具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的驾驶辅助模式切换设备结构示意图。

如图1所示，该驾驶辅助模式切换设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对驾驶辅助模式切换设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及驾驶辅助模式切换程序。

在图1所示的驾驶辅助模式切换设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明驾驶辅助模式切换设备中的处理器1001、存储器1005可以设置在驾驶辅助模式切换设备中，所述驾驶辅助模式切换设备通过处理器1001调用存储器1005中存储的驾驶辅助模式切换程序，并执行本发明实施例提供的驾驶辅助模式切换方法。

本发明实施例提供了一种驾驶辅助模式切换方法，参照图2，图2为本发明驾驶辅助模式切换方法第一实施例的流程示意图。

本实施例中，所述驾驶辅助模式切换方法包括以下步骤：

步骤S10：通过车辆传感器获取油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率。

可以理解的是，本实施例的执行主体为驾驶辅助模式切换设备，所述驾驶辅助模式切换设备可以为整车控制器、与车辆控制端连接的控制器等设备，还可以为域控制器，也可以为其他具备相同或相似功能的设备，本实施例以域控制器为例进行说明。域控制器与安装于车辆上的用于采集油门踏板、制动踏板以及方向盘数据的传感器连接，接收油门踏板开度、制动踏板开度以及方向盘转角开度数据，并依据预设采集周期内的油门踏板开度、制动踏板开度以及方向盘转角开度数据分析确定油门踏板开度变化率、制动踏板开度变化率以及方向盘转角开度变化率。

步骤S20：通过预设自适应粒子群算法对所述油门踏板开度、所述油门踏板开度变化率、所述制动踏板开度、所述制动踏板开度变化率、所述方向盘转角开度以及所述方向盘转角开度变化率进行分析，确定驾驶员驾驶意图。

需要说明的是，本实施例中依据油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率输入至预先构建的预设驾驶员状态模型，通过预设自适应粒子群算法对模型进行分析优化，确定驾驶员驾驶意图，在具体实现中，为了提升驾驶意图分析结果的精度，根据车辆传感器获取到的车辆周期感知信息分析周期驾驶意图，结合预设自适应粒子群算法分析得到的驾驶意图和周期驾驶意图分析得到驾驶员驾驶意图。

步骤S30：基于周边感知信息确定当前车辆行驶状态。

应当理解的是，当前车辆行驶状态标准当前车辆是否处于危险场景，包括，危险状态和正常行驶状态。周边感知信息包括：周边车辆信息以及车道线信息。域控制器与安装于车辆四周的摄像头连接，通过摄像头采集四周图像信息，对图像信息进行分析，基于车道线识别技术确定当前环境下的车道线信息，基于车辆识别技术确定当前环境下的周边车辆，可选的，基于周边感知信息确定当前车辆行驶状态，具体为：通过车辆周身传感器感知周边环境，确定车辆偏移程度，并获取当前车速；确定马氏链对应的状态转移概率矩阵；根据所述状态转移概率矩阵、所述车辆偏移程度以及所述当前车速确定预设车辆随机运动预测模型；根据所述预设车辆随机运动预测模型确定当前车辆状态；将所述当前车辆状态与预设典型危险场景进行匹配，得到匹配结果；根据所述匹配结果确定车辆行驶状态。

需要说明的是，车辆偏移程度是指车辆距离道路中线的距离与道路宽度之比，具体过程可以为，采用马氏链对车辆偏移程度d及当前车速v进行编码，得到随机数组，当车辆在行驶过程中，时间间隔较小时，车辆下一时刻的状态与当前时刻状态是相关的，采用离散的自适应马尔科夫链模型(S，P)，S为马氏链所有状态组成的非空状态集，P为马氏链状态转移概率矩阵。通过条件概率定义得到状态转移概率，车辆偏移程度与车速被划分为若干片段，组成不同状态，则不同状态转移构成了状态转移矩阵P，假设[d₀，v₀]对应当前时刻车辆的状态s₀，当前时刻U₀＝s₀，生成随机数组{r₁，r₂，r₃,…}，随机数组表征车辆可能行驶的状态，例如，r₁表示左拐、r₂表示直行、r₃表示右拐，在当前车辆状态X(0)＝s₀已经发生的条件下，X(1)的条件分布概率为p_0j＝P{X{1}＝s_j|X(0)＝s_i}，j＝1，2，3，…，n，从状态转移矩阵P中取出第k₀行所有元素；取随机数r₁，表示假定车辆准备左拐，如果存在对某个k₁满足即可以确定车辆下一时刻状态为s₁，即U₁＝s₁，即假定车辆左拐的状态满足k₁时刻车辆状态转移的条件，则认为车辆下一时刻准备左拐；以此类推得到车辆随机运动预测模型有U_n＝{s₁，s₂，…}。对U_n状态编码进行解码，通过反查编码对应的车辆偏离状态与车速信息，得到当前车辆状态，判断当前车辆状态是否属于典型危险场景，即可判断车辆端车辆行驶Vehicle属于危险状态Danger还是正常行驶状态Rational。

步骤S40：根据所述驾驶员驾驶意图以及所述当前车辆行驶状态确定对应的目标驾驶辅助模式，将当前模式切换至所述目标驾驶辅助模式。

可以理解的是，驾驶员驾驶意图包括紧急驾驶、缓和驾驶以及正常驾驶，可选的，步骤S40，包括：在所述驾驶员驾驶意图为紧急驾驶或者所述车辆行驶状态为危险状态时，确定对应的目标驾驶辅助模式为紧急辅助模式，将当前模式切换至所述紧急辅助模式；在所述驾驶员驾驶意图为正常驾驶并且所述车辆行驶状态为正常行驶状态时，确定对应的目标驾驶辅助模式为谨慎辅助模式，将当前模式切换至所述谨慎辅助模式；在所述驾驶员驾驶意图为缓慢行驶并且所述车辆行驶状态为正常行驶状态时，确定对应的目标驾驶辅助模式为正常辅助模式，将当前模式切换至所述正常辅助模式。

需要说明的是，域控制器在获取到驾驶员驾驶意图以及当前车辆行驶状态，根据公式(1)确定对应的目标驾驶辅助模式：

其中，驾驶辅助模式Mode(DAS)∈[1,3]，1代表Imminence紧急辅助模式、2代表Cautious谨慎辅助模式、3代表Normal正常辅助模式；驾驶员驾驶意图intention∈[1，3]，1代表紧急驾驶，2代表缓和驾驶，3代表正常驾驶；当前车辆行驶状态Vehicle包括，危险状态Danger和正常行驶状态Rational。

应当理解的是，驾驶辅助模式为Imminence紧急辅助模式时，表征当前驾驶员或车辆处于危险环境中，Imminence紧急辅助模式下车辆的的辅助方式如下：驾驶辅助如自动紧急制动、安全带、安全气囊等将自动调整功能设置，例如自动紧急制动灵敏度、刹车距离等调整到最高，安全带、安全气囊随时触发，以防车辆碰撞，最大程度保护驾驶员安全。当驾驶辅助模式为Cautious谨慎辅助模式时，驾驶员驾驶状态正常，且车辆所处环境安全，驾驶辅助处于谨慎状态；当驾驶辅助模式为处于Normal时，驾驶员驾驶状态缓和，且车辆所处环境安全，驾驶辅助处于正常状态。

本实施例通过车辆传感器获取油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率；通过预设自适应粒子群算法对油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率进行分析，确定驾驶员驾驶意图；基于周边感知信息确定当前车辆行驶状态；根据驾驶员驾驶意图以及当前车辆行驶状态确定对应的目标驾驶辅助模式，将当前模式切换至目标驾驶辅助模式。通过上述方式，根据预设自适应粒子群算法分析得到的驾驶员意图，以及车辆行驶状态确定切换的驾驶辅助模式，使得驾驶辅助模式切换更智能，避免驾驶员主观意识对辅助模式切换的影响，有效避免因驾驶员误操作或无效操作而影响驾驶员意图分析结果，从而影响驾驶辅助模式切换的情况，提高了驾驶安全性，解决了当前驾驶辅助模式切换不及时的问题。

参考图3，图3为本发明驾驶辅助模式切换方法第二实施例的流程示意图。

基于上述第一实施例，本实施例驾驶辅助模式切换方法的所述步骤S20，包括：

步骤S201：通过预设自适应粒子群算法对所述油门踏板开度、所述油门踏板开度变化率、所述制动踏板开度、所述制动踏板开度变化率、所述方向盘转角开度以及所述方向盘转角开度变化率进行分析，确定初始驾驶意图。

具体地，所述步骤S201，包括：将所述油门踏板开度、所述油门踏板开度变化率、所述制动踏板开度、所述制动踏板开度变化率、所述方向盘转角开度以及所述方向盘转角开度变化率输入至预设驾驶员状态模型；通过预设自适应粒子群算法对所述预设驾驶员状态模型进行优化，输出初始驾驶意图。

可以理解的是，通过公式(2)确定预设驾驶员状态模型：

其中，x₁∈(α，dα/dt)，x₂∈(θ，dθ/dt)，x₃∈(δ，dδ/dt)，f(x₁，x₂，x₃)∈[1,3]，1代表紧急驾驶，2代表正常驾驶，3代表缓慢驾驶，α为油门踏板开度，dα/dt为油门踏板开度变化率，θ为制动踏板开度，dθ/dt为制动踏板开度变化率，δ为方向盘转角开度，dδ/dt为方向盘转角开度变化率。

需要说明的是，根据预设驾驶员状态模型通过预设自适应粒子群算法进行寻优，得到最优值，由输入的油门踏板、制动踏、方向盘转向开度以及对应的变化率，输出接近实际最优值即初始驾驶意图为紧急驾驶、正常驾驶或缓和驾驶。

具体地，所述通过预设自适应粒子群算法对所述预设驾驶员状态模型进行优化，输出初始驾驶意图，包括：获取预设加速度因子、预设惯性权重以及预设误差要求；根据所述预设驾驶员状态模型确定预设粒子集；基于所述预设粒子集中各粒子对应的适应度值确定全局最优位置；在所述全局最优位置满足预设误差要求时，得到优化的粒子位置和粒子速度；根据所述优化的粒子位置和粒子速度通过所述预设驾驶员状态模型确定最优解，得到初始驾驶意图。

可以理解的是，预设自适应粒子群算法表征为公式(3)以及公式(4):

根据公式(3)以及公式(4)对优化过程进行解释说明，训练集L中的第i个粒子表示为一个L的向量，X_i＝(x_i1，x_i2，…，x_iL)，i＝1，2，3，即第i个粒子在训练集中的位置是X_i，第i个粒子所经历的最优位置为Pbest_i＝(p_i1，p_i2，…,p_iL)，i＝1，2，3，即当前个体最优位置，粒子的每个位置代表要求的一个潜在解，将粒子位置输入至目标函数得到第i个粒子的适应度值，用来判断粒子的优劣程度。整个粒子群搜索到的最优位置为Gbest_g＝p_ig)，i＝1，2，3，即当前全局最优位置，g表示最优粒子位置的索引。ω表示惯性权重，为第i个粒子到第t代为止搜索到的历史最优解，为整个粒子群到目前为止搜索到的全局最优位置，分别表示第i个粒子当前的位置和飞行速度，c₁，c₂表示非负的常数，r₁，r₂是[0，1]之间的随机数。本实施例中，设置算法迭代进化次数为1000次，预设加速度因子c₁＝1.4，c₂＝1.5，预设惯性权重ω＝0.8。

需要说明的是，预设误差要求为最小误差要求，由开发者提前根据实际情况设置，对于每个粒子，将其适应度值与所经历的当前个体最优位置Pbest_i的适应度值进行比较，若较好，则将该粒子的位置作为新的当前个体最优位置。对每个粒子，将其适应度值与全局所经历的最好位置Gbest_g的适应度值进行比较，若较好，则将该粒子的位置作为新的全局最优位置。如果全局最优位置不能满足最小误差要求，表征输出的初始驾驶意图与实际不符，根据公式(3)以及公式(4)对粒子的速度和位置进行优化，将新的粒子与当前个体最优位置以及全局最优位置进行比较，直至全局最优位置满足最小误差要求。

步骤S202：通过车辆传感器获取油门踏板周期感知信息、制动踏板周期感知信息以及方向盘周期感知信息。

需要说明的是，周期感知信息为预设采集周期内车辆传感器获取到的油门踏板、制动踏板以及方向盘的感知信息，例如，控制次数、开度最大值、变化量、变化率、变化波动曲线等等。预设采集周期可以设置为当前时刻的前10秒内，域控制器通过车辆传感器获取当前时刻的前10秒内油门踏板控制次数、制动踏板控制次数以及方向盘控制次数。

步骤S203：根据所述油门踏板周期感知信息、所述制动踏板周期感知信息以及所述方向盘周期感知信息确定周期驾驶意图。

可以理解的是，周期驾驶意图包括紧急驾驶、缓和驾驶以及正常驾驶，在具体实现中，可以根据控制次数查找预设表格确定周期驾驶意图，还可以将控制次数与预设数值进行比较确定周期驾驶意图。

具体地，所述油门踏板周期感知信息为预设采集周期内油门踏板的控制次数，所述制动踏板周期感知信息为所述预设采集周期内制动踏板的控制次数，所述方向盘周期感知信息为所述预设采集周期内方向盘的控制次数；

所述步骤S203，包括：根据所述预设采集周期确定预设阈值；将所述油门踏板的控制次数、所述制动踏板的控制次数以及所述方向盘的控制次数与所述预设阈值进行比较，得到比较结果；根据所述比较结果确定周期驾驶意图。

需要说明的是，本实施例中周期感知信息为一段时间内驾驶员对油门踏板、制动踏板、方向盘的控制次数，预设阈值与预设采集周期一一对应，在具体实现中，预设采集周期设置为当前时刻的前10秒内，预设阈值设置为3次，预设采集周期还可以根据当前车速选取，例如，在当前车速较慢或者较快时，选择预设采集周期为当前时刻的前10秒内，在当前车速处于平缓车速范围时，选择预设采集周期为当前时刻的前20秒内。预设采集周期为当前时刻的前20秒内时，确定对应的预设阈值为5次。

具体地，所述根据所述比较结果确定周期驾驶意图，包括：在所述油门踏板的控制次数、所述制动踏板的控制次数以及所述方向盘的控制次数均大于或等于所述预设阈值时，确定周期驾驶意图为紧急驾驶；在所述油门踏板的控制次数、所述制动踏板的控制次数以及所述方向盘的控制次数均小于所述预设阈值时，确定周期驾驶意图为缓和驾驶；在所述油门踏板的控制次数以及所述制动踏板的控制次数大于或等于所述预设阈值，且所述方向盘的控制次数均小于所述预设阈值时，确定周期驾驶意图为正常驾驶。

可以理解的是，以预设采集周期为当前时刻的前10秒内，预设阈值为3次进行说明，通过公式(5)确定周期驾驶意图：

其中，周期驾驶意图T∈[1，3]，1代表紧急驾驶、2代表正常驾驶、3代表缓和驾驶，F_α为油门踏板控制次数，F_θ为制动踏板控制次数，F_δ为方向盘控制次数；在预设采集周期内，如果驾驶员对油门踏板、制动踏板、方向盘的控制次数小于3次，则认为周期驾驶意图为缓和驾驶；如果驾驶员对油门踏板、制动踏板控制次数大于等于3次、方向盘的控制次数小于3次，则认为周期驾驶意图为正常驾驶；如果驾驶员对油门踏板、制动踏板、方向盘的控制次数大于等于3次，则认为周期驾驶意图为紧急驾驶。

步骤S204：根据所述初始驾驶意图以及所述周期驾驶意图确定驾驶员驾驶意图。

具体地，所述步骤S204，包括：在所述周期驾驶意图为紧急驾驶时，确定驾驶员驾驶意图为紧急驾驶；在所述初始驾驶意图为紧急驾驶或者正常驾驶，且所述周期驾驶意图为正常驾驶或缓和驾驶时，确定驾驶员驾驶意图为正常驾驶；在所述初始驾驶意图为缓和驾驶且所述周期驾驶意图为缓和驾驶时，确定驾驶员驾驶意图为缓和驾驶。

需要说明的是，结合预设驾驶员状态模型的最优解以及周期驾驶意图通过公式(6)确定驾驶员驾驶意图intention：

在具体实现中，以周期驾驶意图T为主，当周期驾驶意图T＝1时，认定驾驶员驾驶意图intention为紧急驾驶；当周期驾驶意图T≥2且初始驾驶意图f(x₁，x₂，x₃)<3时，认定驾驶员驾驶意图intention为正常驾驶；当周期驾驶意图T＝3且初始驾驶意图f(x₁，x₂，x₃)＝3时，认定驾驶员驾驶意图intention为缓和驾驶。

本实施例通过预设自适应粒子群算法对油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率进行分析，确定初始驾驶意图；通过车辆传感器获取油门踏板周期感知信息、制动踏板周期感知信息以及方向盘周期感知信息；根据油门踏板周期感知信息、制动踏板周期感知信息以及方向盘周期感知信息确定周期驾驶意图；根据初始驾驶意图以及周期驾驶意图确定驾驶员驾驶意图；根据驾驶员驾驶意图以及当前车辆行驶状态确定对应的目标驾驶辅助模式，将当前模式切换至目标驾驶辅助模式。通过上述方式，通过综合分析当前驾驶员操作状态及周期内驾驶员操作频次，有效解决因驾驶员误操作或无效操作而影响驾驶意图分析结果的问题，结合驾驶员端驾驶员驾驶意图及车辆端车辆行驶状态，解决了当前驾驶辅助模式切换不及时的问题，判定车辆当前驾驶辅助模式，进而提高驾驶辅助的智能化水平及车辆的安全性。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有驾驶辅助模式切换程序，所述驾驶辅助模式切换程序被处理器执行时实现如上文所述的驾驶辅助模式切换方法。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

参照图4，图4为本发明驾驶辅助模式切换装置第一实施例的结构框图。

如图4所示，本发明实施例提出的驾驶辅助模式切换装置包括：

获取模块10，用于通过车辆传感器获取油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率。

确定模块20，用于通过预设自适应粒子群算法对所述油门踏板开度、所述油门踏板开度变化率、所述制动踏板开度、所述制动踏板开度变化率、所述方向盘转角开度以及所述方向盘转角开度变化率进行分析，确定驾驶员驾驶意图。

所述确定模块20，还用于基于周边感知信息确定当前车辆行驶状态。

切换模块30，用于根据所述驾驶员驾驶意图以及所述当前车辆行驶状态确定对应的目标驾驶辅助模式，将当前模式切换至所述目标驾驶辅助模式。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

本实施例通过车辆传感器获取油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率；通过预设自适应粒子群算法对油门踏板开度、油门踏板开度变化率、制动踏板开度、制动踏板开度变化率、方向盘转角开度以及方向盘转角开度变化率进行分析，确定驾驶员驾驶意图；基于周边感知信息确定当前车辆行驶状态；根据驾驶员驾驶意图以及当前车辆行驶状态确定对应的目标驾驶辅助模式，将当前模式切换至目标驾驶辅助模式。通过上述方式，根据预设自适应粒子群算法分析得到的驾驶员意图，以及车辆行驶状态确定切换的驾驶辅助模式，使得驾驶辅助模式切换更智能，避免驾驶员主观意识对辅助模式切换的影响，有效避免因驾驶员误操作或无效操作而影响驾驶员意图分析结果，从而影响驾驶辅助模式切换的情况，提高了驾驶安全性，解决了当前驾驶辅助模式切换不及时的问题。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的驾驶辅助模式切换方法，此处不再赘述。

在一实施例中，所述确定模块20，还用于通过预设自适应粒子群算法对所述油门踏板开度、所述油门踏板开度变化率、所述制动踏板开度、所述制动踏板开度变化率、所述方向盘转角开度以及所述方向盘转角开度变化率进行分析，确定初始驾驶意图，通过车辆传感器获取油门踏板周期感知信息、制动踏板周期感知信息以及方向盘周期感知信息，根据所述油门踏板周期感知信息、所述制动踏板周期感知信息以及所述方向盘周期感知信息确定周期驾驶意图，根据所述初始驾驶意图以及所述周期驾驶意图确定驾驶员驾驶意图。

在一实施例中，所述确定模块20，还用于将所述油门踏板开度、所述油门踏板开度变化率、所述制动踏板开度、所述制动踏板开度变化率、所述方向盘转角开度以及所述方向盘转角开度变化率输入至预设驾驶员状态模型，通过预设自适应粒子群算法对所述预设驾驶员状态模型进行优化，输出初始驾驶意图。

在一实施例中，所述确定模块20，还用于获取预设加速度因子、预设惯性权重以及预设误差要求；

根据所述预设驾驶员状态模型确定预设粒子集，基于所述预设粒子集中各粒子对应的适应度值确定全局最优位置，在所述全局最优位置满足预设误差要求时，得到优化的粒子位置和粒子速度，根据所述优化的粒子位置和粒子速度通过所述预设驾驶员状态模型确定最优解，得到初始驾驶意图。

在一实施例中，所述油门踏板周期感知信息为预设采集周期内油门踏板的控制次数，所述制动踏板周期感知信息为所述预设采集周期内制动踏板的控制次数，所述方向盘周期感知信息为所述预设采集周期内方向盘的控制次数；

所述确定模块20，还用于根据所述预设采集周期确定预设阈值，将所述油门踏板的控制次数、所述制动踏板的控制次数以及所述方向盘的控制次数与所述预设阈值进行比较，得到比较结果，根据所述比较结果确定周期驾驶意图。

在一实施例中，所述确定模块20，还用于在所述油门踏板的控制次数、所述制动踏板的控制次数以及所述方向盘的控制次数均大于或等于所述预设阈值时，确定周期驾驶意图为紧急驾驶，在所述油门踏板的控制次数、所述制动踏板的控制次数以及所述方向盘的控制次数均小于所述预设阈值时，确定周期驾驶意图为缓和驾驶，在所述油门踏板的控制次数以及所述制动踏板的控制次数大于或等于所述预设阈值，且所述方向盘的控制次数均小于所述预设阈值时，确定周期驾驶意图为正常驾驶。

在一实施例中，所述确定模块20，还用于在所述周期驾驶意图为紧急驾驶时，确定驾驶员驾驶意图为紧急驾驶，在所述初始驾驶意图为紧急驾驶或者正常驾驶，且所述周期驾驶意图为正常驾驶或缓和驾驶时，确定驾驶员驾驶意图为正常驾驶，在所述初始驾驶意图为缓和驾驶且所述周期驾驶意图为缓和驾驶时，确定驾驶员驾驶意图为缓和驾驶。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。