车辆控制方法、车辆控制装置、计算机设备及存储介质与流程

1.本发明涉及自动驾驶领域，具体涉及一种自动驾驶车辆控制方法及相关设备。


背景技术：

2.近年来，自动驾驶的发展一定程度上减轻了驾驶员驾驶车辆的劳动强度，有效减少驾驶员因长时间控制车辆带来的疲劳。
3.现有技术的自动驾驶车辆控制的关注点主要在于车辆本身，没有将系统带给用户的感受或者情绪作为控制因素，输入车辆进行闭环控制，例如自适应巡航系统(adaptive cruise control，acc)的跟车距离一旦设定后，系统便依据设定的参数进行跟车，而在跟车过程中若用户感觉跟车距离较近，产生恐慌，系统并不知道，也没有将恐慌作为系统控制输入去调整系统参数，由此可能带来用户对自动驾驶系统使用的不适感或者不信任感。


技术实现要素：

4.本发明为解决现有技术中的没有将系统带给用的感受或者情绪作为控制输入进行闭环控制的技术问题，提供一种基于驾驶员的生理参数主动识别驾驶员情绪，基于驾驶员情绪调整自动驾驶车辆控制参数的方法及相关设备。
5.本发明第一方面提供了一种车辆控制方法，包括如下步骤；
6.确定目标车辆所对应驾驶员的第一心理数据，所述第一心理数据包括情绪数据和/或注意力数据；
7.将所述第一心理数据输入控制参数调整模型，以得到第一计算控制参数，所述控制参数调整模型为对控制参数训练样本进行训练得到的，所述控制参数训练样本包括至少一个驾驶员所对应的训练心理数据以及与所述训练心理数据所对应的控制参数；
8.基于所述第一计算控制参数对所述目标车辆进行调整。
9.可选的，所述确定目标车辆所对应驾驶员的第一心理数据包括如下步骤：
10.采集所述驾驶员的第一身体特征参数；
11.将所述第一身体特征参数输入驾驶员识别模型，以得到所述第一心理数据。
12.可选的，所述方法还包括如下步骤：
13.获取至少一个驾驶员所对应的身体特征参数以及所述身体特征参数所对应的实际心理数据；
14.对所述至少一个驾驶员所对应的身体特征参数以及所述身体特征参数所对应的实际心理数据进行预处理；
15.根据预处理后的数据以及初始驾驶员识别模型进行迭代运行，直至达到预置的迭代终止条件；
16.将达到所述预置的迭代终止条件时的所述初始驾驶员识别模型确定为所述驾驶员识别模型。
17.可选的，所述方法还包括如下步骤：
18.判断迭代次数是否达到预置数值，若是，则确定满足所述预置的迭代终止条件；
19.或，
20.判断所述初始驾驶员识别模型所对应的模型参数是否收敛，若是，则确定满足所述预置的迭代终止条件。
21.可选的，所述方法还包括如下步骤：
22.确定基于所述第一计算控制参数对所述目标车辆进行调整后所述驾驶员的第二心理数据；
23.若所述第二心理数据未达到预设调整阈值，则基于所述第二心理数据以及所述控制参数调整模型确定第二计算控制参数；
24.基于所述第二计算控制参数对所述目标车辆进行调整。
25.可选的，所述方法还包括如下步骤：
26.确定所述控制参数调整模型所对应的预期回报函数；
27.通过所述预期回报函数对所述控制参数调整模型输出的控制参数进行评价；
28.根据评价结果对所述控制参数调整模型进行更新。
29.可选的，所述方法还包括如下步骤：
30.判断所述第二计算控制参数是否达到预设参数阈值；
31.若所述第二计算控制参数达到预设参数阈值，则发出提示信息；
32.根据所述驾驶员针对所述提示信息所发出的对应反馈信息调整控制参数；
33.根据调整后的控制参数对所述目标车辆进行调整。
34.本发明第二方面提供了一种车辆控制装置，包括：
35.确定单元，用于确定目标车辆所对应驾驶员的第一心理数据，所述第一心理数据包括情绪数据和/或注意力数据；
36.计算单元，用于将所述第一心理数据输入控制参数调整模型，以得到第一计算控制参数，所述控制参数调整模型为对训练样本进行训练得到的，所述训练样本包括至少一个驾驶员所对应的训练心理数据以及与所述训练心理数据所对应的控制参数；
37.调整单元，用于基于所述第一计算控制参数对所述目标车辆进行调整。
38.可选的，所述确定单元具体用于：
39.采集所述驾驶员的第一身体特征参数；
40.将所述第一身体特征参数输入驾驶员识别模型，以得到所述第一心理数据。
41.可选的，所述确定单元通过以下步骤确定驾驶员识别模型：
42.获取至少一个驾驶员所对应的身体特征参数以及所述身体特征参数所对应的实际心理数据；
43.对所述至少一个驾驶员所对应的身体特征参数以及所述身体特征参数所对应的实际心理数据进行预处理；
44.根据预处理后的数据以及初始驾驶员识别模型进行迭代运行，直至达到预置的迭代终止条件；
45.将达到所述预置的迭代终止条件时的所述初始驾驶员识别模型确定为所述驾驶员识别模型。
46.可选的，所述确定单元通过以下步骤确定迭代终止条件：
47.判断迭代次数是否达到预置数值，若是，则确定满足所述预置的迭代终止条件；
48.或，
49.判断所述初始驾驶员识别模型所对应的模型参数是否收敛，若是，则确定满足所述预置的迭代终止条件。
50.可选的，所述确定单元还用于：
51.确定基于所述第一计算控制参数对所述目标车辆进行调整后所述驾驶员的第二心理数据；
52.若所述第二心理数据未达到预设调整阈值，则基于所述第二心理数据以及所述控制参数调整模型确定第二计算控制参数；
53.基于所述第二计算控制参数对所述目标车辆进行调整。
54.可选的，所述车辆控制装置还包括：
55.更新单元，用于：
56.确定所述控制参数调整模型所对应的预期回报函数；
57.通过所述预期回报函数对所述控制参数调整模型输出的控制参数进行评价；
58.根据评价结果对所述控制参数调整模型进行更新。
59.可选的，所述调整单元还用于：
60.判断所述第二计算控制参数是否达到预设参数阈值；
61.若所述第二计算控制参数达到预设参数阈值，则发出提示信息；
62.根据所述驾驶员针对所述提示信息所发出的对应反馈信息调整控制参数；
63.根据调整后的控制参数对所述目标车辆进行调整。
64.本发明第三方面提供了一种计算机设备，包括：至少一个连接的处理器、存储器和收发器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述第一方面所述的车辆的控制方法的步骤。
65.本发明实施例第四方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的车辆的控制方法的步骤。
66.相对于相关技术，本发明提供的实施例中，车辆控制装置通过确定目标车辆驾驶员的第一心理数据，根据第一心理数据确定第一计算控制参数，并根据第一计算控制参数调整目标车辆的运行状态，可以及时的根据驾驶员的心理数据进行车辆控制参数调整，并根据调整后的控制参数控制车辆运行，给用户更好的自动驾驶体验。
附图说明
67.图1为本发明实施例提供的车辆控制装置的系统架构图；
68.图2为本发明实施例提供的车辆控制方法的流程示意图；
69.图3为本发明实施例提供的驾驶员识别模型训练方法的流程示意图；
70.图4为本发明施例提供的驾驶员识别模型训练的训练流程示意图；
71.图5为本发明实施例提供的车辆控制装置的虚拟结构示意图；
72.图6为本发明实施例提供的服务器的硬件结构示意图；及
73.图7为控制参数调整模型的动态优化示意图。
具体实施方式
74.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
75.本发明提供了一种车辆控制方法，该车辆控制方法为基于主动式人机交互的车辆控制方法，以驾驶员的心理数据作为输入，以车辆的控制参数作为输出，并基于输出的控制参数对车辆进行调整。该方法可以将驾驶员的主观因素反馈至输入自动驾驶系统并更改车辆控制参数，以提高驾驶员的驾驶感受。
76.请参阅图1，为本发明实施例提供的车辆控制装置的系统架构图。
77.本实施例中，车辆控制装置的系统架构包括驾驶员探测传感器101、车辆状态传感器102、车辆控制装置103和车辆104。
78.驾驶员探测传感器101用于收集驾驶员的身体特征参数，并将驾驶员的身体特征参数发送至车辆控制装置103。其中，驾驶员探测传感器101可以包括车内摄像头，也可以包括车内毫米波雷达等安装于车辆的设备，还可以包括与车辆104蓝牙连接的手环或者其他可穿戴设备等不固定安装于车辆104的设备，当然了，还可以同时包括多个设备，例如，既有车内摄像头，又有与车辆蓝牙连接的可穿戴设备，具体不限定。驾驶员探测传感器101所收集的身体特征参数包括脸部数据(例如面部表情、眼部空间位置、眨眼频率、瞳孔聚焦位置等，具体不限定)、头部数据(例如呼吸频率等，具体不限定)、手部数据(例如手部姿势及握力等，具体不限定)、心跳数据等，当然了，也还可以包括腿部姿势(例如是否采取预刹车的姿势等)，具体不限定。
79.车辆传感器102实现对车辆状态数据和周围环境数据的收集，并讲所手机的车辆状态数据和周围环境数据发送至车辆控制装置103。其中，车辆状态数据包括车速，跟车距离、车道偏离预警(lane departure warning，ldw)的灵敏度参数等，具体不限定；环境数据包括车辆104运行道路的车道数量、车辆104的车道属性、车辆104周围的其他车辆信息(例如在四车道的道路中，车辆104位于道路的左侧第二车道，车速为90km/h，该车道限速为100km/h，车辆104前方存在一辆车速为80km/h的小汽车，车辆104的左侧车道前方20m存在一辆车速为120km/h的小汽车，且右侧车道前方30m存在一辆车速为120km/h的卡车)，当然了，也可以包括道路周围的环境信息(例如道路两侧存在悬崖或者湖泊等)，具体不限定。
80.车辆控制装置103接收驾驶员传感器101所收集的驾驶员生理特征参数以及车辆状态传感器收集的车辆状态数据和周围环境数据，车辆控制装置103将所接收的身体特征参数输入驾驶员识别模型，输出该身体特征参数对应的心理数据，该心理数据为注意力数据和/或情绪数据。车辆控制装置103将该心理数据输入控制参数调整模型，输出该心理数据对应的车辆控制参数，车辆控制装置103根据输出车辆控制参数发出控制指令对车辆104进行调整。对车辆104进行调整包括调整车速，调整车辆的跟车距离以及调整车道偏离预警的报警阈值等，具体不限定。
81.请参阅图2，为本发明实施例提供的车辆控制方法的流程示意图，包括：
82.201、确定目标车辆所对应驾驶员的第一心理数据。
83.本实施例中，车辆控制装置可以通过驾驶员探测传感器收集目标车辆所对应驾驶员的第一身体特征参数，并将该第一身体特征参数输入驾驶员识别模型，并输出该第一身体特征对应的第一心理数据，该第一心理数据包括情绪数据和/或注意力数据。
84.202、将第一心理数据输入控制参数调整模型，以得到第一计算控制参数。
85.本实施例中，控制参数调整模型为对控制参数训练样本进行训练得到的，控制参数训练样本包括至少一个驾驶员所对应的训练心理数据以及与训练心理数据所对应的控制参数。其中，心理数据包括情绪数据和/或注意力数据，控制参数包括acc跟车距离、车速以及ldw报警阈值等，具体不限定。
86.需要说明的是，控制参数调整模型可以为acc跟车距离参数调整模型，也可以为ldw报警阈值参数调整模型，还可以为他的参数调整模型(例如定速巡航车速调整模型)，当然了，也还可以同时包括多种参数调整模型，输入一个心理数据，以使得同时输出acc跟车距离参数以及ldw报警阈值参数等多种控制参数。
87.可以理解的是，训练心理数据所对应的控制参数可以为基于主观问卷方法采集，例如，驾驶员认为在自适应巡航中，跟车距离为100m的情况下，属于情绪放松状态，则跟车距离100m为控制参数，情绪属于放松状态为心理数据。控制参数调整模型以驾驶员的心理数据作为输入，以控制参数作为输出，控制参数调整模型的离线训练方式与驾驶员识别模型的离线训练方式相同，在此不在赘述。
88.需要说明的是，在传统的控制系统中，控制目标一般以给定量的形式直接给出，而在智能控制系统中，控制目标有时并不明确或者不能直接得到。在本发明中，在前述驾驶员识别模型计算输出驾驶员情绪数据信息后，通过控制参数调整模型对驾驶员情绪数据进行识别。下面对驾驶员情绪识别的具体方式进行详细说明：
89.1、系统参数辨识：
90.根据系统输入输出来确定描述系统的状态，对于由驾驶员情绪、动作、车辆以及周边环境共同构成的复杂非线性动态系统，难以使用线性函数或者依据先验知识进行描述。本本发明中使用深度神经网络(也即控制参数调整模型)用于系统辨识，使其具备拟合复杂非线性输入的能力，将系统辨识转化为深度神经网络的参数优化。
91.2、控制目标的优化：
92.在本发明中，使用深度神经网络拟合系统动态模型也即通过利用过去一段时间的数据来训练一个控制参数调整模型，该数据包括驾驶员情绪、动作、车辆运动状态以及车辆与周边环境的位置关系(例如车辆与前车的距离变化、车辆与车道的偏离距离等)。
93.通过训练好的控制参数调整模型预测未来时刻驾驶员情绪变化趋势的同时，综合考虑了驾驶员情绪、动作、车辆运动状态以及车辆与周边环境的位置关系(例如车辆与前车的距离变化、车辆与车道的偏离距离等)，由此可以预测未来的整体系统状态(包括驾驶员情绪变化、动作和动作幅度变化、以及由此引起的车辆运动状态变化等)，并且利用当前时刻的状态与预测得到的下一时刻的状态之间的状态变化值来确定调整参数(例如跟车距离或车速等车辆的状态，以跟车距离为例进行说明，当前跟车距离为50m，下一刻根据距离为80m，调整参数为将跟车距离增大30m)。
94.经过上述的系统动态预测后，在控制参数调整模型引入预期回报函数，由此控制参数调整模型可以通过预期回报函数对每次预测的调整参数进行评价，并根据评价结果对控制参数调整模型进行优化，下面结合图7进行说明：
95.请参阅图7，为控制参数调整模型的动态优化示意图，其中，s0表示系统在当前时刻的状态，s1表示系统在下一时刻的预测状态，v0表示系统在当前时刻采取的动作，g表示
系统在当前状态s0下，执行动作v0时的预期回报函数。
96.由此，每一步执行最优的动作并且根据每一步产生的回报来训练深度神经网络，从而得出基于驾驶员情绪、行为作为输入的、对车辆运动控制参数进行识别并优化的计算结果。
97.203、基于第一计算控制参数对目标车辆进行调整。
98.本实施例中，车辆控制装置根据第一计算控制参数对车辆发出指令，调整目标车辆的运行状态，例如，目标车辆运行时的跟车距离为50m，第一计算控制参数中跟车距离为70m，车辆控制装置根据第一计算控制参数发出指令，将目标车辆的车距离调整为70m。
99.需要说明的是，车辆控制装置在基于第一计算控制参数对目标车辆进行调整后，还执行如下操作：
100.确定基于第一计算控制参数对目标车辆进行调整后驾驶员的第二心理数据；
101.若第二心理数据未达到预设调整阈值，则基于第二心理数据以及控制参数调整模型确定第二计算控制参数；
102.基于第二计算控制参数对目标车辆进行调整。
103.本实施例中，车辆控制装置在基于第一计算控制参数对目标车辆进行调整后，还可以确定驾驶员的第二心理数据，该第二心理数据包括情绪数据和/或注意力数据，之后判断第二心理数据是否达到预设调整阈值，例如判断驾驶员是否处于放松状态，可以将驾驶员所对应的紧张状态进行分级，一级紧张，二级紧张，放松等状态，该分级与预设调整阈值具有关联关系；若确定第二心理数据未达到预设调整阈值(例如预设调整阈值设置为放松状态，第二心理数据仍然为紧张状态)，则基于第二心理数据以及控制参数调整模型确定第二计算控制参数；基于第二计算控制参数对目标车辆进行调整。
104.可以理解的是，车辆控制装置在对车辆进行连续调整后，判断第二计算控制参数是否达到预设参数阈值；若是，则发出提示信息，驾驶员根据提示信息做出反馈，根据驾驶员针对提示信息所发出的对应反馈信息调整控制参数；根据调整后的控制参数对目标车辆进行调整。也即若多次调整车辆的控制参数后，例如多次增加车辆的跟车距离后，驾驶员依然处于紧张状态，则可以发出语音提示信息，与驾驶员进行交互，例如询问驾驶员是否继续调大跟车距离，或者询问驾驶员是否停车休息。
105.另外，在确定第二心理数据以及第一计算控制参数后，可以通过第二心理数据以及第一计算控制参数对控制参数调整模型进行更新操作。
106.下面以自适应巡航(acc)跟车距离参数调整和车道偏离预警(ldw)报警阈值参数调整为例来对如何根据计算控制参数对目标车辆进行调整进行详细的描述：
107.一、acc跟车距离调整：
108.首先离线训练驾驶员识别模型和acc跟车距离参数调整模型。其中，acc跟车距离参数调整模型为控制参数调整模型的一种，以驾驶员心理数据中的情绪状态作为输入，以跟车距离作为输出。
109.其次，车辆控制装置通过驾驶员传感器采集驾驶员的身体特征数据，输入驾驶员识别模型，输出驾驶员第一情绪。
110.再次，将驾驶员的第一情绪输入acc跟车距离参数调整模型，输出第一跟车距离参数，将车辆的跟车距离调整为与第一跟车距离参数一致，若第一情绪为紧张状态，则将车辆
的跟车距离调大。
111.最后，将车辆的跟车距离调整为与第一跟车距离参数一致后，再次确定驾驶员的第二情绪，根据第二情绪和第一跟车距离参数对acc跟车距离参数调整模型进行更新。若第一情绪为紧张状态，确定第二情绪是否达到放松状态，若否，则判断跟车距离是否达到预设参数阈值，例如是否达到250m，若是，则发出提示信息，询问驾驶员是否调大跟车距离，若驾驶员回答是，根据驾驶员对提示信息所做的反馈对车辆进行调整，调大跟车距离。
112.二、ldw报警阈值参数调整：
113.首先离线训练驾驶员识别模型和ldw报警阈值参数调整模型。其中，ldw报警阈值参数调整模型为控制参数调整模型的一种，以驾驶员的注意力作为输入，以ldw报警阈值参数作为输出。
114.其次，车辆控制系统通过驾驶员传感器采集驾驶员的身体特征数据，输入驾驶员识别模型，输出驾驶员第一注意力。
115.再次，将驾驶员的第一注意力输入ldw报警阈值参数调整模型，输出第一报警参数，将车辆的ldw报警阈值调整为与第一报警参数一致，若第一注意力为注意力集中，则将ldw报警阈值调大，使得系统报警不会太灵敏而干扰驾驶员的正常驾驶；若第一注意力为注意力分散或者分心，则将ldw报警阈值调小，从而及时提醒驾驶员偏离了车道。
116.最后，将车辆的ldw报警阈值调整为与第一报警参数一致后，通过语音提示与驾驶原进行交互，询问驾驶员ldw报警阈值是否合适，若是，则获取驾驶员的第二注意力，根据第二注意力和第一报警参数对ldw报警阈值参数调整模型进行更新。
117.综上所述，本发明提供的实施例中，通过确定目标车辆驾驶员的第一心理数据，根据第一心理数据确定第一计算控制参数，并根据第一计算控制参数调整目标车辆的运行状态，可以及时的根据驾驶员的心理数据进行车辆控制参数调整，并根据调整后的控制参数控制车辆运行，给用户更好的自动驾驶体验。
118.下面结合图3对驾驶员识别模型的训练方式进行详细说明，请参阅图3，为本发明实施例提供的驾驶员识别模型训练方法的流程示意图，包括：
119.301、获取至少一个驾驶员所对应的身体特征参数以及身体特征参数所对应的实际心理数据。
120.本实施例中，车辆控制装置可以从样本数据库获取至少一个驾驶员所对应的身体特征参数以及身体特征参数所对应的实际心理数据，该样本数据库存储有多个驾驶员所对应的样本数据。
121.302、对至少一个驾驶员所对应的身体特征参数以及身体特征参数所对应的实际心理数据进行预处理。
122.本实施例中，车辆控制装置在获取到至少一个驾驶员所对应的身体特征参数以及身体特征参数所对应的实际心理数据之后，可以对其进行预处理，该预处理包括但不限于去除唯一属性、处理缺失值、特征编码、数据标准化以及特征选择。
123.303、根据预处理后的数据以及初始驾驶员识别模型进行迭代运行，直至达到预置的迭代终止条件。
124.304、将达到预置的迭代终止条件时的初始驾驶员识别模型确定为驾驶员识别模型。
125.本实施例中，车辆控制装置可以通过神经网络对预处理后的数据进行迭代训练，直至达到预置的迭代终止条件，并将达到预置的迭代终止条件时的初始驾驶员识别模型确定为驾驶员识别模型。
126.需要说明的是，迭代终止条件可以通过如下步骤判断：
127.判断迭代次数是否达到预置数值，若是，则确定满足预置的迭代终止条件；
128.或，
129.判断初始驾驶员识别模型所对应的模型参数是否收敛，若是，则确定满足预置的迭代终止条件。
130.下面结合图4对驾驶员识别模型离线训练流程进行详细说明，请参阅图4，为本发明施例提供的驾驶员识别模型训练的训练流程示意图。
131.训练计算机设备401从数据库402中获取训练样本合集，该训练样本合集包括至少一个驾驶员所对应的身体特征参数以及身体特征参数所对应的实际心理数据。可以理解的是，至少一个驾驶员所对应的身体特征参数包括驾驶员的脸部、头部、手部、心跳等数据，身体特征参数所对应的心理数据包括情绪数据和注意力数据中至少一种，可以通过主观评价问卷的方式采集。
132.训练计算机设备401上配置有初始训练模型，该初始训练模型为初始驾驶员识别模型，训练计算机设备401可以通过训练样本合集对初始训练模型进行迭代训练，以确定迭代更新初始训练模型的参考模型参数，直至达到预置的迭代终止条件；将模型参数输入初始训练模型，用以确定目标训练模型。在每次迭代完成后，判断迭代次数是否达到预设数值(例如预设的迭代次数为1000次)，若是，则确定满足预置的迭代终止条件，并将迭代终止时的初始训练模型确定为驾驶员识别模型；或，在每次迭代完成后，判断初始训练模型所对应的模型参数是否收敛，若是，则确定满足预置的迭代终止条件，并将迭代终止时的初始训练模型确定为驾驶员识别模型。
133.需要说明是，初始训练模型可以理解为是个深度神经网络的函数，该函数中系数处于未知状态，这些处于未知状态的系数可以理解为是初始训练模型的模型参数，每个身体特征信息可以理解为是多个输入参数，对应的心理数据可以理解为是对应的输出参数，输入参数与输出参数的关系可以表示为y＝f(x1，x2，
…
，xn)。将很多组输入参数和输出参数输入到初始训练模型中，就可以确定出这些未知的模型参数，从而完成模型的训练，得到目标训练模型。确定目标训练模型为驾驶员识别模型，这样，向驾驶员像识别模型中输入目标车辆所对应的驾驶员身体特征参数后，就可以通过提取该目标车辆所对应的驾驶员第一身体特征参数信息(x1，x2，
…
，xn)，输出对应的输出参数y，以获得第一身体特征参数对应的第一心理数据。上面从车辆控制方法的角度对本发明进行说明，下面从车辆控制装置的角度进行说明。
134.请参阅图5，为本发明实施例提供的车辆控制装置的虚拟结构示意图，所述车辆控制装置500包括：
135.确定单元501，用于确定目标车辆所对应驾驶员的第一心理数据，所述第一心理数据包括情绪数据和/或注意力数据；
136.计算单元502，用于将所述第一心理数据输入控制参数调整模型，以得到第一计算控制参数，所述控制参数调整模型为对训练样本进行训练得到的，所述训练样本包括至少
一个驾驶员所对应的训练心理数据以及与所述训练心理数据所对应的控制参数；
137.调整单元503，用于基于所述第一计算控制参数对所述目标车辆进行调整。
138.可选的，所述确定单元501具体用于：
139.采集所述驾驶员的第一身体特征参数；
140.将所述第一身体特征参数输入驾驶员识别模型，以得到所述第一心理数据。
141.可选的，所述确定单元501通过以下步骤确定驾驶员识别模型：
142.获取至少一个驾驶员所对应的身体特征参数以及所述身体特征参数所对应的实际心理数据；
143.对所述至少一个驾驶员所对应的身体特征参数以及所述身体特征参数所对应的实际心理数据进行预处理；
144.根据预处理后的数据以及初始驾驶员识别模型进行迭代运行，直至达到预置的迭代终止条件；
145.将达到所述预置的迭代终止条件时的所述初始驾驶员识别模型确定为所述驾驶员识别模型。
146.可选的，所述确定单元501通过以下步骤确定迭代终止条件：
147.判断迭代次数是否达到预置数值，若是，则确定满足所述预置的迭代终止条件；
148.或，
149.判断所述初始驾驶员识别模型所对应的模型参数是否收敛，若是，则确定满足所述预置的迭代终止条件。
150.可选的，所述确定单元501还用于：
151.确定基于所述第一计算控制参数对所述目标车辆进行调整后所述驾驶员的第二心理数据；
152.若所述第二心理数据未达到预设调整阈值，则基于所述第二心理数据以及所述控制参数调整模型确定第二计算控制参数；
153.基于所述第二计算控制参数对所述目标车辆进行调整。
154.可选的，所述车辆控制装置500还包括：
155.更新单元504，用于：
156.确定所述控制参数调整模型所对应的预期回报函数；
157.通过所述预期回报函数对所述控制参数调整模型输出的控制参数进行评价；
158.根据评价结果对所述控制参数调整模型进行更新。
159.可选的，所述调整单元503还用于：
160.判断所述第二计算控制参数是否达到预设参数阈值；
161.若所述第二计算控制参数达到预设参数阈值，则发出提示信息；
162.根据所述驾驶员针对所述提示信息所发出的对应反馈信息调整控制参数；
163.根据调整后的控制参数对所述目标车辆进行调整。
164.请参阅图6，为本发明服务器的结构示意图。本实施例的服务器600包括至少一个处理器601，至少一个网络接口604或者其他用户接口603，存储器605，和至少一通信总线602。该服务器600可选的包含用户接口603，包括显示器，键盘或者点击设备。存储器605可能包含高速ram存储器，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少
一个磁盘存储器。存储器605存储执行指令，当服务器600运行时，处理器601与存储器605之间通信，处理器601调用存储器605中存储的指令，以执行上述车辆的控制方法。操作系统606，包含各种程序，用于实现各种基础业务以及处理根据硬件的任务。
165.本发明实施例提供的服务器，可以执行上述的车辆的控制方法的实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
166.本发明实施例还提供一种计算机可读介质，包含计算机执行指令，计算机执行指令能够使服务器执行上述实施例描述的车辆的控制方法，其实现原理和技术效果类似，此处不再赘述。
167.本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
168.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。