[發明專利]人工神經網絡模型的訓練方法和裝置

有效

• 申請號: 201811285414.8
• 申請日: 2018-10-31
• 公開（公告）號: CN111126556B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 王靜;毛繼明;羅盾;周東毅
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06N3/0442
• 分類號: G06N3/0442;G06N3/08
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本發明實施例提出一種人工神經網絡模型的訓練方法和裝置，其中方法包括：獲取乘坐無人駕駛車輛的多次乘坐體驗結果；獲取每次所述乘坐體驗結果所對應的無人駕駛車輛的車輛行駛特征，對所述車輛行駛特征進行處理，得到無人駕駛車輛的整體特征向量；采用所述乘坐體驗結果及所述整體特征向量訓練人工神經網絡模型，所述人工神經網絡模型用于對無人駕駛車輛的乘坐體驗進行評估。本發明實施例能夠訓練出為無人駕駛車輛的乘坐體驗打分的人工神經網絡模型，從而無需由人工對無人駕駛車輛的乘坐體驗進行打分，節約了評估無人駕駛車輛的人力和時間成本。本發明實施例還提出一種無人駕駛車輛評估方法和裝置。

技術領域

本發明涉及無人駕駛車輛技術領域，尤其涉及一種人工神經網絡模型的訓練方法和裝置。

背景技術

現有的無人駕駛車輛評估方法，一般是針對安全性、便捷性等問題進行評估，目前尚沒有針對乘坐體驗的量化評估方法。由于乘坐體驗的主觀性，往往需要由真實人類乘客乘坐在道路上行駛的無人駕駛車輛，并對乘坐體驗給出打分。但是，這種打分方式需要耗費大量的人力和時間成本。

發明內容

本發明實施例提供一種人工神經網絡模型的訓練方法及裝置，以及一種無人駕駛車輛評估方法及裝置，以至少解決現有技術中的以上技術問題。

第一方面，本發明實施例提供了一種人工神經網絡模型的訓練方法，包括：

獲取乘坐無人駕駛車輛的多次乘坐體驗結果；

獲取每次所述乘坐體驗結果所對應的無人駕駛車輛的車輛行駛特征，對所述車輛行駛特征進行處理，得到無人駕駛車輛的整體特征向量；

采用所述乘坐體驗結果及所述整體特征向量訓練人工神經網絡模型，所述人工神經網絡模型用于對無人駕駛車輛的乘坐體驗進行評估。

在一種實施方式中，所述獲取每次所述乘坐體驗結果所對應的無人駕駛車輛的車輛行駛特征，包括：

針對每次乘坐體驗結果，確定所述乘坐體驗結果產生之前預設長度的時間段，獲取所述時間段內無人駕駛車輛的車輛行駛特征，將獲取的內容作為所述乘坐體驗結果所對應的無人駕駛車輛的車輛行駛特征。

在一種實施方式中，所述車輛行駛特征包括：車輛物理特征、車輛相對道路的特征和周圍障礙物的特征；

所述對所述車輛行駛特征進行處理，得到無人駕駛車輛的整體特征向量，包括：

采用長短期記憶方式對所述車輛物理特征進行處理，得到對應的第一特征向量；

采用長短期記憶方式對所述車輛相對道路的特征進行處理，得到對應的第二特征向量；

采用多層感知器對所述第一特征向量、第二特征向量以及周圍障礙物的特征進行處理，得到所述無人駕駛車輛的整體特征向量。

在一種實施方式中，所述車輛物理特征包括以下項中的至少一項：

縱向速度、縱向加速度、縱向加速度變化率、橫向角速度、橫向角速度變化率、曲率、曲率變化率、車輛運行朝向及車輛尺寸。

在一種實施方式中，所述車輛相對道路的特征包括以下項中的至少一項：

道路類型、車輛與道路邊界的距離、車輛基于道路坐標系的坐標值、車輛相對于道路中心線的朝向及未來道路信息。

在一種實施方式中，所述周圍障礙物的特征包括以下項中的至少一項：

所述無人駕駛車輛周圍預設范圍內的障礙物的速度、所述無人駕駛車輛與所述周圍預設范圍內的障礙物的車距、所述無人駕駛車輛相對前方障礙物的前進時間、以及所述無人駕駛車輛相對前方障礙物的碰撞時間；其中，所述前方障礙物在所述無人駕駛車輛周圍預設范圍內。

第二方面，本發明實施例還提出一種無人駕駛車輛評估方法，包括：