[go: up one dir, main page]

CN117642321A - 自动驾驶汽车接管紧迫度判别方法和警示方法及系统 - Google Patents

自动驾驶汽车接管紧迫度判别方法和警示方法及系统 Download PDF

Info

Publication number
CN117642321A
CN117642321A CN202180100555.1A CN202180100555A CN117642321A CN 117642321 A CN117642321 A CN 117642321A CN 202180100555 A CN202180100555 A CN 202180100555A CN 117642321 A CN117642321 A CN 117642321A
Authority
CN
China
Prior art keywords
information
driver
level
car
risk level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180100555.1A
Other languages
English (en)
Inventor
张玉新
马海涛
缪宝杰
祝彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Zhuoyu Technology Co ltd
Jilin University
Original Assignee
Jilin University
SZ DJI Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jilin University, SZ DJI Technology Co Ltd filed Critical Jilin University
Publication of CN117642321A publication Critical patent/CN117642321A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种自动驾驶汽车接管紧迫度判别方法和警示方法、汽车的风险确定方法、系统、汽车及存储介质，方法包括：在汽车处于自动驾驶状态时，基于汽车内的第一传感器获取驾驶员的状态信息(S101、S201)；基于汽车的第二传感器采集环境信息，环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息(S102、S202)；根据驾驶员的状态信息和环境信息，生成汽车的风险等级信息(S103、S203)；根据风险等级信息生成用于指示驾驶员接管汽车的警示信息，其中，不同风险等级信息对应的警示信息不同(S204)。

Description

自动驾驶汽车接管紧迫度判别方法和警示方法及系统 技术领域
本申请涉及车辆技术领域，尤其涉及一种自动驾驶汽车接管紧迫度判别方法和警示方法、系统、汽车及存储介质。
背景技术
随着技术的发展，汽车智能化的程度越来越高。汽车特别是自动驾驶汽车在给人们带来便利和驾驶体验的同时，汽车的安全性问题就越显突出。在汽车驾驶或者汽车自动驾驶的过程中，如果道路环境发生变化，且驾驶员分心，就有可能导致交通事故的发生，因此在驾驶汽车或者自动驾驶汽车的行驶过程中，需要根据当前环境信息和驾驶员的状态信息，及时提示驾驶员专注驾驶环境或接管车辆控制。
但是，相关技术中有关环境信息方面考虑不全面，未考虑与环境相关的多方面的因素，导致对汽车的风险估计存在较大误差。
发明内容
基于此，本申请提供一种自动驾驶汽车接管紧迫度判别方法和警示方法、汽车的风险确定方法、系统、汽车及存储介质。
第一方面，本申请提供一种自动驾驶汽车接管警示方法，所述方法包括：
在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；
根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息；
根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
第二方面，本申请提供一种自动驾驶汽车接管紧迫度判别方法，所述方法包括：
在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
基于所述汽车的第二传感器采集环境信息；
根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，所述目标接管紧迫度用于生成指示所述驾驶员接管汽车驾驶控制的接管提示信息；
其中，所述驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系中，对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变；对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变。
第三方面，本申请提供一种汽车的风险确定方法，所述方法包括：
在汽车处于驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；
根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息。
第四方面，本申请提供一种自动驾驶汽车接管警示系统，所述系统包括：存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以 及通讯信息；
根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息；
根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
第五方面，本申请提供一种自动驾驶汽车接管紧迫度判别系统，所述系统包括：存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
基于所述汽车的第二传感器采集环境信息；
根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，所述目标接管紧迫度用于生成指示所述驾驶员接管汽车驾驶控制的接管提示信息；
其中，所述驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系中，对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变；对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变。
第六方面，本申请提供一种汽车的风险确定系统，所述系统包括：存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
在汽车处于驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；
根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息。
第七方面，本申请提供一种自动驾驶汽车，所述汽车包括第一传感器、第二传感器以及如上第四方面所述的自动驾驶汽车接管警示系统。
第八方面，本申请提供一种自动驾驶汽车，所述汽车包括第一传感器、第二传感器以及如上第五方面所述的自动驾驶汽车接管紧迫度判别系统。
第九方面，本申请提供一种汽车，所述汽车包括第一传感器、第二传感器以及如上第六方面所述的汽车的风险确定系统。
第十方面，本申请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有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上第一方面所述的自动驾驶汽车接管警示方法。
第十一方面，本申请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有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上第二方面所述的自动驾驶汽车接管紧迫度判别方法。
第十二方面，本申请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有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上第三方面所述的汽车的风险确定方法。
本申请实施例在根据驾驶过程中采集到的环境信息和驾驶员的状态信息确定汽车的风险等级信息时，由于环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息，这些信息基本包括了与环境相关的多层对汽车驾驶的安全性有影响的风险源，因此通过这种方式能够得到更加准确、符合实际的汽车的风险等级信息，为安全驾驶提供技术支持。
本申请实施例在得到更加准确、符合实际的汽车的风险等级信息后，还可以根据风险等级信息生成用于指示驾驶员接管汽车的警示信息，如此能够保证汽车驾驶的安全性，由于不同风险等级信息对应的警示信息不同，如此能够生成与风险等级匹配的警示程度合理的警示信息，能够避免警示效果不足驾驶员来不及反应或警示效果过度影响驾驶体验，可以提升汽车驾驶的可靠性和安全性。
本申请实施例对于自动驾驶，由于在确定目标接管紧迫度时，根据驾驶员 的状态信息和环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，触发接管的阈值目标接管紧迫度综合外界环境和驾驶员状态共同作用，如此能够得到更加准确、符合实际的目标接管紧迫度，由于对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变，对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变，对外界环境和驾驶员状态触发接管进行量化评估，如此能够使目标接管紧迫度更加客观，通过上述方式，能够为自动驾驶的安全性提供技术支持。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例技术方案，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，下面描述中的附图是本申请的一些实施例，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是本申请汽车的风险确定方法一实施例的流程示意图；
图2是本申请汽车的风险确定方法中驾驶员专注度-场景适宜度二维模型一实施例的示意图；
图3是应用本申请汽车的风险确定方法的系统一实施例的结构示意图；
图4是应用本申请汽车的风险确定方法的系统另一实施例的结构示意图；
图5是本申请自动驾驶汽车接管警示方法一实施例流程示意图；
图6是本申请自动驾驶汽车接管紧迫度判别方法一实施例的流程示意图；
图7是本申请自动驾驶汽车接管警示系统一实施例的结构示意图；
图8是本申请自动驾驶汽车接管紧迫度判别系统一实施例的结构示意图；
图9是本申请汽车的风险确定系统一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部 的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
在汽车驾驶或者汽车自动驾驶的过程中，如果道路环境发生变化，且驾驶员分心，就有可能导致交通事故的发生，因此在驾驶汽车或者自动驾驶汽车的行驶过程中，需要根据当前环境信息和驾驶员的状态信息，及时提示驾驶员专注驾驶环境或接管车辆控制。但是，相关技术中有关环境信息方面考虑不全面，未考虑与环境相关的多方面的因素，导致对汽车的风险估计存在较大误差。
本申请实施例在根据驾驶过程中采集到的环境信息和驾驶员的状态信息确定汽车的风险等级信息时，由于环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息，这些信息基本包括了与环境相关的多层对汽车驾驶的安全性有影响的风险源，因此通过这种方式能够得到更加准确、符合实际的汽车的风险等级信息，为安全驾驶提供技术支持。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
参见图1，图1是本申请汽车的风险确定方法一实施例的流程示意图，需要说明的是，本申请实施例的方法可以应用在普通的汽车驾驶场景中，也可以应用在自动驾驶场景中，应用较多的场景是自动驾驶场景。
所述方法包括：步骤S101、步骤S102以及步骤S103。
步骤S101：在汽车处于驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息。
所述驾驶员的状态信息可以是指与驾驶员的状态相关的信息。所述驾驶员的状态信息包括但不限于所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息。
驾驶员的信息感知状态信息包括但不限于：睁眼、闭眼、脱眼(眼睛视线偏离驾驶前方)、闭眼时间、脱眼时间，等等，它可以反应驾驶员信息感知状 态的好坏。
驾驶员的信息处理状态信息包括但不限于：驾驶员除驾驶任务外的其他任务的参与度(例如：操作手机、听音乐，等等)、驾驶员与其他乘员的交互度(例如：驾驶员与其他乘员聊天)，等等。它们可以反应驾驶员信息处理状态的好坏。
驾驶员的动作执行状态信息包括但不限于：驾驶员的脱手时间、脱脚时间，等等。它可以反应驾驶员动作执行状态的好坏。
通过第一传感器检测驾驶员的信息感知状态、驾驶员的信息处理状态以及驾驶员的动作执行状态，并生成数据，得到驾驶员的信息感知状态信息、驾驶员的信息处理状态信息以及驾驶员的动作执行状态信息。
第一传感器可以是多个独立的传感器，也可以是共用传感器对多种信号进行检测。例如，利用摄像头可以同时对驾驶员的眼睛、嘴巴、手进行检测。
步骤S102：基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息。
所述道路信息包括但不限于道路几何、道路等级、车道线清晰度程度、路面附着度；所述道路几何包括但不限于弯道曲率和坡道坡度。所述交通设施信息包括但不限于红绿灯状态、指示牌；所述道路和交通设施临时改变信息包括但不限于因道路维修、施工引起的道路变化或者因路面积水、积雪引起道路表面变化；所述交通参与者信息包括但不限于周围车辆类型、行人、非机动车、车流量、与交通参与者之间的距离、行人密度；所述气候信息包括但不限于降雨量、雾霾度、能见度、湿度；所述通信信息包括但不限于定位信号强度、信号连接通畅度。上述环境信息基本包括所有的与环境相关的因素，比较全面。
通过第二传感器采集并生成数据，得到道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息。
第二传感器可以是独立的传感器，也可以是共用传感器对多种信号进行采集。例如，利用摄像头可以同时对道路、交通设施和交通参与者进行采集。
需要说明的是，上述步骤S101和步骤S102没有明显的先后顺序。
步骤S103：根据所述驾驶员的状态信息和所述环境信息，生成汽车的风 险等级信息。
根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息。不同的驾驶员的状态信息和不同的所述环境信息、相同的驾驶员的状态信息和不同的所述环境信息、不同的驾驶员的状态信息和相同的所述环境信息，可以生成不同的风险等级。其中，对应驾驶员的状态信息的任一取值，汽车的风险等级随着环境信息变化而改变；对应环境信息的任一取值，汽车的风险等级随着状态信息变化而改变。
根据不同的风险等级，可以对应的提示车内的驾驶员，如果是自动驾驶系统，可以自动控制汽车，还可以提示车外的交通参与者，等等。因此，所述风险等级信息可以用于指示汽车按照与当前风险等级对应的车内提示模式提醒驾驶员，和/或，可以用于指示汽车执行与当前风险等级对应的运动模式以降低交通风险，和/或，可以用于指示汽车按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
本申请实施例在根据驾驶过程中采集到的环境信息和驾驶员的状态信息确定汽车的风险等级信息时，由于环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息，这些信息基本包括了与环境相关的多层对汽车驾驶的安全性有影响的风险源，因此通过这种方式能够得到更加准确、符合实际的汽车的风险等级信息，为安全驾驶提供技术支持。
在一实施例中，步骤S103，所述根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息，可以包括：根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种风险等级的对应关系，生成所述汽车的风险等级信息。本实施例综合考虑与驾驶员相关的多层对汽车驾驶的安全性有影响的风险源，如此能够得到更加准确、符合实际的汽车的风险等级信息，为安全驾驶提供技术支持。
在一实施例中，步骤S103，所述根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息，可以包括：子步骤S1031、子步骤S1032以及子步骤S1033。
子步骤S1031：根据所述驾驶员的状态信息，得到所述驾驶员的专注度。
子步骤S1032：根据所述环境信息，得到场景适宜度。
子步骤S1033：根据所述驾驶员的专注度和所述场景适宜度，生成汽车的风险等级信息。
在本实例中，根据驾驶员的状态信息可以得到所述驾驶员的专注度，根据所述环境信息可以得到场景适宜度。驾驶员的专注度和场景适宜度均是量化的数值形式，能够使汽车的风险等级信息更加客观、准确；驾驶员的专注度和场景适宜度是汽车风险等级的两个关键因素，能够进一步增加汽车的风险等级信息的客观性和准确性，从而减少风险等级信息的误差。
在一实施例中，在相同的驾驶员的状态信息下，所述驾驶员的驾驶熟练程度越高，所述驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
例如，对于反应驾驶员的状态的一些指标，比如允许的最大脱眼时间和最大脱手时间等参数会随着不同需求发生变化。比如，最大脱眼时间会随着驾驶员的熟练程度发生变化，对系统熟练度高的驾驶员允许的最大脱眼时间会比对系统熟练度低的驾驶员长，在相同的脱眼时间下，对系统熟练度高的驾驶员的专注度会比对系统熟练度低的驾驶员的专注度高。
又如：对于L2级自动驾驶，按照法规要求驾驶员不准脱手、不准脱眼、眼睛专注于道路，对于L3级自动驾驶，开启自动驾驶功能后，驾驶过程由汽车负责，驾驶员可以脱手、脱脚。因此，在相同的驾驶员的状态信息(脱手、脱脚)下，L3级自动驾驶下的驾驶员的专注度比L2级自动驾驶下的驾驶员的专注度高。
在一实施例中，所述驾驶员的专注度越高，所述场景适宜度越高，所述汽车的风险等级越小。
在一实施例中，在相同的驾驶员的专注度下，所述场景适宜度越高，所述汽车的风险等级越小；在相同的场景适宜度下，所述驾驶员的专注度越高，所述汽车的风险等级越小。
在一实施例中，量化的方式采用归一化的计算方式，即子步骤S1031，所述根据所述驾驶员的状态信息，得到所述驾驶员的专注度，可以包括：将所述驾驶员的状态信息进行归一化处理，得到用归一化值表示的驾驶员的专注度。 归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系，能够简化计算，方便数据处理，是缩小量值的有效办法。
在一实施例中，所述驾驶员的状态信息包括所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息，此时，子步骤S1031，所述将所述驾驶员的状态信息进行归一化处理，得到用归一化值表示的驾驶员的专注度，还可以包括：子步骤S10311和子步骤S10312。
子步骤S10311：将所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息分别进行归一化处理，得到对应的所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值以及所述驾驶员动作执行状态归一化值。
子步骤S10312：根据所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值、所述驾驶员动作执行状态归一化值以及各自的权重，得到用归一化值表示的驾驶员的专注度。
归一化处理后，可以把数据变成(0，1)之间的小数，可以把有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较和加权。通过上述方式，能够使驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息变成无量纲的、数据在(0，1)之间的小数，便于比较和加权处理。
在一实施例中，所述驾驶员的信息感知状态信息包括所述驾驶员的脱眼时间，所述脱眼时间越长，所述驾驶员信息感知状态归一化值越小；所述驾驶员的信息处理状态信息包括所述驾驶员除驾驶任务外的其他任务的参与度和所述驾驶员与其他乘员的交互度，所述参与度越多，所述驾驶员信息处理状态归一化值越小，所述交互度越多，所述驾驶员信息处理状态归一化值越小；所述驾驶员的动作执行状态信息包括所述驾驶员的脱手时间和所述驾驶员的脱脚时间；所述脱手时间越长，所述驾驶员动作执行状态归一化值越小，所述脱脚时间越长，所述驾驶员动作执行状态归一化值越小。
例如：驾驶员的状态信息归一化计算的具体方法可以是：
X＝χ 1a 1+χ 2a 2+χ 3a 3
其中，X为用归一化值表示的驾驶员的专注度；
a 1为驾驶员信息感知状态归一化值；
χ 1为信息感知状态影响驾驶员的专注度的权重；
a 2为驾驶员信息处理状态归一化值；
χ 2为信息处理状态影响驾驶员的专注度的权重；
a 3为驾驶员动作执行状态归一化值；
χ 3为驾驶员动作执行状态影响驾驶员的专注度的权重。
X,a 1,a 2,a 3的取值范围均为[0,1]，权重是一个变量，须通过每一次实验确定，但是权重和为1，即χ 1+χ 2+χ 3＝1。
其中a i的判定方法为：以a 1驾驶员信息感知状态归一化值为例，以驾驶员脱眼时间代表驾驶员感知状态好坏，t为驾驶过程中实际测试得到的驾驶员脱眼时间，t∈[0,t max]，其中，t max为设定的禁止驾驶员脱眼的最大值，t max是通过实际测试得到的。t max并不是一个固定的值，它可能随着驾驶员年龄的不同、驾驶员驾驶熟练度的不同、系统自动驾驶等级的不同而变化。例如对于驾驶熟练度高的驾驶员t max的值会比驾驶熟练度低的驾驶员大。
当t为0时，此时a 1为1，代表驾驶员信息感知状态良好；当t大于或等于t max时，此时a 1为0，代表驾驶员信息感知状态较差。当t∈(0,t max)，此时计算方法为：
其他a 2、a 3的值的确定类似于a 1。
需要注意的是，驾驶员的状态的组合具有多种排列方式，除了能得到合理的驾驶员的状态的组合，还应该考虑那些难以预料的驾驶员的状态的组合方式。比如对于L2级自动驾驶，按照法规要求驾驶员不准脱手、不准脱眼、眼睛专注于道路，但是也要考虑一些特殊的场景，比如驾驶员手放在方向盘上，但是驾驶员睡觉这一场景。
在一实施例中，量化的方式采用归一化的计算方式，即子步骤S1032，所述根据所述环境信息，得到场景适宜度，可以包括：将所述环境信息进行归一化处理，得到用归一化值表示的场景适宜度。归一化是一种无量纲处理手段， 使物理系统数值的绝对值变成某种相对值关系，能够简化计算，方便数据处理，是缩小量值的有效办法。
在一实施例中，子步骤S1032，所述将所述环境信息进行归一化处理，得到用归一化值表示的场景适宜度，还可以包括：子步骤S10321和子步骤S10322。
子步骤S10321：将所述道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息分别进行归一化处理，得到对应的道路信息归一化值、交通设备信息归一化值、道路和交通设备临时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值。
子步骤S10322：根据所述道路信息归一化值、交通设备信息归一化值、道路和交通设备临时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值以及各自的权重，得到用归一化值表示的场景适宜度。
通过上述方式，能够使道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息变成无量纲的、数据在(0，1)之间的小数，便于比较和加权处理。
在一实施例中，所述道路信息包括道路几何、道路等级、车道线清晰度程度、路面附着度；所述道路几何包括弯道曲率和坡道坡度；所述交通设施信息包括红绿灯状态、指示牌；所述道路和交通设施临时改变信息包括因道路维修、施工引起的道路变化或者因路面积水、积雪引起道路表面变化；所述交通参与者信息包括周围车辆类型、行人、非机动车、车流量、与交通参与者之间的距离、行人密度；所述气候信息包括降雨量、雾霾度、能见度、湿度；所述通信信息包括：定位信号强度、信号连接通畅度。
例如：用归一化值表示的场景适宜度的计算的具体方法为：
Y＝β 1b 1+β 2b 2+β 3b 3+β 4b 4+β 5b 5+β 6b 6
其中，Y为用归一化值表示的场景适宜度；
b 1为道路信息归一化值；
β 1为道路信息影响场景适宜度的权重；
b 2为交通设施信息的归一化值；
β 2为交通设施信息影响场景适宜度的权重；
b 3为道路和交通设施临时改变信息的归一化值；
β 3为道路和交通设施临时信息改变影响场景适宜度的权重；
b 4为交通参与者信息归一化值；
β 4为交通参与者信息影响场景适宜度的权重；
b 5为气候信息的归一化值；
β 5为气候信息影响场景适宜度的权重；
b 6为通讯信息的归一化值；
β 6为通讯信息影响场景适宜度的权重。
Y,b 1,b 2,b 3，b 4，b 5，b 6的取值范围均为[0,1]，权重是一个变量，须通过每一次实验确定，但是权重和为1，即β 1+β 2+β 3+β 4+β 5+β 6＝1。
其中b i的归一化方法为：以b 5气候信息为例，取b 5的影响因素为能见度水平V、降雨量M、风速W为例：
b 5＝γ 1V+γ 2M+γ 3W
γ 1+γ 2+γ 3＝1
其中，V为气候信息的能见度水平归一化值；
γ 1为能见度影响气候信息的归一化值的权重；
M为气候信息的降雨量归一化值；
γ 2为降雨量影响气候信息归一化值的权重；
W为气候信息的风速归一化值；
γ 3为风速影响气候信息归一化值的权重。
V、M、W的取值范围均为[0,1]，权重是一个变量，须通过每一次实验确定，但是权重和为1。
其中V、M、W的归一化计算方法为：
以降雨量M为例：当M∈[M min,M max]，其中，M min为影响外界环境检测模块工作的最小降雨量，M max为直接导致外界环境检测模块不能工作的最大降雨量，M min、M max的具体值通过实验测量来确定。
当M小于M min时，令此时M为1，表示气候条件理想；当M大于或等 于M max时，令此时M为0，表示气候条件恶劣；当M∈(M min,M max)，此时：
其他V、W值的确定类似于降雨量M。
在一实施例中，子步骤S1033，所述根据所述驾驶员的专注度和所述场景适宜度，生成汽车的风险等级信息，可以包括：根据用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度，生成汽车的风险等级信息。如此，通过这种归一化的量化的方式能够使汽车的风险等级信息更加客观。
在一实施例中，子步骤S1033，根据用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度，生成汽车的风险等级信息，还可以包括：子步骤S10331、子步骤S10332以及子步骤S10333。
子步骤S10331：确定用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度在驾驶员专注度-场景适宜度二维模型中的位置，所述二维模型包括多个区域，所述多个区域对应多个不同的风险等级。
子步骤S10332：确定所述位置在所述二维模型中的区域。
子步骤S10333：根据所述区域对应的风险等级，生成所述汽车的风险等级信息。
本实施例预先通过试验得到驾驶员专注度-场景适宜度二维模型。该二维模型横坐标为驾驶员专注度或场景适宜度，纵坐标为场景适宜度或驾驶员专注度，横坐标和纵坐标所形成的区域根据汽车的风险等级被划分成多个表示不同风险等级的区域。不同的驾驶员专注度和场景适宜度构成的点位于不同的区域，据此即可根据具体的驾驶员专注度和场景适宜度、以及二维模型，生成汽车的风险等级信息。
在一实施例中，所述警示信息用于执行以下一种或者多种操作：
按照与当前风险等级对应的车内提示模式提醒驾驶员；
控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险；
按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
在一实施例中，根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，包括：
根据所述风险等级，以及风险等级与预警信息等级的对应关系，确定目标预警信息等级；
基于所述目标预警信息等级生成预警信号。
在一实施例中，多个预警信号等级包括以下一种或者多种预警信号：
第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
在一实施例中，控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险，包括执行以下一种或者多种操作：
若所述当前风险等级为第三级，则控制所述车辆降速行驶；
若所述当前风险等级为第二级，则控制所述车辆降速行驶，缓慢变道并靠边停车；
若所述当前风险等级为第一级，则控制所述车辆快速降速，紧急在本车道内停车。
在一实施例中，指示所述车辆按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者，包括执行以下一种或者多种操作：
若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；
若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；
若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
在一实施例中，所述二维模型被圆弧线划分为多个区域。如图2所示，二维模型被不同半径的圆弧线划分成三个区域，三个区域对应的风险等级分别为 第一级、第二级、第三级(图中表示为一级、二级、三级)，驾驶员专注度越大，场景适宜度越大，风险等级越大，汽车的风险程度越小。风险等级为第一级时，汽车的风险程度最高，风险等级为第三级时，汽车的风险程度最低。应用在自动驾驶系统上，可以将风险等级替换为驾驶员接管汽车的接管紧迫度，风险等级从第三级到第一级，驾驶员接管汽车的接管紧迫度也从第三级到第一级，接管紧迫度为第一级时，接管紧迫性最大，接管紧迫度为第三级时，接管紧迫性最小。
在一实施例中，所述方法还包括：步骤S104。
步骤S104：根据所述风险等级信息，发出对应的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
在得到更加准确、符合实际的汽车的风险等级信息后，根据风险等级信息生成用于指示驾驶员接管汽车的警示信息，如此能够保证汽车驾驶的安全性，由于不同风险等级信息对应的警示信息不同，如此能够生成与风险等级匹配的警示程度合理的警示信息，能够避免警示效果不足驾驶员来不及反应或警示效果过度影响驾驶体验，可以提升汽车驾驶的可靠性和安全性。
在一实施例中，步骤S104，所述根据所述汽车的风险等级信息，发出对应的警示信息，可以包括：子步骤S1041和/或子步骤S1042和/或子步骤S1043。
子步骤S1041：根据所述汽车的风险等级信息，按照与当前风险等级对应的车内提示模式提醒驾驶员。
和/或，子步骤S1042：控制所述汽车执行与当前风险等级对应的运动模式以降低交通风险。自动驾驶时，可以包括子步骤S1042。
和/或，子步骤S1043：按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
通过上述车内提示模式提醒驾驶员、所述汽车执行运动模式以及车外提示模式提示其他交通参与者，能够充分保证驾驶员、车辆、其他交通参与者的安全。
在一实施例中，所述汽车的风险等级包括三级，分别为第一级、第二级以及第三级。
在一实施例中，子步骤S1041中，所述按照与当前风险等级对应的车内提 示模式提醒驾驶员，可以包括：若所述当前风险等级为第三级，则采取车内第三级预警信号对所述驾驶员进行提醒；若所述当前风险等级为第二级，则采取车内第二级预警信号对所述驾驶员进行提醒；若所述当前风险等级为第一级，则采取车内第一级预警信号对所述驾驶员进行提醒。
本实施例将风险等级划分为三级，对应的车内提示模式也分为三级，能够简单方便地区别车内提示模式，避免区分太复杂反而降低对驾驶员的提醒作用。
在一实施例中，所述车内第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；所述车内第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；所述车内第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
本实施例根据风险等级的从低到高，风险程度的从高到低，同时考虑驾驶员的舒适度，建立人机友好的预警方式，能够在有效提醒驾驶员的同时，也能够提升用户体验。
在一实施例中，所述车内第一级预警信号中的触觉信号为驾驶员座椅振动信号，所述车内第一级预警信号中的听觉信号为高频率和高峰值的音频信号(例如：“当前危险，请注意驾驶”、“周边环境复杂，请提高驾驶专注度”)，所述车内第一级预警信号中的视觉信号为显示在中控台屏幕上的高亮紧急的信息或符号；所述车内第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车内第二级预警信号中的视觉信号为显示在中控台屏幕上的亮度适中的信息或符号；所述车内第三级预警信号中的听觉信号为舒适度更好的音频信号，所述车内第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
在一实施例中，汽车的驾驶系统为自动驾驶系统时，子步骤S1042中，所述控制所述汽车执行与当前风险等级对应的运动模式以降低交通风险，可以包括：若所述当前风险等级为第三级，则控制所述汽车降速行驶；若所述当前风险等级为第二级，则控制所述汽车降速行驶，缓慢变道并靠边停车；若所述当前风险等级为第一级，则控制所述汽车快速降速，紧急在本车道内停车。
本实施例将风险等级划分为三级，对应的控制汽车执行的运动模式也分为三级，能够简单方便地区别运动模式，避免区分太复杂使汽车执行起来也太复杂。根据风险等级的从低到高，风险程度的从高到低，控制所述汽车执行对应有区分的运动模式，从而降低交通风险。
在一实施例中，子步骤S1043中，所述按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者，可以包括：若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
本实施例将风险等级划分为三级，对应的车外提示模式也分为三级，能够简单方便地区别车外提示模式，避免区分太复杂反而降低对其他交通参与者的提醒作用。
在一实施例中，所述车外第一级预警信号采用紧迫度高的听觉信号和视觉信号的组合预警方式提醒其他交通参与者；所述车外第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒其他交通参与者；所述车外第一级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒其他交通参与者。
本实施例根据风险等级的从低到高，风险程度的从高到低，同时考虑驾驶员的舒适度，建立人机友好的预警方式，能够在有效提醒其他交通参与者的同时，也能够提升用户体验。
在一实施例中，所述车外第一级预警信号中的听觉信号为高频率和高峰值的音频信号(例如：“车辆出现故障，请注意”)，所述车外第一级预警信号中的视觉信号为显示在车外显示屏幕上的高亮紧急的信息或符号；所述车外第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车外第二级预警信号中的视觉信号为显示在车外显示屏幕上的亮度适中的信息或符号；所述车外第三级预警信号中的听觉信号为舒适度更好的音频信号(例如：“周边环境复杂，请小心”)，所述车外第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
具体警示信号的阈值比如听觉信号的频率和峰值、车外提醒交通参与者屏幕上显示的字体的颜色和大小、自动降速行驶需要降低的速度等，这些与不同的需求相关，需要根据特殊需求后续设计并反复通过实验论证。
在一实施例中，所述警示信息可随不同的需求而变化。
在一实施例中，所述警示信息可以基于所述驾驶员的特性(如驾驶激进程度、接管能力、感知信息的喜好等)，自主学习进而进行适应性的设置；和/或，所述警示信息可以基于驾驶员自定义而设置；和/或，所述警示信息可以随自动驾驶等级而不同。
例如，对系统熟练度高的驾驶员对应一套警示信息，对系统熟练度低的驾驶员对应一套警示信息，这两套警示信息可能是一套方式一样但参数阈值不同，也可能是两套完全不同的警示信息。同样对于L2、L3级自动驾驶系统也可以配置相对应的警示信息；当系统处于L2级自动驾驶触发警示信息时，会触发与L2对应的警示信息而不会触发与L3对应的警示信息。
下面详细说明本实施例上述的方法在一系统中的具体应用。
如图3和图4所示，该系统包括：驾驶员状态检测模块1、外界环境检测模块2、驾驶员专注度计算模块3、场景适宜度计算模块4、综合判定模块5、提示控制模块6及警示模块7。
该驾驶员状态检测模块1可以包括驾驶员信息感知状态检测单元11、驾驶员信息处理状态检测单元12、驾驶员动作执行状态检测单元13。其中，驾驶员信息感知状态检测单元11检测驾驶员的脱眼时间等信息，生成数据并传输至驾驶员专注度计算模块3。驾驶员信息处理状态检测单元12检测驾驶员次任务参与程度、驾驶员与其他乘员交互度等信息，生成数据并传输至驾驶员专注度计算模块3。驾驶员动作执行状态检测单元13检测驾驶员脱手时间和脱脚时间等信息，生成数据并传输至驾驶员专注度计算模块3。
驾驶员专注度计算模块3可以包括驾驶员信息感知状态归一化计算单元31、驾驶员信息处理状态归一化计算单元32、驾驶员动作执行状态归一化计算单元33和驾驶员专注度归一化计算单元34。
其中，驾驶员信息感知状态归一化计算单元31接收来自驾驶员信息感知状态单元11发送的数据并进行归一化处理，最后输出一个在0到1范围内的 值，1代表驾驶员信息感知状态良好，0代表驾驶员信息感知状态差，并将此数值传输至驾驶员专注度归一化计算单元34。
驾驶员信息处理状态归一化计算单元32接收来自驾驶员信息处理状态检测单元12发送的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表驾驶员信息处理状态良好，0代表驾驶员信息处理状态差，并将此数值传输至驾驶员专注度归一化计算单元34。
驾驶员动作执行状态归一化计算单元33接收来自驾驶员动作执行状态检测单元13发送来的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表驾驶员动作执行状态良好，0代表驾驶员动作执行状态差，并将此数值传输至驾驶员专注度归一化计算单元34。
驾驶员专注度计算单元34接收以上数据并进行归一化计算，最后输出一个在0到1范围内的值，1代表驾驶员专注度高，0代表驾驶员专注度低。
外界环境检测模块2可以包括道路检测单元21、交通设施检测单元22、道路和交通设施临时改变检测单元23、交通参与者检测单元24、气候信息检测单元25和通讯信息检测单元26。外界环境检测模块2主要用于检测外部的环境信息，包括道路信息、交通设施信息、道路和交通临时改变的信息、交通参与者信息、气候信息、通讯信息，生成数据并传输至场景适宜度计算模块4。
其中，道路检测单元21检测道路几何(如弯道曲率、坡道坡度)、道路等级、车道线清晰度程度、路面附着度等信息，生成道路数据并传输至场景适宜度计算模块4；交通设施检测单元22检测红绿灯状态、指示牌等信息，生成数据并传输至场景适宜度计算模块4；道路和交通设施临时改变检测单元23检测因道路维修、施工引起的道路变化或因路面积水、积雪引起道路表面变化等信息，生成数据并传输至场景适宜度计算模块4；交通参与者检测单元24检测车流量、与交通参与者之间的距离、行人密度等信息，生成数据并传输至场景适宜度计算模块4；气候信息检测单元25检测降雨量的多少、雾霾度、能见度、湿度等信息，生成数据并传输至场景适宜度计算模块4；通讯信息检测单元26检测定位信号强度、信号连接通畅度等信息，生成数据并传输至场景适宜度计算模块4。
场景适宜度计算模块4包括道路信息归一化计算单元41、交通设施信息 归一化计算单元42、道路和交通设施临时改变信息归一化计算单元43、交通参与者信息归一化计算单元44、气候信息归一化计算单元45、通讯信息归一化计算单元46和场景适宜度归一化计算单元47。
其中，道路信息归一化计算单元41接收来自道路检测单元21发送的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表道路条件理想，0代表道路条件恶劣，并将此数值传输至场景适宜度归一化计算单元47。
交通设施信息归一化计算单元42接收来自交通设施检测单元22发送的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表交通设施条件良好，0代表交通设施条件恶劣，并将此数值传输至场景适宜度归一化计算单元47。
道路和交通设施临时改变信息归一化计算单元43接收来自道路和交通设施临时改变检测单元23发送的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表道路和交通设施未临时改变，0代表道路和交通设施临时改变，并将此数值传输至场景适宜度归一化计算单元47。
交通参与者信息归一化计算单元44接收来自交通参与者检测单元24发送的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表交通参与者情况简单，0代表交通参与者情况复杂，并将此数值传输至场景适宜度归一化计算单元47。
气候信息归一化计算单元45接收来自气候信息检测单元25发送的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表气候条件良好，0代表气候条件恶劣，并将此数值传输至场景适宜度归一化计算单元47。
通讯信息归一化计算单元46接收来自通讯信息检测单元26发送的数据并进行归一化处理，最后输出一个在0到1范围内的值，1代表通讯条件良好，0代表通讯条件恶劣，并将此数值传输至场景适宜度归一化计算单元47。
场景适宜度归一化计算单元47接收以上数据并进行归一化计算，最后输出一个在0到1范围内的值，1代表场景适宜度优良，0代表场景适宜度恶劣。
综合判定模块5内含有预设的驾驶员专注度-场景适宜度二维模型，综合判定模块5根据驾驶员专注度计算模块3和场景适宜度计算模块4组合成的点数据，判定这个点数据在二维模型的位置。提示控制模块6根据点数据在二维 模型的位置，判定并输出第一级、第二级或第三级接管紧迫度的信号。警示模块7由视觉警示单元71、听觉警示单元72、触觉警示单元73组成，警示模块7接收来提示控制模块6发送来的多级别(如第一级、第二级、第三级)接管紧迫度的信号，根据不同等级的信号发送不同的接管提醒方式。
参见图5，图5是本申请自动驾驶汽车接管警示方法一实施例流程示意图。本实施例的方法是上述汽车的风险确定方法在自动驾驶系统上的应用，相关内容的详细说明请参见上述汽车的风险确定方法，在此不再赘叙。
所述方法包括：步骤S201、步骤S202、步骤S203以及步骤S204。
步骤S201：在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息。
步骤S202：基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息。
步骤S203：根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息。
步骤S204：根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
本申请实施例在得到更加准确、符合实际的汽车的风险等级信息后，应用在自动驾驶系统时，还可以根据风险等级信息生成用于指示驾驶员接管汽车的警示信息，如此能够保证汽车驾驶的安全性，由于不同风险等级信息对应的警示信息不同，如此能够生成与风险等级匹配的警示程度合理的警示信息，能够避免警示效果不足驾驶员来不及反应或警示效果过度影响驾驶体验，可以提升汽车驾驶的可靠性和安全性。
在一实施例中，所述警示信息用于执行以下一种或者多种操作：
按照与当前风险等级对应的车内提示模式提醒驾驶员；
控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险；
按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
在一实施例中，根据所述风险等级信息生成用于指示所述驾驶员接管所述 汽车的警示信息，包括：
根据所述风险等级，以及风险等级与预警信息等级的对应关系，确定目标预警信息等级；
基于所述目标预警信息等级生成预警信号。
在一实施例中，多个预警信号等级包括以下一种或者多种预警信号：
第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
在一实施例中，控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险，包括执行以下一种或者多种操作：
若所述当前风险等级为第三级，则控制所述车辆降速行驶；
若所述当前风险等级为第二级，则控制所述车辆降速行驶，缓慢变道并靠边停车；
若所述当前风险等级为第一级，则控制所述车辆快速降速，紧急在本车道内停车。
在一实施例中，按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者，包括执行以下一种或者多种操作：
若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；
若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；
若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
在一实施例中，所述警示信息可以基于所述驾驶员的特性，自主学习进而进行适应性的设置；和/或，所述警示信息可以基于驾驶员自定义而设置；和/或，所述警示信息可以随自动驾驶等级而不同。
参见图6，图6是本申请自动驾驶汽车接管紧迫度判别方法一实施例的流程示意图，本实施例的方法是应用在自动驾驶系统上的方法，与上述汽车的风险确定方法中的内容基本相同，不同的是：在自动驾驶系统上，不采用汽车的风险等级，而是采用汽车的接管紧迫度，本申请实施例的方法的重点在于对应驾驶员的状态信息或者环境信息的任一取值，接管紧迫度随着另一个的变化而改变。
所述方法包括：步骤S301、步骤S302以及步骤S303。
步骤S301：在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息。
步骤S302：基于所述汽车的第二传感器采集环境信息。
步骤S303：根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，所述目标接管紧迫度用于生成指示所述驾驶员接管汽车驾驶控制的接管提示信息；其中，所述驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系中，对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变；对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变。
本申请实施例对于自动驾驶，由于在确定目标接管紧迫度时，根据驾驶员的状态信息和环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，触发接管的阈值目标接管紧迫度综合外界环境和驾驶员状态共同作用，如此能够得到更加准确、符合实际的目标接管紧迫度，由于对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变，对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变，对外界环境和驾驶员状态触发接管进行量化评估，如此能够使目标接管紧迫度更加客观，通过上述方式，能够为自动驾驶的安全性提供技术支持。
在一实施例中，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息。
在一实施例中，所述根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，包括：根据所述驾驶员的状态信息得到所述驾驶员的专注度；根据 所述环境信息得到场景适宜度；根据所述驾驶员的专注度和所述场景适宜度，以及驾驶员的专注度和场景适宜度与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度。
在一实施例中，所述驾驶员的专注度越高，所述场景适宜度越高，所述接管紧迫度越小。
在一实施例中，在相同的驾驶员的专注度下，所述场景适宜度越高，所述接管紧迫度越小；相同的场景适宜度下，所述驾驶员的专注度越高，所述接管紧迫度越小。
在一实施例中，在相同的驾驶员的状态信息下，所述驾驶员的驾驶熟练程度越高，所述驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
参见图7，图7是本申请自动驾驶汽车接管警示系统一实施例的结构示意图，所述系统700包括：存储器701和处理器702；存储器701与处理器702通过总线连接。处理器702可以是微控制单元、中央处理单元或数字信号处理器，等等。存储器701可以是Flash芯片、只读存储器、磁盘、光盘、U盘或者移动硬盘等等。本实施例的自动驾驶汽车接管警示系统能够执行上述自动驾驶汽车接管警示方法中的步骤，相关内容的详细说明，请参见上述自动驾驶汽车接管警示方法的相关内容，在此不再赘叙。
所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息；根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
其中，所述警示信息用于执行以下一种或者多种操作：
按照与当前风险等级对应的车内提示模式提醒驾驶员；
控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险；
按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：
根据所述风险等级，以及风险等级与预警信息等级的对应关系，确定目标预警信息等级；
基于所述目标预警信息等级生成预警信号。
其中，多个预警信号等级包括以下一种或者多种预警信号：第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：若所述当前风险等级为第三级，则控制所述车辆降速行驶；若所述当前风险等级为第二级，则控制所述车辆降速行驶，缓慢变道并靠边停车；若所述当前风险等级为第一级，则控制所述车辆快速降速，紧急在本车道内停车。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
其中，所述警示信息可以基于所述驾驶员的特性，自主学习进而进行适应性的设置；和/或，所述警示信息可以基于驾驶员自定义而设置；和/或，所述警示信息可以随自动驾驶等级而不同。
参见图8，图8是本申请自动驾驶汽车接管紧迫度判别系统一实施例的结构示意图，所述系统800包括：存储器801和处理器802；存储器801与处理器802通过总线连接。处理器802可以是微控制单元、中央处理单元或数字信号处理器，等等。存储器801可以是Flash芯片、只读存储器、磁盘、光盘、U盘或者移动硬盘等等。本实施例的自动驾驶汽车接管紧迫度判别系统能够执 行上述自动驾驶汽车接管紧迫度判别方法中的步骤，相关内容的详细说明，请参见上述自动驾驶汽车接管紧迫度判别方法的相关内容，在此不再赘叙。
所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；基于所述汽车的第二传感器采集环境信息；根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，所述目标接管紧迫度用于生成指示所述驾驶员接管汽车驾驶控制的接管提示信息；其中，所述驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系中，对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变；对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变。
其中，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：根据所述驾驶员的状态信息得到所述驾驶员的专注度；根据所述环境信息得到场景适宜度；根据所述驾驶员的专注度和所述场景适宜度，以及驾驶员的专注度和场景适宜度与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度。
其中，所述驾驶员的专注度越高，所述场景适宜度越高，所述接管紧迫度越小。
其中，在相同的驾驶员的专注度下，所述场景适宜度越高，所述接管紧迫度越小；在相同的场景适宜度下，所述驾驶员的专注度越高，所述接管紧迫度越小。
其中，在相同的驾驶员的状态信息下，所述驾驶员的驾驶熟练程度越高，所述驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
参见图9，图9是本申请汽车的风险确定系统一实施例的结构示意图，所述系统900包括：存储器901和处理器902；存储器901与处理器902通过总线连接。处理器902可以是微控制单元、中央处理单元或数字信号处理器，等 等。存储器901可以是Flash芯片、只读存储器、磁盘、光盘、U盘或者移动硬盘等等。本实施例的汽车的风险确定系统能够执行上述汽车的风险确定方法中的步骤，相关内容的详细说明，请参见上述汽车的风险确定方法的相关内容，在此不再赘叙。
所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
在汽车处于驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息。
其中，所述驾驶员的状态信息包括所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息。
其中，所述风险等级信息用于指示汽车按照与当前风险等级对应的车内提示模式提醒驾驶员，和/或，用于指示汽车执行与当前风险等级对应的运动模式以降低交通风险，和/或，用于指示汽车按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
其中，对应驾驶员的状态信息的任一取值，汽车的风险等级随着环境信息变化而改变；对应环境信息的任一取值，汽车的风险等级随着状态信息变化而改变。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：根据所述驾驶员的状态信息，得到所述驾驶员的专注度；根据所述环境信息，得到场景适宜度；根据所述驾驶员的专注度和所述场景适宜度，生成汽车的风险等级信息。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：将所述驾驶员的状态信息进行归一化处理，得到用归一化值表示的驾驶员的专注度。
其中，所述驾驶员的状态信息包括所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息，所述处理器在执行所述计算机程序时，实现如下步骤：将所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息分别进 行归一化处理，得到对应的所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值以及所述驾驶员动作执行状态归一化值；根据所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值、所述驾驶员动作执行状态归一化值以及各自的权重，得到用归一化值表示的驾驶员的专注度。
其中，所述驾驶员的信息感知状态信息包括所述驾驶员的脱眼时间，所述脱眼时间越长，所述驾驶员信息感知状态归一化值越小；所述驾驶员的信息处理状态信息包括所述驾驶员除驾驶任务外的其他任务的参与度和所述驾驶员与其他乘员的交互度，所述参与度越多，所述驾驶员信息处理状态归一化值越小，所述交互度越多，所述驾驶员信息处理状态归一化值越小；所述驾驶员的动作执行状态信息包括所述驾驶员的脱手时间和所述驾驶员的脱脚时间；所述脱手时间越长，所述驾驶员动作执行状态归一化值越小，所述脱脚时间越长，所述驾驶员动作执行状态归一化值越小。
其中，在相同的驾驶员的状态信息下，驾驶熟练程度越高的驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
其中，所述驾驶员的专注度越高，所述场景适宜度越高，所述汽车的风险等级越小。
其中，在相同的驾驶员的专注度下，所述场景适宜度越高，所述汽车的风险等级越小；在相同的场景适宜度下，所述驾驶员的专注度越高，所述汽车的风险等级越小。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：将所述环境信息进行归一化处理，得到用归一化值表示的场景适宜度。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：将所述道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息分别进行归一化处理，得到对应的道路信息归一化值、交通设备信息归一化值、道路和交通设备临时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值；根据所述道路信息归一化值、交通设备信息归一化值、道路和交通设备临时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值以及各自的权重， 得到用归一化值表示的场景适宜度。
其中，所述道路信息包括道路几何、道路等级、车道线清晰度程度、路面附着度；所述道路几何包括弯道曲率和坡道坡度；所述交通设施信息包括红绿灯状态、指示牌；所述道路和交通设施临时改变信息包括因道路维修、施工引起的道路变化或者因路面积水、积雪引起道路表面变化；所述交通参与者信息包括周围车辆类型、行人、非机动车、车流量、与交通参与者之间的距离、行人密度；所述气候信息包括降雨量、雾霾度、能见度、湿度；所述通信信息包括：定位信号强度、信号连接通畅度。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：根据用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度，生成汽车的风险等级信息。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：确定用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度在驾驶员专注度-场景适宜度二维模型中的位置，所述二维模型包括多个区域，所述多个区域对应多个不同的风险等级；确定所述位置在所述二维模型中的区域；根据所述区域对应的风险等级，生成所述汽车的风险等级信息。
其中，所述二维模型被圆弧线划分为多个区域。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：根据所述风险等级信息，发出对应的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
其中，所述处理器在执行所述计算机程序时，实现如下步骤：根据所述汽车的风险等级信息，按照与当前风险等级对应的车内提示模式提醒驾驶员，和/或，控制所述汽车执行与当前风险等级对应的运动模式以降低交通风险，和/或，按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
在一实施例中，所述警示信息用于执行以下一种或者多种操作：
按照与当前风险等级对应的车内提示模式提醒驾驶员；
控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险；
按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交 通参与者。
在一实施例中，根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，包括：
根据所述风险等级，以及风险等级与预警信息等级的对应关系，确定目标预警信息等级；
基于所述目标预警信息等级生成预警信号。
在一实施例中，多个预警信号等级包括以下一种或者多种预警信号：
第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
在一实施例中，控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险，包括执行以下一种或者多种操作：
若所述当前风险等级为第三级，则控制所述车辆降速行驶；
若所述当前风险等级为第二级，则控制所述车辆降速行驶，缓慢变道并靠边停车；
若所述当前风险等级为第一级，则控制所述车辆快速降速，紧急在本车道内停车。
在一实施例中，按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者，包括执行以下一种或者多种操作：
若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；
若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；
若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
其中，所述汽车的风险等级包括三级，所述处理器在执行所述计算机程序 时，实现如下步骤：若所述当前风险等级为第三级，则采取车内第三级预警信号对所述驾驶员进行提醒；若所述当前风险等级为第二级，则采取车内第二级预警信号对所述驾驶员进行提醒；若所述当前风险等级为第一级，则采取车内第一级预警信号对所述驾驶员进行提醒。
其中，所述车内第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；所述车内第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；所述车内第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
其中，所述车内第一级预警信号中的触觉信号为驾驶员座椅振动信号，所述车内第一级预警信号中的听觉信号为高频率和高峰值的音频信号，所述车内第一级预警信号中的视觉信号为显示在中控台屏幕上的高亮紧急的信息或符号；所述车内第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车内第二级预警信号中的视觉信号为显示在中控台屏幕上的亮度适中的信息或符号；所述车内第三级预警信号中的听觉信号为舒适度更好的音频信号，所述车内第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
其中，所述汽车的风险等级包括三级，所述处理器在执行所述计算机程序时，实现如下步骤：若所述当前风险等级为第三级，则控制所述汽车降速行驶；若所述当前风险等级为第二级，则控制所述汽车降速行驶，缓慢变道并靠边停车；若所述当前风险等级为第一级，则控制所述汽车快速降速，紧急在本车道内停车。
其中，所述汽车的风险等级包括三级，所述处理器在执行所述计算机程序时，实现如下步骤：若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
其中，所述车外第一级预警信号采用紧迫度高的听觉信号和视觉信号的组 合预警方式提醒其他交通参与者；所述车外第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒其他交通参与者；所述车外第一级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒其他交通参与者。
其中，所述车外第一级预警信号中的听觉信号为高频率和高峰值的音频信号，所述车外第一级预警信号中的视觉信号为显示在车外显示屏幕上的高亮紧急的信息或符号；所述车外第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车外第二级预警信号中的视觉信号为显示在车外显示屏幕上的亮度适中的信息或符号；所述车外第三级预警信号中的听觉信号为舒适度更好的音频信号，所述车外第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
其中，所述警示信息可随不同的需求而变化。
其中，所述警示信息可以基于所述驾驶员的特性，自主学习进而进行适应性的设置；和/或，所述警示信息可以基于驾驶员自定义而设置；和/或，所述警示信息可以随自动驾驶等级而不同。
本申请还提供一种自动驾驶汽车，所述汽车包括第一传感器、第二传感器以及如上任一所述的自动驾驶汽车接管警示系统。
本申请还提供另一种自动驾驶汽车，所述汽车包括第一传感器、第二传感器以及如上任一所述的自动驾驶汽车接管紧迫度判别系统。
本申请还提供一种汽车，所述汽车包括第一传感器、第二传感器以及如上任一所述的汽车的风险确定系统。
本申请还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有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上任一所述的自动驾驶汽车接管警示方法。相关内容的详细说明请参见上述相关内容部分，在此不再赘叙。
其中，该计算机可读存储介质可以是上述自动驾驶汽车接管警示系统的内部存储单元，例如硬盘或内存。该计算机可读存储介质也可以是外部存储设备，例如配备的插接式硬盘、智能存储卡、安全数字卡、闪存卡，等等。
本申请还提供另一种计算机可读存储介质，所述计算机可读存储介质存储 有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上任一所述的自动驾驶汽车接管紧迫度判别方法。相关内容的详细说明请参见上述相关内容部分，在此不再赘叙。
其中，该计算机可读存储介质可以是上述自动驾驶汽车接管紧迫度判别系统的内部存储单元，例如硬盘或内存。该计算机可读存储介质也可以是外部存储设备，例如配备的插接式硬盘、智能存储卡、安全数字卡、闪存卡，等等。
本申请还提供又一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上任一所述的汽车的风险确定方法。相关内容的详细说明请参见上述相关内容部分，在此不再赘叙。
其中，该计算机可读存储介质可以是上述汽车的风险确定系统的内部存储单元，例如硬盘或内存。该计算机可读存储介质也可以是外部存储设备，例如配备的插接式硬盘、智能存储卡、安全数字卡、闪存卡，等等。
应当理解，在本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
以上所述，仅为本申请的具体实施例，但本申请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申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (88)

  1. 一种自动驾驶汽车接管警示方法，其特征在于，所述方法包括：
    在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
    基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；
    根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息；
    根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
  2. 根据权利要求1所述的方法，其特征在于，所述警示信息用于执行以下一种或者多种操作：
    按照与当前风险等级对应的车内提示模式提醒驾驶员；
    控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险；
    按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
  3. 根据权利要求2所述的方法，其特征在于，根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，包括：
    根据所述风险等级，以及风险等级与预警信息等级的对应关系，确定目标预警信息等级；
    基于所述目标预警信息等级生成预警信号。
  4. 根据权利要求3所述的方法，其特征在于，多个预警信号等级包括以下一种或者多种预警信号：
    第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式 提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
  5. 根据权利要求2所述的方法，其特征在于，控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险，包括执行以下一种或者多种操作：
    若所述当前风险等级为第三级，则控制所述车辆降速行驶；
    若所述当前风险等级为第二级，则控制所述车辆降速行驶，缓慢变道并靠边停车；
    若所述当前风险等级为第一级，则控制所述车辆快速降速，紧急在本车道内停车。
  6. 根据权利要求2所述的方法，其特征在于，指示所述车辆按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者，包括执行以下一种或者多种操作：
    若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；
    若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；
    若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
  7. 根据权利要求1所述的方法，其特征在于，所述警示信息可以基于所述驾驶员的特性，自主学习进而进行适应性的设置；
    和/或，所述警示信息可以基于驾驶员自定义而设置；
    和/或，所述警示信息可以随自动驾驶等级而不同。
  8. 一种自动驾驶汽车接管紧迫度判别方法，其特征在于，所述方法包括：
    在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
    基于所述汽车的第二传感器采集环境信息；
    根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，所述目标接管紧迫度用于生成指示所述驾驶员接管汽车驾驶控制的接管提示信息；
    其中，所述驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应 关系中，对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变；对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变。
  9. 根据权利要求8所述的方法，其特征在于，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息。
  10. 根据权利要求8所述的方法，其特征在于，所述根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，包括：
    根据所述驾驶员的状态信息得到所述驾驶员的专注度；
    根据所述环境信息得到场景适宜度；
    根据所述驾驶员的专注度和所述场景适宜度，以及驾驶员的专注度和场景适宜度与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度。
  11. 根据权利要求10所述的方法，其特征在于，所述驾驶员的专注度越高，所述场景适宜度越高，所述接管紧迫度越小。
  12. 根据权利要求10所述的方法，其特征在于，在相同的驾驶员的专注度下，所述场景适宜度越高，所述接管紧迫度越小；在相同的场景适宜度下，所述驾驶员的专注度越高，所述接管紧迫度越小。
  13. 根据权利要求10所述的方法，其特征在于，在相同的驾驶员的状态信息下，所述驾驶员的驾驶熟练程度越高，所述驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
  14. 一种汽车的风险确定方法，其特征在于，所述方法包括：
    在汽车处于驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
    基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；
    根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息。
  15. 根据权利要求14所述的方法，其特征在于，所述驾驶员的状态信息包括所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所 述驾驶员的动作执行状态信息。
  16. 根据权利要求14所述的方法，其特征在于，所述风险等级信息用于指示汽车按照与当前风险等级对应的车内提示模式提醒驾驶员，和/或，用于指示汽车执行与当前风险等级对应的运动模式以降低交通风险，和/或，用于指示汽车按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
  17. 根据权利要求14所述的方法，其特征在于，对应驾驶员的状态信息的任一取值，汽车的风险等级随着环境信息变化而改变；对应环境信息的任一取值，汽车的风险等级随着状态信息变化而改变。
  18. 根据权利要求14所述的方法，其特征在于，所述根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息，包括：
    根据所述驾驶员的状态信息，得到所述驾驶员的专注度；
    根据所述环境信息，得到场景适宜度；
    根据所述驾驶员的专注度和所述场景适宜度，生成汽车的风险等级信息。
  19. 根据权利要求18所述的方法，其特征在于，所述根据所述驾驶员的状态信息，得到所述驾驶员的专注度，包括：
    将所述驾驶员的状态信息进行归一化处理，得到用归一化值表示的驾驶员的专注度。
  20. 根据权利要求19所述的方法，其特征在于，所述驾驶员的状态信息包括所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息，
    所述将所述驾驶员的状态信息进行归一化处理，得到用归一化值表示的驾驶员的专注度，包括：
    将所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息分别进行归一化处理，得到对应的所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值以及所述驾驶员动作执行状态归一化值；
    根据所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值、所述驾驶员动作执行状态归一化值以及各自的权重，得到用归一化值表示 的驾驶员的专注度。
  21. 根据权利要求20所述的方法，其特征在于，所述驾驶员的信息感知状态信息包括所述驾驶员的脱眼时间，所述脱眼时间越长，所述驾驶员信息感知状态归一化值越小；
    所述驾驶员的信息处理状态信息包括所述驾驶员除驾驶任务外的其他任务的参与度和所述驾驶员与其他乘员的交互度，所述参与度越多，所述驾驶员信息处理状态归一化值越小，所述交互度越多，所述驾驶员信息处理状态归一化值越小；
    所述驾驶员的动作执行状态信息包括所述驾驶员的脱手时间和所述驾驶员的脱脚时间；所述脱手时间越长，所述驾驶员动作执行状态归一化值越小，所述脱脚时间越长，所述驾驶员动作执行状态归一化值越小。
  22. 根据权利要求18所述的方法，其特征在于，在相同的驾驶员的状态信息下，驾驶熟练程度越高的驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
  23. 根据权利要求18所述的方法，其特征在于，所述驾驶员的专注度越高，所述场景适宜度越高，所述汽车的风险等级越小。
  24. 根据权利要求18所述的方法，其特征在于，在相同的驾驶员的专注度下，所述场景适宜度越高，所述汽车的风险等级越小；在相同的场景适宜度下，所述驾驶员的专注度越高，所述汽车的风险等级越小。
  25. 根据权利要求18所述的方法，其特征在于，所述根据所述环境信息，得到场景适宜度，包括：
    将所述环境信息进行归一化处理，得到用归一化值表示的场景适宜度。
  26. 根据权利要求25所述的方法，其特征在于，所述将所述环境信息进行归一化处理，得到用归一化值表示的场景适宜度，包括：
    将所述道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息分别进行归一化处理，得到对应的道路信息归一化值、交通设备信息归一化值、道路和交通设备临时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值；
    根据所述道路信息归一化值、交通设备信息归一化值、道路和交通设备临 时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值以及各自的权重，得到用归一化值表示的场景适宜度。
  27. 根据权利要求26所述的方法，其特征在于，
    所述道路信息包括道路几何、道路等级、车道线清晰度程度、路面附着度；所述道路几何包括弯道曲率和坡道坡度；
    所述交通设施信息包括红绿灯状态、指示牌；
    所述道路和交通设施临时改变信息包括因道路维修、施工引起的道路变化或者因路面积水、积雪引起道路表面变化；
    所述交通参与者信息包括周围车辆类型、行人、非机动车、车流量、与交通参与者之间的距离、行人密度；
    所述气候信息包括降雨量、雾霾度、能见度、湿度；
    所述通信信息包括：定位信号强度、信号连接通畅度。
  28. 根据权利要求18所述的方法，其特征在于，所述根据所述驾驶员的专注度和所述场景适宜度，生成汽车的风险等级信息，包括：
    根据用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度，生成汽车的风险等级信息。
  29. 根据权利要求28所述的方法，其特征在于，所述根据用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度，生成汽车的风险等级信息，包括：
    确定用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度在驾驶员专注度-场景适宜度二维模型中的位置，所述二维模型包括多个区域，所述多个区域对应多个不同的风险等级；
    确定所述位置在所述二维模型中的区域；
    根据所述区域对应的风险等级，生成所述汽车的风险等级信息。
  30. 根据权利要求29所述的方法，其特征在于，所述二维模型被圆弧线划分为多个区域。
  31. 根据权利要求14所述的方法，其特征在于，所述方法还包括：
    根据所述风险等级信息，发出对应的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
  32. 根据权利要求31所述的方法，其特征在于，所述根据所述汽车的风险等级信息，发出对应的警示信息，包括：
    根据所述汽车的风险等级信息，按照与当前风险等级对应的车内提示模式提醒驾驶员，和/或，控制所述汽车执行与当前风险等级对应的运动模式以降低交通风险，和/或，按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
  33. 根据权利要求32所述的方法，其特征在于，所述汽车的风险等级包括三级，
    所述按照与当前风险等级对应的车内提示模式提醒驾驶员，包括：
    若所述当前风险等级为第三级，则采取车内第三级预警信号对所述驾驶员进行提醒；
    若所述当前风险等级为第二级，则采取车内第二级预警信号对所述驾驶员进行提醒；
    若所述当前风险等级为第一级，则采取车内第一级预警信号对所述驾驶员进行提醒。
  34. 根据权利要求33所述的方法，其特征在于，
    所述车内第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    所述车内第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    所述车内第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
  35. 根据权利要求34所述的方法，其特征在于，
    所述车内第一级预警信号中的触觉信号为驾驶员座椅振动信号，所述车内第一级预警信号中的听觉信号为高频率和高峰值的音频信号，所述车内第一级预警信号中的视觉信号为显示在中控台屏幕上的高亮紧急的信息或符号；
    所述车内第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车内第二级预警信号中的视觉信号为显示在中控台屏幕上的亮度适中的信息或符号；
    所述车内第三级预警信号中的听觉信号为舒适度更好的音频信号，所述车内第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
  36. 根据权利要求32所述的方法，其特征在于，所述汽车的风险等级包括三级，
    所述控制所述汽车执行与当前风险等级对应的运动模式以降低交通风险，包括：
    若所述当前风险等级为第三级，则控制所述汽车降速行驶；
    若所述当前风险等级为第二级，则控制所述汽车降速行驶，缓慢变道并靠边停车；
    若所述当前风险等级为第一级，则控制所述汽车快速降速，紧急在本车道内停车。
  37. 根据权利要求32所述的方法，其特征在于，所述汽车的风险等级包括三级，
    所述按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者，包括：
    若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；
    若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；
    若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
  38. 根据权利要求37所述的方法，其特征在于，
    所述车外第一级预警信号采用紧迫度高的听觉信号和视觉信号的组合预警方式提醒其他交通参与者；
    所述车外第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒其他交通参与者；
    所述车外第一级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒其他交通参与者。
  39. 根据权利要求38所述的方法，其特征在于，
    所述车外第一级预警信号中的听觉信号为高频率和高峰值的音频信号，所述车外第一级预警信号中的视觉信号为显示在车外显示屏幕上的高亮紧急的信息或符号；
    所述车外第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车外第二级预警信号中的视觉信号为显示在车外显示屏幕上的亮度适中的信息或符号；
    所述车外第三级预警信号中的听觉信号为舒适度更好的音频信号，所述车外第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
  40. 根据权利要求31所述的方法，其特征在于，所述警示信息可随不同的需求而变化。
  41. 根据权利要求40所述的方法，其特征在于，所述警示信息可以基于所述驾驶员的特性，自主学习进而进行适应性的设置；
    和/或，所述警示信息可以基于驾驶员自定义而设置；
    和/或，所述警示信息可以随自动驾驶等级而不同。
  42. 一种自动驾驶汽车接管警示系统，其特征在于，所述系统包括：存储器和处理器；
    所述存储器用于存储计算机程序；
    所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
    在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
    基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；
    根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息；
    根据所述风险等级信息生成用于指示所述驾驶员接管所述汽车的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
  43. 根据权利要求42所述的系统，其特征在于，所述警示信息用于执行以下一种或者多种操作：
    按照与当前风险等级对应的车内提示模式提醒驾驶员；
    控制所述车辆执行与当前风险等级对应的运动模式以降低交通风险；
    按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
  44. 根据权利要求43所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    根据所述风险等级，以及风险等级与预警信息等级的对应关系，确定目标预警信息等级；
    基于所述目标预警信息等级生成预警信号。
  45. 根据权利要求44所述的系统，其特征在于，多个预警信号等级包括以下一种或者多种预警信号：
    第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
  46. 根据权利要求43所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    若所述当前风险等级为第三级，则控制所述车辆降速行驶；
    若所述当前风险等级为第二级，则控制所述车辆降速行驶，缓慢变道并靠边停车；
    若所述当前风险等级为第一级，则控制所述车辆快速降速，紧急在本车道内停车。
  47. 根据权利要求43所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参 与者进行提醒；
    若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；
    若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
  48. 根据权利要求42所述的系统，其特征在于，所述警示信息可以基于所述驾驶员的特性，自主学习进而进行适应性的设置；
    和/或，所述警示信息可以基于驾驶员自定义而设置；
    和/或，所述警示信息可以随自动驾驶等级而不同。
  49. 一种自动驾驶汽车接管紧迫度判别系统，其特征在于，所述系统包括：存储器和处理器；
    所述存储器用于存储计算机程序；
    所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
    在汽车处于自动驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
    基于所述汽车的第二传感器采集环境信息；
    根据所述驾驶员的状态信息和所述环境信息，以及驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度，所述目标接管紧迫度用于生成指示所述驾驶员接管汽车驾驶控制的接管提示信息；
    其中，所述驾驶员的状态信息和环境信息与预设的多种接管紧迫度的对应关系中，对应驾驶员的状态信息的任一取值，接管紧迫度随着环境信息变化而改变；对应环境信息的任一取值，接管紧迫度随着状态信息变化而改变。
  50. 根据权利要求49所述的系统，其特征在于，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息。
  51. 根据权利要求49所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    根据所述驾驶员的状态信息得到所述驾驶员的专注度；
    根据所述环境信息得到场景适宜度；
    根据所述驾驶员的专注度和所述场景适宜度，以及驾驶员的专注度和场景适宜度与预设的多种接管紧迫度的对应关系，确定目标接管紧迫度。
  52. 根据权利要求51所述的系统，其特征在于，所述驾驶员的专注度越高，所述场景适宜度越高，所述接管紧迫度越小。
  53. 根据权利要求51所述的系统，其特征在于，在相同的驾驶员的专注度下，所述场景适宜度越高，所述接管紧迫度越小；在相同的场景适宜度下，所述驾驶员的专注度越高，所述接管紧迫度越小。
  54. 根据权利要求51所述的系统，其特征在于，在相同的驾驶员的状态信息下，所述驾驶员的驾驶熟练程度越高，所述驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
  55. 一种汽车的风险确定系统，其特征在于，所述系统包括：存储器和处理器；
    所述存储器用于存储计算机程序；
    所述处理器用于执行所述计算机程序并在执行所述计算机程序时，实现如下步骤：
    在汽车处于驾驶状态时，基于所述汽车内的第一传感器获取驾驶员的状态信息；
    基于所述汽车的第二传感器采集环境信息，所述环境信息包括：道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息；
    根据所述驾驶员的状态信息和所述环境信息，生成汽车的风险等级信息。
  56. 根据权利要求55所述的系统，其特征在于，所述驾驶员的状态信息包括所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息。
  57. 根据权利要求55所述的系统，其特征在于，所述风险等级信息用于指示汽车按照与当前风险等级对应的车内提示模式提醒驾驶员，和/或，用于指示汽车执行与当前风险等级对应的运动模式以降低交通风险，和/或，用于指示汽车按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其 他交通参与者。
  58. 根据权利要求55所述的系统，其特征在于，对应驾驶员的状态信息的任一取值，汽车的风险等级随着环境信息变化而改变；对应环境信息的任一取值，汽车的风险等级随着状态信息变化而改变。
  59. 根据权利要求55所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    根据所述驾驶员的状态信息，得到所述驾驶员的专注度；
    根据所述环境信息，得到场景适宜度；
    根据所述驾驶员的专注度和所述场景适宜度，生成汽车的风险等级信息。
  60. 根据权利要求59所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    将所述驾驶员的状态信息进行归一化处理，得到用归一化值表示的驾驶员的专注度。
  61. 根据权利要求60所述的系统，其特征在于，所述驾驶员的状态信息包括所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息，
    所述处理器在执行所述计算机程序时，实现如下步骤：
    将所述驾驶员的信息感知状态信息、所述驾驶员的信息处理状态信息以及所述驾驶员的动作执行状态信息分别进行归一化处理，得到对应的所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值以及所述驾驶员动作执行状态归一化值；
    根据所述驾驶员信息感知状态归一化值、所述驾驶员信息处理状态归一化值、所述驾驶员动作执行状态归一化值以及各自的权重，得到用归一化值表示的驾驶员的专注度。
  62. 根据权利要求61所述的系统，其特征在于，所述驾驶员的信息感知状态信息包括所述驾驶员的脱眼时间，所述脱眼时间越长，所述驾驶员信息感知状态归一化值越小；
    所述驾驶员的信息处理状态信息包括所述驾驶员除驾驶任务外的其他任务的参与度和所述驾驶员与其他乘员的交互度，所述参与度越多，所述驾驶员 信息处理状态归一化值越小，所述交互度越多，所述驾驶员信息处理状态归一化值越小；
    所述驾驶员的动作执行状态信息包括所述驾驶员的脱手时间和所述驾驶员的脱脚时间；所述脱手时间越长，所述驾驶员动作执行状态归一化值越小，所述脱脚时间越长，所述驾驶员动作执行状态归一化值越小。
  63. 根据权利要求59所述的系统，其特征在于，在相同的驾驶员的状态信息下，驾驶熟练程度越高的驾驶员的专注度越高；在相同的驾驶员的状态信息下，自动驾驶等级越高，所述驾驶员的专注度越高。
  64. 根据权利要求59所述的系统，其特征在于，所述驾驶员的专注度越高，所述场景适宜度越高，所述汽车的风险等级越小。
  65. 根据权利要求59所述的系统，其特征在于，在相同的驾驶员的专注度下，所述场景适宜度越高，所述汽车的风险等级越小；在相同的场景适宜度下，所述驾驶员的专注度越高，所述汽车的风险等级越小。
  66. 根据权利要求59所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    将所述环境信息进行归一化处理，得到用归一化值表示的场景适宜度。
  67. 根据权利要求66所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    将所述道路信息、交通设备信息、道路和交通设备临时改变信息、交通参与者信息、气候信息以及通讯信息分别进行归一化处理，得到对应的道路信息归一化值、交通设备信息归一化值、道路和交通设备临时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值；
    根据所述道路信息归一化值、交通设备信息归一化值、道路和交通设备临时改变信息归一化值、交通参与者信息归一化值、气候信息归一化值、通讯信息归一化值以及各自的权重，得到用归一化值表示的场景适宜度。
  68. 根据权利要求67所述的系统，其特征在于，
    所述道路信息包括道路几何、道路等级、车道线清晰度程度、路面附着度；所述道路几何包括弯道曲率和坡道坡度；
    所述交通设施信息包括红绿灯状态、指示牌；
    所述道路和交通设施临时改变信息包括因道路维修、施工引起的道路变化或者因路面积水、积雪引起道路表面变化；
    所述交通参与者信息包括周围车辆类型、行人、非机动车、车流量、与交通参与者之间的距离、行人密度；
    所述气候信息包括降雨量、雾霾度、能见度、湿度；
    所述通信信息包括：定位信号强度、信号连接通畅度。
  69. 根据权利要求59所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    根据用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度，生成汽车的风险等级信息。
  70. 根据权利要求69所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    确定用归一化值表示的驾驶员的专注度和用归一化值表示的场景适宜度在驾驶员专注度-场景适宜度二维模型中的位置，所述二维模型包括多个区域，所述多个区域对应多个不同的风险等级；
    确定所述位置在所述二维模型中的区域；
    根据所述区域对应的风险等级，生成所述汽车的风险等级信息。
  71. 根据权利要求70所述的系统，其特征在于，所述二维模型被圆弧线划分为多个区域。
  72. 根据权利要求55所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    根据所述风险等级信息，发出对应的警示信息，其中，不同所述风险等级信息对应的所述警示信息不同。
  73. 根据权利要求72所述的系统，其特征在于，所述处理器在执行所述计算机程序时，实现如下步骤：
    根据所述汽车的风险等级信息，按照与当前风险等级对应的车内提示模式提醒驾驶员，和/或，控制所述汽车执行与当前风险等级对应的运动模式以降低交通风险，和/或，按照与当前风险等级对应的车外提示模式提示除所述汽车之外的其他交通参与者。
  74. 根据权利要求73所述的系统，其特征在于，所述汽车的风险等级包括三级，
    所述处理器在执行所述计算机程序时，实现如下步骤：
    若所述当前风险等级为第三级，则采取车内第三级预警信号对所述驾驶员进行提醒；
    若所述当前风险等级为第二级，则采取车内第二级预警信号对所述驾驶员进行提醒；
    若所述当前风险等级为第一级，则采取车内第一级预警信号对所述驾驶员进行提醒。
  75. 根据权利要求74所述的系统，其特征在于，
    所述车内第一级预警信号采用紧迫度高的听觉信号、视觉信号以及触觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    所述车内第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒所述驾驶员紧急接管车辆驾驶权；
    所述车内第三级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒所述驾驶员接管车辆驾驶权或提高驾驶专注度。
  76. 根据权利要求75所述的系统，其特征在于，
    所述车内第一级预警信号中的触觉信号为驾驶员座椅振动信号，所述车内第一级预警信号中的听觉信号为高频率和高峰值的音频信号，所述车内第一级预警信号中的视觉信号为显示在中控台屏幕上的高亮紧急的信息或符号；
    所述车内第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车内第二级预警信号中的视觉信号为显示在中控台屏幕上的亮度适中的信息或符号；
    所述车内第三级预警信号中的听觉信号为舒适度更好的音频信号，所述车内第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
  77. 根据权利要求73所述的系统，其特征在于，所述汽车的风险等级包括三级，
    所述处理器在执行所述计算机程序时，实现如下步骤：
    若所述当前风险等级为第三级，则控制所述汽车降速行驶；
    若所述当前风险等级为第二级，则控制所述汽车降速行驶，缓慢变道并靠边停车；
    若所述当前风险等级为第一级，则控制所述汽车快速降速，紧急在本车道内停车。
  78. 根据权利要求73所述的系统，其特征在于，所述汽车的风险等级包括三级，
    所述处理器在执行所述计算机程序时，实现如下步骤：
    若所述当前风险等级为第三级，则采用车外第三级预警信号对其他交通参与者进行提醒；
    若所述当前风险等级为第二级，则采用车外第二级预警信号对其他交通参与者进行提醒；
    若所述当前风险等级为第一级，则采用车外第一级预警信号对其他交通参与者进行提醒。
  79. 根据权利要求78所述的系统，其特征在于，
    所述车外第一级预警信号采用紧迫度高的听觉信号和视觉信号的组合预警方式提醒其他交通参与者；
    所述车外第二级预警信号采用紧迫度适中的视觉信号和听觉信号的组合预警方式提醒其他交通参与者；
    所述车外第一级预警信号采用舒适度更高的视觉信号和听觉信号的组合预警方式提醒其他交通参与者。
  80. 根据权利要求79所述的系统，其特征在于，
    所述车外第一级预警信号中的听觉信号为高频率和高峰值的音频信号，所述车外第一级预警信号中的视觉信号为显示在车外显示屏幕上的高亮紧急的信息或符号；
    所述车外第二级预警信号中的听觉信号为舒适度适中的音频信号，所述车外第二级预警信号中的视觉信号为显示在车外显示屏幕上的亮度适中的信息或符号；
    所述车外第三级预警信号中的听觉信号为舒适度更好的音频信号，所述车 外第三级预警信号中的视觉信号为显示在中控台屏幕上的亮度舒适的信息或符号。
  81. 根据权利要求72所述的系统，其特征在于，所述警示信息可随不同的需求而变化。
  82. 根据权利要求81所述的系统，其特征在于，所述警示信息可以基于所述驾驶员的特性，自主学习进而进行适应性的设置；
    和/或，所述警示信息可以基于驾驶员自定义而设置；
    和/或，所述警示信息可以随自动驾驶等级而不同。
  83. 一种自动驾驶汽车，其特征在于，所述汽车包括第一传感器、第二传感器以及如权利要求42至48任一项所述的自动驾驶汽车接管警示系统。
  84. 一种自动驾驶汽车，其特征在于，所述汽车包括第一传感器、第二传感器以及如权利要求49至54任一项所述的自动驾驶汽车接管紧迫度判别系统。
  85. 一种汽车，其特征在于，所述汽车包括第一传感器、第二传感器以及如权利要求55至82任一项所述的汽车的风险确定系统。
  86. 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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7任一项所述的自动驾驶汽车接管警示方法。
  87. 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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求8至13任一项所述的自动驾驶汽车接管紧迫度判别方法。
  88. 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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求14至41任一项所述的汽车的风险确定方法。
CN202180100555.1A 2021-11-26 2021-11-26 自动驾驶汽车接管紧迫度判别方法和警示方法及系统 Pending CN117642321A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2021/133666 WO2023092490A1 (zh) 2021-11-26 2021-11-26 自动驾驶汽车接管紧迫度判别方法和警示方法及系统

Publications (1)

Publication Number Publication Date
CN117642321A true CN117642321A (zh) 2024-03-01

Family

ID=86538623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180100555.1A Pending CN117642321A (zh) 2021-11-26 2021-11-26 自动驾驶汽车接管紧迫度判别方法和警示方法及系统

Country Status (2)

Country Link
CN (1) CN117642321A (zh)
WO (1) WO2023092490A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119142360A (zh) * 2023-06-09 2024-12-17 深圳引望智能技术有限公司 控制方法、装置和车辆
CN118182510B (zh) * 2024-04-12 2024-08-23 山东同其智能科技有限公司 一种适用于智能网联汽车的驾驶安全预警系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11040726B2 (en) * 2017-12-15 2021-06-22 Baidu Usa Llc Alarm system of autonomous driving vehicles (ADVs)
US11400944B2 (en) * 2019-01-04 2022-08-02 Byton North America Corporation Detecting and diagnosing anomalous driving behavior using driving behavior models
CN112141119B (zh) * 2020-09-23 2022-03-11 上海商汤临港智能科技有限公司 智能驾驶控制方法及装置、车辆、电子设备和存储介质
CN112158204B (zh) * 2020-09-30 2021-11-02 重庆长安汽车股份有限公司 一种l2级自动驾驶车辆接管报警系统及方法
CN112561170B (zh) * 2020-12-18 2022-08-19 青岛未来网络创新技术有限公司 一种智能驾驶汽车用交通安全风险动态预测方法及其预测系统
CN113386786B (zh) * 2021-07-29 2023-05-02 阿波罗智联(北京)科技有限公司 信息提示方法、装置、设备、介质、云控平台和车辆

Also Published As

Publication number Publication date
WO2023092490A1 (zh) 2023-06-01

Similar Documents

Publication Publication Date Title
US10173679B2 (en) Automated spatial separation of self-driving vehicles from other vehicles based on occupant preferences
CN104730949B (zh) 自主车辆中的情感型用户界面
JP6690649B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN111353471A (zh) 安全驾驶监测方法、装置、设备和可读存储介质
JP5840046B2 (ja) 情報提供装置、情報提供システム、情報提供方法、及びプログラム
US10336252B2 (en) Long term driving danger prediction system
JP6613623B2 (ja) 車載装置、運転モード制御システム、及び運転モード制御方法
EP4140795A1 (en) Handover assistant for machine to driver transitions
JP2021163345A (ja) 運転支援装置及びデータ収集システム
CN112669637B (zh) 行车辅助方法及系统与计算机存储介质
CN117642321A (zh) 自动驾驶汽车接管紧迫度判别方法和警示方法及系统
JP5712712B2 (ja) 車載機能制御装置
CN111717221B (zh) 自动驾驶接管风险评估和人机友好预警方法及预警系统
WO2021017341A1 (zh) 识别智能行驶设备的行驶状态的方法及装置、设备
CN112041201A (zh) 用于控制对车辆特征的访问的方法、系统和介质
US9171447B2 (en) Method, computer program product and system for analyzing an audible alert
JP5781904B2 (ja) 車内情報提供装置および方法
CN113829994B (zh) 基于车外鸣笛声的预警方法、装置、汽车及介质
CN114435374A (zh) 测量驾驶员安全驾驶系数
CN118850105A (zh) 一种综合驾驶员和交通环境数据的自动驾驶接管请求方法
US20240326851A1 (en) Systems and methods for advanced vehicular alerts
CN114419609A (zh) 安全提示方法、提示装置、车辆及存储介质
CN113428176B (zh) 无人车驾驶策略的调整方法、装置、设备和存储介质
CN118411851B (zh) 语音播报距离的获取方法和装置
CN115703480A (zh) 显示对附近车辆的关注度的系统和利用其提供警报的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240527

Address after: 130012 No. 2699 Qianjin Street, Jilin, Changchun

Applicant after: Jilin University

Country or region after: China

Applicant after: Shenzhen Zhuoyu Technology Co.,Ltd.

Address before: 130012 No. 2699 Qianjin Street, Jilin, Changchun

Applicant before: Jilin University

Country or region before: China

Applicant before: SZ DJI TECHNOLOGY Co.,Ltd.