本发明专利技术实施例提出信息处理方法、装置及存储介质，其中，所述方法包括：根据样本提取策略和第一样本集得到第二样本集；将所述第二样本集根据变道聚类策略进行聚类处理，得到至少两个聚类信息的情况下，将所述至少两个聚类信息与车辆实际驾驶中得到的至少两个第一数据进行比对，根据比对结果得到第一反馈样本；根据所述第一反馈样本，定位出与车辆实际驾驶的道路测试中不相符合的失效场景；根据所述第一反馈样本所定位出的失效场景，对已有车辆变道模型进行修正，根据修正后的车辆变道模型进行变道选择。采用本发明专利技术实施例能提高变道的准确率。率。率。
【技术实现步骤摘要】
一种信息处理方法、装置及存储介质
[0001]本申请是申请日为2019年2月21日、申请号为201910130653.4、专利技术名称为“一种信息处理方法、装置及存储介质”的中国专利申请的分案申请。
[0002]本专利技术涉及信息处理
，尤其涉及一种信息处理方法、装置及存储介质。
技术介绍
[0003]信息处理的一种应用场景是在车辆自动驾驶中，为了实现车辆自动行驶的运动规划，需要对车辆运动的轨迹进行评价。车辆变道是运动轨迹中重要的一环。相关技术中无法自动定位与实际道路测试不相符合的失效场景，也就是说不能有效的定位出问题所在(坏例)并将其挑出。如果不能定位出问题所在，会使得车辆变道决策不准确，则基于该车辆变道决策进行变道选择时变道准确率下降，从而最终难以保证在实际驾驶过程中变道结果的可行性和安全性。
技术实现思路
[0004]本专利技术实施例提供一种信息处理方法，以解决现有技术中的一个或多个技术问题。
[0005]第一方面，本专利技术实施例提供了一种信息处理方法，所述方法包括：
[0006]根据样本提取策略和第一样本集得到第二样本集；
[0007]将所述第二样本集根据变道聚类策略进行聚类处理，得到至少两个聚类信息的情况下，将所述至少两个聚类信息与车辆实际驾驶中得到的至少两个第一数据进行比对，根据比对结果得到第一反馈样本；
[0008]根据所述第一反馈样本，定位出与车辆实际驾驶的道路测试中不相符合的失效场景；
[0009]根据所述第一反馈样本所定位出的失效场景，对已有车辆变道模型进行修正，根据修正后的车辆变道模型进行变道选择。
[0010]一种实施方式中，根据样本提取策略和第一样本集得到第二样本集，包括：
[0011]获取构成所述已有车辆变道模型的神经网络，所述神经网络包括输入层、中间层和输出层；
[0012]将所述第一样本集中对应所述输入层和所述输出层的全部样本提取出来，作为第一子样本；
[0013]将所述第一样本集中对应所述中间层的部分样本提取出来，作为第二子样本；
[0014]根据所述第一子样本和所述第二子样本得到所述第二样本集。
[0015]一种实施方式中，将所述至少两个聚类信息与车辆实际驾驶中得到的至少两个第一数据进行比对，根据比对结果得到第一反馈样本，包括：
[0016]从所述至少两个第一数据中，查询到与每个聚类信息不相匹配的目标数据；
[0017]将所述目标数据作为第一反馈样本。
[0018]一种实施方式中，所述方法还包括：
[0019]将所述第二样本集根据变道聚类策略进行聚类处理，未得到聚类信息的情况下，当前场景为车辆实际驾驶中的边界场景；
[0020]将所述边界场景作为第二反馈样本；
[0021]将所述第二反馈样本添加入所述第一反馈样本中。
[0022]一种实施方式中，所述方法还包括：
[0023]将所述第一反馈样本输入所述已有车辆变道模型，运算得到反馈样本的概率分布；
[0024]根据所述反馈样本的概率分布得到反馈熵；
[0025]根据所述反馈熵判断是否符合车辆实际驾驶的道路测试。
[0026]一种实施方式中，所述方法还包括：
[0027]将所述第一反馈样本添加入所述第二样本集中，得到第三样本集；
[0028]将所述第三样本集根据变道聚类策略进行聚类处理，得到用于表征向左变道的第一子类、用于表征向右变道的第二子类和用于表征直行的第三子类；
[0029]根据所述第一子类、所述第二子类和所述第三子类，对构成所述已有车辆变道模型的神经网络中的各对应子网络进行调整。
[0030]第二方面，本专利技术实施例提供了一种信息处理装置，所述装置包括：
[0031]样本处理单元，用于根据样本提取策略和第一样本集得到第二样本集；
[0032]第一反馈样本处理单元，用于将所述第二样本集根据变道聚类策略进行聚类处理，得到至少两个聚类信息的情况下，将所述至少两个聚类信息与车辆实际驾驶中得到的至少两个第一数据进行比对，根据比对结果得到第一反馈样本；
[0033]定位单元，用于根据所述第一反馈样本，定位出与车辆实际驾驶的道路测试中不相符合的失效场景；
[0034]变道选择单元，用于根据所述第一反馈样本所定位出的失效场景，对已有车辆变道模型进行修正，根据修正后的车辆变道模型进行变道选择。
[0035]一种实施方式中，所述样本处理单元，进一步用于：
[0036]获取构成所述已有车辆变道模型的神经网络，所述神经网络包括输入层、中间层和输出层；
[0037]将所述第一样本集中对应所述输入层和所述输出层的全部样本提取出来，作为第一子样本；
[0038]将所述第一样本集中对应所述中间层的部分样本提取出来，作为第二子样本；
[0039]根据所述第一子样本和所述第二子样本得到所述第二样本集。
[0040]一种实施方式中，所述第一反馈样本处理单元，进一步用于：
[0041]从所述至少两个第一数据中，查询到与每个聚类信息不相匹配的目标数据；
[0042]将所述目标数据作为第一反馈样本。
[0043]一种实施方式中，所述装置还包括：
[0044]聚类处理单元，用于将所述第二样本集根据变道聚类策略进行聚类处理，未得到聚类信息的情况下，当前场景为车辆实际驾驶中的边界场景；
[0045]第二反馈样本处理单元，用于将所述边界场景作为第二反馈样本；
[0046]第一样本添加单元，用于将所述第二反馈样本添加入所述第一反馈样本中。
[0047]一种实施方式中，所述装置还包括：
[0048]第一运算单元，用于将所述第一反馈样本输入所述已有车辆变道模型，运算得到反馈样本的概率分布；
[0049]第二运算单元，用于根据所述反馈样本的概率分布得到反馈熵；
[0050]判断单元，用于根据所述反馈熵判断是否符合车辆实际驾驶的道路测试。
[0051]一种实施方式中，所述装置还包括：
[0052]第二样本添加单元，用于将所述第一反馈样本添加入所述第二样本集中，得到第三样本集；
[0053]子类处理单元，用于将所述第三样本集根据变道聚类策略进行聚类处理，得到用于表征向左变道的第一子类、用于表征向右变道的第二子类和用于表征直行的第三子类；
[0054]调整单元，用于根据所述第一子类、所述第二子类和所述第三子类，对构成所述已有车辆变道模型的神经网络中的各对应子网络进行调整。
[0055]第三方面，本专利技术实施例提供了一种信息处理装置，所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
[0056]在一个可能的设计中，所述装置的结构中包括处理器和存储器，所述存储器用于存储支持所述装置执行任一上述信息处理方法的程序，所述处理器被配置为用于执本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信息处理方法，其特征在于，所述方法包括：根据样本提取策略和第一样本集得到第二样本集；将所述第二样本集根据变道聚类策略进行聚类处理，得到至少两个聚类信息的情况下，将所述至少两个聚类信息与车辆实际驾驶中得到的至少两个第一数据进行比对，根据比对结果得到第一反馈样本；根据所述第一反馈样本，定位出与车辆实际驾驶的道路测试中不相符合的失效场景；根据所述第一反馈样本所定位出的失效场景，对已有车辆变道模型进行修正，根据修正后的车辆变道模型进行变道选择；将所述至少两个聚类信息与车辆实际驾驶中得到的至少两个第一数据进行比对，根据比对结果得到第一反馈样本，包括：从所述至少两个第一数据中，查询到与每个聚类信息不相匹配的目标数据；将所述目标数据作为第一反馈样本。2.根据权利要求1所述的方法，其特征在于，根据样本提取策略和第一样本集得到第二样本集，包括：获取构成所述已有车辆变道模型的神经网络，所述神经网络包括输入层、中间层和输出层；将所述第一样本集中对应所述输入层和所述输出层的全部样本提取出来，作为第一子样本；将所述第一样本集中对应所述中间层的部分样本提取出来，作为第二子样本；根据所述第一子样本和所述第二子样本得到所述第二样本集。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述第二样本集根据变道聚类策略进行聚类处理，未得到聚类信息的情况下，当前场景为车辆实际驾驶中的边界场景；将所述边界场景作为第二反馈样本；将所述第二反馈样本添加入所述第一反馈样本中。4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：将所述第一反馈样本输入所述已有车辆变道模型，运算得到反馈样本的概率分布；根据所述反馈样本的概率分布得到反馈熵；根据所述反馈熵判断是否符合车辆实际驾驶的道路测试。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：将所述第一反馈样本添加入所述第二样本集中，得到第三样本集；将所述第三样本集根据变道聚类策略进行聚类处理，得到用于表征向左变道的第一子类、用于表征向右变道的第二子类和用于表征直行的第三子类；根据所述第一子类、所述第二子类和所述第三子类，对构成所述已有车辆变道模型的神经网络中的各对应子网络进行调整。6.一种信息处理装置，其特征在于，所述装置包括：样本处理单元，用于根据样本提取策略和第一样本集得到第二样本集；第一反馈样本处理单元，用于将所述第二样本集根据变道聚类策略进行聚类处理，得到至少两个聚类信息的情况下，将所述至少两个聚类信息与车辆实际驾驶中得到的至少两...
【专利技术属性】
技术研发人员：高飞，
申请(专利权)人：百度在线网络技术北京有限公司，
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。