[發明專利]處理自動駕駛訓練數據的方法和裝置

在審

• 申請號: 201710792053.5
• 申請日: 2017-09-05
• 公開（公告）號: CN107784709A
• 公開（公告）日: 2018-03-09
• 發明（設計）人: 姜雨;郁浩;閆泳杉;鄭超;唐坤;張云飛
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G07C5/08
• 分類號: G07C5/08;G06K9/62
• 代理公司: 北京漢昊知識產權代理事務所(普通合伙)11370
• 代理人: 羅朋

1.一種處理自動駕駛訓練數據的方法，包括：

a.獲取多個時刻的數據過濾相關信息及所述自動駕駛訓練數據；

b.根據所述數據過濾相關信息，判斷每個時刻的自動駕駛訓練數據所表示的駕駛行為是否異常；

c.過濾異常駕駛行為所對應的所述自動駕駛訓練數據。

2.根據權利要求1所述的方法，其中，所述步驟b包括：

-建立基于隱馬爾科夫模型定義的駕駛行為的觀測狀態序列；

-建立駕駛行為狀態的隱馬爾科夫模型，所述駕駛行為狀態包括：正常駕駛狀態和異常駕駛狀態；

-根據所述數據過濾相關信息以及所述隱馬爾科夫模型，判斷每個時刻的所述觀測狀態序列是否對應所述異常駕駛狀態。

3.根據權利要求2所述的方法，其中，所述建立駕駛行為狀態的隱馬爾科夫模型的步驟包括：

-建立所述隱馬爾科夫模型的樣本庫；

-根據所述樣本庫中的所述數據過濾相關信息確定每個時刻的隱馬爾科夫模型訓練的的觀測狀態序列；

-根據所述樣本庫中的所述數據過濾相關信息和所述隱馬爾科夫模型訓練的觀測狀態序列，對所述隱馬爾科夫模型進行訓練，確定隱馬爾科夫模型的參數。

4.根據權利要求3所述的方法，其中，所述步驟b還包括：

-根據每個時刻的所述觀測狀態序列是否對應所述異常駕駛狀態的判斷結果，更新所述隱馬爾科夫模型的參數。

5.根據權利要求2至4中任一項所述的方法，其中，所述觀測狀態序列包括：正常行駛狀態，急加速狀態，急剎車狀態，急轉彎狀態，偏離航線狀態。

6.根據權利要求1所述的方法，其中，所述步驟b包括：

-獲取交通信號信息；

-根據所述數據過濾相關信息以及所述交通信號信息判斷對應時刻的駕駛行為是否違反交通規則；

-確定違反交通規則時的駕駛行為是異常駕駛行為。

7.根據權利要求6所述的方法，其中，所述獲取交通信號信息的步驟還包括：

-接收交通信號指示標志發送的無線信號，獲取所述交通信號信息。

8.根據權利要求1所述的方法，其中，所述步驟b包括：

-確定車輛起步前的車輛靜止時的駕駛行為是異常駕駛行為。

9.一種處理自動駕駛訓練數據的裝置，其中，所述裝置包括：

-數據獲取單元，配置為獲取多個時刻的數據過濾相關信息及所述自動駕駛訓練數據；

-異常判斷單元，配置為根據所述數據過濾相關信息，判斷每個時刻的自動駕駛訓練數據所表示的駕駛行為是否異常；

-數據過濾單元，配置為過濾異常駕駛行為所對應的所述自動駕駛訓練數據。

10.根據權利要求9所述的裝置，其中，所述異常判斷單元包括：

-觀測狀態建立模塊，配置為建立基于隱馬爾科夫模型定義的駕駛行為的觀測狀態序列；

-模型建立模塊，配置為建立駕駛行為狀態的隱馬爾科夫模型，所述駕駛行為狀態包括：正常駕駛狀態和異常駕駛狀態；

-狀態判斷模塊，配置為根據所述數據過濾相關信息以及所述隱馬爾科夫模型，判斷每個時刻的所述觀測狀態序列是否對應所述異常駕駛狀態。

11.根據權利要求10所述的裝置，其中，所述模型建立模塊還包括：

-樣本庫建立子模塊，配置為建立所述隱馬爾科夫模型的樣本庫；

-第一狀態建立子模塊，配置為根據所述樣本庫中的所述數據過濾相關信息確定每個時刻的隱馬爾科夫模型訓練的的觀測狀態序列；

-模型訓練子模塊，配置為根據所述樣本庫中的所述數據過濾相關信息和所述隱馬爾科夫模型訓練的觀測狀態序列，對所述隱馬爾科夫模型進行訓練，確定隱馬爾科夫模型的參數。

12.根據權利要求11所述的裝置，其中，所述異常判斷單元還包括：

-參數更新模塊，配置為根據每個時刻的所述觀測狀態序列是否對應所述異常駕駛狀態的判斷結果，更新所述隱馬爾科夫模型的參數。

13.根據權利要求10至12任一項所述的裝置，其中，所述觀測狀態序列包括：正常行駛狀態，急加速狀態，急剎車狀態，急轉彎狀態，偏離航線狀態。