車輛智能駕駛策略的生成方法、裝置、車輛及存儲介質與流程
1.本技術涉及智能駕駛技術領域，特別涉及一種車輛智能駕駛策略的生成方法、裝置、車輛及存儲介質。
背景技術：
2.目前，汽車駕駛的智能化與個性化已然成為一種發展趨勢，一般而言，駕駛性能的開發是為了滿足客戶的偏好需求，但沒有單一標準化的參數可以滿足所有性別、文化背景和不同年齡的用戶的各種駕駛需求。近年來，汽車已經從不變特性的車輛發展成為可以利用發動機、主動彈簧、減震器、動力傳動系統和轉向系統改變其動態特性的車輛，駕駛模式的概念由此應運而生。
3.相關技術中，車輛所配備的多駕駛模式控制系統大都需要用戶針對不同的駕駛工況手動選擇駕駛模式，這就要求用戶必需提前了解相應駕駛模式的功能及應用效果，對于經驗不足的用戶并不友好，且對于駕駛工況變化較為頻繁的狀態，則需要用戶進行頻繁調整，不僅會影響用戶的駕駛體驗還會降低燃油經濟性，有待改進。
技術實現要素：
4.本技術提供一種車輛智能駕駛策略的生成方法、裝置、車輛及存儲介質，以解決相關技術中，需要用戶針對不同的駕駛工況手動選擇駕駛模式，不利于新手用戶使用，且當駕駛工況變化較為頻繁時，需要用戶進行頻繁調整，從而影響用戶的駕駛體驗的技術問題。
5.本技術第一方面實施例提供一種車輛智能駕駛策略的生成方法，包括以下步驟：獲取用戶的偏好指令；根據所述偏好指令匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數；以及采集行駛過程中所述用戶的至少一個體態特征，并根據所述至少一個體態特征匹配當前智能駕駛工況下的多個最佳駕駛參數，且在最佳駕駛參數和對應初始駕駛參數不一致時，根據所述用戶的調整指令將所述初始駕駛參數調整為所述最佳駕駛參數，生成所述當前智能駕駛工況的最終智能駕駛策略。
6.根據上述技術手段，本技術實施例可以基于用戶的偏好指令匹配智能駕駛工況的初始駕駛參數，并基于車輛行駛過程中采集的用戶體態特征匹配當前智能駕駛工況下的多個最佳駕駛參數，實現對初始駕駛參數的自適應調整，可以基于偏好設置智能駕駛策略的參數的同時，基于行駛過程中的用戶體態特征進一步修正，得到最優的智能駕駛策略，提高策略的實用性和實用性，提升用戶的駕乘體驗。
7.可選地，在本技術的一個實施例中，所述偏好指令包括激進型偏好指令、常規型偏好指令和保守型偏好指令。
8.根據上述技術手段，本技術實施例可以將偏好指令分為激進型、常規型和保守型，便于用戶理解指令含義。
9.可選地，在本技術的一個實施例中，所述根據所述偏好指令匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，包括：在智能駕駛工況為換道工況時，所述多個初始駕
駛參數包括換道角度、換道速度、換道軌跡和換道時間中的多項；在所述智能駕駛工況為泊車工況時，所述多個初始駕駛參數包括泊車時間、泊車調整次數、泊車調整角度和泊車軌跡中的多項。
10.根據上述技術手段，本技術實施例可以在偏好指令的基礎上，根據不同的工況，調整該工況下涉及的參數。
11.可選地，在本技術的一個實施例中，所述根據所述至少一個體態特征匹配當前智能駕駛工況下的多個最佳駕駛參數，包括：根據所述至少一個體態特征識別所述用戶的實際情緒或者實際表情；將所述實際情緒或者所述實際表情輸入預先訓練的參數匹配模型，輸出所述多個最佳駕駛參數，或者查詢預設數據庫，得到所述多個最佳駕駛參數。
12.根據上述技術手段，本技術實施例可以基于用戶的體態特征識別用戶的實際情緒或者實際表情，進而推斷用戶在當前駕駛狀態下對該模式的反應，并進行駕駛參數的自適應調整，無需用戶手動操作，從而增加用戶的駕駛體驗。
13.可選地，在本技術的一個實施例中，還包括：在所述行駛過程中，檢測所述車輛的當前行駛環境；判斷所述當前行駛環境是否滿足預設特定工況條件；在滿足所述預設特定工況條件時，根據預設決策趨勢修改所述初始駕駛參數，直至退出所述當前行駛環境時，修改回所述初始駕駛參數。
14.根據上述技術手段，本技術實施例可以在預設特定工況條件時，修改初始駕駛參數，并在脫離該特殊工況時，恢復初始駕駛參數，實現在特殊工況下的特殊應對，避免用戶忘記修改駕駛參數導致的工況與駕駛參數不匹配的問題，提高智能化水平。
15.本技術第二方面實施例提供一種車輛智能駕駛策略的生成裝置，包括：獲取模塊，用于獲取用戶的偏好指令；匹配模塊，用于根據所述偏好指令匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數；以及生成模塊，用于采集行駛過程中所述用戶的至少一個體態特征，并根據所述至少一個體態特征匹配當前智能駕駛工況下的多個最佳駕駛參數，且在最佳駕駛參數和對應初始駕駛參數不一致時，根據所述用戶的調整指令將所述初始駕駛參數調整為所述最佳駕駛參數，生成所述當前智能駕駛工況的最終智能駕駛策略。
16.可選地，在本技術的一個實施例中，所述偏好指令包括激進型偏好指令、常規型偏好指令和保守型偏好指令。
17.可選地，在本技術的一個實施例中，所述匹配模塊進一步用于在智能駕駛工況為換道工況時，所述多個初始駕駛參數包括換道角度、換道速度、換道軌跡和換道時間中的多項；在所述智能駕駛工況為泊車工況時，所述多個初始駕駛參數包括泊車時間、泊車調整次數、泊車調整角度和泊車軌跡中的多項。
18.可選地，在本技術的一個實施例中，所述生成模塊包括：識別單元，用于根據所述至少一個體態特征識別所述用戶的實際情緒或者實際表情；匹配單元，用于將所述實際情緒或者所述實際表情輸入預先訓練的參數匹配模型，輸出所述多個最佳駕駛參數，或者查詢預設數據庫，得到所述多個最佳駕駛參數。
19.可選地，在本技術的一個實施例中，還包括：檢測模塊，用于在所述行駛過程中，檢測所述車輛的當前行駛環境；判斷模塊，用于判斷所述當前行駛環境是否滿足預設特定工況條件；修改模塊，用于在滿足所述預設特定工況條件時，根據預設決策趨勢修改所述初始駕駛參數，直至退出所述當前行駛環境時，修改回所述初始駕駛參數。
20.本技術第三方面實施例提供一種車輛，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序，以實現如上述實施例所述的車輛智能駕駛策略的生成方法。
21.本技術第四方面實施例提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲計算機程序，該程序被處理器執行時實現如上的車輛智能駕駛策略的生成方法。
22.本技術實施例的有益效果：
23.(1)本技術實施例可以基于用戶的偏好指令，匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，并基于用戶的體態特征對初始駕駛參數進行自適應調整，可以基于偏好設置智能駕駛策略的參數的同時，基于行駛過程中的用戶體態特征進一步修正，得到最優的智能駕駛策略，提高策略的實用性和實用性，提升用戶的駕乘體驗；
24.(2)本技術實施例可以基于用戶的體態特征識別用戶的實際情緒或者實際表情，進而推斷用戶在當前駕駛狀態下對該模式的反應，并進行駕駛參數的調整，無需用戶手動操作，從而增加用戶的駕駛體驗，提高車輛的智能化水平；
25.(3)本技術實施例可以在預設特定工況條件時，修改初始駕駛參數，并在脫離該特殊工況時，恢復初始駕駛參數，實現在特殊工況下的特殊應對的同時，避免用戶忘記修改駕駛參數導致的工況與駕駛參數不匹配的問題。
26.本技術附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術的實踐了解到。
附圖說明
27.本技術上述的和/或附加的方面和優點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：
28.圖1為根據本技術實施例提供的一種車輛智能駕駛策略的生成方法的流程圖；
29.圖2為根據本技術一個實施例的車輛智能駕駛策略的生成方法的用戶偏好指令的原理示意圖；
30.圖3為根據本技術一個實施例的車輛智能駕駛策略的生成方法的換道工況的自定義構成示意圖；
31.圖4為根據本技術一個實施例的車輛智能駕駛策略的生成方法的特定工況的自定義構成示意圖；
32.圖5為根據本技術一個實施例的車輛智能駕駛策略的生成方法的原理示意圖；
33.圖6為根據本技術一個實施例的車輛智能駕駛策略的生成方法的流程圖；
34.圖7為根據本技術一個實施例的車輛智能駕駛策略的生成方法的高速公路工況自定義構成示意圖；
35.圖8為根據本技術實施例提供的一種車輛智能駕駛策略的生成裝置的結構示意圖；
36.圖9為根據本技術實施例提供的車輛的結構示意圖。
37.其中，10-車輛智能駕駛策略的生成；100-獲取模塊、200-匹配模塊、300-生成模塊。
具體實施方式
38.下面詳細描述本技術的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本技術，而不能理解為對本技術的限制。
39.下面參考附圖描述本技術實施例的車輛智能駕駛策略的生成方法、裝置、車輛及存儲介質。針對上述背景技術中心提到的相關技術中，需要用戶針對不同的駕駛工況手動選擇駕駛模式，不利于新手用戶使用，且當駕駛工況變化較為頻繁時，需要用戶進行頻繁調整，不僅會影響用戶的駕駛體驗還會降低燃油經濟性的技術問題，本技術提供了一種車輛智能駕駛策略的生成方法，在該方法中，可以基于用戶的偏好指令，匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，并基于用戶的體態特征對初始駕駛參數進行自適應調整，可以基于偏好設置智能駕駛策略的參數的同時，基于行駛過程中的用戶體態特征進一步修正，得到最優的智能駕駛策略，提高策略的實用性和實用性，提升用戶的駕乘體驗。由此，解決了相關技術中，需要用戶針對不同的駕駛工況手動選擇駕駛模式，不利于新手用戶使用，且當駕駛工況變化較為頻繁時，需要用戶進行頻繁調整，從而影響用戶的駕駛體驗的技術問題。
40.具體而言，圖1為本技術實施例所提供的一種車輛智能駕駛策略的生成方法的流程示意圖。
41.如圖1所示，該車輛智能駕駛策略的生成方法包括以下步驟：
42.在步驟s101中，獲取用戶的偏好指令。
43.在實際執行過程中，本技術實施例可以將智能駕駛策略細化，將每個功能修改為可以由用戶選擇的幾個選項，用戶基于選項確定自己的駕駛風格，本技術實施例可以基于用戶的選項，進而獲取用戶的偏好指令。
44.可選地，在本技術的一個實施例中，偏好指令包括激進型偏好指令、常規型偏好指令和保守型偏好指令。
45.作為一種可能實現的方式，偏好指令包括激進型偏好指令、常規型偏好指令和保守型偏好指令，舉例而言，當用戶駕駛風格為速度與動力時，其偏好指令可以為激進型偏好指令；當用戶駕駛風格為平穩與安全時，其偏好指令可以為保守型偏好指令；當用戶駕駛風格介于激進型偏好指令和保守型偏好指令之間時，其偏好指令可以為常規型偏好指令。
46.步驟s102中，根據偏好指令匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數。
47.在一些實施例中，可以根據用戶的偏好指令，匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，如用戶的偏好指令為激進型偏好指令時，本技術實施例可以對車輛的常規駕駛工況下所有的涉及參數進行速度動力方向的調整匹配。
48.此外，用戶可以在進行初始駕駛參數匹配后，針對部分參數進行自定義調整，如圖2所示，本技術實施例可以針對修改后的參數，重新判定用戶的偏好指令，并基于新的偏好指令，匹配新的至少一個智能駕駛工況的多個初始駕駛參數，從而增強偏好指令與用戶的適配度。
49.可選地，在本技術的一個實施例中，根據偏好指令匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，包括：在智能駕駛工況為換道工況時，多個初始駕駛參數包括換
道角度、換道速度、換道軌跡和換道時間中的多項；在智能駕駛工況為泊車工況時，多個初始駕駛參數包括泊車時間、泊車調整次數、泊車調整角度和泊車軌跡中的多項。
50.在實際執行過程中，在換道工況時，本技術實施例中的多個初始駕駛參數包括換道角度、換道速度、換道軌跡和換道時間中的多項，舉例而言，如圖3所示，可以基于偏好指令，將換道角度、換道速度分別設置為大角度、快速，小角度、快速和小角度、中速三種方案。其中，大角度快速就屬于激進型偏好指令的方案，該方案中換道軌跡預測較短，目的是為了更加快速、有效的完成換道，同時傳感器對于目標檢測要求也會更高，以確保能夠完成整個換道動作，實現激進換道；小角度快速換道屬于常規偏好指令的方案，在智能駕駛中的常規型偏好指令接近大眾風格，變道軌跡較激進型偏好指令方案較長，變道速度相對保守型還是較快；而保守型偏好指令方案，相對前面兩項來說，變道時間更長，變道距離也更長，同時用戶的接管報警的可能性也最小。
51.在泊車工況時，同理，本技術實施例可以基于不同偏好指令，對泊車時間、泊車調整次數、泊車調整角度和泊車軌跡中的多項參數進行相應調整，以在保證安全的前提下，使得車輛的行駛狀態滿足用戶的個性化需求，從而增加本技術實施例的智能化水平。
52.步驟s103中，采集行駛過程中用戶的至少一個體態特征，并根據至少一個體態特征匹配當前智能駕駛工況下的多個最佳駕駛參數，且在最佳駕駛參數和對應初始駕駛參數不一致時，根據用戶的調整指令將初始駕駛參數調整為最佳駕駛參數，生成當前智能駕駛工況的最終智能駕駛策略。
53.作為一種可能實現的方式，本技術實施例可以基于車內采集設備，如攝像頭，采集用戶在車輛行駛過程中的至少一個體態特征，并基于體態特征，匹配用戶當前狀態下的智能駕駛工況下的多個最佳駕駛參數，并將多個最佳駕駛參數與對應的初始駕駛參數對比，從而判斷初始駕駛參數是否符合當前用戶需求，并在最佳駕駛參數和對應初始駕駛參數不一致時，向用戶發出提醒信號，如在顯示屏處進行彈窗，用戶接收提醒信號后，可以選擇是否進行參數調整，本技術實施例可以根據用戶的調整指令將初始駕駛參數調整為最佳駕駛參數，進而生成當前智能駕駛工況的最終智能駕駛策略，使得車輛在行駛過程中的駕駛參數可以時刻滿足用戶需求，從而提高用戶的駕駛體驗。
54.可選地，在本技術的一個實施例中，根據至少一個體態特征匹配當前智能駕駛工況下的多個最佳駕駛參數，包括：根據至少一個體態特征識別用戶的實際情緒或者實際表情；將實際情緒或者實際表情輸入預先訓練的參數匹配模型，輸出多個最佳駕駛參數，或者查詢預設數據庫，得到多個最佳駕駛參數。
55.在一些實施例中，可以通過采集設備，采集用戶的至少一個體態特征，包括用戶的面部特征和動作特征，進而識別出用戶的實際情緒或實際表情，舉例而言，當用戶的表情為常規專注表情，動作為常規駕駛動作時，可以判斷用戶的實際情緒或實際表情正常；當用戶的表情出現雙眼睜大、抿嘴或用戶的動作為緊握方向盤時，可以判斷用戶的實際情緒為緊張情緒；當用戶的表情為痛苦、面部出汗異常或目光游移時，可以判斷用戶的實際情緒異常；當用戶的表情為嘴角向上時，可以判斷用戶的情緒為開心等。
56.本技術實施例可以將實際情緒或者實際表情輸入預先訓練的參數匹配模型，輸出多個最佳駕駛參數，或者查詢預設數據庫，得到多個最佳駕駛參數，舉例而言，當用戶處于緊張情緒時，本技術實施例可以調整速度參數，減慢車速；當用戶處于情緒異常狀態時，本
申請實施例可以在減慢車速的基礎上，開啟車輛警示燈，并發送求助信號等。
57.需要注意的是，預先訓練的參數匹配模型可以由本領域技術人員根據實際情況進行構建，并基于數據庫中的數據進行訓練，在此不做具體限制。
58.可選地，在本技術的一個實施例中，還包括：在行駛過程中，檢測車輛的當前行駛環境；判斷當前行駛環境是否滿足預設特定工況條件；在滿足預設特定工況條件時，根據預設決策趨勢修改初始駕駛參數，直至退出當前行駛環境時，修改回初始駕駛參數。
59.具體而言，對于特定工況，例如旁邊有大車、前方施工區域、前方事故區域、旁邊車道有超車意圖等，本技術實施例可以根據預設決策趨勢修改初始駕駛參數，如圖4所示，可以有四種方式進行選擇：
60.減少緩速、制動，在該方式下，本技術實施例可以減少減速、制動次數；
61.減少緩速，在該方式下，本技術實施例可以增加車速的瞬間降低率，從而減少減速次數，實現最大可能性的危險規避；
62.減少制動，在該方式下，本技術實施例可以減少制動次數，降低頻繁制動為用戶帶來的不良體驗；
63.無，在該方式下，本技術實施例不進行駕駛參數修改。
64.本技術實施例可以在判斷當前離開特殊工況時，將修改的駕駛參數重新修改回初始駕駛參數，無需用戶手動修改調整，從而增加用戶體驗，實現在特殊工況下的特殊應對，避免用戶忘記修改駕駛參數導致的工況與駕駛參數不匹配的問題，提高智能化水平。
65.結合圖2至圖7所示，以一個實施例對本技術實施例的車輛智能駕駛策略的生成方法的工作原理進行詳細闡述。
66.如圖5和圖6所示，本技術實施例可以包括乘員體征檢測系統、乘員舒適性評價反饋系統、車輛狀態采集系統和計算機。
67.其中，乘員體征檢測系統可以用于測量智能駕駛汽車行駛過程中乘員的體征信息；乘員舒適性評價反饋系統可以用于收集智能駕駛汽車行駛過程中乘員的主觀舒適性評價得分；車輛狀態采集系統可以用于收集測量智能駕駛過程中智能駕駛汽車的動力學信息，包括智能駕駛汽車的三軸速度以及加速度等；計算機可以用于根據接收到的乘員體征信息、主觀舒適性評價得分以及車輛動力學信息，對乘員舒適性進行預測，并反饋于智能駕駛車輛的智能駕駛系統。
68.在實際執行過程中，本技術實施例可以將智能駕駛策略細化，將每個功能修改為可以由用戶選擇的幾個選項，用戶基于選項確定自己的駕駛風格，本技術實施例可以基于用戶的選項，進而獲取用戶的偏好指令。其中，偏好指令可以包括激進型偏好指令、常規型偏好指令和保守型偏好指令。
69.在一些實施例中，可以根據用戶的偏好指令，匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，如用戶的偏好指令為激進型偏好指令時，本技術實施例可以對車輛的常規駕駛工況下所有的涉及參數進行速度動力方向的調整匹配。
70.此外，用戶可以在進行初始駕駛參數匹配后，針對部分參數進行自定義調整，如圖2所示，本技術實施例可以針對修改后的參數，重新判定用戶的偏好指令，并基于新的偏好指令，匹配新的至少一個智能駕駛工況的多個初始駕駛參數，從而增強偏好指令與用戶的適配度。
71.可以理解的是，車輛在行駛過程中可以遇到多種工況，以換道工況為例，本技術實施例中的多個初始駕駛參數包括換道角度、換道速度、換道軌跡和換道時間中的多項，舉例而言，如圖3所示，可以基于偏好指令，將換道角度、換道速度分別設置為大角度、快速，小角度、快速和小角度、中速三種方案。其中，大角度快速就屬于激進型偏好指令的方案，該方案中換道軌跡預測較短，目的是為了更加快速、有效的完成換道，同時傳感器對于目標檢測要求也會更高，以確保能夠完成整個換道動作，實現激進換道；小角度快速換道屬于常規偏好指令的方案，在智能駕駛中的常規型偏好指令接近大眾風格，變道軌跡較激進型偏好指令方案較長，變道速度相對保守型還是較快；而保守型偏好指令方案，相對前面兩項來說，變道時間更長，變道距離也更長，同時用戶的接管報警的可能性也最小。
72.而對于對于特定工況，例如旁邊有大車、前方施工區域、前方事故區域、旁邊車道有超車意圖等，本技術實施例可以根據預設決策趨勢修改初始駕駛參數，如圖4所示，可以有四種方式進行選擇：
73.減少緩速、制動，在該方式下，本技術實施例可以減少減速、制動次數；
74.減少緩速，在該方式下，本技術實施例可以增加車速的瞬間降低率，從而減少減速次數，實現最大可能性的危險規避；
75.減少制動，在該方式下，本技術實施例可以減少制動次數，降低頻繁制動為用戶帶來的不良體驗；
76.無，在該方式下，本技術實施例不進行駕駛參數修改。
77.本技術實施例可以在判斷當前離開特殊工況時，將修改的駕駛參數重新修改回初始駕駛參數，無需用戶手動修改調整，從而增加用戶體驗，實現在特殊工況下的特殊應對，避免用戶忘記修改駕駛參數導致的工況與駕駛參數不匹配的問題，提高智能化水平。
78.更進一步地，高速公路自動駕駛工況下，由于車道線清晰，前跟車目標速度穩定，道路結構變化少，彎道曲率小，相應的駕駛參數更能準確滿足用戶需求，如圖7所示，本技術實施例可以包括兩種高速公路自動駕駛的方式，一種是相對速度更快，但是報警可能性較大，因為車速過快，對于前方目標識別距離會越遠，這樣才能保證安全，可能因為前方目標的一些意圖，導致報警，雖然速度快，但是降低了駕駛體驗；而第二種方法是采用更低的速度，這樣對于前方目標識別距離會越近，報警的可能性就更小，同時制動幾率和制動強度也會越低，駕駛體驗更好，但總體用時會更長。
79.在上述工況的基礎上，本技術實施例還可以采集用戶在車輛行駛過程中的至少一個體態特征，并基于體態特征，匹配用戶當前狀態下的智能駕駛工況下的多個最佳駕駛參數，并將多個最佳駕駛參數與對應的初始駕駛參數對比，從而判斷初始駕駛參數是否符合當前用戶需求，并在最佳駕駛參數和對應初始駕駛參數不一致時，向用戶發出提醒信號，如在顯示屏處進行彈窗，用戶接收提醒信號后，可以選擇是否進行參數調整，本技術實施例可以根據用戶的調整指令將初始駕駛參數調整為最佳駕駛參數，進而生成當前智能駕駛工況的最終智能駕駛策略，使得車輛在行駛過程中的駕駛參數可以時刻滿足用戶需求，從而提高用戶的駕駛體驗。
80.根據本技術實施例提出的車輛智能駕駛策略的生成方法，可以基于用戶的偏好指令，匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，并基于用戶的體態特征對初始駕駛參數進行自適應調整，可以基于偏好設置智能駕駛策略的參數的同時，基于行駛過
程中的用戶體態特征進一步修正，得到最優的智能駕駛策略，提高策略的實用性和實用性，提升用戶的駕乘體驗。由此，解決了相關技術中，需要用戶針對不同的駕駛工況手動選擇駕駛模式，不利于新手用戶使用，且當駕駛工況變化較為頻繁時，需要用戶進行頻繁調整，從而影響用戶的駕駛體驗的技術問題。
81.其次參照附圖描述根據本技術實施例提出的車輛智能駕駛策略的生成裝置。
82.圖8是本技術實施例的車輛智能駕駛策略的生成裝置的方框示意圖。
83.如圖8所示，該車輛智能駕駛策略的生成裝置10包括：獲取模塊100、匹配模塊200和生成模塊300。
84.具體地，獲取模塊100，用于獲取用戶的偏好指令。
85.匹配模塊200，用于根據偏好指令匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數。
86.生成模塊300，用于采集行駛過程中用戶的至少一個體態特征，并根據至少一個體態特征匹配當前智能駕駛工況下的多個最佳駕駛參數，且在最佳駕駛參數和對應初始駕駛參數不一致時，根據用戶的調整指令將初始駕駛參數調整為最佳駕駛參數，生成當前智能駕駛工況的最終智能駕駛策略。
87.可選地，在本技術的一個實施例中，偏好指令包括激進型偏好指令、常規型偏好指令和保守型偏好指令。
88.可選地，在本技術的一個實施例中，匹配模塊200進一步用于在智能駕駛工況為換道工況時，多個初始駕駛參數包括換道角度、換道速度、換道軌跡和換道時間中的多項；在智能駕駛工況為泊車工況時，多個初始駕駛參數包括泊車時間、泊車調整次數、泊車調整角度和泊車軌跡中的多項。
89.可選地，在本技術的一個實施例中，生成模塊300包括：識別單元和匹配單元。
90.其中，識別單元，用于根據至少一個體態特征識別用戶的實際情緒或者實際表情。
91.匹配單元，用于將實際情緒或者實際表情輸入預先訓練的參數匹配模型，輸出多個最佳駕駛參數，或者查詢預設數據庫，得到多個最佳駕駛參數。
92.可選地，在本技術的一個實施例中，車輛智能駕駛策略的生成裝置10還包括：檢測模塊、判斷模塊和修改模塊。
93.其中，檢測模塊，用于在行駛過程中，檢測車輛的當前行駛環境。
94.判斷模塊，用于判斷當前行駛環境是否滿足預設特定工況條件。
95.修改模塊，用于在滿足預設特定工況條件時，根據預設決策趨勢修改初始駕駛參數，直至退出當前行駛環境時，修改回初始駕駛參數。
96.需要說明的是，前述對車輛智能駕駛策略的生成方法實施例的解釋說明也適用于該實施例的車輛智能駕駛策略的生成裝置，此處不再贅述。
97.根據本技術實施例提出的車輛智能駕駛策略的生成裝置，可以基于用戶的偏好指令，匹配車輛的至少一個智能駕駛工況的多個初始駕駛參數，并基于用戶的體態特征對初始駕駛參數進行自適應調整，可以基于偏好設置智能駕駛策略的參數的同時，基于行駛過程中的用戶體態特征進一步修正，得到最優的智能駕駛策略，提高策略的實用性和實用性，提升用戶的駕乘體驗。由此，解決了相關技術中，需要用戶針對不同的駕駛工況手動選擇駕駛模式，不利于新手用戶使用，且當駕駛工況變化較為頻繁時，需要用戶進行頻繁調整，從
而影響用戶的駕駛體驗的技術問題。
98.圖9為本技術實施例提供的車輛的結構示意圖。該車輛可以包括：
99.存儲器901、處理器902及存儲在存儲器901上并可在處理器902上運行的計算機程序。
100.處理器902執行程序時實現上述實施例中提供的車輛智能駕駛策略的生成方法。
101.進一步地，車輛還包括：
102.通信接口903，用于存儲器901和處理器902之間的通信。
103.存儲器901，用于存放可在處理器902上運行的計算機程序。
104.存儲器901可能包含高速ram存儲器，也可能還包括非易失性存儲器(non-volatile memory)，例如至少一個磁盤存儲器。
105.如果存儲器901、處理器902和通信接口903獨立實現，則通信接口903、存儲器901和處理器902可以通過總線相互連接并完成相互間的通信。總線可以是工業標準體系結構(industry standard architecture，簡稱為isa)總線、外部設備互連(peripheral component，簡稱為pci)總線或擴展工業標準體系結構(extended industry standard architecture，簡稱為eisa)總線等。總線可以分為地址總線、數據總線、控制總線等。為便于表示，圖9中僅用一條粗線表示，但并不表示僅有一根總線或一種類型的總線。
106.可選地，在具體實現上，如果存儲器901、處理器902及通信接口903，集成在一塊芯片上實現，則存儲器901、處理器902及通信接口903可以通過內部接口完成相互間的通信。
107.處理器902可能是一個中央處理器(central processing unit，簡稱為cpu)，或者是特定集成電路(application specific integrated circuit，簡稱為asic)，或者是被配置成實施本技術實施例的一個或多個集成電路。
108.本實施例還提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如上的車輛智能駕駛策略的生成方法。
109.在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本技術的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任一個或n個實施例或示例中以合適的方式結合。此外，在不相互矛盾的情況下，本領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結合和組合。
110.此外，術語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特征的數量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本技術的描述中，“n個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。
111.流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或n個用于實現定制邏輯功能或過程的步驟的可執行指令的代碼的模塊、片段或部分，并且本技術的優選實施方式的范圍包括另外的實現，其中可以不按所示出或討論的順序，包括根據所涉及的功能按基本同時的方式或按相反的順序，來執行功能，這應被本技術的實施例所屬技術領域的技術人員所理解。
112.在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用于實現邏輯功能的可執行指令的定序列表，可以具體實現在任何計算機可讀介質中，以供指令執行系統、裝置或設備(如基于計算機的系統、包括處理器的系統或其他可以從指令執行系統、裝置或設備取指令并執行指令的系統)使用，或結合這些指令執行系統、裝置或設備而使用。就本說明書而言，"計算機可讀介質"可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執行系統、裝置或設備或結合這些指令執行系統、裝置或設備而使用的裝置。計算機可讀介質的更具體的示例(非窮盡性列表)包括以下：具有一個或n個布線的電連接部(電子裝置)，便攜式計算機盤盒(磁裝置)，隨機存取存儲器(ram)，只讀存儲器(rom)，可擦除可編輯只讀存儲器(eprom或閃速存儲器)，光纖裝置，以及便攜式光盤只讀存儲器(cdrom)。另外，計算機可讀介質甚至可以是可在其上打印所述程序的紙或其他合適的介質，因為可以通過對紙或其他介質進行光學掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程序，然后將其存儲在計算機存儲器中。
113.應當理解，本技術的各部分可以用硬件、軟件、固件或它們的組合來實現。在上述實施方式中，n個步驟或方法可以用存儲在存儲器中且由合適的指令執行系統執行的軟件或固件來實現。如，如果用硬件來實現和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現：具有用于對數據信號實現邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(pga)，現場可編程門陣列(fpga)等。
114.本技術領域的普通技術人員可以理解實現上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質中，該程序在執行時，包括方法實施例的步驟之一或其組合。
115.此外，在本技術各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現，也可以采用軟件功能模塊的形式實現。所述集成的模塊如果以軟件功能模塊的形式實現并作為獨立的產品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質中。
116.上述提到的存儲介質可以是只讀存儲器，磁盤或光盤等。盡管上面已經示出和描述了本技術的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本技術的限制，本領域的普通技術人員在本技術的范圍內可以對上述實施例進行變化、修改、替換和變型。
