[发明专利]车辆的控制方法及装置、自动驾驶车辆

说明书

本申请公开了一种车辆的控制方法及装置、自动驾驶车辆。其中，该方法包括：控制车辆按照自动驾驶模式进行行驶；在车辆按照自动驾驶模式行驶的过程中，采集车辆所在区域内的图像信息；分析图像信息，识别出车辆所在区域内的天气信息；依据天气信息确定车辆所在区域的风险级别；依据风险级别调整车辆的驾驶模式，其中，驾驶模式包括：自动驾驶模式以及手动驾驶模式。本申请解决了自动驾驶车辆在行驶的过程中，遇到突发天气，导致自动驾驶车辆的行车安全性较差的技术问题。

技术领域

本申请涉及自动驾驶领域，具体而言，涉及一种车辆的控制方法及装置、自动驾驶车辆。

背景技术

近些年，自动驾驶技术发展较快，但是依旧存在很多技术问题没有克服，例如，自动驾驶车辆在行驶的过程中，遇到突发天气，例如雨雪天气，或者大风天气，会影响自动驾驶车辆行车安全性，甚至发生交通事故。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种车辆的控制方法及装置、自动驾驶车辆，以至少解决自动驾驶车辆在行驶的过程中，遇到突发天气，导致自动驾驶车辆的行车安全性较差的技术问题。

根据本申请实施例的一个方面，提供了一种车辆的控制方法，包括：控制车辆按照自动驾驶模式进行行驶；在车辆按照自动驾驶模式行驶的过程中，采集车辆所在区域内的图像信息；分析图像信息，识别出车辆所在区域内的天气信息；依据天气信息确定车辆所在区域的风险级别；依据风险级别调整车辆的驾驶模式，其中，驾驶模式包括：自动驾驶模式以及手动驾驶模式。

可选地，天气信息包括：降雨信息、降雪信息以及风强等级。

可选地，依据天气信息确定车辆所在区域的风险级别，包括如下至少之一：如果降雨信息指示降雨量大于第一阈值，确定风险级别达到预设风险级别，其中，预设风险级别用于表征天气信息影响车辆的行车安全；如果降雪信息指示降雪量大于第二阈值，确定风险级别达到预设风险级别；如果风强等级大于预设等级，确定风险级别达到预设风险级别。

可选地，依据天气信息确定车辆所在区域的风险级别，还包括：将天气信息输入至机器学习模型进行处理，得到风险级别，其中，机器学习模型是通过以下方式训练得到的：获取训练数据集，并基于训练数据集训练神经网络模型，生成机器学习模型，其中，训练数据集包括：天气信息以及与天气信息对应的风险级别标签。

可选地，依据风险级别调整车辆的驾驶模式，包括：如果风险级别达到预设风险级别，控制车辆由自动驾驶模式切换为手动驾驶模式。

可选地，控制车辆由自动驾驶模式切换为手动驾驶模式之后，上述方法还包括：采集车辆的驾驶员的面部图像；依据驾驶员的面部图像确定驾驶员的注意力是否集中；如果检测到驾驶员存在注意力不集中的情况，向驾驶员发送提醒信息，其中，提醒信息用于提高驾驶员的注意力。

可选地，上述方法还包括：依据天气信息确定车辆所在区域的风险级别之后，将风险级别发送至云端服务器；如果车辆发生事故，将车辆发生事故的位置信息发送至云端服务器，并通过云端服务器发送救援信息。

根据本申请实施例的另一方面，还提供了一种车辆的控制方法，包括：在车辆按照自动驾驶模式行驶的过程中，在车辆的人机交互界面中显示车辆所在区域的天气信息；在人机交互界面中显示车辆所在区域的风险级别，其中，风险级别是依据天气信息确定的；在人机交互界面中显示提醒信息，其中，提醒信息用于提醒用户依据风险级别调整车辆的驾驶模式，其中，驾驶模式包括：自动驾驶模式以及手动驾驶模式。