车辆控制方法、装置、车辆及存储介质制造方法及图纸

本申请提供了一种车辆控制方法、装置、车辆及存储介质，上述车辆控制方法包括：在接收到驾驶员对车辆的控制操作信息后，根据控制操作信息和车辆的第一行驶信息训练神经网络模型；获取车辆的当前行驶信息；当前行驶信息包括车辆当前行驶的路况信息和车辆当前的状态信息；将当前行驶信息输入到训练后的神经网络模型中，得到车辆的控制策略；根据控制策略控制车辆。由于神经网络模型根据驾驶员对车辆的控制操作信息进行训练更新，可以使神经网络模型更加符合驾驶员的驾驶习惯。因此根据训练后的神经网络模型得到的控制策略会更加符合驾驶员的驾驶意图，使车辆的自动驾驶符合驾驶员的驾驶意图，提高驾驶员的体验感。提高驾驶员的体验感。提高驾驶员的体验感。

【技术实现步骤摘要】
车辆控制方法、装置、车辆及存储介质


[0001]本申请属于车辆
，尤其涉及一种车辆控制方法、装置、车辆及存储介质。

技术介绍

[0002]随着用户对车辆驾驶体验需求的提高，具有自动驾驶功能的车辆越来越收到用户的喜爱。目前车辆的自动驾驶主要是通过预先设定的算法实现，由于设定的算法为固定算法，车辆的自动驾驶无法满足不同驾驶员的需求，导致驾驶员驾驶车辆的体验感差。

技术实现思路

[0003]本申请实施例提供了一种车辆控制方法、装置、车辆及存储介质，可以解决车辆的自动驾驶无法满足不同驾驶员需求，导致驾驶员驾驶车辆的体验感差的问题。
[0004]第一方面，本申请实施例提供了一种车辆控制方法，包括：
[0005]在接收到驾驶员对车辆的控制操作信息后，根据所述控制操作信息和所述车辆的第一行驶信息训练神经网络模型；所述第一行驶信息包括在接收到所述控制操作信息时获取的所述车辆行驶的路况信息和在接收到所述控制操作信息时获取的所述车辆的状态信息；
[0006]获取所述车辆的当前行驶信息；所述当前行驶信息包括车辆当前行驶的路况信息和所述车辆当前的状态信息；
[0007]将所述当前行驶信息输入到训练后的神经网络模型中，得到车辆的控制策略；
[0008]根据所述控制策略控制所述车辆。
[0009]在第一方面的一种可能的实现方式中，所述状态信息包括车辆行驶速度、发动机转速、电机转速、变速器档位、电驱动器档位、蓄电池剩余电量、空调工作状态和驾驶室温度中的至少一项；
[0010]所述路况信息包括实际信号灯状态、网络信号灯状态、与前车的第一距离、与后车的第二距离、车辆当前的位置和车辆周围的图像信息中的至少一项。
[0011]在第一方面的一种可能的实现方式中，所述控制操作信息包括油门踏板位置信息、制动踏板位置信息、驾驶员语音指令信息和驾驶员操作指令信息中的至少一项；
[0012]在接收到驾驶员对车辆的控制操作信息后，根据所述控制操作信息和所述车辆的第一行驶信息训练神经网络模型，具体操作如下：
[0013]将所述控制操作信息、所述路况信息和所述状态信息输入到所述神经网络模型中，得到所述路况信息对应的权值和阈值、以及所述状态信息对应的权值和阈值；
[0014]将得到的所述路况信息对应的权值和阈值、以及所述状态信息对应的权值和阈值带入到所述神经网络模型。
[0015]在第一方面的一种可能的实现方式中，所述控制策略包括发动机控制指令、变速器控制指令、电机控制指令、车速控制指令、空调控制指令、制动控制指令、方向控制指令和信息提示控制指令中的至少一项；
[0016]所述根据所述控制策略控制所述车辆，具体操作如下：
[0017]获取驾驶员对车辆的控制操作信息；
[0018]根据所述控制操作信息和所述控制策略控制所述车辆。
[0019]在第一方面的一种可能的实现方式中，车辆控制方法还包括：
[0020]将训练后的神经网络模型存储至服务器。
[0021]第二方面，本申请实施例提供了一种车辆控制方法，包括：
[0022]在接收到驾驶员对车辆的设置信息后，根据所述设置信息训练神经网络模型；
[0023]获取所述车辆的当前行驶信息；所述当前行驶信息包括车辆当前行驶的路况信息和所述车辆当前的状态信息；
[0024]将所述当前行驶信息输入到训练后的神经网络模型中，得到车辆的控制策略；
[0025]根据所述控制策略控制所述车辆。
[0026]第三方面，本申请实施例提供了一种车辆控制装置，包括：
[0027]第一训练模块，用于在接收到驾驶员对车辆的控制操作信息后，根据所述控制操作信息和所述车辆的第一行驶信息训练神经网络模型；所述第一行驶信息包括在接收到所述控制操作信息时获取的所述车辆行驶的路况信息和在接收到所述控制操作信息时获取的所述车辆的状态信息；
[0028]第一获取模块，用于获取所述车辆的当前行驶信息；所述当前行驶信息包括车辆当前行驶的路况信息和所述车辆当前的状态信息；
[0029]第一控制策略确定模块，用于将所述当前行驶信息输入到训练后的神经网络模型中，得到车辆的控制策略；
[0030]第一控制模块，用于根据所述控制策略控制所述车辆。
[0031]第四方面，本申请实施例提供了一种车辆控制装置，包括：
[0032]第二训练模块，用于在接收到驾驶员对车辆的设置信息后，根据所述设置信息训练神经网络模型；
[0033]第二获取模块，用于获取所述车辆的当前行驶信息；所述当前行驶信息包括车辆当前行驶的路况信息和所述车辆当前的状态信息；
[0034]第二控制策略确定模块，用于将所述当前行驶信息输入到训练后的神经网络模型中，得到车辆的控制策略；
[0035]第二控制模块，用于根据所述控制策略控制所述车辆。
[0036]第五方面，本申请实施例提供了一种车辆，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法、或第二方面所述的方法。
[0037]第六方面，本申请实施例提供了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实现第一方面中任一项所述的方法、或第二方面所述的方法。
[0038]第七方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的方法、或第二方面所述的方法。
[0039]本申请实施例与现有技术相比存在的有益效果是：
等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0054]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0055]图1示出了本申请一实施例提供的车辆控制方法的流程示意图。参见图1所示，车辆控制方法包括步骤S101至步骤S104。
[0056]步骤S101，在接收到驾驶员对车辆的控制操作信息后，根据控制操作信息和车辆的第一行驶信息训练神经网络模型；第一行驶信息包括在接收到控制操作信息时获取的车辆行驶的路况信息和在接收到控制操作信息时获取的车辆的状态信息。
[0057]具体的，驾驶员对车辆的控制操作信息包括油门踏板位置信息、制动踏板位置信息、驾驶员语音指令信息和驾驶员操作指令信息中的至少一项。当车辆根据控制策略行驶时，驾驶员有可能对当前的控制策略不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆控制方法，其特征在于，包括：在接收到驾驶员对车辆的控制操作信息后，根据所述控制操作信息和所述车辆的第一行驶信息训练神经网络模型；所述第一行驶信息包括在接收到所述控制操作信息时获取的所述车辆行驶的路况信息和在接收到所述控制操作信息时获取的所述车辆的状态信息；获取所述车辆的当前行驶信息；所述当前行驶信息包括车辆当前行驶的路况信息和所述车辆当前的状态信息；将所述当前行驶信息输入到训练后的神经网络模型中，得到车辆的控制策略；根据所述控制策略控制所述车辆。2.根据权利要求1所述的车辆控制方法，其特征在于，所述状态信息包括车辆行驶速度、发动机转速、电机转速、变速器档位、电驱动器档位、蓄电池剩余电量、空调工作状态和驾驶室温度中的至少一项；所述路况信息包括实际信号灯状态、网络信号灯状态、与前车的第一距离、与后车的第二距离、车辆当前的位置和车辆周围的图像信息中的至少一项。3.根据权利要求1所述的车辆控制方法，其特征在于，所述控制操作信息包括油门踏板位置信息、制动踏板位置信息、驾驶员语音指令信息和驾驶员操作指令信息中的至少一项；在接收到驾驶员对车辆的控制操作信息后，根据所述控制操作信息和所述车辆的第一行驶信息训练神经网络模型，具体操作如下：将所述控制操作信息、所述路况信息和所述状态信息输入到所述神经网络模型中，得到所述路况信息对应的权值和阈值、以及所述状态信息对应的权值和阈值；将得到的所述路况信息对应的权值和阈值、以及所述状态信息对应的权值和阈值带入到所述神经网络模型。4.根据权利要求1所述的车辆控制方法，其特征在于，所述控制策略包括发动机控制指令、变速器控制指令、电机控制指令、车速控制指令、空调控制指令、制动控制指令、方向控制指令和信息提示控制指令中的至少一项；所述根据所述控制策略控制所述车辆，具体操作如下：获取驾驶员对车辆的控制操作信息；根据所述控制操作信息和所述控制策略控制所述车辆。5.根据权利要求1所述的车辆控制方法...

【专利技术属性】
技术研发人员：杨洋，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：