智能驾驶模式切换方法、系统以及可读存储介质与流程

车辆装置的制造及其改造技术1.本发明涉及自动驾驶技术领域，具体而言，涉及一种智能驾驶模式切换方法、系统以及可读存储介质。背景技术：2.通常情况下，驾驶员的情绪会对行车安全带来很大的影响，如果减轻驾驶员的不良情绪导致的交通事故也是目前智能化汽车技术领域需要去解决的问题，尤其是结合智能驾驶技术，可以带来很多正面的影响，相关技术中，自动驾驶的切换在驾驶员未请求的情况下强行接管，极大地降低了驾驶体验，容易造成突兀感，同时并未考虑当前驾驶环境，容易造成没必要的强行接管。技术实现要素：3.本发明解决的问题：自动驾驶模式未请求驾驶员就强行接管的问题。4.为解决上述问题，本发明实施例提供一种智能驾驶模式切换方法，切换方法包括：监控驾驶员的情绪状态，获得情绪检测结果；检测道路行车环境，获得环境风险检测结果；将行驶道路结合当前行驶的时间段进行分析，获得事故概率分析结果；根据情绪检测结果、环境风险检测结果与事故概率分析结果，判断是否需要将车辆切换至智能驾驶模式；在需要换至智能驾驶模式的情况下，输出针对模式切换的询问消息；其中，当前行驶的时间段为行驶的时间位于一天中的具体的时刻。5.与现有技术相比，采用该技术方案所达到的技术效果：通过对驾驶员情绪状态和行车环境对驾驶的安全性进行初步的判断，事故概率的分析让切换方法与大数据进行结合，进一步的增加了安全性判断的准确性，降低了误判发生的概率，询问消息的设置为切换方法增加了人机交互的功能，在提高驾驶安全性的同时，提高驾驶互动体验，避免了强行接管的发生。6.在本发明的一个实施例中，监控驾驶员的情绪状态，获得情绪检测结果，包括：7.识别驾驶员的面部表情，根据面部表情获得情绪检测结果；和/或；识别驾驶员的肢体动作，根据肢体动作获得情绪检测结果；和/或；识别驾驶员的言语，根据言语获得情绪检测结果。8.与现有技术相比，采用该技术方案所达到的技术效果：通过面部表情、肢体动作和言语三种不同方式的来检测获得检测结果，并将三种不同方式的检测结果进行结合来得出驾驶员的情绪状态，让得到情绪状态更加符合驾驶员实际的情绪，减少后续步骤中误判断的发生。9.在本发明的一个实施例中，检测道路行车环境，获得环境风险检测结果，包括：检测道路上的车流速度，获取车流速度信息；检测道路上的车流量，获取车流量信息；根据车流速度信息与车流量信息获得环境风险检测结果。10.与现有技术相比，采用该技术方案所达到的技术效果：通过检测车流速度与车流量让环境风险检测结果更加准确，让切换方法在进行切换判定时能够与外界的环境相结合，增加了切换判定的准确率，避免误切换的发生。11.在本发明的一个实施例中，将行驶道路结合当前行驶的时间段进行分析，获得事故概率分析结果，包括：识别车辆当前行驶的道路；获取当前时间，并获取在当前时间点车辆在道路行驶时发生事故的数量；根据发生事故的数量获得事故概率分析结果。12.与现有技术相比，采用该技术方案所达到的技术效果：通过对当前行驶路段与时间点的检测，并结合之前发生的事故对事故的发生概率进行判断，让切换方法与大数据进行结合，提升了事故判断的准确性。13.在本发明的一个实施例中，根据情绪检测结果、环境风险检测结果与事故概率分析结果，判断是否需要将车辆切换至智能驾驶模式，包括：根据情绪检测结果，在多个情绪类别中确定驾驶员的当前情绪类别；根据环境风险检测结果，在多个环境风险等级中确定车辆的当前环境风险等级；根据事故概率分析结果，在多个事故概率等级中确定车辆的当前事故概率等级；根据当前情绪类别、当前环境风险等级和当前事故概率等级，判断是否需要将车辆切换至智能驾驶模式；多个情绪类别包括：情绪正常、情绪高兴、情绪低落、情绪烦躁和情绪愤怒；多个环境风险等级包括：第一环境风险等级和第二环境风险等级，其中，第一环境风险等级的环境风险程度小于第二环境风险等级的环境风险程度；多个事故概率等级包括：第一事故概率等级和第二事故概率等级，其中，第一事故概率等级的事故概率小于第二事故概率等级的事故概率。14.与现有技术相比，采用该技术方案所达到的技术效果：通过情绪检测结果、环境风险检测结果与事故概率分析结果三者结合分析，来判断是否需要询问驾驶员切换成智能驾驶模式，充分的考虑了动态驾驶因素，尽量避免无必要地触发此功能，减少误提醒的次数，提升用户的体验感。15.在本发明的一个实施例中，根据当前情绪类别、当前环境风险等级和当前事故概率等级，判断是否需要将车辆切换至智能驾驶模式，包括：在当前情绪类别为情绪正常或情绪高兴的情况下，不需要将车辆切换至智能驾驶模式；和/或在当前情绪类别为愤怒情绪的情况侠士，需要将车辆切换至智能驾驶模式；和/或在当前情绪类别为情绪低落或情绪烦躁时，根据当前环境风险等级和当前事故概率等级来判断是否切换至智能驾驶模式。16.与现有技术相比，采用该技术方案所达到的技术效果：通过划分环境风险等级与事故概率等级将现实中的诸多情况进行合理的归类，便于系统的判断，将动态驾驶因素与驾驶员的情绪状态进行结合，让智能驾驶模式的切换具有更多的参考数据。17.在本发明的一个实施例中，在输出针对模式切换的询问消息之后，切换方法还包括：接收驾驶员发出的指令；根据接收的指令控制车辆以指定模式运行。18.与现有技术相比，采用该技术方案所达到的技术效果：询问驾驶员消息的设置让驾驶员能够根据行驶环境自主的进行判断，避免系统判断错误而强行接管的现象发生，提升了驾驶者的使用体验。19.在本发明的一个实施例中，响应驾驶员的指令并控制车辆以指定模式运行，包括：在指令为拒绝切换模式指令的情况下，车辆以手动驾驶模式继续运行；和/或在指令为接收切换模式的情况下，将车辆切换至智能驾驶模式；和/或当车辆切换至智能驾驶模式时，持续监控情绪检测结果、环境风险检测结果和事故概率分析结果，判断是否需要将车辆切换至手动模式。20.与现有技术相比，采用该技术方案所达到的技术效果：通过在智能驾驶模式下对驾驶员进行实时监控，能够快速的判断出驾驶员是否满足手动驾驶状态，并将驾驶权切换至手动驾驶模式。21.在本发明的一个实施例中，还提供一种智能驾驶模式切换系统，切换系统包括处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现上述切换方法的步骤。22.在本发明的一个实施例中，还提供一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如上述实施例中的切换方法的步骤。附图说明23.图1为本发明切换方法流程图。24.图2为本发明切换系统的系统图；25.附图标记说明：26.100-切换系统；120-存储器；130-处理器。具体实施方式27.为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。28.【第一实施例】29.参见图1，在一个具体的实施例中，一种智能驾驶模式切换方法，切换方法包括：30.s100、监控驾驶员的情绪状态，获得情绪检测结果；31.s200、检测道路行车环境，获得环境风险检测结果；32.s300、将行驶道路结合当前行驶的时间段进行分析，获得事故概率分析结果；33.s400、根据情绪检测结果、环境风险检测结果与事故概率分析结果，判断是否需要将车辆切换至智能驾驶模式；34.s500、在需要换至智能驾驶模式的情况下，输出针对模式切换的询问消息；35.其中，当前行驶的时间段为行驶的时间位于一天中的具体的时刻。36.进一步的，在步骤s100中，在车辆行驶的过程，通过对驾驶员情绪状态进行监控，得到相应的数据，并针对该数据进行对驾驶员的情绪进行判断，监控的数据包括但不限于面部表情、肢体动作、言语等；37.进一步的，在步骤s200中，对行车的环境进行检测，得到相应的数据，检测的道路行车环境的数据包括但不限于道路的宽度，能够通行的车道数、周围行驶的车辆数以及周围车辆行驶的速度等；38.进一步的，在步骤s300中，获取车辆行驶的具体道路，并根据大数据获取该条道路上所发生的事故的数量，并从中筛选出与当前行驶时间对应的时间点所发生的事故的数量，数量越多则风险越大，该时间点为一天中的具体时刻，例如：早上八点、下午两点。39.进一步的，在步骤s400中，将驾驶员的情绪状态、行车环境的风险等级和当前路段在当前时间点出事故的概率结合进行判定，在进行判定时，驾驶员的情绪状态为主要因素。40.进一步的，在步骤s500中，当危险系数较高时，通过语音提示的方法提醒驾驶员切换模式，驾驶员能够自主的选择切换成智能驾驶模式还是继续由自己手动驾驶。41.通过对驾驶员情绪状态和行车环境对驾驶的安全性进行初步的判断，事故概率的分析让切换方法与大数据进行结合，进一步的增加了安全性判断的准确性，降低了误判发生的概率，询问消息的设置为切换方法增加了人机交互的功能，在提高驾驶安全性的同时，提高驾驶互动体验，避免了强行接管的发生。42.【第二实施例】43.在一个具体的实施例中，监控驾驶员的情绪状态，获得情绪检测结果，包括：44.s110、识别驾驶员的面部表情，根据面部表情获得情绪检测结果；和/或；45.s120、识别驾驶员的肢体动作，根据肢体动作获得情绪检测结果；和/或；46.s130、识别驾驶员的言语，根据言语获得情绪检测结果。47.进一步的，在步骤s110中，通过对驾驶员面部表情的来判断驾驶员的驾驶情绪，例如：当驾驶员嘴角上扬，表情轻松自然时，情绪状态较好，当驾驶员面部肌肉紧凑、嘴角下垂、眉毛收紧时，情绪状态较差；48.进一步的，在步骤s120中，通过识别驾驶员的肢体动作来判断驾驶员的情绪，例如：转弯时转动方向盘的速度，手握方向盘的抓力，推动档位杆时的推力，按喇叭的间隔频率等。49.进一步的，在步骤s130中，通过驾驶员的言语来判断驾驶员的情绪，系统内设有语言识别的模块，用于识别驾驶员的语言所表达的意思，并能够检测驾驶员的说话时分贝的大小，语速的快慢。50.优选的，监控驾驶员的情绪状态包括但不限于面部表情、肢体动作和言语，心率的快慢，血氧饱和度信息的实时变化情况也能够作为驾驶员情绪判断的依据。51.通过面部表情、肢体动作和言语三种不同方式的来检测获得检测结果，并将三种不同方式的检测结果进行结合来得出驾驶员的情绪状态，让得到情绪状态更加符合驾驶员实际的情绪，减少后续步骤中误判断的发生。52.【第三实施例】53.在一个具体的实施例中，检测道路行车环境，获得环境风险检测结果，包括：54.s210、检测道路上的车流速度，获取车流速度信息；55.s220、检测道路上的车流量，获取车流量信息；56.s230、根据车流速度信息与车流量信息获得环境风险检测结果。57.进一步的，在步骤s210中，通过对道路上车辆的行驶速度进行检测，行驶速度检测包括但不限于对相邻车道行驶车辆速度的检测，对后方车辆行驶速度的检测，对前方车辆行驶速度的检测，根据检测结果获取车流速度信息。58.进一步的，在步骤s220中，通过对道路上车流量的检测，车流量检测包括但不限于对前方车辆数量的检测、后方车辆数量的检测、行驶目标距离后超越的车辆数的检测，行驶目标距离后超越自身车辆的车辆数的检测等，并根据检测结果获取车流量信息，其中，目标距离可以根据具体的道路进行改变，以相邻两个红绿灯口为界限，当相邻红绿灯口距离较远时，目标距离可以为500米至1000米，当相邻红绿灯口距离较近时，目标距离可以为100米至200米。59.进一步的，在步骤s230中，通过车流速度信息与车流量信息来获取环境风险的结果，当车流速度快且车流量大的行车环境中，环境风险为高风险，当车流速度慢且车流量小的行车环境中，环境风险为低风险，车流速度快通常以行驶道路的限速相匹配，例如：道路限速为80km/h，当周围车辆的车速高于64km/h时，定义为车流速度快，反之则定义为车流速度慢。60.通过检测车流速度与车流量让环境风险检测结果更加准确，让切换方法在进行切换判定时能够与外界的环境相结合，增加了切换判定的准确率，避免误切换的发生。61.【第四实施例】62.在一个具体的实施例中，将行驶道路结合当前行驶的时间段进行分析，获得事故概率分析结果，包括：63.s310、识别车辆当前行驶的道路；64.s320、获取当前时间，并获取在当前时间点车辆在道路行驶时发生事故的数量；65.s330、根据发生事故的数量获得事故概率分析结果。66.进一步的，在步骤s310中，通过对外部环境的观察，并结合高精地图，准确的判断出车辆行驶于哪条道路上；67.进一步的，在步骤s320中，根据当前的具体时间点，通过数据库调取在该时间点发生在该道路上的事故；68.进一步的，在步骤s330中，根据发生事故的数量进行判定。69.优选的，当该时间点在该路段上发生事故较多时，通过语音告知驾驶员当前通行情况，提醒驾驶员专注驾驶或降低行驶速度，避免事故的发生。70.通过对当前行驶路段与时间点的检测，并结合之前发生的事故对事故的发生概率进行判断，让切换方法与大数据进行结合，提升了事故判断的准确性。71.【第五实施例】72.在一个具体的实施例中，根据情绪检测结果、环境风险检测结果与事故概率分析结果，判断是否需要将车辆切换至智能驾驶模式，包括：73.s410、根据情绪检测结果，在多个情绪类别中确定驾驶员的当前情绪类别；74.s420、根据环境风险检测结果，在多个环境风险等级中确定车辆的当前环境风险等级；75.s430、根据事故概率分析结果，在多个事故概率等级中确定车辆的当前事故概率等级；76.s440、根据当前情绪类别、当前环境风险等级和当前事故概率等级，判断是否需要将车辆切换至智能驾驶模式；77.多个情绪类别包括：情绪正常、情绪高兴、情绪低落、情绪烦躁和情绪愤怒；78.多个环境风险等级包括：第一环境风险等级和第二环境风险等级，其中，第一环境风险等级的环境风险程度小于第二环境风险等级的环境风险程度；79.多个事故概率等级包括：第一事故概率等级和第二事故概率等级，其中，第一事故概率等级的事故概率小于第二事故概率等级的事故概率。80.进一步的，在步骤s410中，通过对驾驶员面部表情、肢体动作和言语结合进行分析，判定驾驶员的当前情绪类别，并将情绪类别归纳为情绪正常、情绪高兴、情绪低落、情绪烦躁和情绪愤怒；81.进一步的，在步骤s420中，通过车流量与车流速度确定车辆进行的环境风险等级；82.进一步的，在步骤s430中，通过对当前道路在当前时间点所发生事故的概率进行分析，确定事故概率等级。83.进一步的，在步骤s440中，根据当前情绪类别、环境风险等级和事故概率等级来判断车辆是否需要切换到驾驶模式。84.通过情绪检测结果、环境风险检测结果与事故概率分析结果三者结合分析，来判断是否需要询问驾驶员切换成智能驾驶模式，充分的考虑了动态驾驶因素，尽量避免无必要地触发此功能，减少误提醒的次数，提升用户的体验感。85.【第六实施例】86.在一个具体的实施例中，根据当前情绪类别、当前环境风险等级和当前事故概率等级，判断是否需要将车辆切换至智能驾驶模式，包括：87.s441、在当前情绪类别为情绪正常或情绪高兴的情况下，不需要将车辆切换至智能驾驶模式；和/或88.s442、在当前情绪类别为愤怒情绪的情况时，需要将车辆切换至智能驾驶模式；和/或89.s443、在当前情绪类别为情绪低落或情绪烦躁时，根据当前环境风险等级和当前事故概率等级来判断是否切换至智能驾驶模式。90.在步骤s441中，当系统判断驾驶员为正常或高兴时，不论环境风险等级为第一环境风险等级还是第二环境风险等级，事故概率等级是第一事故概率等级还是第二事故概率等级，均判断为无需切换至智能驾驶模式；91.在步骤s442中，当系统判定驾驶员情绪为愤怒时，不论环境风险等级为第一环境风险等级还是第二环境风险等级，事故概率等级是第一事故概率等级还是第二事故概率等级，均判断为需要切换至智能驾驶模式；92.在步骤s443中，当系统判定驾驶员情绪为低落时，若行车风险等级为第一环境风险等级，不论事故概率等级是第一事故概率等级还是第二事故概率等级均判断为无需切换至智能驾驶模式；93.若行车风险等级为第二环境风险等级时，当事故概率等级是第二事故概率等级时，判断为需要切换至智能驾驶模式，当事故概率等级是第一事故概率等级时，判断为无需切换至智能驾驶模式；94.当系统判定驾驶员情绪为烦躁时，若行车风险等级为第一环境风险等级，不论事故概率等级是第一事故概率等级还是第二事故概率等级均判断为无需切换至智能驾驶模式；95.若行车风险等级为第二环境风险等级时，不论事故概率等级是第一事故概率等级还是第二事故概率等级均判断为需要切换至智能驾驶模式。96.通过划分环境风险等级与事故概率等级将现实中的诸多情况进行合理的归类，便于系统的判断，将动态驾驶因素与驾驶员的情绪状态进行结合，让智能驾驶模式的切换具有更多的参考数据。97.【第七实施例】98.在一个具体的实施例中，在输出针对模式切换的询问消息之后，切换方法还包括：99.s510、接收驾驶员发出的指令；100.s520、根据接收的指令控制车辆以指定模式运行。101.进一步的，在步骤s510中，驾驶员听到语音提示后作出相应的操作，操作包括但不限于激活智能驾驶模式，继续手动驾驶模式等；102.进一步的，在步骤s520中，车辆根据驾驶员所发出的指令进行运作，当驾驶员发出激活智能驾驶模式的指令后，驾驶员后续对车辆运行所发出的指令无效，车辆由系统操控，直至关闭智能驾驶模式，当驾驶员发出继续手动驾驶模式的指令时，车辆继续由驾驶员操控。103.询问驾驶员消息的设置让驾驶员能够根据行驶环境自主的进行判断，避免系统判断错误而强行接管的现象发生，提升了驾驶者的使用体验。104.【第八实施例】105.在一个具体的实施例中，响应驾驶员的指令并控制车辆以指定模式运行，包括：106.s521、在指令为拒绝切换模式指令的情况下，车辆以手动驾驶模式继续运行；和/或107.s522、在指令为接收切换模式的情况下，将车辆切换至智能驾驶模式；和/或108.s523、当车辆切换至智能驾驶模式时，持续监控情绪检测结果、环境风险检测结果和事故概率分析结果，判断是否需要将车辆切换至手动模式。109.进一步的，在步骤s521中，驾驶员发出拒绝切换模式的指令，车辆以手动模式继续行驶；110.进一步的，在步骤s522中，驾驶员发出接受切换模式的指令，车辆进入智能驾驶模式；111.进一步的，在步骤s523中，当车辆进入智能驾驶模式后，系统仍然会实时的对驾驶员的情绪状态进行检测，并结合当前环境风险等级和当前事故概率等级采用步骤s441至步骤s443的方式进行判断，当驾驶员的状态满足手动驾驶的状态时，则提醒驾驶员能够将智能驾驶模式切换至手动驾驶模式。112.优选的，当驾驶员没有在语音提醒后发出指令时，系统会重复播放语音2至3次，若驾驶员仍然没有发出指令，系统会维持车辆之前的运行模式进行工作。113.通过在智能驾驶模式下对驾驶员进行实时监控，能够快速的判断出驾驶员是否满足手动驾驶状态，并将驾驶权切换至手动驾驶模式。114.【第九实施例】115.参见图2，在一个具体的实施例中，还提供一种智能驾驶模式切换系统100，切换系统100包括处理器130，存储器120及存储在存储器120上并可在处理器130上运行的程序或指令，程序或指令被处理器130执行时实现上述切换方法的步骤。116.【第十实施例】117.在一个具体的实施例中，还提供一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器130执行时实现如上述实施例中的切换方法的步骤。118.虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!