【技术实现步骤摘要】
本专利技术涉及车联网，具体而言，涉及基于车联网信息的车辆运行决策确定方法及装置。
技术介绍
1、近年来，无人驾驶发展迅速，但是由于无人驾驶在道路上行驶需要应对多种环境和路况来进行决策，控制车辆行驶；
2、现有技术中，各企业进行无人驾驶模型研发时，均采用神经网络算法等人工智能方法对不同的道路环境情况进行深度学习，再根据深、度学习的结果进行道路实测，最后形成可以实际应用的无人驾驶策略；
3、现有技术在前期对不同环境道路进行数据采集时，更多的关心采集精度、数据处理速度等问题，对于无人驾驶决策模型的构建是否正确并没有进行同步验证；现有技术中一般是采用两种方式，第一种先设计一个无人驾驶策略模型策略，然后在环境数据采集后，将两者融和后进行深度学习，当前期设计的模型策略不充分时，这样的方案可能会导致某些情况下的设计策略与环境数据不匹配，或者某些环境场景没有测试，后期无人驾驶模型无法适应；这是由于决策方案往往需要面对多种因素，导致决策方案慢，准确率低；另外，部分团队使用先采集数据，然后直接使用神经网络算法模拟各种环境路况，然后由系统自行学习最后得到满足行使要求的策略模型，但是该方案的计算量较第一种方法的计算量非常大，相对成本也较高，且容易出现一些逻辑错误，例如红绿灯时可以通行，前方无障碍物时却采取减速策略等；
4、针对上述情况，现需要一种能够在多种因素下能够快速准确的确定决策方案的方法和装置。
技术实现思路
1、本专利技术的目的在于提供一种基于车联网信息的车辆运
2、第一方面，本申请提供了一种基于车联网信息的车辆运行决策确定方法，包括：
3、获取车联网信息和车辆的四周环境信息，所述车联网信息包括所有车辆的导航信息、所有车辆的天气信息和所有车辆的路况信息，所述车辆的四周环境信息包括所有车辆遇到的信号灯信息和所有车辆的遇到的障碍物信息；
4、将所述车联网信息和所述车辆的四周环境信息发送至特征提取模块进行特征提取，得到至少一个时间段的信息特征；
5、将所有时间段的信息特征进行无量纲化和聚类处理，得到至少一个特征聚类簇；
6、将每个所述特征聚类簇内的特征进行组合配对和合理性检验，并将检验得到的具备合理性的的特征配对与预设的决策方法进行灰色关联分析，得到每个特征配对与预设的决策方法的关联度值；
7、将所述关联度值、预设的历史关联度值进行组合分析处理，得到每个特征配对所对应的决策方法，所述历史关联度值为历史特征配对与历史决策方法的关联度值。
8、另一方面，本申请还提供了一种基于车联网信息的车辆运行决策确定装置，包括：
9、第一获取单元，用于获取车联网信息和车辆的四周环境信息，所述车联网信息包括所有车辆的导航信息、所有车辆的天气信息和所有车辆的路况信息，所述车辆的四周环境信息包括所有车辆遇到的信号灯信息和所有车辆的遇到的障碍物信息；
10、第一处理单元，用于将所述车联网信息和所述车辆的四周环境信息发送至特征提取模块进行特征提取，得到至少一个时间段的信息特征；
11、第二处理单元，用于将所有时间段的信息特征进行无量纲化和聚类处理，得到至少一个特征聚类簇；
12、第一分析单元，用于将每个所述特征聚类簇内的特征进行组合配对和合理性检验，并将检验得到的具备合理性的的特征配对与预设的决策方法进行灰色关联分析，得到每个特征配对与预设的决策方法的关联度值；
13、第二分析单元，用于将所述关联度值、预设的历史关联度值进行组合分析处理，得到每个特征配对所对应的决策方法，所述历史关联度值为历史特征配对与历史决策方法的关联度值。
14、本专利技术的有益效果为：
15、本专利技术通过对车联网信息和车辆四周的环境信息进行分析，获取所述车联网信息和车辆四周的环境信息的特征，并基于所述特征进行关联分析，并将所有的特征进行聚类和组合配对，确定不同配对与不同决策方案的关联度值，进而寻求配对和决策方案的最优组合，进而确定最优的符合车辆四周环境的决策方案，增加车辆运行效率，减少成本。
16、本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种基于车联网信息的车辆运行决策确定方法，其特征在于，包括：
2.根据权利要求1所述的基于车联网信息的车辆运行决策确定方法，其特征在于,将将所述车联网信息和所述车辆的四周环境信息发送至特征提取模块进行特征提取，得到至少一个时间段的信息特征，包括：
3.根据权利要求1所述的基于车联网信息的车辆运行决策确定方法，其特征在于,所述将所有时间段的信息特征进行无量纲化和聚类处理，得到至少一个特征聚类簇，包括：
4.根据权利要求1所述的基于车联网信息的车辆运行决策确定方法，其特征在于,所述将每个所述特征聚类簇内的特征进行组合配对和合理性检验，并将检验得到的具备合理性的的特征配对与预设的决策方法进行灰色关联分析，得到每个特征配对与预设的决策方法的关联度值，包括：
5.根据权利要求1所述的基于车联网信息的车辆运行决策确定方法，其特征在于,将所述关联度值、预设的历史特征聚类簇与历史决策方法的历史关联度值进行组合分析处理，得到每个特征聚类簇对应的决策方案，包括：
6.一种基于车联网信息的车辆运行决策确定装置，其特征在于，包括：
<...【技术特征摘要】
1.一种基于车联网信息的车辆运行决策确定方法，其特征在于，包括：
2.根据权利要求1所述的基于车联网信息的车辆运行决策确定方法，其特征在于,将将所述车联网信息和所述车辆的四周环境信息发送至特征提取模块进行特征提取，得到至少一个时间段的信息特征，包括：
3.根据权利要求1所述的基于车联网信息的车辆运行决策确定方法，其特征在于,所述将所有时间段的信息特征进行无量纲化和聚类处理，得到至少一个特征聚类簇，包括：
4.根据权利要求1所述的基于车联网信息的车辆运行决策确定方法，其特征在于,所述将每个所述特征聚类簇内的特征进行组合配对和合理性检验，并将检验得到的具备合理性的的特征配对与预设的决策方法进行灰色关联分析，得到每个特征配对与预设的决策方法的关联度值，包括：<...
【专利技术属性】
技术研发人员：廖文俊，韩伟强，潘锁柱，胡炯光，廖坪，陈子龙，李平飞，
申请(专利权)人：西华大学，
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。