一种自动驾驶系统接管处理方法与流程

1.本发明属于自动驾驶技术领域，特别涉及一种自动驾驶系统接管处理方法。


背景技术：

2.北方的沙尘暴、南方的暴雨，高低起伏的地形，多样、典型的地貌种类，日常道路上的车流、人流等，导致国内城市道路复杂，同时城市道路也在不断建设改进，复杂的城市场景成为自动驾驶技术落地城区要面临的大课题。自动驾驶系统是一种通过计算机系统实现无人驾驶的智能系统，具体地，自动驾驶主要依靠人工智能、视觉计算、雷达等监控装置和全球定位系统之间的协同合作，让计算机可以在没有任何人类主动参与操作的情况下，自动安全地操作机动车辆。
3.为保障自动驾驶车辆和道路的安全，自动驾驶车辆对计算机的运算能力和计算控制系统的稳定性要求均比较高。而自动驾驶系统对于突发异常情况的处理，直接关系到自动驾驶车辆稳定性的好坏。目前现有的自动驾驶技术能将正常行驶提醒和系统发出接管提醒并退出辅助驾驶这两方面处理好，即系统识别到了问题并给出明确的处理策略。但城市场景中，自动驾驶系统除了要具备包括无保护左转、狭窄道路通行、行人礼让、掉头、自动绕障等多种功能，还需要面对更多的未知场景的处理，如系统漏检(即漏识别有阻碍交通的障碍物)、系统误检(即误识别有阻碍交通的障碍物)，自动驾驶系统不能正确识别和安全控制，容易造成安全事故的发生，这也正是现有自动驾驶技术存在的问题。


技术实现要素：

4.本发明的目的在于提供一种自动驾驶系统接管处理方法，以解决系统面对未知且存在安全风险的场景难以识别处理，因而存在漏检和误检的技术问题。
5.本发明提供了一种自动驾驶系统接管处理方法，所述处理方法包括以下步骤：
6.s1：获取行驶过程中的事件数据；
7.s2：判断是否满足异常接管触发条件，若满足异常接管触发条件，则查询反馈信息，若不满足异常接管触发条件，则无需查询；
8.s3：系统记录反馈信息并对该异常接管时间段的反馈信息和事件数据进行分析，通过模型对系统进行优化训练。
9.进一步地，所述异常接管触发条件包括第一条件和第二条件，所述第一条件为自动驾驶/辅助状态下车辆发生紧急接管，所述第二条件为自动驾驶/辅助驾驶状态下判断当下场景为正常运行状态，所述第一条件和第二条件均满足，即满足异常接管触发条件。
10.进一步地，所述第一条件中紧急接管判断条件为横/纵向加速度大于阈值。
11.进一步地，所述步骤s2中反馈信息的反馈方式包括第一反馈方式和第二反馈方式，所述第一反馈方式为系统与用户主动交互，所述第二反馈方式为用户主动上报。
12.进一步地，步骤s3中系统记录反馈信息并对该异常接管时间段的反馈信息和事件数据进行分析，通过模型对系统进行优化训练，具体包括以下步骤：
13.s301，记录数据：根据异常接管时间点确定事件数据，并将事件数据和反馈信息共同记录；
14.s302，分析数据：基于事件数据，结合用户行为置信度，判断事件数据是否可信，若可信，则进入下一步骤；若不可信，则丢弃事件数据；
15.s303，训练优化模型：将事件数据作为训练数据，并基于用户反馈信息，对模型进行优化训练；
16.s304，测试验证模型：将训练好的模型进行实车路测，路测通过后，升级系统并持续观察事件数据应用情况。
17.进一步地，所述事件数据的记录时间范围为时间起点到时间终点，所述时间起点涉及两个时间点，所述时间起点为两个时间点中较晚的一个时间点；所述时间终点涉及三个时间点，所述时间终点为三个时间点中较早的一个时间点。
18.进一步地，所述时间起点的两个时间点为第一预设时间、自动驾驶/辅助驾驶系统退出时间，所述时间终点的三个时间点为第二预设时间、事件终点时间、自动驾驶/辅助驾驶系统激活时间。
19.进一步地，所述事件数据包括但不限于车辆行驶数据、车辆视频数据、车辆位置数据和车辆接管数据。
20.进一步地，所述用户置信度判断标准包括但不限于用户历史使用辅助驾驶行为习惯、使用辅助驾驶的综合时长、智能驾驶综合得分、辅助驾驶的偏好模式。
21.进一步地，所述步骤s303还包括判断模型是否达到安全标准，当预设时间段内发送异常接管事件次数大于阈值或者相同路段发生异常接管的事件次数大于阈值，则认为模型未达到安全标准，需要对模型重新训练。
22.一种自动驾驶系统接管处理装置，所述处理装置包括：
23.采集模块，用于获取行驶过程中的事件数据；
24.判断模块，用于判断是否满足紧急接管触发条件；
25.查询模块，用于查询和读取反馈信息；
26.优化模块，包括记录单元、分析单元、训练优化单元和测试验证单元，所述记录单元用于记录事件数据和反馈信息，所述分析单元用于根据用户置信度判断事件数据是否可信，所述训练优化单元用于根据事件数据和反馈信息对模型进行优化训练，所述测试验证单元用于对训练好的模型进行实车路测。
27.一种自动驾驶车辆，所述自动驾驶车辆包括电子设备，所述电子设备包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现如上所述的自动驾驶系统接管处理方法。
28.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现一种自动驾驶系统接管处理方法的各个步骤。
29.相比现有技术，本发明的有益效果在于：
30.1、本发明通过获取行驶过程中的事件数据，并筛选属于异常接管的事件数据，结合用户反馈信息进行分析，从而对系统进行优化训练，可将现有的“未知场景”优化为“可处理场景”，从而增加自动驾驶系统可处理的场景信息范围，促使自动驾驶系统可正确识别和安全控制，降低安全事故发生率；
31.2、通过设置异常接管触发条件并结合用户行为置信度，促使系统对于未知且存在安全风险的场景可基于驾驶员行为判断出来，当判断出来后，通过系统主动交互或用户主动反馈及时获取异常接管的反馈信息，可减少系统漏检或误检的发生率；同时系统对于异常接管事件数据的记录，有利于后续工程师进行排查优化。
32.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方法，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
34.图1示出了本发明一种自动驾驶系统接管处理方法的流程图；
35.图2示出了本发明一种自动驾驶系统接管处理方法中步骤s3的具体流程图；
36.图3示出了本发明一种自动驾驶系统接管处理装置的结构图；
37.图4示出了本发明一种自动驾驶系统接管处理装置中优化模块的具体结构图。
具体实施方式
38.为了使本领域的技术人员更好地理解本技术中的技术方案，下面将结合本技术实施例中的附图对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
39.本技术中术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而包括一系列要素的过程、方法、物品或系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或系统中还存在另外的相同要素。在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上，“至少两个(项)”是指两个或三个及三个以上，“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”。
40.如图1-2所示，本发明提供了一种自动驾驶系统接管处理方法，该处理方法包括以下步骤：
41.s1：获取行驶过程中的事件数据。
42.该事件数据包括但不限于车辆行驶数据、车辆视频数据、车辆位置数据、车辆接管数据、驾驶员行为数据，还包括安装有符合相关技术标准的车载设备所记录的数据、基于法
规要求获取的数据。
43.本发明中获取的事件数据必然包括接管数据，其接管数据包括正常接管数据和异常接管数据，其中正常接管包括自动驾驶过程中系统识别到了即将发生碰撞等安全风险时，提醒用户进行人工接管；或者系统识别到了问题，但是出于系统应对问题的能力不足，提醒用户人工接管；或者系统识别自身软硬件发生故障时，提醒用户人工接管。即基于系统识别到了需要人工接管的事件均属于正常接管范围内。异常接管为系统未识别到任何需要接管事件的情况下，用户主观进行接管，即满足系统未知且存在安全风险的事件均属于异常接管范围内。
44.s2：判断是否满足异常接管触发条件，若满足异常接管触发条件，则查询反馈信息，若不满足异常接管触发条件，则无需查询。
45.具体地，异常接管触发条件包括第一条件和第二条件，第一条件为自动驾驶/辅助状态下车辆是否发生紧急接管，其中紧急接管条件为横/纵向加速度大于阈值，阈值可根据用户需求自行设定；第二条件为自动驾驶/辅助驾驶状态判断当下场景为正常运行状态，即自动驾驶/辅助驾驶处于正常自动驾驶运行中。
46.若事件数据同时满足第一条件和第二条件，则判断该事件数据满足异常接管触发条件，属于异常接管的事件数据，则系统自动查询和调取反馈信息，反馈信息指用户对异常接管的情况说明。若事件数据仅满足其中一项条件，或两个条件均不满足，则判断该事件数据不满足异常接管触发条件，不属于异常接管的事件数据，则不进行后续操作。
47.具体地，反馈是响应于车辆发生异常接管事件，系统与用户进行交互从而生成反馈信息。反馈信息的反馈方式可分为两种，第一反馈方式是车辆与用户主动交互，当场交互记录事件，车辆主动交互的触发条件与异常接管触发条件相同。当满足触发条件时，辅助驾驶系统通过视觉(文字交互)+听觉(语音交互)的方式主动向用户询问，引导用户说明异常接管的意图。
48.示例性地，系统主动触发语音交互，引导用户说明：刚刚是有突发我们未处理好的状况吗？你可以告诉我，我会记录下来让工程师排查优化。并提供两个选项，【是的，再多说几句】、【是的】。
49.若用户选择【是的，再多说几句】，用户在选择后，可通过语音对异常接管事件进行反馈，系统自动记录用户的反馈信息，并和事件一起打包记录。
50.若用户选择【是的】，系统基于事件记录规则自动记录此次事件数据。
51.基于人类记忆能力的特点，通过设置系统引导用户进行反馈，可督促用户对异常接管实时反馈记录，避免客户因后续遗忘而对本次异常接管漏报或者上报内容有所缺失，也可减少系统漏检或误检的发生率。反馈信息的录入可帮助工程师对异常接管数据的分析，使其分析事件数据时能够更清楚异常接管发生原因，从用户和自动驾驶两个方面去分析，从而有利于优化升级自动驾驶系统。
52.第二种反馈方式为用户主动上报，可以是用户主动上报，也可以是用户在结束行程后事后反馈，反馈途径可以是文字、语音等，系统对反馈信息进行记录。
53.示例性地，对于当场反馈，语音交互增加问题反馈垂类，用户可通过语音主动录入问题，当用户说“上报问题+内容”，解析语义成功划分到问题反馈垂类，系统基于事件记录规则自动记录用户发起此次语音时间点的事件记录。对于事后反馈，用户在行程结束后通
过文字、语音等形式，而在车机、手机app端对问题进行反馈，系统基于用户反馈的时间段查找异常接管的事件数据，并将事件数据和反馈信息一起打包记录传递给工程师进行排查优化。通过多种主动上报方式，可确保在自动驾驶系统未及时弹出引导窗口或弹出引导窗口但用户没有时间对异常接管原因进行说明等情况下，通过用户的主动上报也能及时录入反馈信息，进而为自动驾驶系统的排查优化提供更多的信息。
54.s3：系统记录反馈信息并对该异常接管时间段的反馈信息和事件数据分析，通过模型对系统进行优化训练。
55.系统在查询调取反馈信息后，并调取该异常接管时间段的事件数据，然后对反馈信息和事件数据进行分析，筛选出训练数据，进而将该训练数据应用于系统，通过模型对系统进行训练，促使下次碰到类似事件，系统可自动识别出风险并提醒用户进行人工接管。通过上述技术方案所描述的方法可提取事件数据，并根据是否满足异常接管触发条件进行判断，以确定事件数据的场景是否属于异常接管场景，若属于，则对该异常接管的事件数据进行分析训练，进而优化系统，将“未知场景”优化为“可处理场景”，提高自动驾驶系统的处理能力和稳定性；同时通过该技术方案还可提供一种自动驾驶系统对于未知场景的处理方法，解决现有技术中自动驾驶的漏检、误检问题，促使自动驾驶系统可正确识别和安全控制，减少安全事故的发生。
56.进一步地，步骤s3中系统记录反馈信息并对该异常接管时间段的反馈信息和事件数据分析，通过模型对系统进行优化训练，还包括以下步骤：
57.s301，记录数据：根据异常接管时间点确定事件数据记录时间范围，并将事件数据和反馈信息共同记录。
58.具体地，事件数据记录时间范围是时间起点到时间终点之间，其中时间起点涉及两个时间点，分别为第一预设时间、自动驾驶/辅助驾驶系统退出时间，在选择时间起点时，以上述两个时间点中较晚的一个时间点为最佳时间起点；时间终点涉及三个时间点，分别为第二预设时间、事件终点时间、自动驾驶/辅助驾驶系统激活时间，在选择时间终点时，以上述三个时间点中较早的一个时间点为最佳时间终点。通过对事件数据记录时间的起点和终点设置多个时间点，并选择性的纳入最佳时间点，将时间起点和时间终点范围内的事件数据打包，以供进一步排查分析，可最大程度的保证能够完整的将事件数据记录并分析，避免因缺失部分数据导致分析出错，影响系统优化效果。
59.具体地，第一预设时间为事件记录起点前一段时间，预设时间长度可以自行设置，优选为30s、1min或5min。第二预设时间为事件记录终点后一段时间，预设时间长度可以自行设置，优选为30s、1min或5min。
60.s302，分析数据：基于事件数据，结合用户行为置信度，判断事件数据是否可信，若可信，则进入下一步骤，若不可信，则丢弃事件数据。
61.具体地，用户行为置信度的判断标准包括但不限于用户历史使用辅助驾驶行为习惯、使用辅助驾驶的综合时长、智能驾驶综合得分和辅助驾驶的偏好模式。其中用户驾驶行为习惯主要包括两点，第一点，用户主动频繁接管，例如，在场景良好状态下，用户频繁主动发生接管行为，则可认为用户行为置信度较低。第二点，可预期范围内频繁接管提醒，例如，在场景良好状态下，系统频繁向驾驶员发出脱手提醒、脱眼提醒，则可认为用户行为置信度较低。智能驾驶综合得分满分为100分，在智能辅助驾驶状态下，车主的错误操作将会形成
扣分项，一旦分数被减到80分以下，则可认为用户行为置信度较低。辅助驾驶的偏好模式包括保守、普通或激进，其中激进者用户行为置信度较低，保守者以及普通者用户行为置信度相对较高。
62.基于步骤s301中所记录的事件数据，结合用户行为置信度，对数据进行筛选，当用户行为置信度大于阈值时，则认为事件数据可信，若用户行为置信度小于阈值时，则认为事件数据不可信，可丢弃数据，不进行下一步操作。通过分析用户行为置信度对事件数据的可信程度进行分析判断，可筛选出非未知安全风险场景情况下的用户主动接管情况，避免不必要的分析增加系统运行成本。
63.s303，训练优化模型：将事件数据作为训练数据，并基于用户反馈信息，对模型进行优化训练。
64.将步骤s302中筛选出的事件数据作为训练数据，并结合用户反馈信息，分析所需要训练的模型类别，针对性的进行训练。示例性地，针对用户反馈的误检/漏检问题，可以人工对步骤s302中的事件数据进行预标注，然后再对感知模型进行训练。
65.进一步地，在训练时，还需对模型训练是否达标进行判断，当预设时间段内发送异常接管事件次数大于阈值，或者相同路段发生异常接管的事件次数大于阈值，则认为系统存在一定的风险，需要对模型进行重新训练，直至模型训练达到安全标准。其中阈值可根据用户实际驾驶情况自行设置。通过将事件数据和反馈信息结合，可为系统的优化训练提供高精准度的未知场景数据集，为工程师在本数据集上进行算法测试迭代提供便利，促使系统在下一次遇到相同场景时可准确、高效的判断事件场景，进而给出准确的处理方案。
66.s304，测试验证模型：将训练好的模型进行实车路测，路测通过后，升级系统并持续观察事件数据应用情况。
67.基于训练好的模型进行实车路测，路测验证通过后，对车辆系统进行升级，并持续观察使用数据情况，持续发现和优化问题。通过实车路测将理论与实践相结合，可更好的验证模型在实际场景中是否也能较好的辨别事件场景，从而提供准确的处理方案，为模型的实际应用提供了支持。
68.综上，通过对用户的异常接管行为进行再分析(即系统认为正常自动驾驶，用户突发紧急接管)，以筛选出由自动驾驶系统无法处理的未知场景，记录异常接管的相关事件数据，并基于该数据和用户反馈信息进行排查优化算法，对自动驾驶系统进行优化训练，将“未知场景”优化为“可处理场景”，从而提增加自动驾驶系统可处理的场景信息范围。
69.如图3-4所示，本发明提供了一种自动驾驶系统接管处理装置，该处理装置包括：采集模块，用于获取行驶过程中的事件数据；判断模块，用于判断该事件数据是否满足异常接管的触发条件；查询模块，当事件数据满足异常接管的触发条件时，查询模块是否存在反馈信息，并基于不同的反馈方式调取反馈信息；优化模块，该模块包括记录单元、分析单元、训练优化单元和测试验证单元，其中记录单元用于记录事件数据和反馈信息，分析单元用于根据用户行为置信度判断事件数据是否可信，训练优化单元用于根据事件数据和反馈信息对模型进行优化训练，测试验证单元用于对训练好的模型进行实车路测。
70.需要说明的是，本发明提供的一种自动驾驶系统接管处理装置可以通过硬件方式实现，也可以通过软件方式实现，这里对于实现方式不做具体限定。
71.本发明还提供了一种自动驾驶车辆，所述自动驾驶车辆包括电子设备，所述电子
设备包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现图1-2所示的自动驾驶系统接管处理方法。
72.本发明还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如图1-2所示的一种自动驾驶系统接管处理方法的各个步骤。
73.本公开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。
74.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
75.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(an)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)。
76.前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

技术特征：
1.一种自动驾驶系统接管处理方法，其特征在于：所述处理方法包括以下步骤：s1：获取行驶过程中的事件数据；s2：判断是否满足异常接管触发条件，若满足异常接管触发条件，则查询反馈信息，若不满足异常接管触发条件，则无需查询；s3：系统记录反馈信息并对该异常接管时间段的反馈信息和事件数据进行分析，通过模型对系统进行优化训练。2.根据权利要求1所述的一种自动驾驶系统接管处理方法，其特征在于：所述异常接管触发条件包括第一条件和第二条件，所述第一条件为自动驾驶/辅助状态下车辆发生紧急接管，所述第二条件为自动驾驶/辅助驾驶状态下判断当下场景为正常运行状态，所述第一条件和第二条件均满足，即满足异常接管触发条件。3.根据权利要求2所述的一种自动驾驶系统接管处理方法，其特征在于：所述第一条件中紧急接管判断条件为横/纵向加速度大于阈值。4.根据权利要求1所述的一种自动驾驶系统接管处理方法，其特征在于：所述步骤s2中反馈信息的反馈方式包括第一反馈方式和第二反馈方式，所述第一反馈方式为系统与用户主动交互，所述第二反馈方式为用户主动上报。5.根据权利要求1所述的一种自动驾驶系统接管处理方法，其特征在于：步骤s3中系统记录反馈信息并对该异常接管时间段的反馈信息和事件数据进行分析，通过模型对系统进行优化训练，具体包括以下步骤：s301，记录数据：根据异常接管时间点确定事件数据，并将事件数据和反馈信息共同记录；s302，分析数据：基于事件数据，结合用户行为置信度，判断事件数据是否可信，若可信，则进入下一步骤；若不可信，则丢弃事件数据；s303，训练优化模型：将事件数据作为训练数据，并基于用户反馈信息，对模型进行优化训练；s304，测试验证模型：将训练好的模型进行实车路测，路测通过后，升级系统并持续观察事件数据应用情况。6.根据权利要求5所述的一种自动驾驶系统接管处理方法，其特征在于：所述事件数据的记录时间范围为时间起点到时间终点，所述时间起点涉及两个时间点，所述时间起点为两个时间点中较晚的一个时间点；所述时间终点涉及三个时间点，所述时间终点为三个时间点中较早的一个时间点。7.根据权利要求6所述的一种自动驾驶系统接管处理方法，其特征在于：所述时间起点的两个时间点为第一预设时间、自动驾驶/辅助驾驶系统退出时间，所述时间终点的三个时间点为第二预设时间、事件终点时间、自动驾驶/辅助驾驶系统激活时间。8.根据权利要求1、5或6所述的一种自动驾驶系统接管处理方法，其特征在于：所述事件数据包括但不限于车辆行驶数据、车辆视频数据、车辆位置数据和车辆接管数据。9.根据权利要求5所述的一种自动驾驶系统接管处理方法，其特征在于：所述用户置信度判断标准包括但不限于用户历史使用辅助驾驶行为习惯、使用辅助驾驶的综合时长、智能驾驶综合得分、辅助驾驶的偏好模式。10.根据权利要求5所述的一种自动驾驶系统接管处理方法，其特征在于：所述步骤
s303还包括判断模型是否达到安全标准，当预设时间段内发送异常接管事件次数大于阈值或者相同路段发生异常接管的事件次数大于阈值，则认为模型未达到安全标准，需要对模型重新训练。11.一种自动驾驶系统接管处理装置，其特征在于，所述处理装置包括：采集模块，用于获取行驶过程中的事件数据；判断模块，用于判断是否满足紧急接管触发条件；查询模块，用于查询和读取反馈信息；优化模块，包括记录单元、分析单元、训练优化单元和测试验证单元，所述记录单元用于记录事件数据和反馈信息，所述分析单元用于根据用户置信度判断事件数据是否可信，所述训练优化单元用于根据事件数据和反馈信息对模型进行优化训练，所述测试验证单元用于对训练好的模型进行实车路测。12.一种自动驾驶车辆，其特征在于，所述自动驾驶车辆包括电子设备，所述电子设备包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现如权利要求1-10中任一项所述的自动驾驶系统接管处理方法。13.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-10中任一项所述的自动驾驶系统接管处理方法的各个步骤。

技术总结
本发明属于自动驾驶技术领域，特别涉及一种自动驾驶系统接管处理方法，其步骤包括，S1，获取行驶过程中的事件数据；S2，判断是否满足异常接管触发条件，若满足异常接管触发条件，则查询反馈信息，若不满足异常接管触发条件，则无需查询；S3，系统记录反馈信息并对该异常接管时间段的反馈信息和事件数据分析，通过模型对系统进行优化训练。通过上述技术方案可将现有的“未知场景”优化为“可处理场景”，从而增加自动驾驶系统可处理的场景信息范围，促使自动驾驶系统可正确识别和安全控制，降低安全事故发生率。故发生率。故发生率。


技术研发人员：唐烈萍
受保护的技术使用者：深圳元戎启行科技有限公司
技术研发日：2022.12.23
技术公布日：2023/7/4