一种基于画像向量的驾驶辅助方法、装置及设备与流程

本技术涉及智能驾驶辅助，尤其涉及一种基于画像向量的驾驶辅助方法、装置及设备。

背景技术：

1、在智能驾驶辅助技术领域，可以对车辆运行数据进行监测，并对执行驾驶模式的自动切换。

2、相关技术中，基于车辆自身传感器采集的车辆运行数据，包括车速、油门踏板开度、制动操作等数据，在预设的多个驾驶模式中执行切换。如：车辆提供有"舒适""运动""经济"三种驾驶模式，当驾驶员在驾驶车辆时，若驾驶员深度踩下油门踏板，自动切换至运动模式，提升动力响应；检测到车辆处于平稳巡航状态，切换为经济模式。

3、上述驾驶辅助方式中，由于是在车辆预设的驾驶模式中进行切换，调整后的车辆行驶状态并不一定符合驾驶员的意愿，驾驶员后续还会进行一些驾驶操作，降低了驾驶辅助的交互效率。

技术实现思路

1、本发明提供一种基于画像向量的驾驶辅助方法、装置及设备，以至少解决相关技术中驾驶辅助的交互效率低下的问题。本发明的技术方案如下：

2、根据本发明实施例的第一方面，提供了一种基于画像向量的驾驶辅助方法，其特征在于，所述方法包括：

3、获取驾驶过程中的当前画像向量、当前参数向量，所述当前画像向量表征驾驶员当前在不同画像维度下的行为特征，所述当前参数向量表征车辆当前在不同调节域维度下的车辆参数，所述调节域维度与所述画像维度具有维度对应关系，所述维度对应关系表征所述画像维度下的行为特征影响对应的所述调节域维度下的车辆参数的调整；

4、基于所述当前画像向量、所述维度对应关系，计算目标参数向量，所述目标参数向量表征在所述当前画像向量的影响下，期望得到的所述车辆在不同调节域维度下的车辆参数；

5、结合所述目标参数向量、所述当前参数向量，计算更新参数向量；

6、使用所述更新参数向量，对所述车辆在不同调节域维度下的车辆参数进行调整。

7、在一种可能的实现方式中，所述结合所述目标参数向量、所述当前参数向量，计算更新参数向量，包括：

8、获取预设的基准平滑系数；

9、针对所述画像维度，基于所述当前画像向量中的所述画像维度下的行为特征的数值区间，计算所述画像维度对应的系数增量项；

10、对所述画像维度对应的系数增量项、基准平滑系数进行求和计算，得到当前平滑系数；

11、使用所述当前平滑系数，对所述目标参数向量、所述当前参数向量进行融合，得到所述更新参数向量。

12、在一种可能的实现方式中，在使用所述当前平滑系数之前，所述方法还包括：

13、获取预设的系数下限值、系数上限值；

14、基于所述系数下限值、系数上限值，对所述当前平滑系数进行裁剪。

15、在一种可能的实现方式中，所述基于所述当前画像向量、所述维度对应关系，计算目标参数向量，包括：

16、获取预设的基准参数向量、各个所述调节域维度的上限调整幅度；

17、基于所述当前画像向量，计算各个所述画像维度的优先级权重；

18、针对每个所述调节域维度，基于所述维度对应关系，使用对应的所述画像维度的优先级权重的均值，对所述调节域维度的上限调整幅度进行乘积计算，得到所述调节域维度的调节域调整量；

19、使用各个所述调节域维度的调节域调整量对所述基准参数向量进行调整，得到所述目标参数向量。

20、在一种可能的实现方式中，所述基于所述当前画像向量，计算各个所述画像维度的优先级权重，包括：

21、获取预设的基准画像向量；

22、针对每个所述画像维度，基于所述当前画像向量中所述画像维度下的行为特征相对于所述基准画像向量的偏离程度的归一化值，得到所述画像维度的优先级权重。

23、在一种可能的实现方式中，在获取驾驶过程中的当前画像向量之后，所述方法还包括：

24、响应于结合所述当前画像向量识别到驾驶风险，获取所述驾驶风险对应的风险程度；

25、获取所述驾驶员的干预接受程度；

26、计算画像干预参数，所述画像干预参数表征基于所述当前画像向量的数值，确定的影响引导干预的决策的参数项；

27、结合所述风险程度、所述画像干预参数、所述干预接受程度，对所述驾驶员进行引导干预。

28、在一种可能的实现方式中，所述画像干预参数包括：当前状态指数，所述当前状态指数表征所述当前画像向量所指示的驾驶员的当前状态；

29、所述计算画像干预参数，包括：

30、对所述当前画像向量中不同画像维度下的行为特征进行加权求和，得到所述当前状态指数。

31、在一种可能的实现方式中，所述画像干预参数包括：画像惩罚项，所述画像惩罚项表征所述当前画像向量中的风险画像维度所带来的引导干预影响，所述风险画像维度表征所述当前画像向量中超过风险阈值的画像维度；

32、所述计算画像干预参数，包括：

33、获取所述风险画像维度的风险增量，所述风险增量表征所述风险画像维度超过所述风险阈值的增量；

34、计算所有所述风险画像维度的风险增量的均值，作为所述画像惩罚项。

35、在一种可能的实现方式中，所述获取所述驾驶员的干预接受程度，包括：

36、获取所述驾驶员的当前情绪稳定指数、历史接受率以及当前认知负荷，所述历史接受率表征所述驾驶员针对历史引导干预的接受率；

37、对所述当前情绪稳定指数、所述历史接受率以及所述当前认知负荷的倒数值进行加权求和，得到所述驾驶员的干预接受程度。

38、在一种可能的实现方式中，所述结合所述风险程度、所述画像干预参数、所述干预接受程度，对所述驾驶员进行引导干预，包括：

39、结合所述风险程度、所述画像干预参数、所述干预接受程度，计算综合决策因子；

40、获取引导对应关系，所述引导对应关系表征所述综合决策因子的数值与引导等级之间的对应关系；

41、基于所述引导对应关系，使用目标引导干预方式对所述驾驶员进行引导干预，所述目标引导干预方式表征所述综合决策因子对应的引导等级所指示的引导干预方式。

42、在一种可能的实现方式中，在使用目标引导干预方式对所述驾驶员进行引导干预之前，所述方法还包括：

43、基于所述当前画像向量中的画像维度的数值状态，对所述目标引导干预方式进行调整。

44、在一种可能的实现方式中，在使用目标引导干预方式对所述驾驶员进行引导干预之后，所述方法还包括：

45、获取历史引导数据，所述历史引导数据表征与历史引导干预有关的数据；

46、基于所述历史引导数据，采用基于策略梯度的强化学习算法，更新所述引导对应关系。

47、在一种可能的实现方式中，所述当前画像向量包括如下画像维度中的至少一种：

48、风格维度，用于描述所述驾驶员在驾驶过程中的操作偏好；

49、风险维度，用于描述所述驾驶员的危险驾驶行为；

50、情绪维度，用于描述所述驾驶员在驾驶过程中的心理情绪状态；

51、技能维度，用于描述所述驾驶员的驾驶技术能力。

52、根据本发明实施例的第二方面，提供了一种基于画像向量的驾驶辅助装置，所述装置包括：

53、向量获取模块，用于获取驾驶过程中的当前画像向量、当前参数向量，所述当前画像向量表征驾驶员当前在不同画像维度下的行为特征，所述当前参数向量表征车辆当前在不同调节域维度下的车辆参数，所述调节域维度与所述画像维度具有维度对应关系，所述维度对应关系表征所述画像维度下的行为特征影响对应的所述调节域维度下的车辆参数的调整；

54、目标向量计算模块，用于基于所述当前画像向量、所述维度对应关系，计算目标参数向量，所述目标参数向量表征在所述当前画像向量的影响下，期望得到的所述车辆在不同调节域维度下的车辆参数；

55、更新向量计算模块，用于结合所述目标参数向量、所述当前参数向量，计算更新参数向量；

56、车辆参数调整模块，用于使用所述更新参数向量，对所述车辆在不同调节域维度下的车辆参数进行调整。

57、根据本发明实施例的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如上述第一方面中任一项所述的方法。

58、根据本发明实施例的第四方面，提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述第一方面中任一项所述的方法。

59、根据本发明实施例的第五方面，提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时，使得计算机执行如上述第一方面中任一项所述的方法。

60、本发明的实施例提供的技术方案至少带来以下有益效果：

61、获取表征驾驶员多画像维度下的行为特征的当前画像向量以及表征车辆在多调节域维度下的实时状态的当前参数向量，并利用画像维度与车辆的调节域维度之间的维度对应关系，计算得到目标参数向量，再结合车辆的当前参数向量得到更新参数向量以完成车辆参数调整；本技术通过维度对应关系的建立，明确每一项驾驶员的行为特征对哪一项的车辆参数产生影响，进而能够基于驾驶员的真实画像，实现细粒度个性化的车辆参数的调节，同时调节时兼顾车辆实时运行工况，使得车辆参数的调整结果更贴合驾驶员的真实驾驶意愿，减少驾驶员后续的二次修正操作，提升驾驶辅助的交互效率。