技术领域
[0001] 本
发明属于车辆技术领域,具体涉及一种自动驾驶车辆的故障智能分类方法和系统。
背景技术
[0002] 近一个多世纪来，
汽车的出现取代了传统交通运输方式，使得人们的生活更为便捷。
[0003] 近些年来，随着科技的发展，尤其是智能计算的飞速发展，自动驾驶汽车技术研究成为各行业聚焦的热点。麦肯
锡发布的“决定未来经济的12项前沿技术”报告探讨了12项前沿技术对未来经济、社会的影响程度，分析估测了2025年12项技术各自的经济与社会影响
力，其中自动驾驶汽车技术排在第6位，其2025年影响力估测为：经济效益每年约0.2-1.9万亿美元，社会效益每年可挽回3-15万个生命。
[0004] 通常，自动驾驶车辆的系统一般包括三个模
块：一是
感知模块，相当于人的眼睛，通过摄像头、毫米波雷达、
激光雷达等
传感器实时采集周边环境状态；二是决策模块，相当于人的大脑，根据环境状态计算出最优的驾驶决策规划；三是执行模块，相当于人的手与脚，用于执行决策命令，进行
油门、
刹车、转向等相应的驾驶操作。
[0005] 自动驾驶车辆目前还处在研发测试阶段，仍存在诸多的不
稳定性，尤其在场景复杂中仍会出现诸多的不可预测的突发故障，准确及时地记录这些故障是推进自动驾驶的重要技术手段；
[0006] 但是截止目前，自动驾驶车辆还没有一个成熟的智能故障分类系统来将出现的故障进行自动分类，只是粗略的将出现的故障分为人工接管和非人工接管两个类别，从而导致用户在遇到故障后不能及时地判断出故障类型也无法检索出相应的数据，这样就导致用户在分析这些故障时的分析步骤繁琐、周期变长，从而使故障搁置，使车辆在每次自动驾驶时耗时、耗油，且浪费了大量的资源，因此也直接导致了自动驾驶车辆在分析故障时成本急剧增加。
发明内容
[0007] 本发明提供一种自动驾驶车辆的故障智能分类方法和系统，以解决
现有技术中的至少一个技术问题。
[0008] 第一方面，本发明
实施例提供一种自动驾驶车辆的故障智能分类方法，该故障智能分类方法包括以下步骤：
[0009] S1:车辆在自动驾驶过程中遇到故障时，判断当前车辆是否已退出自动驾驶状态，若是，进入S2；若否，进入S3；
[0010] S2:若车辆已退出自动驾驶状态，则采集车辆行驶状况数据，并基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；
[0011] S3:若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。
[0012] 进一步的，根据车辆的动力指令数据、
制动指令数据发出和转向指令数据判断当前车辆是否已退出自动驾驶状态。
[0013] 进一步的，所述步骤S2还包括以下子步骤：
[0014] 将所述车辆行驶状况数据与预设的
阈值范围相比较，
[0015] 若车辆行驶状况数据不在预设的阈值范围内，则确定车辆退出自动驾驶的类型为非自动退出；
[0016] 若车辆行驶状况数据处于预设的阈值范围内，则确定车辆退出自动驾驶的类型为自动退出。
[0017] 进一步的，所述车辆行驶状况数据包括
方向盘转动
角度、刹车的力度、车辆未达到达
指定终点的行驶速度、油门力度中的一种或多种。
[0018] 进一步的，所述车辆行驶状况数据不在预设的阈值范围内包括以下情形中的一种或多种：
[0019] 所述方向盘转动角度在预设的时间内超出预设的方向盘转动角度阈值；
[0020] 所述刹车的力度在预设的时间内超出预设的刹车的力度阈值；
[0021] 车辆未到达指定终点而行驶速度在预设的时间内为零；
[0022] 所述油门力度在预设的时间内超出预设的油门力度阈值。
[0023] 进一步的，所述步骤S3中对车辆发生的故障进行分类以获得车辆的故障类别包括以下子步骤：
[0024] 若当前车辆的
位置信息与车辆在发生故障时的地图数据中的位置信息不一致，则将车辆发生的故障判定为地图
定位故障；
[0025] 若车辆未采集到车辆周围的障碍物的感知信息或车辆所感知到的障碍物类型与参考
数据库中的障碍物类型不一致，则将车辆发生的故障判定为感知异常故障；
[0026] 若车辆传感器的状态显示灯未正常开启，则将车辆发生的故障判定为
硬件连接故障；
[0027] 若当前车辆的驾驶状态数据与预先存储的驾驶状态数据不一致，则将车辆发生的故障判定为驾驶操作有误的故障。
[0028] 第二方面，本发明实施例提供一种自动驾驶车辆的故障智能分类系统，该故障智能分类系统判断模块、确定模块、检测模块和分类模块；其中，
[0029] 当车辆在自动驾驶过程中遇到故障时，所述判断模块用于判断当前车辆是否已退出自动驾驶状态；
[0030] 若车辆已退出自动驾驶状态，则所述确定模块执行以下操作：采集车辆行驶状况数据，基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；
[0031] 若车辆未退出自动驾驶状态，则所述检测模块检测车辆在发生故障时的地图数据是否存在，若存在所述地图数据，则所述分类模块对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。
[0032] 进一步的，所述判断模块用于执行以下操作：根据车辆的动力指令数据、制动指令数据发出和转向指令数据判断当前车辆是否已退出了自动驾驶状态。
[0033] 进一步的，所述确定模块用于执行以下操作：
[0034] 将所述车辆行驶状况数据与预设的阈值范围相比较，若车辆行驶状况数据不在预设的阈值范围内，则确定车辆退出自动驾驶的类型为非自动退出；
[0035] 若车辆行驶状况数据处于预设的阈值范围内，则确定车辆退出自动驾驶的类型为自动退出。
[0036] 进一步的，所述车辆行驶状况数据包括方向盘转动角度、刹车的力度、车辆未达到达指定终点的行驶速度、油门力度中的一种或多种；
[0037] 其中，所述车辆行驶状况数据不在预设的阈值范围内包括以下情形中的一种或多种：所述方向盘转动角度在预设的时间内超出预设的方向盘转动角度阈值；
[0038] 所述刹车的力度在预设的时间内超出预设的刹车的力度阈值；
[0039] 车辆未达到达指定终点而行驶速度在预设的时间内为零；
[0040] 所述油门力度在预设的时间内超出预设的油门力度阈值。
[0041] 进一步的，若所述检测模块检测到当前车辆的位置信息与车辆在发生故障时的地图数据中的位置信息不一致时，则所述分类模块将车辆发生的故障判定为地图定位故障类别；
[0042] 若所述检测模块检测到车辆未采集到车辆周围的障碍物的感知信息时或车辆所感知到的障碍物类型与参考数据库中的障碍物类型不一致时，则所述分类模块将车辆发生的故障判定为感知异常故障类别；
[0043] 若所述检测模块检测到车辆传感器的状态显示灯未正常开启，则所述分类模块将车辆发生的故障判定为硬件连接故障类别；
[0044] 若所述检测模块检测到当前车辆的驾驶状态数据与预先存储的驾驶状态数据不一致时，则所述分类模块将车辆发生的故障判定为驾驶操作有误的故障类别。
[0045] 本发明的自动驾驶车辆的故障智能分类方法和系统，首先，判断当前车辆是否已退出自动驾驶状态；若车辆已退出自动驾驶状态，则基于车辆行驶状况数据确定车辆退出自动驾驶的类型；若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。通过这种故障智能分类方法可以判断出自动驾驶车辆发生故障的原因，并自动地检测出车辆的故障类别，无需在人工检索统计和分类，便于用户根据故障原因和类别来解决所发生的故障；由于，本发明可以将不同的故障类别发送至不同的终端设备的用户，从而更加有效地加快了解决故障的效率。
附图说明
[0046] 图1为本发明的实施例提供的一种自动驾驶车辆的故障智能分类方法的流程示意图；
[0047] 图2为本发明的实施例提供的一种自动驾驶车辆的故障智能分类的结构示意图；
[0048] 图3为本发明的实施例提供的一种
电子设备的结构示意图。
具体实施方式
[0049] 下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
[0050] 实施例一
[0051] 图1为本发明的实施例提供的一种自动驾驶车辆的故障智能分类方法的流程示意图，参见图1，该方法包括以下步骤：
[0052] S1:车辆在自动驾驶过程中遇到故障时，判断当前车辆是否已退出自动驾驶状态，若是，进入S2；若否，进入S3；
[0053] 具体的，所述判断当前车辆的驾驶状态是否已退出自动驾驶状态是通过以下方法判断的：
[0054] 根据车辆的动力指令数据、制动指令数据发出和转向指令数据判判断当前车辆是否已退出自动驾驶状态；若车辆既未接收到车辆动力指令数据发出又未接收到制动指令数据，且未接收到转向指令数据，则说明车辆退出了自动驾驶状态。
[0055] S2：若车辆已退出自动驾驶状态，则采集车辆行驶状况数据，并基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；
[0056] 例如，可以根据车辆的发送指令来获得所述车辆行驶状况数据，所述车辆行驶状况数据包括方向盘转动角度t、刹车的力度s、车辆未达到达指定终点的行驶速度v、油门力度h等。
[0057] 若车辆行驶状况数据不在预设的阈值范围内，则判断当前车辆退出自动驾驶受到人工干预，即车辆退出自动驾驶的类型为非自动退出；
[0058] 进一步的，所述车辆行驶状况数据不在预设的阈值范围内包括以下情形中的一种或多种：
[0059] 具体的，方向盘转动角度t在预设的时间内(例如3-10s内)超出预设的方向盘转动角度阈值；
[0060] 刹车的力度s在预设的时间内(例如3-10s内)超出预设的刹车的力度阈值；
[0061] 车辆未达到达指定终点而行驶速度v在预设的时间内(例如15-30分钟)为零；
[0062] 油门力度h在预设的时间内(例如3-10s内)超出预设的油门力度阈值等。
[0063] 若车辆行驶状况数据处于预设的阈值范围内，则确定车辆退出自动驾驶未受到人工干预，则车辆退出自动驾驶的类型为自动退出。
[0064] S3:若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。
[0065] 其中，所述车辆在发生故障时的地图数据为第一车辆的位置信息(例如车辆GPS定位信息)。
[0066] 具体的，设当前车辆的位置信息为第二车辆的位置信息，若第二车辆的位置信息与第一车辆的位置信息不一致，则将车辆发生的故障判定为地图定位故障；
[0067] 若车辆未采集到车辆周围的障碍物的感知信息(例如当前车辆周围的其他行驶中的车辆信息、路边停靠的车辆的信息、路障信息等)或车辆所感知到的障碍物类型与参考数据库中的障碍物类型不一致，则将车辆发生的故障判定为感知异常故障；
[0068] 若车辆传感器(激光雷达、毫米波雷达、摄像头)的状态显示灯未正常开启，则将车辆发生的故障判定为硬件连接故障；
[0069] 若车辆驾驶状态数据与预先存储的驾驶状态数据不一致，则将车辆发生的故障判定为驾驶操作有误的故障；所述车辆当前的驾驶状态数据包括车辆的
车身在道路行驶线的位置、车辆在行驶中与前一车辆的距离；若车辆的车身不在道路行驶线的中央位置，或车辆在行驶中与前一车辆的距离大于预设的安全距离阈值(例如：该预设的安全距离阈值为40米)，则将车辆发生的故障判定为驾驶操作有误的故障类别。
[0070] 进一步的，将车辆自动退出自动驾驶的类型发送至终端设备，这样用户可以直观地获取到车辆发生故障的原因。
[0071] 进一步的，将车辆的故障类别发送至终端设备，这样用户可以直观地获取到此次车辆的故障类别。
[0072] 进一步的，将车辆的故障中的数据(例如：车辆行驶状况数据、车辆在发生故障时的地图数据、车辆的位置信息、车辆周围的障碍物的感知信息、车辆周围的障碍物的感知信息、车辆传感器(激光雷达、毫米波雷达、摄像头)的状态显示灯信息等)进行汇总分析，使自动驾驶车辆在遇到相似场景时不会复现该类故障，减少了车辆在自动驾驶过程中故障的复发的现象，以逐渐提高自动驾驶车辆的稳定性，相比与现有技术中的故障分类方法，本发明的自动驾驶车辆的故障智能分类方法和系统具有易判断故障原因和类别、易汇总故障原因和类别以及易传输的车辆发生故障时的数据的特点。
[0073] 实施例二
[0074] 本实施例提供的一种自动驾驶车辆的故障智能分类系统，该故障智能分类系统判断模块、确定模块、检测模块和分类模块；其中，
[0075] 当车辆在自动驾驶过程中遇到故障时，所述判断模块用于判断当前车辆是否已退出自动驾驶状态；
[0076] 若车辆已退出自动驾驶状态，则所述确定模块执行以下操作：采集车辆行驶状况数据，基于所述车辆行驶状况数据确定车辆退出自动驾驶的类型；
[0077] 若车辆未退出自动驾驶状态，则所述检测模块检测车辆在发生故障时的地图数据是否存在，若存在所述地图数据，则所述分类模块对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障。
[0078] 进一步的，所述判断模块用于执行以下操作：根据车辆的动力指令数据、制动指令数据发出和转向指令数据判断当前车辆是否已退出了自动驾驶状态。
[0079] 进一步的，所述确定模块用于执行以下操作：
[0080] 将所述车辆行驶状况数据与预设的阈值范围相比较，若车辆行驶状况数据不在预设的阈值范围内，则确定车辆退出自动驾驶的类型为非自动退出；
[0081] 若车辆行驶状况数据处于预设的阈值范围内，则确定车辆退出自动驾驶的类型为自动退出。
[0082] 进一步的，所述车辆行驶状况数据包括方向盘转动角度、刹车的力度、车辆未达到达指定终点的行驶速度、油门力度中的一种或多种；
[0083] 其中，所述车辆行驶状况数据不在预设的阈值范围内包括以下情形中的一种或多种：所述方向盘转动角度在预设的时间内超出预设的方向盘转动角度阈值；
[0084] 所述刹车的力度在预设的时间内超出预设的刹车的力度阈值；
[0085] 车辆未达到达指定终点而行驶速度在预设的时间内为零；
[0086] 所述油门力度在预设的时间内超出预设的油门力度阈值。
[0087] 进一步的，若所述检测模块检测到当前车辆的位置信息与车辆在发生故障时的地图数据中的位置信息不一致时，则所述分类模块将车辆发生的故障判定为地图定位故障类别；
[0088] 若所述检测模块检测到车辆未采集到车辆周围的障碍物的感知信息时或车辆所感知到的障碍物类型与参考数据库中的障碍物类型不一致时，则所述分类模块将车辆发生的故障判定为感知异常故障类别；
[0089] 若所述检测模块检测到车辆传感器的状态显示灯未正常开启，则所述分类模块将车辆发生的故障判定为硬件连接故障类别；
[0090] 若所述检测模块检测到当前车辆的驾驶状态数据与预先存储的驾驶状态数据不一致时，则所述分类模块将车辆发生的故障判定为驾驶操作有误的故障类别。
[0091] 本实例中的故障智能分类系统的具体实现过程与实施例一的故障智能分类方法中的各步骤的具体实施方式一致，在此不再赘述。
[0092] 实施例三
[0093] 图3为本发明的一种电子设备的一个实施例的结构示意图，参见图3，在本实施例中，提供一种电子设备，包括但不限于智能手机、固定电话、
平板电脑、
笔记本电脑、穿戴式设备等电子设备，所述电子设备包括：处理器和
存储器，所述存储器存储有计算机可读指令，所述计算机可读指令在被所述处理器执行时实现上述本发明的故障智能分类方法。
[0094] 实施例四
[0095] 在本实施例中，提供一种计算机可读存储介质，可以为ROM(例如
只读存储器、FLASH存储器、转移装置等)、光学存储介质(例如，CD-ROM、DVD-ROM、纸卡等)、磁存储介质(例如，磁带、磁盘
驱动器等)或其他类型的程序存储器；所述计算机可读存储介质上存储有
计算机程序，所述计算机程序在被处理器或计算机运行时执行上述本发明的故障智能分类方法。
[0096] 本发明的有益效果：
[0097] 本发明的自动驾驶车辆的故障智能分类方法和系统，可以判断出自动驾驶车辆发生故障的原因，并自动地检测出车辆的故障类别，无需在人工检索统计和分类，便于用户根据故障原因和类别来解决所发生的故障；由于本发明可以将不同的故障类别发送至不同的终端设备的用户，从而更加有效地加快了解决故障的效率。
[0098] 本领域普通技术人员可以意识到，结合本发明实施例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发明的范围。
[0099] 在本
申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如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信连接可以是通过一些
接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0100] 所述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。
[0101] 另外，在本发明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。
[0102] 所述功能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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，
服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动
硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0103] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以
权利要求的保护范围为准。
