CN115384539A - 车辆智能驾驶策略的生成方法、装置、车辆及存储介质 - Google Patents

Abstract

本申请涉及一种车辆智能驾驶策略的生成方法、装置、车辆及存储介质，其中，方法包括：获取用户的偏好指令；根据偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数；以及采集行驶过程中用户的至少一个体态特征，并根据至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，且在最佳驾驶参数和对应初始驾驶参数不一致时，根据用户的调整指令将初始驾驶参数调整为最佳驾驶参数，生成当前智能驾驶工况的最终智能驾驶策略。本申请实施例可以基于偏好设置智能驾驶策略的参数的同时，基于行驶过程中的用户体态特征进一步修正，得到最优的智能驾驶策略，提高策略的实用性和实用性，提升用户的驾乘体验。

Description

车辆智能驾驶策略的生成方法、装置、车辆及存储介质

技术领域

本申请涉及智能驾驶技术领域，特别涉及一种车辆智能驾驶策略的生成方法、装置、车辆及存储介质。

背景技术

目前，汽车驾驶的智能化与个性化已然成为一种发展趋势，一般而言，驾驶性能的开发是为了满足客户的偏好需求，但没有单一标准化的参数可以满足所有性别、文化背景和不同年龄的用户的各种驾驶需求。近年来，汽车已经从不变特性的车辆发展成为可以利用发动机、主动弹簧、减震器、动力传动***和转向***改变其动态特性的车辆，驾驶模式的概念由此应运而生。

相关技术中，车辆所配备的多驾驶模式控制***大都需要用户针对不同的驾驶工况手动选择驾驶模式，这就要求用户必需提前了解相应驾驶模式的功能及应用效果，对于经验不足的用户并不友好，且对于驾驶工况变化较为频繁的状态，则需要用户进行频繁调整，不仅会影响用户的驾驶体验还会降低燃油经济性，有待改进。

发明内容

本申请提供一种车辆智能驾驶策略的生成方法、装置、车辆及存储介质，以解决相关技术中，需要用户针对不同的驾驶工况手动选择驾驶模式，不利于新手用户使用，且当驾驶工况变化较为频繁时，需要用户进行频繁调整，从而影响用户的驾驶体验的技术问题。

本申请第一方面实施例提供一种车辆智能驾驶策略的生成方法，包括以下步骤：获取用户的偏好指令；根据所述偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数；以及采集行驶过程中所述用户的至少一个体态特征，并根据所述至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，且在最佳驾驶参数和对应初始驾驶参数不一致时，根据所述用户的调整指令将所述初始驾驶参数调整为所述最佳驾驶参数，生成所述当前智能驾驶工况的最终智能驾驶策略。

根据上述技术手段，本申请实施例可以基于用户的偏好指令匹配智能驾驶工况的初始驾驶参数，并基于车辆行驶过程中采集的用户体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，实现对初始驾驶参数的自适应调整，可以基于偏好设置智能驾驶策略的参数的同时，基于行驶过程中的用户体态特征进一步修正，得到最优的智能驾驶策略，提高策略的实用性和实用性，提升用户的驾乘体验。

可选地，在本申请的一个实施例中，所述偏好指令包括激进型偏好指令、常规型偏好指令和保守型偏好指令。

根据上述技术手段，本申请实施例可以将偏好指令分为激进型、常规型和保守型，便于用户理解指令含义。

可选地，在本申请的一个实施例中，所述根据所述偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，包括：在智能驾驶工况为换道工况时，所述多个初始驾驶参数包括换道角度、换道速度、换道轨迹和换道时间中的多项；在所述智能驾驶工况为泊车工况时，所述多个初始驾驶参数包括泊车时间、泊车调整次数、泊车调整角度和泊车轨迹中的多项。

根据上述技术手段，本申请实施例可以在偏好指令的基础上，根据不同的工况，调整该工况下涉及的参数。

可选地，在本申请的一个实施例中，所述根据所述至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，包括：根据所述至少一个体态特征识别所述用户的实际情绪或者实际表情；将所述实际情绪或者所述实际表情输入预先训练的参数匹配模型，输出所述多个最佳驾驶参数，或者查询预设数据库，得到所述多个最佳驾驶参数。

根据上述技术手段，本申请实施例可以基于用户的体态特征识别用户的实际情绪或者实际表情，进而推断用户在当前驾驶状态下对该模式的反应，并进行驾驶参数的自适应调整，无需用户手动操作，从而增加用户的驾驶体验。

可选地，在本申请的一个实施例中，还包括：在所述行驶过程中，检测所述车辆的当前行驶环境；判断所述当前行驶环境是否满足预设特定工况条件；在满足所述预设特定工况条件时，根据预设决策趋势修改所述初始驾驶参数，直至退出所述当前行驶环境时，修改回所述初始驾驶参数。

根据上述技术手段，本申请实施例可以在预设特定工况条件时，修改初始驾驶参数，并在脱离该特殊工况时，恢复初始驾驶参数，实现在特殊工况下的特殊应对，避免用户忘记修改驾驶参数导致的工况与驾驶参数不匹配的问题，提高智能化水平。

本申请第二方面实施例提供一种车辆智能驾驶策略的生成装置，包括：获取模块，用于获取用户的偏好指令；匹配模块，用于根据所述偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数；以及生成模块，用于采集行驶过程中所述用户的至少一个体态特征，并根据所述至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，且在最佳驾驶参数和对应初始驾驶参数不一致时，根据所述用户的调整指令将所述初始驾驶参数调整为所述最佳驾驶参数，生成所述当前智能驾驶工况的最终智能驾驶策略。

可选地，在本申请的一个实施例中，所述偏好指令包括激进型偏好指令、常规型偏好指令和保守型偏好指令。

可选地，在本申请的一个实施例中，所述匹配模块进一步用于在智能驾驶工况为换道工况时，所述多个初始驾驶参数包括换道角度、换道速度、换道轨迹和换道时间中的多项；在所述智能驾驶工况为泊车工况时，所述多个初始驾驶参数包括泊车时间、泊车调整次数、泊车调整角度和泊车轨迹中的多项。

可选地，在本申请的一个实施例中，所述生成模块包括：识别单元，用于根据所述至少一个体态特征识别所述用户的实际情绪或者实际表情；匹配单元，用于将所述实际情绪或者所述实际表情输入预先训练的参数匹配模型，输出所述多个最佳驾驶参数，或者查询预设数据库，得到所述多个最佳驾驶参数。

可选地，在本申请的一个实施例中，还包括：检测模块，用于在所述行驶过程中，检测所述车辆的当前行驶环境；判断模块，用于判断所述当前行驶环境是否满足预设特定工况条件；修改模块，用于在满足所述预设特定工况条件时，根据预设决策趋势修改所述初始驾驶参数，直至退出所述当前行驶环境时，修改回所述初始驾驶参数。

本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆智能驾驶策略的生成方法。

本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车辆智能驾驶策略的生成方法。

本申请实施例的有益效果：

(1)本申请实施例可以基于用户的偏好指令，匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，并基于用户的体态特征对初始驾驶参数进行自适应调整，可以基于偏好设置智能驾驶策略的参数的同时，基于行驶过程中的用户体态特征进一步修正，得到最优的智能驾驶策略，提高策略的实用性和实用性，提升用户的驾乘体验；

(2)本申请实施例可以基于用户的体态特征识别用户的实际情绪或者实际表情，进而推断用户在当前驾驶状态下对该模式的反应，并进行驾驶参数的调整，无需用户手动操作，从而增加用户的驾驶体验，提高车辆的智能化水平；

(3)本申请实施例可以在预设特定工况条件时，修改初始驾驶参数，并在脱离该特殊工况时，恢复初始驾驶参数，实现在特殊工况下的特殊应对的同时，避免用户忘记修改驾驶参数导致的工况与驾驶参数不匹配的问题。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例提供的一种车辆智能驾驶策略的生成方法的流程图；

图2为根据本申请一个实施例的车辆智能驾驶策略的生成方法的用户偏好指令的原理示意图；

图3为根据本申请一个实施例的车辆智能驾驶策略的生成方法的换道工况的自定义构成示意图；

图4为根据本申请一个实施例的车辆智能驾驶策略的生成方法的特定工况的自定义构成示意图；

图5为根据本申请一个实施例的车辆智能驾驶策略的生成方法的原理示意图；

图6为根据本申请一个实施例的车辆智能驾驶策略的生成方法的流程图；

图7为根据本申请一个实施例的车辆智能驾驶策略的生成方法的高速公路工况自定义构成示意图；

图8为根据本申请实施例提供的一种车辆智能驾驶策略的生成装置的结构示意图；

图9为根据本申请实施例提供的车辆的结构示意图。

其中，10-车辆智能驾驶策略的生成；100-获取模块、200-匹配模块、300-生成模块。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的车辆智能驾驶策略的生成方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中，需要用户针对不同的驾驶工况手动选择驾驶模式，不利于新手用户使用，且当驾驶工况变化较为频繁时，需要用户进行频繁调整，不仅会影响用户的驾驶体验还会降低燃油经济性的技术问题，本申请提供了一种车辆智能驾驶策略的生成方法，在该方法中，可以基于用户的偏好指令，匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，并基于用户的体态特征对初始驾驶参数进行自适应调整，可以基于偏好设置智能驾驶策略的参数的同时，基于行驶过程中的用户体态特征进一步修正，得到最优的智能驾驶策略，提高策略的实用性和实用性，提升用户的驾乘体验。由此，解决了相关技术中，需要用户针对不同的驾驶工况手动选择驾驶模式，不利于新手用户使用，且当驾驶工况变化较为频繁时，需要用户进行频繁调整，从而影响用户的驾驶体验的技术问题。

具体而言，图1为本申请实施例所提供的一种车辆智能驾驶策略的生成方法的流程示意图。

如图1所示，该车辆智能驾驶策略的生成方法包括以下步骤：

在步骤S101中，获取用户的偏好指令。

在实际执行过程中，本申请实施例可以将智能驾驶策略细化，将每个功能修改为可以由用户选择的几个选项，用户基于选项确定自己的驾驶风格，本申请实施例可以基于用户的选项，进而获取用户的偏好指令。

可选地，在本申请的一个实施例中，偏好指令包括激进型偏好指令、常规型偏好指令和保守型偏好指令。

作为一种可能实现的方式，偏好指令包括激进型偏好指令、常规型偏好指令和保守型偏好指令，举例而言，当用户驾驶风格为速度与动力时，其偏好指令可以为激进型偏好指令；当用户驾驶风格为平稳与安全时，其偏好指令可以为保守型偏好指令；当用户驾驶风格介于激进型偏好指令和保守型偏好指令之间时，其偏好指令可以为常规型偏好指令。

步骤S102中，根据偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数。

在一些实施例中，可以根据用户的偏好指令，匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，如用户的偏好指令为激进型偏好指令时，本申请实施例可以对车辆的常规驾驶工况下所有的涉及参数进行速度动力方向的调整匹配。

此外，用户可以在进行初始驾驶参数匹配后，针对部分参数进行自定义调整，如图2所示，本申请实施例可以针对修改后的参数，重新判定用户的偏好指令，并基于新的偏好指令，匹配新的至少一个智能驾驶工况的多个初始驾驶参数，从而增强偏好指令与用户的适配度。

可选地，在本申请的一个实施例中，根据偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，包括：在智能驾驶工况为换道工况时，多个初始驾驶参数包括换道角度、换道速度、换道轨迹和换道时间中的多项；在智能驾驶工况为泊车工况时，多个初始驾驶参数包括泊车时间、泊车调整次数、泊车调整角度和泊车轨迹中的多项。

在实际执行过程中，在换道工况时，本申请实施例中的多个初始驾驶参数包括换道角度、换道速度、换道轨迹和换道时间中的多项，举例而言，如图3所示，可以基于偏好指令，将换道角度、换道速度分别设置为大角度、快速，小角度、快速和小角度、中速三种方案。其中，大角度快速就属于激进型偏好指令的方案，该方案中换道轨迹预测较短，目的是为了更加快速、有效的完成换道，同时传感器对于目标检测要求也会更高，以确保能够完成整个换道动作，实现激进换道；小角度快速换道属于常规偏好指令的方案，在智能驾驶中的常规型偏好指令接近大众风格，变道轨迹较激进型偏好指令方案较长，变道速度相对保守型还是较快；而保守型偏好指令方案，相对前面两项来说，变道时间更长，变道距离也更长，同时用户的接管报警的可能性也最小。

在泊车工况时，同理，本申请实施例可以基于不同偏好指令，对泊车时间、泊车调整次数、泊车调整角度和泊车轨迹中的多项参数进行相应调整，以在保证安全的前提下，使得车辆的行驶状态满足用户的个性化需求，从而增加本申请实施例的智能化水平。

步骤S103中，采集行驶过程中用户的至少一个体态特征，并根据至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，且在最佳驾驶参数和对应初始驾驶参数不一致时，根据用户的调整指令将初始驾驶参数调整为最佳驾驶参数，生成当前智能驾驶工况的最终智能驾驶策略。

作为一种可能实现的方式，本申请实施例可以基于车内采集设备，如摄像头，采集用户在车辆行驶过程中的至少一个体态特征，并基于体态特征，匹配用户当前状态下的智能驾驶工况下的多个最佳驾驶参数，并将多个最佳驾驶参数与对应的初始驾驶参数对比，从而判断初始驾驶参数是否符合当前用户需求，并在最佳驾驶参数和对应初始驾驶参数不一致时，向用户发出提醒信号，如在显示屏处进行弹窗，用户接收提醒信号后，可以选择是否进行参数调整，本申请实施例可以根据用户的调整指令将初始驾驶参数调整为最佳驾驶参数，进而生成当前智能驾驶工况的最终智能驾驶策略，使得车辆在行驶过程中的驾驶参数可以时刻满足用户需求，从而提高用户的驾驶体验。

可选地，在本申请的一个实施例中，根据至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，包括：根据至少一个体态特征识别用户的实际情绪或者实际表情；将实际情绪或者实际表情输入预先训练的参数匹配模型，输出多个最佳驾驶参数，或者查询预设数据库，得到多个最佳驾驶参数。

在一些实施例中，可以通过采集设备，采集用户的至少一个体态特征，包括用户的面部特征和动作特征，进而识别出用户的实际情绪或实际表情，举例而言，当用户的表情为常规专注表情，动作为常规驾驶动作时，可以判断用户的实际情绪或实际表情正常；当用户的表情出现双眼睁大、抿嘴或用户的动作为紧握方向盘时，可以判断用户的实际情绪为紧张情绪；当用户的表情为痛苦、面部出汗异常或目光游移时，可以判断用户的实际情绪异常；当用户的表情为嘴角向上时，可以判断用户的情绪为开心等。

本申请实施例可以将实际情绪或者实际表情输入预先训练的参数匹配模型，输出多个最佳驾驶参数，或者查询预设数据库，得到多个最佳驾驶参数，举例而言，当用户处于紧张情绪时，本申请实施例可以调整速度参数，减慢车速；当用户处于情绪异常状态时，本申请实施例可以在减慢车速的基础上，开启车辆警示灯，并发送求助信号等。

需要注意的是，预先训练的参数匹配模型可以由本领域技术人员根据实际情况进行构建，并基于数据库中的数据进行训练，在此不做具体限制。

可选地，在本申请的一个实施例中，还包括：在行驶过程中，检测车辆的当前行驶环境；判断当前行驶环境是否满足预设特定工况条件；在满足预设特定工况条件时，根据预设决策趋势修改初始驾驶参数，直至退出当前行驶环境时，修改回初始驾驶参数。

具体而言，对于特定工况，例如旁边有大车、前方施工区域、前方事故区域、旁边车道有超车意图等，本申请实施例可以根据预设决策趋势修改初始驾驶参数，如图4所示，可以有四种方式进行选择：

减少缓速、制动，在该方式下，本申请实施例可以减少减速、制动次数；

减少缓速，在该方式下，本申请实施例可以增加车速的瞬间降低率，从而减少减速次数，实现最大可能性的危险规避；

减少制动，在该方式下，本申请实施例可以减少制动次数，降低频繁制动为用户带来的不良体验；

无，在该方式下，本申请实施例不进行驾驶参数修改。

本申请实施例可以在判断当前离开特殊工况时，将修改的驾驶参数重新修改回初始驾驶参数，无需用户手动修改调整，从而增加用户体验，实现在特殊工况下的特殊应对，避免用户忘记修改驾驶参数导致的工况与驾驶参数不匹配的问题，提高智能化水平。

结合图2至图7所示，以一个实施例对本申请实施例的车辆智能驾驶策略的生成方法的工作原理进行详细阐述。

如图5和图6所示，本申请实施例可以包括乘员体征检测***、乘员舒适性评价反馈***、车辆状态采集***和计算机。

其中，乘员体征检测***可以用于测量智能驾驶汽车行驶过程中乘员的体征信息；乘员舒适性评价反馈***可以用于收集智能驾驶汽车行驶过程中乘员的主观舒适性评价得分；车辆状态采集***可以用于收集测量智能驾驶过程中智能驾驶汽车的动力学信息，包括智能驾驶汽车的三轴速度以及加速度等；计算机可以用于根据接收到的乘员体征信息、主观舒适性评价得分以及车辆动力学信息，对乘员舒适性进行预测，并反馈于智能驾驶车辆的智能驾驶***。

在实际执行过程中，本申请实施例可以将智能驾驶策略细化，将每个功能修改为可以由用户选择的几个选项，用户基于选项确定自己的驾驶风格，本申请实施例可以基于用户的选项，进而获取用户的偏好指令。其中，偏好指令可以包括激进型偏好指令、常规型偏好指令和保守型偏好指令。

在一些实施例中，可以根据用户的偏好指令，匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，如用户的偏好指令为激进型偏好指令时，本申请实施例可以对车辆的常规驾驶工况下所有的涉及参数进行速度动力方向的调整匹配。

此外，用户可以在进行初始驾驶参数匹配后，针对部分参数进行自定义调整，如图2所示，本申请实施例可以针对修改后的参数，重新判定用户的偏好指令，并基于新的偏好指令，匹配新的至少一个智能驾驶工况的多个初始驾驶参数，从而增强偏好指令与用户的适配度。

可以理解的是，车辆在行驶过程中可以遇到多种工况，以换道工况为例，本申请实施例中的多个初始驾驶参数包括换道角度、换道速度、换道轨迹和换道时间中的多项，举例而言，如图3所示，可以基于偏好指令，将换道角度、换道速度分别设置为大角度、快速，小角度、快速和小角度、中速三种方案。其中，大角度快速就属于激进型偏好指令的方案，该方案中换道轨迹预测较短，目的是为了更加快速、有效的完成换道，同时传感器对于目标检测要求也会更高，以确保能够完成整个换道动作，实现激进换道；小角度快速换道属于常规偏好指令的方案，在智能驾驶中的常规型偏好指令接近大众风格，变道轨迹较激进型偏好指令方案较长，变道速度相对保守型还是较快；而保守型偏好指令方案，相对前面两项来说，变道时间更长，变道距离也更长，同时用户的接管报警的可能性也最小。

而对于对于特定工况，例如旁边有大车、前方施工区域、前方事故区域、旁边车道有超车意图等，本申请实施例可以根据预设决策趋势修改初始驾驶参数，如图4所示，可以有四种方式进行选择：

减少缓速、制动，在该方式下，本申请实施例可以减少减速、制动次数；

减少缓速，在该方式下，本申请实施例可以增加车速的瞬间降低率，从而减少减速次数，实现最大可能性的危险规避；

减少制动，在该方式下，本申请实施例可以减少制动次数，降低频繁制动为用户带来的不良体验；

无，在该方式下，本申请实施例不进行驾驶参数修改。

本申请实施例可以在判断当前离开特殊工况时，将修改的驾驶参数重新修改回初始驾驶参数，无需用户手动修改调整，从而增加用户体验，实现在特殊工况下的特殊应对，避免用户忘记修改驾驶参数导致的工况与驾驶参数不匹配的问题，提高智能化水平。

更进一步地，高速公路自动驾驶工况下，由于车道线清晰，前跟车目标速度稳定，道路结构变化少，弯道曲率小，相应的驾驶参数更能准确满足用户需求，如图7所示，本申请实施例可以包括两种高速公路自动驾驶的方式，一种是相对速度更快，但是报警可能性较大，因为车速过快，对于前方目标识别距离会越远，这样才能保证安全，可能因为前方目标的一些意图，导致报警，虽然速度快，但是降低了驾驶体验；而第二种方法是采用更低的速度，这样对于前方目标识别距离会越近，报警的可能性就更小，同时制动几率和制动强度也会越低，驾驶体验更好，但总体用时会更长。

在上述工况的基础上，本申请实施例还可以采集用户在车辆行驶过程中的至少一个体态特征，并基于体态特征，匹配用户当前状态下的智能驾驶工况下的多个最佳驾驶参数，并将多个最佳驾驶参数与对应的初始驾驶参数对比，从而判断初始驾驶参数是否符合当前用户需求，并在最佳驾驶参数和对应初始驾驶参数不一致时，向用户发出提醒信号，如在显示屏处进行弹窗，用户接收提醒信号后，可以选择是否进行参数调整，本申请实施例可以根据用户的调整指令将初始驾驶参数调整为最佳驾驶参数，进而生成当前智能驾驶工况的最终智能驾驶策略，使得车辆在行驶过程中的驾驶参数可以时刻满足用户需求，从而提高用户的驾驶体验。

根据本申请实施例提出的车辆智能驾驶策略的生成方法，可以基于用户的偏好指令，匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，并基于用户的体态特征对初始驾驶参数进行自适应调整，可以基于偏好设置智能驾驶策略的参数的同时，基于行驶过程中的用户体态特征进一步修正，得到最优的智能驾驶策略，提高策略的实用性和实用性，提升用户的驾乘体验。由此，解决了相关技术中，需要用户针对不同的驾驶工况手动选择驾驶模式，不利于新手用户使用，且当驾驶工况变化较为频繁时，需要用户进行频繁调整，从而影响用户的驾驶体验的技术问题。

其次参照附图描述根据本申请实施例提出的车辆智能驾驶策略的生成装置。

图8是本申请实施例的车辆智能驾驶策略的生成装置的方框示意图。

如图8所示，该车辆智能驾驶策略的生成装置10包括：获取模块100、匹配模块200和生成模块300。

具体地，获取模块100，用于获取用户的偏好指令。

匹配模块200，用于根据偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数。

生成模块300，用于采集行驶过程中用户的至少一个体态特征，并根据至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，且在最佳驾驶参数和对应初始驾驶参数不一致时，根据用户的调整指令将初始驾驶参数调整为最佳驾驶参数，生成当前智能驾驶工况的最终智能驾驶策略。

可选地，在本申请的一个实施例中，偏好指令包括激进型偏好指令、常规型偏好指令和保守型偏好指令。

可选地，在本申请的一个实施例中，匹配模块200进一步用于在智能驾驶工况为换道工况时，多个初始驾驶参数包括换道角度、换道速度、换道轨迹和换道时间中的多项；在智能驾驶工况为泊车工况时，多个初始驾驶参数包括泊车时间、泊车调整次数、泊车调整角度和泊车轨迹中的多项。

可选地，在本申请的一个实施例中，生成模块300包括：识别单元和匹配单元。

其中，识别单元，用于根据至少一个体态特征识别用户的实际情绪或者实际表情。

匹配单元，用于将实际情绪或者实际表情输入预先训练的参数匹配模型，输出多个最佳驾驶参数，或者查询预设数据库，得到多个最佳驾驶参数。

可选地，在本申请的一个实施例中，车辆智能驾驶策略的生成装置10还包括：检测模块、判断模块和修改模块。

其中，检测模块，用于在行驶过程中，检测车辆的当前行驶环境。

判断模块，用于判断当前行驶环境是否满足预设特定工况条件。

修改模块，用于在满足预设特定工况条件时，根据预设决策趋势修改初始驾驶参数，直至退出当前行驶环境时，修改回初始驾驶参数。

需要说明的是，前述对车辆智能驾驶策略的生成方法实施例的解释说明也适用于该实施例的车辆智能驾驶策略的生成装置，此处不再赘述。

根据本申请实施例提出的车辆智能驾驶策略的生成装置，可以基于用户的偏好指令，匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，并基于用户的体态特征对初始驾驶参数进行自适应调整，可以基于偏好设置智能驾驶策略的参数的同时，基于行驶过程中的用户体态特征进一步修正，得到最优的智能驾驶策略，提高策略的实用性和实用性，提升用户的驾乘体验。由此，解决了相关技术中，需要用户针对不同的驾驶工况手动选择驾驶模式，不利于新手用户使用，且当驾驶工况变化较为频繁时，需要用户进行频繁调整，从而影响用户的驾驶体验的技术问题。

图9为本申请实施例提供的车辆的结构示意图。该车辆可以包括：

存储器901、处理器902及存储在存储器901上并可在处理器902上运行的计算机程序。

处理器902执行程序时实现上述实施例中提供的车辆智能驾驶策略的生成方法。

进一步地，车辆还包括：

通信接口903，用于存储器901和处理器902之间的通信。

存储器901，用于存放可在处理器902上运行的计算机程序。

存储器901可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

如果存储器901、处理器902和通信接口903独立实现，则通信接口903、存储器901和处理器902可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选地，在具体实现上，如果存储器901、处理器902及通信接口903，集成在一块芯片上实现，则存储器901、处理器902及通信接口903可以通过内部接口完成相互间的通信。

处理器902可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。

本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的车辆智能驾驶策略的生成方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种车辆智能驾驶策略的生成方法，其特征在于，包括以下步骤：

获取用户的偏好指令；

根据所述偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数；以及

采集行驶过程中所述用户的至少一个体态特征，并根据所述至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，且在最佳驾驶参数和对应初始驾驶参数不一致时，根据所述用户的调整指令将所述初始驾驶参数调整为所述最佳驾驶参数，生成所述当前智能驾驶工况的最终智能驾驶策略。

2.根据权利要求1所述的方法，其特征在于，所述偏好指令包括激进型偏好指令、常规型偏好指令和保守型偏好指令。

3.根据权利要求2所述的方法，其特征在于，所述根据所述偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数，包括：

在智能驾驶工况为换道工况时，所述多个初始驾驶参数包括换道角度、换道速度、换道轨迹和换道时间中的多项；

在所述智能驾驶工况为泊车工况时，所述多个初始驾驶参数包括泊车时间、泊车调整次数、泊车调整角度和泊车轨迹中的多项。

4.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，包括：

根据所述至少一个体态特征识别所述用户的实际情绪或者实际表情；

将所述实际情绪或者所述实际表情输入预先训练的参数匹配模型，输出所述多个最佳驾驶参数，或者查询预设数据库，得到所述多个最佳驾驶参数。

5.根据权利要求1所述的方法，其特征在于，还包括：

在所述行驶过程中，检测所述车辆的当前行驶环境；

判断所述当前行驶环境是否满足预设特定工况条件；

在满足所述预设特定工况条件时，根据预设决策趋势修改所述初始驾驶参数，直至退出所述当前行驶环境时，修改回所述初始驾驶参数。

6.一种车辆智能驾驶策略的生成装置，其特征在于，包括：

获取模块，用于获取用户的偏好指令；

匹配模块，用于根据所述偏好指令匹配车辆的至少一个智能驾驶工况的多个初始驾驶参数；以及

生成模块，用于采集行驶过程中所述用户的至少一个体态特征，并根据所述至少一个体态特征匹配当前智能驾驶工况下的多个最佳驾驶参数，且在最佳驾驶参数和对应初始驾驶参数不一致时，根据所述用户的调整指令将所述初始驾驶参数调整为所述最佳驾驶参数，生成所述当前智能驾驶工况的最终智能驾驶策略。

7.根据权利要求6所述的装置，其特征在于，所述生成模块包括：

识别单元，用于根据所述至少一个体态特征识别所述用户的实际情绪或者实际表情；

匹配单元，用于将所述实际情绪或者所述实际表情输入预先训练的参数匹配模型，输出所述多个最佳驾驶参数，或者查询预设数据库，得到所述多个最佳驾驶参数。

8.根据权利要求6所述的装置，其特征在于，还包括：

检测模块，用于在所述行驶过程中，检测所述车辆的当前行驶环境；

判断模块，用于判断所述当前行驶环境是否满足预设特定工况条件；

修改模块，用于在满足所述预设特定工况条件时，根据预设决策趋势修改所述初始驾驶参数，直至退出所述当前行驶环境时，修改回所述初始驾驶参数。

9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的车辆智能驾驶策略的生成方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的车辆智能驾驶策略的生成方法。

Images