駕駛方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車輛安全技術(shù)領(lǐng)域，特別涉及一種駕駛方法及系統(tǒng)。
【背景技術(shù)】
[0002] 隨著電子技術(shù)的快速發(fā)展，車輛等車輛已經(jīng)成為生活中必不可少的交通工具。而 伴隨著車輛的普及，道路上的車輛越來越密集，行車安全也越來越重要。
[0003] 通常，駕駛員在駕駛車輛行駛的過程中，可能會發(fā)生一些諸如插車、障礙物阻擋等 突發(fā)事件，此時，駕駛員可以手動操作方向盤，油門，剎車等以避免車輛與障礙物發(fā)生碰撞， 但是由于在發(fā)生突發(fā)事件時，駕駛員通常處于緊張狀態(tài)，駕駛員對方向盤，油門、剎車等操 作的準確性較低。為此，相關(guān)技術(shù)提供了一種駕駛系統(tǒng)，該駕駛系統(tǒng)包括：環(huán)境感知模塊和 避撞控制模塊，避撞控制模塊中存儲有駕駛員根據(jù)駕駛車輛過程中的避撞經(jīng)驗設置的環(huán)境 狀態(tài)量與決策動作的對應關(guān)系，其中，環(huán)境狀態(tài)量可以為障礙物的位置，環(huán)境感知模塊可以 在車輛的行駛環(huán)境中存在由障礙物引發(fā)的突發(fā)事件時獲取車輛當前的環(huán)境狀態(tài)量，避撞控 制模塊可以根據(jù)車輛當前的環(huán)境狀態(tài)量從環(huán)境狀態(tài)量與決策動作的對應關(guān)系中確定與車 輛當前的環(huán)境狀態(tài)量對應的目標決策動作，然后根據(jù)該目標決策動作控制車輛行駛，從而 避免車輛與障礙物發(fā)生碰撞。
[0004] 在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)相關(guān)技術(shù)至少存在以下問題：
[0005] 相關(guān)技術(shù)中的駕駛系統(tǒng)是以駕駛員的避撞經(jīng)驗為依據(jù)控制車輛行駛的，受駕駛員 經(jīng)驗的限制，駕駛系統(tǒng)具有一定的局限性，且由于是以駕駛員的避撞經(jīng)驗為依據(jù)控制車輛 行駛的，因此，駕駛系統(tǒng)的穩(wěn)定性較低，靈活性較差。

【發(fā)明內(nèi)容】

[0006] 為了解決相關(guān)技術(shù)中駕駛系統(tǒng)具有局限性，穩(wěn)定性較低，靈活性較差的問題，本發(fā) 明提供一種駕駛方法及系統(tǒng)。所述技術(shù)方案如下：
[0007] 第一方面，提供一種駕駛系統(tǒng)，所述駕駛系統(tǒng)包括：環(huán)境感知模塊和避撞控制模 塊，
[0008] 所述環(huán)境感知模塊用于在車輛行駛過程中監(jiān)測所述車輛的行駛環(huán)境；預測所述車 輛的行駛環(huán)境中是否會發(fā)生由障礙物引發(fā)的突發(fā)事件；在所述車輛的行駛環(huán)境中會發(fā)生由 障礙物引發(fā)的突發(fā)事件時，獲取所述障礙物的位置；
[0009] 所述避撞控制模塊用于根據(jù)所述障礙物的位置，采用機器學習算法確定目標決策 動作；根據(jù)所述目標決策動作控制所述車輛行駛。
[0010] 可選地，所述避撞控制模塊用于：
[0011] 從經(jīng)驗存儲庫中確定與所述障礙物的位置對應的目標可執(zhí)行動作，所述經(jīng)驗存儲 庫中記錄了預先通過機器學習算法確定的障礙物的位置與可執(zhí)行動作的對應關(guān)系，每個障 礙物的位置對應至少一個可執(zhí)行動作，每個可執(zhí)行動作包括決策動作和與所述決策動作 一一對應的增強信號，所述增強信號用于指示與所述增強信號一一對應的決策動作在執(zhí)行 時的立即回報；
[0012] 計算所述目標可執(zhí)行動作中的每個決策動作的未來無窮回報累加和；
[0013] 將所述未來無窮回報累加和最大的決策動作作為所述目標決策動作。
[0014] 可選地，所述避撞控制模塊用于獲取駕駛員的決策動作；
[0015] 所述環(huán)境感知模塊用于獲取執(zhí)行所述駕駛員的決策動作之后所述障礙物的第一 位置；
[0016] 所述避撞控制模塊用于從經(jīng)驗存儲庫中確定與所述障礙物的第一位置對應的目 標可執(zhí)行動作，所述經(jīng)驗存儲庫中記錄了預先通過機器學習算法確定的障礙物的位置與可 執(zhí)行動作的對應關(guān)系，每個障礙物的位置對應至少一個可執(zhí)行動作，每個可執(zhí)行動作包括 決策動作和與所述決策動作一一對應的增強信號，所述增強信號用于指示與所述增強信號 一一對應的決策動作在執(zhí)行時的立即回報；
[0017] 所述避撞控制模塊用于計算所述目標可執(zhí)行動作中的每個決策動作的未來無窮 回報累加和；將所述未來無窮回報累加和最大的決策動作作為所述目標決策動作。
[0018] 可選地，所述避撞控制模塊用于：
[0019] 計算所述駕駛員的決策動作對應的未來n個狀態(tài)的增強信號，得到n個增強信號， 所述n為大于或者等于1的整數(shù)；
[0020] 判斷所述n個增強信號中是否存在符合預設條件的增強信號；
[0021] 在所述n個增強信號中存在符合預設條件的增強信號時，觸發(fā)所述環(huán)境感知模塊 獲取執(zhí)行所述駕駛員的決策動作之后所述障礙物的第一位置；
[0022] 其中，在執(zhí)行所述符合預設條件的增強信號對應的決策動作時，所述車輛與所述 車輛的行駛環(huán)境中的障礙物會發(fā)生碰撞。
[0023] 可選地，所述環(huán)境感知模塊用于：
[0024] 判斷所述車輛的行駛環(huán)境中是否存在障礙物；
[0025] 在所述車輛的行駛環(huán)境中存在障礙物時，判斷所述障礙物是否處于預設范圍內(nèi)；
[0026] 在所述障礙物處于所述預設范圍時，確定所述車輛的行駛環(huán)境中會發(fā)生由所述障 礙物引發(fā)的突發(fā)事件。
[0027] 第二方面，提供一種駕駛方法，所述方法包括：
[0028] 在車輛行駛過程中監(jiān)測所述車輛的行駛環(huán)境；
[0029] 預測所述車輛的行駛環(huán)境中是否會發(fā)生由障礙物引發(fā)的突發(fā)事件；
[0030] 若所述車輛的行駛環(huán)境中會發(fā)生由障礙物引發(fā)的突發(fā)事件，則獲取所述障礙物的 位置；
[0031] 根據(jù)所述障礙物的位置，采用機器學習算法確定目標決策動作；
[0032] 根據(jù)所述目標決策動作控制所述車輛行駛。
[0033] 可選地，所述根據(jù)所述障礙物的位置，采用機器學習算法確定目標決策動作，包 括：
[0034] 從經(jīng)驗存儲庫中確定與所述障礙物的位置對應的目標可執(zhí)行動作，所述經(jīng)驗存儲 庫中記錄了預先通過機器學習算法確定的障礙物的位置與可執(zhí)行動作的對應關(guān)系，每個障 礙物的位置對應至少一個可執(zhí)行動作，每個可執(zhí)行動作包括決策動作和與所述決策動作 一一對應的增強信號，所述增強信號用于指示與所述增強信號一一對應的決策動作在執(zhí)行 時的立即回報；
[0035] 計算所述目標可執(zhí)行動作中的每個決策動作的未來無窮回報累加和；
[0036] 將所述未來無窮回報累加和最大的決策動作作為所述目標決策動作。
[0037] 可選地，所述根據(jù)所述障礙物的位置，采用機器學習算法確定目標決策動作，包 括：
[0038] 獲取駕駛員的決策動作；
[0039] 獲取執(zhí)行所述駕駛員的決策動作之后所述障礙物的第一位置；
[0040] 從經(jīng)驗存儲庫中確定與所述障礙物的第一位置對應的目標可執(zhí)行動作，所述經(jīng)驗 存儲庫中記錄了預先通過機器學習算法確定的障礙物的位置與可執(zhí)行動作的對應關(guān)系，每 個障礙物的位置對應至少一個可執(zhí)行動作，每個可執(zhí)行動作包括決策動作和與所述決策動 作一一對應的增強信號，所述增強信號用于指示與所述增強信號一一對應的決策動作在執(zhí) 行時的立即回報；
[0041] 計算所述目標可執(zhí)行動作中的每個決策動作的未來無窮回報累加和；
[0042] 將所述未來無窮回報累加和最大的決策動作作為所述目標決策動作。
[0043] 可選地，所述獲取執(zhí)行所述駕駛員的決策動作之后所述障礙物的第一位置，包 括：
[0044] 計算所述駕駛員的決策動作對應的未來n個狀態(tài)的增強信號，得到n個增強信號， 所述n為大于或者等于1的整數(shù)；
[0045] 判斷所述n個增強信號中是否存在符合預設條件的增強信號；
[0046] 若所述n個增強信號中存在符合預設條件的增強信號，則獲取執(zhí)行所述駕駛員的 決策動作之后所述障礙物的第一位置；
[0047] 其中，在執(zhí)行所述符合預設條件的增強信號對應的決策動作時，所述車輛與所述 車輛的行駛環(huán)境中的障礙物會發(fā)生碰撞。
[0048] 可選地，所述預測所述車輛的行駛環(huán)境中是否會發(fā)生由障礙物引發(fā)的突發(fā)事件， 包括：
[0049] 判斷所述車輛的行駛環(huán)境中是否存在障礙物；
[0050] 若所述車輛的行駛環(huán)境中存在障礙物，則判斷所述障礙物是否處于預設范圍內(nèi)；
[0051] 若所述障礙物處于所述預設范圍內(nèi)，則確定所述車輛的行駛環(huán)境中會發(fā)生由所述 障礙物引發(fā)的突發(fā)事件。
[0052] 本發(fā)明提供的技術(shù)方案帶來的有益效果是：
[0053] 本發(fā)明實施例提供的駕駛方法及系統(tǒng)，駕駛系統(tǒng)包括：環(huán)境感知模塊和避撞控制 模塊，環(huán)境感知模塊用于在車輛行駛過程中監(jiān)測車輛的行駛環(huán)境；預測車輛的行駛環(huán)境中 是否會發(fā)生由障礙物引發(fā)的突發(fā)事件；在車輛的行駛環(huán)境中會發(fā)生由障礙物引發(fā)的突發(fā)事 件時，獲取障礙物的位置；避撞控制模塊用于根據(jù)障礙物的位置，采用機器學習算法確定目 標決策動作；根據(jù)目標決策動作控制車輛行駛。由于本發(fā)明采用機器學習算法確定目標決 策動作，目標決策動作的確定不受駕駛員的經(jīng)驗的限制，解決了相關(guān)技術(shù)中的駕駛系統(tǒng)具 有局限性，穩(wěn)定性較低，靈活性較差的問題，達到了擴大駕駛系統(tǒng)的應用范圍，提高駕駛系 統(tǒng)的穩(wěn)定性和靈活性的有益效果。
[0054] 應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性的，并不能限制本 發(fā)明。
【附圖說明】
[0055] 為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使 用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于 本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他 的附圖。
[0056] 圖1是本發(fā)明各個實施例提供的駕駛方法所涉及的一種實施環(huán)境的結(jié)構(gòu)示意圖；