[发明专利]用于自动驾驶的模块数据协同处理方法及系统

权利要求书

1.用于自动驾驶的模块数据协同处理方法，其特征在于，所述方法包括：

连接第一车辆的车载控制系统，当所述车载控制系统接收第一处理任务，对所述第一处理任务进行分析，定位协同模块，其中，所述协同模块至少包括两个子模块；

对所述协同模块中的各个子模块进行实时任务采集，生成与所述协同模块中各个子模块对应的多个时间轮，所述多个时间轮中每个时间轮均包括对应子模块的实时任务表；

通过对多个时间轮进行预测，得到基于所述第一处理任务轮次的多个时间指数；

以所述第一处理任务对所述协同模块进行需求分析，得到预设协同指数；

根据所述多个时间指数进行协同适应度计算，当适应度指数不满足预设适应度指数，以所述预设协同指数为目标对所述协同模块进行分析，输出任务控制参数；

根据所述任务控制参数对所述多个时间轮进行任务控制；

所述方法还包括：

将所述车载控制系统与车载感知系统连接，基于所述车载感知系统对所述第一车辆的实时驾驶进行感知识别，得到感知数据集；

将所述感知数据集输入感知异常识别模型中，输出异常数据集；

以所述异常数据集进行反馈控制，生成所述第一处理任务，由所述车载感知系统将所述第一处理任务发送至所述车载控制系统；

所述方法还包括：

搭建全连接神经网络；

利用所述神经网络进行模型预训练，得到预训练模型，所述预训练模型的训练数据包括调用自动驾驶感知样本数据和自动驾驶异常样本数据；

根据所述车载感知系统中的感知源，初始化第一核函数；

利用所述第一核函数对所述预训练模型进行映射训练，输出感知异常识别模型，用于进行感知源的多维异常映射，每个感知源对应一个传感器的数据源；

通过对多个时间轮进行预测，得到基于所述第一处理任务轮次的多个时间指数，方法包括：

对所述多个时间轮中各个时间轮的实时任务表进行层级识别，得到每个层级时间对应的定时区间；

获取所述第一处理任务对应所处的层级，并根据所述第一处理任务对应所处的层级进行时长预测，得到各个时间轮对应的时长预测结果，其中，所述时长预测结果包括多个时间指数；

以所述第一处理任务对所述协同模块进行需求分析，得到预设协同指数，方法包括：

根据所述第一处理任务对所述协同模块中各个子模块的协同关系进行识别，将所述各个子模块作为拓扑节点生成协同拓扑网；

基于所述协同拓扑网，生成协同系数矩阵，所述协同系数矩阵中协同系数表征以两个子模块为识别向量对应的时间协同性；

通过对所述协同系数矩阵进行计算，得到预设协同指数；

以所述预设协同指数为目标对所述协同模块进行分析，输出任务控制参数，方法包括：

基于所述多个时间指数对所述协同模块中的各个子模块进行时间协同性分析，得到第一协同指数，以所述第一协同指数与所述预设协同指数之间的适应度，获取所述适应度指数；

当所述适应度指数不满足所述预设适应度指数，获取第一优化指令，根据所述第一优化指令，以所述预设协同指数为目标，引入第一协同损失函数进行分析，输出任务控制参数；

所述第一协同损失函数的公式有：

；

其中，为所述第一协同损失函数，通过最小化所述第一协同损失函数以达到收敛；

为需要学习的参数，表征所述第一协同指数中第i个模块对应的协同系数，表征所述预设协同指数中第i个模块的对应的协同系数；

为基于第i个模块对应时间协同损失函数，为基于n个模块对应的损失和函数，；

为正则化项，为正则化项的权重。

2.用于自动驾驶的模块数据协同处理系统，其特征在于，所述系统用于执行权利要求1所述的方法，所述系统包括：

任务定位模块，所述任务定位模块用于连接第一车辆的车载控制系统，当所述车载控制系统接收第一处理任务，对所述第一处理任务进行分析，定位协同模块，其中，所述协同模块至少包括两个子模块；

实时任务采集模块，所述实时任务采集模块用于对所述协同模块中的各个子模块进行实时任务采集，生成与所述协同模块中各个子模块对应的多个时间轮，所述多个时间轮中每个时间轮均包括对应子模块的实时任务表；

预测模块，所述预测模块用于通过对多个时间轮进行预测，得到基于所述第一处理任务轮次的多个时间指数；

需求分析模块，所述需求分析模块用于以所述第一处理任务对所述协同模块进行需求分析，得到预设协同指数；

任务控制参数输出模块，所述任务控制参数输出模块用于根据所述多个时间指数进行协同适应度计算，当适应度指数不满足预设适应度指数，以所述预设协同指数为目标对所述协同模块进行分析，输出任务控制参数；

任务控制模块，所述任务控制模块用于根据所述任务控制参数对所述多个时间轮进行任务控制。