CN113147794A - 生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆 - Google Patents

Abstract

本公开提供了一种生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆，涉及深度学习、自动驾驶和智能交通等人工智能领域。该方法的一实施方式包括：获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级；根据交通风险等级，生成对应的预警信息。

Description

生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆

技术领域

本公开实施例涉及计算机领域，具体涉及深度学习、自动驾驶和智能交通等人工智能领域，尤其涉及一种生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆。

背景技术

自动驾驶过程中，车辆行驶的道路路况错综复杂，需要时刻感知周围其他交通参与者的行动方向，对其行动进行预判，对于影响主车行驶的危险行为，要做出警告提示，以避免交通事故的发生。

发明内容

本公开实施例提出了一种生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆。

第一方面，本公开实施例提出了一种生成自动驾驶预警信息方法，包括：获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级；根据交通风险等级，生成对应的预警信息。

第二方面，本公开实施例提出了一种生成自动驾驶预警信息装置，包括：参数获取模块，被配置成获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；结果得到模块，被配置成将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；等级确定模块，被配置成根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级；信息生成模块，被配置成根据交通风险等级，生成对应的预警信息。

第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面描述的方法。

第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面描述的方法。

第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面描述的方法。

第六方面，本公开实施例提出了一种自动驾驶车辆，包括第三方面描述的电子设备。

本公开实施例提供的生成自动驾驶预警信息方法、装置、设备及自动驾驶车辆，首先获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；然后将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；然后根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级；最后根据交通风险等级，生成对应的预警信息。可以利用预测模型来对其他交通参与者的行为进行预测，得到预测结果；之后，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级；最后可以通过交通风险等级来确定是否需要发送预警信息，从而保障了自动驾驶车辆的行车安全。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的生成自动驾驶预警信息方法的一个实施例的流程图；

图3是根据本公开的生成自动驾驶预警信息方法的一个实施例的流程图；

图4是根据本公开的生成自动驾驶预警信息方法的一个实施例的流程图；

图5是根据本公开的生成自动驾驶预警信息方法的一个实施例的流程图；

图6是根据本公开的生成自动驾驶预警信息装置的一个实施例的流程图；

图7是用来实现本公开实施例的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的生成自动驾驶预警信息方法或生成自动驾驶预警信息装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括自动驾驶车辆的终端设备101、其他交通参与者的终端设备102，网络103和服务器104。网络103用以在自动驾驶车辆的终端设备101、其他交通参与者的终端设备102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用动驾驶车辆的终端设备101、其他交通参与者的终端设备102通过网络103与服务器104交互，以接收或发送自动驾驶车辆的交通参数和其他交通参与者的交通参数等。自动驾驶车辆的终端设备101、其他交通参与者的终端设备102上可以安装有各种客户端应用、智能交互应用，例如交通处理应用、地图软件等等。

自动驾驶车辆的终端设备101、其他交通参与者的终端设备102可以是硬件，也可以是软件。当自动驾驶车辆的终端设备101、其他交通参与者的终端设备102为硬件时，终端设备可以为与用户通过键盘、触摸板、显示屏、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品，例如PC(Personal Computer，个人计算机)、手机、智能手机、PDA(Personal Digital Assistant，个人数字助手)、可穿戴设备、PPC(Pocket PC，掌上电脑)、平板电脑、智能车机、智能电视、智能音箱、平板电脑、膝上型便携计算机和台式计算机等等。

服务器104可以提供各种服务。例如，服务器104可以获取自动驾驶车辆的终端设备101、其他交通参与者的终端设备102上的自动驾驶车辆的交通参数和其他交通参与者的交通参数，以及将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级；根据交通风险等级，生成对应的预警信息；最后，将预警信息发送至自动驾驶车辆的终端设备101、其他交通参与者的终端设备102。

需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器，例如交通管控中心的服务器。当服务器104为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的生成自动驾驶预警信息方法一般由服务器104执行，相应地，生成自动驾驶预警信息装置一般设置于服务器104中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的生成自动驾驶预警信息方法的一个实施例的流程200。该生成自动驾驶预警信息方法可以包括以下步骤：

步骤201，获取自动驾驶车辆的交通参数和其他交通参与者的交通参数。

在本实施例中，生成自动驾驶预警信息方法的执行主体(例如图1所示的服务器104)可以获取自动驾驶车辆的交通参数和其他交通参与者的交通参数。上述其他交通参数与者与自动驾驶车辆相对，该其他交通参与者可以包括但不限于行人、其他机动车、骑行者等。上述自动驾驶车辆的交通参数可以为自动驾驶车辆在运行过程中产生的、与交通相关的参数，例如，位置、形状、速度信息等。上述其他交通参与者的交通参数可以为其他交通参与者在运行过程中产生的、与交通相关的参数，例如，位置、形状、类别(例如，行人、其他机动车或骑行者)、速度信息等。

对应的，在该示例中，获取自动驾驶车辆的交通参数可以基于自动驾驶车辆的自动获取数据的传感器获取交通参数，然后再由该自动驾驶车辆的终端发送至上述执行主体，或由道路上的摄像头、测速装置、基站等获取。

对应的，在该示例中，获取其他交通参与者的交通参数可以基于设置在道路上的摄像头、测速装置、附近的基站等获取。

在一个示例中，其他交通参与者为行人，可以基于其他交通参与者的终端设备获取其的交通参数。其他交通参与者为汽车，可以基于其他交通参与者的终端设备获取其的交通参数。

当车辆处于自动驾驶时，基于多个传感器以及地图，获取到获取其他交通参与者的交通参数，该其他交通参与者可以为距离自动驾驶车辆在一定范围内的交通参与者，该一定范围可以根据是否发生影响正常驾驶的角度进行确定。

具体地，以多种传感器获取的数据与地图的信息作为输入，经过一系列的计算及处理，对自动驾驶车的周围环境进行感知。它可以为下游提供丰富的信息，例如其他交通参与者的位置、形状、类别、速度信息以及运动方向等。

需要说明的是，上述自动驾驶车辆的交通参数和其他交通参与者的交通参数可以为某一时刻对应的交通参数。但为了对其他交通参与者的行为进行预测，可以获取某一时刻之前的预设时间段内其他交通参与者的交通参数，以实现对其他交通参与者的行为进行预测。

本公开的技术方案中，所涉及的交通参数的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

步骤202，将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果。

在本实施例中，上述执行主体可以将其他交通参与者的交通参数输入预先训练的预测模型中，得到与其他交通参与者的交通参与对应的预测结果。上述预测结果可以用于对其他交通参与者在某一时刻之后的下一时刻，其他交通参与者可能处于的交通状态，例如，预测行为类型，预测轨迹等。

在这里，上述预测模型可以基于其他交通参与者的交通参数和对应的行为标签所训练得到。

在本实施例中，可以精确地判断位于自动驾驶车辆外的其他交通参与者的类型、运动方向、运动速度等是否会影响到自动驾驶车辆的正常行驶，当其他交通参与者的行为可能影响到自动驾驶车辆时，且且自动驾驶车辆与其他交通参与者之间的相对距离小于预设的距离阈值时，判定存在发生交通事故的风险。

步骤203，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级。

在本实施例中，上述执行主体可以根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级。

在一个示例中，可以先基于自动驾驶车辆的交通参数和其他交通参与者的交通参数，确定自动驾驶车辆与其他交通参与者之间的相对的交通参数；之后，根据相对的交通参数和预测结果，确定针对自动驾驶车辆的交通风险等级。上述相对的交通参数可以为自动驾驶车辆和其他交通参与者之间相对的参数，例如，自动驾驶车辆与其他交通参与者之间的距离、相对速度等。

在本实施例中，该生成自动驾驶预警信息方法还可以包括：设置相对的交通参数的第一权重和预测结果对应的权重。上述第一权重和第二权重可以根据预警的灵敏度进行设定或由用户设定。

对应地，在该示例中，根据相对的交通参数和预测结果，确定针对自动驾驶车辆的交通风险等级，可以包括：根据相对的交通参数和对应的第一权重，以及预测结果和对应的第二权重，确定针对自动驾驶车辆的交通风险等级。

需要说明的是，上述第一权重和第二权重可以根据实际的交通情况进行调整。

步骤204，根据交通风险等级，生成对应的预警信息。

在本实施例中，上述执行主体可以根据交通风险等级，生成与交通风险等级对应的预警信息。上述预警信息可以包括预警类型和预警内容等，该预警类型可以包括响铃、语音提醒、消息提醒等，该预警内容可以包括可能会发生的事故、建议改变速度、建议改变速度为预设的速度、其他交通参与者的类别、其他交通参与者的预测结果等信息。上述预警信息可以用于提醒自动驾驶车辆的驾驶员和/或其他交通参与者。

需要说明的是，在交通风险等级的级别较高时，可以将多种预警类型组合使用，以从全方位实现预警。或者，预先通知相关的交通管理者，以预先对交通状况进行维护，以减少事故的发生。

在生成预警信息之后，该生成自动驾驶预警信息方法还可以包括：发送预警信息至自动驾驶车辆的终端设备，由自动驾驶车辆的终端设备进行预警信息提醒，例如，通过自动驾驶车辆的终端设备上的显示屏进行提醒。

在一个示例中，将预警信息通知给自动驾驶车辆内的人机交互设备，该人机交互设备可以通过文字、语音、鸣笛等形式提示乘客，使乘客做好安全防护等。

另外，还可以将预警信息发送至其他交通参数者的终端设备。或者，不需要发送预警信息，由执行主体通过道路上的喇叭进行提醒。

需要说明的是，在自动驾驶车辆的终端设备接收到预警信息之后，可以调整自动驾驶车辆的车速，以避免发生交通事故。

本公开实施例提供的生成自动驾驶预警信息方法，首先获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；然后将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；然后根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级；最后根据交通风险等级，生成对应的预警信息。可以利用预测模型来对其他交通参与者的行为进行预测，得到预测结果；之后，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级；最后可以通过交通风险等级来确定是否需要发送预警信息，从而保障了自动驾驶车辆的行车安全。

在本实施例的一些可选的实现方式中，该生成自动驾驶预警信息方法还包括：根据预测结果，确定交通影响程度，其中，交通影响程度为其他交通参与者的行为对自动驾驶车辆的交通影响程度；根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级，包括：响应于交通影响程度满足预设的交通影响程度阈值，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级。

在本实施例的一些可选的实现方式中，该生成自动驾驶预警信息方法还包括：获取交通环境信息；根据预测结果，确定交通影响程度，包括：根据预测结果和交通环境信息，确定交通影响程度。

在本实施例的一些可选的实现方式中，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级，包括：根据自动驾驶车辆的交通参数和其他交通参与者的交通参数，确定相对的交通参数，其中，相对的交通参数为自动驾驶车辆与其他交通参与者之间的交通参数；根据相对的交通参数和交通影响程度，确定针对自动驾驶车辆的交通风险等级。

在本实施例的一些可选的实现方式中，相对的交通参数和交通影响程度，确定针对自动驾驶车辆的交通风险等级，包括：根据相对的交通参数对应的交通风险系数，以及交通影响程度对应交通风险系数，确定针对自动驾驶车辆的交通风险等级。

在本实施例的一些可选的实现方式中，预测结果包括预测行为类型或预测轨迹。

在本实现方式中，可以基于对其他交通参与者的行为准确地预测，以备后续基于预测行为、自动驾驶车辆的交通参数，以及其他交通参与者的交通参数，实现对交通风险等级的准确确定。

进一步参考图3，图3示出了根据本公开的生成自动驾驶预警信息方法的一个实施例的流程300。该生成自动驾驶预警信息方法可以包括以下步骤：

步骤301，获取自动驾驶车辆的交通参数和其他交通参与者的交通参数。

步骤302，将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果。

步骤303，根据预测结果，确定交通影响程度，其中，交通影响程度为其他交通参与者的行为对自动驾驶车辆的交通影响程度。

在本实施例中，生成自动驾驶预警信息方法的执行主体(例如图1所示的服务器104)可以根据预测结果，确定交通影响程度。上述交通影响程度可以用于表征其他交通参与者对自动驾驶车辆正常行驶的影响程度。

对应地，在该示例中，根据预测结果，确定交通影响程度，可以包括：根据预测结果包括的预测行为类型，确定与预测行为类型对应的交通影响程度。

在一个示例中，若预测行为类型为加速超车，则根据加速超车确定对应的交通影响程度。

需要说明的是，在本实施例中其他交通参与者的行为类型可以包括正常驾驶、急停、逆行、超车、减速慢行等。可根据不同行为类型导致事故的可能性的大小，预先设置对应的交通影响程度。

在一个示例中，超车对应的交通影响程度大于减速慢行对应的交通影响程度。

对应地，在该示例中，根据预测结果，确定交通影响程度，可以包括：根据预测结果包括的预测轨迹，确定与预测轨迹对应的交通影响程度。

在一个示例中，若预测轨迹与预设的轨迹一致，则可以根据预测轨迹，确定对应的交通影响程度。

需要说明的是，预设的轨迹为可能会影响自动驾驶车辆正常运行的轨迹。例如，其他交通参与者运行至自动驾驶车辆的前方的预设位置处，该预设位置可以为自动驾驶车辆正常运行一段时间会发生事故的位置。

步骤304，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级。

在本实施例中，上述执行主体可以根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级。

具体地，上述执行主体可以根据自动驾驶车辆的交通参数对应的交通事故系数、其他交通参与者的交通参数交通事故系数，以及交通影响程度交通事故系数，确定针对自动驾驶车辆的交通风险等级。

在一个示例中，该生成提示信息的方法还可以包括：预先设置自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度对应的权重，以根据权重和交通事故系数的加权求和，得到针对自动驾驶车辆的交通风险等级。

需要说明的是，上述权重可以根据预警的灵敏度进行设置或由用户自行设定。

步骤305，根据交通风险等级，生成对应的预警信息。

在本实施例中，步骤301、302、305的具体操作分别已在图2所示的实施例中步骤201、202、204进行了详细的介绍，在此不再赘述。

从图3中可以看出，与图2对应的实施例相比，本实施例中的生成自动驾驶预警信息方法突出了根据预测结果，确定交通影响程度的步骤。由此，本实施例描述的方案根据预测结果，确定交通影响程度。以备基于预设的交通影响程度阈值进行筛选，只对满足预设的交通影响程度阈值的交通影响程度进一步判断是否需要进行预警。

在本实施例的一些可选的实现方式中，该生成自动驾驶预警信息方法还可以包括：判断交通影响程度是否满足预设的交通影响程度阈值。

对应地，在该示例中，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级，可以包括：响应于交通影响程度满足预设的交通影响程度阈值，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级。上述满足可以为大于或等于预设的交通影响程度阈值。

在本实现方式中，上述执行主体在执行步骤303之后，对交通影响程度进行判断，只在交通影响程度满足预设的交通影响程度阈值时，才执行步骤304。上述预设的交通影响程度阈值用于衡量是否会发生事故，该预设的交通影响程度阈值可以由交通管理者设定或根据预警的林敏度进行设定。

需要说明的是，预设的交通影响程度阈值可以针对不同的其他交通参与者进行设定；或，针对其他交通参与者不同的运行速度进行设定；或，根据不同的路段进行设定；或，根据不同的天气、环境等进行设定。

在本实现方式中，通过预设的交通影响程度阈值可以预先对交通影响程度较小的情况进行排除，以避免不必要的预警，进一步可以节省资源。

进一步参考图4，图4示出了根据本公开的一种生成自动驾驶预警信息方法一个实施例的流程400。该一种生成自动驾驶预警信息方法可以包括以下步骤：

步骤401，获取自动驾驶车辆的交通参数和其他交通参与者的交通参数。

步骤402，将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果。

步骤403，获取交通环境信息。

在本实施例中，生成自动驾驶预警信息方法的执行主体(例如图1所示的服务器104)可以获取自动驾驶车辆所处的交通环境信息，例如，天气情况、气候情况、路段情况、交通拥堵情况等。

需要说明的是，步骤403的执行训练可以与步骤401同时执行，或在步骤404之前的任意执行，例如，在步骤402之后执行。

步骤404，根据预测结果和交通环境信息，确定与对应的交通影响程度。

在本实施例中，上述执行主体可以根据先预测结果，确定预测结果对应的交通影响程度；之后，再根据交通环境信息，确定交通环境信息对应的交通影响程度；之后，根据预测结果对应的交通影响程度和交通环境信息对应的交通影响程度，确定最终的交通影响程度；或，根据预测结果和交通环境信息，确定最终的交通影响程度。

需要说明的是，根据先预测结果，确定预测结果对应的交通影响程度的描述可以参照303的描述。

在本实施例中，上述执行主体还可以预先设置预测结果和交通环境信息对应的权重，以根据权重进行加权求和，得到交通影响程度。

需要说明的是，上述权重可以根据实际的交通环境信息进行调整。例如，下雨天，则需要增加交通环境信息对应的权重。

本公开的技术方案中，所涉及的交通环境信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

步骤405，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级。

步骤406，根据交通风险等级，生成对应的预警信息。

在本实施例中，步骤401、402、405和406的具体操作分别已在图3所示的实施例中步骤301、302、304、305进行了详细的介绍，在此不再赘述。

从图4中可以看出，与图3对应的实施例相比，本实施例中的生成自动驾驶预警信息方法突出了确定交通影响程度的步骤。由此，本实施例描述的方案根据预测结果和交通环境信息，确定交通影响程度。能够基于实际的交通环境信息来进一步确定交通环境信息，从而能够更准确地确定交通影响程度，以备基于预设的交通影响程度阈值进行筛选，只对满足预设的交通影响程度阈值的交通影响程度进一步判断是否需要进行预警。

进一步参考图5，图5示出了根据本公开的一种生成自动驾驶预警信息方法一个实施例的流程500。该一种生成自动驾驶预警信息方法可以包括以下步骤：

步骤501，获取自动驾驶车辆的交通参数和其他交通参与者的交通参数。

步骤502，将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果。

步骤503，根据自动驾驶车辆的交通参数和其他交通参与者的交通参数，确定相对的交通参数，其中，相对的交通参数为自动驾驶车辆与其他交通参与者之间的交通参数。

在本实施例中，生成自动驾驶预警信息方法的执行主体(例如图1所示的服务器104)可以先根据自动驾驶车辆的交通参数和其他交通参与者的交通参数，确定相对的交通参数。上述相对的交通参数可以为自动驾驶车辆和其他交通参与者之间相对的参数，例如，自动驾驶车辆与其他交通参与者之间的距离、相对速度等。

步骤504，根据相对的交通参数和交通影响程度，确定针对自动驾驶车辆的交通风险等级。

在本实施例中，上述执行主体可以根据相对的交通参数和交通影响程度，确定针对自动驾驶车辆的交通风险等级。

在本实施例中，该生成自动驾驶预警信息方法还可以包括：设置相对的交通参数的第一权重和预测结果对应的权重。上述第一权重和第二权重可以根据预警的灵敏度进行设定或由用户设定。

对应地，在该示例中，根据相对的交通参数和预测结果，确定针对自动驾驶车辆的交通风险等级，可以包括：根据相对的交通参数和对应的第一权重，以及预测结果和对应的第二权重，确定针对自动驾驶车辆的交通风险等级。

需要说明的是，上述第一权重和第二权重可以根据实际的交通情况进行调整。

步骤505，根据交通风险等级，生成对应的预警信息。

在本实施例中，步骤501、502、505的具体操作分别已在图2所示的实施例中步骤201、202、204进行了详细的介绍，在此不再赘述。

从图5中可以看出，与图2对应的实施例相比，本实施例中的生成自动驾驶预警信息方法突出了确定交通风险等级的步骤。由此，本实施例描述的方案先根据自动驾驶车辆的交通参数和其他交通参与者的交通参数，确定相对的交通参数，其中，相对的交通参数为自动驾驶车辆与其他交通参与者之间的交通参数；之后，根据相对的交通参数和交通影响程度，确定针对自动驾驶车辆的交通风险等级。从而能够实现对交通风险等级的确定。

在本实施例的一些可选的实现方式中，相对的交通参数和交通影响程度，确定针对自动驾驶车辆的交通风险等级，包括：根据相对的交通参数对应的交通风险系数，以及交通影响程度对应交通风险系数，确定针对自动驾驶车辆的交通风险等级。

需要说明的是，交通风险系数可以用于表征对可能发生交通事故的系数。该交通风险系数可以根据预警的灵敏度进行设定或由交通的管理者设定。

在本实现方式中，上述执行主体可以根据相对的交通参数对应的交通风险系数，以及交通影响程度对应的交通风险系数，实现对针对自动驾驶车辆的交通风险等级的确定。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种生成自动驾驶预警信息装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的生成自动驾驶预警信息装置600可以包括：参数获取模块601、结果得到模块602、等级确定模块603和信息生成模块604。其中，参数获取模块601，被配置成获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；结果得到模块602，被配置成将其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；等级确定模块603，被配置成根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及预测结果，确定针对自动驾驶车辆的交通风险等级；信息生成模块604，被配置成根据交通风险等级，生成对应的预警信息。

在本实施例中，生成自动驾驶预警信息装置600中：参数获取模块601、结果得到模块602、等级确定模块603和信息生成模块604的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，该生成自动驾驶预警信息装置还包括：程度确定模块，被配置成根据预测结果，确定交通影响程度，其中，交通影响程度为其他交通参与者的行为对自动驾驶车辆的交通影响程度；

等级确定模块603，进一步被配置成：响应于交通影响程度满足预设的交通影响程度阈值，根据自动驾驶车辆的交通参数、其他交通参与者的交通参数，以及交通影响程度，确定针对自动驾驶车辆的交通风险等级。

在本实施例的一些可选的实现方式中，该生成自动驾驶预警信息装置还包括：信息获取模块，被配置成获取交通环境信息；程度确定模块，进一步被配置成：根据预测结果和交通环境信息，确定交通影响程度。

在本实施例的一些可选的实现方式中，等级确定模块603，包括：参数确定单元，被配置成根据自动驾驶车辆的交通参数和其他交通参与者的交通参数，确定相对的交通参数，其中，相对的交通参数为自动驾驶车辆与其他交通参与者之间的交通参数；等级确定单元，被配置成根据相对的交通参数和交通影响程度，确定针对自动驾驶车辆的交通风险等级。

在本实施例的一些可选的实现方式中，等级确定单元，进一步被配置成：根据相对的交通参数对应的交通风险系数，以及交通影响程度对应交通风险系数，确定针对自动驾驶车辆的交通风险等级。

在本实施例的一些可选的实现方式中，预测结果包括预测行为类型或预测轨迹。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种自动驾驶车辆。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如生成自动驾驶预警信息方法。例如，在一些实施例中，生成自动驾驶预警信息方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的生成自动驾驶预警信息方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行生成自动驾驶预警信息方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

人工智能是研究计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语音处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提及的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (16)

1.一种生成自动驾驶预警信息方法，包括：

获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；

将所述其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；

根据所述自动驾驶车辆的交通参数、所述其他交通参与者的交通参数，以及所述预测结果，确定针对所述自动驾驶车辆的交通风险等级；

根据所述交通风险等级，生成对应的预警信息。

2.根据权利要求1所述的方法，所述方法还包括：

根据所述预测结果，确定交通影响程度，其中，所述交通影响程度为所述其他交通参与者的行为对所述自动驾驶车辆的交通影响程度；

所述根据所述自动驾驶车辆的交通参数、所述其他交通参与者的交通参数，以及所述预测结果，确定针对所述自动驾驶车辆的交通风险等级，包括：

响应于所述交通影响程度满足预设的交通影响程度阈值，根据所述自动驾驶车辆的交通参数、所述其他交通参与者的交通参数，以及所述交通影响程度，确定针对所述自动驾驶车辆的交通风险等级。

3.根据权利要求2所述的方法，所述方法还包括：

获取交通环境信息；

所述根据所述预测结果，确定交通影响程度，包括：

根据所述预测结果和所述交通环境信息，确定所述交通影响程度。

4.根据权利要求2或3所述的方法，其中，所述根据所述自动驾驶车辆的交通参数、所述其他交通参与者的交通参数，以及所述交通影响程度，确定针对所述自动驾驶车辆的交通风险等级，包括：

根据所述自动驾驶车辆的交通参数和所述其他交通参与者的交通参数，确定相对的交通参数，其中，所述相对的交通参数为所述自动驾驶车辆与所述其他交通参与者之间的交通参数；

根据所述相对的交通参数和所述交通影响程度，确定针对所述自动驾驶车辆的交通风险等级。

5.根据权利要求4所述的方法，其中，所述相对的交通参数和所述交通影响程度，确定针对所述自动驾驶车辆的交通风险等级，包括：

根据所述相对的交通参数对应的交通风险系数，以及所述交通影响程度对应交通风险系数，确定针对所述自动驾驶车辆的交通风险等级。

6.根据权利要求1-5任一项所述的方法，其中，所述预测结果包括预测行为类型或预测轨迹。

7.一种生成自动驾驶预警信息装置，包括：

参数获取模块，被配置成获取自动驾驶车辆的交通参数和其他交通参与者的交通参数；

结果得到模块，被配置成将所述其他交通参与者的交通参数输入预先训练的预测模型中，得到预测结果；

等级确定模块，被配置成根据所述自动驾驶车辆的交通参数、所述其他交通参与者的交通参数，以及所述预测结果，确定针对所述自动驾驶车辆的交通风险等级；

信息生成模块，被配置成根据所述交通风险等级，生成对应的预警信息。

8.根据权利要求7所述的装置，所述装置还包括：

程度确定模块，被配置成根据所述预测结果，确定交通影响程度，其中，所述交通影响程度为所述其他交通参与者的行为对所述自动驾驶车辆的交通影响程度；

所述等级确定模块，进一步被配置成：响应于所述交通影响程度满足预设的交通影响程度阈值，根据所述自动驾驶车辆的交通参数、所述其他交通参与者的交通参数，以及所述交通影响程度，确定针对所述自动驾驶车辆的交通风险等级。

9.根据权利要求8所述的装置，所述装置还包括：

信息获取模块，被配置成获取交通环境信息；

所述程度确定模块，进一步被配置成：根据所述预测结果和所述交通环境信息，确定所述交通影响程度。

10.根据权利要求8或9所述的装置，其中，所述等级确定模块，包括：

参数确定单元，被配置成根据所述自动驾驶车辆的交通参数和所述其他交通参与者的交通参数，确定相对的交通参数，其中，所述相对的交通参数为所述自动驾驶车辆与所述其他交通参与者之间的交通参数；

等级确定单元，被配置成根据所述相对的交通参数和所述交通影响程度，确定针对所述自动驾驶车辆的交通风险等级。

11.根据权利要求10所述的装置，其中，所述等级确定单元，进一步被配置成：

根据所述相对的交通参数对应的交通风险系数，以及所述交通影响程度对应交通风险系数，确定针对所述自动驾驶车辆的交通风险等级。

12.根据权利要求7-11任一项所述的装置，其中，所述预测结果包括预测行为类型或预测轨迹。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

16.一种自动驾驶车辆，包括如权利要求13所述的电子设备。

Images