本公开涉及自动驾驶领域的一种车辆行驶控制方法、装置、设备、车辆及介质，该方法包括：获取车辆在行驶过程中的车辆行驶数据；将车辆行驶数据输入到预先训练得到的行驶分析模型中，以得到行驶分析模型输出的目标行驶信息，行驶分析模型是通过对历史行驶样本数据进行筛选，并通过筛选得到的目标行驶样本数据对初始分析模型训练得到的，目标行驶样本数据是历史行驶样本数据中置信度低于置信度阈值的数据；根据目标行驶信息控制车辆行驶。通过从历史行驶样本数据中筛选置信度低于置信度阈值的目标行驶样本数据对初始分析模型进行训练，可以提高训练得到的行驶分析模型的召回率和准确率等模型性能，进而提高了车辆行驶控制的准确性和安全性。准确性和安全性。准确性和安全性。
【技术实现步骤摘要】
车辆行驶控制方法、装置、设备、车辆及介质
[0001]本公开涉及车辆工程
，尤其涉及一种车辆行驶控制方法、装置、设备、车辆及介质。
技术介绍
[0002]车辆行驶过程中，通常需要借助模型对采集的车辆行驶数据进行处理，以根据模型的输出确定车辆的行驶控制策略。在对模型进行训练时，通常需要对海量的历史路采数据进行标注，并将标注后的历史路采数据输入神经网络模型中，完成对模型的训练，然而由于采集到历史路采数据存在重复场景，不仅导致标注的工作量较大，而且通过标注后的这些重复场景等的低价值路采数据，作为训练样本训练得到的模型的准确性较低。
技术实现思路
[0003]为克服相关技术中存在的问题，本公开提供一种车辆行驶控制方法、装置、设备、车辆及介质。
[0004]根据本公开实施例的第一方面，提供一种车辆行驶控制方法，包括：获取车辆在行驶过程中的车辆行驶数据；将所述车辆行驶数据输入到预先训练得到的行驶分析模型中，以得到所述行驶分析模型输出的目标行驶信息，其中，所述行驶分析模型是通过对历史行驶样本数据进行筛选，并通过筛选得到的目标行驶样本数据对初始分析模型训练得到的，所述目标行驶样本数据是所述历史行驶样本数据中置信度低于置信度阈值的数据；根据所述目标行驶信息控制所述车辆行驶。
[0005]可选地，所述行驶分析模型是通过如下方式训练得到的：将所述历史行驶样本数据输入到初始标注模型中，得到所述初始标注模型输出的针对各历史行驶样本数据的初始标注结果；根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度；将所述置信度低于所述置信度阈值的历史行驶样本数据作为筛选后的目标行驶样本数据；根据所述目标行驶样本数据对所述初始分析模型进行训练，得到所述行驶分析模型。
[0006]可选地，所述根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度，包括：将所述历史行驶样本数据以及对应的所述初始标注结果分别输入到所述初始分析模型和参考分析模型，得到所述初始分析模型输出的第一分析结果和所述参考分析模型输出的第二分析结果，其中，所述历史行驶样本数据是从训练得到所述参考分析模型的历史行驶数据集中选取的；
确定所述第一分析结果与所述第二分析结果之间的差异值，并根据所述差异值确定所述历史行驶样本数据的置信度，其中，所述置信度与所述差异值呈反比。
[0007]可选地，所述根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度，包括：从所述历史行驶样本数据中确定测试行驶样本数据，并将所述测试行驶样本数据输入到触发器中，得到所述触发器输出的触发结果，所述触发器中包括设置有不同触发规则的子触发器；将触发结果满足触发条件对应的测试行驶样本数据作为训练样本，对初始分类模型进行训练，得到目标分类模型，其中，所述触发条件为所述触发结果与所述初始标注结果不匹配和/或触发时长超出预设触发时长阈值；以所述目标分类模型替换所述触发结果满足所述触发条件对应的子触发器，并将替换后得到的触发器作为触发模型；将所述历史行驶样本数据输入到所述触发模型中，得到所述触发模型输出的分类触发结果；根据所述分类触发结果与所述初始标注结果，得到每一所述历史行驶样本数据的置信度。
[0008]可选地，所述根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度，包括：从所述历史行驶样本数据中确定测试行驶样本数据，并将所述测试行驶样本数据输入到触发器中，得到所述触发器输出的触发结果，所述触发器中包括设置有不同触发规则的子触发器；将所述测试行驶样本数据输入到初始主动学习模型，得到所述初始主动学习模型输出的初始样本评分结果；根据所述触发结果和所述初始样本评分结果，对所述初始主动学习模型进行训练，得到训练后的主动学习模型；将所述历史行驶样本数据输入到所述训练后的主动学习模型，得到所述训练后的主动学习模型输出的目标样本评分结果；根据所述目标样本评分结果以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度。
[0009]可选地，所述根据所述目标行驶样本数据对所述初始分析模型进行训练，得到所述行驶分析模型，包括：对所述目标行驶样本数据进行切片处理，得到切片样本数据，其中，切片处理过程中的帧数是由标注频率和标注时长确定的；获取标注后的切片样本数据，并根据标注后的所述切片样本数据对所述初始分析模型进行训练，得到所述行驶分析模型。
[0010]根据本公开实施例的第二方面，提供一种车辆行驶控制装置，包括：获取模块，被配置为获取车辆在行驶过程中的车辆行驶数据；输入模块，被配置为将所述车辆行驶数据输入到预先训练得到的行驶分析模型中，以得到所述行驶分析模型输出的目标行驶信息，其中，所述行驶分析模型是通过对历史
行驶样本数据进行筛选，并通过筛选得到的目标行驶样本数据对初始分析模型训练得到的，所述目标行驶样本数据是所述历史行驶样本数据中置信度低于置信度阈值的数据；控制模块，被配置为根据所述目标行驶信息控制所述车辆行驶。
[0011]可选地，所述装置包括训练模块，被配置为：将所述历史行驶样本数据输入到初始标注模型中，得到所述初始标注模型输出的针对各历史行驶样本数据的初始标注结果；根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度；将所述置信度低于所述置信度阈值的历史行驶样本数据作为筛选后的目标行驶样本数据；根据所述目标行驶样本数据对所述初始分析模型进行训练，得到所述行驶分析模型。
[0012]可选地，所述训练模块，被配置为：将所述历史行驶样本数据以及对应的所述初始标注结果分别输入到所述初始分析模型和参考分析模型，得到所述初始分析模型输出的第一分析结果和所述参考分析模型输出的第二分析结果，其中，所述历史行驶样本数据是从训练得到所述参考分析模型的历史行驶数据集中选取的；确定所述第一分析结果与所述第二分析结果之间的差异值，并根据所述差异值确定所述历史行驶样本数据的置信度，其中，所述置信度与所述差异值呈反比。
[0013]可选地，所述训练模块，被配置为：从所述历史行驶样本数据中确定测试行驶样本数据，并将所述测试行驶样本数据输入到触发器中，得到所述触发器输出的触发结果，所述触发器中包括设置有不同触发规则的子触发器；将触发结果满足触发条件对应的测试行驶样本数据作为训练样本，对初始分类模型进行训练，得到目标分类模型，其中，所述触发条件为所述触发结果与所述初始标注结果不匹配和/或触发时长超出预设触发时长阈值；以所述目标分类模型替换所述触发结果满足所述触发条件对应的子触发器，并将替换后得到的触发器作为触发模型；将所述历史行驶样本数据输入到所述触发模型中，得到所述触发模型输出的分类触发结果；根据所述分类触发结果与所述初始标注结果，得到每一所述历史行驶样本数据的置信度。
[0014]可选地，所述训练模块，被配置为：从所述历史行驶样本数据中确定测试行驶样本数据，并将所述测试行驶样本数据输入到触发器中本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆行驶控制方法，其特征在于，包括：获取车辆在行驶过程中的车辆行驶数据；将所述车辆行驶数据输入到预先训练得到的行驶分析模型中，以得到所述行驶分析模型输出的目标行驶信息，其中，所述行驶分析模型是通过对历史行驶样本数据进行筛选，并通过筛选得到的目标行驶样本数据对初始分析模型训练得到的，所述目标行驶样本数据是所述历史行驶样本数据中置信度低于置信度阈值的数据；根据所述目标行驶信息控制所述车辆行驶。2.根据权利要求1所述的方法，其特征在于，所述行驶分析模型是通过如下方式训练得到的：将所述历史行驶样本数据输入到初始标注模型中，得到所述初始标注模型输出的针对各历史行驶样本数据的初始标注结果；根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度；将所述置信度低于所述置信度阈值的历史行驶样本数据作为筛选后的目标行驶样本数据；根据所述目标行驶样本数据对所述初始分析模型进行训练，得到所述行驶分析模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度，包括：将所述历史行驶样本数据以及对应的所述初始标注结果分别输入到所述初始分析模型和参考分析模型，得到所述初始分析模型输出的第一分析结果和所述参考分析模型输出的第二分析结果，其中，所述历史行驶样本数据是从训练得到所述参考分析模型的历史行驶数据集中选取的；确定所述第一分析结果与所述第二分析结果之间的差异值，并根据所述差异值确定所述历史行驶样本数据的置信度，其中，所述置信度与所述差异值呈反比。4.根据权利要求2所述的方法，其特征在于，所述根据所述历史行驶样本数据以及对应的所述初始标注结果，得到每一所述历史行驶样本数据的置信度，包括：从所述历史行驶样本数据中确定测试行驶样本数据，并将所述测试行驶样本数据输入到触发器中，得到所述触发器输出的触发结果，所述触发器中包括设置有不同触发规则的子触发器；将触发结果满足触发条件对应的测试行驶样本数据作为训练样本，对初始分类模型进行训练，得到目标分类模型，其中，所述触发条件为所述触发结果与所述初始标注结果不匹配和/或触发时长超出预设触发时长阈值；以所述目标分类模型替换所述触发结果满足所述触发条件对应的子触发器，并将替换后得到的触发器作为触发模型；将所述历史行驶样本数据输入到所述触发模型中，得到所述触发模型输出的分类触发结果；根据所述分类触发结果与所述初始标注结果，得到每一所述历史行驶样本数据的置信度。5.根据权利要求2所述的方法，其特征在于，所述根据所述历史行驶...
【专利技术属性】
技术研发人员：赖志懿，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：
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。