CN116394980B - 车辆控制方法和自动驾驶提示方法及相关装置 - Google Patents

Abstract

本说明书实施方式提供一种车辆控制方法和自动驾驶提示方法及相关装置。所述方法可以包括：在所述车辆从第一位置行驶至第二位置的过程中，获取定位数据和环境数据；存储所述定位数据和所述环境数据；基于所述环境数据，获取与所述车辆的位置相关的交通标识信息；至少基于所述交通标识信息，获取第一自建地图信息；根据多于第一阈值的次数的行驶对应的第一自建地图信息，获取第二自建地图信息；其中，所述第二自建地图信息表示地图的精度高于所述第一自建地图信息；存储第二自建地图信息；至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶。使得车辆可以无需使用高精度导航地图，实现自动驾驶。

Description

车辆控制方法和自动驾驶提示方法及相关装置

技术领域

本说明书中实施方式涉及车辆技术领域，特别是涉及一种车辆控制方法和自动驾驶提示方法及相关装置。

背景技术

车辆的自动驾驶已成为学术界与工业界研究与应用的重要方向。目前，自动驾驶技术的应用通常依赖于高精度导航地图。即，需要使用高精度导航地图实现车辆的高精度定位，以及进一步的运动规划和控制。

然而，高精度导航地图生产和更新的成本高难以快速适配人们活动范围内道路情况的动态变化。

发明内容

本说明书中多个实施方式提供一种车辆控制方法和自动驾驶提示方法及相关装置，可以无需使用高精度导航地图，实现自动驾驶。

本说明书的一个实施方式提供一种车辆控制方法，所述方法包括：在所述车辆从第一位置行驶至第二位置的过程中，获取定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；存储所述定位数据和所述环境数据；基于所述环境数据，获取与所述车辆的位置相关的交通标识信息；至少基于所述交通标识信息，获取第一自建地图信息；根据多于第一阈值的次数的行驶对应的第一自建地图信息，获取第二自建地图信息；其中，所述多于第一阈值的次数的行驶中的每一次行驶的路径包括至少一个相同的路段；其中，所述第二自建地图信息表示地图的精度高于所述第一自建地图信息；存储第二自建地图信息；至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶。

本说明书的一个实施方式提供一种车辆的控制方法，应用于所述车辆，所述方法包括：确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法将根据自建地图信息、环境数据和定位数据进行处理，得到所述车辆的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；其中，所述自建地图信息为所述车辆构建的地图信息；提示所述自动驾驶信心信息。

本说明书的一个实施方式提供一种车辆的控制装置，包括：第一获取模块，用于在所述车辆从第一位置行驶至第二位置的过程中，获取定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；存储所述定位数据和所述环境数据；第二获取模块，用于基于所述环境数据，获取与所述车辆的位置相关的交通标识信息；第三获取模块，用于至少基于所述交通标识信息，获取第一自建地图信息；第四获取模块，用于根据多于第一阈值的次数的行驶对应的第一自建地图信息，获取第二自建地图信息；其中，所述多于第一阈值的次数的行驶中的每一次行驶的路径包括至少一个相同的路段；其中，所述第二自建地图信息表示地图的精度高于所述第一自建地图信息；存储模块，用于存储第二自建地图信息；控制模块，用于至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶。

本说明书的一个实施方式还提供一种自动驾驶提示装置，所述自动驾驶提示装置包括：确定模块，用于确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；信心信息获取模块，用于获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法将根据自建地图信息、环境数据和定位数据进行处理，得到所述车辆的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；其中，所述自建地图信息为所述车辆构建的地图信息；提示模块，用于提示所述自动驾驶信心信息。

本说明书的一个实施方式提供一种电子设备，所述电子设备包括存储器及处理器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以实现如上所述的车辆的控制方法，或者，实现如上的自动驾驶提示方法。

本说明书的一个实施方式提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序被处理器执行时能够实现如上所述的车辆控制方法，或者，实现如上的自动驾驶提示方法。

本说明书提供的多个实施方式，通过车辆行驶过程中，采集并存储所述车辆的定位数据和环境数据，进一步的，车辆使用存储的定位数据和环境数据建立指定道路的语义地图，如此，当所述车辆再次行驶在所述指定道路时，便可以基于所述指定道路的语义地图执行自动驾驶，从而实现在无高精度导航地图情况下的自动驾驶。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。

图2为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。

图3为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。

图4为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。

图5为本说明书的一个实施方式提供的一种车辆控制装置的模块示意图。

图6为本说明书的一个实施方式提供的一种车辆控制方法的流程示意图。

图7为本说明书的一个实施方式提供的一种自动驾驶提示方法的流程示意图。

图8为本说明书的一个实施方式提供的一种车辆控制装置的模块示意图。

图9为本说明书的一个实施方式提供的一种自动驾驶提示装置的模块示意图。

图10为本说明书的一个实施方式提供的一种电子设备的示意框图。

具体实施方式

下面将结合本说明书中的附图，对本本说明书提供的实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是一部分实施方式，而不是全部的实施方式。基于本说明书提供的实施方式，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，都属于本发明保护的范围。

高精度导航地图相对于普通导航地图是精度更高、数据维度更多的电子地图。精度更高可以体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。

高精度导航地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。在车辆执行自动驾驶的过程中，可以将依据高精度地图、车联网技术提供的多维度信息对具体驾驶问题做出判断、输出车辆控制信号并交给执行层执行。

高精度地图的实际应用可以包括制图过程、用图过程和更新过程三个紧耦合的过程，以保证数据的高频流动和更新。具体的，例如，制图过程可以包括外业采集和内业制作，用图过程可以包括高精（自）定位、环境感知和路径规划，更新过程可以包括变化检测和交叉验证等。

高精度地图动态比较繁琐的制图过程，决定了后期的更新维护也会占据很大的工作量。车辆实现智能驾驶所需要的高精度地图依据更新频率可以划分为四类：更新频率为一个月的长期静态数据、更新频率为1小时的短期静态数据、更新频率为1分钟的半动态数据、更新频率为1秒钟的动态数据。与当前普及的普通导航地图1~2月更新一次的频率相比，高精度地图的更新频率之高、难度之大可想而知。高精度地图的制作和更新成本都非常高。

在相关技术中，车辆实现自动驾驶，对于高精度导航地图有非常强的依赖性。因此，有必要提供一种车辆可以无需完全依赖高精度导航地图，实现自动驾驶的技术方案。

本说明书的实施方式所描述的车辆可以是有人驾驶且有辅助智能驾驶功能的车辆，也可以是能够自动智能行驶车辆。车辆类型具体可以包括轿车、越野车、货车等，本说明书的实施方式对车辆不作具体限定。

本说明书的一个实施方式提供一种车辆控制方法。所述车辆控制方法可以应用于车辆的车辆控制***。所述车辆控制方法可以包括：熟路发现阶段、影子模式验证阶段、自动驾驶路径推荐阶段和自动驾驶阶段。所述熟路发现阶段可以实现控制车辆自动发现熟路，以及分析驾驶员的驾驶风格和道路状况分析。所述影子模式验证阶段可以通过对车辆的虚拟自动驾驶与驾驶员驾驶进行对比验证，得出可以实现自动驾驶的路径。所述自动驾驶路径推荐阶段可以实现针对能够自动驾驶的路径向驾驶员进行推荐，并与驾驶员进行交互确认。所述自动驾驶阶段可以实现在驾驶员允许的路径执行车辆的自动驾驶。

请参阅图1，在所述熟路发现阶段可以包括以下步骤。

步骤S11：存储所述车辆行驶过程中，采集到的所述车辆的定位数据和环境数据。

在本实施方式中，所述定位数据可以用于确定车辆相对于地面的位置。如此，通过采集车辆的定位数据，便可以针对车辆所处的位置，进行连续的定位。在一些实施方式中，定位数据可以包括卫星定位数据。卫星定位数据可以用于表示车辆相对于地面的绝对定位。当然，定位数据还可以包括车载的惯导***生成的定位数据。惯导定位数据用于表示车辆的相对定位。

在一些实施方式中，所述车辆控制***可以接收所述车辆的卫星定位数据；其中，所述卫星定位数据具有第一频率；以及，获取所述车辆的惯导***生成的惯导定位数据；其中，所述惯导定位数据具有第二频率；其中，所述第二频率大于所述第一频率；基于所述惯导定位数据校正所述卫星定位数据，得到所述车辆的定位数据；其中，所述车辆的定位数据具有所述第二频率。

在本实施方式中，车辆通过卫星定位***和接收器接收卫星定位数据。可以针对接收到的卫星信号进行解算，得到卫星定位数据。在一些实施方式中，可以采取多个模型针对卫星定位数据分别进行解算之后，选取最优解作为最终使用的卫星定位数据。

在本实施方式中，惯导***是一个使用加速计和陀螺仪来测量物体的加速度和角速度，并可以连续估算运动物***置、姿态和速度的辅助导航***。通过检测惯导***的加速度和角速度，惯导可以检测位置变化。具体的，例如，向东或向西的运动。速度变化，例如，速度大小或方向的变化。姿态变化，例如，绕各个轴的旋转。具体的，例如，可以通过针对陀螺仪输出信号的解算，得出表示姿态的姿态数据。结合速度的速度数据和姿态数据，便可以得出表示车辆的相对位置变化的位置变化数据。

在本实施方式中，惯导定位数据的第二频率高于卫星定位数据的第一频率。如此，为了提升针对车辆的位置的定位精度。可以采用高频率的惯导定位数据对相对低频率的卫星定位数据进行校正，提升卫星定位数据的频率。具体的，例如，可以先按照采集时间将卫星定位数据和惯导定位数据进行数据对齐，此时，由于卫星定位数据的数据频率小于惯导定位数据的数据频率，使得，部分惯导定位数据没有对应的卫星定位数据。如此，可以基于连续的惯导定位数据之间表示的位置变化数据，推断补全惯导定位数据对应的卫星定位数据。如此，使得补全后的卫星定位数据可以具有第二频率。

在本实施方式中，所述环境数据可以用于表示车辆行驶过程中，通过采集到的包括表示交通标识的传感数据。具体的，例如，车辆可以设置有多个检测设备和传感器，并可以通过该多个检测设备和传感器采集环境数据。具体的，例如，环境数据可以包括鸟瞰图数据或平面图数据。

在本实施方式中，定位数据和环境数据都可以分别对应有采集时间。如此，便可以通过采集时间将定位数据和环境数据相对应。具体的，可以理解为，通过采集时间为定位数据和环境数据建立对应关系，存在对应关系的定位数据和环境数据中，环境数据可以表示定位数据所表示的位置的环境信息。在本实施方式中，存储定位数据和环境数据，可以分别按照采集时间独立存储入数据库。在一些实施方式中，也可以通过采集时间为定位数据和环境数据建立对应关系之后，对应存储入数据库中。

步骤S12：从存储的所述环境数据识别出对应所述定位数据的交通标识信息，形成单程建图信息。

在本实施方式中，交通标识信息可以用于表示交通规则。进一步的，交通标识信息表示车辆在具有该交通标识信息的道路上需要遵守该交通规则。如此，通过识别出交通标识信息，使得车辆在执行自动驾驶的过程中的运动规划可以遵循交通标识信息表示的交通规则。具体的，例如，识别出表示可以左转的交通标识信息，可以表示车辆可以在该交通路口左转。识别出地面上的表示直行车道的交通标识信息，表示车辆行驶在该车道时在交通路口不允许拐弯。

在本实施方式中，不同定位数据对应的道路可以具有不同的交通标识信息。如此，交通标识信息本身表示的交通标识与位置存在对应关系。具体的，例如，一条道路会经过学校的校门口，道路上设置有表示减速的交通标识。需要从环境数据中对应定位数据识别出表示该交通标识的交通标识信息，如此，车辆在自动驾驶过程中途经该定位数据表示的位置时，可以依照该交通标识信息执行控制车速。具体的，例如，在车辆中可以设置有训练后的机器学习模型，通过将环境数据输入该机器学习模型识别出交通标识信息。交通标识信息可以包括地面交通标识信息和空中交通标识信息。地面交通标识可以包括车道线、停止线等。空中交通标识识别可以包括红绿灯、交通牌等识别。在一些实施方式中，针对红绿灯和交通牌进行识别的过程中，可以基于3D检测结果，与车辆的相机的外参关系，将红绿灯和交通牌的各角点分别投影到车辆的前视相机的PV（Perspective View）视角图像上。可以分别针对红绿灯和交通牌设置矩形框。如此，可以对红绿灯的矩形框中的图像进行红灯、黄灯和绿灯识别，对交通牌的矩形框中的图像进行交通标识的识别。

在一些实施方式中，具体的，可以基于BEVFormer作为主干网，并针对不同交通标识设置相关的检测头，来实现得出表示障碍物和交通标识的环境数据。可以，基于一定的交通标识数据针对BEVFormer的检测头进行训练，提升BEVFormer的检测精度。当然，在一些实施方式中，也可以通过HDMapNet或者VectorMapNet实现。

当然，在一些实施方式中，环境数据中还可以包括有表示道路中动态障碍物和静态障碍物的障碍物数据。可以在生成单程建图信息过程中，仅仅关注环境数据中的表示交通标识的交通标识数据，而过滤掉表示障碍物的障碍物数据。动态障碍物可以包括机动车、行人或非机动车等。静态障碍物可以包括水马、锥桶等。作为联合地图数据也可以仅仅过滤掉动态障碍物数据，保留静态障碍物数据。因此，动态障碍物数据不具有通用性，使得在生成联合地图数据时，可以不必保留。针对静态障碍物数据，可能会持续一定时间，可以随着车辆多次行驶于相应道路，随着实际道路中静态障碍物的情况，更新存储。

在本实施方式中，可以记录表示车辆所处环境中交通标识之间的位置关系。具体的，可以针对从环境数据具有交通标识的多个图像帧进行跟踪。例如，可以利用滤波的方式，对BEV视角下交通标识的类型、空间位置进行跟踪。对于跟踪的交通标识的一个图像帧，可以进行识别得到交通标识数据之后，再进一步的确认是否保留该图像帧。例如，由于障碍物遮挡之后，导致识别到的交通标识数据不够准确，可以放弃该图像帧的交通标识数据。通过放弃不够准确的交通标识数据，可以一定程度上减少出现错误的情况。具体的，滤波的算法可以包括但不限于：卡尔曼滤波、扩展卡尔曼滤波和粒子滤波等。

在本实施方式中，可以针对局部的交通标识数据进行指定优化处理，以使得所述交通标识数据具有较为准确的处于三维空间的空间位置数据。具体的，可以基于BA局部优化算法，针对交通标识数据进行优化处理。进一步的，可以按照设定规则，针对多个交通标识数据添加相对位置标注。具体的，例如，针对表示停止线的交通标识数据与表示斑马线的交通标识数据，添加表示斑马线位于停止线前方的位置关系标注。例如，可以按照识别出的表示车道线的交通标识数据的先后顺序，进行顺序标注车道线位置关系。

在本实施方式中，将从环境数据中识别的得到的交通标识信息，与按照采集时间对应的定位数据，整体形成单程建图信息。具体的，车辆的单程行驶会有确定的起点和终点。车辆到达终点之后，往往可能会驻车，并间隔一定时间之后，再开始下一趟的行程。如此，可以根据驾驶员对车辆的驾驶行为，将定位数据和环境数据划分为多个单程行程。如此，进而根据前文介绍生成单程行程的单程建图信息。

步骤S13：针对单程建图信息划分熟路组；其中，同一个熟路组中包括的单程建图信息中，单程建图信息的起点信息表示的位置之间符合第一设定距离条件，且终点信息表示的位置之间符合第二设定距离条件。

在本实施方式中，可以根据单程建图信息的起点信息和终点信息是否符合指定关联关系，进行划分熟路组。具体的，指定关联关系可以包括：单程建图信息的起点信息表示的起点之间符合第一设定距离关系、单程建图信息的终点信息表示的终点之间符合所述第二设定距离关系。当然，第一设定距离关系可以表示起点之间的距离需要满足的条件。第二设定距离关系可以表示终点之间的距离需要满足的条件。第一设定距离关系和第二设定距离关系可以相同，当然，也可以不同。具体的，第一设定距离关系和第二距离设定关系，可以依照实际需求进行设定。具体的，例如，第一设定距离关系为小于200米，第二设定距离关系也可以为小于200米。当然，第一设定距离关系可以为小于100米，第二设定距离关系可以为小于150米。在一些实施方式中，所述指定关联关系也可以包括路径重合度大于指定重合度阈值。具体的，多个路径信息的起点、途经点和终点总体形成路径之间的重合度。指定重合度阈值可以为70%，或75%、80%等等。在一些实施方式中，所述熟路组可以理解为车辆已经至少一次行驶于熟路组中单程建图信息对应的道路。当然，在一些实施方式中，也可以针对车辆行驶于单程建图信息对应道路的次数进行限定，在次数大于指定行驶次数阈值的情况下，才将单程建图信息划分入熟路组。

在一些实施方式中，不同熟路组可以用于表示一个驾驶员的使用场景。具体的，例如，对应驾驶员的上班场景的熟路组可以为上班熟路组，上班熟路组中包含的单程建图信息都表示驾驶员的上班路径。当然，也可以有下班熟路组，或者购物熟路组等等。

步骤S14：结合所述单程建图信息，建立并存储单程行程对应的语义地图，所述语义地图用于车辆在所述单程行程涉及的指定道路执行自动驾驶。

在本实施方式中，指定道路可以是定位数据所对应的道路。具体的，定位数据所定位的位置属于所述指定道路。进一步的，定位数据连续变化所形成的行驶轨迹，经过的道路可以作为所述指定道路。具体的，例如，车辆从一个道路的起点驶入，从该道路的终点驶出，该道路可以作为所述指定道路。当然，车辆也可以从道路的中间位置从另一个道路驶入指定道路，此时建立的语义地图可以只涵盖指定道路被所述车辆途经的部分。

语义地图可以是基于语义建图（semantic mapping）建立的，能够表示指定道路和交通标识信息的自建地图。建立针对指定道路的语义地图，如此，在车辆再次行驶在所述指定道路时，便可以基于语义地图执行自动驾驶。具体的，例如，在车辆行驶过程中，可以将语义地图作为一部分数据，输入至自动驾驶决策规划模块，如此，以进一步根据所述自动驾驶决策规划模块的运动规划控制所述车辆。在一些实施方式中，也可以仅针对熟路组进行语义建图，得出对应熟路组的语义地图。

在一些实施方式中，可以生成表示定位数据对应的指定道路的道路对象；在道路对象中，添加表示定位数据对应的交通标识信息的交通标识对象。在本实施方式中，道路对象可以用于表示模拟所述指定道路。如此，车辆内部，便可以基于道路对象，控制车辆相对于指定道路的位置。道路对象可以包括表示指定道路的道路主体的主体对象，以及表示设置在道路主体上交通标识的交通标识对象。具体的，例如，主体对象可以按照一定比例模拟指定的道路的宽度和长度。交通标识对象可以表示的交通标识包括但不限于：地面交通标识和空中交通标识。地面交通标识可以包括车道边界标识、车道线等。空中交通标识可以包括红绿灯、限速牌等。具体的，例如，道路对象和交通标识对象等可以调用公开地图（OpenStreetMap，公开地图）建立。当然，也可以采用其他可以编辑地图软件建立道路对象和交通标识对象。

在本实施方式中，交通标识对象可以用于模拟交通标识信息表示的交通标识。交通标识信息对应有定位数据，如此交通标识对象也可以与定位数据相对应。如此，可以通过定位数据指示交通标识对象相对于道路对象的位置。如此，依照定位数据在道路对象上，添加交通标识对象。

在一些实施方式中，依照边界标识的定位数据可以在道路对象中添加表示边界标识的交通标识对象；将属于同一个熟路组中单程建图信息的指定道路之间，依照边界标识对齐相同的道路对象；为同一个熟路组中涉及的相同道路对象，调整为具有相同的交通标识对象。

在本实施方式中，边界标识可以用于表示道路的边界。首先在道路对象中添加表示道路边界的交通标识信息。如此，便可以确定每个单程行程中，指定道路的边界标识对应的定位数据。然后，可以根据边界标识，将同一个熟路组中单程行程的道路对象对齐。此时，多个单程行程的同一个指定道路的道路对象之间，便可以对应有相同的位置数据。

进一步的，便可以比较同一个熟路组中目标单程行程涉及的相同道路对象之间，所具有的交通标识对象是否存在差异。并在存在差异的情况下，可以调整一致。具体的，例如，可能会存在交通标识对象的缺少，或者，交通标识对象对应的定位数据不同的，在进行调整的过程中，可以相应增加交通标识对象，或者修改交通标识对象对应的定位数据。提升了熟路组中，道路对象设置交通标识对象的准确性。

在一些实施方式中，交通标识对象包括表示车道类型的车道类型标识对象。在所述语义地图中，车辆控制***可以依照指定道路的车道类型标识对象，确定指定道路的车道数量；根据车道数量将指定道路划分子路段；其中，相邻子路段的车道数量不同；基于车道类型标识表示的车道类型，连接相邻子路段划分的车道。

在本实施方式中，车道类型标识对象可以用于表示具有该车道类型标识对象的车道的车道类型。进一步的，可以依照车道类型标识对象的数量，确定指定道路中车道的数量。具体的，例如，存在两个分别表示左拐和直行的车道类型标识对象的情况下，可以确定指定道路具有两个车道。

在一些情况下，指定道路的车道数量可能会发生变化。具体的，例如，指定道路中可能具有并道，或者，增加车道的情况。此时，在车道数量发生变化的情况下，需要针对性的做好行为规划。如此，根据车道数量，将指定道路划分为多个子路段，使得车辆在该指定道路进行自动驾驶的过程中，可以依照指定道路的多个子路段做好的行为规划，减少在车道数量发生变化时导致车辆发生交通事故的概率。

如此，在语义地图中可以对应道路对象添加车道类型表示对象，以及为道路对象划分出多个车道。

在一些实施方式中，在所述车辆行驶于所述指定道路的过程中，存储采集到的定位数据和环境数据；根据所述定位数据和所述环境数据更新所述指定道路的语义地图。如此，当车辆行驶于指定道路后，便可以根据最新采集的定位数据和环境数据，对语义地图进行更新。如此，可以提升语义地图的准确性。

步骤S15：基于所述语义地图，生成所述单程建图信息对应的融合定位轨迹。

在本实施方式中，可以针对熟路组中的单程建图信息，生成对应的融合定位轨迹。具体的，可以获取根据环境数据得出的地面交通标识信息。具体的，可以获取表示车道线、道路边界线和停止线的地面交通标识信息。

在本实施方式中，具体的，可以对应环境数据生成检测强度图。其中，在该检测强度图中，可以将对应车道线、道路边界线和停止线的像素分别设置为不同的指定像素值。可以理解为，将检测强度图中的多个像素划分了多个类别，同一个类别具有相同的像素值。不同类别的像素值不相同。具体的，例如，车道线、道路边界线和停止线分别划分为一类别，不属于前述类别的像素作为特殊类别。

可以使用卫星定位数据和惯导定位数据进行融合得到的定位数据，得到车辆在语义地图中的相对位姿T。并获取语义地图中，以相对位姿为中心，长宽分别为M米范围的道路对象。针对所述道路对象中，车道线，道路边界线和停止线分别作为一个类别，每个类别分别调整为指定像素值。得到道路对象的语义地图强度图。其中，语义地图强度图和所述检测强度图中，划分的类别相同，属于同一个类别的像素的像素值相同。同样，将不属于车道线，道路边界线和停止线的像素作为所述特殊类别。

在本实施方式中，可以使用位姿估计算法，基于检测强度图和语义地图强度图得到车辆的定位位姿。如此，基于多个环境数据的连续变化，将环境数据对应的相对位姿和定位位姿进行相互融合，得到车辆的融合行驶轨迹。其中位姿估计算法可以包括不限于迭代最近点算法（Iterative Closest Point，ICP），或者语义迭代最近点算法。

步骤S16：从所述融合行驶轨迹中解析得到所述车辆相对于道路的纵向和/或横向的目标速度分布，进而确定驾驶员的驾驶风格。

在本实施方式中，可以根据所述融合行驶轨迹解析出车辆的横向速度数据和纵向速度数据分布，作为前述两个方向的目标速度分布数据。可以将目标速度分布数据与预先设定的驾驶风格进行匹配，得出对应驾驶员的目标驾驶风格。具体的，在解析目标速度分布数据的过程中，可以排除对应路口区域的融合行驶轨迹。通常路口区域的情况比较复杂，相对于其他道路段具有较强的特殊性，排除路口区域的融合行驶轨迹可以使得解析得到的目标速度分布数据可以更加准确的表示在非路口区域的道路段的速度情况，进而可以较为准确的确定目标驾驶风格。进一步的，每种驾驶风格都可以对应有基准速度分布数据，可以将目标速度分布数据分别与每种驾驶风格的基准速度分布数据进行比较，并将与速度分布数据最为相似的基准速度分布数据对应的驾驶风格，确定为目标驾驶风格。在一些实施方式中，可以根据横向速度数据和纵向速度数据计算方差，每种驾驶风格都可以对应有一个取值范围，不同驾驶风格之间取值范围不重叠，如此，可以将包含所述方差的取值范围对应的驾驶风格确定为目标驾驶风格。所述目标驾驶风格用于指导所述车辆在指定道路执行自动驾驶的过程中的速度分布；其中，不同驾驶风格的至少速度分布存在差异。

进一步的，在一些实施方式中，可以根据目标速度分布数据确定导航路径信息涉及道路的驾驶难度。所述驾驶难度可以包括高难度、普通难度和低难度。具体的，例如，如果一个道路的纵向的目标速度分布数据小于一定的速度阈值，可以判定该道路为经常拥堵路段，可以认定该路为高难度。如果一个道路的纵向目标速度分布数据较为均匀的维持在一个较快速度，可以认定该道路为低难度。在一些实施方式中，可以针对路口区域单独识别驾驶难度。具体的，例如，根据目标融合行驶轨迹得出路口区域横向的目标速度分布数据经常变化，说明车辆在经过该路口区域时面临较复杂的驾驶情况，判定该路口区域的驾驶难度为高难度。所属领域技术人员，可以根据实际需要进行设定难度规则，以指定导航路径信息涉及道路的驾驶难度。

请参阅图2，所述影子模式验证阶段，可以基于所述融合行驶轨迹调整所述车辆的自动驾驶决策规划模块。具体的，车辆控制***可以从所述融合行驶轨迹中解析得到所述车辆相对于道路的纵向和/或横向的目标速度分布；调整所述自动驾驶决策规划模块，以使所述车辆自动驾驶于所述熟路组对应的道路的过程中，所述车辆的速度分布趋于所述目标速度分布。具体的，所述影子模式验证阶段可以包括以下步骤。

步骤S21：在车辆行驶过程中，结合车辆的卫星定位数据和惯导定位数据，得到车辆的定位数据。

在本实施方式中，车辆控制***可以在车辆行驶过程中，不断结合车辆的卫星定位数据和惯导定位数据，以得到由补全的卫星定位数据形成的定位数据，具体的，可以参照前述实施方式介绍，不再赘述。

步骤S22：基于采集到的环境数据，进行障碍物和交通标识识别，得到表示障碍物的障碍物数据，和表示交通标识的交通标识数据。

在本实施方式中，具体的，可以基于环境数据进行障碍物识别、空中交通标识识别、地面交通标识识别等。具体的，可以参见前述实施方式对照解释，不再赘述。

步骤S23：根据所述车辆的定位数据，在存储的语义地图中读取指定位置范围内的局部语义地图。

在本实施方式中，车辆控制***可以具有语义地图引擎，所述语义地图引擎可以根据定位数据从存储的语义地图中读取所述车辆的定位数据附近的局部语义地图，从而可以一定程度上减少数据处理量。

在本实施方式中，局部语义地图可以包括指定位置范围内，构成语义地图的地图语义要素，和语义要素的位置。具体的，例如，地图语义要素可以包括道路对象、交通标识对象等，以及位置关系。所述指定位置范围可以为指定的距离范围。具体的，例如，指定位置范围为相对于所述定位数据的距离为300米以内。当然，并不限于300米，还可以为400米或500米。

步骤S24：结合所述局部语义地图、环境数据和定位数据，生成车辆的融合行驶轨迹。

在本实施方式中，可以将车辆行驶过程中，采集到环境数据和定位数据，与局部语义地图进行融合处理，生成车辆的融合行驶轨迹。具体的，可以参照前述实施方式对照解释，不再赘述。

步骤S25：基于从环境数据中识别出的地面交通标识数据，进行局部语义建图，得到局部地图。

在本实施方式中，所述局部地图可以用于表示车辆所处环境中地面交通标识之间的位置关系。具体的，可以针对从环境数据具有地面交通标识的多个图像帧进行跟踪。例如，可以利用滤波的方式，对BEV视角下地面交通标识的类型、空间位置进行跟踪。对于跟踪的地面交通标识可以进行识别得到交通标识数据之后，再进一步的确认是否保留。例如，针对一些由于障碍物遮挡导致交通标识数据，相较于之前识别到的交通标识数据来说，可能是同一个交通标识，但由于障碍物遮挡之后，导致识别到的交通标识数据不够准确，可以放弃该图像帧的交通标识数据。通过放弃不够准确的交通标识数据，可以一定程度上减少出现错误的情况。具体的，滤波的算法可以包括但不限于：卡尔曼滤波、扩展卡尔曼滤波和粒子滤波等。

在本实施方式中，可以针对局部地图中的交通标识数据进行指定优化处理，以使得所述交通标识数据具有较为准确的处于三维空间的空间位置数据。具体的，可以基于BA局部优化算法，针对交通标识数据进行优化处理。进一步的，可以按照设定规则，针对多个交通标识数据添加相对位置标注。具体的，例如，针对表示停止线的交通标识数据与表示斑马线的交通标识数据，添加表示斑马线位于停止线前方的位置关系标注。例如，可以按照识别出的表示车道线的交通标识数据的先后顺序，进行顺序标注车道线位置关系。

步骤S26：根据表示障碍物的障碍物数据和所述局部地图进行轨迹预测，得到轨迹预测结果。

在本实施方式中，可以将障碍物数据和局部地图输入给轨迹预测模块，以得到轨迹预测模块输出的轨迹预测结果。具体的，例如，轨迹预测模块可以采用TNT或者DenseTNT实现。具体的，例如，轨迹预测模块可以基于局部语义地图获取表示车辆的所处车道的车道数据、车道数量、距离下一路口的距离、下一路口的导航指令信息、路口车道分配关系、动态障碍物数据和静态障碍物数据等，得出车辆的多个预测轨迹。导航指令信息可以包括但不限于直行、左转、右转和掉头等。路口车道分配关系是指车道被允许的行驶行为。例如，最右侧车道为右转车道，中间为直行车道，最左侧车道为左转车道。轨迹预测模块可以根据前述输入的多个参数进行多轨迹预测，并进一步的为多个轨迹进行打分，并选择得分最高的预测轨迹作为轨迹预测结果。

步骤S27：基于所述融合行驶轨迹数据、所述局部语义地图的道路对象、所述车辆的导航路径信息和所述轨迹预测结果，进行所述车辆的虚拟行为规划和虚拟运动规划。

在一些实施方式中，车辆控制***可以将车辆的融合行驶轨迹数据、局部语义地图的道路对象、车辆的导航路径信息和轨迹预测结果，输入至车辆控制***的自动驾驶决策规划模块，由所述自动驾驶决策规划模块输出虚拟行为规划和虚拟运动规划。自动驾驶决策规划模块输出的虚拟行为规划和虚拟运动规划可以用于实现所述轨迹预测结果。具体的，例如，若车辆所处的车道与轨迹预测结果表示的目标车道不符，自动驾驶决策规划模块需要给出需要变道的虚拟行为规划。如果，存在表示限速的交通标识信息，自动驾驶决策规划模块可以根据车速判断是否输出需要降速或提速的虚拟行为规划。自动驾驶决策规划模块可以根据红绿灯的状态和车辆到达路口的距离，输出决定降速或刹车的虚拟行为规划。对于过路口，自动驾驶决策规划模块可以基于设定规则，输出转入下一道路之后的目标车道的虚拟行为规划。例如，设定规则可以包括：默认右转之后进入右侧第一个车道，左转到右侧最后一个车道，直行进入与车道的横向距离较近的车道等。进一步的，还可以结合驾驶员的驾驶风格、具体的，在进行决策判断时，在多个规划中选择与车主驾驶风格相近似的规划。针对一些，被标记为驾驶难度大的路段，自动驾驶决策规划模块可以输出偏谨慎的虚拟行为规划。具体的，偏谨慎的虚拟行为规划可以为被认定具有较高安全性的虚拟行为规划。例如，在车辆前方具有动态障碍物的情况下，自动驾驶决策规划模块可以输出控制车辆停车等待的虚拟行为规划。在车辆行驶于路口的情况下，自动驾驶决策规划模块可以输出控制车辆避免变道的虚拟行为规划。

进一步的，可以自动驾驶决策规划模块可以基于虚拟行为规划的规划结果，进行虚拟运动规划。具体的，例如，可以结合虚拟行为规划、障碍物数据进行虚拟运动规划。具体的，例如，自动驾驶决策规划模块可以采取横纵分离的虚拟运动规划，或者横纵融合的虚拟运动规划。在一些实施方式中，自动驾驶决策规划模块可以采用MPC（Model PredictiveControl，模型预测控制）进行虚拟运动规划。

在本实施方式中，自动驾驶决策规划模块可以每间隔一个时间周期，输出虚拟行为规划和虚拟运动规划。时间周期可以为80毫秒、100毫秒、150毫秒等。

步骤S28：将基于所述虚拟行为规划和所述虚拟运动规划的虚拟控制数据，与驾驶员的实际控制数据进行比较，得出差异数据，以根据所述差异数据修改所述自动驾驶决策规划模块。

在本实施方式中，差异数据可以用于表示基于虚拟控制数据控制车辆，与驾驶员控制车辆之间的差异。具体的，差异数据可以包括行为规划差异数据和运动规划差异数据。

在本实施方式中，车辆控制***可以基于虚拟行为规划和虚拟运动规划执行针对车辆的虚拟控制，得出虚拟控制数据。具体的，例如，车辆控制***可以基于虚拟行为规划，模拟车辆的横向控制和纵向控制得到虚拟横向控制数据和虚拟纵向控制数据。在本实施方式中，车辆控制***可以结合车辆运动学，针对车辆的虚拟横向控制数据和虚拟纵向控制数据表示的控制进行模拟。进一步的，可以根据虚拟控制数据模拟针对车辆的控制，依照前文实施方式介绍的技术方案形成车辆的目标融合行驶轨迹数据的方式，生成虚拟行驶轨迹数据。具体的，可以针对每个所述时间周期的虚拟控制数据，得出该虚拟控制数据对应的虚拟行驶轨迹数据。

在本实施方式中，车辆控制***可以读取驾驶员实际控制所述车辆产生的实际横向控制数据和实际纵向控制数据，进而生成差异数据。具体的如此，可以针对虚拟横向控制数据和实际横向控制数据进行比较，针对虚拟纵向控制数据和实际纵向控制数据进行比较，根据比较结果得出所述虚拟行为规划的虚拟横向差异数据和虚拟纵向差异数据。进一步的，分别根据所述虚拟横向差异数据和所述虚拟纵向差异数据表示的差异，调整所述自动驾驶决策规划模块。具体的，例如，可以将虚拟横向控制数据表示的控制方向，与实际横向控制数据针对车辆的控制方向比较，在二者方向相反的情况下，记录表示方向差异的差异数据。例如，可以将虚拟纵向控制数据表示的加速或减速，与实际纵向控制数据针对车辆的加速或减速控制进行比较，在二者不一致的情况下，记录表示加减速差异的差异数据。当然，在一些实施方式中，差异数据可以表示存在方向差异的差异次数。

在一些实施方式中，可以根据差异数据调整自动驾驶决策规划模块，以使得虚拟控制数据可以达成与驾驶员的实际控制数据之间，减少虚拟行为规划与驾驶员的实际驾驶行为之间的偏差。具体的，虚拟控制数据可以形成车辆的虚拟控制行驶轨迹数据，所述虚拟控制行驶轨迹数据可以具有横向速度分布和纵向速度分布，可以通过调整自动驾驶决策规划模块使得虚拟控制行驶轨迹数据的横向速度分布和纵向速度分布，与驾驶员的实际驾驶车辆形成的横向速度分布和纵向速度分布趋于相同。

在本实施方式中，在一个时间周期结束之后，如果认定该时间周期的虚拟行为规划与驾驶员的实际驾驶行为之间存在差异，可以将该时间周期作为目标时间周期，可以记录将该目标时间周期对应的目标融合行驶轨迹数据和轨迹预测结果。如此，自动驾驶决策规划模块可以将当前输入的目标融合行驶轨迹数据和轨迹预测结果，与之前记录的目标时间周期对应的目标融合行驶轨迹数据和轨迹预测结果，进行比较。在当前的目标融合行驶轨迹数据和轨迹预测结果，与记录的目标融合行驶轨迹数据和轨迹预测结果较为近似的情况下，目标时间周期对应的差异数据作为所述自动决策规划模块的一个输入量，以使得自动决策规划模块在生成虚拟行为规划时，可以结合之前的差异数据，如此使得到的虚拟行为规划可以更加接近驾驶员的实际驾驶行为。在一些实施方式中，因为当前的目标融合行驶轨迹数据和轨迹预测结果仅仅可能是与目标时间周期的目标融合行驶轨迹数据和轨迹预测结果相近似，但并不相同。为了避免自动驾驶决策规划模块调整幅度过大，反而导致输出的虚拟行为规划与驾驶员的实际驾驶行为更大的差异。可以将目标时间周期的差异数据进行加权之后，输入给自动驾驶决策规划模块。具体的，例如，针对差异数据进行加权的权值可以为0.2、0.3或0.35等。

在本实施方式中，如果认定车辆行驶于该导航路径信息表示道路时，自动驾驶决策规划模块输出的虚拟行为规划与驾驶员的实际驾驶行为之间没有差异。可以进一步判断是否需要进行虚拟运动规划的修正。具体的，可以根据每个时间周期的虚拟行为规划，模拟控制车辆得到车辆在每个时间周期的虚拟控制行驶轨迹数据，以及获得每个时间周期对应的车辆实际的目标融合行驶轨迹数据。如此，进一步计算虚拟控制行驶轨迹数据与车辆实际的目标融合行驶轨迹数据之间的绝对位姿误差（absolute pose error，APE），如此，可以根据绝对位姿误差针对自动驾驶决策规划模块进行修订。当然，在一些实施方式中，可以在绝对位姿误差的取值大于一个设定位姿误差阈值的情况下，才针对自动驾驶决策规划模块进行修订。当然，在一些实施方式中，还可以计算虚拟控制行驶轨迹数据和车辆实际的目标融合行驶轨迹数据之间的绝对轨迹误差（absolute trajectory error，ATE）、相对位姿误差（relative pose error，RPE）和相对轨迹误差（relative trajectory error，RTE），并相应的修正自动驾驶决策规划模块。

步骤S29：根据所述差异数据，生成单程建图信息对应的自动驾驶信心信息。

在本实施方式中，可以根据所述差异数据针对被划分为熟路组的单程建图信息，生成对应单程建图信息的自动驾驶信心信息。具体的，例如，可以根据车辆重复行驶在同一个单程建图信息表示的道路的差异数据，按照信心指数生成规则生成单程建图信息的自动驾驶信心信息。具体的，例如，信心指数生成规则可以包括：车辆行驶于所述单程建图信息表示道路的差异数据等于第一指定阈值，认定车辆行驶于所述单程建图信息表示道路的自动驾驶信心信息为优秀；车辆行驶于所述单程建图信息表示道路的差异数据大于第一指定阈值，且小于等于第二指定阈值的情况下，认定车辆行驶于所述单程建图信息表示道路的自动驾驶信心信息为良好；车辆行驶于所述单程建图信息的差异数据大于第二指定阈值，且小于等于第三阈值的情况下，认定车辆行驶于所述单程建图信息表示道路的自动驾驶信心信息为正常；车辆行驶于所述单程建图信息的差异数据大于第三阈值的情况下，认定车辆行驶于所述单程建图信息表示道路的自动驾驶信心信息为差。在一些实施方式中，可以根据差异数据，统计车辆行驶于单程建图信息表示道路过程中，每公里出现虚拟行为规划与驾驶员的实际驾驶行为之间的差异次数。如此，第一指定阈值可以为0，在差异次数等于第一指定阈值的情况下，可以表示该单程建图信息对应的自动驾驶信心信息为优秀，此时表示自动驾驶能力为优秀。第二指定阈值可以为1，在差异次数大于0，并小于等于1时，可以表示该单程建图信息对应的自动驾驶信心信息为良好，此时表示自动驾驶能力为良好。第三指定阈值可以为2，在差异次数大于1，并小于等于2时，可以表示该单程建图信息对应的自动驾驶信心信息为正常，此时表示自动驾驶能力为正常。当差异次数大于2时，可以表示该单程建图信息对应的自动驾驶信心信息为差，此时表示自动驾驶能力为差。

在一些实施方式中，自动驾驶信心信息可以为具体的数值。具体的，可以设定自动驾驶信心信息的最大值为100。当差异次数为0时，可以认定单程建图信息对应的自动驾驶信心信息为100，此时表示自动驾驶能力为优秀。当差异次数大于0并小于等于1时，可以映射至数值小于100并大于等于90的取值区间，此时表示自动驾驶能力为良好。当差异次数大于1并小于等于2时，可以映射至数值小于90并大于等于80，此时表示自动驾驶能力为正常。当差异次数大于2时，可以映射至数值小于80，此时表示自动驾驶能力为差。在一些实施方式中，可以结合驾驶难度，为自动驾驶信心信息的数值设置权值。具体的，单程建图信息的自动驾驶难度为高难度时，可以为前述计算得出的自动驾驶信心信息设置第一权值。当单程建图信息的自动驾驶难度为普通难度时，可以为自动驾驶信心信息设置第二权值。当单程建图信息的自动驾驶难度为低难度时，可以为自动驾驶信心信息设置第三权值。其中，第一权值大于第二权值大于第三权值。在自动驾驶信心信息为100时，可以无需设置权值。如此，可以将自动驾驶的难度作用至自动驾驶信心信息，以使得可以更加安全、准确的表征车辆执行自动驾驶的安全性。

在本实施方式中，可以根据自动驾驶信心信息，为单程建图信息设置相应的颜色。具体的，在车辆的终端通过语义地图展示该单程建图信息表示的道路时，可以以该颜色表示该单程建图信息的自动驾驶信心信息。具体的，例如，针对前述自动驾驶信心信息为优秀的单程建图信息，颜色可以为墨绿，自动驾驶信心信息为良好的单程建图信息，颜色可以为绿色，自动驾驶信心信息为正常的单程建图信息，颜色可以为黄色，自动驾驶信心信息为差的单程建图信息，颜色可以为红色。

在一些实施方式中，影子模式可以具有验证周期。具体的，验证周期的时长可以为一周。当然，验证周期的时长也可以为10天、15天、或者3天等等。车辆控制***可以根据验证周期的最后两天的虚拟驾驶数据，生成导航路径信息的自动驾驶信心信息。如此，使得自动驾驶信心信息可以很好的表示车辆的自动驾驶能力。当然，车辆也可以通过显示界面提供设置功能，驾驶员可以设置选择，让车辆控制***学习自身的驾驶风格，也可以选择不让车辆控制***学习自身的驾驶风格。

请参阅图3。自动驾驶路径推荐阶段可以包括以下步骤。

步骤S31：在驾驶员驾驶车辆的过程中，根据车辆的当前定位数据在熟路组中匹配，得出与所述当前定位数据适配的单程建图信息。

在本实施方式中，车辆控制***可以根据车辆的当前定位数据，判断是否行驶在熟路组中单程建图信息对应的道路。在认定车辆行驶于某个单程建图信息对应的道路时，可以将该单程建图信息作为目标单程建图信息。当然，目标单程建图信息表示的道路需要涵盖车辆的当前位置。

在本实施方式中，在车辆控制***得出目标单程建图信息之后，可以提醒驾驶员，车辆控制***已经对当前道路匹配得出目标单程建图信息，使得车辆控制***已经具备了一定的自动驾驶能力。具体的，可以通过语音的方式对驾驶员进行提醒。

步骤S32：在所述车辆的终端界面显示目标导航路径信息的自动驾驶信心信息。

在本实施方式中，车辆控制***可以在车辆的终端界面显示普通导航地图，并显示目标导航路径信息的自动驾驶信心信息。当然，也可以显示所建立的语义地图，以及展示自动驾驶信心信息。具体的，例如，可以直接在终端界面显示自动驾驶信心信息的取值。当然，也可以显示自动驾驶信心信息对应的颜色。具体的，例如，在终端界面显示的普通导航地图中，对应目标单程建图信息表示的道路颜色为目标单程建图信息的自动驾驶信心信息对应的颜色。

在一些情况下，当目标单程建图信息的自动驾驶信心信息表示的自动驾驶能力，为正常或差时，可以通过语音提醒驾驶员，如果启动车辆的自动驾驶，需要多注意。

步骤S33：根据接收的驾驶员的指令，启动自动驾驶。

在本实施方式中，车辆控制***可以通过语音或者显示界面的按钮，与驾驶员进行交互，在得到驾驶员发出的确定启动自动驾驶指令的情况下，启动车辆的自动驾驶。

请参阅图4。自动驾驶阶段可以包括以下步骤。

步骤S41：在车辆行驶过程中，结合车辆的卫星定位数据和惯导定位数据，得到车辆的当前定位数据。

在本实施方式中，车辆控制***可以在车辆行驶过程中，不断结合车辆的卫星定位数据和惯导定位数据，以得到由补全的卫星定位数据形成的当前定位数据，具体的，可以参照前述实施方式介绍，不再赘述。

步骤S42：基于采集到的当前环境数据，进行障碍物和交通标识识别，得到表示障碍物的障碍物数据，和表示交通标识的交通标识数据。

在本实施方式中，具体的，可以基于当前环境数据进行障碍物识别、空中交通标识识别、地面交通标识识别等。具体的，可以参见前述实施方式对照解释，不再赘述。

步骤S43：根据所述车辆的当前定位数据，在存储的语义地图中读取指定位置范围内的局部语义地图。

在本实施方式中，车辆控制***的语义地图引擎可以根据当前定位数据，从语义地图中读取局部语义地图。具体的，可以参见前述实施方式对照解释，不再赘述。

步骤S44：结合所述局部语义地图、当前环境数据和当前定位数据，生成车辆的当前融合行驶轨迹。

在本实施方式中，可以将车辆行驶过程中，采集到的当前环境数据和当前定位数据，与局部语义地图进行融合处理，生成车辆的当前融合行驶轨迹。具体的，可以参照前述实施方式对照解释，不再赘述。

步骤S45：基于从当前环境数据中识别出的地面交通标识数据，进行局部语义建图，得到局部地图。

在本实施方式中，可以根据从当前环境数据中识别出的地面交通标识数据进行局部语义建图，得到局部地图。具体的，可以参照前述实施方式对照解释，不再赘述。

步骤S46：根据表示障碍物的障碍物数据和所述局部地图进行轨迹预测，得到轨迹预测结果。

在本实施方式中，轨迹预测模块可以根据表示障碍物的障碍物数据、局部地图进行轨迹预测，以便于自动驾驶决策规划模块进行最终的行为规划和运动规划。具体的，可以参照前述实施方式对照解释，不再赘述。

步骤S47：基于所述融合行驶轨迹数据、所述局部语义地图的道路对象、所述车辆的导航路径信息和所述轨迹预测结果，进行所述车辆的行为规划和运动规划，以根据所述行为规划和所述运动规划控制所述车辆行驶。

在本实施方式中，车辆控制***的自动驾驶决策规划模块可以根据生成的行为规划和运动规划，控制车辆实现自动驾驶。

本说明书的一个实施方式还提供一种车辆控制装置。如图5所示，所述车辆控制装置可以包括以下模块。

存储模块，用于存储车辆行驶过程中，采集到的车辆的定位数据和环境数据。

识别模块，用于从存储的环境数据识别出对应定位数据的交通标识信息。

建立模块，用于结合交通标识信息和定位数据，建立并存储定位数据对应的指定道路的语义地图，语义地图用于车辆在指定道路执行自动驾驶。

关于车辆控制装置实现的具体功能和效果，可以参照本说明书其他实施方式对照解释，在此不再赘述。所述车辆控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。所述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

请参阅图6，本说明书实施方式还提供一种车辆的控制方法。所述车辆的控制方法可以应用于车辆。所述车辆的控制方法可以包括以下步骤。

步骤S50：在所述车辆从第一位置行驶至第二位置的过程中，获取定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；存储所述定位数据和所述环境数据。

在本实施方式中，第一位置可以为车辆一次行程的起点位置。第二位置可以为一次行程的终点位置。车辆从第一位置行驶至第二位置通过车辆的电子控制单元，生成定位数据和环境数据。车辆的车辆控制***可以不断的对应存储定位数据和环境数据。

步骤S51：基于所述环境数据，获取与所述车辆的位置相关的交通标识信息。

在本实施方式中，车辆控制***可以从环境数据中识别出交通标识信息。具体的，从环境数据识别出交通标识信息，可以参照前述实施方式对照解释，不再赘述。

步骤S52：至少基于所述交通标识信息，获取第一自建地图信息。

在本实施方式中，将从环境数据中识别的得到的交通标识信息，与按照采集时间对应的定位数据，整体形成第一自建地图信息。在一些实施方式中，第一自建地图信息可以为前文实施方式介绍的单程建图信息。当然，所属领域技术人员在本说明书的实施方式启示下，还可以采用其他实施方式形成所述第一自建地图信息，不再赘述。

步骤S53：根据多于第一阈值的次数的行驶对应的第一自建地图信息，获取第二自建地图信息；其中，所述多于第一阈值的次数的行驶中的每一次行驶的路径包括至少一个相同的路段；其中，所述第二自建地图信息表示地图的精度高于所述第一自建地图信息。

在本实施方式中，车辆可以多次行驶于所述第一自建地图信息表示的路段。具体的，例如，驾驶员可能经常驾驶车辆上班和回家。此时，驾驶员每次驾驶车辆上班，便可以形成一个第一自建地图信息，每次回家也可以形成一个第一自建地图信息。

在本实施方式中，可以将第一阈值作为一个临界值，判断第一自建地图信息表示的路段是否能够作为熟路。即，可以将被行驶的次数大于第一阈值的第一自建地图信息，认定为熟路，可以被划分熟路组中。可以针对被认定为熟路的第一自建地图信息，对应生成第二自建地图信息。第二自建地图信息可以是车辆控制***建立的自建地图。具体的，例如，第二自建地图信息可以是车辆控制***基于语义建图（Simultaneous Localization andMapping，简称SLAM）建立的语义地图。具体的，可以与前述实施方式对照解释。当然，所述第二自建地图信息也可以不限于语义地图，所属领域技术人员可以依照所悉知的技术实现本说明书介绍的技术方案。但只要其实现的功能和效果，与本说明书多个实施方式相同或相似，均应涵盖于本发明保护范围内。

在本实施方式中，第一自建地图信息和第二自建地图信息都可以表示车辆控制***内建立的地图。第二自建地图信息表示的地图的地图精度，可以高于第一自建地图信息的地图精度。通常，生成较高精度的地图，需要更大的运算量，使得需要使用较多的算力资源。在本实施方式中，可以针对被认定为熟路的路算生成较高地图精度的第二自建地图信息，使得建立较高地图精度的路段更加有针对性。即，驾驶员会较多次数行驶于该路段，使得生成的第二自建地图信息也可以具有较多的利用率。

在本实施方式中，第一自建地图信息可以为将从环境数据中识别的得到的交通标识信息，与按照采集时间对应的定位数据，整体存储形成。使得，第一自建地图信息可以主要是针对所采集到的定位数据和环境数据的记录。第二自建地图信息可以是基于语义建图构建的语义地图。第二自建地图信息可以为在基于熟路的第一自建地图信息基础上，并进一步的生成第二自建地图信息所需要的数据对象。数据对象可以包括但不限于道路对象和交通标识对象等。再者，第二自建地图信息在构建过程中，可以综合多个第一自建地图信息的数据，使得所生成的数据对象可以具有更加准确的内容和位置。如此，第二自建地图信息可以为针对实际路段的模拟。使得第二自建地图信息的精度高于第一自建地图信息。

步骤S54：存储第二自建地图信息。

在本实施方式中，车辆控制***可以将获取的第二自建地图信息存储在车辆的存储器中。如此，使得车辆自身完成了针对熟路的地图构建。

步骤S55：至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶。

在本实施方式中，在车辆再次行驶于熟路的路段时，可以根据第二自建地图信息控制车辆执行自动驾驶。具体的，例如，可以将第二自建地图信息作为车辆控制***的自动驾驶决策规划模块的部分输入数据，以使得自动驾驶决策规划模块利用第二自建地图信息，输出行为规划和运动规划，进而实现控制车辆在熟路上的自动驾驶。具体的，车辆控制***基于第二自建地图信息执行自动驾驶的过程，可以与前述实施方式介绍了基于语义地图的自动驾驶的内容对照解释，不再赘述。

在一些实施方式中，所述车辆设置有多个电子控制单元，在获取定位数据和环境数据的步骤中，由所述车辆的多个电子控制单元生成所述定位数据和所述环境数据。

在本实施方式中，车辆可以设置有多个电子控制单元，每个电子控制单元可以分别实现车辆所需的功能。电子控制单元也可以与车辆的传感器配合使用，通过传感器采集数据，由电子控制单元进行数据处理。具体的，例如，车辆可以设置有多个环境传感器，并将环境传感器采集到的传感信号提供给相应的电子控制单元，由所述电子控制单元针对传感信号进行处理得出环境数据。车辆还可以设置有生成定位数据的电子控制单元。具体的，电子控制单元可以为定位模组，可以通过GPS***信号，或者北斗***信号生成定位数据。电子控制单元还可以包括：惯性导航定位模块。

在本实施方式中，定位数据和环境数据都在车辆内部署的电子控制单元中运算处理，使得车辆控制***可以较少的与网络中的服务器交互，提升了车辆控制的自主性。进一步的，车辆控制***根据自身设置的电子控制单元获取环境数据和定位数据之后，便可以由车辆控制***自行生成语义地图，而可以无需从服务器获取高精度地图。

在一些实施方式中，第一自建地图信息对应有作为起点的第一位置，和作为终点的第二位置；针对第一自建地图信息划分熟路组；其中，同一个熟路组中包括的第一自建地图信息之间符合指定关联关系；其中，所述指定关联关系包括：第一自建地图信息的第一位置之间符合第一设定距离条件，且第一自建地图信息的第二位置之间符合第二设定距离条件；或，第一自建地图信息之间涉及的路段的重合度，高于指定重合度阈值。

在本实施方式中，指定关联关系可以包括：单程建图信息的起点信息表示的起点之间符合第一设定距离关系、单程建图信息的终点信息表示的终点之间符合所述第二设定距离关系。当然，第一设定距离关系可以表示起点之间的距离需要满足的条件。第二设定距离关系可以表示终点之间的距离需要满足的条件。第一设定距离关系和第二设定距离关系可以相同，当然，也可以不同。具体的，第一设定距离关系和第二距离设定关系，可以依照实际需求进行设定。具体的，例如，第一设定距离关系为小于200米，第二设定距离关系也可以为小于200米。当然，第一设定距离关系可以为小于100米，第二设定距离关系可以为小于150米。在一些实施方式中，所述指定关联关系也可以包括路径重合度大于指定重合度阈值。具体的，多个路径信息的起点、途经点和终点总体形成路径之间的重合度。指定重合度阈值可以为70%，或75%、80%等等。在一些实施方式中，所述熟路组可以理解为车辆已经至少一次行驶于熟路组中单程建图信息对应的道路。当然，在一些实施方式中，也可以针对车辆行驶于单程建图信息对应道路的次数进行限定，在次数大于指定行驶次数阈值的情况下，才将单程建图信息划分入熟路组。

在一些实施方式中，至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶的步骤，包括：基于所述第二自建地图信息，生成所述车辆行驶于路段的融合行驶轨迹；从所述融合行驶轨迹中解析得到所述车辆相对于路段的纵向和/或横向的目标速度分布；调整所述车辆的自动驾驶决策规划模块，以使所述车辆自动驾驶于所述熟路组对应的路段的过程中，所述车辆的速度分布趋于所述目标速度分布。

在本实施方式中，可以基于第二自建地图信息生成车辆行驶过路段的融合行驶轨迹。具体的，第二自建地图信息可以为单程建图信息。在同一个熟路组中的多个单程建图信息，会涉及至少部分相同的路段。至少可以针对该些相同的路段，生成车辆的融合定位轨迹。具体的，建立融合定位轨迹的方式，可以与前述实施方式对照解释，不再赘述。

在本实施方式中，生成融合行驶轨迹之后，可以从融合行驶轨迹中解析得到车辆相对于路段的纵向和/或横向的目标速度分布。如此，便可以调整车辆的自动驾驶决策规划模块，以使所述车辆自动驾驶于所述熟路组对应的路段的过程中，所述车辆的速度分布趋于所述目标速度分布。在一些实施方式中，可以根据目标速度分布确定驾驶员的驾驶风格，进而可以在调整自动驾驶决策规划模块时，使得自动驾驶决策规划模块可以学习驾驶员的驾驶风格，车辆在熟路上行驶过程中的速度分布趋于目标速度分布。

在一些实施方式中，基于所述第二自建地图信息，生成所述第一自建地图信息对应的融合行驶轨迹的步骤，可以包括：根据所述车辆的定位数据，在存储的第二自建地图信息中读取指定位置范围内的局部地图；结合所述局部地图、环境数据和定位数据，生成车辆的融合行驶轨迹。

在本实施方式中，在影子模式验证阶段，可以根据车辆的定位数据，在存储的第二自建地图信息中定位，得到局部地图。具体的，可以读取以第二自建地图信息中定位的位置为中心，处于指定位置范围内的局部地图。在一个实施方式中，第二自建地图信息是语义地图。可以根据所述车辆的定位数据，在存储的语义地图中读取指定位置范围内的局部语义地图，结合所述局部语义地图、环境数据和定位数据，生成车辆的融合行驶轨迹。具体的，可以参照前述实施方式对照解释，不再赘述。

在一些实施方式中，调整所述车辆的自动驾驶决策规划模块，以使所述车辆自动驾驶于所述熟路组对应的路段的过程中，所述车辆的速度分布趋于所述目标速度分布的步骤，可以包括：基于从环境数据中识别出的地面交通标识数据，进行局部建图，得到局部地图；根据从环境数据中识别出的表示障碍物的障碍物数据和所述局部地图进行轨迹预测，得到轨迹预测结果；基于所述融合行驶轨迹数据、所述局部地图的道路对象、所述车辆的导航路径信息和所述轨迹预测结果，进行所述车辆的虚拟行为规划和虚拟运动规划；将基于所述虚拟行为规划和所述虚拟运动规划的虚拟控制数据，与驾驶员的实际控制数据进行比较，得出差异数据，以根据所述差异数据修改所述自动驾驶决策规划模块。

本实施方式中的内容，可以与影子模式验证阶段相关实施方式的介绍内容对照解释，不再赘述。

在一些实施方式中，所述车辆的控制方法还可以包括：根据所述目标速度分布按照设定难度规则，确定路段对应的驾驶难度；其中，所述驾驶难度包括高难度或低难度；其中，所述设定难度规则包括：所述纵向速度分布表示所述车辆的速度小于指定速度阈值，认定所述路段对应的驾驶难度为高难度；或者，所述纵向速度分布表示所述车辆的速度分布均匀，且平均速度大于所述指定速度阈值，认定所述路段对应的驾驶难度为低难度。

在本实施方式中，具体的，例如，如果一个道路的纵向的目标速度分布数据小于一个指定的指定速度阈值，可以判定该道路为经常拥堵路段，可以认定该路为高难度。具体的，指定速度阈值的速度取值可以较小，比如30KM/H，或25KM/H等。如果一个道路的纵向目标速度分布数据较为均匀的维持在一个较快速度，且平均速度大于指定速度阈值，可以认定该道路为低难度。

在一些实施方式中，所述车辆的控制方法还包括：根据所述差异数据，生成所述第二自建地图信息中路段对应的自动驾驶信心信息；其中，在所述第二自建地图信息中，通过所述路段的颜色，表示所述自动驾驶信心信息。

在本实施方式中，生成路段对应的自动驾驶信心信息，可以与前述介绍的针对单程建图信息的自动驾驶信心信息的实施方式对照解释。

在本实施方式中，可以根据自动驾驶信心信息，为第二自建地图信息中路段设置相应的颜色。具体的，在车辆的终端通过第二自建地图信息展示该路段时，可以以该颜色表示该路段的自动驾驶信心信息。具体的，例如，针对前述自动驾驶信心信息为优秀的路段，颜色可以为墨绿，自动驾驶信心信息为良好的路段，颜色可以为绿色，自动驾驶信心信息为正常的路段，颜色可以为黄色，自动驾驶信心信息为差的路段，颜色可以为红色。

请参阅图7。本说明书实施方式还提供一种自动驾驶提示方法。所述方法应用于所述车辆。所述自动驾驶提示方法可以包括以下步骤。

步骤S60：确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段。

步骤S61：获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法将根据自建地图信息、环境数据和定位数据进行处理，得到所述车辆的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；其中，所述自建地图信息为所述车辆构建的地图信息。

步骤S62：提示所述自动驾驶信心信息。

在本实施方式中，自建地图信息可以为车辆的车辆控制***自行执行语义建图生成的语义地图。具体的，可以与前述实施方式揭示的第二自建地图信息对照揭示。

在本实施方式中，第一位置可以用于表示行程的起点位置。第二位置可以用于表示行程的终点位置。在一些实施方式中，第一位置可以为车辆控制***采集的车辆当前的定位数据表示的位置。第二位置可以是驾驶员向车辆控制***输入的目标位置。从第一位置至目标位置可以形成一个路段。所述路段中可以包括多个子路段。具体的，例如，路段中可以有途经点。如此，第一位置至最近的途经点，相邻途经点之间，或，最后的途经点与第二位置之间可以分别形成子路段。当然，在一些实施方式中，也可以将路段中涉及的每个道路作为一个子路段。

在本实施方式中，可以分别将车辆历史上行驶于子路段时计算得出的差异数据，作为每个子路段的历史差异数据。进而，可以根据前文实施方式介绍的生成每个子路段的自动驾驶信心信息。车辆的控制***可以在驾驶员驾驶的过程中，至少基于环境信息执行自动驾驶决策算法的运算。如此，车辆控制***会模拟自动驾驶车辆的控制过程，生成虚拟控制数据。如此，将虚拟控制数据与车辆被驾驶员驾驶产生的实际控制数据比较，可以得出表示车辆控制***控制车辆执行自动驾驶的结果，与驾驶员驾驶车辆的差异程度的差异数据。如此，车辆控制***可以动态的修改自动驾驶决策算法中的参数，以期望减少差异数据表示的差异程度，使得车辆控制***可以学习驾驶员驾驶车辆的驾驶习惯。

在本实施方式中，自动驾驶决策算法可以集成于车辆控制***中。具体的，例如，车辆控制***中可以具有自动驾驶决策规划模块，自动驾驶决策算法可以应用于自动驾驶决策规划模块。

在一些实施方式中，车辆控制***也可以在车辆行驶于某一路段的次数多于指定行驶次数阈值的情况下，才使用存储的定位数据和环境数据基于自建地图信息，生成目标融合行驶轨迹，进而可以根据目标融合行驶轨迹基于自动驾驶决策算法生成虚拟控制数据。并将虚拟控制数据与存储的驾驶员的实际控制数据进行比较得出历史差异数据。实现，对应子路段生成自动驾驶信心信息。如此，在生成自动驾驶信心信息之后，可以存储在车辆设置的存储器中，以便于读取使用。自动驾驶信心信息可以随着车辆进一步行驶于相应子路段进行更新。

本实施方式涉及的技术方案的细节，可以参照前述影子模式验证阶段中相关实施方式对照解释，不再赘述。

在本实施方式中，车辆控制***可以控制车辆向驾驶员提示所行驶的路段对应的自动驾驶信心信息。如此，驾驶员可以自行判断是否启动自动驾驶。

本实施方式涉及的技术方案的细节，可以参照前述自动驾驶路径推荐阶段中相关实施方式对照解释，不再赘述。

在一些实施方式中，提示所述自动驾驶信心信息的步骤，可以包括：控制所述车辆的车载显示器，提示所述车辆能执行自动驾驶的路段，以及对应路段提示路段的自动驾驶信心信息。

在本实施方式中，车辆控制***可以控制车辆的车载显示器中，可以提示能够执行自动驾驶的路段，以及路段的自动驾驶信心信息。如此，驾驶员可以快速的了解车辆对于所行驶路段或后续路段中，车辆的自动驾驶能力。便于驾驶员决定是否启动自动驾驶，或者，便于驾驶员规划在后续路段启动自动驾驶。具体的，例如，车辆控制***可以控制车载显示器显示普通导航地图，并可以针对普通导航地图中路段的颜色表示自动驾驶信心信息。如此，驾驶员看到相关界面之后，便可以了解路段能够执行自动驾驶，以及车辆执行自动驾驶的能力情况。

本实施方式涉及的技术方案的细节，可以参照前述自动驾驶路径推荐阶段中相关实施方式对照解释，不再赘述。

在一些实施方式中，控制所述车辆的车载显示器，提示所述车辆能执行自动驾驶的路段，以及对应路段提示路段的自动驾驶信心信息的步骤，可以包括：区分不同的路段，分别提示每个路段的自动驾驶信心信息。

在本实施方式中，不同路段的自动驾驶信心信息之间相互独立。即，不同路段的自动驾驶信心信息可以相同，也可以不相同。如此，分别提示每个路段的自动驾驶信心信息，可以较为准确的表达车辆控制***于不同路段的自动驾驶能力。如此，给了驾驶员较为准确信息反馈，以便于驾驶员在不同路段具体采用较为适当的驾驶行为。具体的，例如，针对自动驾驶信心信息表示自动驾驶能力为差的路段，驾驶员在启动自动驾驶功能之后，也需要谨慎观察外部情况，以便于出现意外情况即时接管车辆。在本实施方式中，具体的，例如，为了较为明显的区分不同的路段，在车载显示器中可以通过颜色，或者，纹路，图案来提示相同或者不同的自动驾驶信心信息。

本实施方式涉及的技术方案的细节，可以参照前述自动驾驶路径推荐阶段中相关实施方式对照解释，不再赘述。

在一些实施方式中，向驾驶员反馈所述自动驾驶信心信息表示的执行自动驾驶的驾驶能力的步骤，可以包括：控制所述车辆的车载显示器，根据自动驾驶信心信息区分颜色展示路段；其中，路段的颜色用于表示所述车辆执行自动驾驶的驾驶能力；或者，通过语音播报，所述路段的自动驾驶信心信息表示的执行自动驾驶的驾驶能力。

在本实施方式中，可以通过不同的颜色表示不同路段的自动驾驶的驾驶能力。驾驶员可以在查看车载显示器之后，了解所处路段的自动驾驶的驾驶能力。在一些实施方式中，车辆的控制***也可以通过语音播报的方式，告知驾驶员车辆所处路段的自动驾驶的驾驶能力。如此，驾驶员可以无需查看车载显示器，便可以获知车辆所处路段的自动驾驶的驾驶能力。

在本实施方式中，车载显示器可以为设置在车辆内的电子装置。具体的，车载显示器可以为应用于车辆的LCD或LED显示器。当然，在一些实施方式中，具体的，例如，车载显示器可以为汽车平视显示器（Head Up Display，HUD），或，增强现实显示设备（AugmentedReality，AR）等。

请参阅图8。本说明书实施方式提供一种车辆的控制装置。所述车辆的控制装置包括以下模块。

第一获取模块，用于在所述车辆从第一位置行驶至第二位置的过程中，获取定位数据和环境数据；其中，所述定位数据包括用于表示所述行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；存储所述定位数据和所述环境数据。

第二获取模块，用于基于所述环境数据，获取与所述车辆的位置相关的交通标识信息。

第三获取模块，用于至少基于所述交通标识信息，获取第一自建地图信息。

第四获取模块，用于根据多于第一阈值的次数的行驶对应的第一自建地图信息，获取第二自建地图信息；其中，所述多于第一阈值的次数的行驶中的每一次行驶的路径包括至少一个相同的路段。

存储模块，用于存储第二自建地图信息。

控制模块，用于至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶。

在本实施方式中，所述车辆的控制装置实现的功能和效果，可以与前述实施方式对照解释，不再赘述。

请参阅图9。本说明书实施方式提供一种自动驾驶提示装置，所述装置包括：确定模块，用于确定所述车辆从指定的第一位置行驶至指定的第二位置涉及的路段；信心信息获取模块，用于获取所述路段中至少部分子路段的自动驾驶信心信息；其中，所述自动驾驶信心信息为根据子路段对应的历史差异数据生成，所述历史差异数据是基于执行该子路段的自动驾驶决策算法生成的虚拟控制数据与驾驶员驾驶所述车辆驶过所述子路段执行的实际控制数据获得的；所述虚拟控制数据是由所述自动驾驶决策算法将根据自建地图信息、环境数据和定位数据进行处理，得到所述车辆的车道级定位的目标融合行驶轨迹，并基于所述目标融合行驶轨迹而生成的；其中，所述自建地图信息为所述车辆构建的地图信息；提示模块，用于提示所述自动驾驶信心信息。

在本实施方式中，所述自动驾驶提示装置实现的功能和效果，可以与前述实施方式对照解释，不再赘述。

请参阅图10。本说明书实施方式还提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一实施方式中的车辆控制方法。

所述电子设备可以包括被***总线连接的处理器、非易失性存储介质、内存储器、通信接口、显示装置和输入装置。所述非易失性存储介质可以存储有操作***和相关的计算机程序。

本说明书实施方式还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得，该计算机执行上述任一实施方式中的车辆控制方法。

可以理解，本文中的具体的例子只是为了帮助本领域技术人员更好地理解本说明书实施方式，而非限制本发明的范围。

可以理解，在本说明书中的各种实施方式中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施方式的实施过程构成任何限定。

可以理解，本说明书中描述的各种实施方式，既可以单独实施，也可以组合实施，本说明书实施方式对此并不限定。

除非另有说明，本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

可以理解，本说明书实施方式的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific IntegratedCircuit，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。可以实现或者执行本说明书实施方式中的公开的各方法、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。结合本说明书实施方式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模块组合执行完成。软件模块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，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

可以理解，本说明书实施方式中的存储器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(ROM)、可编程只读存储器(programmable ROM，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(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意，本文描述的***和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

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方式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说明书的范围。

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方式中的对应过程，在此不再赘述。

在本说明书所提供的几个实施方式中，应所述理解到，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方式仅仅是示意性的，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方式方案的目的。

另外，在本说明书各个实施方式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，本说明书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所述技术方案的部分可以以软件产品的形式体现出来，所述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)执行本说明书各个实施方式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(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本说明书的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种车辆的控制方法，其特征在于，应用于所述车辆，所述方法包括：

在所述车辆从第一位置行驶至第二位置的过程中，获取定位数据和环境数据；其中，所述定位数据包括用于表示行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；存储所述定位数据和所述环境数据；

基于所述环境数据，获取与所述车辆的位置相关的交通标识信息；

至少基于所述交通标识信息，获取第一自建地图信息；

根据多于第一阈值的次数的行驶对应的第一自建地图信息，获取第二自建地图信息；其中，所述多于第一阈值的次数的行驶中的每一次行驶的路径包括至少一个相同的路段；其中，所述第二自建地图信息表示地图的精度高于所述第一自建地图信息；

存储第二自建地图信息；

至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶，包括：基于所述第二自建地图信息，生成所述车辆行驶于路段的融合行驶轨迹；从所述融合行驶轨迹中解析得到所述车辆相对于路段的纵向和/或横向的目标速度分布；基于从环境数据中识别出的地面交通标识数据，进行局部建图，得到局部地图；根据从环境数据中识别出的表示障碍物的障碍物数据和所述局部地图进行轨迹预测，得到轨迹预测结果；基于所述融合行驶轨迹数据、所述局部地图的道路对象、所述车辆的导航路径信息和所述轨迹预测结果，进行所述车辆的虚拟行为规划和虚拟运动规划；将基于所述虚拟行为规划和所述虚拟运动规划的虚拟控制数据，与驾驶员的实际控制数据进行比较，得出差异数据，以根据所述差异数据修改自动驾驶决策规划模块。

2.根据权利要求1所述的方法，其特征在于，所述车辆设置有多个电子控制单元，在获取定位数据和环境数据的步骤中，由所述车辆的多个电子控制单元生成所述定位数据和所述环境数据。

3.根据权利要求1所述的方法，其特征在于，第一自建地图信息对应有作为起点的第一位置，和作为终点的第二位置；针对第一自建地图信息划分熟路组；其中，同一个熟路组中包括的第一自建地图信息之间符合指定关联关系；其中，所述指定关联关系包括：第一自建地图信息的第一位置之间符合第一设定距离关系，且第一自建地图信息的第二位置之间符合第二设定距离关系；或，第一自建地图信息之间涉及的路段的重合度，高于指定重合度阈值。

4.根据权利要求1所述的方法，其特征在于，基于所述第二自建地图信息，生成所述第一自建地图信息对应的融合行驶轨迹的步骤，包括：

根据所述车辆的定位数据，在存储的第二自建地图信息中读取指定位置范围内的局部地图；

结合所述局部地图、环境数据和定位数据，生成车辆的融合行驶轨迹。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述目标速度分布按照设定难度规则，确定路段对应的驾驶难度；其中，所述驾驶难度包括高难度或低难度；其中，所述设定难度规则包括：所述纵向速度分布表示所述车辆的速度小于指定速度阈值，认定所述路段对应的驾驶难度为高难度；

或者，所述纵向速度分布表示所述车辆的速度分布均匀，且平均速度大于所述指定速度阈值，认定所述路段对应的驾驶难度为低难度。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述差异数据，生成所述第二自建地图信息中路段对应的自动驾驶信心信息；其中，在所述第二自建地图信息中，通过所述路段的颜色，表示所述自动驾驶信心信息。

7.一种车辆的控制装置，其特征在于，包括：

第一获取模块，用于在所述车辆从第一位置行驶至第二位置的过程中，获取定位数据和环境数据；其中，所述定位数据包括用于表示行驶过程中某一时刻的所述车辆的位置的信息，所述环境数据包括用于表示所述行驶过程中某一时刻的所述车辆的周围环境的信息；存储所述定位数据和所述环境数据；

第二获取模块，用于基于所述环境数据，获取与所述车辆的位置相关的交通标识信息；

第三获取模块，用于至少基于所述交通标识信息，获取第一自建地图信息；

第四获取模块，用于根据多于第一阈值的次数的行驶对应的第一自建地图信息，获取第二自建地图信息；其中，所述多于第一阈值的次数的行驶中的每一次行驶的路径包括至少一个相同的路段；其中，所述第二自建地图信息表示地图的精度高于所述第一自建地图信息；

存储模块，用于存储第二自建地图信息；

控制模块，用于至少基于所述第二自建地图信息，控制所述车辆在所述相同的路段执行自动驾驶，包括：基于所述第二自建地图信息，生成所述车辆行驶于路段的融合行驶轨迹；从所述融合行驶轨迹中解析得到所述车辆相对于路段的纵向和/或横向的目标速度分布；基于从环境数据中识别出的地面交通标识数据，进行局部建图，得到局部地图；根据从环境数据中识别出的表示障碍物的障碍物数据和所述局部地图进行轨迹预测，得到轨迹预测结果；基于所述融合行驶轨迹数据、所述局部地图的道路对象、所述车辆的导航路径信息和所述轨迹预测结果，进行所述车辆的虚拟行为规划和虚拟运动规划；将基于所述虚拟行为规划和所述虚拟运动规划的虚拟控制数据，与驾驶员的实际控制数据进行比较，得出差异数据，以根据所述差异数据修改自动驾驶决策规划模块。

8.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以实现如权利要求1至6中任一项所述的车辆的控制方法。

9.一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中存储有至少一条计算机程序，所述至少一条计算机程序被处理器执行时能够实现如权利要求1至6中任一项所述的车辆的控制方法。