在本实施例中，行驶路线的道路等级采用功能型等级进行设定；

所述路径划分模块用于对选择的备选行驶路线进行路径划分，工作过程具体如下：

步骤P1：将备选行驶路线划分为各个行驶路段，并获取各个行驶路段的道路等级；具体可以按照行驶路线的道路编号进行划分；

步骤P2：若行驶路段为高速公路或一级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定绿色提醒点；

步骤P3：若行驶路段为二级公路或三级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定黄色提醒点；

步骤P4：若行驶路段为四级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定红色提醒点；

步骤P5：各个行驶路段上的绿色提醒点、黄色提醒点和红色提醒点整合构成在备选行驶路线上的驾驶提醒点；

所述路径划分模块将备选行驶路线上的驾驶提醒点反馈至服务器，服务器在车辆到达驾驶提醒点时生成提醒信号发送至用户终端，所述用户终端用于将提醒信号进行提醒；

在具体时，提醒信号可以通过用户终端中的发音模组将提醒信号发出，提醒信号可以类似于当下的提示语音，例如“您已进入405乡道”等提示语音；

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，权重系数和比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数和比例系数的大小，只要不影响参数与量化后数值的比例关系即可。

在另一实施例中，请参阅图2所示，现提出一种适用于多路面的智能驾驶车辆驾驶方法，智能驾驶车辆驾驶方法具体如下：

步骤S101，当车辆上减震器的活动间距大于间距阈值时，定位模块获取车辆的实时地理位置，并将车辆的实时地理位置发送至服务器，数据采集模块采集车辆实时地理位置对应的图像数据并发送至服务器，服务器将车辆实时地理位置的图像数据发送至实时监测模块；

步骤S102，通过实时监测模块对车辆实时地理位置的图片数据进行监测，获取车辆实时地理位置的实时图片所在道路的道路等级，依据道路等级将实时图片输入至障碍识别网络模型进行识别，若实时图片符合障碍识别网络模型，则生成路面异常信号，若实时图片不符合障碍识别网络模型，则生成路面正常信号，实时监测模块将路面异常信号或路面正常信号反馈至服务器，若服务器接收到路面正常信号，则不进行任何操作，若服务器接收到路面异常信号，则将车辆实时地理位置标记为驾驶调控点，并将标记有驾驶调控点的行驶路线发送至数据库模块进行存储；

步骤S103，驾驶人员通过用户终端输入车辆的驾驶目的地，并将驾驶目的地发送至服务器，此时定位模块获取用户终端的实时地理位置，并将用户终端的实时地理位置发送至服务器，服务器依据实时地理位置和驾驶目的地生成待定行驶路线，数据采集模块用于获取数据库模块中待定行驶路线的道路数据，并将道路数据发送至服务器，服务器将道路数据发送至路径筛选模块；

步骤S104，通过路径筛选模块对待定行驶路线进行筛选，将待定行驶路线标记为u，获取待定行驶路线的行驶距离XJu、限速均值JSu、弯曲均度JWu和待定行驶路线中红灯的亮灯均时长JTu，利用公式LSu＝1/(XJu×a1+JSu×a2+JWu×a3+JTu×a4)计算得到待定行驶路线的路径筛选值LSu，按照数值大小将路径筛选值降序排列得到待定行驶路线表，路径筛选模块将待定行驶路线表反馈至服务器，服务器依据待定行驶路线表选定三组待定行驶路线作为备选行驶路线，并将三组备选行驶路线发送至用户终端，用户终端将三组备选行驶路线进行显示供驾驶人员选择；

步骤S105，在驾驶人员选择备选行驶路线后，数据库模块将对应带有驾驶调控点的行驶路线发送至智能调控模块，同时定位模块实时对车辆进行实时定位，当车辆的实时地理位置与驾驶调控点的间隔距离小于距离阈值时，智能调控模块用于对车辆进行驾驶调控；

步骤S106，路径划分模块连接有数据库模块，数据库模块将驾驶人员选择的备选行驶路线的道路等级并发送至路径划分模块，通过路径划分模块对选择的备选行驶路线进行路径划分，将备选行驶路线划分为各个行驶路段，并获取各个行驶路段的道路等级，若行驶路段为高速公路或一级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定绿色提醒点，若行驶路段为二级公路或三级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定黄色提醒点，若行驶路段为四级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定红色提醒点，各个行驶路段上的绿色提醒点、黄色提醒点和红色提醒点整合构成在备选行驶路线上的驾驶提醒点，路径划分模块将备选行驶路线上的驾驶提醒点反馈至服务器，服务器在车辆到达驾驶提醒点时生成提醒信号发送至用户终端，用户终端将提醒信号进行提醒。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (3)

1.一种适用于多路面的智能驾驶车辆驾驶***，其特征在于，包括数据采集模块、定位模块、路径筛选模块、数据库模块、路径划分模块、用户终端、智能调控模块、实时监测模块以及服务器，当车辆上减震器的活动间距大于间距阈值时，所述定位模块获取车辆的实时地理位置并发送至服务器，所述数据采集模块用于采集车辆实时地理位置对应的图像数据并发送至服务器，所述服务器将车辆实时地理位置的图像数据发送至实时监测模块，所述实时监测模块用于对车辆实时地理位置的图片数据进行监测，生成路面异常信号或路面正常信号反馈至服务器，若服务器接收到路面正常信号则不进行任何操作，若服务器接收到路面异常信号则将车辆实时地理位置标记为驾驶调控点，并将带有驾驶调控点的行驶路线发送至数据库模块进行存储；

所述用户终端用于输入车辆的驾驶目的地并发送至服务器；所述定位模块用于获取用户终端的实时地理位置并发送至服务器，服务器依据实时地理位置和驾驶目的地生成待定行驶路线；所述数据采集模块用于获取数据库模块中待定行驶路线的道路数据并发送至服务器，所述服务器将道路数据发送至路径筛选模块；所述路径筛选模块用于对待定行驶路线进行筛选，得到待定行驶路线表反馈至服务器，服务器依据待定行驶路线表选定三组待定行驶路线作为备选行驶路线，并将三组备选行驶路线发送至用户终端；

在选择备选行驶路线后，数据库模块将对应带有驾驶调控点的行驶路线发送至智能调控模块，所述定位模块实时对车辆进行实时定位，当车辆的实时地理位置与驾驶调控点的间隔距离小于距离阈值时，所述智能调控模块用于对车辆进行驾驶调控；

数据库模块将被选择的备选行驶路线的道路等级并发送至路径划分模块；所述路径划分模块用于对选择的备选行驶路线进行路径划分，得到备选行驶路线上的驾驶提醒点反馈至服务器，服务器在车辆到达驾驶提醒点时生成提醒信号发送至用户终端；

所述实时监测模块的监测过程具体如下：

步骤Q1：获取车辆实时地理位置的实时图片所在道路的道路等级；

步骤Q2：依据道路等级将实时图片输入至障碍识别网络模型进行识别；

步骤Q3：若实时图片符合障碍识别网络模型，则生成路面异常信号，若实时图片不符合障碍识别网络模型，则生成路面正常信号；

障碍识别网络模型构建过程具体如下：

采集多张坑洼图片并作为坑洼图片集，坑洼图片集包括正常路面坑洼图片、阴影坑洼图片和积水坑洼图片；

对多张坑洼图片进行预处理后得到坑洼图片集；

提取坑洼图片集中多张坑洼图片所采集地面的像素信息和道路等级，得到坑洼图片集中多张坑洼图片的边缘信息；

依据道路等级将坑洼图片集中坑洼图片的像素信息和边缘信息进行整合打包，构成相同道路等级的正常路面坑洼判定集、阴影坑洼判定集和积水坑洼判定集；

所有道路等级的正常路面坑洼判定集、阴影坑洼判定集和积水坑洼判定集共同构成路面坑洼的障碍识别网络模型；

所述路径筛选模块的筛选过程具体如下：

步骤S1：将待定行驶路线标记为u，u=1，2，……，z，z为正整数；获取待定行驶路线的行驶距离，并将行驶距离标记为XJu；

步骤S2：获取待定行驶路线上的测速点数以及每个测速点的限速值，待定行驶路线上每个测速点的限速值相加求和取平均值得到待定行驶路线的限速均值JSu；

步骤S3：获取待定行驶路线上的转弯数以及每个转弯的弯曲度，待定行驶路线上每个转弯的弯曲度相加求和取平均值得到待定行驶路线的弯曲均度JWu；

步骤S4：获取待定行驶路线上的红绿灯数以及每个红绿灯中红灯的亮灯时长，待定行驶路线上每个红绿灯中红灯的亮灯时长相加求和取平均值得到待定行驶路线中红灯的亮灯均时长JTu；

步骤S5：通过公式LSu=1/（XJu×a1+JSu×a2+JWu×a3+JTu×a4）计算得到待定行驶路线的路径筛选值LSu；式中，a1、a2、a3和a4均为固定数值的比例系数，且a1、a2、a3和a4的取值均大于零，在具体实施时，a1、a2、a3和a4的具体取值只要不影响参数与结果值的正反比即可；

步骤S6：按照数值大小将路径筛选值降序排列得到待定行驶路线表；

所述智能调控模块的工作过程具体如下：

检测到前方有坑洼时，控制调整车辆的行驶车速，并将悬架刚度和阻尼设置在合适的参数；

车辆通过坑洼后，车辆恢复正常道路情况下的车速控制，同时恢复悬架的设置；

所述路径划分模块的工作过程具体如下：

将备选行驶路线划分为各个行驶路段，并获取各个行驶路段的道路等级；

若行驶路段为高速公路或一级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定绿色提醒点，若行驶路段为二级公路或三级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定黄色提醒点，若行驶路段为四级公路，则获取对应行驶路段的行驶起点，并在行驶起点设定红色提醒点；

各个行驶路段上的绿色提醒点、黄色提醒点和红色提醒点整合构成在备选行驶路线上的驾驶提醒点。

2.根据权利要求1所述的一种适用于多路面的智能驾驶车辆驾驶***，其特征在于，图片数据为车辆所在实时地理位置的实时图片；

道路数据为待定行驶路线的行驶距离、待定行驶路线上的测速点数以及每个测速点的限速值、转弯数以及每个转弯的弯曲度、红绿灯数以及每个红绿灯中红灯的亮灯时长；

道路等级为高速公路、一级公路、二级公路、三级公路和四级公路。

3.基于权利要求1-2任一项所述的适用于多路面的智能驾驶车辆驾驶***的方法，其特征在于，方法具体如下：

步骤S101，当车辆上减震器的活动间距大于间距阈值时，定位模块获取车辆的实时地理位置，数据采集模块采集车辆实时地理位置对应的图像数据发送至实时监测模块；

步骤S102，实时监测模块对车辆实时地理位置的图片数据进行监测，生成路面异常信号或路面正常信号，若接收到路面异常信号则将车辆实时地理位置标记为驾驶调控点，并将带有驾驶调控点的行驶路线发送至数据库模块；

步骤S103，服务器依据实时地理位置和驾驶目的地生成待定行驶路线，数据采集模块获取待定行驶路线的道路数据发送至路径筛选模块；

步骤S104，路径筛选模块对待定行驶路线进行筛选，得到待定行驶路线表反馈至服务器，服务器依据待定行驶路线表选定三组待定行驶路线作为备选行驶路线发送至用户终端；

步骤S105，选择备选行驶路线后将对应带有驾驶调控点的行驶路线发送至智能调控模块，定位模块对车辆进行实时定位，当车辆的实时地理位置与驾驶调控点的间隔距离小于距离阈值时，智能调控模块对车辆进行驾驶调控；

步骤S106，路径划分模块对选择的备选行驶路线进行路径划分，得到备选行驶路线上的驾驶提醒点，车辆到达驾驶提醒点时生成提醒信号发送至用户终端。

Images