[go: up one dir, main page]

CN114464006B - 自动驾驶车辆的分配方法和装置 - Google Patents

自动驾驶车辆的分配方法和装置 Download PDF

Info

Publication number
CN114464006B
CN114464006B CN202210381359.2A CN202210381359A CN114464006B CN 114464006 B CN114464006 B CN 114464006B CN 202210381359 A CN202210381359 A CN 202210381359A CN 114464006 B CN114464006 B CN 114464006B
Authority
CN
China
Prior art keywords
vehicle
automatic driving
remote
vehicles
except
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210381359.2A
Other languages
English (en)
Other versions
CN114464006A (zh
Inventor
颉晶华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neolithic (Shaoxing) Autonomous Vehicle Technology Co.,Ltd.
Original Assignee
Neolix Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Neolix Technologies Co Ltd filed Critical Neolix Technologies Co Ltd
Priority to CN202210381359.2A priority Critical patent/CN114464006B/zh
Publication of CN114464006A publication Critical patent/CN114464006A/zh
Application granted granted Critical
Publication of CN114464006B publication Critical patent/CN114464006B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/69—Coordinated control of the position or course of two or more vehicles
    • G05D1/698—Control allocation
    • G05D1/6987—Control allocation by centralised control off-board any of the vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/221—Remote-control arrangements
    • G05D1/222—Remote-control arrangements operated by humans
    • G05D1/224—Output arrangements on the remote controller, e.g. displays, haptics or speakers
    • G05D1/2244—Optic
    • G05D1/2247—Optic providing the operator with simple or augmented images from one or more cameras
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/22—Command input arrangements
    • G05D1/221—Remote-control arrangements
    • G05D1/227—Handing over between remote control and on-board control; Handing over between remote control arrangements
    • G05D1/2279—Handing over between remote control and on-board control; Handing over between remote control arrangements involving allocation of control between two or more remote operators, e.g. tele-assistance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2105/00—Specific applications of the controlled vehicles
    • G05D2105/20—Specific applications of the controlled vehicles for transportation
    • G05D2105/22—Specific applications of the controlled vehicles for transportation of humans
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2107/00—Specific environments of the controlled vehicles
    • G05D2107/10—Outdoor regulated spaces
    • G05D2107/13—Spaces reserved for vehicle traffic, e.g. roads, regulated airspace or regulated waters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2109/00—Types of controlled vehicles
    • G05D2109/10—Land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开涉及无人驾驶技术领域，提供了一种自动驾驶车辆的分配方法和装置。该方法应用于无人车，即无人驾驶设备或自动驾驶设备，包括：获取多个自动驾驶车辆的监控权和每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示自动驾驶车辆的周围环境信息，以远程监控；接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示其周围环境信息，以远程控制；通过预训练的分配模型将其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，以实现对其他自动驾驶车辆的监控。本公开提高了自动驾驶车辆的行车安全。

Description

自动驾驶车辆的分配方法和装置
技术领域
本公开涉及无人驾驶技术领域，尤其涉及一种自动驾驶车辆的分配方法、装置、电子设备及计算机可读存储介质。
背景技术
无人驾驶车辆，也称自动驾驶车辆、无人车或轮式移动机器人，是融合环境感知、路径规划、状态识别和车辆控制等多元一体的集成化、智能化的新时代技术产物。利用安装在无人车上的摄像头，远程驾驶员可以实时远程监控车身四周的场景，降低无人车的安全隐患。
在远程监控的过程中，由于远程监控平台的单个屏幕内所能监控的车辆数量有限，因此，当被监控车辆中的一台车辆发生故障或遇到紧急情况时，远程驾驶员处于安全考虑会立刻接管该车辆，并对该车辆进行远程处理。在这种情况下，该远程驾驶员所监控的其它车辆会处于无人监控的状态，导致无法及时了解其它车辆的状态，并进一步导致当其它车辆中的某个车辆发生故障或遇到紧急情况时无法及时接管，进而引发交通事故等。
发明内容
有鉴于此，本公开实施例提供了一种自动驾驶车辆的分配方法、装置、电子设备及计算机可读存储介质，以解决现有技术中在远程驾驶员接管一台车辆的情况下，无法对其它车辆进行实时监控，导致无法及时了解其它车辆的状态，并进一步导致当其它车辆中的某个车辆发生故障或遇到紧急情况时无法及时接管，进而引发交通事故等的问题。
本公开实施例的第一方面，提供了一种自动驾驶车辆的分配方法，包括：获取多个自动驾驶车辆的监控权和多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示每个自动驾驶车辆的周围环境信息，以对多个自动驾驶车辆进行远程监控；接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示问题自动驾驶车辆的周围环境信息，以对问题自动驾驶车辆进行远程控制；通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，以实现对除问题自动驾驶车辆以外的其他自动驾驶车辆的监控，其中，分配模型是通过机器学习算法对多组训练数据进行训练得到的，多组训练数据包括样本车辆的特征数据、样本远程驾驶员的特征数据和样本车辆的分配策略。
本公开实施例的第二方面，提供了一种自动驾驶车辆的分配装置，包括：获取模块，被配置为获取多个自动驾驶车辆的监控权和多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示每个自动驾驶车辆的周围环境信息，以对多个自动驾驶车辆进行远程监控；接收模块，被配置为接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示问题自动驾驶车辆的周围环境信息，以对问题自动驾驶车辆进行远程控制；分配模块，被配置为通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，以实现对除问题自动驾驶车辆以外的其他自动驾驶车辆的监控，其中，分配模型是通过机器学习算法对多组训练数据进行训练得到的，多组训练数据包括样本车辆的特征数据、样本远程驾驶员的特征数据和样本车辆的分配策略。
本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是：通过获取多个自动驾驶车辆的监控权和多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示每个自动驾驶车辆的周围环境信息，以对多个自动驾驶车辆进行远程监控；接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示问题自动驾驶车辆的周围环境信息，以对问题自动驾驶车辆进行远程控制；通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，能够较大程度地保证自动驾驶车辆可以实时被监控，因此，保证了远程监控的及时性和有效性，并进一步提高了自动驾驶车辆的行车安全。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术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公开的一些实施例，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它的附图。
图1是本公开实施例的应用场景的场景示意图；
图2是本公开实施例提供的一种自动驾驶车辆的分配方法的流程图；
图3是本公开实施例提供的一种自动驾驶车辆的分配装置的框图；
图4是本公开实施例提供的一种电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
图1是本公开实施例的应用场景的场景示意图。如图1所示，该应用场景包括5个远程监控平台，即远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5，以及服务器6。
具体地，假设每个远程监控平台的最大监控数量均为6，每个远程监控平台均对应一个远程驾驶员，如图1所示，图1中所示车辆均为自动驾驶车辆，远程监控平台2的当前监控数量为2，远程监控平台3的当前监控数量为3，远程监控平台4的当前监控数量为3，远程监控平台5的当前监控数量为5。当远程监控平台1的多个被监控车辆11中的一个车辆（即，问题车辆）出现故障被远程驾驶员接管时，远程监控平台1的屏幕会切换至问题自动驾驶车辆的周围环境画面12，这时，多个被监控车辆11中除了问题车辆之外，其余车辆均处于无人监控的状态，因此，出于安全考虑，需要将其余车辆分配给其他远程驾驶员进行监控。进一步地，服务器6获取多个被监控车辆11中的待分配车辆的特征数据以及远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5对应的远程驾驶员的特征数据，并利用预训练的分配模型确定分配策略。基于分配策略和多个被监控车辆11中的待分配车辆的数量，服务器6将多个被监控车辆11中的两个车辆的监控权分配给远程监控平台2对应的远程驾驶员、将多个被监控车辆11中的两个车辆的监控权分配给远程监控平台4对应的远程驾驶员以及将多个被监控车辆11中一个车辆的监控权分配给远程监控平台3对应的远程驾驶员。
这里，远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5可以包括硬件和软件两部分，软件部分用于与服务器6或车辆进行通信，硬件部分用于远程驾驶车辆的人机交互和模拟驾驶以及输出各种数据。远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5的硬件部分可以包括：模拟驾驶座舱、联屏支架、液晶屏幕、高清多媒体接口（High Definition Multimedia Interface，HDMI）高清线、工控机等。这里，模拟驾驶座舱可以包括：驾驶座椅，座椅套装长度小于1.3米，套装宽度小于80厘米，支持对方向盘和脚踏板的选型兼容；模拟驾驶套件，包括方向盘（带换挡拨片）和脚踏板；键盘鼠标（蓝牙无线）；键盘鼠标托架等。联屏支架中，单屏左右摇摆不超过30°，单屏俯仰角度不超过45°，立柱高度1米至1.8米可伸缩，横向支架提供一定可扩展性，360°旋转可调节，支架横向和纵向提供线束收纳，确保线束正前方不可见。液晶屏可以为尺寸27英寸，重量小于8千克，分辨率满足1080p（1920×1080），提供HDMI接口。HDMI高清线可以为2.0版4K高清线。工控机可以为工业主机，i7处理器，内存大于16G，支持六个HDMI口的显卡，支持四个以上USB3.0接口，支持蓝牙键盘耳机适配，两个独立网口，能部署Linux或者Windows系统，提供线束收纳。远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5的软件部分可以实现多车故障任务、多车运维管理、单车行驶监控和远程驾驶接管等功能。
服务器6可以是提供各种服务的服务器，例如，对与其建立通信连接的车辆或远程监控平台发送的请求进行接收的后台服务器，该后台服务器可以对远程监控平台发送的请求进行接收和分析等处理，并生成处理结果。服务器6可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
需要说明的是，服务器6可以是硬件，也可以是软件。当服务器6为硬件时，其可以是为远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5提供各种服务的各种电子设备。当服务器6为软件时，其可以是为远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5提供各种服务的多个软件或软件模块，也可以是为远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4和远程监控平台5提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
需要说明的是，远程监控平台1、远程监控平台2、远程监控平台3、远程监控平台4、远程监控平台5和服务器6的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
图2是本公开实施例提供的一种自动驾驶车辆的分配方法的流程图。图2的自动驾驶车辆的分配方法可以由图1的服务器6执行。如图2所示，该分配方法包括：
S201，获取多个自动驾驶车辆的监控权和多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示每个自动驾驶车辆的周围环境信息，以对多个自动驾驶车辆进行远程监控；
S202，接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示问题自动驾驶车辆的周围环境信息，以对问题自动驾驶车辆进行远程控制；
S203，通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，以实现对除问题自动驾驶车辆以外的其他自动驾驶车辆的监控，其中，分配模型是通过机器学习算法对多组训练数据进行训练得到的，多组训练数据包括样本车辆的特征数据、样本远程驾驶员的特征数据和样本车辆的分配策略。
这里，车辆是指支持无人驾驶、自动驾驶和远程驾驶中的任一功能的车辆。进一步地，车辆可以是能够实现无人驾驶的各种设备，例如，自动配送设备等；也可以是具有自动巡航控制功能的车辆，例如，轿车、房车、卡车、越野车、运动型实用汽车（Sport UtilityVehicle，SUV）、电动车、自行车等，本公开实施例对此不作限制。优选地，在本公开实施例中，车辆可以包括自动驾驶车辆或无人驾驶车辆。
问题自动驾驶车辆是指出现故障需要远程驾驶员接管的车辆，可以为1个或多个。
远程驾驶员是指能够接管或监控至少一个自动驾驶车辆的远程驾驶员。
监控权是指对自动驾驶车辆，使用监控设备所拥有的权利。
机器学习是指不依赖人类来总结经验、输入逻辑，开发员只需要把大量数据，即将训练数据输入给计算机，然后由计算机自己总结出其中的数据分析逻辑，归纳出相应的逻辑代码，从而得到分配模型。训练的过程就是利用已有的数据确定模型参数的过程。模型是指运用数理逻辑方法和数学语音构建的数学模型，是让机器从已有的数据中学习出新的知识，也就是根据数据集处理得到的训练数据进行系统的学习。
根据本公开实施例提供的技术方案，通过获取多个自动驾驶车辆的监控权和多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示每个自动驾驶车辆的周围环境信息，以对多个自动驾驶车辆进行远程监控；接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示问题自动驾驶车辆的周围环境信息，以对问题自动驾驶车辆进行远程控制；通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，能够较大程度地保证自动驾驶车辆可以实时被监控，因此，保证了远程监控的及时性和有效性，并进一步提高了自动驾驶车辆的行车安全。
在一些实施例中，通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，包括：获取除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据；将除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入分配模型，并将分配模型的输出转换为目标车辆的分配策略，其中，目标车辆为除问题自动驾驶车辆以外的其他自动驾驶车辆；基于目标车辆的分配策略，将目标车辆的监控权分配给除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员。
这里，一个远程驾驶员可以对应一个远程监控平台。
除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据可以包括但不限于其他自动驾驶车辆的数量、其他自动驾驶车辆的驾驶任务信息和其他自动驾驶车辆的规划的行驶路线信息。
除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据可以包括但不限于其他远程驾驶员的的个人属性数据、其他远程驾驶员对应的远程监控平台的位置信息、其他远程驾驶员的数量、其他远程驾驶员的当前监控数量和其他远程驾驶员的最大监控数量。
在一些实施例中，分配模型包括评分部分和分配决策部分，其中，将除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入分配模型，并将分配模型的输出转换为目标车辆的分配策略，包括：将除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据作为输入量，输入分配模型；基于输入量，利用评分部分对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行评分，以将输入量映射为除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的评分值并输出；基于评分值，利用分配决策部分确定目标车辆的分配策略。
具体地，获取样本车辆的特征数据和样本远程驾驶员的特征数据，根据样本车辆的特征数据和样本远程驾驶员的特征数据，计算出样本远程驾驶员的特征值，根据预设的映射关系表，确定与样本远程驾驶员的特征值具有映射关系的评分值，将样本车辆的特征数据、样本远程驾驶员的特征数据和对应的评分值作为训练样本输入至机器学习模型，并利用机器学习算法对机器学习模型进行训练，得到分配模型的评分部分；服务器将除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据作为输入量，输入分配模型；基于输入量，利用评分部分对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行评分，以将输入量映射为除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的评分值并输出；基于评分值，利用分配决策部分确定目标车辆的分配策略。
这里，分配模型的评分部分是经过训练后具有评分能力的算法模型。该评分部分可以采用神经网络模型，支持向量机（Support Vector Machine，SVM ）或者逻辑回归模型。
评分是通过输入除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据，输出相应远程驾驶员的评分结果的过程。评分结果是评分值，为数值，用于量化表示进行评分的远程驾驶员能够实时监控至少一个待监控自动驾驶车辆的概率。评分结果可以与能够实时监控至少一个待监控自动驾驶车辆的概率正相关，评分值越高，与该评分值对应的远程驾驶员能够实时监控至少一个待监控自动驾驶车辆的概率就越大。
在一些实施例中，目标车辆的分配策略包括：获取评分值和除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照评分值从高到低的顺序逐一对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数，并计算第一差值，其中，第一差值为最大监控的车辆数与当前监控的车辆数之间的差值；从除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取与第一差值对应的除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有的除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配。
这里，当前监控的车辆数是指与远程驾驶员对应的远程监控平台显示屏上显示的正在被监控的车辆的数量，例如，当前监控的车辆数可以是0、1、3、5或8等。
最大监控的车辆数是指与远程驾驶员对应的远程监控平台显示屏上显示的可以同时被监控的车辆的最大车辆数。
选取与第一差值对应的的除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权可以是指从至少一个除问题自动驾驶车辆以外的其他自动驾驶车辆中选取的车辆数小于或等于差值。
在一些实施例中，目标车辆的分配策略包括：获取评分值和除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照评分值从高到低的顺序逐一对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数；在最大监控的车辆数大于当前监控的车辆数的情况下，从除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取一个除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有的除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配。
在一些实施例中，目标车辆的分配策略包括：获取评分值和除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照评分值从高到低的顺序逐一对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取所有其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和，并计算第二差值，其中，第二差值为最大监控的车辆数之和与当前监控的车辆数之和之间的差值；在第二差值小于除问题自动驾驶车辆以外的其他自动驾驶车辆的数量的情况下，获取除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级，其中，优先级是预先针对多个自动驾驶车辆设置的；根据除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级顺序，将至少一个除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和相等。
根据本公开实施例提供的技术方案，通过获取除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级；根据除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级顺序，将至少一个除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员，可以在远程驾驶员数量不够的情况下，优先分配优先级别高的自动驾驶车辆，从而提高自动驾驶车辆的安全性。
在一些实施例中，该自动驾驶车辆的分配方法还包括：将接管问题自动驾驶车辆的远程监控平台的远程监控模式切换为远程驾驶模式，以使接管问题自动驾驶车辆的远程监控平台监控的自动驾驶车辆的数量由多个变为一个。
在一些实施例中，样本车辆的特征数据包括样本车辆的数量、样本车辆驾驶任务信息和样本车辆规划的行驶路线信息；样本远程驾驶员的特征数据包括样本远程驾驶员的个人属性数据、样本远程驾驶员对应的远程监控平台的位置信息、样本远程驾驶员的数量、样本远程驾驶员的当前监控数量和样本远程驾驶员的最大监控数量。
这里，样本车辆驾驶任务信息包括驾驶任务类别（例如运送食品、运送垃圾、商品售卖等）和驾驶任务执行时间。
样本车辆规划的行驶路线信息包括当前位置和目标位置。
样本远程驾驶员的个人属性数据包括远程驾驶员的性别、年龄、驾龄、情绪、个性、心率、血压、擅长的驾驶任务类别、执行监控的时间段、熟悉的地理区域、当前监控的车辆的故障发生率、故障处理时间中的至少一种，其中，故障发生率可以是在当前时段内，车辆无法成功执行自动驾驶任务的概率，故障处理时间可以是远程驾驶员处理车辆故障所需要的时间。
样本远程驾驶员与样本车辆的匹配度越高，样本远程驾驶员的评分值越高。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图3是本公开实施例提供的一种自动驾驶车辆的分配装置的框图。如图3所示，该分配装置包括：
获取模块301，被配置为获取多个自动驾驶车辆的监控权和多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示每个自动驾驶车辆的周围环境信息，以对多个自动驾驶车辆进行远程监控；
接收模块302，被配置为接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示问题自动驾驶车辆的周围环境信息，以对问题自动驾驶车辆进行远程控制；
分配模块303，被配置为通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，以实现对除问题自动驾驶车辆以外的其他自动驾驶车辆的监控，其中，分配模型是通过机器学习算法对多组训练数据进行训练得到的，多组训练数据包括样本车辆的特征数据、样本远程驾驶员的特征数据和样本车辆的分配策略。
根据本公开实施例提供的技术方案，通过获取多个自动驾驶车辆的监控权和多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示每个自动驾驶车辆的周围环境信息，以对多个自动驾驶车辆进行远程监控；接收多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在显示屏上显示问题自动驾驶车辆的周围环境信息，以对问题自动驾驶车辆进行远程控制；通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，能够较大程度地保证自动驾驶车辆可以实时被监控，因此，保证了远程监控的及时性和有效性，并进一步提高了自动驾驶车辆的行车安全。
在一些实施例中，图3的分配模块303获取除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据；将除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入分配模型，并将分配模型的输出转换为目标车辆的分配策略，其中，目标车辆为除问题自动驾驶车辆以外的其他自动驾驶车辆；基于目标车辆的分配策略，将目标车辆的监控权分配给除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员。
在一些实施例中，分配模型包括评分部分和分配决策部分，图3的分配模块303将除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据作为输入量，输入分配模型；基于输入量，利用评分部分对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行评分，以将输入量映射为除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的评分值并输出；基于评分值，利用分配决策部分确定目标车辆的分配策略。
在一些实施例中，目标车辆的分配策略包括：获取评分值和除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照评分值从高到低的顺序逐一对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数，并计算第一差值，其中，第一差值为最大监控的车辆数与当前监控的车辆数之间的差值；从除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取与第一差值对应的除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有的除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配。
在一些实施例中，目标车辆的分配策略包括：获取评分值和除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照评分值从高到低的顺序逐一对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数；在最大监控的车辆数大于当前监控的车辆数的情况下，从除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取一个除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有的除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配。
在一些实施例中，目标车辆的分配策略包括：获取评分值和除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照评分值从高到低的顺序逐一对除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取所有其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和，并计算第二差值，其中，第二差值为最大监控的车辆数之和与当前监控的车辆数之和之间的差值；在第二差值小于除问题自动驾驶车辆以外的其他自动驾驶车辆的数量的情况下，获取除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级，其中，优先级是预先针对多个自动驾驶车辆设置的；根据除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级顺序，将至少一个除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和相等。
在一些实施例中，该自动驾驶车辆的分配装置还包括：切换模块304，被配置为将接管问题自动驾驶车辆的远程监控平台的远程监控模式切换为远程驾驶模式，以使接管问题自动驾驶车辆的远程监控平台监控的自动驾驶车辆的数量由多个变为一个。
在一些实施例中，样本车辆的特征数据可以包括但不限于样本车辆的数量、样本车辆驾驶任务信息和样本车辆规划的行驶路线信息。
在一些实施例中，样本远程驾驶员的特征数据可以包括但不限于样本远程驾驶员的个人属性数据、样本远程驾驶员对应的远程监控平台的位置信息、样本远程驾驶员的数量、样本远程驾驶员的当前监控数量和样本远程驾驶员的最大监控数量。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
图4是本公开实施例提供的一种电子设备7的示意图。如图4所示，该实施例的电子设备7包括：处理器701、存储器702以及存储在该存储器702中并可在处理器701上运行的计算机程序703。处理器701执行计算机程序703时实现上述各个方法实施例中的步骤。或者，处理器701执行计算机程序703时实现上述各装置实施例中各模块/单元的功能。
示例性地，计算机程序703可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器702中，并由处理器701执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序703在电子设备7中的执行过程。
电子设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备7可以包括但不仅限于处理器701和存储器702。本领域技术人员可以理解，图4仅仅是电子设备7的示例，并不构成对电子设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器701可以是中央处理单元（Central Processing Unit，CPU），也可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器702可以是电子设备7的内部存储单元，例如，电子设备7的硬盘或内存。存储器702也可以是电子设备7的外部存储设备，例如，电子设备7上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器702还可以既包括电子设备7的内部存储单元也包括外部存储设备。存储器702用于存储计算机程序以及电子设备所需的其它程序和数据。存储器702还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、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。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (9)

1.一种自动驾驶车辆的分配方法，其特征在于，包括：
获取多个自动驾驶车辆的监控权和所述多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示所述每个自动驾驶车辆的周围环境信息，以对所述多个自动驾驶车辆进行远程监控；
接收所述多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在所述显示屏上显示所述问题自动驾驶车辆的周围环境信息，以对所述问题自动驾驶车辆进行远程控制；
通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，以实现对所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控，其中，所述分配模型是通过机器学习算法对多组训练数据进行训练得到的，所述多组训练数据包括样本车辆的特征数据、样本远程驾驶员的特征数据和样本车辆的分配策略；
所述通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，包括：
将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入所述分配模型，并将所述分配模型的输出转换为目标车辆的分配策略，其中，所述目标车辆为所述除问题自动驾驶车辆以外的其他自动驾驶车辆；
基于所述目标车辆的分配策略，将所述目标车辆的监控权分配给所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员；
所述分配模型包括评分部分和分配决策部分；
所述将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入所述分配模型，并将所述分配模型的输出转换为目标车辆的分配策略，包括：
基于所述将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据，利用所述评分部分对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行评分，以将输入量映射为所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的评分值并输出；
基于所述评分值，利用所述分配决策部分确定所述目标车辆的分配策略；
所述目标车辆的分配策略包括：
获取所述评分值和所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；
按照所述评分值从高到低的顺序逐一对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；
获取所述评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数，并计算第一差值，其中，所述第一差值为所述最大监控的车辆数与所述当前监控的车辆数之间的差值；
从所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取与所述第一差值对应的所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给所述最高评分值对应的其他远程驾驶员；
重复上述步骤，直至所有的所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配；
或，
所述目标车辆的分配策略包括：
获取所述评分值和所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；
按照所述评分值从高到低的顺序逐一对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；
获取所述评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数；
在所述最大监控的车辆数大于所述当前监控的车辆数的情况下，从所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取一个所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给所述最高评分值对应的其他远程驾驶员；
重复上述步骤，直至所有的所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配；
或，
所述目标车辆的分配策略包括：
获取所述评分值和所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；
按照所述评分值从高到低的顺序逐一对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；
获取所有所述其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和，并计算第二差值，其中，所述第二差值为所述最大监控的车辆数之和与所述当前监控的车辆数之和之间的差值；
在所述第二差值小于所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量的情况下，获取所述除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级，其中，所述优先级是预先针对所述多个自动驾驶车辆设置的；
根据所述除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级顺序，将至少一个所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；
重复上述步骤，直至所有所述其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和相等。
2.根据权利要求1所述的方法，其特征在于，所述通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，包括：
获取所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据。
3.根据权利要求2所述的方法，其特征在于，所述将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入所述分配模型，并将所述分配模型的输出转换为目标车辆的分配策略，包括：
将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据作为输入量，输入所述分配模型。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
将接管所述问题自动驾驶车辆的远程监控平台的远程监控模式切换为远程驾驶模式，以使接管所述问题自动驾驶车辆的远程监控平台监控的自动驾驶车辆的数量由多个变为一个。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述样本车辆的特征数据包括样本车辆的数量、样本车辆驾驶任务信息和样本车辆规划的行驶路线信息。
6.根据权利要求1至3中任一项所述的方法，其特征在于，所述样本远程驾驶员的特征数据包括所述样本远程驾驶员的个人属性数据、所述样本远程驾驶员对应的远程监控平台的位置信息、所述样本远程驾驶员的数量、所述样本远程驾驶员的当前监控数量和所述样本远程驾驶员的最大监控数量。
7.一种自动驾驶车辆的分配装置，其特征在于，包括：
获取模块，被配置为获取多个自动驾驶车辆的监控权和所述多个自动驾驶车辆中的每个自动驾驶车辆的周围环境信息，并在远程监控平台的显示屏上同时显示所述每个自动驾驶车辆的周围环境信息，以对所述多个自动驾驶车辆进行远程监控；
接收模块，被配置为接收所述多个自动驾驶车辆中的问题自动驾驶车辆发出的远程驾驶接管请求或远程驾驶接管确认信息，并在所述显示屏上显示所述问题自动驾驶车辆的周围环境信息，以对所述问题自动驾驶车辆进行远程控制；
分配模块，被配置为通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，以实现对所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控，其中，所述分配模型是通过机器学习算法对多组训练数据进行训练得到的，所述多组训练数据包括样本车辆的特征数据、样本远程驾驶员的特征数据和样本车辆的分配策略；所述分配模型包括评分部分和分配决策部分；所述通过预训练的分配模型将除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给其他远程监控平台对应的远程驾驶员，包括：将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入所述分配模型，并将所述分配模型的输出转换为目标车辆的分配策略，其中，所述目标车辆为所述除问题自动驾驶车辆以外的其他自动驾驶车辆；基于所述目标车辆的分配策略，将所述目标车辆的监控权分配给所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员；所述将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据输入所述分配模型，并将所述分配模型的输出转换为目标车辆的分配策略，包括：基于所述将所述除问题自动驾驶车辆以外的其他自动驾驶车辆的特征数据和所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的特征数据，利用所述评分部分对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行评分，以将输入量映射为所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员的评分值并输出；基于所述评分值，利用所述分配决策部分确定所述目标车辆的分配策略；所述目标车辆的分配策略包括：获取所述评分值和所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照所述评分值从高到低的顺序逐一对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取所述评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数，并计算第一差值，其中，所述第一差值为所述最大监控的车辆数与所述当前监控的车辆数之间的差值；从所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取与所述第一差值对应的所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给所述最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有的所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配；
或，
所述目标车辆的分配策略包括：获取所述评分值和所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照所述评分值从高到低的顺序逐一对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取所述评分值中的最高评分值对应的其他远程驾驶员的最大监控的车辆数和当前监控的车辆数；在所述最大监控的车辆数大于所述当前监控的车辆数的情况下，从所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权中选取一个所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给所述最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有的所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权均被分配；
或，
所述目标车辆的分配策略包括：获取所述评分值和所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量；按照所述评分值从高到低的顺序逐一对所述除接管问题自动驾驶车辆的远程驾驶员以外的其他远程驾驶员进行遍历；获取所有所述其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和，并计算第二差值，其中，所述第二差值为所述最大监控的车辆数之和与所述当前监控的车辆数之和之间的差值；在所述第二差值小于所述除问题自动驾驶车辆以外的其他自动驾驶车辆的数量的情况下，获取所述除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级，其中，所述优先级是预先针对所述多个自动驾驶车辆设置的；根据所述除问题自动驾驶车辆以外的其他自动驾驶车辆的优先级顺序，将至少一个所述除问题自动驾驶车辆以外的其他自动驾驶车辆的监控权分配给最高评分值对应的其他远程驾驶员；重复上述步骤，直至所有所述其他远程驾驶员最大监控的车辆数之和与当前监控的车辆数之和相等。
8.一种电子设备，包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至6中任一项所述方法的步骤。
CN202210381359.2A 2022-04-13 2022-04-13 自动驾驶车辆的分配方法和装置 Active CN114464006B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210381359.2A CN114464006B (zh) 2022-04-13 2022-04-13 自动驾驶车辆的分配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210381359.2A CN114464006B (zh) 2022-04-13 2022-04-13 自动驾驶车辆的分配方法和装置

Publications (2)

Publication Number Publication Date
CN114464006A CN114464006A (zh) 2022-05-10
CN114464006B true CN114464006B (zh) 2022-06-28

Family

ID=81418573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210381359.2A Active CN114464006B (zh) 2022-04-13 2022-04-13 自动驾驶车辆的分配方法和装置

Country Status (1)

Country Link
CN (1) CN114464006B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114967660A (zh) * 2022-05-12 2022-08-30 东风汽车集团股份有限公司 一种车辆自动驾驶模式与远程驾驶模式稳定切换方法
CN115407696B (zh) * 2022-08-31 2025-11-18 北京经纬恒润科技股份有限公司 远程驾驶方法及系统

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103970084A (zh) * 2013-01-24 2014-08-06 福特全球技术公司 用于机动车的指令激活远程控制系统
CN106548323A (zh) * 2016-10-09 2017-03-29 北京国泰北斗科技有限公司 无人机驾驶员的推荐方法及空域管理系统
CN108537458A (zh) * 2018-04-17 2018-09-14 重庆交通开投科技发展有限公司 一种发车策略的显示方法和装置
CN108646735A (zh) * 2018-05-02 2018-10-12 新石器龙码（北京）科技有限公司 一种无人车的控制方法和装置
CN109739221A (zh) * 2018-12-10 2019-05-10 北京百度网讯科技有限公司 自动驾驶车辆监控方法、装置及存储介质
CN110794818A (zh) * 2019-11-11 2020-02-14 新石器慧通（北京）科技有限公司 一种远程驾驶方法、装置及系统
CN110796851A (zh) * 2018-08-02 2020-02-14 中国移动通信集团上海有限公司 一种共享司机驾驶系统、单车驾驶方法及司机调度方法
CN110850711A (zh) * 2019-12-06 2020-02-28 中国科学院自动化研究所 基于云端的辅助驾驶控制系统及方法
CN111061268A (zh) * 2019-12-12 2020-04-24 长城汽车股份有限公司 自动驾驶车辆的远程监管方法、装置及系统
CN111409643A (zh) * 2020-04-15 2020-07-14 新石器慧通（北京）科技有限公司 远程驾驶方法、远程驾驶装置及远程驾驶系统
CN111582730A (zh) * 2020-05-11 2020-08-25 新石器慧通（北京）科技有限公司 一种无人车远程接管控制方法、装置、系统和存储介质
CN111994094A (zh) * 2020-08-10 2020-11-27 北京三快在线科技有限公司 远程遥控接管方法、装置、系统、介质及无人驾驶车辆
CN112147990A (zh) * 2020-09-21 2020-12-29 新石器慧义知行智驰(北京)科技有限公司 车辆远程监控方法、装置、电子设备及可读存储介质
CN112990758A (zh) * 2021-04-14 2021-06-18 北京三快在线科技有限公司 一种远程控制无人驾驶设备的方法及装置
CN113260548A (zh) * 2020-05-20 2021-08-13 深圳元戎启行科技有限公司 管理车辆控制器的方法及控制设备、远程控制车辆的方法
CN113366399A (zh) * 2019-12-30 2021-09-07 深圳元戎启行科技有限公司 基于远程接管的车辆控制方法、装置和计算机设备
CN113632153A (zh) * 2019-03-27 2021-11-09 日产自动车株式会社 车辆行驶路线控制系统、车辆行驶路线控制装置以及车辆行驶路线控制方法
CN113677583A (zh) * 2020-01-21 2021-11-19 深圳元戎启行科技有限公司 基于图计算的车辆驾驶数据处理方法、装置和计算机设备
CN113759914A (zh) * 2021-09-08 2021-12-07 北京百度网讯科技有限公司 远程控制请求处理方法、相关装置、云端服务器
CN114118874A (zh) * 2021-12-10 2022-03-01 重庆码投科技有限公司 一种电力出行任务智能调拨方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG10201600024TA (en) * 2016-01-04 2017-08-30 Grabtaxi Holdings Pte Ltd System and Method for Multiple-Round Driver Selection
CN108428357B (zh) * 2018-03-22 2020-08-18 青岛慧拓智能机器有限公司 一种用于智能网联车的平行遥控驾驶系统
WO2020100539A1 (ja) * 2018-11-15 2020-05-22 ソニーセミコンダクタソリューションズ株式会社 情報処理装置、移動装置、および方法、並びにプログラム
JP7151657B2 (ja) * 2019-07-30 2022-10-12 トヨタ自動車株式会社 操作選択装置
CN113432614B (zh) * 2021-08-26 2022-01-04 新石器慧通（北京）科技有限公司 车辆导航方法、装置、电子设备及计算机可读存储介质

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103970084A (zh) * 2013-01-24 2014-08-06 福特全球技术公司 用于机动车的指令激活远程控制系统
CN106548323A (zh) * 2016-10-09 2017-03-29 北京国泰北斗科技有限公司 无人机驾驶员的推荐方法及空域管理系统
CN108537458A (zh) * 2018-04-17 2018-09-14 重庆交通开投科技发展有限公司 一种发车策略的显示方法和装置
CN108646735A (zh) * 2018-05-02 2018-10-12 新石器龙码（北京）科技有限公司 一种无人车的控制方法和装置
CN110796851A (zh) * 2018-08-02 2020-02-14 中国移动通信集团上海有限公司 一种共享司机驾驶系统、单车驾驶方法及司机调度方法
CN109739221A (zh) * 2018-12-10 2019-05-10 北京百度网讯科技有限公司 自动驾驶车辆监控方法、装置及存储介质
CN113632153A (zh) * 2019-03-27 2021-11-09 日产自动车株式会社 车辆行驶路线控制系统、车辆行驶路线控制装置以及车辆行驶路线控制方法
CN110794818A (zh) * 2019-11-11 2020-02-14 新石器慧通（北京）科技有限公司 一种远程驾驶方法、装置及系统
CN110850711A (zh) * 2019-12-06 2020-02-28 中国科学院自动化研究所 基于云端的辅助驾驶控制系统及方法
CN111061268A (zh) * 2019-12-12 2020-04-24 长城汽车股份有限公司 自动驾驶车辆的远程监管方法、装置及系统
CN113366399A (zh) * 2019-12-30 2021-09-07 深圳元戎启行科技有限公司 基于远程接管的车辆控制方法、装置和计算机设备
CN113677583A (zh) * 2020-01-21 2021-11-19 深圳元戎启行科技有限公司 基于图计算的车辆驾驶数据处理方法、装置和计算机设备
CN111409643A (zh) * 2020-04-15 2020-07-14 新石器慧通（北京）科技有限公司 远程驾驶方法、远程驾驶装置及远程驾驶系统
CN111582730A (zh) * 2020-05-11 2020-08-25 新石器慧通（北京）科技有限公司 一种无人车远程接管控制方法、装置、系统和存储介质
CN113260548A (zh) * 2020-05-20 2021-08-13 深圳元戎启行科技有限公司 管理车辆控制器的方法及控制设备、远程控制车辆的方法
CN111994094A (zh) * 2020-08-10 2020-11-27 北京三快在线科技有限公司 远程遥控接管方法、装置、系统、介质及无人驾驶车辆
CN112147990A (zh) * 2020-09-21 2020-12-29 新石器慧义知行智驰(北京)科技有限公司 车辆远程监控方法、装置、电子设备及可读存储介质
CN112990758A (zh) * 2021-04-14 2021-06-18 北京三快在线科技有限公司 一种远程控制无人驾驶设备的方法及装置
CN113759914A (zh) * 2021-09-08 2021-12-07 北京百度网讯科技有限公司 远程控制请求处理方法、相关装置、云端服务器
CN114118874A (zh) * 2021-12-10 2022-03-01 重庆码投科技有限公司 一种电力出行任务智能调拨方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A novel remote and virtual driving system based on WiFi communication;Ling-ming Li等;《2014 4th IEEE International Conference on Information Science and Technology》;20141013;全文 *
无人驾驶智能车远程监控系统的设计;曹国浩;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20170215(第02期);全文 *

Also Published As

Publication number Publication date
CN114464006A (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN114464006B (zh) 自动驾驶车辆的分配方法和装置
US9135759B2 (en) Driver measurement and incentive system for improving fuel-efficiency
CN110794818A (zh) 一种远程驾驶方法、装置及系统
EP4458632A1 (en) Driving mode switching method and device, and vehicle
CN108983633A (zh) 一种虚拟环境中多物体的模拟系统、方法和装置
US12202504B2 (en) Automated inference of a customer support request in an autonomous vehicle
CN115042777B (zh) 一种车辆控制方法、系统、设备及可读介质、一种车辆
CN109558854A (zh) 障碍物感知方法、装置、电子设备及存储介质
CN110766793B (zh) 一种基于语义点云的地图构建方法及装置
Zhang et al. Modeling Lane‐Changing Behavior in Freeway Off‐Ramp Areas from the Shanghai Naturalistic Driving Study
CN106843219A (zh) 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质
CN118365149B (zh) 高速路网风险预测方法、装置、设备、存储介质及产品
CN108860157B (zh) 一种违章风险评估方法、系统、设备及存储介质
CN119329513A (zh) 基于用户驾驶行为数据集的避撞方法、装置及存储介质
CN109885392A (zh) 分配车载计算资源的方法以及装置
CN112230659B (zh) 精准规划运动轨迹的方法、智能控制设备及自动驾驶车辆
Shi et al. A virtual reality-based platform to validate HMI design for increasing user’s trust in autonomous vehicle
CN119167097B (zh) 数据处理方法、装置、设备、存储介质及产品
CN118238835A (zh) 三维显示辅助驾驶的方法和装置
DE102022201788A1 (de) Computer-implementiertes Verfahren und System zum Bereitstellen einer automatisierten Fahrfunktion für ein Fahrzeug
CN115687164B (zh) 测试用例泛化筛选方法、设备和存储介质
JP7380566B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
CN113177266A (zh) 仿真方法、仿真计算机设备及计算机可读存储介质
CN113963542B (zh) 无人车的数据处理方法及相关设备
CN110782115B (zh) 处理车联网系统风险方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240906

Address after: Room 103, 1st Floor, Building 2, Qingfeng Village, Qianqing Street, Keqiao District, Shaoxing City, Zhejiang Province, 312000

Patentee after: Neolithic (Shaoxing) Autonomous Vehicle Technology Co.,Ltd.

Country or region after: China

Address before: 100176 room 613, 6 / F, area 2, building a, 12 Hongda North Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Patentee before: NEOLIX TECHNOLOGIES Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right