本申请涉及一种高级驾驶辅助系统，包括：第一获取模块，获取且输出自车的驾驶环境的信号；第二获取模块，在驾驶员操纵自车时被激活，用以获取且输出驾驶员的驾驶行为的信号；训练数据生成模块，获取输出的驾驶环境和输出的驾驶员的驾驶行为，并且生成训练数据；信息处理模块，训练以及存储针对驾驶员的驾驶风格模型，驾驶风格模型描述驾驶环境与单个驾驶员的驾驶行为之间的对应关系，其中，信息处理中心在获得训练数据的情况下对驾驶风格模型进行训练和/或更新；以及决策模块，从信息处理中心下载对应于当前自车的驾驶员的驾驶风格模型，并且根据第一获取模块输出的驾驶环境通过驾驶风格模型输出对应于驾驶环境的驾驶行为。驶风格模型输出对应于驾驶环境的驾驶行为。驶风格模型输出对应于驾驶环境的驾驶行为。
【技术实现步骤摘要】
高级驾驶辅助系统和高级驾驶辅助方法
[0001]本申请涉及车辆的自动驾驶领域，具体而言，涉及一种高级驾驶辅助系统和高级驾驶辅助方法。
技术介绍
[0002]当前汽车行业的发展趋势是不断开发和完善越来越高级的驾驶辅助系统（ADAS）。在此期间，汽车驾驶的舒适性和个性化对于高端车型来说越来越重要，根据驾驶员量身定制的驾驶辅助系统成为目前的一个研究热点。
技术实现思路
[0003]本申请的目的在于实现或者至少推动现有技术中所提出的技术热点。
[0004]根据本申请的第一方面，提出一种高级驾驶辅助系统，包括：第一获取模块，所述第一获取模块获取且输出自车的驾驶环境的信号；第二获取模块，所述第二获取模块在驾驶员操纵所述自车时被激活，用以获取且输出驾驶员的驾驶行为的信号；训练数据生成模块，所述训练数据生成模块获取所述第一获取模块输出的驾驶环境和所述第二获取模块输出的驾驶员的驾驶行为，并且生成训练数据；信息处理模块，所述信息处理模块训练以及存储针对驾驶员的驾驶风格模型，所述驾驶风格模型描述驾驶环境与单个驾驶员的驾驶行为之间的对应关系，其中，所述信息处理模块在获得所述训练数据的情况下对所述驾驶风格模型进行训练和/或更新；以及决策模块，所述决策模块从所述信息处理模块下载对应于当前自车的驾驶员的驾驶风格模型，并且根据所述第一获取模块输出的驾驶环境通过所述驾驶风格模型输出对应于所述驾驶环境的驾驶行为。
[0005]根据本申请的第二方面，提出一种高级驾驶辅助方法，包括：获取且输出自车的驾驶环境；在驾驶员操纵所述自车时获取且输出驾驶员的驾驶行为；获取所述驾驶环境和所述驾驶员的驾驶行为，并且生成训练数据；训练以及存储针对驾驶员的驾驶风格模型，所述驾驶风格模型描述驾驶环境与单个驾驶员的驾驶行为之间的对应关系，在获得所述训练数据的情况下对所述驾驶风格模型进行训练和/或更新；以及下载对应于当前自车的驾驶员的驾驶风格模型，并且根据所述驾驶环境通过所述驾驶风格模型输出对应于所述驾驶环境的驾驶行为。
[0006]根据本申请的第三方面，提出一种车辆，包括按照本申请的任一实施例所公开的高级驾驶辅助系统。
[0007]根据本申请的第四方面，提出一种计算机可读存储介质，其中存储有计算机程序，其中，所述计算机程序能够由处理器执行按照本申请的任一实施例所描述的高级驾驶辅助
方法的步骤。
[0008]根据本申请的第四方面，提出一种计算机设备，包括存储器、处理器和存储在存储器中并且能够由处理器执行的计算机程序，其中，所述处理器能够执行按照本申请的任一实施例所描述的高级驾驶辅助方法的步骤。
附图说明
[0009]参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围组成限制。此外，图中类似的数字用以表示类似的部件，其中：图1示例性地示出按照本申请所公开的高级驾驶辅助系统的结构框图；以及图2示例性地示出按照本申请所公开的高级驾驶辅助方法的步骤流程图。
具体实施方式
[0010]本申请所公开的高级驾驶辅助系统10能够根据驾驶自车的驾驶员所习惯的驾驶风格来“定制”车辆的自动驾驶行为。参照图1能够看出，本申请所公开的高级驾驶辅助系统10包括第一获取模块1、第二获取模块2、训练数据生成模块3、信息处理模块4以及决策模块5。具体而言，高级驾驶辅助系统10利用信息处理模块4训练出的符合当前驾驶员的驾驶风格模型来决策出对应当前的驾驶环境的符合驾驶员期望的驾驶行为。在本申请的范围中，驾驶风格模型理解为：通过其能够分别从不同的驾驶环境映射出一个驾驶员在该驾驶环境下的驾驶行为。也就是说，驾驶风格模型描述了驾驶环境与一个驾驶员的驾驶行为之间的一一对应关系。
[0011]在本申请的范围中，需要说明的是，“自车”指的是当前所研究的车辆、即本车。
[0012]在此，当前自车的驾驶环境由第一获取模块1获得，具体而言，第一获取模块1可以获取自车的传感器、例如雷达、摄像头、激光、高精地图以及IMU等利用传感器融合技术探测出的包括环境条件、即当前的天气、能见度、行驶路面的类型、曲率、高度、自车与周围障碍物以及目标的相对间距、相对速度等信息，从而能够得出自车当前在什么样的环境条件下行驶在什么样的路面情况中的驾驶环境信息。
[0013]高级驾驶辅助系统10的第二获取模块2在驾驶员操纵自车时才被激活，也就是说，在并不是由驾驶员来驾驶自车的情况下，第二获取模块2并不会来获取自车的驾驶行为。在本申请的范围中，驾驶行为可以理解为包括涉及自车的加速度和加速度变化率等的一些信息。在此需要说明的是，加速度和加速度变化率分别指的都是矢量上的加速度和加速度变化率、即不仅包括沿着自车坐标系的纵向、横向以及竖向的加速度，还包括环绕自车坐标系的纵轴、横轴和竖轴的角加速度。
[0014]在第二获取模块2被激活而能够获得驾驶员的驾驶行为的情况下，训练数据生成模块3接收第一获取模块1所获得的自车的驾驶环境以及第二获取模块2所获得的驾驶员在以上驾驶环境下操纵自车所产生的驾驶行为，并且基于以上的驾驶环境和驾驶行为信息生成训练数据，并且将该训练数据输出用于训练出驾驶风格模型。也就是说，训练数据包括驾驶环境信息以及分别在不同的驾驶环境下对应的驾驶员的驾驶行为信息。
[0015]训练数据由此被传输至信息处理模块4。在本申请的范围中，信息处理模块4需要
利用训练数据训练、储存以及更新驾驶风格模型、也就是说需要进行大量的数据处理和机器学习的工作。因此，信息处理模块4通常可以构造为云端的服务器和/或处理器，从而能够迅速地处理大量训练数据。
[0016]在本申请的一些实施例中，训练数据的一部分、例如70%的训练数据在此用于输入到训练模型（用于训练出驾驶风格模型的机器学习模型）中来训练出驾驶风格模型，而另一部分、例如30%的训练数据则用于验证和调整训练出的驾驶风格模型，从而使得该驾驶风格模型的可信度更高，用以更加安全和舒适地适应驾驶员的驾驶风格。
[0017]在本申请的一些实施例中，信息处理模块4还包括训练数据分类单元，其基于训练数据中不同的驾驶环境的特性来对训练数据进行分类。也就是说，例如训练数据分类单元能够基于不同的驾驶环境类型来将训练数据分为多个类别、例如针对弯道驾驶环境类型、拥堵路段驾驶环境类型。例如，训练数据分类单元能够根据行驶弯道路面的驾驶环境类型、即例如驾驶环境中涉及弯道的变量的大小等将该训练数据分类到驾驶环境类型为弯道路面的一类中。并且可选地，在本申请的范围中，针对不同的驾驶环境类型能够利用以上分类出的对应于其的训练数据通过不同的机器学习训练模型来训练出相应于该驾驶环境类型的驾驶风格模型。例如，信息处理模块4利用驾驶环境类型为弯道的训练数据中的驾驶环境以及驾驶行为作为机器学习训练模型的输入数据，而对于该弯道类别的训练数据能够采用特有的机器学习训练模型、例如弯道场景下的长短期记忆模型（Long Short Term Memory）来训练出驾驶风格模型。这种本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种高级驾驶辅助系统（10），其特征在于，包括：第一获取模块（1），所述第一获取模块（1）获取且输出自车的驾驶环境的信号；第二获取模块（2），所述第二获取模块（2）在驾驶员操纵所述自车时被激活，用以获取且输出驾驶员的驾驶行为的信号；训练数据生成模块（3），所述训练数据生成模块（3）获取所述第一获取模块（1）输出的驾驶环境和所述第二获取模块（2）输出的驾驶员的驾驶行为，并且生成训练数据；信息处理模块（4），所述信息处理模块（4）训练以及存储针对驾驶员的驾驶风格模型，所述驾驶风格模型描述驾驶环境与单个驾驶员的驾驶行为之间的对应关系，其中，所述信息处理模块（4）在获得所述训练数据的情况下对所述驾驶风格模型进行训练和/或更新；以及决策模块（5），所述决策模块（5）从所述信息处理模块（4）下载对应于当前自车的驾驶员的驾驶风格模型，并且根据所述第一获取模块（1）输出的驾驶环境通过所述驾驶风格模型输出对应于所述驾驶环境的驾驶行为。2.按照权利要求1所述的高级驾驶辅助系统（10），其特征在于，对于所述驾驶风格模型，使用所述训练数据来训练所述驾驶风格模型，并且而后通过所述训练数据来验证和/或调整训练出的驾驶风格模型。3.按照权利要求1所述的高级驾驶辅助系统（10），其特征在于，所述信息处理模块（4）还包括训练数据分类单元，其中，所述训练数据分类单元基于不同的驾驶环境类型的特性来对训练数据进行分类，从而分类出用于不同的驾驶环境类型的训练数据。4.按照权利要求3所述的高级驾驶辅助系统（10），其特征在于，针对不同的驾驶环境类型利用对应的训练数据通过不同的训练模型来训练出分别相应于不同的驾驶环境类型的驾驶风格模型。5.按照权利要求1所述的高级驾驶辅助系统（10），其特征在于，所述决策模块（5）在驾驶员操纵所述自车的情况下不输出所述对应于所述驾驶环境的驾驶行为。6.按照权利要求4所述的高级驾驶辅助系统（10），其特征在于，在所述驾驶风格模型没有覆盖到当前的驾驶环境所属的驾驶环境类型情况下，所述信息处理模块（4）从所存储的各个驾驶风格模型中选取出推荐驾驶风格模型，其对应地最接近于所述驾驶员在当前的驾驶环境之前的驾驶风格模型，并且将所述推荐驾驶风格模型传输给所述决策模块（5）。7.按照权利要求1所述的高级驾驶辅助系统（10），其特征在于，所述信息处理模块（4）设置在云端。8.按照权利要求1所述的高级驾驶辅助系统（10），其特征在于，所述驾驶环境包括环境条件、行驶路面的类型、曲率、高度、自车与周围障碍物的相对间距、相对速度。9.按照权利要求1所述的高级驾驶辅助系统（10），其特征在于，所述驾驶行为包括涉及所述自车的速度、加速度、加速度变化率的信息。10.一种高级驾驶辅助方法，其特征在于，包括：获取且输出自...
【专利技术属性】
技术研发人员：张帆，王海杰，龚杏雄，
申请(专利权)人：罗伯特，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。