【技术实现步骤摘要】
车辆动作预测方法、装置、电子设备及存储介质
本专利技术涉及车辆控制
，具体涉及一种车辆动作预测方法、装置、电子设备及存储介质。
技术介绍
车辆自动控制或者车辆自动驾驶，其实就是将一些自动控制的技术运用到汽车中，由以往的提高机械性能发展为辅助或部分取代或全部取代人的操纵，达到减少由于人的局限性造成的事故，减轻驾驶强度提高交通效率。车辆自动控制包括横向控制和纵向控制，纵向控制是在行车速度方向上的控制，即车速以及本车与前后车或障碍物距离的自动控制巡航控制就是一种纵向控制。这类控制问题可归结为对发动机输出和刹车的控制，各种发动机模型、汽车运行模型和刹车过程模型与不同的控制器算法结合，构成了各种各样的纵向控制模式。横向控制指垂直于运动方向上的控制，对于汽车也就是转向控制。目标是控制汽车自动保持期望的行车路线，并在不同的车速、载荷、风阻、路况下有很好的乘坐舒适性。横向控制有两种基本设计方法，一种是基于驾驶员模拟的方法；另一种是给予汽车横向运动力学模型的控制方法。当实现了车辆纵向和横向的自动控制，就可以按给定目标和约...
【技术保护点】
1.一种车辆动作预测方法，其特征在于，所述车辆动作预测方法包括：/n获取车辆驾驶的样本数据，所述样本数据中包括车辆外部环境的连续多张样本状态图，以及每张样本状态图对应的车辆动作真实值；/n根据所述多张样本状态图构建多个样本四元组；/n根据所述多个样本四元组和所述每张样本状态图对应的车辆动作真实值，训练预设的车辆神经网络初始模型，得到车辆动作预测模型；/n根据所述车辆动作预测模型预测车辆动作。/n
【技术特征摘要】
1.一种车辆动作预测方法，其特征在于，所述车辆动作预测方法包括：
获取车辆驾驶的样本数据，所述样本数据中包括车辆外部环境的连续多张样本状态图，以及每张样本状态图对应的车辆动作真实值；
根据所述多张样本状态图构建多个样本四元组；
根据所述多个样本四元组和所述每张样本状态图对应的车辆动作真实值，训练预设的车辆神经网络初始模型，得到车辆动作预测模型；
根据所述车辆动作预测模型预测车辆动作。
2.根据权利要求1所述的车辆动作预测方法，其特征在于，所述根据所述样本状态图构建多个样本四元组，包括：
从所述多张样本状态图中分别提取车辆状态信息；
依次以所述多张样本状态图中每张样本状态图为目标样本状态图，根据所述目标样本状态图对应的车辆状态信息构建样本四元组；
其中，所述样本四元组为(s,a,r,s_)，s为从当前样本状态图提取得到的车辆状态信息，a为当前车辆状态下车辆执行的第一动作；r为当前车辆状态下执行第一动作a后获得的即时奖励，s_为当前车辆状态下执行第一动作a并延时预设时间后，所得样本状态图经提取得到的车辆状态信息。
3.根据权利要求2所述的车辆动作预测方法，其特征在于，所述根据所述目标样本状态图对应的车辆状态信息构建样本四元组，包括：
获取所述目标样本状态图对应的车辆状态信息；
获取所述目标样本状态图对应的车辆状态下，车辆执行的第一动作；
根据所述车辆状态信息，计算当前车辆状态下执行第一动作后获得的即时奖励；
获取所述目标样本状态图经预设时间之后的样本状态图的车辆状态信息；
根据所述目标样本状态图对应的车辆状态信息、所述第一动作、所述即使奖励以及所述目标样本状态图经预设时间之后的样本状态图的车辆状态信息，构建所述样本四元组。
4.根据权利要求3所述的所述车辆动作预测方法，其特征在于，所述根据所述车辆状态信息，计算当前车辆状态下执行第一动作后获得的即时奖励，包括：
根据所述车辆状态信息，计算当前车辆状态下执行第一动作后获得的主奖励；
获取当前车辆状态的前一个车辆状态下第二动作的幅度，以及所述第一动作的幅度；
计算所述第一动作的幅度以及所述第二动作的幅度之差，作为所述动作奖励；
根据所述主奖励和所述动作奖励，计算所述即时奖励。
5.根据权利要求4所述的所述车辆动作预测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：石含飞，李似锦，刘庆龙，梁智，李鹏程，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44
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。