一种车辆控制方法、装置、车辆及存储介质与流程

1.本发明涉及车辆控制技术领域，尤其涉及一种车辆控制方法、装置、车辆及存储介质。


背景技术：

2.长时间驾驶会大大增加驾驶员的脑力负荷，可能导致发生道路安全事故。人车协同共驾能够降低驾驶员的脑力负荷并提升车辆运行的安全性。现有技术中的人车共驾方案虽然能够通过设定自动驾驶参数降低驾驶员的工作负荷，但是并没有考虑驾驶员本身的生理状态，从而使得驾驶员的体验欠佳，并且在一定程度上增加了车辆控制系统错误导致的安全风险。


技术实现要素：

3.本发明实施例提供一种车辆控制方法、装置、车辆及存储介质，能够避免由于驾驶员过度疲劳驾驶造成的安全风险，同时避免系统错误造成的安全风险，提高通行效率，提高交通安全性，并且提高驾驶员的驾驶体验。
4.第一方面，本发明实施例提供一种车辆控制方法，包括：对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集；对所述驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策；对所述车辆的所述环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策；根据所述实时驾驶员脑力负荷，所述实时驾驶员控制决策以及所述实时车辆智能控制决策计算得到在对所述车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比；以及根据所述驾驶员控制权的实时占比对所述驾驶员进行控制权实时分配，并根据所述车辆智能控制权的实时占比对所述车辆进行智能控制。
5.第二方面，本发明实施例提供一种车辆控制装置，包括：采集模块，用于对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集；第一分析模块，用于对所述驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策；第二分析模块，用于对所述车辆的所述环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策；控制权占比计算模块，用于根据所述实时驾驶员脑力负荷，所述实时驾驶员控制决策以及所述实时车辆智能控制决策计算得到在对所述车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比；以及控制权分配及控制模块，用于根据所述驾驶员控制权的实时占比对所述驾驶员进行控制权实时分配，并根据所述车辆智能控制权的实时占比对所述车辆进行智能控制。
6.第三方面，本发明实施例还提供了一种车辆，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的车辆控制方法。
7.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机
程序，该程序被处理器执行时实现如本发明实施例中任一所述的车辆控制方法。
8.本发明实施例提供的一种车辆控制方法、装置、车辆及存储介质，在人车共驾的场景中基于驾驶员的脑力负荷对驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行分配，能够避免由于驾驶员过度疲劳驾驶造成的安全风险，同时避免系统错误造成的安全风险，提高通行效率，提高交通安全性，并且提高驾驶员的驾驶体验。
附图说明
9.为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
10.图1是本发明实施例提供的车辆控制方法的一个流程示意图；
11.图2是本发明实施例提供的车辆控制方法的另一个流程示意图；
12.图3是本发明实施例提供的车辆控制方法的另一个流程示意图；
13.图4是本发明实施例提供的车辆控制装置的一个结构示意图；
14.图5是本发明实施例提供的车辆的一个结构示意图。
具体实施方式
15.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
16.现代社会的道路交通日趋繁忙，在不得不长时间驾驶车辆后，驾驶员的脑力负荷会大大增加，使得安全事故发生的风险增大。人车协同共驾是降低驾驶人工作负荷和提升车辆安全性的重要手段。人车协同共驾即是将人的决策能力与车辆的感知能力有机融合，在保持驾驶员操纵能力的同时，有效地降低驾驶员驾驶工作负荷，减少由于人为因素造成的交通事故，提高交通安全性和通行效率从而实现更加安全可靠的驾驶。现有技术中的人车共驾方案，通过车辆上安装的激光雷达和摄像机采集所述车辆周围环境信息，通过获取的环境大数据指导车辆自动驾驶参数的设定，虽然能够降低驾驶员的工作负荷，但是并没有考虑驾驶员本身的生理状态，从而使得驾驶员的体验欠佳，并且在一定程度上增加了车辆控制系统错误导致的安全风险。
17.本发明实施例提供的一种车辆控制方法、装置、车辆及存储介质，在人车共驾的场景中基于驾驶员的脑力负荷对驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行分配，能够避免由于驾驶员过度疲劳驾驶造成的安全风险，同时避免系统错误造成的安全风险，提高通行效率，提高交通安全性，并且提高驾驶员的驾驶体验。
18.图1为本发明实施例提供的车辆控制方法的一个流程示意图，该方法可以由本发明实施例提供的车辆控制装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在车辆中。以下实施例将以该装置集成在车辆客户端为例进行说明。参考图1，该方法具体可以包括如下步骤：
19.步骤101，对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行
实时采集。能够利于根据驾驶员脑电信号分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策。
20.具体的，上述对运行中车辆的驾驶员脑电信号进行实时采集的过程可以包括：令上述车辆的驾驶员头部佩戴32导联脑电头盔对驾驶员的当前脑电信号进行采集。
21.具体的，上述对运行中车辆的环境状态信息进行采集的过程包括：利用车载感知系统对上述车辆的当前环境状态信息和当前车辆状态信息进行采集。
22.具体的，上述车载感知系统可以包括摄像设备，雷达设备，定位设备，测速设备等。
23.具体的，上述实时采集的车辆的环境状态信息包括：车辆运行方向的前方道路标记信息，交通指示灯信息，障碍物信息、天气信息、能见度信息以及车辆的位置等。
24.具体的，上述实时采集的车辆状态信息包括：车辆当前运行的方向，速度，刹车状态，能耗状态等。
25.步骤102，对驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策。能够利于基于实时驾驶员脑力负荷以及实时驾驶员控制决策，对控制车辆的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行计算。
26.在本发明的可选具体实施例中，上述对驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策的过程包括：对驾驶员脑电信号的干扰信号进行滤除得到无干扰脑电信号。
27.具体的，在实时采集得到驾驶员脑电信号以后，可以进行60hz以上干扰信号的滤除，以及可以进行工频干扰滤除得到上述无干扰脑电信号。
28.在本发明的可选具体实施例中，上述对驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策的过程包括：对无干扰脑电信号基于频率切片小波变换算法进行节律提取得到多个脑电信号节律。
29.具体的，还可以基于其他节律提取方法对上述多个脑电信号节律进行提取。
30.具体的，脑电信号通常由多个频率混合的复杂波形组合形成，可以通过肉眼识别其主导波形来认定脑电信号处于某一节律即频段下,也可以使用频谱分析来进行识别。
31.具体的，上述多个脑电信号节律可以包括：δ频段脑电信号、θ频段脑电信号、α频段脑电信号、β频段脑电信号和γ频段脑电信号，其中，δ频段(1-4hz)：与我们深层次的放松和恢复性睡眠相关。不规则的δ波运动与认知困难及保持意识的问题都息息相关；θ频段(4-8hz)：在成年人意愿受挫或者抑郁以及精神病患者中这种波极为显著，它普遍存在于人们精神恍惚或者是催眠状态；α频段(8-14hz)：能够帮助你平静下来，促进更深层次的放松和满足感，人在清醒、安静并闭眼时该节律最为明显；β频段(14-31hz)：当精神紧张和情绪激动或亢奋时出现此波，当人从噩梦中惊醒时，原来的慢波节律可立即被该节律所替代；γ频段(31-51hz)：γ波除了参与健康认知功能外，还参与处理更复杂的任务。γ波对学习、记忆和处理非常重要，它被用作我们的感官处理新信息的结合工具。
32.在本发明的可选具体实施例中，上述对驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策的过程包括：对多个脑电信号节律进行分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策。
33.具体的，不同脑电信号节律，随着驾驶员脑力负荷的变化，和驾驶员控制决策的变化，对应变化趋势并不相同，因此需要先提取脑电信号节律，并分别分析得到上述实时驾驶
员脑力负荷以及实时驾驶员控制决策。
34.可选的，上述多个脑电信号节律进行分析得到实时驾驶员脑力负荷的过程包括：对多个脑电信号节律中与脑力负荷相关的第一负荷相关节律的节律功率进行计算得到第一节律功率，并对多个脑电信号节律中与脑力负荷相关的第二负荷相关节律的节律功率进行计算得到第二节律功率；第一节律功率随着脑力负荷的增大而增大，第二节律功率随着脑力负荷的增大而减小；计算第一节律功率与第二节律功率的比值得到负荷相关比值，并根据负荷相关比值确定实时驾驶员脑力负荷。
35.具体的，上述第一负荷相关节律以及上述第二负荷相关节律也可以是随着脑力负荷变化呈其他变化趋势的脑电信号节律。
36.在本发明的可选具体实施例中，上述第一负荷相关节律是θ频段脑电信号，上述第二负荷相关节律是β频段脑电信号。研究表明，当大脑负荷加重时，θ波节律功率p
θ
增大而β波节律功率p
β
减小。因此本发明实施例采用p
θ
/p
β
这一指标作为判断驾驶员脑负荷程度的指标，比值越大脑负荷程度越高。
37.具体的，直接将负荷相关比值作为上述驶员脑力负荷。
38.在本发明的可选具体实施例中，上述根据负荷相关比值确定实时驾驶员脑力负荷的过程包括：根据负荷相关比值以及预设的以多个负荷相关比值阈值为边界的多个脑力负荷等级区间，确定驾驶员的实时脑力负荷等级，并将驾驶员的实时脑力负荷等级确定为实时驾驶员脑力负荷。
39.具体的，上述以多个负荷相关比值阈值为边界的多个脑力负荷等级区间可以根据经验数据进行设置。
40.具体的，上述以多个负荷相关比值阈值为边界的多个脑力负荷等级区间可以根据个人的前述负荷相关比值进行设置。
41.可选的，上述多个负荷相关比值阈值为边界的多个脑力负荷等级区间也可以根据经验数据或者以其他的方式获取。
42.在本发明的可选具体实施例中，在根据负荷相关比值以及预设的以多个负荷相关比值阈值为边界的多个脑力负荷等级区间，确定驾驶员的实时脑力负荷等级之前，还包括：获取驾驶员自述的最低脑力负荷状态对应的负荷相关比值的最小值以及驾驶员自述的最高脑力负荷状态对应的负荷相关比值的最大值；以及将负荷相关比值的最小值至负荷相关比值的最大值的区间划分为预定数目个子区间得到以多个负荷相关比值阈值为边界的多个脑力负荷等级区间。
43.具体的，为适应不同驾驶员个体差异，本发明采用基于最大最小值的等额换算法，即预先根据驾驶员二挡描述录入驾驶员自身最低脑负荷状态下的负荷相关比值和最高脑负荷状态下的负荷相关比值，并分别以这两种作为基准计算脑力负荷等级区间，进而利于根据实时测得的负荷相关比值进行脑力负荷等级区间匹配，落入哪个区间则换算为对应脑负荷量级。
44.具体的，上述预定数目可以10。
45.在本发明的可选具体实施例中，前述对多个脑电信号节律进行分析得到实时驾驶员控制决策的过程包括：基于能量矩阵图像映射的方法对多个脑电信号节律进行特征提取得到脑电图像特征。
46.可选的，采用功率谱密度算法，将上述多个脑电信号节律映射为能量矩阵图像作为上述脑电特征图像特征，以特征图像的形式容纳和揭示更多脑电信号底层信息。
47.在本发明的可选具体实施例中，前述对多个脑电信号节律进行分析得到实时驾驶员控制决策的过程包括：将脑电图像特征输入到训练好的驾驶员控制决策预测模型，并利用驾驶员控制决策预测模型输出得到实时驾驶员控制决策。
48.具体的，上述实时驾驶员控制决策可以包括：前行、后退、左转、右转及停车等多种控制决策。
49.具体的，上述控制决策预测模型可以是神经网络模型，例如长短时记忆网络模型。
50.具体的，可以将上述脑电特征图像送入长短时记忆网络模型中进行分类以获得当前驾驶员的驾驶意图。长短时记忆网络输出为1-5五个数字依次代表驾驶员的五种驾驶意图包括：前行、后退、左转、右转及停车。
51.具体的，上述控制决策预测模型由驾驶员在驾驶模拟器上实现上述多种控制决策时对驾驶员的脑电信号进行采集获得的训练脑电信号，或者由对驾驶员对实现上述多种控制决策的行为进行想象的脑电信号进行采集获得的训练脑电信号，对神经网络进行训练得到的。
52.例如，采集获取驾驶员在驾驶模拟器上控制前进状态下或者驾驶员想象前进指令状态下的脑电信号，并将该状态脑电信号标记为数字1，用于对神经网络进行训练得到上述控制决策预测模型。
53.步骤103，对车辆的环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策。能够利于基于车辆控制决策对对控制车辆的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行计算，并进一步根据车辆控制决策以及车辆智能控制权的实时占比对车辆进行控制。
54.可选的，上述对车辆的环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策的过程包括：从上述车辆的环境状态信息中提取得到环境状态信息有效特征，并从上述车辆状态信息中提取得到车辆状态信息有效特征；将上述环境状态信息有效特征以及车辆状态信息有效特征融合为一个完整的用于智能控制决策特征向量，并根据上述用于智能控制决策特征向量得到上述车辆智能控制决策。
55.具体的，上述车辆智能控制决策可以包括：前行、后退、左转、右转及停车，可以用1-5五个数字依次对应进行表示。
56.步骤104，根据实时驾驶员脑力负荷，实时驾驶员控制决策以及实时车辆智能控制决策计算得到在对车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比。能够利于根据驾驶员控制权的实时占比对驾驶员进行实时分配，并根据车辆智能控制权的实时占比对车辆进行智能控制。
57.在本发明的可选具体实施例中，上述根据实时驾驶员脑力负荷，实时驾驶员控制决策以及实时车辆智能控制决策计算得到在对车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比的过程包括：基于预设的控制权实时占比计算公式，根据实时驾驶员脑力负荷计算得到驾驶员控制权的实时占比以及车辆智能控制权的实时占比。
58.可选的，若实时驾驶员控制决策与实时车辆智能控制决策相符，则基于预设的控
制权实时占比计算公式，根据实时驾驶员脑力负荷计算得到驾驶员控制权的实时占比以及车辆智能控制权的实时占比；否则，根据基于上述实时驾驶员脑力负荷计算得到的实时驾驶员控制决策的置信度，对上述驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行计算。
59.具体的，可以上述实时驾驶员脑力负荷，遵循“人在回路”的分配原则，采用以下权重控制权实时占比计算公式计算驾驶员控制权和车辆智能控制权的实时占比：
60.w1＝0.3+0.5*(1-x/10)
61.w2＝1-w162.式中，式中w1为驾驶员控制权的实时占比，w2为车辆智能控制权的实时占比，x为实时驾驶员脑力负荷。
63.步骤105，根据驾驶员控制权的实时占比对驾驶员进行控制权实时分配，并根据车辆智能控制权的实时占比对车辆进行智能控制。这样就能够在基于驾驶员的脑力负荷对驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行分配的基础上，实现对车辆的人车共驾，避免由于驾驶员过度疲劳驾驶造成的安全风险，同时避免系统错误造成的安全风险，提高通行效率，提高交通安全性，并且提高驾驶员的驾驶体验。
64.下面进一步介绍车辆控制方法，如图2所示，即本发明的车辆控制方法可以包括如下步骤：
65.步骤201，对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集。
66.步骤202，对驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策。
67.步骤203，对车辆的环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策。
68.步骤204，根据实时驾驶员脑力负荷，以及驾驶员控制决策预测模型对驾驶员控制决策进行预测时的正确率，基于模糊隶属度函数计算得到实时驾驶员控制决策的置信度。
69.具体的，可以建立基于模糊隶属度函数的驾驶员控制决策置信度模型，综合驾驶员的实时脑力负荷来评估驾驶员将要做出的控制决策的可信程度。具体可以建立如下模糊度隶属度函数：
[0070][0071]
式中，x为实时驾驶员脑力负荷，r为控制决策预测模型对驾驶员控制决策进行预测时的正确率。
[0072]
可选的，对由上述模糊度隶属度函数计算得到的模糊隶属度进行归一化，采用以10为底的对数进行转换，即得到驾驶员所做出驾驶决策的置信程度y，转换公式如下：
[0073]
y＝log 10(a)。
[0074]
步骤205，若实时驾驶员控制决策与实时车辆智能控制决策不相符，对实时驾驶员控制决策的置信度是否小于预设的置信度阈值进行判断，若小于，则将车辆智能控制权的实时占比设置为100％，将驾驶员控制权的实时占比设置为0；否则，将驾驶员控制权的实时
占比设置为100％，将车辆智能控制权的实时占比设置为0。
[0075]
具体的，上述预设的置信度阈值可以根据经验数据进行设置，具体可以设置为50％。
[0076]
可选的，对实时驾驶员脑力负荷的分析计算，对实时驾驶员控制决策的分析计算，以及对实时车辆智能控制决策的分析计算是同步进行的。
[0077]
在发明的可选具体实例中，如图3所示，前述根据实时驾驶员脑力负荷，实时驾驶员控制决策以及实时车辆智能控制决策计算得到在对车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比的过程包括：对实时驾驶员控制决策与实时车辆智能控制决策是否相符进行判断；若实时驾驶员控制决策与实时车辆智能控制决策相符，则基于预设的控制权实时占比计算公式，根据实时驾驶员脑力负荷计算得到驾驶员控制权的实时占比以及车辆智能控制权的实时占比；否则，对实时驾驶员控制决策的置信度是否小于50％进行判断，若小于，则将车辆智能控制权的实时占比设置为100％，将驾驶员控制权的实时占比设置为0；否则，将驾驶员控制权的实时占比设置为100％，将车辆智能控制权的实时占比设置为0。
[0078]
在本发明的可选具体实例中，驾驶员根据当前道路环境判定当前车辆应向左拐弯，根据此时驾驶员的脑电信号分析得到并输出实时驾驶员控制决策为3(左转)；根据此时驾驶员的脑电信号分析得到实时驾驶员脑力负荷计算得到的当前决策的置信度为60％；同时车辆也根据环境状态信息以及车辆状态信息做出智能控制决策，输出实时车辆智能控制决策为1(前行)；对实时驾驶员控制决策以及实时车辆智能控制决策进行调取比较，因为实时驾驶员控制决策以及实时车辆智能控制决策相符，且实时驾驶员控制决策的制度大于预设的置信度阈值50％，则以实时驾驶员控制决策为准，驾驶员具有控制车辆运行的完全控制权。
[0079]
步骤206，根据驾驶员控制权的实时占比对驾驶员进行控制权实时分配，并根据车辆智能控制权的实时占比对车辆进行智能控制。
[0080]
本发明实施例根据驾驶员的实时脑力负荷确定实时驾驶员控制决策的置信度，并利用实时驾驶员控制决策的置信度使得在驾驶员脑力负荷较高，例如经历了长时间驾驶，较为疲劳的情况下，由车辆智能控制系统对车辆运行进行全权控制，避免大脑疲劳可能造成的安全隐患；而在驾驶员脑力负荷较低时，能够自行对车辆进行全权控制，避免系统错误造成的安全隐患，同时提高驾驶体验。
[0081]
图4是本发明实施例提供的车辆控制装置的一个结构图，该装置适用于执行本发明实施例提供的车辆控制方法。如图4所示，该装置具体可以包括：
[0082]
采集模块401，用于对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集。本模块能够利于根据驾驶员脑电信号分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策。
[0083]
第一分析模块402，用于对驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策。本模块能够利于基于实时驾驶员脑力负荷以及实时驾驶员控制决策，对控制车辆的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行计算。
[0084]
第二分析模块403，用于对车辆的环境状态信息以及车辆状态信息进行实时分析
得到实时车辆智能控制决策。本模块能够利于基于车辆控制决策对对控制车辆的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行计算，并进一步根据车辆控制决策以及车辆智能控制权的实时占比对车辆进行控制。
[0085]
控制权占比计算模块404，用于根据实时驾驶员脑力负荷，实时驾驶员控制决策以及实时车辆智能控制决策计算得到在对车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比。本模块能够利于根据驾驶员控制权的实时占比对驾驶员进行实时分配，并根据车辆智能控制权的实时占比对车辆进行智能控制。
[0086]
控制权分配及控制模块405，用于根据驾驶员控制权的实时占比对驾驶员进行控制权实时分配，并根据车辆智能控制权的实时占比对车辆进行智能控制。本模块在模块401-404工作的基础上，在基于驾驶员的脑力负荷对驾驶员控制权的实时占比以及车辆智能控制权的实时占比进行分配的基础上，实现对车辆的人车共驾，避免由于驾驶员过度疲劳驾驶造成的安全风险，同时避免系统错误造成的安全风险，提高通行效率，提高交通安全性，并且提高驾驶员的驾驶体验。
[0087]
在本发明的可选具体实施例中，本发明的汽车控制装置还包括，置信度计算模块，用于根据实时驾驶员脑力负荷，以及驾驶员控制决策预测模型对驾驶员控制决策进行预测时的正确率，基于模糊隶属度函数计算得到实时驾驶员控制决策的置信度。
[0088]
在本发明的可选具体实施例中，上述第一分析模块402能够具体用于对驾驶员脑电信号的干扰信号进行滤除得到无干扰脑电信号；对无干扰脑电信号基于频率切片小波变换算法进行节律提取得到多个脑电信号节律；以及对多个脑电信号节律进行分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策。
[0089]
在本发明的可选具体实施例中，上述第一分析模块402能够具体用于对多个脑电信号节律中与脑力负荷相关的第一负荷相关节律的节律功率进行计算得到第一节律功率，并对多个脑电信号节律中与脑力负荷相关的第二负荷相关节律的节律功率进行计算得到第二节律功率；第一节律功率随着脑力负荷的增大而增大，第二节律功率随着脑力负荷的增大而减小；计算第一节律功率与第二节律功率的比值得到负荷相关比值，并根据负荷相关比值确定实时驾驶员脑力负荷。
[0090]
在本发明的可选具体实施例中，上述第一分析模块402能够具体用于根据负荷相关比值以及预设的以多个负荷相关比值阈值为边界的多个脑力负荷等级区间，确定驾驶员的实时脑力负荷等级，并将驾驶员的实时脑力负荷等级确定为实时驾驶员脑力负荷。
[0091]
在本发明的可选具体实施例中，上述第一分析模块402能够具体用于获取驾驶员自述的最低脑力负荷状态对应的负荷相关比值的最小值以及驾驶员自述的最高脑力负荷状态对应的负荷相关比值的最大值；以及将负荷相关比值的最小值至负荷相关比值的最大值的区间划分为预定数目个子区间得到以多个负荷相关比值阈值为边界的多个脑力负荷等级区间。
[0092]
在本发明的可选具体实施例中，上述第一分析模块402能够具体用于基于能量矩阵图像映射的方法对多个脑电信号节律进行特征提取得到脑电图像特征；将脑电图像特征输入到训练好的驾驶员控制决策预测模型，并利用驾驶员控制决策预测模型输出得到实时驾驶员控制决策。
[0093]
控制权占比计算模块404，能够具体用于若实时驾驶员控制决策与实时车辆智能
控制决策相符，则基于预设的控制权实时占比计算公式，根据实时驾驶员脑力负荷计算得到驾驶员控制权的实时占比以及车辆智能控制权的实时占比；否则，对实时驾驶员控制决策的置信度是否小于预设的置信度阈值进行判断，若小于，则将车辆智能控制权的实时占比设置为100％，将驾驶员控制权的实时占比设置为0；否则，将驾驶员控制权的实时占比设置为100％，将车辆智能控制权的实时占比设置为0。
[0094]
本领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0095]
本发明实施例还提供了一种车辆，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例提供的车辆控制方法。
[0096]
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例提供的车辆控制方法。
[0097]
下面参考图5，其示出了适于用来实现本发明实施例的车辆的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0098]
如图5所示，计算机系统500包括中央处理单元(cpu)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有系统500操作所需的各种程序和数据。cpu 501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0099]
以下部件连接至i/o接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
[0100]
特别地，根据本发明公开的实施例，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，本发明公开的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。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(cpu)501执行时，执行本发明的系统中限定的上述功能。
[0101]
需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0102]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
[0103]
描述于本发明实施例中所涉及到的模块和/或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。所描述的模块和/或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括采集模块、第一分析模块、第二分析模块、控制权占比计算模块和控制权分配及控制模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
[0104]
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集；对所述驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策；对所述车辆的所述环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策；根据所述实时驾驶员脑力负荷，所述实时驾驶员控制决策以及所述实时车辆智能控制决策计算得到在对所述车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比；以及根据所述驾驶员控制权的实时占比对所述驾驶员进行控制权实时分配，并根据所述车辆智能控制权的实时占比对所述车辆进行智能控制。
[0105]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0106]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明
白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种车辆控制方法，其特征在于，包括：对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集；对所述驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策；对所述车辆的所述环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策；根据所述实时驾驶员脑力负荷，所述实时驾驶员控制决策以及所述实时车辆智能控制决策计算得到在对所述车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比；以及根据所述驾驶员控制权的实时占比对所述驾驶员进行控制权实时分配，并根据所述车辆智能控制权的实时占比对所述车辆进行智能控制。2.根据权利要求1所述的车辆控制方法，其特征在于，所述对所述驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策的过程包括：对所述驾驶员脑电信号的干扰信号进行滤除得到无干扰脑电信号；对所述无干扰脑电信号基于频率切片小波变换算法进行节律提取得到多个脑电信号节律；以及对所述多个脑电信号节律进行分析得到所述实时驾驶员脑力负荷以及所述实时驾驶员控制决策。3.根据权利要求2所述的车辆控制方法，其特征在于，所述对所述多个脑电信号节律进行分析得到所述实时驾驶员脑力负荷的过程包括：对所述多个脑电信号节律中与脑力负荷相关的第一负荷相关节律的节律功率进行计算得到第一节律功率，并对所述多个脑电信号节律中与脑力负荷相关的第二负荷相关节律的节律功率进行计算得到第二节律功率；所述第一节律功率随着所述脑力负荷的增大而增大，所述第二节律功率随着所述脑力负荷的增大而减小；计算所述第一节律功率与所述第二节律功率的比值得到负荷相关比值，并根据所述负荷相关比值确定所述实时驾驶员脑力负荷。4.根据权利要求3所述的车辆控制方法，其特征在于，所述根据所述负荷相关比值确定所述实时驾驶员脑力负荷的过程包括：根据所述负荷相关比值以及预设的以多个负荷相关比值阈值为边界的多个脑力负荷等级区间，确定所述驾驶员的实时脑力负荷等级，并将所述驾驶员的实时脑力负荷等级确定为所述实时驾驶员脑力负荷。5.根据权利要求4所述的车辆控制方法，其特征在于，在所述根据所述负荷相关比值以及预设的以多个负荷相关比值阈值为边界的多个脑力负荷等级区间，确定所述驾驶员的实时脑力负荷等级之前，还包括：获取所述驾驶员自述的最低脑力负荷状态对应的所述负荷相关比值的最小值以及所述驾驶员自述的最高脑力负荷状态对应的所述负荷相关比值的最大值；以及将所述负荷相关比值的最小值至所述负荷相关比值的最大值的区间划分为预定数目个子区间得到所述以多个负荷相关比值阈值为边界的多个脑力负荷等级区间。6.根据权利要求2所述的车辆控制方法，其特征在于，所述对所述多个脑电信号节律进
行分析得到所述实时驾驶员控制决策的过程包括：基于能量矩阵图像映射的方法对所述多个脑电信号节律进行特征提取得到脑电图像特征；将所述脑电图像特征输入到训练好的驾驶员控制决策预测模型，并利用所述驾驶员控制决策预测模型输出得到所述实时驾驶员控制决策。7.根据权利要求6所述的车辆控制方法，其特征在于，在根据所述实时驾驶员脑力负荷，所述实时驾驶员控制决策以及所述实时车辆智能控制决策计算得到在对所述车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比之前，还包括：根据所述实时驾驶员脑力负荷，以及所述驾驶员控制决策预测模型对所述驾驶员控制决策进行预测时的正确率，基于模糊隶属度函数计算得到所述实时驾驶员控制决策的置信度。8.根据权利要求7所述的车辆控制方法，其特征在于，所述根据所述实时驾驶员脑力负荷，所述实时驾驶员控制决策以及所述实时车辆智能控制决策计算得到在对所述车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比的过程包括：若所述实时驾驶员控制决策与所述实时车辆智能控制决策相符，则基于预设的控制权实时占比计算公式，根据所述实时驾驶员脑力负荷计算得到所述驾驶员控制权的实时占比以及车辆智能控制权的实时占比；否则，对所述实时驾驶员控制决策的置信度是否小于预设的置信度阈值进行判断，若小于，则将所述车辆智能控制权的实时占比设置为100％，将所述驾驶员控制权的实时占比设置为0；否则，将所述驾驶员控制权的实时占比设置为100％，将所述车辆智能控制权的实时占比设置为0。9.一种车辆控制装置，其特征在于，包括：采集模块，用于对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集；第一分析模块，用于对所述驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策；第二分析模块，用于对所述车辆的所述环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策；控制权占比计算模块，用于根据所述实时驾驶员脑力负荷，所述实时驾驶员控制决策以及所述实时车辆智能控制决策计算得到在对所述车辆控制的过程中驾驶员控制权的实时占比以及车辆智能控制权的实时占比；以及控制权分配及控制模块，用于根据所述驾驶员控制权的实时占比对所述驾驶员进行控制权实时分配，并根据所述车辆智能控制权的实时占比对所述车辆进行智能控制。10.一种车辆，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8中任一所述的车辆控制方法。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一所述的车辆控制方法。

技术总结
本发明实施例公开一种车辆控制方法、装置、车辆及存储介质，属于车辆控制技术领域，主要包括：对运行中车辆的驾驶员脑电信号，环境状态信息以及车辆状态信息进行实时采集；对驾驶员脑电信号进行实时分析得到实时驾驶员脑力负荷以及实时驾驶员控制决策；对车辆的环境状态信息以及车辆状态信息进行实时分析得到实时车辆智能控制决策；根据实时驾驶员脑力负荷，实时驾驶员控制决策以及实时车辆智能控制决策计算驾驶员控制权的实时占比以及车辆智能控制权的实时占比；以及对驾驶员进行控制权实时分配，并根据车辆智能控制权的实时占比对车辆进行智能控制。本发明能够提高通行效率，提高交通安全性，并且提高驾驶员的驾驶体验。并且提高驾驶员的驾驶体验。并且提高驾驶员的驾驶体验。


技术研发人员：王德平 王祎男 王迪 魏源伯 刘汉旭
受保护的技术使用者：中国第一汽车股份有限公司
技术研发日：2023.04.28
技术公布日：2023/7/6