一种环境车辆行为预测模型训练方法及系统技术方案

本发明专利技术公开了一种环境车辆行为预测模型训练方法及系统，包括如下步骤：S1：通过各个车载传感器获取车辆数据信息，车载终端对车辆数据信息进行处理得到车辆的行车数据；S2：车载终端将行车数据上传至云端；S3：云端接受各个车载终端上传的行车数据，并将行车数据录入数据库持久化；S4：训练服务器从云端的数据库中提取行车数据，并对行车数据进行处理得到训练数据；S5：根据需要训练的模型结构，对训练数据进行标注；S6：将S5标注后的训练数据加入训练集，并对待训练的预测模型进行训练，使预测模型训练达到预期效果；S7：将S6训练后的预测模型发送至试验车辆。本发明专利技术能够构建自动化的模型训练流程，提高预测模型的训练自动化程度，减少人工介入。减少人工介入。减少人工介入。

【技术实现步骤摘要】
一种环境车辆行为预测模型训练方法及系统


[0001]本专利技术涉及自动驾驶
，具体涉及一种环境车辆行为预测模型训练方法及系统。

技术介绍

[0002]环境目标车辆行为预测对于自动驾驶车辆安全高效控制有着重要意义。相比与预测手调参数模型需要专家知识及场景适配固定，人工智能机器学习方法训练模型具有对多种场景适应的泛化性和鲁棒性。人工智能方法逐渐受到自动驾驶工程实现的青睐，其中预测模型训练流程是重要环节，包括行车数据的记录收集、传输存储、整理清洗、分析标注、驱动训练等。本方法为解决预测模型训练自动高效而进行相应设计和实现。
[0003]专利CN2020101227910中提供了一种基于强化学习的智能网联云平台的预测模型生成方法，该专利采用智能网联汽车云平台记录并上传用户操作记录及汽车运行状态，除行车数据外，将算子选择也纳入训练流程。该方法虽然扩大了模型训练范围，但仅通过增加算力扩大训练规模自动筛选算子更新模型结构，并不能有效的提高模型训练效率，专家知识对于模型设计中算子选择和排列仍是重要的，且该方法也没有解决训练数据筛选标注高效处理问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种环境车辆行为预测模型训练方法，其特征在于，包括如下步骤：S1：通过各个车载传感器获取车辆数据信息，车载终端对车辆数据信息进行处理得到车辆的行车数据；S2：车载终端将行车数据上传至云端；S3：云端接受各个车载终端上传的行车数据，并将行车数据录入数据库持久化；S4：训练服务器从云端的数据库中提取行车数据，并对行车数据进行处理得到训练数据；S5：根据需要训练的模型结构，对训练数据进行标注；S6：将S5标注后的训练数据加入训练集，并对待训练的预测模型进行训练，使预测模型训练达到预期效果；S7：将S6训练后的预测模型发送至试验车辆。2.根据权利要求1所述环境车辆行为预测模型训练方法，其特征在于，在S1中，车载终端将每帧行车数据时间戳包装，形成时间序列的行车数据。3.根据权利要求1所述环境车辆行为预测模型训练方法，其特征在于，在S2中，车载终端对行车数据输所对应的唯一车辆编号并加密。4.根据权利要求1所述环境车辆行为预测模型训练方法，其特征在于，在S2中，车载终端根据待训练的预测模型所需的数据对行车数据进行筛选后上传至云端。5.根据权利要求1所述环境车辆行为预测模型训练方法，其特征在于，在S4中，对持久化的行车数据进行重组，得到训练所需的数据结构以及文件组织格式。6.根据权利要求1所述环境车辆行为预测模型训练方法，其特征在于，在S4中，根据预测模型输入数据所需求的特征，对行车数据进行筛选，删除不满足所述特征的行车数据。7.根据权利要求1所述环境车辆行为预测模型训练方法，其特征在于，在S5中，训练数据以时间序列为结构，预测未来时刻的数据以下一步进时间窗的历史数据为标注，组织得到一个采样...

【专利技术属性】
技术研发人员：徐光宇，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：