车载控制系统控制方法、装置、电子设备和介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及车载控制系统控制方法、装置、电子设备和介质。


背景技术：

2.车载控制系统控制方法可以是车载控制系统控制车辆进行一系列操作的技术。在驾驶员踩油门踏板时，针对当前车辆的控制，通常采用的方式为：首先，获取当前车辆的车外环境信息。然后，基于车外环境信息包括的距离当前车辆最近的障碍物的信息，生成危险值。最后，确定危险值大于预设阈值，对当前车辆进行刹车处理。
3.然而，发明人发现，当采用上述方式对当前车辆进行控制处理时，经常会存在如下技术问题：
4.第一，通过单一的车外环境信息生成的危险值不够精准，以致于基于危险值来对当前车辆进行车辆控制操作，不能有效保障车辆的安全行驶。
5.第二，通过单一的距离当前车辆最近的车辆的信息，生成的危险值的准确率低。
6.第三，在驾驶员踩油门踏板时，不能有效地识别驾驶员误踩油门踏板的相关信息，以及不能做出相应的车辆安全控制，不能保障车辆的行驶安全。
7.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。


技术实现要素：

8.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
9.本公开的一些实施例提出了车载控制系统控制方法、装置、电子设备和介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
10.第一方面，本公开的一些实施例提供了一种车载控制系统控制方法，该方法包括：响应于确定针对当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取上述当前车辆的车辆状态信息和车外环境信息；基于上述车辆状态信息和上述车外环境信息，生成安全系数值；确定驾驶等级操作信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息；将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供上述车载控制系统控制上述当前车辆执行上述目标驾驶等级操作信息对应的驾驶等级操作。
11.第二方面，本公开的一些实施例提供了一种车载控制系统控制装置，装置包括：获取单元，被配置成响应于确定针对当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取上述当前车辆的车辆状态信息和车外环境信息；生成单元，被配置成基于上述车辆状态信息和上述车外环境信息，生成安全系数值；确定单元，被配置成确定驾驶等级操作
信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息；发送单元，被配置成将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供上述车载控制系统控制上述当前车辆执行上述目标驾驶等级操作信息对应的驾驶等级操作。
12.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
13.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
14.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车载控制系统控制方法，通过利用多方面车辆信息所生成的安全系数值来确定对应的目标驾驶等级操作信息，可以有效地避免误踩油门所带来的驾驶危险。具体来说，造成无法保障车辆的安全行驶的原因在于：在踩油门踏板的情况下，通过单一的车外环境信息生成的危险值不够精准，以致于基于危险值来对当前车辆进行车辆控制操作，不能有效保障车辆的安全行驶。基于此，本公开的一些实施例的车载控制系统控制方法，首先，响应于确定针对当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取上述当前车辆的车辆状态信息和车外环境信息。其次，基于上述车辆状态信息和上述车外环境信息，生成安全系数值。其中，基于上述车辆状态信息和上述车外环境信息，生成的安全系数值包含内容全面，可以表征上述当前车辆的安全指数。接着，确定驾驶等级操作信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息。其中，将与多方面生成的安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息。为后续多方面生成的、更为准确的目标驾驶等级操作信息对应的驾驶等级操作做铺垫，可以侧面提高车辆行驶的安全性。最后，将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供上述车载控制系统控制上述当前车辆执行上述目标驾驶等级操作信息对应的驾驶等级操作。从而，该实施方式通过利用多方面车辆信息所生成的安全系数值来确定对应的目标驾驶等级操作信息，可以有效地避免误踩油门所带来的驾驶危险，保障了车辆的安全行驶。
附图说明
15.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
16.图1是根据本公开的车载控制系统控制方法的一些实施例的流程图；
17.图2是根据本公开的车载控制系统控制方法的一些实施例的第一场景的示意图；
18.图3是根据本公开的车载控制系统控制方法的一些实施例的第二场景的示意图；
19.图4是根据本公开的车载控制系统控制方法的一些实施例的第三场景的示意图；
20.图5是根据本公开的车载控制系统控制装置的一些实施例的结构示意图；
21.图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
22.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
23.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
24.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
25.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
26.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
27.下面将参考附图并结合实施例来详细说明本公开。
28.图1示出了根据本公开的车载控制系统控制方法的一些实施例的流程100。该车载控制系统控制方法的流程100，包括以下步骤：
29.步骤101，响应于确定针对当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取当前车辆的车辆状态信息和车外环境信息。
30.在一些实施例中，车载控制系统控制方法的执行主体(例如，电子设备)可以响应于确定针对当前车辆驾驶员行为信息为表征驾驶员踩油门踏板的信息，通过有线连接的方式或者无线连接的方式获取上述当前车辆的车辆状态信息和车外环境信息。其中，上述当前车辆可以是驾驶员踩油门踏板的车辆。上述车辆状态信息可以是车辆行驶状态的信息。车辆行驶状态可以是上述当前车辆在当前行驶过程中的状态。例如，上述车辆状态信息可以是上述当前车辆的排量的信息，还可以是上述当前车辆的行驶档位信息。例如，上述当前车辆的行驶档位信息可以是r档，还可以是n档。上述车外环境信息可以是上述当前车辆周围环境的信息。例如，上述车外环境信息可以是当前车外天气的信息，还可以是上述当前车辆周围障碍物的信息。
31.步骤102，基于车辆状态信息和车外环境信息，生成安全系数值。
32.在一些实施例中，上述执行主体可以基于上述车辆状态信息和上述车外环境信息，生成安全系数值。其中，上述安全系数值可以表征上述当前车辆的行驶安全。
33.作为示例，上述执行主体可以将上述车辆状态信息和上述车外环境信息输入至深度学习模型以生成安全系数值。例如，上述深度学习模型可以是以下之一：fcn(fully convolutional networks，全卷积神经网络)模型，resnet(residual network，残差神经网络)模型，googlenet(深度神经网络)模型。
34.在一些实施例的一些可选的实现方式中，上述车辆状态信息可以包括：上述当前车辆速度信息和上述当前车辆最大减速度信息，上述车外环境信息可以包括：目标障碍物速度信息、车辆相对加速度信息和车辆距离信息。其中，上述目标障碍物包括：动态障碍物和静态障碍物。例如，上述动态障碍物可以是行驶的汽车，还可以是行走的人。例如，上述静态障碍物可以是大树，墙。上述当前车辆速度信息可以是上述当前车辆的车速的信息。上述
当前车辆最大减速度信息可以是上述当前车辆的紧急制动减速度的信息上述车辆相对加速度信息上述当前车辆与目标障碍物的相对加速度的信息。上述车辆距离信息可以是上述当前车辆与目标障碍物的距离的信息。上述紧急制动减速度可以是最大的制动减速度。例如，上述紧急制动减速度可以大于7.5m/s2且小于8m/s2。以及
35.上述基于上述车辆状态信息和上述车外环境信息，生成安全系数值，包括：
36.基于预设车辆安全距离信息、上述当前车辆速度信息、上述当前车辆最大减速度信息、上述目标障碍物速度信息、上述车辆相对加速度信息和上述车辆距离信息，生成安全系数值。其中，上述预设车辆安全距离信息可以是提前预设的上述当前车辆与上述目标障碍物的安全距离的信息。例如，上述预设车辆安全距离信息可以是5米。
37.作为示例，上述车辆相对加速度信息不为0时，可以通过以下安全系数公式生成安全系数值：
[0038][0039]
其中，k表示安全系数值。d表示上述当前车辆与目标障碍物的距离。d表示上述当前车辆与目标障碍物的安全距离。其中，上述当前车辆与目标障碍物的安全距离为大于0的数值。x表示上述当前车辆与目标障碍物的相对加速度。v表示上述当前车辆速度。u表示目标障碍物的速度。y表示上述当前车辆最大减速度，其中，上述当前车辆最大减速度为小于0的数值。
[0040]
实践中，上述车辆相对加速度信息为0时，将上述预设车辆安全距离信息、上述当前车辆速度信息、上述当前车辆最大减速度信息、上述目标障碍物速度信息、上述车辆相对加速度信息和上述车辆距离信息输入至机器学习模型以生成安全系数值。
[0041]
作为示例，上述机器学习模型可以是以下之一：支持向量机，随机森林，决策树算法，线性回归。
[0042]
可选的，上述预设车辆安全距离信息通过以下步骤生成：
[0043]
第一步，响应于确定上述当前车辆速度满足预设车辆速度条件，生成表征上述当前车辆行驶路面情况的信息对应的摩擦系数值。其中，预设车辆速度条件可以是上述当前车辆速度在(5，40)区间。例如，上述表征上述当前车辆行驶路面情况的信息为雨天路面情况时，对应的摩擦系数值可以是0.22。
[0044]
第二步，将上述当前车辆速度信息、表征上述当前车辆重量的信息和摩擦系数值输入至已训练的刹车距离生成模型，得到刹车距离。其中，上述刹车距离生成模型可以是基于上述当前车辆速度信息、表征上述当前车辆重量的信息和摩擦系数值来生成刹车距离的模型。
[0045]
第三步，将上述刹车距离对应的车辆安全距离确定为预设车辆安全距离。其中，上述车辆安全距离可以是预设倍数的上述刹车距离。例如，上述预设倍数可以是2.5倍。
[0046]
第四步，响应于确定上述当前车辆速度不满足预设车辆速度条件，将与上述当前车辆速度对应的车辆安全距离确定为预设车辆安全距离。例如，上述当前车辆速度为40km/h时，对应的车辆安全距离为40米。例如，上述当前车辆速度为50km/h时，对应的车辆安全距离为45米，依次类推。
[0047]
可选的，上述刹车距离生成模型可以是以下步骤训练的：
[0048]
第一步，获取训练样本。其中，上述训练样本包括：训练数据和训练标签。上述训练数据为上述当前车辆速度向量、上述当前车辆重量向量和摩擦系数向量组成的向量序列。例如，上述向量序列可以是[当前车辆速度向量，当前车辆重量向量，摩擦系数向量]。上述当前车辆速度向量可以表征上述当前车辆速度值的向量。上述当前车辆重量向量可以表征上述当前车辆重量值的向量。上述摩擦系数向量可以表征摩擦系数值的向量。
[0049]
第二步，基于所获得的训练样本，执行以下训练子步骤：
[0050]
第一训练步骤，将上述训练样本中的向量序列输入至初始模型中的特征提取层，得到样本向量。其中，上述初始模型可以是未训练的刹车距离生成模型。初始模型包括：特征提取层和全连接层。上述特征提取层可以是提取上述向量序列中向量的特征信息的网络层。上述特征提取层可以包括：第一特征提取层、第二特征提取层、第三特征提取层。例如，上述第一特征提取层可以是长短期记忆网络(lstm，long short-term memory)。例如，上述第二特征提取层可以是长短期记忆网络。例如，上述第三特征提取层可以是长短期记忆网络。
[0051]
实践中，上述样本向量可以是通过以下步骤得到的：
[0052]
第一步，将上述向量序列中的上述当前车辆速度向量输入至上述第一特征提取层，得到54维度的第一训练样本向量。
[0053]
第二步，将上述向量序列中的上述当前车辆重量向量和上述第一训练样本向量输入至上述第二特征提取层，得到54维度的第二训练样本向量。
[0054]
第三步，将上述向量序列中的摩擦系数向量和上述第二训练样本向量输入至上述第三特征提取层，得到54维度的第三训练样本向量。
[0055]
第四步，将上述向量序列中的上述当前车辆速度向量输入至上述第一特征提取层，得到54维度的第四训练样本向量。
[0056]
第五步，将上述向量序列中的摩擦系数向量和上述第四训练样本向量输入至上述第二特征提取层，得到54维度的第五训练样本向量。
[0057]
第六步，将上述向量序列中的上述当前车辆重量向量和上述第五训练样本向量输入至上述第三特征提取层，得到54维度的第六训练样本向量。
[0058]
第七步，将上述向量序列中的摩擦系数向量输入至上述第一特征提取层，得到54维度的第七训练样本向量。
[0059]
第八步，将上述向量序列中的上述当前车辆重量向量和上述第七训练样本向量输入至上述第二特征提取层，得到54维度的第八训练样本向量。
[0060]
第九步，将上述向量序列中的上述当前车辆速度向量和上述第八训练样本向量输入至上述第三特征提取层，得到54维度的第九训练样本向量。
[0061]
第十步，将上述向量序列中的摩擦系数向量输入至上述第一特征提取层，得到54维度的第十训练样本向量。
[0062]
第十一步，将上述向量序列中的上述当前车辆速度向量和上述第十训练样本向量输入至上述第二特征提取层，得到54维度的第十一训练样本向量。
[0063]
第十二步，将上述向量序列中的上述当前车辆重量向量和上述第十一训练样本向量输入至上述第三特征提取层，得到54维度的第十二训练样本向量。
[0064]
第十三步，将上述向量序列中的上述当前车辆重量向量输入至上述第一特征提取层，得到54维度的第十三训练样本向量。
[0065]
第十四步，将上述向量序列中的上述当前车辆速度向量和上述第十三训练样本向量输入至上述第二特征提取层，得到54维度的第十四训练样本向量。
[0066]
第十五步，将上述向量序列中的摩擦系数向量和上述第十四训练样本向量输入至上述第三特征提取层，得到54维度的第十五训练样本向量。
[0067]
第十六步，将上述向量序列中的上述当前车辆重量向量输入至上述第一特征提取层，得到54维度的第十六训练样本向量。
[0068]
第十七步，将上述向量序列中的摩擦系数向量和上述第十六训练样本向量输入至上述第二特征提取层，得到54维度的第十七训练样本向量。
[0069]
第十八步，将上述向量序列中的上述当前车辆速度向量和上述第十七训练样本向量输入至上述第三特征提取层，得到54维度的第十八训练样本向量。
[0070]
第十九步，将上述向量序列输入至特征提取层，得到54维度的第十九训练样本向量。
[0071]
第二十步，将上述第三训练样本向量、上述第六训练样本向量、上述第九训练样本向量、上述第十二训练样本向量、上述第十五训练样本向量、上述第十八训练样本向量和上述第十九训练样本向量进行拼接，得到拼接向量。
[0072]
第二训练步骤，将上述拼接向量输入至全连接层，得到样本结果。
[0073]
第三训练步骤，响应于确定上述样本结果和上述训练样本中的训练标签的误差小于等于0.5，初始模型训练完成，将初始模型确定为刹车距离生成模型。
[0074]
第三步，响应于确定上述样本结果和上述训练标签的误差大于0.5，初始模型训练未完成，调整初始模型中的参数，以及重新获取新的训练样本作为训练样本，再执行训练步骤。
[0075]
上述第一步-第三步中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“通过单一的距离上述当前车辆最近的车辆的信息，生成的危险值的准确率低”。导致危险值的准确率低因素如下：通过单一的车外环境信息，生成的危险值不够全面。以此，危险值的准确率低。如果解决了上述因素，就能达到危险值的准确率低的效果。为了达到这一效果，第一，获取训练样本。其中，上述训练样本包括：训练数据和训练标签。上述训练数据为上述当前车辆速度向量、上述当前车辆重量向量和摩擦系数向量组成的向量序列。例如，上述向量序列可以是[当前车辆速度向量，当前车辆重量向量，摩擦系数向量]。上述当前车辆速度向量可以表征上述当前车辆速度值的向量。上述当前车辆重量向量可以表征上述当前车辆重量值的向量。上述摩擦系数向量可以表征摩擦系数值的向量。第二，首先，将上述训练样本中的向量序列输入至初始模型中的特征提取层，得到样本向量。其中，上述初始模型可以是未训练的刹车距离生成模型。初始模型包括：特征提取层和全连接层。上述特征提取层可以是提取上述向量序列中向量的特征信息的网络层。上述特征提取层可以包括：第一特征提取层、第二特征提取层、第三特征提取层。例如，上述第一特征提取层可以是长短期记忆网络(lstm，long short-term memory)。例如，上述第二特征提取层可以是长短期记忆网络(lstm，long short-term memory)。例如，上述第三特征提取层可以是长短期记忆网络(lstm，long short-term memory)。其次，将上述拼接向量输入至全连接层，得
到样本结果。其中，以当前车辆速度向量为向量序列中最重要的向量，将当前车辆速度向量进行三次特征提取，得到第三训练样本向量和第六训练样本向量。其中，上述第三训练样本向量的特征信息和上述第六训练样本向量的特征信息均包括：上述当前车辆速度向量的特征信息、上述当前车辆重量向量的特征信息和摩擦系数向量的特征信息，其中，上述当前车辆速度向量的提取次数大于上述当前车辆重量向量的提取次数和上述摩擦系数向量的提取次数。以当前车辆速度向量为向量序列中最重要的向量，将当前车辆速度向量进行三次特征提取，得到第九训练样本向量和第十二训练样本向量。其中，上述第九训练样本向量的特征信息和上述第十二训练样本向量的特征信息均包括：上述当前车辆速度向量的特征信息、上述当前车辆重量向量的特征信息和上述摩擦系数向量的特征信息，其中，上述摩擦系数向量的提取次数大于上述当前车辆重量向量的提取次数和上述当前车辆速度向量的提取次数。以当前车辆速度向量为向量序列中最重要的向量，将当前车辆速度向量进行三次特征提取，得到第十五训练样本向量和第十八训练样本向量。其中，上述第十五训练样本向量的特征信息和上述第十八训练样本向量的特征信息均包括：上述当前车辆速度向量的特征信息、上述当前车辆重量向量的特征信息和上述摩擦系数向量的特征信息，其中，上述当前车辆重量向量的提取次数大于上述当前车辆速度向量的提取次数和上述摩擦系数向量的提取次数。以向量序列中的每个向量为向量序列中最重要的向量，将当前车辆速度向量进行三次特征提取，得到第十九训练样本向量。其中，上述第十九训练样本向量的特征信息均包括：上述当前车辆速度向量的特征信息、上述当前车辆重量向量的特征信息和上述摩擦系数向量的特征信息，其中，上述当前车辆重量向量的提取次数等于上述当前车辆速度向量的提取次数且等于上述摩擦系数向量的提取次数。将上述第三训练样本向量、上述第六训练样本向量、上述第九训练样本向量、上述第十二训练样本向量、上述第十五训练样本向量、上述第十八训练样本向量和上述第十九训练样本向量进行拼接，得到拼接向量。其中，上述拼接向量可以输入至上述全连接层，可以生成多样化的特征信息，相当于丰富了得到的样本结果。从而，可以让上述样本结果更加准确。后续可以为上述样本结果和上述训练样本中的训练标签的误差做铺垫。最后，响应于确定上述样本结果和上述训练样本中的训练标签的误差小于等于0.5，初始模型训练完成，将初始模型确定为刹车距离生成模型。其中，误差越小准确率越高。第三，响应于确定上述样本结果和上述训练标签的误差大于0.5，初始模型训练未完成，调整初始模型中的参数，以及重新选取新的训练样本作为训练样本，再执行训练步骤。从而，上述当前车辆的多方面车外环境信息输入至该模型，可以提高刹车距离的准确率。进而，通过多方面车外环境信息输入至该模型可以提高了预设安全距离的准确率。由此，可以提高生成的安全系数值的准确率。
[0076]
步骤103，确定驾驶等级操作信息集中的、与安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息。
[0077]
在一些实施例中，上述执行主体可以确定驾驶等级操作信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息。其中，驾驶等级操作信息集中的驾驶等级操作信息可以表征控制上述当前车辆进行操作处理的信息。例如，上述操作处理可以是上述当前车辆的360
°
全景影像显示在中控屏上。上述驾驶等级操作信息集中的各个驾驶等级操作信息与不同区间的安全系数值存在一一对应关系。
[0078]
在一些实施例的一些可选的实现方式中，上述驾驶等级操作信息集可以包括：一
级驾驶等级操作信息、二级驾驶等级操作信息、三级驾驶等级操作信息和四级驾驶等级操作信息。其中，上述一级驾驶等级操作信息可以表征不控制上述当前车辆进行任何处理的信息。上述二级驾驶等级操作信息可以表征控制上述当前车辆发出语音提示的信息。上述三级驾驶等级操作信息可以表征控制上述当前车辆发出语音提示和刹车处理的信息。上述四级驾驶等级操作信息可以表征上述当前车辆发出语音提示和刹车处理的信息。以及
[0079]
上述确定驾驶等级操作信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息，可以包括以下步骤：
[0080]
第一步，响应于确定上述安全系数值满足一级驾驶等级操作条件，将上述一级驾驶等级操作信息确定为目标驾驶等级操作信息。其中，上述一级驾驶等级操作条件可以是安全系数值大于2。
[0081]
第二步，响应于确定上述安全系数值满足二级驾驶等级操作条件，将上述二级驾驶等级操作信息确定为目标驾驶等级操作信息。其中，上述二级驾驶等级操作条件可以是安全系数值大于1且安全系数值小于等于2。
[0082]
第三步，响应于确定上述安全系数值满足三级驾驶等级操作条件，将上述三级驾驶等级操作信息确定为目标驾驶等级操作信息。其中，上述三级驾驶等级操作条件可以是安全系数值大于0.5且安全系数值小于等于1。
[0083]
第四步，响应于确定上述安全系数值满足四级驾驶等级操作条件，将上述四级驾驶等级操作信息确定为目标驾驶等级操作信息。其中，上述四级驾驶等级操作条件可以是安全系数值小于等于0.5。
[0084]
步骤104，将目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供车载控制系统控制上述当前车辆执行目标驾驶等级操作信息对应的驾驶等级操作。
[0085]
在一些实施例中，上述执行主体可以将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供上述车载控制系统控制上述当前车辆执行上述目标驾驶等级操作信息对应的驾驶等级操作。
[0086]
在一些实施例的一些可选的实现方式中，上述目标驾驶等级操作信息包括：表征上述当前车辆正常驾驶的信息。以及
[0087]
上述将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，包括：
[0088]
响应于确定上述目标驾驶等级操作信息为上述一级驾驶等级操作信息，将上述表征上述当前车辆正常驾驶的信息发送至上述车载控制系统。
[0089]
在一些实施例的一些可选的实现方式中，上述目标驾驶等级操作信息包括：第二提示信息。其中，上述第二提示信息可以是上述车载控制系统发出提示音和在仪表显示“请您安全驾驶，注意周围环境”的信息。以及
[0090]
上述将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，包括：
[0091]
响应于确定上述目标驾驶等级操作信息为上述二级驾驶等级操作信息，将上述第二提示信息发送至上述车载控制系统。
[0092]
在一些实施例的一些可选的实现方式中，上述目标驾驶等级操作信息包括：第三提示信息和第一刹车处理信息。其中，上述第三提示信息可以是上述车载控制系统发出提示音和在仪表显示“有碰撞风险存在，辅助车辆制动”的信息。上述第一刹车处理信息为表征指示上述车载控制系统对上述当前车辆进行第一刹车处理的信息。上述第一刹车处理可
以是上述车载控制系统使用正常制动减速度进行减速处理。上述正常制动减速度可以是最小的制动减速度。上述正常制动减速度小于上述紧急制动减速度。例如，上述正常制动减速度可以大于1.5m/s2且小于2.5m/s2。以及
[0093]
上述将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，包括：
[0094]
响应于确定上述目标驾驶等级操作信息为上述三级驾驶等级操作信息，将第三提示信息和上述处理信息发送至上述车载控制系统。
[0095]
在一些实施例的一些可选的实现方式中，上述目标驾驶等级操作信息包括：第四提示信息和第二刹车处理信息。其中，上述第四提示信息可以是上述车载控制系统发出提示音和在仪表显示“避免发生碰撞，执行紧急制动”的信息。上述第二刹车处理信息为表征指示上述车载控制系统对上述当前车辆进行第二刹车处理的信息。上述第二刹车处理可以是上述车载控制系统使用紧急制动减速度进行减速处理。
[0096]
以及
[0097]
上述将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，包括：
[0098]
响应于确定上述目标驾驶等级操作信息为上述四级驾驶等级操作信息，将上述第四提示信息和上述第二刹车处理信息发送至上述车载控制系统。
[0099]
可选的，上述执行主体可以在步骤104之后执行以下步骤：
[0100]
第一步，响应于驾驶员行为信息为表征驾驶员未踩油门踏板的信息，上述当前车辆速度信息、上述目标障碍物速度信息、上述当前车辆与上述目标障碍物相撞的时间和车辆距离信息输入至安全控制模型，得到车辆安全值。其中，上述车辆安全值可以表征上述当前车辆的行驶安全。例如，上述安全控制模型可以包括以下之一：fcn(fully convolutional networks，全卷积神经网络)模型，resnet(residual network，残差神经网络)模型，googlenet(深度神经网络)模型。
[0101]
第二步，确定行驶等级操作信息集中的、与上述安全系数值对应的行驶等级操作信息，作为目标行驶等级操作信息。其中，行驶等级操作信息集中的行驶等级操作信息可以表征控制上述当前车辆进行操作处理的信息。上述行驶等级操作信息集可以包括：低级行驶等级操作信息、中级行驶等级操作信息和高级行驶等级操作信息。低级行驶等级操作信息可以是不控制上述当前车辆进行任何处理的信息。中级行驶等级操作信息可以是发出提示音。高级行驶等级操作信息可以是发出提示音和对上述当前车辆进行平均制动减速度减速处理。上述平均制动减速度可以是平均的制动减速度。上述平均制动减速度小于上述紧急减速度。上述平均制动减速度大于上述正常制动减速度。例如，上述平均制动减速度可以大于3m/s2且小于4m/s2。
[0102]
第三步，将目标行驶等级操作信息发送至车载控制平台，以供车载控制平台对上述当前车辆进行目标行驶等级操作信息对应的等级操作处理。
[0103]
可选的，上述执行主体可以在步骤104之后执行以下步骤：
[0104]
第一步，基于上述当前车辆信息、目标障碍物信息和驾驶员行为信息为表征驾驶员踩油门踏板的信息，确定上述表征驾驶员踩油门踏板的信息是否为驾驶员误踩油门信息。
[0105]
作为示例，上述执行主体可以确定上述表征驾驶员踩油门踏板的信息是否为驾驶员误踩油门信息，可以包括以下子步骤：
[0106]
第一子步骤，获取上述当前车辆的速度和目标障碍物的速度。
[0107]
第二子步骤，响应于确定上述目标障碍物为动态障碍物且场景为第一场景或第二场景，将上述当前车辆以上述当前车辆的速度行驶到理论碰撞点的时长确定为第一时长，以及将上述目标障碍物以上述目标障碍物的速度行驶到上述理论碰撞点的时长确定为第二时长。
[0108]
作为示例，上述第一场景可以参见图2。图2示出了当前车辆和目标障碍物不在同一条道路上且在同一时间行驶，上述当前车辆向a方向行驶，上述目标障碍物向b方向行驶，上述当前车辆和上述目标障碍物有理论碰撞点，其中，上述a方向可以是上述当前车辆的行驶方向。上述b方向可以是上述目标障碍物的行驶方向。上述理论碰撞点可以是上述当前车辆和上述目标障碍物发生理论碰撞的位置坐标。
[0109]
作为示例，上述第一场景可以参见图3。图3示出了当前车辆和目标障碍物在同一条道路上且在同一时间行驶，上述当前车辆向a方向行驶，上述目标障碍物向b方向行驶，上述当前车辆和上述目标障碍物有理论碰撞点，其中，上述a方向可以是上述当前车辆的行驶方向。上述b方向可以是上述目标障碍物的行驶方向。上述理论碰撞点可以是上述当前车辆和上述目标障碍物发生理论碰撞的位置坐标。
[0110]
第三子步骤，响应于确定第一时长等于第二时长，将第一时长和第二时长的平均值确定为上述当前车辆和上述目标障碍物的碰撞时间。
[0111]
第四子步骤，响应于确定上述目标障碍物为静态障碍物且场景为第三场景，将上述当前车辆以上述当前车辆的速度行驶到理论碰撞点的时长确定为上述当前车辆和上述目标障碍物的碰撞时间。
[0112]
作为示例，上述第一场景可以参见图4。图4示出了当前车辆向a方向行驶，上述当前车辆和上述目标障碍物有理论碰撞点，其中，上述a方向可以是上述目标障碍物的方向。上述理论碰撞点可以是上述目标障碍物位置坐标。
[0113]
第五子步骤，响应于确定上述碰撞时间小于预设时长，将上述表征驾驶员踩油门踏板的信息确定为驾驶员误踩油门信息。其中，上述预设时长可以表征针对上述当前车辆和目标障碍物对应的安全碰撞。例如，上述当前车辆为轿车和目标障碍物为货车时，上述预设时长可以是6秒。上述驾驶员误踩油门信息可以为以下之一：表征不踩刹车误踩油门的信息和表征踩刹车误踩油门的信息。
[0114]
第二步，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，确定驾驶员误踩油门信息为表征不踩刹车误踩油门的信息。
[0115]
作为示例，上述表征不踩刹车误踩油门的信息可以通过以下步骤确定：
[0116]
第一子步骤，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，上述当前车辆和在上述当前车辆前方的目标障碍物的碰撞时间确定为第一碰撞时间。
[0117]
第二子步骤，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，上述当前车辆和在上述当前车辆后方的目标障碍物的碰撞时间确定为第二碰撞时间。
[0118]
第三子步骤，响应于确定上述第一碰撞时间小于第一预设安全时长和上述第二碰撞时间小于第一上述预设安全时长，将驾驶员误踩油门信息确定为表征不踩刹车误踩油门的信息。其中，第一预设时长可以是6秒。第三步，响应于确定驾驶员误踩油门信息为表征不踩刹车误踩油门的信息，车载控制平台对上述当前车辆发出提示音和对上述当前车辆进行
上述正常制动减速度减速处理。
[0119]
第四步，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，确定驾驶员误踩油门信息为表征踩刹车误踩油门的信息。
[0120]
作为示例，上述表征踩刹车误踩油门的信息可以通过以下步骤确定：
[0121]
第一子步骤，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，上述当前车辆和在上述当前车辆前方的目标障碍物的碰撞时间确定为第三碰撞时间。
[0122]
第二子步骤，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，上述当前车辆和在上述当前车辆后方的目标障碍物的碰撞时间确定为第四碰撞时间。
[0123]
第三子步骤，响应于确定上述第三碰撞时间小于第二预设安全时长和上述第四碰撞时间不小于上述第二预设安全时长，将驾驶员误踩油门信息确定为表征踩刹车误踩油门的信息。其中，第二预设时长可以是6秒。
[0124]
第五步，响应于确定驾驶员误踩油门信息为表征踩刹车误踩油门的信息，车载控制平台对上述当前车辆发出提示音和对上述当前车辆进行上述紧急制动减速度减速处理。
[0125]
上述相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题三“在驾驶员踩油门踏板时，无法识别驾驶员误踩油门踏板并做出相应的车辆安全控制，不能保障车辆的行驶安全”。导致车辆行驶的安全性低因素如下：通过判断驾驶员在踩油门踏板时，车辆行驶发生危险，对上述当前车辆进行减速处理，并不能解决驾驶员是否为误踩油门踏板。以此，不能保障车辆的行驶安全。如果解决了上述因素，就能保障车辆的行驶安全的效果。为了达到这一效果，第一，基于上述当前车辆信息、目标障碍物信息和驾驶员行为信息为表征驾驶员踩油门踏板的信息，确定上述表征驾驶员踩油门踏板的信息是否为驾驶员误踩油门信息。上述目标障碍物包括：动态障碍物和静态障碍物。例如，上述动态障碍物可以是汽车，还可以是人。例如，上述静态障碍物可以是大树，墙。通过上述当前车辆的车辆状态信息和车外环境信息来确定是否驾驶员误踩油门信息，多方面确认是否驾驶员是否误踩油门信息更加精准，车辆的行驶安全也会提高。第二，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，确定驾驶员误踩油门信息为表征不踩刹车误踩油门的信息。第三，响应于确定驾驶员误踩油门信息为表征不踩刹车误踩油门的信息，车载控制平台对上述当前车辆发出提示音和对上述当前车辆进行上述正常制动减速度减速处理。第四，响应于确定上述表征驾驶员踩油门踏板的信息为驾驶员误踩油门信息，确定驾驶员误踩油门信息为表征踩刹车误踩油门的信息。第五，响应于确定驾驶员误踩油门信息为表征踩刹车误踩油门的信息，车载控制平台对上述当前车辆发出提示音和对上述当前车辆进行上述紧急制动减速度减速处理。针对驾驶员误踩油门信息进行对应的操作处理，可以提高车辆的行驶安全。由此，通过车外环境信息来确定上述表征驾驶员踩油门踏板的信息是否为驾驶员误踩油门信息。针对驾驶员误踩油门信息进行对应的操作处理，从而，保障了车辆的行驶安全。
[0126]
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车载控制系统控制方法，通过利用多方面车辆信息所生成的安全系数值来确定对应的目标驾驶等级操作信息，可以有效地避免误踩油门所带来的驾驶危险。具体来说，造成无法保障车辆的安全行驶的原因在于：在踩油门踏板的情况下，通过单一的车外环境信息生成的危险值不够精准，以致于基于危险值来对上述当前车辆进行车辆控制操作，不能有效保障车辆的安
全行驶。基于此，本公开的一些实施例的车载控制系统控制方法，首先，响应于确定针对上述当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取上述当前车辆的车辆状态信息和车外环境信息。其次，基于上述车辆状态信息和上述车外环境信息，生成安全系数值。其中，基于上述车辆状态信息和上述车外环境信息，生成的安全系数值包含内容全面，可以表征上述当前车辆的安全指数。接着，确定驾驶等级操作信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息。其中，将与多方面生成的安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息。为后续多方面生成的、更为准确的目标驾驶等级操作信息对应的驾驶等级操作做铺垫，可以侧面提高车辆行驶的安全性。最后，将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供上述车载控制系统控制上述当前车辆执行上述目标驾驶等级操作信息对应的驾驶等级操作。从而，该实施方式通过利用多方面车辆信息所生成的安全系数值来确定对应的目标驾驶等级操作信息，可以有效地避免误踩油门所带来的驾驶危险，保障了车辆的安全行驶。
[0127]
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种车载控制系统控制装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0128]
如图5所示，一些实施例的车载控制系统控制装置500包括：获取单元501、生成单元502、确定单元503和发送单元504。其中，获取单元501，被配置成响应于确定针对上述当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取上述当前车辆的车辆状态信息和车外环境信息；生成单元502，被配置成基于上述车辆状态信息和上述车外环境信息，生成安全系数值；确定单元503，被配置成确定驾驶等级操作信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息；发送单元504，被配置成将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供上述车载控制系统控制上述当前车辆执行上述目标驾驶等级操作信息对应的驾驶等级操作。
[0129]
可以理解的是，该装置500中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
[0130]
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0131]
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0132]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以
替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0133]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0134]
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0135]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0136]
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于确定针对上述当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取上述当前车辆的车辆状态信息和车外环境信息；基于上述车辆状态信息和上述车外环境信息，生成安全系数值；确定驾驶等级操作信息集中的、与上述安全系数值对应的驾驶等级操作信息，作为目标驾驶等级操作信息；将上述目标驾驶等级操作信息发送至上述当前车辆的车载控制系统，以供上述车载控制系统控制上述当前车辆执行上述目标驾驶等级操作信息对应的驾驶等级操作。
[0137]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语
言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0138]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0139]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、生成单元、确定单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“响应于确定针对上述当前车辆的驾驶员行为信息为表征驾驶员踩油门踏板的信息，获取上述当前车辆的车辆状态信息和车外环境信息的单元”。
[0140]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0141]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。