本发明涉及车辆控制技术领域，特别涉及一种车辆控制方法及装置。
背景技术：
高级驾驶辅助系统adas(advanceddrivingassistancesystem)是一种配备在车辆上辅助驾驶人员驾驶车辆的智能系统，其利用安装在车上各位置的传感器，感应车辆行驶时周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。通常情况下，adas功能为出厂默认，用户无法自行更改，不能适应不用用户的驾驶习惯，也不能给不同用户制定特定的功能需求，降低了用户自动驾驶体验，并且各种子功能需要人工频繁开启或者关闭，增加了用户操作的繁琐性。
技术实现要素：
为了解决现有技术的问题，本发明实施例提供了一种车辆控制方法及装置。
所述技术方案如下：
第一方面，提供了一种车辆控制方法，所述方法包括：
根据获取到的用户信息匹配与其对应的辅助驾驶数据，根据所述辅助驾驶数据辅助用户控制车辆，其中所述辅助驾驶数据包括：利用机器学习模型获取的操作惯性数据和根据用户对功能模式选取的历史数据获取的操作功能模式选取数据。
进一步地，所述操作功能模式选取数据包括：横向辅助控制功能选取数据和/或纵向辅助控制功能选取数据；
进一步地，根据所述横向辅助控制功能选取数据或纵向辅助控制功能选取数据辅助用户控制车辆包括：
根据所述横向辅助控制功能选取数据或纵向辅助控制功能选取数据向车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统中的一种或多种发送控制信号，控制其开关及参数设置。
进一步地，所述用户信息包括：面部识别信息、指纹信息、声纹信息中的一种或多种。
进一步地，所述操作惯性数据包括：最优方向盘转向力矩；所述最优方向盘转向力矩的获取包括：
采集方向盘转向力矩，以及与所述方向盘转向力矩对应的方向盘转角、车道曲率、车辆运行速度；
将所述车辆运行速度、所述方向盘转角、所述车道曲率、所述方向盘转向力矩、自车姿态输入到方向盘转向力矩的机器学习模型中，获取所述最优方向盘转向力矩；
将所述最优方向盘转向力矩与所述用户信息关联并存储。
进一步地，根据所述最优方向盘转向力矩辅助用户控制车辆包括：根据所述最优方向盘转向力矩控制转向助力系统，通过所述转向助力系统控制所述车辆的方向盘。
进一步地，所述操作惯性数据包括：最优踏板灵敏度；所述最优踏板灵敏度的获取包括：
采集用户操作踏板的力度和深度，以及与所述踏板的力度和深度对应的车辆加速度、车辆运行速度；
将所述车辆运行速度、所述车辆加速度、所述踏板力度和深度输入到踏板灵敏度的机器学习模型中，获取所述最优踏板灵敏度；
将所述最优踏板灵敏度与所述用户信息关联并存储。
进一步地，根据所述最优踏板灵敏度辅助用户控制车辆包括：根据所述最优踏板灵敏度控制踏板液压助力系统，通过所述踏板液压助力系统控制所述车辆的踏板。
第二方面，提供了一种车辆控制装置，所述装置包括：
存储模块，用于存储辅助驾驶数据，所述辅助驾驶数据包括：利用机器学习模型获取的操作惯性数据和根据用户对功能模式选取的历史数据获取的操作功能模式选取数据；
匹配模块，用于根据获取到的用户信息匹配与其对应的所述辅助驾驶数据；
控制模块，用于根据所述辅助驾驶数据辅助用户控制车辆。
进一步地，所述操作功能模式选取数据包括：横向辅助控制功能选取数据和/或纵向辅助控制功能选取数据；所述控制模块，具体用于根据所述横向辅助控制功能选取数据或纵向辅助控制功能选取数据向车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统中的一种或多种发送控制信号，控制其开关及参数设置。
进一步地，所述用户信息包括：面部识别信息、指纹信息、声纹信息中的一种或多种。
进一步地，所述装置还包括：辅助驾驶数据获取模块，用于获取辅助驾驶数据；所述操作惯性数据包括：最优方向盘转向力矩；所述辅助驾驶数据获取模块包括：
最优方向盘转向力矩获取模块，用于采集方向盘转向力矩，以及与所述方向盘转向力矩对应的方向盘转角、车道曲率、车辆运行速度；
将所述车辆运行速度、所述方向盘转角、所述车道曲率、所述方向盘转向力矩、自车姿态输入到方向盘转向力矩的机器学习模型中，获取所述最优方向盘转向力矩。
进一步地，所述控制模块具体用于根据所述最优方向盘转向力矩控制转向助力系统，通过所述转向助力系统控制所述车辆的方向盘。
进一步地，所述操作惯性数据包括：最优踏板灵敏度；所述辅助驾驶数据模块还包括：
最优踏板灵敏度获取模块，用于采集用户操作踏板的力度和深度，以及与所述踏板的力度和深度对应的车辆加速度、车辆运行速度；将所述车辆运行速度、所述车辆加速度、所述踏板力度和深度输入到踏板灵敏度的机器学习模型中，获取所述最优踏板灵敏度。
进一步地，所述控制模块具体用于根据所述最优踏板灵敏度辅助用户控制车辆，具体包括：根据所述最优踏板灵敏度控制踏板液压助力系统，通过所述踏板液压助力系统控制所述车辆的踏板。
本发明实施例提供的技术方案带来的有益效果是：
本发明公开的技术方案增加了adas系统的自适应功能，根据用户的驾驶操作习惯进行适应性更改，与现有技术中单一的出厂默认设置相比，更加人性化、智能化，提高用户驾驶体验，满足用户的个性化需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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。
图1是本发明实施例提供的现有技术中adas模块结构示意图；
图2是本发明实施例提供的车辆控制方法流程图；
图3是本发明实施例提供的操作惯性数据获取方法过程图；
图4是本发明实施例提供的车辆控制装置模块结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，adas系统为驾驶车辆辅助系统，通常由以下系统协同实现车辆行驶的辅助控制，具体包括：
控制单元ecu：用于接受各个模块的状态信息，发送执行模块执行指令。例如接受毫米波雷达距离、速度、方位信息，接受摄像头图像信息；接受eps(转向助力系统)模块转角信息等。
毫米波雷达：获取自车与目标之间的速度、方位、角度信息。
摄像头：获取目标的图像信息。
acc(自适应巡航系统)：获取与前方车辆间距和自车轮速等信息，并执行加速、减速等指令。
ldws(车道偏移预警系统)：获取自车摄像头图像信息，并执行报警、方向盘震动和自动改变转向等指令。
aeb(自动刹车辅助系统)：获取自车雷达信号信息，并执行报警以及刹车灯指令。
bsm(盲区监测系统)：获取自车雷达信号信息，并执行报警等指令。
abs(防抱死系统)：获取自车四轮轮速信息，并执行四轮刹车力分布指令。
esp(电子稳定程序)：获取自车自车速度、加速度、制动踏板等指令；并执行速度、加速指令。
eps(转向助力系统)：获取自车转角、转速等信息；并执行控制单元转角、转速等信息。
ems(发动机管理系统)：获取和输出扭矩信息。
tcu(变速器控制单元)：获取和输出单位信息。
中控屏：获取用户输入横向辅助类、纵向辅助类、唤醒方式设置参数信息，并输出参数设置情况。
信息采集模块：获取用户账号，采集用户面部、指纹和声纹等生物信息。
然而现有技术中的adas系统中对上述系统的设置为出厂默认设置，控制单元ecu仅仅是对其他系统的机械式控制，并没有个性化适应用户驾驶操作习惯的功能，功能固化单一。本发明技术方案为了增加adas系统的自适应功能，提出了一种车辆控制方法、装置和系统，其主要原理是：一方面对于用户的方向盘操作、踏板操作，利用采集到的相关数据通过机器学习模型进行学习训练，输出相应的操作惯性数据；另一方面对于车辆的模块化功能选择可根据用户的历史选项信息开启或关闭，无需用户另行操作。本发明公开的具体方案如下：
实施例1
如图2所示，一种车辆控制方法，包括如下步骤：
s1、获取用户信息，其中用户信息可为用户的账号信息、面部识别信息、指纹信息、声纹信息中的一种或多种。
s2、根据用户信息匹配并调用相应的辅助驾驶数据，辅助驾驶数据包括：利用机器学习模型获取的操作惯性数据和根据用户对功能模式选取的历史数据获取的操作功能模式选取数据。
s3、根据辅助驾驶数据辅助用户控制车辆，具体地，根据操作惯性数据控制车辆上相应的设备，根据操作功能模式选取数据控制车辆上各功能系统的开关及参数设置。
上述方法中，步骤s1中用户的账号信息可以通过用户自行输入获取，面部识别信息可以通过车辆内的摄像设备利用面部识别技术获取，指纹信息可以利用安装在车辆上的指纹识别设备获取，声纹信息可以利用安装在车辆上的语音识别设备获取。
步骤s2中操作惯性数据包括：最优方向盘转向力矩和/或最优踏板灵敏度，其中方向盘转向力矩为用户操作方向盘时方向盘承受的力矩。踏板灵敏度为用户踩踏踏板时踏板承受的力度和下降的深度，踏板灵敏度包括油门踏板灵敏度和制动踏板灵敏度。
如图3所示，最优方向盘转向力矩的获取包括：
获取用户的用户信息，采集该用户驾驶时的方向盘转向力矩，以及与方向盘转向力矩对应的方向盘转角、车道曲率、车辆运行速度；
将车辆运行速度、方向盘转角、车道曲率、方向盘转向力矩、自车姿态输入到方向盘转向力矩的机器学习模型中，获取最优方向盘转向力矩。
上述方法中，方向盘转向力矩的机器学习模型可以是神经网络模型，神经网络是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。本实施例优选卷积神经网络模型，该模型为前馈神经网络：包括输入层、隐藏层和输出层，预先经过方向盘转向力矩的样本训练数据训练处理。自车姿态表示车身相对的偏移转角。
如图3所示，最优踏板灵敏度的获取包括：
获取用户的用户信息，采集该用户的用户操作踏板的力度和深度，以及与踏板的力度和深度对应的车辆加速度、车辆运行速度；
将车辆运行速度、车辆加速度、踏板力度和深度输入到踏板灵敏度的机器学习模型中，获取最优踏板灵敏度。
上述方法中，踏板可以是车辆的油门踏板或者制动踏板。踏板灵敏度的机器学习模型可以是神经网络模型，该模型包括输入层、隐藏层和输出层，经过踏板灵敏度的样本数据预先训练处理。
步骤s2中操作功能模式选取数据包括：驾驶模式选取数据、横向辅助控制功能选取数据、纵向辅助控制功能选取数据。其中驾驶模式选取数据为根据用户历史操作中对各种驾驶模式的选取情况数据获得的本次驾驶的驾驶模式。驾驶模式可以包括：标准驾驶模式、经济驾驶模式、运动驾驶模式。横向辅助控制功能和纵向辅助控制功能为车辆运行时的稳定性和安全性的辅助控制，其由多车辆上多个系统联合协同控制。横向辅助控制功能选取数据为根据用户历次驾驶中对车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统中的一种或多种的选取情况数据得出的选取数据，可以是用户最近一次的选取数据，也可以是用户最多次数的选取数据。纵向辅助控制功能选取数据为根据车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统中的一种或多种的历史选取情况数据得出的选取数据，可以是用户最近一次的选取数据，也可以是用户最多次数的选取数据。
需要说明的是，步骤s2中操作惯性数据和操作功能模式选取数据均根据用户建立用户信息之初采集用户的操作和选取数据获得，也可以根据用户在其他车辆传输的操作惯性数据和操作功能模式选取数据获得。
步骤s3中方向盘转向力矩由转向助力系统控制调节，根据最优方向盘转向力矩辅助用户控制车辆包括：根据最优方向盘转向力矩控制转向助力系统，通过转向助力系统控制车辆的方向盘。踏板灵敏度由踏板的液压助力系统控制调节，根据最优踏板灵敏度辅助用户控制车辆包括：根据最优踏板灵敏度控制踏板液压助力系统，通过踏板液压助力系统控制车辆的踏板。
步骤s3中根据操作功能模式选取数据控制车辆上各功能系统的开关及参数设置包括：根据驾驶模式选取数据向驾驶模式系统发送启动信号，启动相应的驾驶模式。根据横向辅助控制功能选取数据或纵向辅助控制功能选取数据向车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统中的一种或多种发送控制信号，控制其开关及参数设置。
上述公开的制定化车辆控制方法增加了adas系统的自适应性，实现了车辆的个性化辅助控制功能，提高用户驾驶体验，满足用户需求。
实施例2
如图4所示，本实施例为了实现实施例1公开的方法，在实施例1的基础上提供一种车辆控制装置，包括：
用户信息获取模块，用于获取用户信息，其中用户信息包括：用户的账号信息、面部识别信息、指纹信息、声纹信息中的一种或多种。
辅助驾驶数据获取模块，用于获取辅助驾驶数据，辅助驾驶数据包括：操作惯性数据和操作功能模式选取数据。因此辅助驾驶数据获取模块包括：
操作惯性数据获取模块，用于利用机器学习模型获取操作惯性数据；操作惯性数据获取模块包括：
最优方向盘转向力矩获取模块，用于获取最优方向盘转向力矩；
最优踏板灵敏度获取模块，用于获取最优踏板灵敏度。
操作功能模式选取数据获取模块，用于根据用户对功能模式选取的历史数据获取操作功能模式选取数据，操作功能模式选取数据获取模块包括：
驾驶模式选取数据获取模块，用于获取驾驶模式选取数据；
横向辅助控制功能选取数据获取模块，用于获取横向辅助控制功能选取数据，具体包括横向辅助控制功能涉及到的车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统的开关信息和运行参数；
纵向辅助控制功能选取数据获取模块，用于获取纵向辅助控制功能选取数据，具体包括纵向辅助控制功能涉及到的车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统的开关信息和运行参数。
匹配模块，用于根据获取到的用户信息匹配与其对应的辅助驾驶数据。
存储模块，用于存储辅助驾驶数据，具体包括：操作惯性数据存储模块和操作功能模式选取数据存储模块。
控制模块，用于根据所述辅助驾驶数据辅助用户控制车辆，具体包括：。
需要说明的是，本实施例公开的装置可设置在adas系统的ecu中或替代现有adas系统的ecu。
其中，用户信息获取模块与信息采集模块通信连接，可以包括：账号识别模块、面部识别模块、指纹识别模块、声纹识别模块中的一种或多种。
辅助驾驶数据获取模块可与adas系统中其他各系统通信连接。
存储模块与辅助驾驶数据获取模块通信连接。
匹配模块与存储模块通信连接，能够查询到与该用户信息对应的辅助驾驶数据。具体地，一个用户的辅助驾驶数据对应一个编号，匹配模块中存储有用户信息与该编号的对应关系，根据该对应关系查询到相应的辅助驾驶数据。
控制模块与adas系统中其他各系统通信连接，控制各模块运行。
本实施例提供的装置能够根据用户的驾驶操作习惯提供个性化的辅助驾驶服务，提高用户的驾驶体验。
本发明实施例提供的技术方案带来的有益效果是：
本发明公开的技术方案增加了adas系统的自适应功能，根据用户的驾驶操作习惯进行适应性更改，与现有技术中单一的出厂默认设置相比，更加人性化、智能化，提高用户驾驶体验，满足用户的个性化需求。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种车辆控制方法，其特征在于，包括：
根据获取到的用户信息匹配与其对应的辅助驾驶数据，根据所述辅助驾驶数据辅助用户控制车辆，其中所述辅助驾驶数据包括：利用机器学习模型获取的操作惯性数据和根据用户对功能模式选取的历史数据获取的操作功能模式选取数据。
2.如权利要求1所述的一种车辆控制方法，其特征在于，所述操作功能模式选取数据包括：横向辅助控制功能选取数据和/或纵向辅助控制功能选取数据。
3.如权利要求2所述的一种车辆控制方法，其特征在于，根据所述横向辅助控制功能选取数据或纵向辅助控制功能选取数据辅助用户控制车辆包括：
根据所述横向辅助控制功能选取数据或纵向辅助控制功能选取数据向车道偏移预警系统、自动刹车辅助系统、并线辅助或盲区监测系统、防抱死系统、电子稳定程序系统中的一种或多种发送控制信号，控制其开关及参数设置。
4.如权利要求1所述的一种车辆控制方法，其特征在于，所述用户信息包括：面部识别信息、指纹信息、声纹信息中的一种或多种。
5.如权利要求1～4中任意一项所述的一种车辆控制方法，其特征在于，所述操作惯性数据包括：最优方向盘转向力矩；所述最优方向盘转向力矩的获取包括：
采集方向盘转向力矩，以及与所述方向盘转向力矩对应的方向盘转角、车道曲率、车辆运行速度；
将所述车辆运行速度、所述方向盘转角、所述车道曲率、所述方向盘转向力矩、自车姿态输入到方向盘转向力矩的机器学习模型中，获取所述最优方向盘转向力矩；
将所述最优方向盘转向力矩与所述用户信息关联并存储。
6.如权利要求5所述的一种车辆控制方法，其特征在于，根据所述最优方向盘转向力矩辅助用户控制车辆包括：根据所述最优方向盘转向力矩控制转向助力系统，通过所述转向助力系统控制所述车辆的方向盘。
7.如权利要求1～4中任意一项所述的一种车辆控制方法，其特征在于，所述操作惯性数据包括：最优踏板灵敏度；所述最优踏板灵敏度的获取包括：
采集用户操作踏板的力度和深度，以及与所述踏板的力度和深度对应的车辆加速度、车辆运行速度；
将所述车辆运行速度、所述车辆加速度、所述踏板力度和深度输入到踏板灵敏度的机器学习模型中，获取所述最优踏板灵敏度；
将所述最优踏板灵敏度与所述用户信息关联并存储。
8.如权利要求7所述的一种车辆控制方法，其特征在于，根据所述最优踏板灵敏度辅助用户控制车辆包括：根据所述最优踏板灵敏度控制踏板液压助力系统，通过所述踏板液压助力系统控制所述车辆的踏板。
9.一种车辆控制装置，其特征在于，包括：
存储模块，用于存储辅助驾驶数据，所述辅助驾驶数据包括：利用机器学习模型获取的操作惯性数据和根据用户对功能模式选取的历史数据获取的操作功能模式选取数据；
匹配模块，用于根据获取到的用户信息匹配与其对应的所述辅助驾驶数据；
控制模块，用于根据所述辅助驾驶数据辅助用户控制车辆。
10.如权利要求9所述的车辆控制装置，其特征在于，所述用户信息包括：面部识别信息、指纹信息、声纹信息中的一种或多种。
技术总结