一种切换驾驶模式的方法、系统、计算机设备和存储介质与流程

车辆装置的制造及其改造技术1.本发明涉及车辆技术领域，特别是涉及一种智能切换驾驶模式的方法、系统、计算机设备和存储介质。背景技术：2.随着现代科技的飞速发展和人们生活水平的不断提升，各类车辆已成为人们生活中不可或缺的交通运输工具。车辆在给人们的生活出行带来极大便利的同时，其安全稳定性及相应的驾驶体验也备受关注。为了满足用户的驾驶需求和更人性化的体验，及提升整车的经济性、动力性、操控性等性能，车辆通常会支持各种驾驶模式来应对不同路况、不同人员的驾驶需求，如自动变速器通常开发了经济模式、普通模式、运动模式，适时四驱系统通常开发了两驱模式、自动模式、sport 模式等，驾驶员可以根据实际的驾驶情况来选择和切换驾驶模式，或车辆系统通过检测自动进行简单的模式切换。3.现有的模式切换方法大多为由驾驶员根据路况判断、个人驾驶喜好通过车辆上的一个甚至多个模式切换按键(按钮或触控显示屏)进行人为切换操作。然而，在实际车辆驾驶过程中，其需要驾驶员有较高的专业知识对识别路况，且能够准确把握各个驾驶模式的应用场景，不仅增加了驾驶员的操作难度，还不能保证车辆随时处于期望的行驶状态，极易造成车辆性能下降。4.因此，如何基于现有技术，制定一种既能降低对驾驶员依赖度，又能保证整车性能的智能切换驾驶模式控制方法成为亟需解决的难点。技术实现要素：5.本发明的目的是解决现有驾驶模式切换过度依赖驾驶员操作和会降低整车性能的问题，不仅能有效避免驾驶员对路况环境变化的感知及必要专业知识的储备，而且能简化驾驶员操作，还能提升整车综合性能、车辆自动化驾驶水平、用户体验及市场竞争力。6.为了实现上述目的，有必要针对上述技术问题，提供一种切换驾驶模式的方法、系统、计算机设备和存储介质。7.第一方面，本发明实施例提供了一种切换驾驶模式的方法，所述方法包括以下步骤：8.实时获取环境信息和车辆信息；所述环境信息包括道路信息和路况信息；所述车辆信息包括驾驶操作输入和车辆行驶状态；9.将所述环境信息和所述车辆信息分别处理为对应的环境信号和车辆信号；所述环境信号包括道路信号和路况信号；所述车辆信号包括驾驶意图信号和车辆行驶状态信号；10.根据所述环境信号和所述车辆信号进行匹配分析，得到期望驾驶模式；11.将车辆的驾驶模式切换为所述期望驾驶模式。12.进一步地，所述实时获取环境信息和车辆信息的步骤包括：13.通过摄像头和雷达获取所述道路信息；所述道路信息包括道路图像；14.通过传感器硬线或can信号获取所述驾驶操作输入；所述驾驶操作输入包括方向盘输入、油门输入和制动输入；15.通过can信号获取所述车辆行驶状态；所述车辆行驶状态包括发动机转速、发动机扭矩和发动机加速度；16.通过车载地图或导航获取所述路况信息；所述路况信息包括前段道路行驶车辆数目和前段道路车辆行驶速度。17.进一步地，所述将所述环境信息和所述车辆信息分别处理为对应的环境信号和车辆信号的步骤包括：18.根据所述道路图像，将所述道路信息转换为所述道路信号；所述道路信号包括良好路面、坑洼路面、雪地、沙地和泥地；19.根据所述方向盘输入、所述油门输入和所述制动输入，将所述驾驶操作输入转换为所述驾驶意图信号；所述驾驶意图信号包括轻柔驾驶、中度驾驶和激进驾驶；20.根据所述发动机转速、所述发动机扭矩和所述发动机加速度，将所述车辆行驶状态转换为所述车辆行驶状态信号；所述车辆行驶状态信号包括中高速行驶、中低速正常行驶和中低速激进行驶；21.根据所述前段道路行驶车辆数目和所述前段道路车辆行驶速度，将所述路况信息转换为所述路况信号；所述路况信号包括路况良好、路况正常和路况拥堵。22.进一步地，所述根据所述环境信号和所述车辆信号进行匹配分析，得到期望驾驶模式的步骤包括：23.预先根据所述环境信号和所述车辆信号的分类组合结果，配置各执行器对应的期望运行模式；所述期望运行模式的类型数目与所述执行器的类型数目相同；24.将所述环境信号和所述车辆信号的实际组合结果与所述分类组合结果进行比对，并查找相对应的各执行器的期望运行模式；25.根据所述期望运行模式生成与之对应的模式指令，并将所模式指令发送给与之对应的所述执行器。26.进一步地，所述执行器包括发动机执行器、变速器执行器、四驱执行器、转向执行器、制动执行器和悬架执行器；所述期望运行模式包括发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式。27.进一步地，所述将车辆驾驶模式切换为期望驾驶模式的步骤包括：28.由所述执行器根据所述模式指令，同步执行所述期望运行模式。29.第二方面，本发明实施例提供了一种切换驾驶模式系统，所述系统包括：30.信息获取模块，用于实时获取环境信息和车辆信息；所述环境信息包括道路信息和路况信息；所述车辆信息包括驾驶操作输入和车辆行驶状态；31.信号转换模块，用于将所述环境信息和所述车辆信息分别处理为对应的环境信号和车辆信号；所述环境信号包括道路信号和路况信号；所述车辆信号包括驾驶意图信号和车辆行驶状态信号；32.模式计算模块，用于根据所述环境信号和所述车辆信号进行匹配分析，得到期望驾驶模式；33.模式切换模块，用于将车辆的驾驶模式切换为所述期望驾驶模式。34.进一步地，所述信息获取模块包括：35.第一数据模块，用于通过摄像头和雷达获取所述道路信息；所述道路信息包括道路图像；36.第二数据模块，用于通过传感器硬线或can信号获取所述驾驶操作输入；所述驾驶操作输入包括方向盘输入、油门输入和制动输入；37.第三数据模块，用于通过can信号获取所述车辆行驶状态；所述车辆行驶状态包括发动机转速、发动机扭矩和发动机加速度；38.第四数据模块，用于通过车载地图或导航获取所述路况信息；所述路况信息包括前段道路行驶车辆数目和前段道路车辆行驶速度。39.进一步地，所述信号转换模块包括：40.第一处理模块，用于根据所述道路图像，将所述道路信息转换为所述道路信号；所述道路信号包括良好路面、坑洼路面、雪地、沙地和泥地；41.第二处理模块，用于根据所述方向盘输入、所述油门输入和所述制动输入，将所述驾驶操作输入转换为所述驾驶意图信号；所述驾驶意图信号包括轻柔驾驶、中度驾驶和激进驾驶；42.第三处理模块，用于根据所述发动机转速、所述发动机扭矩和所述发动机加速度，将所述车辆行驶状态转换为所述车辆行驶状态信号；所述车辆行驶状态信号包括中高速行驶、中低速正常行驶和中低速激进行驶；43.第四处理模块，用于根据所述前段道路行驶车辆数目和所述前段道路车辆行驶速度，将所述路况信息转换为所述路况信号；所述路况信号包括路况良好、路况正常和路况拥堵。44.进一步地，所述模式计算模块包括：45.模式配置模块，用于预先根据所述环境信号和所述车辆信号的分类组合结果，配置各执行器对应的期望运行模式；所述期望运行模式的类型数目与所述执行器的类型数目相同；46.模式分析模块，用于将所述环境信号和所述车辆信号的实际组合结果与所述分类组合结果进行比对，并查找相对应的各执行器的期望运行模式；47.指令发送模块，用于根据所述期望运行模式生成与之对应的模式指令，并将所模式指令发送给与之对应的所述执行器。48.第三方面，本发明实施例还提供了一种计算机设备，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计算机程序时实现上述方法的步骤。49.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，所述计算机程序被处理器执行时实现上述方法的步骤。50.上述本技术提供了一种切换驾驶模式的方法、系统、计算机设备和存储介质，通过所述方法，实现通过摄像头和雷达获取道路信息、通过传感器硬线或can信号获取驾驶操作输入、通过can信号获取车辆行驶状态，及通过车载地图或导航获取路况信息，再将获取的道路信息、驾驶操作输入、车辆行驶状态及路况信息转换为对应的道路信号、驾驶意图信号、车辆行驶状态信号和路况信号，并对上述各类信号进行综合分析，与预先配置的信号分类组合结果进行匹配，计算出当前车辆行驶的期望驾驶模式，并通过模式指令通知各执行器同步进行对应的模式切换，以使整车切换为期望驾驶模式的技术方案。与现有技术相比，在应用于车辆驾驶模式自动切换的实际场景时，通过对实时监测道路信息、驾驶员操作、车辆行驶状态信息、实时路况信息进行分析处理得出车辆的期望驾驶模式并进行智能切换，使得整车在不同道路、不同路况、不同驾驶风格和不同车辆行驶状态下都能保持最佳状态，不仅有效避免了驾驶员对路况环境变化的感知及必要专业知识的储备，而且简化了驾驶员的繁琐操作，还进一步提升了整车综合性能、车辆自动化驾驶水平、用户体验及市场竞争力。附图说明51.图1是中一种切换驾驶模式的方法的流程示意图；52.图2是图1步骤s11实时获取环境信息和车辆信息的流程示意图；53.图3是图1中步骤s12中将环境信息和车辆信息转换为环境信号和车辆信号的流程示意图；54.图4是图1中步骤s13根据根据环境信号和车辆信号计算期望驾驶模式的流程示意图；55.图5是本发明实施例中切换驾驶模式系统的结构示意图；56.图6是图5中信息获取模块1的结构示意图；57.图7是图5中信号转换模块2的结构示意图；58.图8是图5中模式计算模块3的结构示意图；59.图9是本发明实施例中计算机设备的内部结构图。具体实施方式60.为了使本技术的目的、技术方案和有益效果更加清楚明白，下面结合附图及实施例，对本发明作进一步详细说明，显然，以下所描述的实施例是本发明实施例的一部分，仅用于说明本发明，但不用来限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。61.本发明提供的切换驾驶模式的方法，是基于现有车辆驾驶模式切换方法基础上的改进，即通过对现实车辆行驶的场景进行多维度、全面、合理、细致的拆解，并配置合理有效的驾驶模式与之对应，在车辆行驶过程中将实时采集的直接影响车辆驾驶的关键信息，如道路信息、驾驶操作输入、车辆行驶状态及实时路况进行综合分析，计算得到车辆在实际场景下的期望驾驶模式，并将该期望驾驶模式进行分解，得到各个执行器所对应的期望运行模式，由各执行器同步切换运行模式来配合实现车辆驾驶模式的实时智能切换的技术方案，在精准识别驾驶场景的基础上，很好地保证了整车在各路况、驾驶风格和车辆行驶状态下保持最佳行驶状态，实现了有效减少驾驶员对路况判断的烦恼和对驾驶模式切换的繁琐操作的同时，进一步提升了整车综合性能、车辆自动化驾驶水平、用户体验及市场竞争力。62.在一个实施例中，如图1所示，提供了一种切换驾驶模式的方法，包括以下步骤：63.s11、实时获取环境信息和车辆信息；所述环境信息包括道路信息和路况信息；所述车辆信息包括驾驶操作输入和车辆行驶状态；64.其中，道路信息、路况信息、驾驶操作输入和车辆行驶状态，均是影响车辆行驶模式切换的关键因素，其对应信息的获取方式可根据车辆的实际配置情况进行选取，本技术所采用的信息获取方式仅以配置有摄像头、雷达、地图或导航，及通过传感器或can总线监测车辆动力学状态的车辆为例进行说明，如图2所示，所述实时获取环境信息和车辆信息的步骤s11包括：65.s111、通过摄像头和雷达获取所述道路信息；所述道路信息包括道路图像；66.其中，道路图像包括摄像头获取的二维图像及雷达获取的三维立体图像用于分辩当前行驶道路的类型。比如激光雷达是一种感知外界环境的视觉感受器，车用3d激光雷达一般将激光扫描仪、全球定位系统和惯性测量装置相结合，发射激光束探测目标获取点云数据，经成像处理后就可以得到精准的三维立体图像，测距精度可达厘米级，具有精准度高、作业速度快和效率高等优势。本实施例中采用摄像头与雷达结合判断道路信息的方式，可以精准的识别道路的具体状况，如是否平坦，是否凸凹不平，是否存在积雪或冰面，是否存在泥沙，是否有淤泥等，为后续的智能分析选择合适的驾驶模式提供了准确的依据。需要说明的是，上述描述并不排除基于路面附着系数、车辆行驶动态等其他因素辅助判断。67.s112、通过传感器硬线或can总线识别所述驾驶操作输入；所述驾驶操作输入包括方向盘输入、油门输入和制动输入；68.其中，方向盘输入包括方向盘转动角度和方向盘转动速度，油门输入包括油门踩踏速度和油门踩踏深度，制动输入包括制动踏板踩踏速度和制动踏板踩踏深度，每个驾驶操作输入具体获取的方法也因实际车辆不同而异。如，方向盘转动角度和方向盘转动速度等可以通过方向盘的转角信号或对应的传感器进行获取，油门踩踏速度和油门踩踏深度可通过油门压力传感器来识别获取，制动输入可以通过制动开关、主缸压力信号或制动踏板传感器来识别获取等。车辆行驶过程中，有无驾驶操作输入，及驾驶操作输入的具体内容及大小直接体现了驾驶员的不同风格，展示了不同驾驶员的驾驶意图，会直接影响制动、动力系统和转向系统的作用，进而影响到车辆的行驶状态及相应的稳定情况。69.s113、通过can信号获取所述车辆行驶状态；所述车辆行驶状态包括发动机转速、发动机扭矩和发动机加速度；70.其中，车辆行驶状态包括但不限于上述的发动机转速、发动机扭矩和发动机加速三种，其可采用现有获取方式，如传感器等。本实施例中通过对发动机转速、扭矩及加速度的获取可以实时了解车辆行驶的车速大小、转向大小及各方向的加速度大小，进而分析车辆当前所属的驾驶类型，用于后续模式切换的综合分析。71.s114、通过车载地图或导航获取所述路况信息；所述路况信息包括前段道路行驶车辆数目和前段道路车辆行驶速度。72.其中，路况信息包括但不限于上述的前段道路行驶车辆数目和前段道路车辆行驶速度，其是驾驶员出行路上必须关注的事项，其直接影响着车辆的行驶，可用于预判是当前车辆行驶状态是否适宜、是否需要及时调整等。73.本实施例中通过使用基本的车载配置实时精准地获取影响车辆行驶的关键信息的方法，不仅简单方便，而且为后续综合分析车辆的期望驾驶模式提供了较为全面的依据，还为最终确定的期望驾驶模式的合理性提供了有力的保障。74.s12、将所述环境信息和所述车辆信息分别处理为对应的环境信号和车辆信号；所述环境信号包括道路信号和路况信号；所述车辆信号包括驾驶意图信号和车辆行驶状态信号；75.其中，道路信号和路况信号分别与道路信息和路况信息相对应，驾驶意图信号和车辆行驶状态信号分别与驾驶操作输入和车辆行驶状态相对应。将采集到的道路信息、路况信息、驾驶操作输入和车辆行驶状态转换为对应的道路信号、路况信号、驾驶意图信号和车辆行驶状态信号的方法，均可根据实际情况进行选择。本实施例中，如图3 所示，将所述环境信息和所述车辆信息分别处理为对应的环境信号和车辆信号的步骤s12包括：76.s121、根据所述道路图像，将所述道路信息转换为所述道路信号；所述道路信号包括良好路面、坑洼路面、雪地、沙地和泥地；77.其中，如表1所示，根据道路图像确定对应道路信号的标准为：若当前道路图像显示为良好的铺装路面且路面状况优良，如高速公路等，则对应的道路信号确定为良好路面；若当前道路图像显示为存在凹凸不平的坑洼硬基路面，如年久失修的铺装路面，则对应的道路信号确定为坑洼路面；若当前道路图像显示存在积雪(或冰)的路面，则对应的道路信号确定为雪地；若当前道路图像显示为存在积沙(一般深度超过5cm)的路面，则对应的道路信号确定为沙地；若当前道路图像显示为存在淤泥(一般深度超过3cm)的湿滑路面，则对应的道路信号确定为泥地。78.表1道路信息转换为道路信号的参考准则表[0079][0080]s122、根据所述方向盘输入、所述油门输入和所述制动输入，将所述驾驶操作输入转换为所述驾驶意图信号；所述驾驶意图信号包括轻柔驾驶、中度驾驶和激进驾驶；[0081]其中，如表2所示，根据方向盘输入、油门输入和制动输入确定对应驾驶意图信号(也可以理解为驾驶员的驾驶风格)的准则为：若方向盘转动速度和方向盘转动角度，油门踩踏速度和油门踩踏深度，制动踏板踩踏速度和制动踏板踩踏深度均为较缓慢柔和，则确定驾驶意图信号为轻柔驾驶；若方向盘转动速度和方向盘转动角度，油门踩踏速度和油门踩踏深度，制动踏板踩踏速度和制动踏板踩踏深度均为趋于中性，则确定驾驶意图信号为中度驾驶；若方向盘转动速度和方向盘转动角度，油门踩踏速度和油门踩踏深度，制动踏板踩踏速度和制动踏板踩踏深度均为较激进，则确定驾驶意图信号为激进驾驶。[0082]表2驾驶操作输入转换为驾驶意图信号的参考准则表[0083][0084]s123、根据所述发动机转速、所述发动机扭矩和所述发动机加速度，将所述车辆行驶状态转换为所述车辆行驶状态信号；所述车辆行驶状态信号包括中高速行驶、中低速正常行驶和中低速激进行驶；[0085]其中，发动机转速、发动机扭矩和发动机加速度分别代表车速大小、转向大小及各项加速的大小。如表3所示，根据发动机转速、发动机扭矩和发动机加速度确定对应车辆行驶状态信号的准则为：若车辆行驶车速较高、转向较小且各项加速度均较小时，确定车辆行驶状态信号为中高速行驶；若车辆行驶车速不高、转向适中且各项加速度均适中时，确定车辆行驶状态信号为中低速正常行驶；若车辆行驶车速不高、转向较大且各项加速度均较大时，确定车辆行驶状态信号为中低速激进行驶。[0086]表3车辆行驶状态转换为车辆行驶状态信号的参考准则表[0087]车辆行驶状态信号车辆行驶状态车辆行驶状态转换为车辆行驶状态信号的准则vehicle_1中高速行驶车辆行驶车速较高，转向较小，各项加速度均较小vehicle_2中低速正常行驶车辆行驶车速不高，转向适中，各项加速度适中vehicle_3中低速激进行驶车辆行驶车速不高，转向较大，各项加速度较大[0088]s124、根据所述前段道路行驶车辆数目和所述前段道路车辆行驶速度，将所述路况信息转换为所述路况信号；所述路况信号包括路况良好、路况正常和路况拥堵。[0089]其中，前段道路行驶车辆数目的多少和前段道路车辆行驶速度的快慢可以很好的展示路况的好坏。如表4所示，据前段道路行驶车辆数目和前段道路车辆行驶速度，确定对应路况信号的准则为：若前端路况行驶车辆数目较少且车速较高时，确定路况信号为路况良好；若前端路况行驶车辆数目适中且车速中高时，则确定路况信号为路况拥堵。[0090]表4路况信息转换为路况信号的参考准则表[0091][0092][0093]本实施例通过对采集到的道路信息、路况信息、驾驶操作输入和车辆行驶状态等信息选用合适的数据指标，进行合理的分析处理后转换为对应的道路信号、路况信号、驾驶意图信号和车辆行驶状态信号，其简单有效的将不确定信息转换为定量信息的方法，为后续的模式分析识别提供极大的便利。需要说明的是，道路信号、驾驶意图信号、车辆行驶状态信号和路况信号的具体分类可根据实际情况和应用需求，重新划分或进行更进一步的细化，不会影响该技术方案构思的实现。[0094]s13、根据所述环境信号和所述车辆信号进行匹配分析，得到期望驾驶模式；[0095]其中，车辆的期望驾驶模式是根据环境信号和车辆信号(即道路信号、驾驶意图信号、车辆行驶状态信号和路况信号)的综合分析得到的，如图4所示，所述根据所述环境信号和所述车辆信号进行匹配分析，得到期望驾驶模式的步骤s13包括：[0096]s131、预先根据所述环境信号和所述车辆信号的分类组合结果，配置各执行器对应的期望运行模式；所述期望运行模式的类型数目与所述执行器的类型数目相同；[0097]其中，环境信号和车辆信号的分类组合结果是按照道路信号、驾驶意图信号、车辆行驶状态信号和路况信号的不同分类的笛卡尔积确定，保证每一种组合情况都是唯一的。[0098]执行器和期望运行模式的分类可以根据实际车辆的需求进行配置。本实施例中仅以下分类为例进行说明：执行器包括发动机执行器、变速器执行器、四驱执行器、转向执行器、制动执行器和悬架执行器，与各执行器对应的期望运行模式包括发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式。[0099]s132、将所述环境信号和所述车辆信号的实际组合结果与所述分类组合结果进行比对，并查找相对应的各执行器的期望运行模式；[0100]其中，如表5所示，本实施例根据车辆实际驾驶过程中可能存在的工况场景，分别为发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式设置对应的多个期望模式。其中，发动机期望模式有ems＿1、ems＿2和ems＿3，变速器期望模式有tcu＿1、tcu＿2、tcu＿3和tcu＿4，四驱期望模式有tmm＿1、tmm＿2 和tmm＿3，转向期望模式有eps＿1、eps＿2和eps＿3，制动期望模式有 esp＿1、esp＿2、esp＿3和esp＿4，悬架期望模式有cdc＿1、cdc＿2和cdc＿3，具体根据如表1－4描述的环境信号和车辆信号的实际组合结果，确定各执行器期望运行模式的准则如下：[0101]当所述道路信号为所述良好状态、所述驾驶意图信号为所述轻柔驾驶、所述行驶车辆行驶状态信号为所述中高速行驶、所述路况信号为所述路况良好或所述路况正常时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿1、tcu＿1、tmm＿1、eps＿2、esp＿1、cdc＿1；[0102]当所述道路信号为所述良好状态、所述驾驶意图信号为所述轻柔驾驶、所述行驶车辆行驶状态信号为所述中高速行驶、所述路况信号为所述路况拥堵时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为 ems＿1、tcu＿2、tmm＿2、eps＿2、esp＿1、cdc＿1；[0103]当所述道路信号为所述良好状态、所述驾驶意图信号为所述轻柔驾驶、所述行驶车辆行驶状态信号为所述中低速正常行驶、所述路况信号为所述路况良好时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿1、tcu＿1、tmm＿1、eps＿2、esp＿1、cdc＿1；[0104]当所述道路信号为所述良好状态、所述驾驶意图信号为所述轻柔驾驶、所述行驶车辆行驶状态信号为所述中低速正常行驶、所述路况信号为所述路况正常和所述路况拥堵时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿1、tcu＿2、tmm＿2、eps＿2、esp＿1、cdc＿1；[0105]当所述道路信号为所述良好状态、所述驾驶意图信号为所述轻柔驾驶、所述行驶车辆行驶状态信号为所述中低速激进行驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿1、tcu＿2、tmm＿2、esp＿1、 eps＿1、cdc＿2；[0106]当所述道路信号为所述良好状态、所述驾驶意图信号为所述中度驾驶、所述行驶车辆行驶状态信号为所述中高速行驶或所述中低速正常行驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿2、 tcu＿2、tmm＿2、eps＿2、esp＿1、cdc＿1；[0107]当所述道路信号为所述良好状态、所述驾驶意图信号为所述中度驾驶、所述行驶车辆行驶状态信号为所述中低速激进行驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿2、tcu＿2、tmm＿2、esp＿1、 eps＿1、cdc＿2；[0108]当所述道路信号为所述良好状态、所述驾驶意图信号为所述激进驾驶、所述行驶车辆行驶状态信号为所述中高速行驶、所述路况信号为所述路况良好时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为 ems＿3、tcu＿4、tmm＿3、eps＿3、esp＿1、cdc＿1；[0109]当所述道路信号为所述良好状态、所述驾驶意图信号为所述激进驾驶、所述行驶车辆行驶状态信号为所述中高速行驶、所述路况信号为所述路况正常时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为 ems＿2、tcu＿4、tmm＿2、eps＿2、esp＿1、cdc＿1；[0110]当所述道路信号为所述良好状态、所述驾驶意图信号为所述激进驾驶、所述行驶车辆行驶状态信号为所述中高速行驶、所述路况信号为所述路况拥堵时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为 ems＿2、tcu＿2、tmm＿2、eps＿2、esp＿1、cdc＿1；[0111]当所述道路信号为所述良好状态、所述驾驶意图信号为所述激进驾驶、所述行驶车辆行驶状态信号为所述中低速正常行驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿2、tcu＿2、tmm＿2、eps＿2、 esp＿1、cdc＿1；[0112]当所述道路信号为所述良好状态、所述驾驶意图信号为所述激进驾驶、所述行驶车辆行驶状态信号为所述中低速激进行驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿3、tcu＿4、tmm＿3、eps＿1、 esp＿1、cdc＿1；[0113]当所述道路信号为所述坑洼路面、所述驾驶意图信号为所述轻柔驾驶或所述中度驾驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿2、tcu＿2、tmm＿2、eps＿2、esp＿1、cdc＿2；[0114]当所述道路信号为所述坑洼路面、所述驾驶意图信号为所述激进驾驶、所述行驶车辆行驶状态信号为所述高速行驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿2、tcu＿2、tmm＿3、eps＿3、esp＿1、 cdc＿3；[0115]当所述道路信号为所述坑洼路面、所述驾驶意图信号为所述激进驾驶、所述行驶车辆行驶状态信号为所述中低速正常行驶或所述中低速激进行驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿3、 tcu＿4、tmm＿3、eps＿2、esp＿1、cdc＿3；[0116]当所述道路信号为所述雪地、所述驾驶意图信号为所述轻柔驾驶或所述中度驾驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为 ems＿1、tcu＿3、tmm＿2、eps＿2、esp＿2、cdc＿2；[0117]当所述道路信号为所述雪地、所述驾驶意图信号为所述激进驾驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿2、tcu＿3、 tmm＿3、eps＿3、esp＿2、cdc＿3；[0118]当所述道路信号为所述沙地、所述驾驶意图信号为所述轻柔驾驶或所述中度驾驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为 ems＿2、tcu＿4、tmm＿3、eps＿2、esp＿3、cdc＿3；[0119]当所述道路信号为所述沙地、所述驾驶意图信号为所述激进驾驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿3、tcu＿4、 tmm＿3、eps＿2、esp＿3、cdc＿3；[0120]当所述道路信号为所述泥地、所述驾驶意图信号为所述轻柔驾驶或所述中度驾驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为 ems＿2、tcu＿4、tmm＿3、eps＿2、esp＿4、cdc＿3；[0121]当所述道路信号为所述泥地、所述驾驶意图信号为所述激进驾驶时，将所述发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式分别设置为ems＿3、tcu＿4、 tmm_3、eps_2、esp_4、cdc_3。[0122]表5环境信号和车辆信号各组合对应的各执行器期望运行模式表[0123][0124]表5说明表中道路信号、驾驶意图信号、行驶状态信号和实时路况信号参照表1-4[0125]s133、根据所述期望运行模式生成与之对应的模式指令，并将所模式指令发送给与之对应的所述执行器。[0126]本实例中通过预先根据道路信息、路况信息、驾驶操作输入和车辆行驶状态的不同分类组合结果对实际车辆行驶场景进行全面、细致的拆解，并配置对应的各执行器的期望运行模式，在车辆实际行驶过程中，将实时采集的道路信息、路况信息、驾驶操作输入和车辆行驶状态转换为对应的信号后进行综合分析得到实际组合结果，并与预先配置的分类组合结果进行比对，确定其对应组合下的各执行器对应的期望运行模式，并生成对应的模式指令发送给对应执行器用于后续模式切换的技术方案，将车辆行驶的可能面对的场景进行全面的分析，且无一遗漏地设计了对应的驾驶模式，真正做到了车辆驾驶模式的智能化感应，有效降低了驾驶员路况环境变化的感知及必要专业知识的储备需求，在提升用户体验的同时，进一步提升了车辆自动化驾驶水平。[0127]s14、将车辆的驾驶模式切换为所述期望驾驶模式。[0128]其中，车辆的驾驶模式可拆解为车辆上各执行器的运行模式，上述将综合分析得到的期望驾驶模式拆解为各执行器对应的期望运行模式以模式指令的形式发送给各执行器后，各执行器会根据对应的模式指令，同步执行对应的期望运行模式，以达到车辆的驾驶模式切换为期望驾驶模式的效果。需要说明的是，各执行器切换对应的期望运行模式时都会有对应的监测是否切换成功的反馈，并根据对应的模式切换结果给出对应的提示信息。[0129]本实施例通过实时监测道路信息、驾驶员操作、车辆行驶状态信息、实时路况信息等关键车辆行驶的关键信息，并将采集的道路信息、路况信息、驾驶操作输入和车辆行驶状态转为对应的信号后进行组合，将得到的实际组合结果与预先配置的分类组合结果进行匹配，确定该组合下的各执行器对应的期望运行模式，并生成对应的模式指令发送给对应执行器同步完成发动机期望模式、变速器期望模式、四驱期望模式、转向期望模式、制动期望模式和悬架期望模式的切换，以保证整车期望驾驶模式的智能切换的技术方案，在实现相关信息的精准采集和识别的基础上，对车辆驾驶的场景进行全面、合理的分析和拆解，以对应具体有效的驾驶模式，不仅有效地避免驾驶员对路况环境变化的感知及必要专业知识的储备，而且简化了驾驶员操作，还提升整车综合性能、车辆自动化驾驶水平、用户体验，进一步提升了产品的市场竞争力。[0130]需要说明的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。[0131]在一个实施例中，如图5所示，提供了一种切换驾驶模式系统，所述系统包括：[0132]信息获取模块1，用于实时获取环境信息和车辆信息；所述环境信息包括道路信息和路况信息；所述车辆信息包括驾驶操作输入和车辆行驶状态；[0133]信号转换模块2，用于将所述环境信息和所述车辆信息分别处理为对应的环境信号和车辆信号；所述环境信号包括道路信号和路况信号；所述车辆信号包括驾驶意图信号和车辆行驶状态信号；[0134]模式计算模块3，用于根据所述环境信号和所述车辆信号进行匹配分析，得到期望驾驶模式；[0135]模式切换模块4，用于将车辆的驾驶模式切换为所述期望驾驶模式。[0136]在一个实施例中，如图6所示，所述信息获取模块1包括：[0137]第一数据模块11，用于通过摄像头和雷达获取所述道路信息；所述道路信息包括道路图像；[0138]第二数据模块12，用于通过传感器硬线或can信号获取所述驾驶操作输入；所述驾驶操作输入包括方向盘输入、油门输入和制动输入；[0139]第三数据模块13，用于通过can信号获取所述车辆行驶状态；所述车辆行驶状态包括发动机转速、发送机扭矩和发动机加速度；[0140]第四数据模块14，用于通过车载地图或导航获取所述路况信息；所述路况信息包括前段道路行驶车辆数目和前段道路车辆行驶速度。[0141]在一个实施例中，如图7所示，所述信号转换模块2包括：[0142]第一处理模块21，用于根据所述道路图像，将所述道路信息转换为所述道路信号；所述道路信号包括良好路面、坑洼路面、雪地、沙地和泥地；[0143]第二处理模块22，用于根据所述方向盘输入、所述油门输入和所述制动输入，将所述驾驶操作输入转换为所述驾驶意图信号；所述驾驶意图信号包括轻柔驾驶、中度驾驶和激进驾驶；[0144]第三处理模块23，用于根据所述发动机转速、所述发送机扭矩和所述发动机加速度，将所述车辆行驶状态转换为所述车辆行驶状态信号；所述车辆行驶状态信号包括中高速行驶、中低速正常行驶和中低速激进行驶；[0145]第四处理模块24，用于根据所述前段道路行驶车辆数目和所述前段道路车辆行驶速度，将所述路况信息转换为所述路况信号；所述路况信号包括路况良好、路况正常和路况拥堵。[0146]在一个实施例中，如图8所示，所述模式计算模块3包括：[0147]模式配置模块31，用于预先根据所述环境信号和所述车辆信号的分类组合结果，配置各执行器对应的期望运行模式；所述期望运行模式的类型数目与所述执行器的类型数目相同；[0148]模式分析模块32，用于将所述环境信号和所述车辆信号的实际组合结果与所述分类组合结果进行比对，并查找相对应的各执行器的期望运行模式；[0149]指令发送模块33，用于根据所述期望运行模式生成与之对应的模式指令，并将所模式指令发送给与之对应的所述执行器。[0150]关于切换驾驶模式系统的具体限定可以参见上文中对于切换驾驶模式的方法的限定，在此不再赘述。上述切换驾驶模式系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。[0151]图9示出一个实施例中计算机设备的内部结构图，该计算机设备具体可以是终端或服务器。如图9所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示器和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种切换驾驶模式的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。[0152]本领域普通技术人员可以理解，图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算设备可以包括比途中所示更多或更少的部件，或者组合某些部件，或者具有同的部件布置。[0153]在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现上述方法的步骤。[0154]在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。[0155]综上，本发明实施例提供的一种切换驾驶模式的方法、系统、计算机设备和存储介质，其提供了通过预先根据道路信息、驾驶员操作、车辆行驶状态及路况信息的不同分类组合，配置车辆各执行器对应的期望运行模式，将实时采集的道路信息、驾驶员操作、车辆行驶状态信息、实时路况信息等关键车辆行驶的关键信息转换为对应的信号后，进行综合分析得到实际组合结果，并将其与预先配置的分类组合结果进行匹配，确定该组合下的各执行器对应的期望运行模式，并生成对应的模式指令发送给对应执行器同步完成对应期望运行模式的切换，以保证整车期望驾驶模式智能切换的技术方案，在实现相关信息的精准采集和识别的基础上，对车辆驾驶的场景进行全面、合理的分析和拆解，并根据不同场景配以对应的具体且有效的驾驶模式，不仅有效地避免驾驶员对路况环境变化的感知及必要专业知识的储备，而且简化了驾驶员操作，还提升整车综合性能、车辆自动化驾驶水平、用户体验，进一步提升了产品的市场竞争力。[0156]本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。[0157]本说明书中的各个实施例均采用递进的方式描述，各个实施例直接相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统、计算机设备和存储介质的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要说明的是，上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。[0158]以上所述实施例仅表达了本技术的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本技术的保护范围。因此，本技术专利的保护范围应以所述权利要求的保护范围为准。









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!