具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种纵向跟车控制方法的流程示意图，本实施例可适用于在车辆的驾驶工况为拥堵工况时，根据用户驾驶习性等级控制车辆纵向跟车的情况，该方法可以由纵向跟车控制装置来执行，该装置可以由硬件和/或软件来实现，该方法具体包括如下步骤：

S110、如果目标车辆的驾驶工况为拥堵工况，则基于目标车辆的用户操作数据确定目标车辆的用户操作特性等级，基于目标车辆的车辆响应数据确定目标车辆的车辆响应特性等级。

其中，目标车辆的驾驶工况可以根据目标车辆当前的车辆行驶数据确定。例如，基于平均车速、平均加速度、目标车辆所处车道的前车平均车速、目标车辆所处车道的相邻车道的前车平均车速等数据，确定目标车辆的驾驶工况。或者，还可以根据目标车辆上的图像采集装置采集到的工况图像或工况视频，确定目标车辆的驾驶工况。示例性的，根据工况图像或工况视频确定出目标车辆视野中的车辆的数量大于预设数量阈值，则确定目标车辆的驾驶工况为拥堵工况；或者，根据工况图像或工况视频分析出目标车辆所处车道以及相邻车道的前车变道次数超过预设次数阈值时，确定目标车辆的驾驶工况为拥堵工况，等。

具体的，本实施例在目标车辆的驾驶工况为拥堵工况时，根据目标车辆的用户操作数据确定目标车辆的用户操作特性等级，并根据目标车辆的车辆响应数据确定目标车辆的车辆响应特性等级。

其中，用户操作数据可以是用户对目标车辆的操作数据，如，用户操作目标车辆的加速踏板、制动踏板、车辆变道的数据。示例性的，用户操作目标车辆的加速踏板数据可以是加速踏板位移，制动踏板数据可以是制动踏板位移，车辆变道数据可以是车辆横向位移。车辆响应数据可以是目标车辆在数据采集周期内的行驶相关数据，如，数据采集周期内车头时距平均值的倒数、数据采集周期内车辆行驶速度的方差值，等。

在本实施例中，用户操作特性等级可以是表征驾驶员操作特性的等级。具体的，可以根据用户操作数据，确定出用户操作特性等级。示例性的，可以基于用户的加速踏板位移和/或制动踏板位移计算用户的操作参考值，基于计算得到的操作参考值与预设的各操作特性等级对应的标准值进行比对，确定出目标车辆的用户操作特性等级。在一种实施方式中，还可以将用户的加速踏板位移与预设的各操作特性等级对应的标准加速踏板位移进行比对，和/或，将用户的制动踏板位移与预设的各操作特性等级对应的标准制动踏板位移进行比对，确定目标车辆的用户操作特性等级。

在本实施例中，车辆响应特性等级可以是表征目标车辆响应特性的等级。具体的，可以根据车辆响应数据确定出车辆响应特性等级。示例性的，可以基于数据采集周期内车头时距平均值的倒数和/或数据采集周期内车辆行驶速度的方差值计算目标车辆的响应参考值，基于计算得到的响应参考值与预设的各车辆响应特性等级对应的标准值进行比对，确定出目标车辆的车辆响应特性等级。还可以是，将数据采集周期内车头时距平均值的倒数与预设的各响应特性等级对应的标准车头时距平均值的倒数进行比对，和/或，将数据采集周期内车辆行驶速度的方差值与预设的各响应特性等级对应的标准方差值进行比对，确定目标车辆的车辆响应特性等级。

S120、基于用户操作特性等级和车辆响应特性等级确定目标车辆的用户驾驶习性等级。

具体的，在确定出用户操作特性等级和车辆响应特性等级之后，可以根据用户操作特性等级和车辆响应特性等级确定目标车辆的用户驾驶习性等级。其中，用户驾驶习性等级可以是用于表征用户的驾驶习性的等级。

示例性的，可以根据预先设置的用户操作特性等级、车辆响应特性等级与用户驾驶习性等级之间的等级映射关系，将用户操作特性等级和车辆响应特性等级与预先设置的等级映射关系中的各预设操作特性等级和各预设响应特性等级进行比对，进而确定出对应的用户驾驶习性等级。如，用户驾驶习性等级包括极保守、保守、一般、激进和极激进。

S130、确定目标车辆的当前跟车模式，基于用户驾驶习性等级确定目标车辆在当前跟车模式下的车辆加速度。

其中，目标车辆的当前跟车模式包括但不限于稳定跟车模式、无前车加速模式以及急减速模式。在本实施例中，可以根据目标车辆的前车行驶信息确定目标车辆的当前跟车模式。具体的，目标车辆的前方车辆稳定行驶时，纵向控制目标车辆进入稳定跟车模式；目标车辆的前方低速行驶(车速低于40km/h)的车辆换道离开目标车辆所处车道时，纵向控制目标车辆进行无前车加速模式；目标车辆的前方车辆紧急制动或者目标车辆所处车道的相邻车道中的车辆强行并线切入时，纵向控制目标车辆进入急减速模式。

具体的，在确定出目标车辆的当前跟车模式后，可以根据用户驾驶习性等级确定当前跟车模式下目标车辆的车辆加速度。

在一种实施方式中，确定所述目标车辆的当前跟车模式，基于用户驾驶习性等级确定目标车辆在所述当前跟车模式下的车辆加速度，包括中的至少一种：

若确定出目标车辆的当前跟车模式为稳定跟车模式，则基于用户驾驶习性等级、目标车辆与前车的当前距离、前车的当前车速以及目标车辆的当前车速，确定目标车辆在稳定跟车模式下的车辆加速度；

若确定出目标车辆的当前跟车模式为无前车加速模式，则基于用户驾驶习性等级、目标车辆的当前车速以及目标车辆的备份加速度，确定目标车辆在无前车加速模式下的车辆加速度；

若确定出目标车辆的当前跟车模式为急减速模式，则基于用户驾驶习性等级、目标车辆的备份减速度、目标车辆的完全减速度、前车的当前车速、目标车辆的当前车速以及目标车辆与前车的当前距离，确定目标车辆在急减速模式下的车辆加速度。

在该可选的实施方式中，若为稳定跟车模式，基于用户驾驶习性等级、目标车辆与前车的当前距离、前车的当前车速以及目标车辆的当前车速，确定目标车辆在稳定跟车模式下的车辆加速度，可以满足如下公式：

其中，a₀为稳定跟车模式下的车辆加速度，v₁表示前车的当前车速(实时车速)，v₀表示目标车辆的当前车速(实时车速)，d_r表示目标车辆与前车的当前距离(目标车辆的车头与前车的车尾之间的实时距离)，d₀＝5m，表示最小安全距离的默认值，k_s表示用户驾驶习性系数，用户驾驶习性系数可以根据用户驾驶习性等级确定。

此外，若为无前车加速模式，基于用户驾驶习性等级、目标车辆的当前车速以及目标车辆的备份加速度，确定目标车辆在无前车加速模式下的车辆加速度，可以满足如下公式：

其中，a₀为无前车加速模式下的车辆加速度，a_cc＝1m/s²，表示备份加速度，v_cc＝40km/h，表示设定的默认的车辆纵向巡航速度，v₀表示目标车辆的当前车速(实时车速)，k_s表示用户驾驶习性系数。

若为急减速模式，基于用户驾驶习性等级、目标车辆的备份减速度、目标车辆的完全减速度、前车的当前车速、目标车辆的当前车速以及目标车辆与前车的当前距离，确定目标车辆在急减速模式下的车辆加速度，可以满足如下公式：

其中，a₀为急减速模式下的车辆加速度，a_FOU＝-1m/s²，表示备份减速度，a_FULL＝-7m/s²，表示完全减速度，v₁表示前车的当前车速(实时车速)，v₀表示目标车辆的当前车速(实时车速)，d_r表示目标车辆与前车的当前距离(目标车辆的车头与前车的车尾之间的实时距离)，d₀＝5m，表示最小安全距离的默认值，k_s表示用户驾驶习性系数。

可选的，在上述三种当前跟车模式下，k_s可以基于如下方法确定：用户驾驶习性等级为极保守型时k_s＝0.2，用户驾驶习性等级为保守型时k_s＝0.1，用户驾驶习性等级为一般型时k_s＝0，用户驾驶习性等级为激进型时k_s＝-0.1，驾驶习性为极激进型时k_s＝-0.2。

该可选的实施方式，将目标车辆的当前跟车模式分为稳定跟车模式、无前车加速模式以及急减速模式，并在各种当前跟车模式下具备对应的车辆加速度确定方法，实现了在各种当前跟车模式下，根据驾驶习性的自适应纵向跟车控制，提高了用户的驾驶体验，进而提高了车辆系统的适用性以及安全性。

当然，本实施例提供的纵向跟车控制方法还包括：基于目标车辆在当前跟车模式下的车辆加速度，调整所述目标车辆的当前加速度。

本实施例的技术方案，通过目标车辆的用户操作数据确定用户操作特性等级，通过车辆响应数据确定车辆响应特性等级，并基于用户操作特性等级和车辆响应特性等级确定目标车辆的用户驾驶习性等级，得到目标车辆的驾驶员的驾驶习性特征，从而在当前跟车模式下，基于确定出的用户驾驶习性等级确定目标车辆的车辆加速度，实现了根据驾驶人的驾驶习性的自适应纵向跟车控制，提高了用户的驾驶体验，进而提高了车辆系统的适用性以及安全性。

实施例二

图2为本发明实施例二提供的一种纵向跟车控制方法的流程示意图，本实施例在上述各实施例的基础上，可选的，用户操作数据包括加速踏板位移数据和制动踏板位移数据，基于目标车辆的用户操作数据确定目标车辆的用户操作特性等级，包括：基于目标车辆的加速踏板位移数据、制动踏板位移数据以及预先构建的第一模糊控制器，在第一模糊控制器对应的等级模糊集合中确定目标车辆的用户操作特性等级。

其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图2，本实施例提供的纵向跟车控制方法包括以下步骤：

S210、如果目标车辆的驾驶工况为拥堵工况，则基于目标车辆的加速踏板位移数据、制动踏板位移数据以及预先构建的第一模糊控制器，在第一模糊控制器对应的等级模糊集合中确定目标车辆的用户操作特性等级。

其中，上述实施例中的用户操作数据包括加速踏板位移数据和制动踏板位移数据。预先构建的第一模糊控制器可以包括第一输入端、第二输入端和一个输出端，其中，第一输入端输入第一输入变量，第二输入端输入第二输入变量。示例性的，第一输入变量为加速踏板位移数据，第二输入变量为制动踏板位移数据。

又或者，还可以将第一输入端的值域设定为[0,8]，相应的，第一输入端对应的模糊集合包括3个等级：S(小)、M(中)、L(大)；将第二输入端的值域设定为[0,12]，相应的，第二输入端对应的模糊集合包括3个等级：S(小)、M(中)、L(大)。根据加速踏板位移数据以及第一输入端对应的模糊集合，确定第一输入变量；根据制动踏板位移数据以及第二输入端对应的模糊集合，确定第二输入变量。示例性的，加速踏板位移数据为2时，第一输入变量为S；制动踏板位移数据为12时，第二输入变量为L。

在本实施例中，第一模糊控制器对应的等级模糊集合为第一模糊控制器的输出端对应的等级模糊集合。示例性的，第一模糊控制器对应的等级模糊集合包括5个等级：ES(极小)、S(小)、M(中)、L(大)、EL(极大)。

在一种实施方式中，基于目标车辆的加速踏板位移数据、制动踏板位移数据以及预先构建的第一模糊控制器，在第一模糊控制器对应的等级模糊集合中确定目标车辆的用户操作特性等级，可以是：基于第一模糊控制器的隶属度函数、第一输入变量和第二输入变量，在第一模糊控制器对应的等级模糊集合中确定目标车辆的用户操作特性等级，其中，第一输入变量为加速踏板位移数据对应的模糊等级，第二输入变量为制动踏板位移数据对应的模糊等级。可选的，隶属度函数可以是三角形隶属度函数，以保证输出的用户操作特性等级对两个输入变量的变化的敏感性。

在另一种实施方式中，基于目标车辆的加速踏板位移数据、制动踏板位移数据以及预先构建的第一模糊控制器，在第一模糊控制器对应的等级模糊集合中确定目标车辆的用户操作特性等级，还可以是：基于预设的第一模糊控制器的模糊规则、第一输入变量以及第二输入变量，在第一模糊控制器对应的等级模糊集合中确定目标车辆的用户操作特性等级。

示例性的，如表1所示，展示了一种预设的第一模糊控制器的模糊规则。

表1第一模糊控制器的模糊规则

S220、基于目标车辆的车辆响应数据确定目标车辆的车辆响应特性等级。

可选的，车辆响应数据包括车头时距数据和行驶速度数据，基于目标车辆的车辆响应数据确定目标车辆的车辆响应特性等级，包括：基于目标车辆的车头时距数据、行驶速度数据以及预先构建的第二模糊控制器，在第二模糊控制器对应的等级模糊集合中确定目标车辆的车辆响应特性等级。

具体的，车头时距数据可以是数据采集周期内车头时距平均值的倒数，其中，车头时距表示两辆车辆的前端通过同一地点的时间差；车头时距可以使用前车车头和目标车辆的车头的距离除以目标车辆的速度来计算；行驶速度数据可以是数据采集周期内目标车辆行驶速度的方差值。其中，数据采集周期可以根据目标车辆的实时车速确定，如：

式中，K_T、C_T、CC分别为目标车辆的实时车速系数。示例性的，当目标车辆的实时车速大于80km/h时，K_T＝1.3，C_T＝20，CC＝1.2；当目标车辆的实时车速大于40km/h，且小于或等于80km/h时，K_T＝1.8，C_T＝15，CC＝1.5；当目标车辆的实时车速小于40km/h时，K_T＝2.2，C_T＝8，CC＝1.8。

其中，预先构建的第二模糊控制器可以包括第一输入端、第二输入端和一个输出端，其中，第一输入端输入第一输入变量，第二输入端输入第二输入变量。示例性的，第一输入变量为车头时距数据，第二输入变量为行驶速度数据。

又或者，还可以将第一输入端的值域设定为[0,100]，相应的，第一输入端对应的模糊集合包括3个等级：S(小)、M(中)、L(大)；将第二输入端的值域设定为[0,120]，相应的，第二输入端对应的模糊集合包括5个等级ES(极小)、S(小)、M(中)、L(大)、EL(极大)。根据车头时距数据以及第一输入端对应的模糊集合，确定第一输入变量；根据行驶速度数据以及第二输入端对应的模糊集合，确定第二输入变量。示例性的，车头时距数据为10时，第一输入变量为S；制动踏板位移数据为120时，第二输入变量为EL。

在该可选的实施方式中，第二模糊控制器对应的等级模糊集合为第二模糊控制器的输出端对应的等级模糊集合。示例性的，第二模糊控制器对应的等级模糊集合包括5个等级：ES(极小)、S(小)、M(中)、L(大)、EL(极大)。

示例性的，基于目标车辆的车头时距数据、行驶速度数据以及预先构建的第二模糊控制器，在第二模糊控制器对应的等级模糊集合中确定目标车辆的车辆响应特性等级，可以是：基于第二模糊控制器的隶属度函数、第一输入变量和第二输入变量，在第二模糊控制器对应的等级模糊集合中确定目标车辆的车辆响应特性等级，其中，第一输入变量为车头时距数据对应的模糊等级，第二输入变量为行驶速度数据对应的模糊等级。可选的，隶属度函数可以是较陡三角形隶属度函数，以保证输出的用户操作特性等级对两个输入变量的变化的敏感性。

示例性的，基于目标车辆的车头时距数据、行驶速度数据以及预先构建的第二模糊控制器，在第二模糊控制器对应的等级模糊集合中确定目标车辆的车辆响应特性等级，还可以是：基于预设的第二模糊控制器的模糊规则、第一输入变量以及第二输入变量，在第二模糊控制器对应的等级模糊集合中确定目标车辆的车辆响应特性等级。

示例性的，如表2所示，展示了一种预设的第二模糊控制器的模糊规则。

表2第二模糊控制器的模糊规则

在该可选的实施方式中，通过预先构建的第二模糊控制器确定目标车辆的车辆响应特性等级，提高了确定出的车辆响应特性等级的准确性，进而提高了用户驾驶习性等级的准确性，进一步的，提高了根据驾驶习性的自适应纵向跟车控制的技术效果。

S230、基于用户操作特性等级和车辆响应特性等级确定目标车辆的用户驾驶习性等级。

可选的，基于用户操作特性等级和车辆响应特性等级确定目标车辆的用户驾驶习性等级，包括：基于用户操作特性等级、车辆响应特性等级以及预先构建的第三模糊控制器，在第三模糊控制器对应的等级模糊集合中确定目标车辆的用户驾驶习性等级。

其中，预先构建的第三模糊控制器可以包括第一输入端、第二输入端和一个输出端，其中，第一输入端输入第一输入变量，第二输入端输入第二输入变量。示例性的，第一输入变量为用户操作特性等级，第二输入变量为车辆响应特性等级。第一输入端对应的模糊集合包括5个等级：ES(极小)、S(小)、M(中)、L(大)、EL(极大)；第二输入端对应的模糊集合包括5个等级：ES(极小)、S(小)、M(中)、L(大)、EL(极大)。第三模糊控制器对应的等级模糊集合包括5个等级：EG(极保守)、G(保守)、M(一般)、A(激进)、EA(极激进)。

示例性的，可以基于第三模糊控制器的隶属度函数、第一输入变量和第二输入变量，在第三模糊控制器对应的等级模糊集合中确定目标车辆的用户驾驶习性等级。其中，隶属度函数可以是较平缓的梯形隶属度函数，已保证输出的用户驾驶习性等级的平稳性。

或者，还可以基于预设的第三模糊控制器的模糊规则、第一输入变量以及第二输入变量，在第三模糊控制器对应的等级模糊集合中确定目标车辆的用户驾驶习性等级。

示例性的，如表3所示，展示了一种预设的第三模糊控制器的模糊规则。

表3第三模糊控制器的模糊规则

在该可选的实施方式中，通过预先构建的第三模糊控制器确定目标车辆的用户驾驶习性等级，提高了确定出的用户驾驶习性等级的准确性，进一步的，提高了根据驾驶习性的自适应纵向跟车控制的技术效果。

S240、确定目标车辆的当前跟车模式，基于用户驾驶习性等级确定目标车辆在当前跟车模式下的车辆加速度。

本实施例的技术方案，通过预先构建的第一模糊控制器，加速踏板位移数据和制动踏板位移数据，确定目标车辆的用户操作特性等级，提高了确定出的用户操作特性等级的准确性，进而提高了用户驾驶习性等级的准确性，进一步的，提高了根据驾驶习性的自适应纵向跟车控制的技术效果。

实施例三

图3为本发明实施例三提供的一种纵向跟车控制方法的流程示意图，本实施例在上述各实施例的基础上，可选的，还包括：获取目标车辆的车辆行驶数据；基于车辆行驶数据以及预先训练的驾驶工况判别模型确定目标车辆的驾驶工况，其中，驾驶工况包括拥堵工况。

其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图3，本实施例提供的纵向跟车控制方法包括以下步骤：

S310、获取目标车辆的车辆行驶数据，基于车辆行驶数据以及预先训练的驾驶工况判别模型确定目标车辆的驾驶工况。

其中，驾驶工况包括拥堵工况。可选的，驾驶工况还包括非拥堵工况。具体的，本实施例中的车辆行驶数据包括但不限于如下12个特征参数：

目标车辆平均速度：数据采集周期内，目标车辆速度的算术平均值，不包含车辆怠速状态；

目标车辆平均加速度：数据采集周期内，目标车辆在加速状态下各单位时间(秒)加速度的算术平均值；

目标车辆平均减速度：数据采集周期内，目标车辆在减速状态下各单位时间(秒)减速度的算术平均值；

目标车辆所处车道的前车平均速度：数据采集周期内，本车道内前方车辆速度的算术平均值，不包含车辆怠速状态；

目标车辆所处车道的左侧车道前车平均速度：数据采集周期内，左侧车道内前方车辆速度的算术平均值，不包含车辆怠速状态；

目标车辆所处车道的右侧车道前车平均速度：数据采集周期内，右侧车道内前方车辆速度的算术平均值，不包含车辆怠速状态；

目标车辆所处车道的前车平均加速度：数据采集周期内，本车道内前方车辆在加速状态下各单位时间(秒)加速度的算术平均值；

目标车辆所处车道的左侧车道前车平均加速度：数据采集周期内，左侧车道内前方车辆在加速状态下各单位时间(秒)加速度的算术平均值；

目标车辆所处车道的右侧车道前车平均加速度：数据采集周期内，右侧车道内前方车辆在加速状态下各单位时间(秒)加速度的算术平均值；

目标车辆的前车低速时间比：数据采集周期内，本车道内前方车辆行驶速度小于40km/h的累计时间长度占总时间长度的百分比；

目标车辆的前车中速时间比：数据采集周期内，本车道内前方车辆行驶速度处于40-70km/h的累计时间长度占该时间周期总时间长度的百分比；

目标车辆的前车高速时间比：数据采集周期内，本车道内前方车辆行驶速度大于70km/h的累计时间长度占该时间周期总时间长度的百分比。

其中，数据采集周期可以基于上述实施例中数据采集周期的计算公式来确定。

具体的，本实施例可以构建用于驾驶工况辨识的特征参数库，其中，特征参数库包括多个车辆行驶数据，基于构建的特征参数库，训练驾驶工况判别模型。

示例性的，预先训练的驾驶工况判别模型可以是预先训练的工况分类模型，将车辆行驶数据输入至预先训练的工况分类模型，得到目标车辆的工况分类结果。

或者，获取目标车辆的车辆行驶数据，基于车辆行驶数据以及预先训练的驾驶工况判别模型确定目标车辆的驾驶工况，还可以是：基于目标车辆的当前车速确定数据采集周期，获取目标车辆在数据采集内的车辆行驶数据；基于预先训练的驾驶工况判别模型中的条件均值函数以及估算密度函数，确定车辆行驶数据对应的驾驶工况。

具体的，可以将车辆行驶数据输入至预先训练的驾驶工况判别模型，驾驶工况判别模型根据条件均值和估算密度函数，确定目标车辆的驾驶工况。

其中，条件均值可以是驾驶工况s相对于Z的回归，Z为根据车辆行驶数据得到的特征参数，条件均值可以满足如下公式：

其中，特征参数库X和输出的驾驶工况s的联合概率密度函数为f(X,s)，f(Z,s)为车辆行驶数据(实际观测值)与驾驶工况s的联合概率密度函数。

可选的，可以应用Parzen非参数估计，由样本数据集估算密度函数为：

式中，m表示特征参数库样本容量，m＝1000；n＝12表示特征参数库X的维度；σ＝0.1表示光滑因子。基于上述条件均值公式和估计密度函数，驾驶工况判别模型的驾驶工况的预测值为：

其中，为车辆行驶数据对应的预测值。需要说明的是，可以的取值为0或1。示例性的，若预测值为1，则目标车辆的驾驶工况为拥堵工况，若预测值为0，则目标车辆的驾驶工况为非拥堵工况。

S320、如果目标车辆的驾驶工况为拥堵工况，则基于目标车辆的用户操作数据确定目标车辆的用户操作特性等级，基于目标车辆的车辆响应数据确定目标车辆的车辆响应特性等级。

S330、基于用户操作特性等级和车辆响应特性等级确定目标车辆的用户驾驶习性等级。

S340、确定目标车辆的当前跟车模式，基于用户驾驶习性等级确定目标车辆在当前跟车模式下的车辆加速度。

本实施例的技术方案，在根据驾驶人的驾驶习性进行自适应纵向跟车控制之前，根据车辆的行驶数据以及预先训练的驾驶工况判别模型确定驾驶工况，提高了驾驶工况的准确性，进而提高了车辆系统的适用性以及安全性。

实施例四

图4为本发明实施例四提供的一种纵向跟车控制装置的结构示意图，本实施例可适用于在车辆的驾驶工况为拥堵工况时，根据用户驾驶习性等级控制车辆纵向跟车的情况，该装置具体包括：特性确定模块410、驾驶习性确定模块420以及加速度确定模块430。

特性确定模块410，用于如果目标车辆的驾驶工况为拥堵工况，则基于所述目标车辆的用户操作数据确定所述目标车辆的用户操作特性等级，基于所述目标车辆的车辆响应数据确定所述目标车辆的车辆响应特性等级；

驾驶习性确定模块420，用于基于所述用户操作特性等级和所述车辆响应特性等级确定所述目标车辆的用户驾驶习性等级；

加速度确定模块430，用于确定所述目标车辆的当前跟车模式，基于所述用户驾驶习性等级确定所述目标车辆在所述当前跟车模式下的车辆加速度。

可选的，所述用户操作数据包括加速踏板位移数据和制动踏板位移数据，所述特性确定模块410包括第一特性确定单元，用于基于所述目标车辆的加速踏板位移数据、制动踏板位移数据以及预先构建的第一模糊控制器，在所述第一模糊控制器对应的等级模糊集合中确定所述目标车辆的用户操作特性等级。

可选的，所述车辆响应数据包括车头时距数据和行驶速度数据，所述特性确定模块410包括第二特性确定单元，用于基于所述目标车辆的车头时距数据、行驶速度数据以及预先构建的第二模糊控制器，在所述第二模糊控制器对应的等级模糊集合中确定所述目标车辆的车辆响应特性等级。

可选的，驾驶习性确定模块420具体用于基于所述用户操作特性等级、所述车辆响应特性等级以及预先构建的第三模糊控制器，在所述第三模糊控制器对应的等级模糊集合中确定所述目标车辆的用户驾驶习性等级。

可选的，加速度确定模块430具体用于执行下述操作中的至少一种：

若确定出所述目标车辆的当前跟车模式为稳定跟车模式，则基于所述用户驾驶习性等级、所述目标车辆与前车的当前距离、前车的当前车速以及所述目标车辆的当前车速，确定所述目标车辆在所述稳定跟车模式下的车辆加速度；

若确定出所述目标车辆的当前跟车模式为无前车加速模式，则基于所述用户驾驶习性等级、所述目标车辆的当前车速以及所述目标车辆的备份加速度，确定所述目标车辆在所述无前车加速模式下的车辆加速度；

若确定出所述目标车辆的当前跟车模式为急减速模式，则基于所述用户驾驶习性等级、所述目标车辆的备份减速度、所述目标车辆的完全减速度、前车的当前车速、所述目标车辆的当前车速以及所述目标车辆与前车的当前距离，确定所述目标车辆在所述急减速模式下的车辆加速度。

可选的，所述纵向跟车控制装置还包括工况确定模块，用于获取目标车辆的车辆行驶数据；基于所述车辆行驶数据以及预先训练的驾驶工况判别模型确定目标车辆的驾驶工况，其中，所述驾驶工况包括拥堵工况。

可选的，所述工况确定模块具体用于基于目标车辆的当前车速确定数据采集周期，获取所述目标车辆在所述数据采集内的车辆行驶数据；基于预先训练的驾驶工况判别模型中的条件均值函数以及估算密度函数，确定所述车辆行驶数据对应的驾驶工况。

在本实施例中，通过特性确定模块，确定用户操作特性等级和车辆响应特性等级，并通过驾驶习性确定模块，基于用户操作特性等级和车辆响应特性等级确定目标车辆的用户驾驶习性等级，得到目标车辆的驾驶员的驾驶习性特征，从而在当前跟车模式下，通过加速度确定模块，基于确定出的用户驾驶习性等级确定目标车辆的车辆加速度，实现了根据驾驶人的驾驶习性的自适应纵向跟车控制，提高了用户的驾驶体验，进而提高了车辆系统的适用性以及安全性。

本发明实施例所提供的纵向跟车控制装置可执行本发明任意实施例所提供的纵向跟车控制方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述系统所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例五

图5是本发明实施例五提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图5显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备12典型的是承担车辆纵向跟车控制功能的电子设备。

如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储器28，连接不同组件(包括存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

电子设备12典型地包括多种计算机可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机装置可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机存储介质。仅作为举例，存储装置34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品40，该程序产品40具有一组程序模块42，这些程序模块被配置以执行本发明各实施例的功能。程序产品40，可以存储在例如存储器28中，这样的程序模块42包括但不限于一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、鼠标、摄像头等和显示器)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网WideArea Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)装置、磁带驱动器以及数据备份存储装置等。

处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的纵向跟车控制方法，包括：

如果目标车辆的驾驶工况为拥堵工况，则基于所述目标车辆的用户操作数据确定所述目标车辆的用户操作特性等级，基于所述目标车辆的车辆响应数据确定所述目标车辆的车辆响应特性等级；

基于所述用户操作特性等级和所述车辆响应特性等级确定所述目标车辆的用户驾驶习性等级；

确定所述目标车辆的当前跟车模式，基于所述用户驾驶习性等级确定所述目标车辆在所述当前跟车模式下的车辆加速度。

当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的纵向跟车控制方法的技术方案。

实施例六

本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的纵向跟车控制方法步骤，该方法包括：

如果目标车辆的驾驶工况为拥堵工况，则基于所述目标车辆的用户操作数据确定所述目标车辆的用户操作特性等级，基于所述目标车辆的车辆响应数据确定所述目标车辆的车辆响应特性等级；

基于所述用户操作特性等级和所述车辆响应特性等级确定所述目标车辆的用户驾驶习性等级；

确定所述目标车辆的当前跟车模式，基于所述用户驾驶习性等级确定所述目标车辆在所述当前跟车模式下的车辆加速度。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。