转向决策模型优化、转向决策方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种转向决策模型优化、转向决策方法、装置、设备及介质。转向决策模型的优化方法包括：获取待优化的车辆转向决策模型和与车辆转向决策模型匹配的标准验证样本集；对标准验证样本集进行PCA降维处理，得到降维验证样本集；基于蝙蝠算法设置参数，采用蝙蝠算法进行蝙蝠群体的多轮迭代处理；当满足蝙蝠迭代结束条件时，根据降维验证样本集计算转向决策模型针对各蝙蝠的最终适应度值，并根据最终适应度值选取全局最优蝙蝠；利用全局最优蝙蝠对车辆转向决策模型进行更新，得到优化后车辆转向决策模型。通过采用上述技术方案，能够降低车辆转向决策模型优化过程中数据处理时间，且能够有效提高优化后的车辆转向决策模型的准确率。准确率。准确率。

【技术实现步骤摘要】
转向决策模型优化、转向决策方法、装置、设备及介质


[0001]本专利技术涉及车辆自动驾驶
，尤其涉及一种转向决策模型优化、转向决策方法、装置、设备及介质。

技术介绍

[0002]在车辆自动驾驶过程中，为了保证车辆行进的流畅性以及安全性，需要根据车辆当前行驶状态以及车辆周围环境状态判断是否需要进行车辆转向。
[0003]在现有技术中，分类器可以用于各种场景下的事件决策，但现有的分类器无法直接用于根据车辆相关信息获取车辆转向决策，因此，对现有的分类器进行优化以获取最优车辆转向决策显得较为重要。

技术实现思路

[0004]本专利技术提供了一种转向决策模型优化、转向决策方法、装置、设备及介质，能够降低车辆转向决策模型优化过程中数据处理时间，且能够有效提高优化后的车辆转向决策模型的准确率。
[0005]根据本专利技术的一方面，提供了一种车辆转向决策模型的优化方法，包括：
[0006]获取待优化的车辆转向决策模型和与车辆转向决策模型匹配的标准验证样本集，标准验证样本中包括多个车辆环境描述特征值和标准转向决策结果；
[0007]对标准验证样本集进行PCA(Principal Component Analysis，主成分分析)降维处理，得到降维验证样本集；
[0008]基于蝙蝠算法设置参数，采用蝙蝠算法进行蝙蝠群体的多轮迭代处理；
[0009]其中，在每轮迭代过程中，使用与当前迭代轮次匹配的各蝙蝠对车辆转向决策模型进行更新后，以将降维验证样本集输入至各更新后车辆转向决策模型的适应度为评价指标，在各蝙蝠中识别局部最优蝙蝠，并使用局部最优蝙蝠进行当前轮次的蝙蝠群体迭代优化，蝙蝠中包括惩罚因子和高斯核函数；
[0010]当满足蝙蝠迭代结束条件时，根据降维验证样本集计算转向决策模型针对各蝙蝠的最终适应度值，并根据最终适应度值选取全局最优蝙蝠；
[0011]利用全局最优蝙蝠对车辆转向决策模型进行更新，得到优化后车辆转向决策模型。
[0012]根据本专利技术的另一方面，提供了一种车辆转向决策方法，由车机系统执行，包括：
[0013]通过车辆中设置的多个传感器的信息采集结果，获取与本车辆和车辆转向决策相关的至少一个关联车辆对应的多个车辆环境描述特征值；
[0014]其中，车辆环境描述特征值包括本车辆与各相关车辆的当前车辆速度、本车辆与各相关车辆的当前车辆加速度、本车辆与各相关车辆的当前车辆左前方坐标、本车辆与各相关车辆的当前车辆前纵坐标、本车辆与各相关车辆的当前车辆宽度、本车辆与各相关车辆的当前车辆长度、本车辆与至少一个前方车辆的间距以及本车辆与至少一个后方车辆的
间距；
[0015]将所述多个车辆环境描述特征值输入至采用本专利技术实施利一与实施例二中任一所述的方法优化得到的优化后车辆转向决策模型中，获取转向决策结果；
[0016]执行与所述转向决策结果匹配的车辆控制操作。
[0017]根据本专利技术的另一方面，提供了一种车辆转向决策模型的优化装置，包括：
[0018]标准验证样本集获取模块，用于获取待优化的车辆转向决策模型和与车辆转向决策模型匹配的标准验证样本集，标准验证样本中包括多个车辆环境描述特征值和标准转向决策结果；
[0019]降维验证样本集获取模块，用于对标准验证样本集进行PCA降维处理，得到降维验证样本集；
[0020]蝙蝠迭代模块，用于基于蝙蝠算法设置参数，采用蝙蝠算法进行蝙蝠群体的多轮迭代处理；
[0021]其中，在每轮迭代过程中，使用与当前迭代轮次匹配的各蝙蝠对车辆转向决策模型进行更新后，以将降维验证样本集输入至各更新后车辆转向决策模型的适应度为评价指标，在各蝙蝠中识别局部最优蝙蝠，并使用局部最优蝙蝠进行当前轮次的蝙蝠群体迭代优化，蝙蝠中包括惩罚因子和高斯核函数；
[0022]最优蝙蝠选取模块，用于当满足蝙蝠迭代结束条件时，根据降维验证样本集计算转向决策模型针对各蝙蝠的最终适应度值，并根据最终适应度值选取全局最优蝙蝠；
[0023]车辆转向决策模型优化模块，用于利用全局最优蝙蝠对车辆转向决策模型进行更新，得到优化后车辆转向决策模型。
[0024]根据本专利技术的另一方面，提供了一种车辆转向决策装置，由车机系统执行，包括：
[0025]车辆环境描述特征值获取模块，用于通过车辆中设置的多个传感器的信息采集结果，获取与本车辆和车辆转向决策相关的至少一个关联车辆对应的多个车辆环境描述特征值；
[0026]其中，车辆环境描述特征值包括本车辆与各相关车辆的当前车辆速度、本车辆与各相关车辆的当前车辆加速度、本车辆与各相关车辆的当前车辆左前方坐标、本车辆与各相关车辆的当前车辆前纵坐标、本车辆与各相关车辆的当前车辆宽度、本车辆与各相关车辆的当前车辆长度、本车辆与至少一个前方车辆的间距以及本车辆与至少一个后方车辆的间距；
[0027]转向决策结果获取模块，用于将所述多个车辆环境描述特征值输入至采用本专利技术实施例一与实施例二中任一所述的方法优化得到的优化后车辆转向决策模型中，获取转向决策结果；
[0028]车辆控制模块，用于执行与所述转向决策结果匹配的车辆控制操作。
[0029]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0030]至少一个处理器；以及
[0031]与所述至少一个处理器通信连接的存储器；其中，
[0032]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术实施例一及实施例二所述的车辆转向决策模型的优化方法，或者，能够实现本专利技术实施例三所述的车辆转向
决策方法。
[0033]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术实施例一及实施例二所述的车辆转向决策模型的优化方法，或者，能够实现本专利技术实施例三所述的车辆转向决策方法。
[0034]本专利技术实施例的技术方案，通过对标准验证样本集进行降维处理，并利用降维验证样本集并基于蝙蝠算法对蝙蝠群体进行多轮迭代，以实现对车辆转向决策模型进行优化的方式，能够降低车辆转向决策模型优化过程中数据处理时间，且能够有效提高优化后的车辆转向决策模型的准确率。
[0035]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0036]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是根据本专利技术实施例一提供的一种车辆转向决策模型的优化方法的流程图；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆转向决策模型的优化方法，其特征在于，包括：获取待优化的车辆转向决策模型和与车辆转向决策模型匹配的标准验证样本集，标准验证样本中包括多个车辆环境描述特征值和标准转向决策结果；对标准验证样本集进行主成分分析PCA降维处理，得到降维验证样本集；基于蝙蝠算法设置参数，采用蝙蝠算法进行蝙蝠群体的多轮迭代处理；其中，在每轮迭代过程中，使用与当前迭代轮次匹配的各蝙蝠对车辆转向决策模型进行更新后，以将降维验证样本集输入至各更新后车辆转向决策模型的适应度为评价指标，在各蝙蝠中识别局部最优蝙蝠，并使用局部最优蝙蝠进行当前轮次的蝙蝠群体迭代优化，蝙蝠中包括惩罚因子和高斯核函数；当满足蝙蝠迭代结束条件时，根据降维验证样本集计算转向决策模型针对各蝙蝠的最终适应度值，并根据最终适应度值选取全局最优蝙蝠；利用全局最优蝙蝠对车辆转向决策模型进行更新，得到优化后车辆转向决策模型。2.根据权利要求1所述的方法，其特征在于，对标准验证样本集进行PCA降维处理，得到降维验证样本集，包括：对各标准验证样本中的各车辆环境描述特征值进行数据预处理后，使用PCA对各车辆环境描述特征值进行数据降维，得到降维验证样本集。3.根据权利要求1所述的方法，其特征在于，蝙蝠算法设置参数包括蝙蝠群体个数、最大迭代次数、蝙蝠初始位置、蝙蝠初始速度、适应度函数、迭代淘汰率以及位置迭代函数；基于蝙蝠算法设置参数，采用蝙蝠算法进行蝙蝠群体的多轮迭代处理，包括：利用蝙蝠初始位置更新待优化的车辆转向决策模型，将降维验证样本集输入至更新后的车辆转向决策模型，通过预设的适应度函数获取当前迭代轮次的多个局部最优蝙蝠，并保存所述局部最优蝙蝠相关信息；根据预设的迭代淘汰率以及当前迭代轮次中各蝙蝠的适应度值，淘汰当前蝙蝠群体中的至少一个蝙蝠，并按照预设的生成规则生成新蝙蝠，保持蝙蝠群体个数不变，对当前蝙蝠群体中的各蝙蝠进行迭代；根据上一迭代轮次中的局部最优蝙蝠相关信息以及预设的位置迭代函数，计算得到本轮迭代最优飞行位置，根据最优飞行位置以及蝙蝠初始速度对上一轮迭代后的各蝙蝠位置进行更新迭代更新；将本轮迭代后各蝙蝠的适应度值与上一轮迭代后各蝙蝠的适应度值进行对比，保存两轮迭代中适应度值较高的各蝙蝠位置，同时更新下一轮迭代所需的相关参数，进行下一轮迭代，直至满足蝙蝠迭代停止条件时，停止蝙蝠迭代。4.根据权利要求3所述的方法，其特征在于，所述根据预设的迭代淘汰率以及当前迭代轮次中各蝙蝠的适应度值，淘汰当前蝙蝠群体中的至少一个蝙蝠，并按照预设的生成规则生成新蝙蝠，保持蝙蝠群体个数不变，对当前蝙蝠群体中的各蝙蝠进行迭代，包括：根据预设的迭代淘汰率计算得到淘汰蝙蝠个数，并计算当前迭代轮次中各蝙蝠的适应度值；在当前迭代轮次的各蝙蝠中，按照淘汰蝙蝠个数选取适应度值最低的至少一个蝙蝠作为淘汰蝙蝠淘汰；根据预设的生成规则生成与淘汰蝙蝠个数匹配的新蝙蝠，并将新蝙蝠加入至蝙蝠群体
中，保持蝙蝠群体个数不变，对当前蝙蝠群体中的各蝙蝠进行迭代。5.根据权利要求3所述的方法，其特征在于，所述根据上一迭代轮次中的局部最优蝙蝠相关信息以及预设的位置迭代函数，计算得到本轮迭代最优飞行位置，包括：在上一迭代轮次的最优蝙蝠中选取两个学习蝙蝠，获取各学习蝙蝠的当前位置；根据预设的位置迭代函数，计算得到本轮迭代最优飞行位置；其中，预设的位置迭代函数为：其中，f1，f2为[f
min
，f
max
]中的随机数，f
max
与f
min
为预设的适应度最大值与最小值，为第i只蝙蝠在第t代所在位置，为各学...

【专利技术属性】
技术研发人员：王兆麒，姜珊，张晓谦，孙忠刚，王兆麟，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：