【技术实现步骤摘要】
通过检测驾驶场景来评估驾驶员的驾驶习惯的方法和装置
本专利技术涉及用于自动驾驶汽车的方法和装置，更具体地，涉及通过检测驾驶过程中发生的驾驶场景来提供用于评估驾驶员的驾驶习惯的信息的方法和装置。
技术介绍
汽车的质量大、速度快，从而动能高，安全行驶是非常重要的。但是，大多数驾驶员只是为了自身的便利性而进行危险驾驶。而且，驾驶员没有用于判断自己的驾驶习惯是否危险或者是否违法的标准，并且很难改变自己的驾驶习惯。
技术实现思路
专利技术所要解决的课题本专利技术的目的在于解决上述问题。另外，本专利技术的另一目的在于，提供一种检测驾驶过程中发生的驾驶场景的方法。另外，本专利技术又一目的在于，使用上述检测到的驾驶场景来评估驾驶员的驾驶习惯的方法。另外，本专利技术又一目的在于，通过提供一种评估上述驾驶习惯的方法，能够使驾驶员分析上述驾驶习惯从而进行改进。用于解决课题的手段为了实现如上所述的本专利技术的目的并实现后述的本专利技术的特定效果，本专利技术的特定构成如下。根据本专利技术的一个方式，提供一种学习方法，用于通过检测在驾驶过程中发生的驾驶事件来检测包含所述驾驶事件中的至少一部分的驾驶场景，其特征在于，包括以下步骤：(a)若学习装置获取到至少一个特定枚举事件向量，所述特定枚举事件向量以特定顺序包含与特定驾驶事件的每个相关的各信息作为特定分量，则使循环神经网络以所述特定顺序对所述特定枚举事件向量的所述特定分量进行至少一次循环神经网络运算，以检测至少一个包含所述...
【技术保护点】
1.一种学习方法，用于通过检测在驾驶过程中发生的驾驶事件来检测包含所述驾驶事件中的至少一部分的驾驶场景，其特征在于，包括以下步骤：/n(a)若学习装置获取到至少一个特定枚举事件向量，所述特定枚举事件向量以特定顺序包含与特定驾驶事件的每个相关的各信息作为特定分量，则使循环神经网络以所述特定顺序对所述特定枚举事件向量的所述特定分量进行至少一次循环神经网络运算，以检测至少一个包含所述特定驾驶事件中的至少一部分的特定预测驾驶场景；以及/n(b)所述学习装置使损失模块参考所述特定预测驾驶场景和已获取的特定地面实况驾驶场景来生成循环神经网络损失，使用所述循环神经网络损失来执行时间序列反向传播，从而学习所述循环神经网络的参数中的至少一部分。/n
【技术特征摘要】
20190130 US 62/798,618;20191223 US 16/724,7471.一种学习方法，用于通过检测在驾驶过程中发生的驾驶事件来检测包含所述驾驶事件中的至少一部分的驾驶场景，其特征在于，包括以下步骤：
(a)若学习装置获取到至少一个特定枚举事件向量，所述特定枚举事件向量以特定顺序包含与特定驾驶事件的每个相关的各信息作为特定分量，则使循环神经网络以所述特定顺序对所述特定枚举事件向量的所述特定分量进行至少一次循环神经网络运算，以检测至少一个包含所述特定驾驶事件中的至少一部分的特定预测驾驶场景；以及
(b)所述学习装置使损失模块参考所述特定预测驾驶场景和已获取的特定地面实况驾驶场景来生成循环神经网络损失，使用所述循环神经网络损失来执行时间序列反向传播，从而学习所述循环神经网络的参数中的至少一部分。
2.如权利要求1所述的学习方法，其特征在于，在所述步骤(a)之前，还包括：
步骤(a0)，通过执行以下的处理(i)～(iv)，与驾驶场景生成装置联动的所述学习装置获取所述特定枚举事件向量和所述特定GT驾驶场景，其中，所述处理(i)为：所述驾驶场景生成装置通过显示装置提供与包含所述特定驾驶事件的各驾驶事件相对应的各图形对象；所述处理(ii)为：若用户以所述特定顺序选择了与所述特定驾驶事件相对应的特定图形对象，则所述驾驶场景生成装置按照所述特定顺序使用与所述被选择的各特定驾驶事件相关的各信息来生成所述特定枚举事件向量；所述处理(iii)为：所述驾驶场景生成装置以所述特定顺序生成与所述特定驾驶事件相对应的所述特定地面实况驾驶场景；所述处理(iv)为：所述驾驶场景生成装置将所述特定枚举事件向量和所述特定地面实况驾驶场景发送给所述学习装置。
3.如权利要求2所述的学习方法，其特征在于，
若在所述驾驶事件中选择了所述特定驾驶事件，则所述驾驶场景生成装置对所述特定驾驶事件中的至少一个应用至少一次更改运算，并使用应用了所述更改运算的状态下的所述特定驾驶事件还生成至少一个更改特定枚举事件向量和至少一个更改特定地面实况驾驶场景。
4.如权利要求1所述的学习方法，其特征在于，在所述步骤(a)之前，还包括：
步骤(a1)，通过执行以下的处理(i)和(ii)，与驾驶场景生成装置联动的所述学习装置获取所述特定枚举事件向量和所述特定地面实况驾驶场景，其中，所述处理(i)为：所述驾驶场景生成装置使生成式对抗网络执行至少一次生成式对抗网络运算，从而(i-1)从所述驾驶事件中以所述特定顺序选择所述特定驾驶事件，(i-2)按照所述特定顺序使用与各所述特定驾驶事件相关的各信息来生成所述特定枚举事件向量，(i-3)以所述特定顺序生成与所述特定驾驶事件相对应的所述特定地面实况驾驶场景；所述处理(ii)为：所述驾驶场景生成装置将所述特定枚举事件向量和所述特定地面实况驾驶场景发送给所述学习装置。
5.如权利要求4所述的学习方法，其特征在于，
所述驾驶场景生成装置使所述生成式对抗网络所包含的已学习的生成网络执行作为所述生成式对抗网络运算的至少一部分的至少一个生成运算，从而按照所述特定顺序选择所述特定驾驶事件，以生成所述特定枚举事件向量。
6.如权利要求5所述的学习方法，其特征在于，
所述生成式对抗网络(i)使所述生成网络生成与每个学习用第一顺序的学习用第一驾驶事件的第一组中的每一个相对应的每个学习用第一枚举事件向量，(ii)使判别网络生成预测识别分数，所述预测识别分数表示作为所述学习用第一枚举事件向量和由管理者生成的学习用第二枚举事件向量中的至少一个的、被输入到所述判别网络中的至少一个事件向量是由所述管理者生成的还是由所述生成网络生成的概率，(iii)参考所述预测识别分数和地面实况识别分数来生成生成式对抗网络损失，(iv)使用所述生成式对抗网络损失来执行反向传播，从而成为学习了所述判别网络和所述生成网络所包含的参数中的至少一部分的状态。
7.如权利要求1所述的学习方法，其特征在于，
在所述步骤(a)之前，还包括：
步骤(a3)，在所述特定枚举事件向量和所述特定地面实况驾驶场景满足预设的验证规则的情况下，与驾驶场景生成装置联动的所述学习装置通过所述驾驶场景生成装置获取所述特定枚举事件向量和所述特定地面实况驾驶场景。
8.如权利要求7所述的学习方法，其特征在于，
由所述管理者向所述驾驶场景生成装置输入验证规则，所述验证规则与在过去的特定时间范围内由驾驶员违反预定次数的一个以上的特定道路规则对应，
所述驾驶场景生成装置参考所述验证规则，当在所述特定枚举事件向量和所述特定地面实况驾驶场景中反映出了遵守或违反所述特定道路规则的一个以上的状况时，确定所述特定枚举事件向量和所述特定地面实况驾驶场景满足所述验证规则。
9.如权利要求1所述的学习方法，其特征在于，
所述学习装置使所述循环神经网络利用从(i)长短期记忆网络技术和(ii)门控循环单元技术中选择的技术来执行所述循环神经网络运算。
10.一种测试方法，通过检测在驾驶过程中发生的驾驶场景来评估目标驾驶员的驾驶习惯，其特征在于，包括以下步骤：
(a)(1)若学习装置获取到至少一个学习用特定枚举事件向量，所述学习用特定枚举事件向量以学习用特定顺序包含与学习用特定驾驶事件的每个相关的各信息作为学习用特定分量，则使循环神经网络以所述学习用特定顺序对所述学习用特定枚举事件向量的所述学习用特定分量进行至少一次循环神经网络运算，以检测至少一个包含所述学习用特定驾驶事件中的至少一部分的学习用特定预测驾驶场景，(2)所述学习装置使损失模块参考所述学习用特定预测驾驶场景和已获取的特定地面实况驾驶场景来生成循环神经网络损失，使用所述循环神经网络损失来执行时间序列反向传播，从而学习所述循环神经网络的参数中的至少一部分，在执行上述(1)和(2)的状态下，若与目标车辆联动的测试装置检测到一个以上的测试用驾驶事件，则使所述循环神经网络依次对与各所述测试用驾驶事件相关的各信息进行所述循环神经网络运算，以检测包含所述测试用驾驶事件中的至少一部分的一个以上的测试用预测驾驶场景；以及
(b)所述测试装置使评估模块参考所述测试用预测驾驶场景生成评估信息，所述评估信息用于评估所述目标车辆的所述目标驾驶员的所述驾驶习惯。
11.如权利要求10所述的测试方法，其特征在于，
在所述步骤(a)中，
所述测试装置使事件检测模块与搭载在所述目标车辆上的(i)电子控制单元和(ii)外部环境监视单元中的至少一个联动，检测驾驶中在所述目标车辆的内部和外部发生的所述测试用驾驶事件。
12.如权利要求11所述的测试方法，其特征在于，
所述测试装置使所述事件检测模块与所述电子控制单元联动来获取内部动作信息中的至少一部分，以检测所述测试用驾驶事件中的至少一部分，其中，所述内部动作信息包括方向信息、速度信息、方向指示灯信息和应急灯信息中的至少一部分。
13.如权利要求11所述的测试方法，其特征在于，
所述测试装置使所述事件检测模块与所述外部环境监视单元的外部相机和V2X通信模块中的至少一个联动来获取外部环境信息中的至少一部分，以检测所述测试用驾驶事件中的至少一部分，其中，所述外部环境信息包括位于距所述目标车辆第一阈值距离以内的信号灯的显示信息、位于距所述目标车辆第二阈值距离以内的周边车辆的周边运动信息以及与所述目标车辆所在的车道相关的车道信息中的至少一部分。
14.如权利要求10所述的测试方法，其特征在于，
在所述步骤(b)中，
所述测试装置使所述评估模块对参考所述测试用预测驾驶场景获取到的所述目标驾驶员违反道路规则的次数和频率中的至少一个进行统计分析运算，并生成包含所述统计分析运算结果的...
【专利技术属性】
技术研发人员：金桂贤，金镕重，金鹤京，南云铉，夫硕焄，成明哲，申东洙，吕东勋，柳宇宙，李明春，李炯树，张泰雄，郑景中，诸泓模，赵浩辰，
申请(专利权)人：斯特拉德视觉公司，
类型：发明
国别省市：韩国;KR
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。