[發(fā)明專利]駕駛策略的獲取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110479113.4
• 申請(qǐng)日: 2021-04-30
• 公開（公告）號(hào): CN113085873B
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 李君偉;劉宗成;郭宗環(huán);張康
• 申請(qǐng)（專利權(quán)）人: 東風(fēng)小康汽車有限公司重慶分公司
• 主分類號(hào): B60W40/09
• 分類號(hào): B60W40/09;G06N3/04;G06N3/08
• 代理公司: 北京市萬(wàn)慧達(dá)律師事務(wù)所 11111
• 代理人: 劉艷麗

本申請(qǐng)涉及一種駕駛策略的獲取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，所述方法包括：獲取目標(biāo)車輛的當(dāng)前駕駛操作信息以及當(dāng)前駕駛環(huán)境信息；將當(dāng)前駕駛操作信息與當(dāng)前駕駛環(huán)境信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到神經(jīng)網(wǎng)絡(luò)模型輸出的當(dāng)前駕駛策略；其中，神經(jīng)網(wǎng)絡(luò)模型通過(guò)目標(biāo)車輛的歷史駕駛操作信息和歷史駕駛環(huán)境信息、歷史駕駛策略進(jìn)行模型訓(xùn)練得到。上述方法能夠獲得與駕駛員的駕駛行為習(xí)慣匹配的當(dāng)前駕駛策略。

技術(shù)領(lǐng)域

本申請(qǐng)涉及車輛駕駛技術(shù)領(lǐng)域，特別是涉及一種駕駛策略的獲取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

目前隨著車輛上ADAS(Advanced Driving Assistance System，高級(jí)駕駛輔助系統(tǒng))的快速發(fā)展，配備TJA(Traffic Jam Assistant，交通擁堵輔助系統(tǒng))功能的量產(chǎn)車型呈現(xiàn)高速增長(zhǎng)。全球各大主機(jī)廠和科技公司都在大力研發(fā)ADAS，TJA作為ADAS子功能之一的重要性不言而喻。但是目前的TJA功能只在通用層面上制定了駕駛策略，制定的駕駛策略不能夠適配特定駕駛員。不同的駕駛員對(duì)于車輛駕駛特定的行為習(xí)慣，通用的駕駛策略不能夠滿足不同駕駛員的駕駛需求，降低駕駛員自動(dòng)駕駛體驗(yàn)。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種能夠與駕駛員的駕駛行為習(xí)慣適配的駕駛策略的獲取方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種駕駛策略的獲取方法，該方法包括：獲取目標(biāo)車輛的當(dāng)前駕駛操作信息以及當(dāng)前駕駛環(huán)境信息；將當(dāng)前駕駛操作信息與當(dāng)前駕駛環(huán)境信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到神經(jīng)網(wǎng)絡(luò)模型輸出的當(dāng)前駕駛策略；其中，神經(jīng)網(wǎng)絡(luò)模型通過(guò)目標(biāo)車輛的歷史駕駛操作信息和歷史駕駛環(huán)境信息、歷史駕駛策略進(jìn)行模型訓(xùn)練得到。

在其中一個(gè)實(shí)施例中，一種駕駛策略的獲取方法還包括：獲取目標(biāo)車輛的歷史駕駛操作信息和歷史駕駛環(huán)境信息、歷史駕駛策略；通過(guò)歷史駕駛操作信息和歷史駕駛環(huán)境信息、歷史駕駛策略對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練。

在其中一個(gè)實(shí)施例中，當(dāng)前駕駛操作信息包括駕駛員對(duì)目標(biāo)車輛的駕駛操控信息，當(dāng)前駕駛環(huán)境信息包括當(dāng)前道路的環(huán)境信息和目標(biāo)車輛的周圍車輛信息。

在其中一個(gè)實(shí)施例中，當(dāng)前駕駛環(huán)境信息包括表征所述目標(biāo)車輛的周圍車輛的加塞操作的加塞信息，當(dāng)前駕駛操作信息包括表征駕駛員對(duì)加塞操作的接受度的第一駕駛操作信息；將當(dāng)前駕駛操作信息與當(dāng)前駕駛環(huán)境信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到神經(jīng)網(wǎng)絡(luò)模型輸出的當(dāng)前駕駛策略，包括：將加塞信息和第一駕駛操作信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到當(dāng)前駕駛策略的防加塞駕駛策略。

在其中一個(gè)實(shí)施例中，加塞信息包括周圍車輛與目標(biāo)車輛的車距信息以及周圍車輛的車輛姿態(tài)信息，第一駕駛操作信息包括目標(biāo)車輛的行駛方向的駕駛控制信息；將加塞信息和第一駕駛操作信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到當(dāng)前駕駛策略的防加塞駕駛策略，包括：將車距信息、車輛姿態(tài)信息和行駛方向的駕駛控制信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到神經(jīng)網(wǎng)絡(luò)模型輸出的跟車距離和/或目標(biāo)車輛與道路邊線的距離；其中，防加塞駕駛策略用于根據(jù)跟車距離和/或目標(biāo)車輛與道路邊線的距離指示目標(biāo)車輛進(jìn)行防加塞駕駛。

在其中一個(gè)實(shí)施例中，當(dāng)前駕駛環(huán)境信息包括目標(biāo)車輛的周圍車輛的車輛類型以及當(dāng)前道路的路況信息，當(dāng)前駕駛操作信息包括表征駕駛員避讓周圍車輛的第二駕駛操作信息；將駕駛操作信息與駕駛環(huán)境信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到神經(jīng)網(wǎng)絡(luò)模型輸出的當(dāng)前駕駛策略，包括：將車輛類型、路況信息和第二駕駛操作信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到當(dāng)前駕駛策略的避讓駕駛策略。

在其中一個(gè)實(shí)施例中，路況信息包括當(dāng)前道路的車道數(shù)量以及導(dǎo)航路線信息，第二駕駛操作信息包括目標(biāo)車輛的速度控制信息以及駕駛方向控制信息；將車輛類型、路況信息和第二駕駛操作信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到當(dāng)前駕駛策略的避讓駕駛策略，包括：將車輛類型、車道數(shù)量以及導(dǎo)航路線信息和速度控制信息、駕駛方向控制信息輸入到神經(jīng)網(wǎng)絡(luò)模型中，得到避讓駕駛策略。