智能辅助驾驶评估方法、设备以及存储介质与流程
1.本技术涉及智能算法领域，尤其涉及一种智能辅助驾驶评估方法、设备以及存储介质。
背景技术：
2.智能辅助驾驶是现今智能驾驶在车端应用的重要功能之一，可以辅助用户在各类道路中实现自动驾驶，解放驾驶员的手脚，缓解用户驾驶疲劳，提高车辆的驾驶安全。
3.随着汽车市场的发展，汽车主机厂在研发阶段做了各路况的实车测试，根据测试结果分析各路段智能辅助驾驶功能使用的情况，得到智能辅助驾驶在各类路况中的适用性。由于根据实车测试获得的数据并未基于用户实际使用情况，故分析出的智能辅助驾驶在各类路况中的适用性评估结果缺乏真实性。
4.上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。
5.申请内容
6.本技术的主要目的在于提供一种智能辅助驾驶评估方法、设备以及存储介质，旨在解决如何提高智能辅助驾驶在各类路况中的适用性评估结果的真实性。
7.为实现上述目的，本技术提供一种智能辅助驾驶评估方法，所述方法包括：
8.获取至少一个车辆的历史智能辅助驾驶数据，其中所述历史智能辅助驾驶数据包括所述车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程，且所述智能驾驶路线的至少部分与目标路段的至少部分重叠；
9.根据所述起止点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量；
10.根据所述起止点数量与所述智能驾驶里程，获得所述目标路段的智能辅助驾驶适用度评估结果。
11.可选地，所述车辆智能驾驶路线的起止点位置信息包括起始点位置信息以及结束点位置信息；
12.所述根据所述起止点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量，包括：
13.根据所述起始点位置信息以及所述结束点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量。
14.可选地，所述根据所述起始点位置信息以及所述结束点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量，包括：
15.统计所有所述车辆在所述目标路段上的所述起始点数量，得到起始点总数量；
16.统计所有所述车辆在所述目标路段上的所述结束点数量，得到结束点总数量；
17.将所述起始点总数量与所述结束点总数量进行相加，得到至少一个所述车辆在所述目标路段上的起止点数量。
18.可选地，所述智能驾驶里程包括起始点对应的智能驾驶路线里程以及结束点对应的智能驾驶路线里程；
19.所述根据所述起止点数量与所述智能驾驶里程，获得所述目标路段的智能辅助驾驶适用度评估结果，包括：
20.根据所述起始点对应的第一智能驾驶路线里程以及所述结束点对应的第二智能驾驶路线里程，得到所述目标路段的智能辅助驾驶适用度评分；其中，所述起始点与所述结束点均位于所述目标路段上；
21.根据所述起止点数量与所述目标路段的智能辅助驾驶适用度评分，得到所述目标路段的智能辅助驾驶适用度评估结果。
22.可选地，所述根据所述起止点数量与所述目标路段的智能辅助驾驶适用度评分，得到所述目标路段的智能辅助驾驶适用度评估结果之后，所述方法还包括：
23.根据所述目标路段的起止点数量，筛选出所述起止点数量大于预设值的所述目标路段；
24.根据所述目标路段的智能辅助驾驶适用度评分，对所有所述目标路段进行降序排序，得到各目标路段的智能辅助驾驶适用度评估结果。
25.可选地，所述根据所述起止点数量与所述目标路段的智能辅助驾驶适用度评分，得到所述目标路段的智能辅助驾驶适用度评估结果之后，所述方法还包括：
26.根据所述目标路段的起止点数量，筛选出所述起止点数量大于预设值的所述目标路段；
27.根据所述目标路段的智能辅助驾驶适用度评分，对所有所述目标路段进行降序排序，得到各目标路段的智能辅助驾驶适用度评估结果。
28.可选地，所述获取至少一个车辆的历史智能辅助驾驶数据，包括：
29.获取至少一个车辆的原始历史智能辅助驾驶数据，所述原始历史智能辅助驾驶数据包括所述车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程；
30.根据所述起止点位置信息，按照预设经纬度网格尺寸对所述历史智能辅助驾驶数据进行划分，得到多个数据组；
31.对各所述数据组内的所述起止点位置信息进行空间聚类，得到预测路径；
32.从所述预测路径中筛选出与目标路段至少部分重叠的目标路径；
33.将所述目标路径对应的原始历史智能辅助驾驶数据作为所述历史智能辅助驾驶数据。
34.可选地，在所述根据所述起止点数量与所述智能驾驶里程，获得所述目标路段的智能辅助驾驶适用度评估结果之后，所述方法还包括：
35.若检测到用户驾驶到所述目标路段，则输出智能辅助驾驶系统开启推荐信息。
36.本技术还提供一种智能辅助驾驶评估设备，包括：处理器，存储器以及存储在所述存储器中的智能辅助驾驶评估程序，所述智能辅助驾驶评估程序被所述处理器执行时实现第一方面的实现方式中的任一种可能的实现方式中所述的各个步骤。
37.本技术还提供一种计算机可读存储介质，其上存储有智能辅助驾驶评估程序，所述智能辅助驾驶评估程序被处理器执行时实现第一方面的实现方式中的任一种可能的实现方式中所述的各个步骤。
38.本技术实施例提出的一种智能辅助驾驶评估方法，通过获取至少一个车辆的历史智能辅助驾驶数据，其中历史智能辅助驾驶数据包括车辆的智能驾驶路线的起止点以及智能驾驶里程，根据起止点信息，统计至少一个车辆在目标路段上的起止点数量，根据起止点数量与智能驾驶里程，获得目标路段的智能附属驾驶适用度评估结果。
39.即本技术通过获取用户的历史智能辅助驾驶数据，根据该历史智能辅助驾驶数据针对性地获得各个路段的智能辅助驾驶适用度评估结果，解决了现有技术因未基于用户使用情况，而导致分析得出的智能辅助驾驶适用度评估结果缺乏真实性的问题，提高了道路评估结果的适用性和真实性。
附图说明
40.图1为本技术涉及的硬件运行环境的智能辅助驾驶评估设备的结构示意图；
41.图2为本技术智能辅助驾驶评估第一实施例的流程示意图；
42.图3为本技术智能辅助驾驶评估第二实施例的流程示意图；
43.图4为本技术智能辅助驾驶评估第三实施例的流程示意图；
44.图5为本技术智能辅助驾驶评估第四实施例的流程示意图；
45.图6为车辆的智能辅助驾驶数据示意图；
46.图7为智能辅助驾驶数据空间聚类示意图。
47.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
48.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
49.由于现有技术是利用在研发阶段对各路况的实车测试结果，分析得到智能辅助驾驶在各类路况中的适用性，但在实际应用中，用户对于各个路段使用智能驾驶辅助的情况不一定与实车测试结果一致，导致实车测试结果缺乏真实性，降低了用户的体验感。
50.本技术提供一种智能辅助驾驶评估方法，通过获取至少一个车辆的历史智能辅助驾驶数据，其中历史智能辅助驾驶数据包括车辆的智能驾驶路线的起止点以及智能驾驶里程，根据起止点信息，统计至少一个车辆在目标路段上的起止点数量，根据起止点数量与智能驾驶里程，获得目标路段的智能附属驾驶适用度评估结果。解决了现有技术因未基于用户使用情况，而导致分析得出的智能辅助驾驶适用度评估结果缺乏真实性的问题，提高了道路评估结果的适用性和真实性。
51.参照图1，图1为本技术实施例方案涉及的硬件运行环境的智能辅助驾驶评估设备的结构示意图。
52.如图1所示，该智能辅助驾驶评估设备可以包括：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(random access memory，ram)存储器，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。
53.本领域技术人员可以理解，图1中示出的结构并不构成对智能辅助驾驶评估设备的限定，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。
54.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、数据存储模块、网络通信模块、用户接口模块以及智能辅助驾驶评估程序。
55.在图1所示的智能辅助驾驶评估设备中，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；本技术智能辅助驾驶评估设备中的处理器1001、存储器1005可以设置在智能辅助驾驶评估设备中，智能辅助驾驶评估设备通过处理器1001调用存储器1005中存储的智能辅助驾驶评估程序，并执行本技术实施例提供的智能辅助驾驶评估方法。
56.基于上述智能辅助驾驶评估设备的硬件结构但不限于上述硬件结构，本技术提供一种智能辅助驾驶评估方法的第一实施例。参照图2，图2示出了申请智能辅助驾驶评估方法的第一实施例的流程示意图。
57.需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
58.在本实施例中，方法包括：
59.s100：获取至少一个车辆的历史智能辅助驾驶数据，其中历史智能辅助驾驶数据包括车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程，且智能驾驶路线的至少部分与目标路段的至少部分重叠；
60.需要说明的是，本实施例的执行主体为智能辅助驾驶系统，智能辅助驾驶系统由多个传感器组成，用于收集车内外的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，具有泊车辅助、自适应可跟停巡航、交通拥堵路况自驾驶以及智能导航等功能。
61.历史智能辅助驾驶数据为该车辆在当前时间之前，驾驶本车辆时，从开启智能辅助驾驶系统到结束智能辅助驾驶系统的过程中的相关数据，例如，开启智能驾驶辅助系统的地点和结束智能辅助驾驶系统的地点位置信息。
62.智能驾驶路线的起止点位置信息包括开启智能辅助驾驶系统的那一时刻车辆所处的位置信息以及结束智能辅助驾驶系统的那一时刻车辆所处的位置信息。位置信息可以为经纬度信息。
63.智能驾驶里程为用户使用从开始启用智能驾驶辅助系统到结束智能驾驶辅助系统的过程中，车辆驶过的公里数。
64.目标路段为智能辅助驾驶系统当前评估的路段，该路段与智能驾驶路线至少有部分重叠，即智能驾驶路线至少有一部分在目标路段上，目的在于通过评估目标路段的智能辅助驾驶适用度，得到智能驾驶路线中的子路段的智能辅助驾驶适用度。
65.例如，参阅图6，获取至少一个车辆的智能辅助驾驶数据，其中智能辅助驾驶数据包括车辆的智能驾驶路线的起点位置信息a、终点位置信息b以及智能驾驶里程信息c。
66.s200：根据起止点位置信息，统计至少一个车辆在所述目标路段上的起止点数量；
67.可以理解的是，目标路段与智能驾驶路线至少有部分重合，因此起止点数量为智能辅助驾驶系统根据起止点位置信息，获取到的目标路段上起点的数量和终点的数量之
和。
68.例如，想获取一个区域内的起止点数量，可根据起止点的经纬度，判断起止点是否在该区域内，若在该区域内，则区域内的起点或终点个数加一，直至所有起止点判断完毕，得到该区域内起点的数量和终点的数量，将起点的数量和终点的数量相加，得到目标区域的起止点数量。
69.s300：根据起止点数量与所述智能驾驶里程，获得目标路段的智能辅助驾驶适用度评估结果；
70.目标路段的智能辅助驾驶适用度评估结果为当车辆行驶到目标路段时，智能辅助驾驶系统是否适合使用的评估结果。
71.需要理解的是，以起止点数量作为评估条件的目的是在目标路段中包含的起止点数量越大，说明在该区域内用户选择开启智能辅助驾驶系统的需求大于结束智能辅助驾驶系统的需求，则该区域内适合开启智能辅助驾驶系统；以智能驾驶里程作为评估条件的目的在于在目标路段中包含智能驾驶里程数越大，表明在该目标路段中，用户选择保持智能辅助驾驶系统开启的需求越大，则该区域适合开启智能辅助驾驶系统。
72.本实施例通过获取至少一个车辆的历史智能辅助驾驶数据，其中历史智能辅助驾驶数据包括车辆的智能驾驶路线的起止点以及智能驾驶里程，根据起止点信息，统计至少一个车辆在目标路段上的起止点数量，根据起止点数量与智能驾驶里程，获得目标路段的智能附属驾驶适用度评估结果。解决了现有技术因未基于用户使用情况，而导致分析得出的智能辅助驾驶适用度评估结果缺乏真实性的问题，提高了道路评估结果的适用性和真实性。
73.参照图3，图3为本技术智能辅助驾驶评估方法第二实施例的流程示意图，基于上述图2所示的实施例，提出本技术智能辅助驾驶评估方法的第二实施例。
74.在本实施例中，步骤s100，包括：
75.s110：获取至少一个车辆的历史智能辅助驾驶数据，其中历史智能辅助驾驶数据包括车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程，其中，起止点信息包括起始点位置信息以及结束点位置信息，智能驾驶里程包括起始点对应的智能驾驶路线里程以及结束点对应的智能驾驶路线里程；
76.起始点位置信息为智能辅助驾驶系统获取的每条智能驾驶路线的起点位置数据，可以为经纬度数据。
77.结束点位置信息为智能辅助驾驶系统获取的每条智能驾驶路线的终点位置数据，可以为经纬度数据。
78.起始点对应的智能驾驶路线里程为每条智能驾驶路线的公里数，且同一条智能驾驶路线对应的起始点对应的智能驾驶路线里程与结束点对应的智能驾驶路线里程相同。
79.s210：根据起始点位置信息以及结束点位置信息，统计至少一个车辆在目标路段上的起止点数量；
80.根据所有智能驾驶路线的起始点位置信息以及结束点位置信息，得到在目标路段上的起始点信息以及结束点信息，统计出目标路段上的所有起始点数量以及所有结束点数量，将起始点数量与结束点数量做差值，得到目标路段上的起止点数量。
81.s310：根据起始点对应的第一智能驾驶路线里程以及结束点对应的第二驾驶路线
里程，得到目标路段的在智能辅助驾驶适用度评分；其中，起始点和结束点均位于目标路段上；
82.智能驾驶适用度评分为基于目标路段包含的智能驾驶路线里程数，对目标路段评分的结果。
83.可以理解的是，同一条智能驾驶路线的起始点对应的第一智能驾驶路线里程和结束点对应的第二驾驶路线里程相等。
84.根据目标路段包含的起始点和结束点，得到与之对应的智能驾驶路线的公里数，根据起始点对应的公里数和结束点对应的公里数，得到目标路段的在智能辅助驾驶适用度评分。
85.s320：根据起止点数量与目标路段的智能辅助驾驶适用度评分，得到目标路段的智能辅助驾驶适用度评估结果；
86.本实施例通过获取智能驾驶路线的起始点位置信息、结束点位置信息以及起始点对应的智能驾驶路线里程和结束点对应的智能驾驶路线里程，统计至少一个车辆在目标路段上的起止点数量，根据起始点对应的第一智能驾驶路线里程以及结束点对应的第二驾驶路线里程，得到目标路段的在智能辅助驾驶适用度评分，根据起止点数量与目标路段的智能辅助驾驶适用度评分，得到目标路段的智能辅助驾驶适用度评估结果，将各个驾驶路线分为起始点和结束点进行分析，降低了数据量，便于统计和计算，提升了智能辅助驾驶适用度评估的效率。
87.进一步的，作为一个实施例，图4为智能辅助驾驶评估方法第二实施例的流程示意图，基于上述图3所示的实施例，提出本技术智能辅助驾驶评估方法的第三实施例。
88.在本实施例中，步骤s210，包括：
89.s211：统计所有车辆在目标路段上的起始点数量，得到起始点总数量；
90.s212：统计所有车辆在目标路段上的结束点数量，得到结束点总数量；
91.起始点总数量和结束点总数量为在落在目标路段上的起始点和结束点个数，由于每条智能驾驶路线与目标路段至少部分重叠，则至少有一个起始点或结束点在该目标路段上。
92.s213：将起始点总数量与结束点总数量进行相加，得到至少一个车辆在目标路段上的起止点数量；
93.起止点数量为结束点总数量和起始点总数量之和，表示一个目标路段与几条智能驾驶路段重叠，起止点数量越大，代表着该目标路段包含的智能驾驶路段越多，更加适合开启智能辅助驾驶系统。
94.s311：将目标路段的所有起始点对应的第一智能驾驶路线里程和所有结束点对应的第二智能驾驶路线里程进行相减，得到目标路段的智能辅助驾驶适用度评分；
95.智能辅助驾驶适用度评分为目标路段的所有起始点对应的第一智能驾驶路线里程和所有结束点对应的第二智能驾驶路线里程进行相减得到，可以理解的是，该目标路段上的起始点对应的里程数越大，表明用户在驾驶车辆时，在该目标路段，用户开启且持续使用智能辅助驾驶系统的意图就更加明确，即该目标路段更加适用开启智能辅助驾驶系统；目标路段上结束点对应的里程数越大，表明用户在驾驶车辆时，在行驶到目标路段上时，用户选择结束使用且短暂使用智能辅助驾驶系统的意图更加明确，即该目标路段不适合使用
智能辅助驾驶系统。
96.s321：根据目标路段的起止点数量，筛选出起止点数量大于预设值的目标路段；
97.预设值为设置于智能辅助驾驶系统中，用于筛选出符合条件的目标路段；
98.可以理解的是，筛选起止点数量大于预设值的目标路段的目的是将一些包含起始点与结束点少的目标路段筛去，筛去了用户极少行驶的路段，留下了用户高频行驶的路段，减少数据量，提高评估效率。
99.s322：根据目标路段的智能辅助驾驶适用度评分，对所有目标路段进行降序排序，得到各目标路段的智能辅助驾驶适用度评估结果；
100.将筛选后的目标路段对应的智能辅助驾驶适用度评分进行统计，并将统计后的智能辅助驾驶适用度评分进行降序排列，即第一个智能辅助驾驶适用度评分为最高分，排名越靠前，智能辅助驾驶适用度评分分数越高，即在该目标路段的智能辅助驾驶系统的适用度越高。
101.s400：若检测到用户驾驶到目标路段，则输出智能辅助驾驶系统开启推荐信息；
102.推荐信息可以为车载显示屏显示的弹窗提示或语音系统的语音播报，当检测到用户对推荐信息的确认操作时，则开启智能辅助驾驶系统，例如，用户行驶到绿荫路时，车机显示屏弹出内容为“是否使用智能辅助驾驶系统”的弹窗，若检测到用户点击“是”，则开启智能辅助驾驶系统，若检测到用户点击“否”，则不开启智能辅助驾驶系统。
103.本实施例通过统计目标路段上的起始点数量和结束点数量，将二者进行相加得到目标路段上的起止点数量，将目标路段的所有起始点对应的第一智能驾驶路线里程和所有结束点对应的第二智能驾驶路线里程进行相减，得到目标路段的智能辅助驾驶适用度评分，再根据目标路段的起止点数量，筛选出起止点数量大于预设值的目标路段，根据目标路段的智能辅助驾驶适用度评分，对所有目标路段进行降序排序，得到各目标路段的智能辅助驾驶适用度评估结果，在得到智能辅助驾驶适用度评估结果之后，若检测到用户驾驶到目标路段，则输出智能辅助驾驶系统开启推荐信息，通过将庞大的智能辅助驾驶数据转换为点和公里数来分析和处理，降低了数据量，提高了评估效率，利用推荐信息让驾驶员选择是否开启智能辅助驾驶系统，提升了用户的体验感。
104.进一步的，作为一个实施例，图5为智能辅助驾驶评估方法第四实施例的流程示意图，基于上述图2所示的实施例，提出本技术智能辅助驾驶评估方法的第五实施例。
105.在本实施例中，步骤s100包括：
106.s120：获取至少一个车辆的原始历史智能辅助驾驶数据，其中原始历史智能辅助驾驶数据包括车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程；
107.原始历史智能辅助驾驶数据为车辆以往所有的开启智能辅助驾驶系统的驾驶数据，可包括智能驾驶路线以及驾驶时间等数据。
108.起止点位置信息为各智能驾驶路线的起点和终点。
109.智能驾驶里程为各智能驾驶路线的公里数。
110.s130：根据起止点位置信息，按照预设经纬度网格尺寸对历史智能辅助驾驶数据进行划分，得到多个数据组；
111.将获取到的原始历史智能辅助驾驶数据与地图进行匹配，得到在地图上的原始历史智能辅助驾驶数据，以固定的经纬度段作为网格的长和宽，将原始历史智能辅助驾驶数
据划分为一个个的网格数据组。每一个数据组内不一定包含了智能驾驶路线的路段部分，参阅图7。
112.值得一提的是，每一个数据组仅包含一个街道。
113.s140：对数据组内的起止点位置信息进行空间聚类，得到预测路径；
114.参阅图7，根据起止点的位置信息，得到了由智能驾驶路线的起点和终点组成的预测路径。
115.s150：从预测路径中筛选出与目标路段至少部分重叠的目标路径；
116.可以理解的是，从预测路径中筛选出与目标路段至少部分重叠的目标路径的目的是筛选出与目标路段关联的数据。
117.s160：将目标路径对应的原始历史智能辅助驾驶数据作为历史智能辅助驾驶数据；
118.本实施例将所有的原始历史智能辅助驾驶数据划分成多个数据组，再将多个数据组进行网格聚类，得到预测路径，筛选出与目标路段至少部分重叠的目标路径，将目标路径对应的原始历史智能辅助驾驶数据作为历史智能辅助驾驶数据。通过网格划分和起止点聚类，使得历史智能辅助驾驶数据更加精密，仅对一个目标区域进行分析和评估，降低了数据量，提高了评估的准确性。
119.此外，本技术实施例还提出一种计算机存储介质，存储介质上存储有智能辅助驾驶评估程序，智能辅助驾驶评估程序被处理器执行时实现如上文的智能辅助驾驶评估方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
120.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
121.另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本技术提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
122.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本技术可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用cpu、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多
样的，例如模拟电路、数字电路或专用电路等。但是，对本技术而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本技术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可读取的存储介质中，如计算机的软盘、u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等，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)执行本技术各个实施例的方法。
123.以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术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，均同理包括在本技术的专利保护范围内。
技术特征：
1.一种智能辅助驾驶评估方法，其特征在于，所述方法包括：获取至少一个车辆的历史智能辅助驾驶数据，其中所述历史智能辅助驾驶数据包括所述车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程，且所述智能驾驶路线的至少部分与目标路段的至少部分重叠；根据所述起止点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量；根据所述起止点数量与所述智能驾驶里程，获得所述目标路段的智能辅助驾驶适用度评估结果。2.根据权利要求1所述的智能辅助驾驶评估方法，其特征在于，所述车辆的智能驾驶路线的起止点位置信息包括起始点位置信息以及结束点位置信息；所述根据所述起止点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量，包括：根据所述起始点位置信息以及所述结束点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量。3.根据权利要求2所述的智能辅助驾驶评估方法，其特征在于，所述根据所述起始点位置信息以及所述结束点位置信息，统计至少一个所述车辆在所述目标路段上的起止点数量，包括：统计所有所述车辆在所述目标路段上的所述起始点数量，得到起始点总数量；统计所有所述车辆在所述目标路段上的所述结束点数量，得到结束点总数量；将所述起始点总数量与所述结束点总数量进行相加，得到至少一个所述车辆在所述目标路段上的起止点数量。4.根据权利要求1所述的智能辅助驾驶评估方法，其特征在于，所述智能驾驶里程包括起始点对应的智能驾驶路线里程以及结束点对应的智能驾驶路线里程；所述根据所述起止点数量与所述智能驾驶里程，获得所述目标路段的智能辅助驾驶适用度评估结果，包括：根据所述起始点对应的第一智能驾驶路线里程以及所述结束点对应的第二智能驾驶路线里程，得到所述目标路段的智能辅助驾驶适用度评分；其中，所述起始点与所述结束点均位于所述目标路段上；根据所述起止点数量与所述目标路段的智能辅助驾驶适用度评分，得到所述目标路段的智能辅助驾驶适用度评估结果。5.根据权利要求4所述的智能辅助驾驶评估方法，其特征在于，所述根据所述起始点对应的第一智能驾驶路线里程以及所述结束点对应的第二智能驾驶路线里程，得到所述目标路段的智能辅助驾驶适用度评分，包括：将所述目标路段的所有所述起始点对应的第一智能驾驶路线里程与所有所述结束点对应的第二智能驾驶路线里程进行相减，得到所述目标路段的智能辅助驾驶适用度评分。6.根据权利要求4所述的智能辅助驾驶评估方法，其特征在于，所述根据所述起止点数量与所述目标路段的智能辅助驾驶适用度评分，得到所述目标路段的智能辅助驾驶适用度评估结果，包括：根据所述目标路段的起止点数量，筛选出所述起止点数量大于预设值的所述目标路段；
根据所述目标路段的智能辅助驾驶适用度评分，对所有所述目标路段进行降序排序，得到各目标路段的智能辅助驾驶适用度评估结果。7.根据权利要求1所述的智能辅助驾驶评估方法，其特征在于，所述获取至少一个车辆的历史智能辅助驾驶数据，包括：获取至少一个车辆的原始历史智能辅助驾驶数据，其中所述原始历史智能辅助驾驶数据包括所述车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程；根据所述起止点位置信息，按照预设经纬度网格尺寸对所述历史智能辅助驾驶数据进行划分，得到多个数据组；对各所述数据组内的所述起止点位置信息进行空间聚类，得到预测路径；从所述预测路径中筛选出与目标路段至少部分重叠的目标路径；将所述目标路径对应的原始历史智能辅助驾驶数据作为所述历史智能辅助驾驶数据。8.根据权利要求1所述的智能辅助驾驶评估方法，其特征在于，在所述根据所述起止点数量与所述智能驾驶里程，获得所述目标路段的智能辅助驾驶适用度评估结果之后，所述方法还包括：若检测到用户驾驶到所述目标路段，则输出智能辅助驾驶系统开启推荐信息。9.一种智能辅助驾驶评估设备，其特征在于，包括：处理器，存储器以及存储在所述存储器中的智能辅助驾驶评估程序，所述智能辅助驾驶评估程序被所述处理器运行时实现如权利要求1-8任一项所述智能辅助驾驶评估方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有智能辅助驾驶评估程序，所述智能辅助驾驶评估程序被处理器执行时实现如权利要求1至8一项所述的智能辅助驾驶评估方法。
技术总结
本申请公开了一种智能辅助驾驶评估方法、设备以及存储介质，属于智能算法领域。智能辅助驾驶评估方法，具体包括：获取至少一个车辆的历史智能辅助驾驶数据，其中历史智能辅助驾驶数据包括车辆的智能驾驶路线的起止点位置信息以及智能驾驶里程，且智能驾驶路线的至少部分与目标路段的至少部分重叠；根据起止点位置信息，统计至少一个车辆在目标路段上的起止点数量；根据起止点数量与智能驾驶里程，获得目标路段的智能辅助驾驶适用度评估结果，本申请提高了道路评估结果的适用性和真实性。请提高了道路评估结果的适用性和真实性。请提高了道路评估结果的适用性和真实性。
