CN107368069A - 基于车联网的自动驾驶控制策略的生成方法与生成装置 - Google Patents

Abstract

本发明提供了一种基于车联网的自动驾驶控制策略的生成方法与生成装置，其中方法包括：通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息；根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型；根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型；根据多个所述环境信息获得一个地理区域的在各时间段的路况模型；根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型，生成所述当前车辆的自动驾驶控制策略；将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。本发明的目的是使自动驾驶控制策略与车辆及其驾驶环境相适应，从而提高自动驾驶的舒适性。

Description

基于车联网的自动驾驶控制策略的生成方法与生成装置

技术领域

本发明涉及车辆控制领域，特别是涉及一种基于车联网的自动驾驶控制策略的生成方法与生成装置。

背景技术

随着车辆技术的发展，自动驾驶汽车已经逐步得到了生产和应用。由于自动驾驶汽车的控制方法、行驶方式与人为驾驶的汽车的控制方法、行驶方式有很大不同，因此无论是乘坐在自动驾驶汽车内的乘客还是周边道路上行驶的其他车辆内的驾驶员都会感觉到不适。另外，由于各个国家、各个地区的驾驶员的驾驶行为习惯有所不同，因此使用相同的自动驾驶控制策略无法适应所有的驾驶环境。

另一方面，现代车辆技术研发出了一种车联网。车联网是通过3G、4G、移动互联网，进行汽车的信息收集与共享的网络体系。利用车联网，通过信息的处理，能够实现车与路、车与车主、车主与车主、车主与第三方服务商的沟通，让汽车生活更加智能。

发明内容

本发明的目的是要提供一种基于车联网的自动驾驶控制策略的生成方法与生成装置，使自动驾驶控制策略与车辆及其驾驶环境相适应，从而提高自动驾驶的舒适性。

为了实现上述目的，本发明提供了一种基于车联网的自动驾驶控制策略的生成方法，包括：

通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息；

根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型；根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型；根据多个所述环境信息获得一个地理区域的在各时间段的路况模型；

根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型，生成所述当前车辆的自动驾驶控制策略；

将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。

优选地，在上述方法中，所述车辆驾驶习惯模型包括：本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数；

所述区域驾驶习惯模型包括：区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数；

所述路况模型包括：路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。

优选地，在上述方法中，在生成所述当前车辆的自动驾驶控制策略的步骤中，所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。

优选地，在上述方法中，所述环境信息包括：周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息；

所述主动驾驶信息包括：油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。

为了更好的实现上述目的，本发明还提供了一种基于车联网的自动驾驶控制策略的生成装置，包括：

信息收集单元，用于：通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息；

模型单元，用于：根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型；根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型；根据多个所述环境信息获得一个地理区域的在各时间段的路况模型；根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型，生成所述当前车辆的自动驾驶控制策略；

更新单元，用于：将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。

优选地，在上述装置中，所述车辆驾驶习惯模型包括：本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数；

所述区域驾驶习惯模型包括：区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数；

所述路况模型包括：路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。

优选地，在上述装置中，在生成所述当前车辆的自动驾驶控制策略的步骤中，所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。

优选地，在上述装置中，所述环境信息包括：周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息；

所述主动驾驶信息包括：油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。

本发明中，由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信，因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的，而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型，因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯，当车辆驾驶习惯模型足够多时，区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地，由于路况模型是根据一个地理区域内的多个环境信息获得的，当环境信息足够多时，路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中，根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略，将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中，即可控制当前车辆自动行驶。综上可知，由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯，还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况，因此利用本发明中的方法得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应，不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适，从而提高自动驾驶的舒适性，使自动驾驶更加智能。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成方法的方法流程图；

图2是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成装置的装置示意图；

图3是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成装置的工作流程图。

具体实施方式

图1是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成方法的方法流程图。如图1所示，本发明实施例提供了一种基于车联网的自动驾驶控制策略的生成方法，至少包括步骤S102至步骤S108。

步骤S102、通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息。

步骤S104、根据主动驾驶信息获得对应车辆的车辆驾驶习惯模型；根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型；根据多个环境信息获得一个地理区域的在各时间段的路况模型。

步骤S106、根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，生成当前车辆的自动驾驶控制策略。

步骤S108、将自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中。

本发明中，由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信，因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的，而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型，因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯，当车辆驾驶习惯模型足够多时，区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地，由于路况模型是根据一个地理区域内的多个环境信息获得的，当环境信息足够多时，路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中，根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略，将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中，即可控制当前车辆自动行驶。综上可知，由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯，还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况，因此利用本发明中的方法得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应，不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适，从而提高自动驾驶的舒适性，使自动驾驶更加智能。

步骤S102中，车联网是通过3G、4G或移动互联网，进行汽车信息的收集与共享的网络体系。通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。利用车联网，通过信息的处理，能够实现车与路、车与车主、车主与车主、车主与第三方服务商的沟通，让汽车生活更加智能。

步骤S102中，环境信息至少包括周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息，还可以包括自车位置、自车速度及行驶路径等信息，其中周边车辆信息可以是但不限于周边车辆位置及速度，行人信息可以是但不限于周边行人位置及速度。通过环境信息能够反映当前车辆的路况信息。用于获取环境信息的车辆环境传感器可以是但不限于车辆前方雷达、前方摄像头、侧方雷达、侧方摄像头等对外环境传感器，还能通过车辆通信装置获取环境信息。

主动驾驶信息至少包括油门踏板信息、制动踏板信息、方向盘转角信息、纵向加速度、横向加速度，其中油门踏板信息可以是但不限于油门踏板开度，方向盘转角信息可以是但不限于方向盘转角和/或车辆横摆角，制动踏板信息可以是但不限于制动减速度。通过主动驾驶信息能够反映当前车辆的驾驶习惯和控制方式。包括但不限于通过发动机控制系统、制动系统、转向系统及惯性测量系统获取主动驾驶信息。

步骤S104中，通过主动驾驶信息获取对应车辆的车辆驾驶习惯模型，根据同一地区内多个车辆驾驶习惯模型获得区域驾驶习惯模型，并根据多个环境信息获得同一区域在各时间段的路况模型，其中车辆驾驶习惯模型能够模拟当前车辆的驾驶习惯，区域驾驶习惯模型能够模拟当前车辆所在区域的绝大多数车辆的驾驶习惯，路况模型能够模拟当前区域的各个时间段的路况。

车辆驾驶习惯模型至少包括：本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数；例如，本车车速指数包括：平均时速80公里，最高时速180公里。本车车距指数为：在时速80公里时距离前车距离30米。在超车时距离侧边车距1米。本车变线超车指数例如；前车车速小于50公里时变线超车。

区域驾驶习惯模型至少包括：区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数；例如，区域车速指数包括：平均时速60公里，最高时速120公里。区域车距指数为：在时速80公里时距离前车距离40米。在超车时距离侧边车距1.5米。本车变线超车指数例如；前车车速小于40公里时变线超车。

路况模型至少包括：路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。

步骤S106中，综合考虑当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，能够得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。

步骤S106中，为了综合考虑车辆驾驶习惯模型和区域驾驶习惯模型，设定车辆驾驶习惯模型的权重等于区域驾驶习惯模型的权重，例如当本车的车辆驾驶习惯模型中的平均时速为80公里，区域驾驶习惯模型中平均时速为60公里时，可以将自动驾驶控制策略中的平均时速设定为70公里，当本车的车辆驾驶习惯模型在超车时距离侧边车距为1米，区域驾驶习惯模型在超车时距离侧边车距为1.5米时，可以将自动驾驶控制策略中的超车时距离侧边车距设定为1.25米。这样既考虑了车主的驾驶习惯，还顾及了本区域的其他车主的驾驶习惯。

步骤S108中，将步骤S106中得到的自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中，即可控制当前车辆自动驾驶。自动驾驶控制策略可以实时更新，也可以定期更新。

由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯，也考虑了车辆所在区域的其他驾驶员的驾驶习惯及各个时间段的路况，因此利用本发明中的方法得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应，不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适，从而提高自动驾驶的舒适性，使自动驾驶更智能。

为了进一步说明图1中的基于车联网的自动驾驶控制策略的生成方法，如图2所示，对应地，本发明另一个实施例还提供了一种基于车联网的自动驾驶控制策略的生成装置，至少包括以下单元。

信息收集单元202，用于：通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息。

模型单元204，用于：根据主动驾驶信息获得对应车辆的车辆驾驶习惯模型；根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型；根据多个环境信息获得一个地理区域的在各时间段的路况模型；根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，生成当前车辆的自动驾驶控制策略。

更新单元206，用于：将自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中。

本发明中，在信息收集单元202中，由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信，因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。在模型单元204中，由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的，而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型，因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯，当车辆驾驶习惯模型足够多时，区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地，由于路况模型是根据一个地理区域内的多个环境信息获得的，当环境信息足够多时，路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中，在模型单元204中，根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。在更新单元206中，将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中，即可控制当前车辆自动行驶。综上可知，由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯，还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况，因此利用本发明中的装置得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应，不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适，从而提高自动驾驶的舒适性，使自动驾驶更加智能。

在信息收集单元202中，车联网是通过3G、4G或移动互联网，进行汽车信息的收集与共享的网络体系。通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。利用车联网，通过信息的处理，能够实现车与路、车与车主、车主与车主、车主与第三方服务商的沟通，让汽车生活更加智能。

在信息收集单元202中，环境信息至少包括周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息，还可以包括自车位置、自车速度及行驶路径等信息，其中周边车辆信息可以是但不限于周边车辆位置及速度，行人信息可以是但不限于周边行人位置及速度。通过环境信息能够反映当前车辆的路况信息。用于获取环境信息的车辆环境传感器可以是但不限于车辆前方雷达、前方摄像头、侧方雷达、侧方摄像头等对外环境传感器，还能通过车辆通信装置获取环境信息。

主动驾驶信息至少包括油门踏板信息、制动踏板信息、方向盘转角信息、纵向加速度、横向加速度，其中油门踏板信息可以是但不限于油门踏板开度，方向盘转角信息可以是但不限于方向盘转角和/或车辆横摆角，制动踏板信息可以是但不限于制动减速度。通过主动驾驶信息能够反映当前车辆的驾驶习惯和控制方式。包括但不限于通过发动机控制系统、制动系统、转向系统及惯性测量系统获取主动驾驶信息。

在模型单元204中，通过主动驾驶信息获取对应车辆的车辆驾驶习惯模型，根据同一地区内多个车辆驾驶习惯模型获得区域驾驶习惯模型，并根据多个环境信息获得同一区域在各时间段的路况模型，其中车辆驾驶习惯模型能够模拟当前车辆的驾驶习惯，区域驾驶习惯模型能够模拟当前车辆所在区域的绝大多数车辆的驾驶习惯，路况模型能够模拟当前区域的各个时间段的路况。

车辆驾驶习惯模型至少包括：本车车速指数、本车刹车指数、本车车距指数和本车变线超车指数；例如，本车车速指数包括：平均时速80公里，最高时速180公里。本车车距指数为：在时速80公里时距离前车距离30米。在超车时距离侧边车距1米。本车变线超车指数例如；前车车速小于50公里时变线超车。

区域驾驶习惯模型至少包括：区域车速指数、区域刹车指数、区域车距指数和区域变线超车指数；例如，区域车速指数包括：平均时速60公里，最高时速120公里。区域车距指数为：在时速80公里时距离前车距离40米。在超车时距离侧边车距1.5米。区域变线超车指数例如；前车车速小于40公里时变线超车。

路况模型至少包括：路段车辆密度指数、路段平均车速指数、路段弯道指数、路段路面指数、路段事故率指数和路段红灯路口指数。

在模型单元204中，综合考虑当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，能够得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。

在模型单元204中，为了综合考虑车辆驾驶习惯模型和区域驾驶习惯模型，设定车辆驾驶习惯模型的权重等于区域驾驶习惯模型的权重，例如当本车的车辆驾驶习惯模型中的平均时速为80公里，区域驾驶习惯模型中平均时速为60公里时，可以将自动驾驶控制策略中的平均时速设定为70公里，当本车的车辆驾驶习惯模型在超车时距离侧边车距为1米，区域驾驶习惯模型在超车时距离侧边车距为1.5米时，可以将自动驾驶控制策略中的超车时距离侧边车距设定为1.25米。这样既考虑了车主的驾驶习惯，还顾及了本区域的其他车主的驾驶习惯。

在更新单元206中，将在模型单元204中得到的自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中，即可控制当前车辆自动驾驶。自动驾驶控制策略可以实时更新，也可以定期更新。

由于利用本发明中的装置得到的自动驾驶控制策略既考虑了车主的驾驶习惯，也考虑了车辆所在区域的其他驾驶员的驾驶习惯及各个时间段的路况，因此利用本发明中的装置得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应，不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适，从而提高自动驾驶的舒适性，使自动驾驶更智能。

为进一步说明图2中的生成装置，在本发明另一个实施例中，还提供了一种基于车联网的自动驾驶控制策略的生成装置的工作流程，图3是根据本发明一个实施例的基于车联网的自动驾驶控制策略的生成装置的工作流程图。如图3所示，一种基于车联网的自动驾驶控制策略的生成装置的工作流程至少包括步骤S302至步骤S306。

步骤S302、通过车联网采集自车及周边车辆的的环境信息和驾驶员的主动驾驶信息。

步骤S304、通过车联网将环境信息和主动驾驶信息上传至云端服务器，云端服务器根据环境信息及主动驾驶信息进行机械学习，建立自动驾驶控制策略。

步骤S306、云端服务器通过车联网下载自动驾驶控制策略及相关参数至自车。

上述发明实施例中，步骤S302中，车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务器的通信，因此通过车联网能够获得自车和周边车辆的环境信息，还能够获得自车和周边车辆的主动驾驶信息。

步骤S302中，具体地，可以利用前方雷达、前方摄像头、侧方雷达、侧方摄像头等对外环境传感器对自车位置、速度及行驶路径、周边车辆位置及速度、周边行人位置及速度、车道线、交通标示、交通信号等环境信息进行采集并记录。利用发动机控制系统、制动系统、转向系统及惯性测量系统对油门踏板信息、制动踏板信息、方向盘转角信息、纵向加速度、横向加速度等主动驾驶信息进行采集并记录。

步骤S304中，基于车联网的车与路、车与车主、车主与车主、车主与第三方服务器的通信功能，将步骤S302中采集记录的环境信息和主动驾驶信息上传至云端服务器。

步骤S304中，云端服务器将同一区域内的不同车辆的环境信息和主动驾驶信息存储至统一的数据库，并通过机械学习(如Boosting、SVM等学习方法)对一段时间内的环境信息和主动驾驶信息进行学习，建立自动驾驶控制策略。

步骤S306中，云端服务器利用车联网下载自动驾驶控制策略及相关参数至自车，从而更新自车的自动驾驶控制系统，使自车的自动驾驶控制系统与自车和驾驶环境相适应。

由上可知，本发明实施例设置了云端服务器作为模型单元，利用云端服务器对不同车辆的环境信息和主动驾驶信息进行存储和学习，从而得到自动驾驶控制策略。基于云端服务器的特性和车联网的通信功能，将环境信息和主动驾驶信息通过车联网上传，自动驾驶控制策略建立后通过车联网下载至自车，从而实现自车自动驾驶控制策略的更新。

本发明实施例中，能够利用一段时间内的环境信息和主动驾驶信息进行自动驾驶控制策略的建立和更新，还可以实时利用环境信息和主动驾驶信息实时建立自动驾驶控制策略，从而达到自动控制系统的实时更新。

由上可知，本发明实施例中，在信息收集单元202中，由于车联网能够实现车与路、车与车主、车主与车主、车主与第三方服务商的通信，因此通过车联网能够获取区域内多个车辆的环境信息和主动驾驶信息。在模型单元204中，由于区域驾驶习惯模型是根据一个地理区域内的多个车辆驾驶习惯模型获得的，而每个车辆驾驶习惯模型又是根据对应驾驶员的主动驾驶信息获得的能够模拟对应车辆的驾驶习惯的模型，因此区域驾驶习惯模型能够模拟一个地理区域内的多个车辆的驾驶习惯，当车辆驾驶习惯模型足够多时，区域驾驶习惯模型即可模拟一个地理区域内的绝大多数车辆的驾驶习惯。同样地，由于路况模型是根据一个地理区域内的多个环境信息获得的，当环境信息足够多时，路况模型即可模拟一个地理区域的在各个时间段的路况。本发明中，在模型单元204中，根据当前车辆的车辆驾驶习惯模型、当前车辆所在区域的区域驾驶习惯模型和路况模型，即可得到与当前车辆及其驾驶环境相适应的自动驾驶控制策略。在更新单元206中，将该自动驾驶控制策略更新到当前车辆的自动驾驶控制系统中，即可控制当前车辆自动行驶。综上可知，由于利用本发明中的方法得到的自动驾驶控制策略既考虑了车主的驾驶习惯，还考虑了车辆所在区域的其他驾驶员的驾驶习惯和区域内的各个时间段的路况，因此利用本发明中的装置得到的自动驾驶控制策略能够与车辆及其驾驶环境相适应，不会令自动驾驶车辆内的乘坐人员和周边车辆感觉不适，从而提高自动驾驶的舒适性，使自动驾驶更加智能。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (6)

1.一种基于车联网的自动驾驶控制策略的生成方法，其特征在于，包括：

通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息；

根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型；根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型；根据多个所述环境信息获得一个地理区域的在各时间段的路况模型；

根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型，生成所述当前车辆的自动驾驶控制策略；

将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。

2.根据权利要求1所述的方法，其特征在于，在生成所述当前车辆的自动驾驶控制策略的步骤中，所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。

3.根据权利要求1所述的方法，其特征在于，

所述环境信息包括：周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息；

所述主动驾驶信息包括：油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。

4.一种基于车联网的自动驾驶控制策略的生成装置，其特征在于，包括：

信息收集单元，用于：通过车联网采集车辆环境传感器生成的环境信息和驾驶员的主动驾驶信息；

模型单元，用于：根据所述主动驾驶信息获得对应车辆的车辆驾驶习惯模型；根据一个地理区域内的多个车辆驾驶习惯模型获得区域驾驶习惯模型；根据多个所述环境信息获得一个地理区域的在各时间段的路况模型；根据当前车辆的所述车辆驾驶习惯模型、所述当前车辆所在区域的所述区域驾驶习惯模型和所述路况模型，生成所述当前车辆的自动驾驶控制策略；

更新单元，用于：将所述自动驾驶控制策略更新到所述当前车辆的自动驾驶控制系统中。

5.根据权利要求4述的生成装置，其特征在于，在生成所述当前车辆的自动驾驶控制策略的步骤中，所述车辆驾驶习惯模型的权重等于所述区域驾驶习惯模型的权重。

6.根据权利要求4所述的生成装置，其特征在于，

所述环境信息包括：周边车辆信息、行人信息、车道线信息、交通标示信息和/或交通信号信息；

所述主动驾驶信息包括：油门踏板开度、加速度、制动减速度、方向盘转角和/或车辆横摆角。