车辆数据模型的训练方法、装置、车辆、介质和程序产品制造方法及图纸

提供一种车辆数据模型的训练方法、装置、车辆、介质和程序产品。该方法包括：获取车辆的本地数据；根据获取到的车辆的本地数据，对车辆的本地模型进行训练，得到车辆的第一本地模型更新参数；对第一本地模型更新参数进行矩阵估计，得到参数规模降低的第二本地模型更新参数；以及将第二本地模型更新参数发送给服务器，以使得服务器基于各车辆上报的第二本地模型更新参数进行更新参数的整合并将整合后的更新参数反馈给各车辆。更新参数反馈给各车辆。更新参数反馈给各车辆。

【技术实现步骤摘要】
车辆数据模型的训练方法、装置、车辆、介质和程序产品


[0001]本公开涉及机器学习、联邦学习
，特别涉及一种车辆数据模型的训练方法、装置、车辆、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]相关技术中，车辆数据模型的训练常采用基于原始的或事先处理(例如事先整合)后的车辆数据进行的方式。采用这种方式，车辆需要向服务器等后端设备传送大量数据，因而存在对通信带宽、后端数据存储和处理资源的需求较高，以及训练时长较长等问题。另外，由于在数据传送过程中用户的隐私存在泄露风险，因而还存在用户的隐私无法得到很好的保护等问题。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

[0004]根据本公开的一个方面，提供了一种车辆数据模型的训练方法，包括：获取车辆的本地数据；根据获取到的所述车辆的所述本地数据，对所述车辆的本地模型进行训练，得到所述车辆的第一本地模型更新参数；对所述第一本地模型更新参数进行矩阵估计，得到参数规模降低的第二本地模型更新参数；以及将所述第二本地模型更新参数发送给服务器，以使得所述服务器基于各车辆上报的第二本地模型更新参数进行更新参数的整合并将整合后的更新参数反馈给各车辆。
[0005]根据本公开的另一个方面，提供了另一种车辆数据模型的训练方法，包括：接收参与车辆数据模型的训练的多个车辆上报的第二本地模型更新参数，其中，所述多个车辆中的每个车辆的第二本地模型更新参数是通过对所述车辆的第一本地模型更新参数进行矩阵估计所得到的参数规模降低的模型更新参数，并且其中，所述第一本地模型更新参数是所述车辆基于其本地数据对其本地模型进行训练所得到的模型更新参数；以及对所述多个车辆上报的第二本地模型更新参数进行更新参数的整合并将整合后的更新参数反馈给所述多个车辆中的各车辆。
[0006]根据本公开的又一个方面，提供了一种用于车辆数据模型的训练的装置，包括：数据获取模块，被配置为获取车辆的本地数据；本地训练模块，被配置为根据获取到的所述车辆的所述本地数据，对所述车辆的本地模型进行训练，得到所述车辆的第一本地模型更新参数；矩阵估计模块，被配置为对所述第一本地模型更新参数进行矩阵估计，得到参数规模降低的第二本地模型更新参数；以及参数发送模块，被配置为将所述第二本地模型更新参数发送给服务器，以使得所述服务器基于各车辆上报的第二本地模型更新参数进行更新参数的整合并将整合后的更新参数反馈给各车辆。
[0007]根据本公开的又一个方面，提供了另一种用于车辆数据模型的训练的装置，包括：
接收模块，被配置为接收参与车辆数据模型的训练的多个车辆上报的第二本地模型更新参数，其中，所述多个车辆中的每个车辆的第二本地模型更新参数是通过对所述车辆的第一本地模型更新参数进行矩阵估计所得到的参数规模降低的模型更新参数，并且其中，所述第一本地模型更新参数是所述车辆基于其本地数据对其本地模型进行训练所得到的模型更新参数；整合模块，被配置为对所述多个车辆上报的第二本地模型更新参数进行更新参数的整合；以及发送模块，被配置为将整合后的更新参数反馈给所述多个车辆中的各车辆。
[0008]根据本公开的又一个方面，提供了一种用于车辆数据模型的训练的装置。该装置包括：处理器，和存储程序的存储器。程序包括指令，指令在由处理器执行时使该处理器执行本公开所述的第一种车辆数据模型的训练方法。
[0009]根据本公开的又一个方面，提供了一种车辆。该车辆包括本公开上述的用于车辆数据模型的训练的装置。
[0010]根据本公开的又一个方面，提供了另一种用于车辆数据模型的训练的装置。该装置包括：处理器，和存储程序的存储器。程序包括指令，指令在由处理器执行时使该处理器执行本公开所述的第二种车辆数据模型的训练方法。
[0011]根据本公开的又一个方面，提供了一种存储程序的非暂态计算机可读存储介质。程序包括指令，指令在由一个或者多个处理器执行时，致使该一个或者多个处理器执行本公开所述的方法。
[0012]根据本公开的另一个方面，提供一种计算机程序产品，包括程序代码部分，在所述计算机程序产品在一个或多个计算设备上被运行时，所述程序代码部分用于执行根据本公开中所述的方法。
[0013]从下面结合附图描述的示例性实施例中，本公开的更多特征和优点将变得清晰。
附图说明
[0014]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0015]图1是示出相关技术中的车辆数据模型的训练过程的网络示意图；
[0016]图2是示出根据示例性实施例的车辆数据模型的训练方法的流程图；
[0017]图3是示出根据示例性实施例的车辆数据模型的训练过程的网络示意图；
[0018]图4是示出根据示例性实施例的另一种车辆数据模型的训练方法的流程图；
[0019]图5是示出根据示例性实施例的用于车辆数据模型的训练的装置的框图；
[0020]图6是示出根据示例性实施例的另一种用于车辆数据模型的训练的装置的框图；
[0021]图7是根据本公开的示例性实施例的机动车辆的应用场景示意图；以及
[0022]图8是示出能够应用于本公开示例性实施例的示例性计算设备的结构框图。
具体实施方式
[0023]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些
情况下，基于上下文的描述，它们也可以指代不同实例。
[0024]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0025]相关技术中，如图1所示，车辆数据模型的训练常采用先在服务器等后端处对各车辆上报的本地数据进行整合(例如在图1所示的中心数据库平台对各车辆例如车辆1、车辆2至车辆n上报的本地数据进行整合)，之后再对整合后的数据进行训练的方式。这种方式由于车辆上报的数据量较大，例如很可能存在由成百上千的车辆所上报的原始本地数据，因而存在对通信带宽、后端数据存储和处理资源的需求较高，以及训练时长较长等问题。另外，由于各车辆将其原始本地数据上传至了服务器等后端处，而在数据传送过程中用户的隐私存在泄露风险，因而还存在用户的隐私无法得到很好的保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆数据模型的训练方法，包括：获取车辆的本地数据；根据获取到的所述车辆的所述本地数据，对所述车辆的本地模型进行训练，得到所述车辆的第一本地模型更新参数；对所述第一本地模型更新参数进行矩阵估计，得到参数规模降低的第二本地模型更新参数；以及将所述第二本地模型更新参数发送给服务器，以使得所述服务器基于各车辆上报的第二本地模型更新参数进行更新参数的整合并将整合后的更新参数反馈给各车辆。2.如权利要求1所述的方法，其中，所述车辆的所述本地数据包括车辆驾驶行为数据、车辆行驶状态数据以及车辆故障数据中的一种或多种。3.如权利要求1所述的方法，其中，所述车辆的所述本地模型是所述车辆从所述服务器预先获取的，或者，是由所述服务器预先为所述车辆部署的。4.如权利要求1
‑
3中任一项所述的方法，其中，对所述第一本地模型更新参数进行矩阵估计，得到参数规模降低的第二本地模型更新参数，包括：基于矩阵分解算法，将所述第一本地模型更新参数分解为两个低阶矩阵的乘积；以及将所述两个低阶矩阵中的在本地模型训练过程中参数存在更新的一个矩阵作为所述参数规模降低的第二本地模型更新参数。5.如权利要求1
‑
3中任一项所述的方法，其中，对所述第一本地模型更新参数进行矩阵估计，得到参数规模降低的第二本地模型更新参数，包括：基于随机掩码方式，将所述第一本地模型更新参数约束为随机稀疏矩阵；以及将所述随机稀疏矩阵中的存在更新的非零元素和用于生成所述随机稀疏矩阵的种子作为所述参数规模降低的第二本地模型更新参数。6.如权利要求1
‑
3中任一项所述的方法，其中，在将所述第二本地模型更新参数发送给服务器之前，所述方法还包括：对所述第二本地模型更新参数进行压缩。7.如权利要求6所述的方法，其中，对所述第二本地模型更新参数进行压缩包括：基于概率量化方式对所述第二本地模型更新参数进行压缩。8.如权利要求6所述的方法，其中，在对所述第二本地模型更新参数进行压缩之前，所述方法还包括：对所述第二本地模型更新参数进行随机旋转处理。9.如权利要求8所述的方法，其中，对所述第二本地模型更新参数进行随机旋转处理包括：将所述第二本地模型更新参数与随机正交矩阵相乘，以实现对所述第二本地模型更新参数的随机旋转处理。10.如权利要求1
‑
3中任一项所述的方法，还包括：基于来自所述服务器的所述整合后的更新参数，更新所述本地模型；确定车辆数据模型的模型训练结束条件是否已满足；响应于所述模型训练结束条件尚未满足，再次基于所述本地数据对更新后的所述本地模型进行训练以得到新的第二本地模型更新参数，并将所述新的第二本地模型更新参数发
送给所述服务器进行更新参数的整合；以及响应于所述模型训练结束条件已满足，将更新后的所述本地模型作为所述车辆所需的车辆数据...

【专利技术属性】
技术研发人员：E，
申请(专利权)人：奥迪股份公司，
类型：发明
国别省市：