一种自动驾驶决策规划模型的优化方法、装置及设备制造方法及图纸

本说明书实施例公开了一种自动驾驶决策规划模型的优化方法，通过针对目标智能路侧设备上报的交通数据进行分析去确定全局性更好的第一车辆所涉及的交通场景事件的相关交通数据，以便于利用第一自动驾驶决策规划模型，针对全局性更好的相关交通数据进行处理，去得到更为准确的第一自动驾驶决策结果；然后，从所述交通场景事件的相关交通数据中，确定用于优化并验证第二自动驾驶决策规划模型的预设区域内的目标交通数据，以减少目标交通数据的采集时间，最后利用第一自动驾驶决策结果以及所述目标交通数据第二车辆处搭载的第二自动驾驶决策规划模型进行优化，从而有效提高第二自动驾驶决策规划模型的优化效率及准确率。自动驾驶决策规划模型的优化效率及准确率。自动驾驶决策规划模型的优化效率及准确率。

【技术实现步骤摘要】
一种自动驾驶决策规划模型的优化方法、装置及设备


[0001]本申请涉及计算机数据处理
，尤其涉及一种自动驾驶决策规划模型的优化方法、装置及设备。

技术介绍

[0002]随着智能驾驶技术的发展，智能驾驶车辆在行驶过程中可以利用迭代优化后的单车自动驾驶决策规划模型去生成驾驶策略，而不用完全依赖于云控平台。目前，智能驾驶车辆通常是利用传感器采集的其感知范围内的环境数据去生成驾驶决策，同时对利用传感器采集的其感知范围内的环境数据进行保存，以在根据生成的驾驶决策更新优化单车自动驾驶决策规划模型后，利用保存的环境数据去生成新的驾驶策略，以检验迭代优化后的单车自动驾驶决策规划模型，即利用自车数据回灌的方法离线针对单车自动驾驶决策规划模型进行模型在环测试、迭代优化；由于利用自车数据回灌的方式针对单车自动驾驶决策规划模型进行迭代优化需要利用自车采集众多相同场景下的环境数据，耗费时间长，从而无法对单车自动驾驶规划模型进行快速更新迭代；且由于用于迭代优化驾驶策略的环境数据为智能驾驶车辆搭载的传感器采集的其范围内的环境数据具有一定的局限性，因此，迭代优化后自动驾驶决策规划模型的生成的驾驶策略只是基于自车感知范围的局部最优解，而非更大环境范围内的全局最优解。
[0003]基于此，如何提供一种自动驾驶决策规划模型的优化的方法，以令自动驾驶决策规划模型可以快速进行迭代优化，同时使自动驾驶决策规划模型生成的驾驶策略可以在更大的环境范围内可行或最优成为亟待解决的技术问题。

技术实现思路

[0004]本说明书实施例提供一种自动驾驶决策规划模型的优化方法、装置及设备，以解决现有的模型的优化方法存在的局部最优的问题。
[0005]为解决上述技术问题，本说明书实施例是这样实现的：
[0006]本说明书实施例提供的一种自动驾驶决策规划模型的优化方法，所述方法可以包括：
[0007]智能网联云控平台获取第一车辆涉及的交通场景事件的相关交通数据；所述交通场景事件的相关交通数据是通过对目标智能路侧设备上报的交通数据进行分析确定的；
[0008]利用第一自动驾驶决策规划模型，针对所述交通场景事件的相关交通数据进行处理，得到针对所述第一车辆在所述交通场景事件中的第一自动驾驶决策结果；
[0009]从所述交通场景事件的相关交通数据中，确定预设区域内的目标交通数据；所述预设区域是根据第二车辆的车辆感知范围，以所述第一车辆为感知中心点所确定出的区域；
[0010]发送所述第一自动驾驶决策结果以及所述目标交通数据至所述第二车辆；所述第二车辆用于利用所述第一自动驾驶决策结果以及所述目标交通数据对所述第二车辆处搭
载的第二自动驾驶决策规划模型进行优化。
[0011]本说明书实施例提供的一种自动驾驶决策规划模型的优化方法，所述方法可以包括：
[0012]目标车辆获取训练数据；所述训练数据包括：第一自动驾驶决策结果以及目标交通数据；所述第一自动驾驶决策结果为利用第一自动驾驶决策规划模型，针对交通场景事件的相关交通数据进行处理得到的自动驾驶决策结果结果；所述交通场景事件的相关交通数据是通过对目标智能路侧设备上报的交通数据进行分析确定的；所述目标交通数据是从所述交通场景事件的相关交通数据中，确定的预设区域内的相关交通数据。
[0013]利用所述训练数据针对所述目标车辆处车辆处的第二自动驾驶决策规划模型进行训练，得到训练后的第二自动驾驶决策规划模型。
[0014]本说明书实施例提供的一种自动驾驶决策规划模型的优化装置，所述装置可以包括：
[0015]相关交通数据获取模块，用于智能网联云控平台获取第一车辆涉及的交通场景事件的相关交通数据；所述交通场景事件的相关交通数据是通过对目标智能路侧设备上报的交通数据进行分析确定的；
[0016]自动驾驶决策结果生成模块，用于利用第一自动驾驶决策规划模型，针对所述交通场景事件的相关交通数据进行处理，得到针对所述第一车辆在所述交通场景事件中的第一自动驾驶决策结果；
[0017]目标交通数据确定模块，用于从所述交通场景事件的相关交通数据中，确定预设区域内的目标交通数据；所述预设区域是根据第二车辆的车辆感知范围，以所述第一车辆为感知中心点所确定出的区域；
[0018]发送模块，用于发送所述第一自动驾驶决策结果以及所述目标交通数据至所述第二车辆；所述第二车辆用于利用所述第一自动驾驶决策结果以及所述目标交通数据对所述第二车辆处搭载的第二自动驾驶决策规划模型进行优化。
[0019]本说明书实施例提供的一种自动驾驶决策规划模型的优化装置，所述装置可以包括：
[0020]训练数据获取模块，用于目标车辆获取训练数据；所述训练数据包括：第一自动驾驶决策结果以及目标交通数据；所述第一自动驾驶结果为第一自动驾驶决策规划模型根据交通场景事件的相关交通数据生成的结果；
[0021]训练模块，用于利用所述训练数据针对第二自动驾驶决策规划模型进行训练，得到训练完成的所述第二自动驾驶决策规划模型。
[0022]本说明书实施例提供的一种自动驾驶决策规划模型的优化设备，包括：
[0023]至少一个处理器；以及，
[0024]与所述至少一个处理器通信连接的存储器；其中，
[0025]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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：
[0026]获取第一车辆涉及的交通场景事件的相关交通数据；所述交通场景事件的相关交通数据是通过对目标智能路侧设备上报的交通数据进行分析确定的；
[0027]利用第一自动驾驶决策规划模型，针对所述交通场景事件的相关交通数据进行处
理，得到针对所述第一车辆在所述交通场景事件中的第一自动驾驶决策结果；
[0028]从所述交通场景事件的相关交通数据中，确定预设区域内的目标交通数据；所述预设区域是根据第二车辆的车辆感知范围，以所述第一车辆为感知中心点所确定出的区域；
[0029]发送所述第一自动驾驶决策结果以及所述目标交通数据至所述第二车辆；所述第二车辆用于利用所述第一自动驾驶决策结果以及所述目标交通数据对所述第二车辆处搭载的第二自动驾驶决策规划模型进行优化。
[0030]本说明书中至少一个实施例能够达到以下有益效果：
[0031]通过针对目标智能路侧设备上报的交通数据进行分析以确定第一车辆所涉及的交通场景事件的相关交通数据，以便于利用第一自动驾驶决策规划模型，针对全局性更好的相关交通数据进行处理，从而得到更为准确的第一车辆的第一自动驾驶决策结果；然后，从所述交通场景事件的相关交通数据中，确定用于优化并验证第二车辆的处的第二自动驾驶决策规划模型的目标交通数据，减少目标交通数据的采集时间，最后将第一自动驾驶决策结果以及所述目标交通数据视为第二车辆通过搭载的传感器采集的交通数据，由于针对目标智能路侧设备上报的交通数据进行分析确定的第一车辆所涉及的交通场景事件的相关交通数据全局性好，从而使得第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶决策规划模型的优化方法，其特征在于，所述方法包括：智能网联云控平台获取第一车辆涉及的交通场景事件的相关交通数据；所述交通场景事件的相关交通数据是通过对目标智能路侧设备上报的交通数据进行分析确定的；利用第一自动驾驶决策规划模型，针对所述交通场景事件的相关交通数据进行处理，得到针对所述第一车辆在所述交通场景事件中的第一自动驾驶决策结果；从所述交通场景事件的相关交通数据中，确定预设区域内的目标交通数据；所述预设区域是根据第二车辆的车辆感知范围，以所述第一车辆为感知中心点所确定出的区域；发送所述第一自动驾驶决策结果以及所述目标交通数据至所述第二车辆；所述第二车辆用于利用所述第一自动驾驶决策结果以及所述目标交通数据对所述第二车辆处搭载的第二自动驾驶决策规划模型进行优化。2.根据权利要求1所述的方法，其特征在于，所述智能网联云控平台获取第一车辆涉及的交通场景事件的相关交通数据之前，还包括：获取具有数据上传功能的车辆上报的车辆运行数据；所述车辆运行数据包括车辆驾驶参数以及车辆位置；判断所述车辆驾驶参数是否满足目标交通场景事件的目标识别规则，得到判断结果；若所述判断结果表示所述所述车辆驾驶参数满足所述目标别规则，则将所述车辆确定为所述第一车辆；根据所述第一车辆携带的所述车辆位置确定所述目标智能路侧设备；所述第一车辆在所述目标交通场景事件的发生时间段内位于所述目标智能路侧设备的有效感知区域内；获取所述目标智能路侧设备在所述目标交通场景事件的发生时间段内上报的指定交通数据；所述智能网联云控平台获取第一车辆涉及的交通场景事件的相关交通数据，具体包括：智能网联云控平台获取目标智能路侧设备在所述目标交通场景事件的发生时间段内上报的指定交通数据；从所述所述指定交通数据中确定所述第一车辆涉及的交通场景事件的相关交通数据，所述交通场景事件的相关交通数据包括：距离所述第一车辆预设范围内的指定车辆的所述车辆运行数据以及距离所述第一车辆预设范围内的所述指定车辆与所述第一车辆的相对运行数据。3.根据权利要求1所述的方法，其特征在于，所述利用第一自动驾驶决策规划模型，针对所述交通场景事件的相关交通数据进行处理，得到针对所述第一车辆在所述交通场景事件中的第一自动驾驶决策结果之前，还包括：针对所述交通场景事件的相关交通数据进行聚类处理，得到所述交通场景事件的聚类后交通数据；所述利用第一自动驾驶决策规划模型，针对所述交通场景事件的相关交通数据进行处理，得到针对所述第一车辆在所述交通场景事件中的第一自动驾驶决策结果，具体包括：利用第一自动驾驶决策规划模型，针对所述聚类后交通数据进行处理，得到针对所述第一车辆在所述交通场景事件中的第一自动驾驶决策结果。4.根据权利要求3所述的方法，其特征在于，所述从所述交通场景事件的相关交通数据
中，确定预设区域内的目标交通数据，具体包括：从所述聚类后交通数据中，确定发生目标交通场景事件的所述第一车辆；以所述第一车辆的车辆位置为感知中心点，确定以第二车辆的感知范围为感知区域的感知区域内的感知数据为目标交通数据。5.根据权利要求1所述的方法，其特征在于，所述交通场景事件包括：左车道超车、右车道超车、驶出匝道、左车道变道、右车道变道中的任意一种。6.一种自动驾驶决策规划模型的优化方法，其特征在于，所述方法包括：目标车辆获取训练数据；所述训练数据包括：第一自动驾驶决策结果以及目标交通数据；所述第一自动驾驶决策结果为利用第一...

【专利技术属性】
技术研发人员：杨轩，
申请(专利权)人：云控智行科技有限公司，
类型：发明
国别省市：