[发明专利]车辆控制方法和装置以及决策模型的获取方法和装置

权利要求书

1.一种车辆控制方法，其特征在于，包括：

在无人驾驶车辆的行驶过程中，实时获取当前的外界环境信息和地图信息，其中，所述地图信息为：基于高精地图获取到的地图信息；

根据预先训练得到的、体现外界环境信息、地图信息和车辆状态信息之间的对应关系的决策模型，确定出每次获取到的外界环境信息和地图信息对应的车辆状态信息，根据确定出的车辆状态信息对所述无人驾驶车辆的行驶状态进行控制。

2.根据权利要求1所述的车辆控制方法，其特征在于，

所述确定出每次获取到的外界环境信息和地图信息对应的车辆状态信息包括：

将每次获取到的外界环境信息和地图信息进行整合后，作为所述决策模型的输入，获取所述决策模型输出的所述车辆状态信息。

3.根据权利要求1或2所述的车辆控制方法，其特征在于，

所述决策模型的类型包括：支持向量机SVM模型、神经网络模型。

4.一种决策模型的获取方法，其特征在于，包括：

当驾驶员驾驶车辆在道路上行驶时，实时获取当前的外界环境信息、地图信息和车辆状态信息，其中，所述地图信息为：基于高精地图获取到的地图信息；

信息获取完毕，根据获取到的信息，训练得到体现外界环境信息、地图信息和车辆状态信息之间的对应关系的决策模型，以便在无人驾驶车辆的行驶过程中，在每次获取到当前的外界环境信息和地图信息后，根据所述决策模型，确定出获取到的外界环境信息和地图信息对应的车辆状态信息，并根据确定出的车辆状态信息对所述无人驾驶车辆的行驶状态进行控制。

5.根据权利要求4所述的决策模型的获取方法，其特征在于，

训练得到所述决策模型包括：

利用每次获取到的外界环境信息、地图信息和车辆状态信息组成一个训练样本，并且，将每个训练样本中的外界环境信息和地图信息进行整合后作为该训练样本中的输入，将每个训练样本中的车辆状态信息作为该训练样本中的输出；

根据各训练样本中的输入和输出训练得到所述决策模型。

6.根据权利要求5所述的决策模型的获取方法，其特征在于，

该方法进一步包括：

从各训练样本中筛除包含异常数据的训练样本，根据剩余的训练样本训练得到所述决策模型。

7.根据权利要求4、5或6所述的决策模型的获取方法，其特征在于，

所述决策模型的类型包括：支持向量机SVM模型、神经网络模型。

8.一种车辆控制装置，其特征在于，包括：获取单元、决策单元和控制单元；

所述获取单元，用于在无人驾驶车辆的行驶过程中，实时获取当前的外界环境信息和地图信息，并将每次获取到的外界环境信息和地图信息发送给所述决策单元，其中，所述地图信息为：基于高精地图获取到的地图信息；

所述决策单元，用于根据预先训练得到的、体现外界环境信息、地图信息和车辆状态信息之间的对应关系的决策模型，确定出每次接收到的外界环境信息和地图信息对应的车辆状态信息，将确定出的车辆状态信息发送给所述控制单元；

所述控制单元，用于根据接收到的车辆状态信息对所述无人驾驶车辆的行驶状态进行控制。

9.根据权利要求8所述的车辆控制装置，其特征在于，

所述决策单元将每次接收到的外界环境信息和地图信息进行整合后，作为所述决策模型的输入，获取所述决策模型输出的所述车辆状态信息。

10.根据权利要求8或9所述的车辆控制装置，其特征在于，

所述决策模型的类型包括：支持向量机SVM模型、神经网络模型。

11.一种决策模型的获取装置，其特征在于，包括：数据收集单元和模型训练单元；

所述数据收集单元，用于当驾驶员驾驶车辆在道路上行驶时，实时获取当前的外界环境信息、地图信息和车辆状态信息，其中，所述地图信息为：基于高精地图获取到的地图信息；

所述模型训练单元，用于当数据收集完毕后，根据获取到的信息，训练得到体现外界环境信息、地图信息和车辆状态信息之间的对应关系的决策模型，以便在无人驾驶车辆的行驶过程中，在每次获取到当前的外界环境信息和地图信息后，能够根据所述决策模型，确定出获取到的外界环境信息和地图信息对应的车辆状态信息，并根据确定出的车辆状态信息对所述无人驾驶车辆的行驶状态进行控制。