阅读说明：本技术 一种自动驾驶方法、装置及电子设备 (Automatic driving method and device and electronic equipment ) 是由 王迪 郑欲锋 籍庆辉 蔡珂芳 张健 钱锋 王燕文 于 2019-11-29 设计创作，主要内容包括：本发明提供了一种自动驾驶方法、装置及电子设备,获取乘员信息以及车辆运动状态参数,确定与所述乘员信息对应的车辆驾驶控制信息；基于所述乘员信息和所述车辆运动状态参数,计算在车辆行驶过程中的车辆乘坐舒适度；基于所述车辆乘坐舒适度,调节所述车辆驾驶控制信息。通过本发明,可以计算乘员的车辆乘坐舒适度,并且还能够基于车辆乘坐舒适度调整车辆驾驶控制信息,即基于乘员的车辆乘坐舒适度进行自动驾驶控制。(The invention provides an automatic driving method, an automatic driving device and electronic equipment, wherein passenger information and vehicle motion state parameters are acquired, and vehicle driving control information corresponding to the passenger information is determined; calculating the riding comfort of the vehicle during the running process of the vehicle based on the passenger information and the vehicle motion state parameter; adjusting the vehicle driving control information based on the vehicle ride comfort. By the present invention, the vehicle riding comfort level of the occupant can be calculated, and the vehicle driving control information can also be adjusted based on the vehicle riding comfort level, that is, automatic driving control is performed based on the vehicle riding comfort level of the occupant.)

一种自动驾驶方法、装置及电子设备

技术领域

本发明涉及自动驾驶领域，更具体的说，涉及一种自动驾驶方法、装置及电子设备。

背景技术

在车辆自动驾驶过程中为了改变原有运动状态，会出现转弯、刹车或者加速等行为，但是这种行为会突然地将车辆的运动状态改变，给乘员带来舒适感较差的乘车体验。

为了提高乘员的舒适性，亟需一种能够基于乘员舒适感的自动驾驶车辆控制方法。

发明内容

有鉴于此，本发明提供一种自动驾驶方法、装置及电子设备，以解决亟需一种能够基于乘员舒适感的自动驾驶车辆控制方法的问题。

为解决上述技术问题，本发明采用了如下技术方案：

一种自动驾驶方法，包括：

获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；

基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；

基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制。

优选地，基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度，包括：

获取舒适度计算模型，并基于所述乘员信息、所述车辆运动状态参数和所述舒适度计算模型计算所述车辆乘坐舒适度；所述舒适度计算模型表征所述乘员信息、所述车辆运动状态参数和所述车辆乘坐舒适度的对应关系；

其中，所述舒适度计算模型的生成过程包括：

获取不同目标驾驶对象在不同道路类型以及不同驾驶模式下的乘员样本信息、车辆运动状态样本信息和环境状态样本信息；

获取所述目标驾驶对象确定的舒适度参数；

基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型。

优选地，在所述获取不同目标驾驶对象在不同道路类型以及不同驾驶模式下的乘员样本信息、车辆运动状态样本信息和环境状态样本信息之后，还包括：

对所述车辆运动状态样本信息和所述环境状态样本信息进行数据预处理；所述数据预处理包括数据时间轴对齐、数据有效性检查、奇异值处理和数据滤波；

从进行过数据预处理的所述车辆运动状态样本信息和所述环境状态样本信息中提取出预设特征量；

相应的，基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型，包括：

依据所述乘员样本信息、所述预设特征量和所述舒适度信息进行机器学习，得到所述舒适度计算模型。

优选地，基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制，包括：

依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数；

基于所述乘员信息和所述车辆运动状态预测参数，计算在车辆行驶过程中的车辆乘坐舒适度预测值；

若所述车辆乘坐舒适度预测值未位于预设舒适度范围内，调整所述车辆驾驶控制信息，得到新的车辆驾驶控制信息，并返回执行所述依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数这一步骤，直到所述车辆乘坐舒适度预测值位于预设舒适度范围时，通过最新的车辆驾驶控制信息控制车辆行驶。

一种自动驾驶装置，包括：

信息获取模块，用于获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；

舒适度计算模块，用于基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；

车辆控制模块，用于基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制。

优选地，所述舒适度计算模块用于基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度时，具体用于：

获取舒适度计算模型，并基于所述乘员信息、所述车辆运动状态参数和所述舒适度计算模型计算所述车辆乘坐舒适度；所述舒适度计算模型表征所述乘员信息、所述车辆运动状态参数和所述车辆乘坐舒适度的对应关系；

相应的，所述自动驾驶装置还包括：

数据获取模块，用于获取不同目标驾驶对象在不同道路类型以及不同驾驶模式下的乘员样本信息、车辆运动状态样本信息和环境状态样本信息；

参数获取模块，用于获取所述目标驾驶对象确定的舒适度参数；

模型训练模块，用于基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型。

优选地，所述自动驾驶装置还包括：

数据处理模块，用于对所述车辆运动状态样本信息和所述环境状态样本信息进行数据预处理；所述数据预处理包括数据时间轴对齐、数据有效性检查、奇异值处理和数据滤波；

数据提取模块，用于从进行过数据预处理的所述车辆运动状态样本信息和所述环境状态样本信息中提取出预设特征量；

相应的，模型训练模块用于基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型时，具体用于：

依据所述乘员样本信息、所述预设特征量和所述舒适度信息进行机器学习，得到所述舒适度计算模型。

优选地，所述车辆控制模块包括：

参数确定子模块，用于依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数；

数值计算子模块，用于基于所述乘员信息和所述车辆运动状态预测参数，计算在车辆行驶过程中的车辆乘坐舒适度预测值；

驾驶控制子模块，用于若所述车辆乘坐舒适度预测值未位于预设舒适度范围内，调整所述车辆驾驶控制信息，得到新的车辆驾驶控制信息，并返回执行所述依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数这一步骤，直到所述车辆乘坐舒适度预测值位于预设舒适度范围时，通过最新的车辆驾驶控制信息控制车辆行驶。

一种电子设备，包括：存储器和处理器；

其中，所述存储器用于存储程序；

处理器调用程序并用于：

获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；

基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；

基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制。

相较于现有技术，本发明具有以下有益效果：

本发明提供了一种自动驾驶方法、装置及电子设备，获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息。通过本发明，可以计算乘员的车辆乘坐舒适度，并且还能够基于车辆乘坐舒适度调整车辆驾驶控制信息，即基于乘员的车辆乘坐舒适度进行自动驾驶控制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种自动驾驶方法的方法流程图；

图2为本发明实施例提供的另一种自动驾驶方法的方法流程图；

图3为本发明实施例提供的再一种自动驾驶方法的方法流程图；

图4为本发明实施例提供的一种自动驾驶装置的结构示意图。

具体实施方式

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。

本发明实施例提供了一种自动驾驶方法，可以应用于自动驾驶控制器，如电子控制单元ECU等。参照图1，自动驾驶方法可以包括：

S11、获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息。

其中，乘员信息可以是乘员的年龄和姓名，一般设定车内仅乘员一人，即仅有驾驶员，可以通过图像采集设备采集驾驶员的图像信息，通过图像识别操作得到驾驶员的年龄和性别。如性别女，年龄在25岁左右。另外，自动驾驶控制器中预先存储有乘员信息以及车辆驾驶控制信息的对应关系，如年龄25岁，性别女，对应的车辆驾驶控制信息为车速在60KM/h左右等。需要说明的是，预先存储有乘员信息对应的车辆驾驶控制信息是最适合该性别和年龄的乘员的车辆驾驶控制信息。

车辆运行状态参数可以从CAN总线上获取，可以包括车速、前向速度、横向速度、前向加速度、横向加速度、向下的加速度、俯仰角、侧倾角、前向角速度、切向角速度、向下的角速度、前向角加速度、切向角加速度、向下的角加速度等参数。

S12、基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度。

具体的，车辆乘坐舒适度是指乘员在乘坐过程中的舒适度，若车速合适，转弯和换道能承受，则舒适度较高，若车速过快，急刹车不能承受，则舒适度较低。

车辆乘坐舒适度是基于预先构建的舒适度计算模型确定的，在具体实现方式中，步骤S12具体可以包括：

获取舒适度计算模型，并基于所述乘员信息、所述车辆运动状态参数和所述舒适度计算模型计算所述车辆乘坐舒适度；所述舒适度计算模型表征所述乘员信息、所述车辆运动状态参数和所述车辆乘坐舒适度的对应关系。

其中，将所述乘员信息和所述车辆运动状态参数输入到所述舒适度计算模型中，即可输出车辆乘坐舒适度。

另外，舒适度计算模型是基于大量的数据通过机器学习算法生成的，现对舒适度计算模型的生成过程进行介绍：

参照图2，所述舒适度计算模型的生成过程可以包括：

S21、获取不同目标驾驶对象在不同道路类型以及不同驾驶模式下的乘员样本信息、车辆运动状态样本信息和环境状态样本信息。

在构建舒适度计算模型之前，需要获取大量的试验数据，人工驾驶车辆在不同的道路类型，如高速公路或城市道路，以及不同的驾驶模式，如自由直行、换道、跟车等驾驶模式行驶。需要说明的是，需要不同的人(年龄不同，或性别不同)驾驶车辆行驶，如将从20-50岁中处于不同年龄段的男性和女性分别在不同的道路类型和不同的驾驶模式下自动驾驶车辆行驶。

在车辆行驶过程中，乘员样本信息即为乘员的年龄和性别。车辆运动状态样本信息与车辆运动状态信息类似，包括车速、前向速度、横向速度、前向加速度、横向加速度、向下的加速度、俯仰角、侧倾角、前向角速度、切向角速度、向下的角速度、前向角加速度、切向角加速度、向下的角加速度等参数。

环境状态样本信息是指车辆行驶的外界环境，可以通过设置在车辆上的雷达、摄像头等设备采集得到，环境状态样本信息可以是障碍物距离本车的纵向距离、横向距离，障碍物的纵向速度、障碍物的类型、车道线距离本车的横向距离、车道线曲率、本车与车道线切线方向的夹角等。

S22、对所述车辆运动状态样本信息和所述环境状态样本信息进行数据预处理。

其中，所述数据预处理包括数据时间轴对齐、数据有效性检查、奇异值处理和数据滤波，对车辆运动状态样本信息和所述环境状态样本信息进行数据预处理是为了保证数据的准确性。

需要说明的是，在驾驶员驾驶车辆的过程中，可能会经过不同的道路类型以及不同的驾驶模式，此时需要将不同道路类型、不同驾驶模式的数据进行切分，即每一组数据仅包括一种道路类型和驾驶模式的数据。

S23、从进行过数据预处理的所述车辆运动状态样本信息和所述环境状态样本信息中提取出预设特征量。

具体的，机器学习中，由于不同模型的需要，我们要对数据进行规范化处理，比如数据无量钢化，常用方法有标准化方法、极值化方法、均值化方法、标准差化、方差化、四分位数化、方法等。

另外，现有的数据的特征的显著性不高，需要我们从现有数据中构造一些特征，对原有的特征进行转换，比如通过对单一变量进行平方等。

S24、获取所述目标对象确定的舒适度参数。

具体的，目标驾驶对象从俯仰感、加速强度、加速频率、制动强度、制动频率、侧倾感、转向加速度、转向频率等打分维度进行主观打分，得到每一维度的分值。

S25、依据所述乘员样本信息、所述预设特征量和所述舒适度信息进行机器学习，得到所述舒适度计算模型。

具体的，通过乘员样本信息、所述预设特征量和所述舒适度信息，利用机器学习模型实现对在不同驾驶模式下的驾驶舒适感进行在线评测，且对驾驶舒适感的在线估计值与人工标定值的均方根误差满足要求，则能够得到表征所述乘员信息、所述车辆运动状态参数和所述车辆乘坐舒适度的对应关系的所述舒适度计算模型。

本实施例中，步骤S22-23可以作为优选的步骤，而不是必须的步骤，即可以在执行步骤S21之后，直接执行步骤S24。另外，“依据所述乘员样本信息、所述预设特征量和所述舒适度信息进行机器学习，得到所述舒适度计算模型”可以作为“基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型”的具体实现方式。

S13、基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制。

具体的，在计算得到车辆乘坐舒适度之后，若车辆乘坐舒适度不高，则可以调节车辆驾驶控制信息，再进行自动驾驶控制，能够使得调整后的车辆驾驶控制信息能够提高乘员的车辆乘坐舒适度。

本实施例中，获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息。通过本发明，可以计算乘员的车辆乘坐舒适度，并且还能够基于车辆乘坐舒适度调整车辆驾驶控制信息，即基于乘员的车辆乘坐舒适度进行自动驾驶控制。

另外，本发明实施例基于乘员舒适感的主观评价，从乘员主观感受出发，通过大量数据采集和处理，对模型进行训练，能够通过训练好的模型预测车辆行驶状态对乘员舒适感的影响。另外，在建立模型过程中，为了满足不同乘员对舒适感的不同评价，在进行主观评价过程中，增加了采集不同性别、年龄的乘员对各自舒适感进行评价的数据。

可选的，在上述介绍了“基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制”的基础上，

在本发明的另一具体实现方式中对其具体实现过程进行介绍。具体的，参照图3，步骤S14可以包括：

S31、依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数。

具体的，虽然得到的车辆驾驶控制信息是最适合该年龄和性别的乘员的车辆驾驶控制信息。但是仍需要验证该车辆驾驶控制信息是否适合当前的乘员。将该车辆驾驶控制信息输入到车辆动力学模型中，得到当前的车辆运动状态预测参数。车辆动力学模型预先建立。

需要说明的是，当前的车辆状态预测参数并不是真实的车辆的车辆状态参数，而是基于车辆动力学模型预测得到的数据。

S32、基于所述乘员信息和所述车辆运动状态预测参数，计算在车辆行驶过程中的车辆乘坐舒适度预测值。

具体的，跟上述计算车辆乘坐舒适度的过程类似，将所述乘员信息和所述车辆运动状态预测参数输入到舒适度计算模型中，即可得到车辆乘坐舒适度预测值。

S33、判断车辆乘坐舒适度预测值是否位于预设舒适度范围；若位于，自行步骤S35；若未位于，执行步骤S34。

具体的，车辆乘坐舒适度预测值是否位于预设舒适度范围，即判断在当前的车辆行驶下，乘员乘坐是否舒服，若未位于预设舒适度范围，则认为乘坐不舒服，若位于预设舒适度范围，则认为乘坐舒服。

S34、调整所述车辆驾驶控制信息，得到新的车辆驾驶控制信息。

此处可以采用粒子群算法、遗传算法、蚁群算法等智能优化算法进行车辆驾驶控制信息的调节，得到新的车辆驾驶控制信息。

在执行步骤S34之后，返回执行步骤S32。

S35、通过最新的车辆驾驶控制信息控制车辆行驶。

具体的，若位于预设舒适度范围，则说明乘员乘坐舒服，此时可以通过调整后的最新的车辆驾驶控制信息进行车辆自动驾驶控制。

本实施例中，为了满足不同乘员期望的舒适状态，在保证车辆行驶安全情况下，确定各自的期望舒适感范围，调整车辆控制参数，在线优化与舒适感相关的参数，使乘员的舒适感达到期望值，大大提高了智能驾驶汽车的乘坐舒适感。

可选的，在上述自动驾驶方法的实施例的基础上，本发明的另一实施例提供了一种自动驾驶装置，参照图4，可以包括：

信息获取模块101，用于获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；

舒适度计算模块102，用于基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；

车辆控制模块103，用于基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制。

可选的，在本实施例的基础上，所述舒适度计算模块用于基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度时，具体用于：

获取舒适度计算模型，并基于所述乘员信息、所述车辆运动状态参数和所述舒适度计算模型计算所述车辆乘坐舒适度；所述舒适度计算模型表征所述乘员信息、所述车辆运动状态参数和所述车辆乘坐舒适度的对应关系；

相应的，所述自动驾驶装置还包括：

数据获取模块，用于获取不同目标驾驶对象在不同道路类型以及不同驾驶模式下的乘员样本信息、车辆运动状态样本信息和环境状态样本信息；

参数获取模块，用于获取所述目标驾驶对象确定的舒适度参数；

模型训练模块，用于基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型。

可选的，在本实施例的基础上，所述自动驾驶装置还包括：

数据处理模块，用于对所述车辆运动状态样本信息和所述环境状态样本信息进行数据预处理；所述数据预处理包括数据时间轴对齐、数据有效性检查、奇异值处理和数据滤波；

数据提取模块，用于从进行过数据预处理的所述车辆运动状态样本信息和所述环境状态样本信息中提取出预设特征量；

相应的，模型训练模块用于基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型时，具体用于：

依据所述乘员样本信息、所述预设特征量和所述舒适度信息进行机器学习，得到所述舒适度计算模型。

本实施例中，获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息。通过本发明，可以计算乘员的车辆乘坐舒适度，并且还能够基于车辆乘坐舒适度调整车辆驾驶控制信息，即基于乘员的车辆乘坐舒适度进行自动驾驶控制。

另外，本发明实施例基于乘员舒适感的主观评价，从乘员主观感受出发，通过大量数据采集和处理，对模型进行训练，能够通过训练好的模型预测车辆行驶状态对乘员舒适感的影响。另外，在建立模型过程中，为了满足不同乘员对舒适感的不同评价，在进行主观评价过程中，增加了采集不同性别、年龄的乘员对各自舒适感进行评价的数据。

需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。

可选的，在上述任一自动驾驶装置的实施例的基础上，所述车辆控制模块包括：

参数确定子模块，用于依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数；

数值计算子模块，用于基于所述乘员信息和所述车辆运动状态预测参数，计算在车辆行驶过程中的车辆乘坐舒适度预测值；

驾驶控制子模块，用于若所述车辆乘坐舒适度预测值未位于预设舒适度范围内，调整所述车辆驾驶控制信息，得到新的车辆驾驶控制信息，并返回执行所述依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数这一步骤，直到所述车辆乘坐舒适度预测值位于预设舒适度范围时，通过最新的车辆驾驶控制信息控制车辆行驶。

本实施例中，为了满足不同乘员期望的舒适状态，在保证车辆行驶安全情况下，确定各自的期望舒适感范围，调整车辆控制参数，在线优化与舒适感相关的参数，使乘员的舒适感达到期望值，大大提高了智能驾驶汽车的乘坐舒适感。

需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。

可选的，在上述自动驾驶方法及装置的实施例的基础上，本发明的另一实施例提供了一种电子设备，可以包括：存储器和处理器；

其中，所述存储器用于存储程序；

处理器调用程序并用于：

获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；

基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；

基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制。

进一步，基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度，包括：

获取舒适度计算模型，并基于所述乘员信息、所述车辆运动状态参数和所述舒适度计算模型计算所述车辆乘坐舒适度；所述舒适度计算模型表征所述乘员信息、所述车辆运动状态参数和所述车辆乘坐舒适度的对应关系；

其中，所述舒适度计算模型的生成过程包括：

获取不同目标驾驶对象在不同道路类型以及不同驾驶模式下的乘员样本信息、车辆运动状态样本信息和环境状态样本信息；

获取所述目标驾驶对象确定的舒适度参数；

基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型。

进一步，在所述获取不同目标驾驶对象在不同道路类型以及不同驾驶模式下的乘员样本信息、车辆运动状态样本信息和环境状态样本信息之后，还包括：

对所述车辆运动状态样本信息和所述环境状态样本信息进行数据预处理；所述数据预处理包括数据时间轴对齐、数据有效性检查、奇异值处理和数据滤波；

从进行过数据预处理的所述车辆运动状态样本信息和所述环境状态样本信息中提取出预设特征量；

相应的，基于所述乘员样本信息、所述车辆运动状态样本信息、所述环境状态样本信息和所述舒适度信息，确定所述舒适度计算模型，包括：

依据所述乘员样本信息、所述预设特征量和所述舒适度信息进行机器学习，得到所述舒适度计算模型。

进一步，基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息，并基于调整后的车辆驾驶控制信息进行自动驾驶控制，包括：

依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数；

基于所述乘员信息和所述车辆运动状态预测参数，计算在车辆行驶过程中的车辆乘坐舒适度预测值；

若所述车辆乘坐舒适度预测值未位于预设舒适度范围内，调整所述车辆驾驶控制信息，得到新的车辆驾驶控制信息，并返回执行所述依据车辆动力学模型和所述车辆驾驶控制信息，得到车辆运动状态预测参数这一步骤，直到所述车辆乘坐舒适度预测值位于预设舒适度范围时，通过最新的车辆驾驶控制信息控制车辆行驶。

本实施例中，获取乘员信息以及车辆运动状态参数，确定与所述乘员信息对应的车辆驾驶控制信息；基于所述乘员信息和所述车辆运动状态参数，计算在车辆行驶过程中的车辆乘坐舒适度；基于所述车辆乘坐舒适度，调节所述车辆驾驶控制信息。通过本发明，可以计算乘员的车辆乘坐舒适度，并且还能够基于车辆乘坐舒适度调整车辆驾驶控制信息，即基于乘员的车辆乘坐舒适度进行自动驾驶控制。

另外，本发明实施例基于乘员舒适感的主观评价，从乘员主观感受出发，通过大量数据采集和处理，对模型进行训练，能够通过训练好的模型预测车辆行驶状态对乘员舒适感的影响。另外，在建立模型过程中，为了满足不同乘员对舒适感的不同评价，在进行主观评价过程中，增加了采集不同性别、年龄的乘员对各自舒适感进行评价的数据。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。