本技术涉及车辆，具体涉及一种车辆接管方法、装置、车辆及存储介质。
背景技术：
1、近年来，随着居民汽车购买意愿的快速增长，新能源电动汽车逐步获得市场认可，伴随着电动汽车而生的自动驾驶技术也逐步走进大众视野，成为居民日常出行不可分割的重要组成部分。其中，用户对于电动汽车的自动驾驶行为的认可度影响着自动驾驶技术的发展水平与发展方向。
2、目前，虽然自动驾驶能够在一定程度上替代人工驾驶，但电动汽车在以自动驾驶模式工作过程中还需要驾驶员时刻保持警惕，以对电动汽车进行接管，从而保证了电动汽车的行驶安全。由于不同用户存在差异性，会使得在电动汽车以自动驾驶模式工作过程中对车辆的接管行为存在较大的差异，从而在电动汽车以自动驾驶模式工作过程中无法有针对性的预测用户是否需要对车辆进行接管，进而会影响到电动汽车的行驶安全。
技术实现思路
1、本技术的目的之一在于提供一种车辆接管方法，其实现了对不同车辆的有针对性的接管，保证了车辆的行驶安全；本技术的目的之二在于提供一种车辆接管装置；本技术的目的之三在于提供一种车辆；本技术的目的之四在于提供一种存储介质。
2、为了实现上述目的，第一方面，本技术提供一种车辆接管方法，包括：
3、获取车辆集中的每个车辆在预设时间段内的多个第一接管信息集，所述第一接管信息集中的接管信息与预设接管特征集中的预设接管特征一一对应，所述第一接管信息集通过在所述车辆以自动驾驶模式工作过程中对所述车辆进行接管所得到的；
4、针对所述车辆集中的每个所述车辆，根据所述车辆对应的多个所述第一接管信息集，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集；
5、根据所述车辆集中的所有所述车辆对应的所述目标接管特征集，对所述车辆集中的所有所述车辆进行分类，以得到多个分类结果；
6、根据各个所述分类结果，确定各自对应的接管预测模型，所述接管预测模型用于在所述车辆以所述自动驾驶模式工作过程中对所述车辆进行接管预测；
7、根据各个所述接管预测模型，对所述车辆集中的各个所述车辆进行接管。
8、可选地，所述第一接管信息集对应有预设接管场景，所述预设接管场景属于预设接管场景集；
9、所述根据所述车辆对应的多个所述第一接管信息集，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
10、根据所述车辆对应的多个所述第一接管信息集，确定所述车辆在所述预设接管场景集中的各个所述预设接管场景下所对应的目标分数，所述目标分数用于表征在所述预设接管场景下对所述车辆的所述自动驾驶模式的评分；
11、根据所述车辆对应的多个所述第一接管信息集及所述预设接管场景集中的各个所述预设接管场景对应的所述目标分数，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集。
12、可选地，所述根据所述车辆对应的多个所述第一接管信息集，确定所述车辆在所述预设接管场景集中的各个所述预设接管场景下所对应的目标分数，包括：
13、针对所述预设接管场景集中的每个所述预设接管场景，执行如下步骤：
14、获取在所述预设时间段内所述车辆以所述自动驾驶模式工作的目标时长和行驶里程；
15、确定所述车辆在所述预设接管场景下所对应的所有所述第一接管信息集，及确定所述车辆在所述预设接管场景下所对应的所有所述第一接管信息集的个数，以得到第一个数；
16、根据所述目标时长、所述行驶里程及所述第一个数，确定所述车辆在所述预设接管场景下所对应的目标分数。
17、可选地，所述根据所述目标时长、所述行驶里程及所述第一个数，确定所述车辆在所述预设接管场景下所对应的目标分数，包括：
18、确定所述目标时长与所述第一个数之间的比值，以得到第一比值；
19、确定所述第一比值与所述行驶里程之间的比值，以得到第二比值；
20、将所述第二比值确定为所述车辆在所述预设接管场景下所对应的目标分数。
21、可选地，所述根据所述车辆对应的多个所述第一接管信息集及所述预设接管场景集中的各个所述预设接管场景对应的所述目标分数，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
22、针对所述预设接管特征集中的每个所述预设接管特征，从多个所述第一接管信息集中确定出与所述预设接管特征对应的多个所述接管信息，以得到所述预设接管特征对应的第二接管信息集；
23、将所述预设接管场景集中的所有所述预设接管场景对应的所述目标分数作为第一母序列，及将所述预设接管特征集中的每个所述预设接管特征对应的所述第二接管信息集作为第一子序列；
24、利用灰色关联分析方法确定所述第一母序列与各个所述第一子序列之间的关联度，以得到各个所述第一子序列对应的第一关联度；
25、根据所得到的所有所述第一关联度，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集。
26、可选地，所述根据所得到的所有所述第一关联度，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
27、从所得到的所有所述第一关联度中筛选出满足第一预设条件的所有所述第一关联度，所述第一预设条件包括：所述第一关联度大于第一关联度阈值；
28、将满足所述第一预设条件的所有所述第一关联度对应的所述预设接管特征作为所述车辆对应的目标接管特征集。
29、可选地，所述根据所得到的所有所述第一关联度，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
30、确定所述预设接管特征集中的所有所述预设接管特征的个数，以得到第二个数；
31、在所述第二个数大于预设个数阈值时，针对所述预设接管特征集中的每个所述预设接管特征，将所述预设接管特征对应的所述第二接管信息集作为第二母序列，及将所述预设接管特征集中的其它每个所述预设接管特征对应的所述第二接管信息集作为第二子序列；
32、利用灰色关联分析方法确定所述第二母序列与各个所述第二子序列之间的关联度，以得到所述第二母序列对应的第二关联度集；
33、根据所得到的所有所述第一关联度及所得到的所有所述第二关联度集，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集。
34、可选地，所述根据所得到的所有所述第一关联度及所得到的所有所述第二关联度集，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
35、从所得到的所有所述第一关联度中筛选出满足第一预设条件的所有所述第一关联度，所述第一预设条件包括：所述第一关联度大于第一关联度阈值；
36、针对所得到的每个所述第二关联度集，从所述第二关联度集中筛选出满足第二预设条件的所有第二关联度，所述第二预设条件包括：所述第二关联度大于第二关联度阈值；
37、根据满足所述第一预设条件的所有所述第一关联度对应的所述预设接管特征和满足所述第二预设条件的所有所述第二关联度对应的所述预设接管特征，确定所述车辆对应的目标接管特征集。
38、可选地，所述根据所述车辆集中的所有所述车辆对应的所述目标接管特征集，对所述车辆集中的所有所述车辆进行分类，以得到多个分类结果，包括：
39、基于所述车辆集中的所有所述车辆对应的所述目标接管特征集，利用预设模糊聚类算法对所述车辆集中的所有所述车辆进行分类，以得到多个分类结果。
40、可选地，所述根据各个所述分类结果，确定各自对应的接管预测模型，包括：
41、针对每个所述分类结果，执行如下步骤：
42、确定所述分类结果中的各个所述车辆对应的所有所述第一接管信息集；
43、针对所述分类结果中的每个所述车辆，根据所述车辆对应的所述目标接管特征集，对所述车辆对应的所有所述第一接管信息集进行处理，以得到所述车辆对应的所有处理后的所述第一接管信息集；
44、根据所述分类结果中的各个所述车辆对应的所有处理后的所述第一接管信息集，对初始随机森林模型进行训练，以得到所述分类结果对应的接管预测模型。
45、可选地，所述分类结果中的每个所述车辆对应有分类概率，所述分类概率用于表征所述车辆属于所述分类结果的概率；
46、所述根据各个所述分类结果，确定各自对应的接管预测模型，包括：
47、针对每个所述分类结果，从所述分类结果中筛选掉不满足第三预设条件的所有所述车辆，以得到处理后的所述分类结果，所述第三预设条件包括所述车辆对应的分类概率大于分类概率阈值；
48、根据所有处理后的所述分类结果，确定各个处理后的所述分类结果对应的接管预测模型。
49、可选地，所述根据各个所述接管预测模型，对所述车辆集中的各个所述车辆进行接管，包括：
50、针对所述车辆集中的每个所述车辆，执行如下步骤：
51、在所述车辆以所述自动驾驶模式工作过程中，从多个所述分类结果中确定出所述车辆所属的所述分类结果；
52、根据所述车辆所属的所述分类结果对应的所述接管预测模型，对所述车辆进行接管预测，以得到所述车辆对应的接管提示信息；
53、根据所述接管提示信息，对所述车辆进行接管。
54、可选地，所述方法，还包括：
55、在确定需对目标车辆进行接管预测且所述目标车辆不属于所述车辆集时，利用所述目标车辆更新所述车辆集；
56、利用更新后的所述车辆集执行所述获取车辆集中的每个车辆在预设时间段内的多个第一接管信息集步骤，以得到所述目标车辆所属的所述分类结果所对应的接管预测模型；
57、根据所述目标车辆对应的所述接管预测模型，对所述目标车辆进行接管。
58、为了实现上述目的，第二方面，本技术提供一种车辆接管装置，包括：
59、获取模块，用于获取车辆集中的每个车辆在预设时间段内的多个第一接管信息集，所述接管信息集中的接管信息与预设接管特征集中的预设接管特征一一对应，所述第一接管信息集通过在所述车辆以自动驾驶模式工作过程中对所述车辆进行接管所得到的；
60、处理模块，用于针对所述车辆集中的每个所述车辆，根据所述车辆对应的多个所述第一接管信息集，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集；
61、分类模型，用于根据所述车辆集中的所有所述车辆对应的所述目标接管特征集，对所述车辆集中的所有所述车辆进行分类，以得到多个分类结果；
62、确定模块，用于根据各个所述分类结果，确定各自对应的接管预测模型，所述接管预测模型用于在所述车辆以所述自动驾驶模式工作过程中对所述车辆进行接管预测；
63、接管模块，用于根据各个所述接管预测模型，对所述车辆集中的各个所述车辆进行接管。
64、为实现上述目的，第三方面，本技术还提供一种车辆，包括：处理器和存储器，处理器用于执行存储器中存储的车辆接管程序，以实现如上所述的车辆接管方法。
65、为实现上述目的，第四方面，本技术还提供一种存储介质，所述存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的车辆接管方法。
66、本技术的有益效果：本技术提供了一种车辆接管方法，通过获取车辆集的每个车辆在预设时间段内的多个第一接管信息集，对车辆集中的每个车辆对应的预设接管特征集进行相关性处理，得到各个车辆对应的目标接管特征集，根据车辆集中的所有车辆对应的目标接管特征集，对车辆集中的所有车辆进行分类，以得到多个分类结果，从而根据各个分类结果，确定各自对应的接管预测模型，以根据所确定的各个接管预测模型实现在不同车辆以自动驾驶模式工作过程中对不同车辆进行有针对性的接管预测，进而了实现了对不同车辆的有针对性的接管，保证了车辆的行驶安全。
1.一种车辆接管方法，其特征在于，包括：
2.根据权利要求1所述的车辆接管方法，其特征在于，所述第一接管信息集对应有预设接管场景，所述预设接管场景属于预设接管场景集；
3.根据权利要求2所述的车辆接管方法，其特征在于，所述根据所述车辆对应的多个所述第一接管信息集，确定所述车辆在所述预设接管场景集中的各个所述预设接管场景下所对应的目标分数，包括：
4.根据权利要求3所述的车辆接管方法，其特征在于，所述根据所述目标时长、所述行驶里程及所述第一个数，确定所述车辆在所述预设接管场景下所对应的目标分数，包括：
5.根据权利要求2所述的车辆接管方法，其特征在于，所述根据所述车辆对应的多个所述第一接管信息集及所述预设接管场景集中的各个所述预设接管场景对应的所述目标分数，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
6.根据权利要求5所述的车辆接管方法，其特征在于，所述根据所得到的所有所述第一关联度，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
7.根据权利要求5所述的车辆接管方法，其特征在于，所述根据所得到的所有所述第一关联度，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
8.根据权利要求7所述的车辆接管方法，其特征在于，所述根据所得到的所有所述第一关联度及所得到的所有所述第二关联度集，对所述预设接管特征集中的所有所述预设接管特征进行相关性处理，以得到所述车辆对应的目标接管特征集，包括：
9.根据权利要求1所述的车辆接管方法，其特征在于，所述根据所述车辆集中的所有所述车辆对应的所述目标接管特征集，对所述车辆集中的所有所述车辆进行分类，以得到多个分类结果，包括：
10.根据权利要求1所述的车辆接管方法，其特征在于，所述根据各个所述分类结果，确定各自对应的接管预测模型，包括：
11.根据权利要求1所述的车辆接管方法，其特征在于，所述分类结果中的每个所述车辆对应有分类概率，所述分类概率用于表征所述车辆属于所述分类结果的概率；
12.根据权利要求1所述的车辆接管方法，其特征在于，所述根据各个所述接管预测模型，对所述车辆集中的各个所述车辆进行接管，包括：
13.根据权利要求1所述的车辆接管方法，其特征在于，所述方法，还包括：
14.一种车辆接管装置，其特征在于，包括：
15.一种车辆，其特征在于，包括：处理器和存储器，处理器用于执行存储器中存储的车辆接管程序，以实现权利要求1～13中任一项的车辆接管方法。
16.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1～13中任一项的车辆接管方法。
