[发明专利]无人车规划驾驶策略的方法、装置、设备及存储介质

说明书

本发明提出了无人车规划驾驶策略的方法、装置等，其中无人车规划驾驶策略的方法，可以包括：根据采集的规划轨迹数据B和道路场景数据A，构建规划轨迹数据B、道路场景数据A、神经网络模型W之间的函数关系B_i＝f_i(A_i，W)，并且拟合得到神经网络模型W，其中i＝1、2、3、…n；对于驾驶员驾驶情况下的驾驶员行为轨迹进行拼接，生成驾驶员行为轨迹数据P；将作为负样本的规划轨迹数据B和作为正样本的驾驶员行为轨迹数据P输入神经网络模型W，对比学习在负样本和正样本情况下神经网络模型W的输出，并且将神经网络模型W进行修正，得到规划的驾驶策略G＝f(A，W’)，其中W’为修正的神经网络模型。

技术领域

本发明涉及机动车驾驶领域，具体涉及一种无人车规划驾驶策略的方法、装置、计算机设备、计算机存储介质等。

背景技术

在现有技术中，在无人车系统进行道路测试时，不可避免的会出现一些不可控的事件(例如计算机程序自身存在的缺陷，造成需要刹车的时候没有刹车，需要拐弯的时候没有拐弯等等)，造成人工接管，即，此时需要从自动驾驶模式切换到人工驾驶模式。在满足自动驾驶条件之后，再从人工驾驶模式切换到自动驾驶模式。如此反复。目前人工接管后主要是通过开发人员对接管情况进行分析并加以处理，例如通过规则参数的修改，以实现驾驶策略的改进和优化等。

由于在出现这些不可控的事件时，需要人工接管，使得无人车的体验感、舒适感、安全性都受到影响。

发明内容

如何解决现有技术中当无人车行驶过程中出现不可控的事件时，需要人工接管的问题，以便改进和优化现有技术的驾驶策略是个亟待解决的问题。

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

根据本发明的第一方面，提供了一种无人车规划驾驶策略的方法，可以包括：

根据采集的规划轨迹数据B和道路场景数据A，构建规划轨迹数据B、道路场景数据A、神经网络模型W之间的函数关系B_i＝f_i(A_i，W)，并且拟合得到神经网络模型W，其中i＝1、2、3、...n；

对于驾驶员驾驶情况下的驾驶员行为轨迹进行拼接，生成驾驶员行为轨迹数据P；

将作为负样本的规划轨迹数据B和作为正样本的驾驶员行为轨迹数据P输入神经网络模型W，对比学习在负样本和正样本情况下神经网络模型W的输出，并且将神经网络模型W进行修正，得到规划的驾驶策略G＝f(A，W’)，其中W’为修正的神经网络模型。

在本发明的一个实施例中，作为负样本的规划轨迹数据B可以包括：

在遍历所有规划轨迹情况下得到的规划轨迹数据B。

在本发明的另一个实施例中，其中对于驾驶员驾驶情况下的驾驶员行为轨迹进行拼接，生成驾驶员行为轨迹数据P可以包括：

针对多个时间段内的驾驶员行为轨迹进行拼接，生成驾驶员行为轨迹数据P。

在本发明的再一个实施例中，其中将作为负样本的规划轨迹数据B和作为正样本的驾驶员行为轨迹数据P输入神经网络模型W，对比学习在负样本和正样本情况下神经网络模型W的输出可以包括：

将作为负样本的规划轨迹数据B和作为正样本的驾驶员行为轨迹数据P同时输入神经网络模型W，对比学习同一时间段内负样本和正样本情况下神经网络模型W的输出。

根据本发明的第二方面，提供了一种无人车规划驾驶策略的装置，可以包括：