一种众包车辆的招募方法及相关设备技术

本申请实施例提供了一种众包车辆的招募方法及相关设备，用于扩大众包车辆的可招募范围，以尽可能地提升高精度地图的测绘性价比

【技术实现步骤摘要】
一种众包车辆的招募方法及相关设备


[0001]本申请实施例涉及智能交通
，尤其涉及一种众包车辆的招募方法及相关设备
。

技术介绍

[0002]高精度地图是自动驾驶的重要基础技术之一
。
目前市场上高精度地图的制作和更新主要有两种方式：采集车测绘和众包测绘
。
前者采集的数据精度高
、
适用路况全，但其高昂的成本也成为了高精度地图大规模产业化的障碍之一
。
其中，高精度地图采集车不仅需要装配许多高精度
、
高性能的传感器，而且需要配备专业的测绘人员
、
驾驶员，这就使得单个高精度地图采集车的成本高达上百万元
。
同时，高精度地图要求高新鲜度的数据，即采集车需要频繁对同一道路信息进行测绘采集，如果想要覆盖全中国超过
500
万公里的公路，所需的采集车数量将非常巨大
。
相比之下，众包测绘成为了众多图商以及各大车厂未来的高精度地图方案
。
[0003]众包测绘是指通过具有低感知能力的车辆对交通信息进行感知
、
收集并上传到云端，云端根据大量的反馈数据更新高精度地图
。
这些低感知能力的车辆也被称为众包车辆
。
由于“众包测绘”对于众包车辆的感知能力并没有特别高的要求，搭载低精度传感器的量产车便可胜任，因此该方案仅需要部署或者招募低成本的众包车辆
(
如私家车
、
网约车或者公交车等等
)
采集数据即可，具有低成本的优点
。
同时，随着车载传感器的升级
、
人工智能技术的持续进化，其低精确度和路况局限性等缺点正在逐渐被克服
。
[0004]但是众包测绘的落地仍然存在一些挑战
。
首先，高精度地图的高覆盖率和高新鲜度要求云端需要招募足够多的众包车辆，因此众包车辆的招募策略应当平衡高精度地图的新鲜度和成本两个维度；其次，众包车辆因搭载不同的传感器具有不同的感知能力和感知成本；最后，众包车辆的位置信息属于隐私，因此应当考虑在云端无法提前知道是否有众包车辆达到感知区域的情况下制定招募策略，因此众包车辆的随机到达性也应当被考虑在内
。
[0005]由此，亟需一种招募策略以招募众包车辆，从而平衡新鲜度和程度
。

技术实现思路

[0006]本申请实施例提供了一种众包车辆的招募方法及相关设备，用于扩大众包车辆的可招募范围，以尽可能地提升高精度地图的测绘性价比
。
[0007]本申请实施例第一方面提供了一种众包车辆的招募方法，应用于云服务器，包括：
[0008]获取与目标众包车辆存在关联的目标众包数据；其中，所述目标众包车辆包括第一类众包车辆和第二类众包车辆，所述目标众包数据包括与所述目标众包车辆的感知能力数据
、
感知成本数据及所述目标众包车辆到目标位置的到达概率数据；
[0009]根据所述目标众包数据确定初始招募策略；其中，所述初始招募策略用于确定招募所述目标众包车辆的招募排序；
[0010]依据所述初始招募策略及所述目标众包数据计算目标损失数据，根据所述目标损失数据确定目标招募策略；其中，所述目标招募策略用于确定在当前时刻招募的所述目标众包车辆
。
[0011]可选地，所述根据所述目标众包数据确定初始招募策略，包括：
[0012]设定当前时刻招募所述目标众包车辆的招募策略结构；其中，所述招募策略结构用于描述在当前时刻可招募的目标众包车辆；
[0013]根据所述招募策略结构中所招募的所述目标众包车辆，确定与所述目标众包车辆对应的所述感知能力数据和所述到达概率数据，并获取招募概率数据；其中，所述招募概率数据用于表示招募任一目标众包车辆后的地图数据的更新概率；
[0014]根据所述招募概率数据及所述感知成本数据确定所述初始招募策略
。
[0015]可选地，所述依据所述初始招募策略及所述目标众包数据计算目标损失数据，包括：
[0016]确定权重参数数据，并根据所述权重参数数据及与所述目标众包车辆对应的所述感知能力数据
、
所述感知成本数据和所述到达概率数据计算当前时刻的地图新鲜度数据；
[0017]根据所述初始招募策略确定当前时刻招募的所述目标众包车辆，并基于所述目标众包车辆对应的所述到达概率数据
、
所述招募概率数据
、
所述感知成本数据
、
所述地图新鲜度数据及所述权重参数数据确定初始损失数据；
[0018]确定招募策略的执行时间数据，对所述执行时间数据及所述初始损失数据进行计算，获取所述目标损失数据
。
[0019]可选地，所述根据所述目标损失数据确定目标招募策略，包括：
[0020]获取在同一执行时间数据下，对应不同目标众包车辆的目标损失数据；
[0021]获取所有所述目标损失数据中为最小值时的招募策略，并确定所述目标招募策略
。
[0022]可选地，所述根据所述目标众包数据确定初始招募策略之后，所述依据所述初始招募策略及所述目标众包数据确定目标招募策略之前，所述方法还包括：
[0023]根据所述初始招募策略确定招募的所述目标众包车辆；
[0024]确定权重参数数据，并根据所述权重参数数据及与所述目标众包车辆对应的所述感知能力数据
、
所述感知成本数据和所述到达概率数据计算阈值上界数据；其中，所述权重参数数据用于衡量招募所述目标众包车辆的招募成本数据及所述目标位置的地图损失度数据，所述阈值上界数据用于描述所述目标位置的所述地图新鲜度数据；
[0025]根据所述阈值上界数据及所述初始招募策略计算可行域数据；其中，所述可行域数据用于描述招募策略中可招募的所述目标众包车辆；
[0026]根据所述可行域数据确定中间招募策略；
[0027]所述依据所述初始招募策略及所述目标众包数据计算目标损失数据，包括：
[0028]根据所述中间招募策略及所述目标众包数据计算所述目标损失数据
。
[0029]可选地，所述根据所述阈值上界数据及所述初始招募策略计算可行域数据，包括：
[0030]若所述目标位置的地图数据未更新，根据所述阈值上界数据计算当前时刻的所述地图新鲜度数据；
[0031]确定所述初始招募策略中对应不同的所述目标众包车辆的所述阈值上界数据的
范围区间；
[0032]判定所述地图新鲜度数据位于的所述范围区间，确定所述可行域数据
。
[0033]可选地，所述依据所述初始招募策略及所述目标众包数据计算目标损失数据，根据所述目标损失数据确定目标招募策略之后，所述方法还包括：
[0034]根据所述目标招募策略于所述当前时刻前向所述目标众包车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种众包车辆的招募方法，其特征在于，应用于云服务器，所述方法包括：获取与目标众包车辆存在关联的目标众包数据；其中，所述目标众包车辆包括第一类众包车辆和第二类众包车辆，所述目标众包数据包括与所述目标众包车辆的感知能力数据
、
感知成本数据及所述目标众包车辆到目标位置的到达概率数据；根据所述目标众包数据确定初始招募策略；其中，所述初始招募策略用于确定招募所述目标众包车辆的招募排序；依据所述初始招募策略及所述目标众包数据计算目标损失数据，根据所述目标损失数据确定目标招募策略；其中，所述目标招募策略用于确定在当前时刻招募的所述目标众包车辆
。2.
根据权利要求1所述的众包车辆的招募方法，其特征在于，所述根据所述目标众包数据确定初始招募策略，包括：设定当前时刻招募所述目标众包车辆的招募策略结构；其中，所述招募策略结构用于描述在当前时刻可招募的目标众包车辆；根据所述招募策略结构中所招募的所述目标众包车辆，确定与所述目标众包车辆对应的所述感知能力数据和所述到达概率数据，并获取招募概率数据；其中，所述招募概率数据用于表示招募任一目标众包车辆后的地图数据的更新概率；根据所述招募概率数据及所述感知成本数据确定所述初始招募策略
。3.
根据权利要求2所述的众包车辆的招募方法，其特征在于，所述依据所述初始招募策略及所述目标众包数据计算目标损失数据，包括：确定权重参数数据，并根据所述权重参数数据及与所述目标众包车辆对应的所述感知能力数据
、
所述感知成本数据和所述到达概率数据计算当前时刻的地图新鲜度数据；根据所述初始招募策略确定当前时刻招募的所述目标众包车辆，并基于所述目标众包车辆对应的所述到达概率数据
、
所述招募概率数据
、
所述感知成本数据
、
所述地图新鲜度数据及所述权重参数数据确定初始损失数据；确定招募策略的执行时间数据，对所述执行时间数据及所述初始损失数据进行计算，获取所述目标损失数据
。4.
根据权利要求3所述的众包车辆的招募方法，其特征在于，所述根据所述目标损失数据确定目标招募策略，包括：获取在同一执行时间数据下，对应不同目标众包车辆的目标损失数据；获取所有所述目标损失数据中为最小值时的招募策略，并确定所述目标招募策略
。5.
根据权利要求1所述的众包车辆的招募方法，其特征在于，所述根据所述目标众包数据确定初始招募策略之后，所述依据所述初始招募策略及所述目标众包数据确定目标招募策略之前，所述方法还包括：根据所述初始招募策略确定招募的所述目标众包车辆；确定权重参数数据，并根据所述权重参数数据及与所述目标众包车辆对应的所述感知能力数据
、
所述感知成本数据和所述到达概率数据计算阈值上界数据；其中，所述权重参数数据用于衡量招募所述目标众包车辆的招募成本数据...

【专利技术属性】
技术研发人员：叶文涛，罗元，刘博，黄建伟，
申请(专利权)人：香港中文大学深圳，
类型：发明
国别省市：