一种车辆控制方法技术

本申请的实施例提供了一种车辆控制方法

【技术实现步骤摘要】
一种车辆控制方法、装置、存储介质及车辆


[0001]本申请涉及车辆控制
，具体而言，涉及一种车辆控制方法
、
装置
、
存储介质及车辆
。

技术介绍

[0002]智联网车辆想要实现自动驾驶，在运行过程中需要接收来自云端或者其他终端发送的控制指令，以指示智联网车辆按照控制指令执行相应的操作
。
由于智联网车辆自身需要具备感知系统，决策系统和执行系统以实现自动驾驶功能，而各个系统中具备的节点众多，如果智联网车联接收到的控制指令为异常指令，会使得节点受到病毒入侵，可以理解，节点如果被病毒入侵会造成智联网车辆出现异常行为，从而造成安全威胁
。
基于此，如何提高车辆运行的安全性是亟待解决的技术问题
。

技术实现思路

[0003]本申请的实施例提供了一种车辆控制方法
、
装置
、
存储介质及车辆，基于本申请提供的技术方案能提高车辆运行的安全性
。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得
。
[0005]根据本申请实施例的第一方面，提供了一种车辆控制方法，所述方法包括：所述方法执行于目标车辆，所述方法包括：响应于接收到目标控制指令，检测预先构建的黑白名单中是否存在与所述目标控制指令相匹配的控制指令，所述黑白名单的白名单存储有各个车辆已执行的控制指令，所述黑白名单的黑名单存储有异常控制指令；如果所述黑白名单中不存在与所述目标控制指令相匹配的控制指令，则通过预先训练的控制指令识别模型识别所述目标控制指令是否为异常控制指令；如果识别出所述目标控制指令不为异常控制指令，则控制所述目标车辆执行所述目标控制指令
。
[0006]在本申请的一些实施例中，基于前述方案，所述检测预先构建的黑白名单中是否存在与所述目标控制指令相匹配的控制指令，包括：提取所述目标控制指令的关键信息；根据所述关键信息，确定所述黑白名单中是否存在与所述目标控制指令相匹配的控制指令
。
[0007]在本申请的一些实施例中，基于前述方案，所述通过预先训练的控制指令识别模型识别所述目标控制指令是否为异常控制指令，包括：将所述目标控制指令转换为相对应的数字特征向量；对所述数字特征向量中的各个元素进行归一化处理，以得到目标特征向量；将所述目标特征向量输入至所述控制指令识别模型，以由所述控制指令识别模型识别所述目标控制指令是否为异常控制指令
。
[0008]在本申请的一些实施例中，基于前述方案，通过预先训练的生成对抗网络模型生成异常控制指令；基于所述生成对抗网络模型生成的异常控制指令，构建样本数据集；基于所述样本数据集，对预先构建的卷积神经网络模型进行训练，以得到所述控制指令识别模型
。
[0009]在本申请的一些实施例中，基于前述方案，所述方法还包括：将所述生成对抗网络模型生成的异常控制指令存储至所述黑名单
。
[0010]在本申请的一些实施例中，基于前述方案，所述方法还包括：如果所述白名单中存在与所述目标控制指令相匹配的控制指令，则控制所述目标车辆执行所述目标控制指令；如果所述黑名单中存在与所述目标控制指令相匹配的控制指令，则禁止所述目标车辆执行所述目标控制指令
。
[0011]在本申请的一些实施例中，基于前述方案，所述方法还包括：如果识别出所述目标控制指令为异常控制指令，则禁止所述目标车辆执行所述目标控制指令，并将所述目标控制指令存储至所述黑名单
。
[0012]根据本申请实施例的第二方面，提供了一种车辆控制装置，所述装置设置于目标车辆，所述装置包括：检测单元，用于响应于接收到目标控制指令，检测预先构建的黑白名单中是否存在与所述目标控制指令相匹配的控制指令，所述黑白名单的白名单存储有各个车辆已执行的控制指令，所述黑白名单的黑名单存储有异常控制指令；识别单元，用于如果所述黑白名单中不存在与所述目标控制指令相匹配的控制指令，则通过预先训练的控制指令识别模型识别所述目标控制指令是否为异常控制指令；控制单元，用于如果识别出所述目标控制指令不为异常控制指令，则控制所述目标车辆执行所述目标控制指令
。
[0013]根据本申请实施例的第三方面，提供了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中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现如上述第一方面任一项所述的方法所执行的操作
。
[0014]根据本申请实施例的第四方面，提供了一种车辆，包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如上述第一方面任一项所述的方法所执行的操作
。
[0015]本申请的技术方案，如果目标车辆接收到目标控制指令，首先检测预先构建的黑白名单中是否存在与所述目标控制指令相匹配的控制指令，所述黑白名单的白名单存储有各个车辆已执行的控制指令，所述黑白名单的黑名单存储有异常控制指令；其次，如果所述黑白名单中不存在与所述目标控制指令相匹配的控制指令，则通过预先训练的控制指令识别模型识别所述目标控制指令是否为异常控制指令；最后，如果识别出所述目标控制指令不为异常控制指令，则控制所述目标车辆执行所述目标控制指令
。
由此可见，基于本申请的技术方案，目标车辆如果接收到目标控制指令不会立即执行该目标控制指令，而是先经过黑白名单的筛选，如果确定黑白名单中不存在与该目标控制指令相匹配的控制指令，再由预先建立的控制指令识别模型对该目标控制指令进行识别，从而能鉴别接收的目标控制指令是否为异常控制指令，从而能确保目标车辆最终执行的控制指令均为正常控制指令，在一定程度上能避免目标车辆的节点被病毒入侵，减少目标车辆出现异常行为，进而能提高车辆运行的安全性
。
[0016]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
[0017]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理
。
显而易见地，下面描述中的附图仅仅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
。
在附图中：
[0018]图1示出了根据本申请一个实施例的车辆控制方法的流程示意图；
[0019]图2示出了根据本申请一个实施例的控制指令识别模型识别所述目标控制指令是否为异常控制指令的示意图；
[0020]图3示出了根据本申请一个实施例的训练预先构建的卷积神经网络模型的细节流程示意图；
[0021]图4示出了根据本申请一个实施例的训练预先构建的卷积神经网络模型的示意图；
[0022]图5示出了根据本申请一个实施本文档来自技高网...

【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，所述方法执行于目标车辆，所述方法包括：响应于接收到目标控制指令，检测预先构建的黑白名单中是否存在与所述目标控制指令相匹配的控制指令，所述黑白名单的白名单存储有各个车辆已执行的控制指令，所述黑白名单的黑名单存储有异常控制指令；如果所述黑白名单中不存在与所述目标控制指令相匹配的控制指令，则通过预先训练的控制指令识别模型识别所述目标控制指令是否为异常控制指令；如果识别出所述目标控制指令不为异常控制指令，则控制所述目标车辆执行所述目标控制指令
。2.
根据权利要求1所述的方法，其特征在于，所述检测预先构建的黑白名单中是否存在与所述目标控制指令相匹配的控制指令，包括：提取所述目标控制指令的关键信息；根据所述关键信息，确定所述黑白名单中是否存在与所述目标控制指令相匹配的控制指令
。3.
根据权利要求1所述的方法，其特征在于，所述通过预先训练的控制指令识别模型识别所述目标控制指令是否为异常控制指令，包括：将所述目标控制指令转换为相对应的数字特征向量；对所述数字特征向量中的各个元素进行归一化处理，以得到目标特征向量；将所述目标特征向量输入至所述控制指令识别模型，以由所述控制指令识别模型识别所述目标控制指令是否为异常控制指令
。4.
根据权利要求1所述的方法，其特征在于，所述方法还包括：通过预先训练的生成对抗网络模型生成异常控制指令；基于所述生成对抗网络模型生成的异常控制指令，构建样本数据集；基于所述样本数据集，对预先构建的卷积神经网络模型进行训练，以得到所述控制指令识别模型
。5.
根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述生成对抗网络模型生成的异常控制指令存储至...

【专利技术属性】
技术研发人员：杨彦鼎，舒畅，蔡艳波，孙伟，王虹，
申请(专利权)人：东风汽车集团股份有限公司，
类型：发明
国别省市：