[發明專利]交通信息流的構建方法和裝置

在審

• 申請號: 201811222416.2
• 申請日: 2018-10-19
• 公開（公告）號: CN111159832A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 張俊飛;孫慶瑞;毛繼明;董芳芳
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 楊瑾瑾;陳建煥

本發明實施例提出一種交通信息流的構建方法和裝置。該方法包括：加載需要構建的仿真場景的區域地圖；在所述區域地圖的中放置多個智能體；控制各所述智能體在所述區域地圖中運行，并收集各所述智能體的運行狀態；利用交通規則對各所述智能體的運行狀態進行強化學習，得到所述仿真場景的交通信息流。本發明實施例采用強化學習方法訓練仿真場景的交通信息流，可以提供足夠多且足夠復雜的自動駕駛仿真場景，從而使得自動駕駛車輛的仿真結果更加準確。

技術領域

本發明涉及自動駕駛技術領域，尤其涉及一種交通信息流的構建方法和裝置。

背景技術

從統計學意義上來講，無人車需要在完備路網行駛2億英里才能保證其性能超越人類，這種目標在實際場景中是難以實現的。通過仿真才能加速實現這一目標。在仿真模擬中，對路網交通信息進行了離散化形成離散的場景，按貝葉斯理論，至少需要3M(兆)場景才能實現這一目標。但是，在推導中要求3M場景完備地刻畫場景分布。

如果想要獲得完備的場景分布，可以開車在交通信息比較發達的場景中進行采集。在構建仿真場景時，一幀一幀地回放采集到的真實場景的視頻。例如，在某個時刻的某個位置出現障礙車。然后，將主車放置在根據實地采樣構建的場景中進行仿真。

現階段，通過實地采樣獲取完備的場景分布集合是異常困難的。此外，利用實地采樣獲得的場景一般更適用于采集地，換了其他地方的場景可能不一樣，仿真得到的結果可能不準確。

發明內容

本發明實施例提供一種交通信息流的構建方法和裝置，以解決現有技術中的一個或多個技術問題。

第一方面，本發明實施例提供了一種交通信息流的構建方法，包括：

加載需要構建的仿真場景的區域地圖；

在所述區域地圖的中放置多個智能體；

控制各所述智能體在所述區域地圖中運行，并收集各所述智能體的運行狀態；

利用交通規則對各所述智能體的運行狀態進行強化學習，得到所述仿真場景的交通信息流。

在一種實施方式中，利用交通規則對各所述智能體的運行狀態進行強化學習，得到所述仿真場景的交通信息流，包括：

利用規則庫中的交通規則對各所述智能體的運行狀態進行打分；

如果所述智能體的分數高于設定閾值，則對所述智能體進行獎勵；

如果所述智能體的分數低于設定閾值，則對所述智能體進行懲罰；

根據各智能體的分數和獎懲結果，調整各智能體的運行狀態，以使得各智能體的分數滿足設定閾值且不被懲罰。

在一種實施方式中，該方法還包括：

在所述仿真場景中放置主車，所述主車具有自動駕駛系統；

控制所述主車按照自身的運行策略在所述仿真場景中行駛；

對所述主車的行駛狀態進行判定，利用判定結果調整所述主車的運行策略。

在一種實施方式中，該方法還包括：

保存所述主車在所述仿真場景中行駛的快照信息。

在一種實施方式中，保存所述主車在所述仿真場景中行駛的快照信息，包括：

如果所述主車在所述仿真場景中行駛過程中出現事故，則保存事故過程的快照信息。

第二方面，本發明實施例提供了一種交通信息流的構建裝置，包括：

地圖加載模塊，用于加載需要構建的仿真場景的區域地圖；

智能體放置模塊，用于在所述區域地圖的中放置多個智能體；