[發明專利]一種基于神經網絡的數據處理方法及系統

在審

• 申請號: 202210120614.8
• 申請日: 2022-02-08
• 公開（公告）號: CN114443796A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 宦渙;劉嬌龍;閆學亮;蔡慧星
• 申請（專利權）人: 云控智行（上海）汽車科技有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06N3/04;G06N3/08
• 代理公司: 上海港慧專利代理事務所(普通合伙) 31402
• 代理人: 楊鍇

本申請涉及一種基于神經網絡的數據處理方法及系統，涉及智能交通領域。所述方法包括根據第一區域的地圖數據，構造神經網絡的輸入特征向量，所述地圖數據包括路側信息、距離信息、道路信息、接收信息；基于歷史數據，構建訓練集、驗證集、測試集；構建淺層神經網絡模型；訓練、驗證、測試所述淺層神經網絡模型，生成最終的神經網絡模型；將所述神經網絡模型集成至自動駕駛控制器，確定所述地圖數據相關的第一信息。本申請的基于神經網絡的數據處理方法及系統，基于訪問時間、頻率以及道路特點、RSU分布特點等多維度信息，使數據處理優先級排序更合理，有效釋放緩存資源，實現存儲實際需要緩存的地圖數據的目的。

技術領域

本申請涉及智能交通領域，尤其涉及基于神經網絡的數據處理方法及系統。

背景技術

在自動駕駛或車路協同系統中，車端的自動駕駛控制器需要處理高精度地圖信息。對于一般的車載導航，高精度地圖數據量龐大，存儲量高出數個量級，若完全依賴于車載自動駕駛控制器，無法實現持久化存儲高精度地圖信息。

車路協同系統中，路側單元RSU可以向自動駕駛車輛廣播地圖MAP數據，MAP緩存是自動駕駛車載終端為解決無法持久化高精度地圖數據的一種常用手段。現有技術中，往往簡單地將車輛行駛過程中獲取到的全部地圖信息數據以某種格式存儲在本地文件系統中，以備實時數據缺失時調用。上述方式對本地存儲空間資源消耗較大，同時對實時高速本地檢索提出較高挑戰，例如，與地圖數據相關的應用對實時響應要求，一般在毫秒級。

現有技術中用于解決本地存儲空間資源消耗較大的方法，僅僅基于簡單的經驗算法為緩存MAP計算排序權重，例如使用操作系統中常用的LRU算法、LFU算法等，然后釋放按此排序靠后的緩存數據。然而，現有技術未充分利用具備價值的信息，僅僅基于通用信息的處理方式，可能造成權重估計不合理，實際需要的數據排序靠后而被釋放。

因此，期望提供一種基于神經網絡的數據處理方法及系統，基于訪問時間、頻率以及道路特點、RSU分布特點等多維度信息，使數據處理優先級排序更合理，有效釋放緩存資源，實現存儲實際需要緩存的地圖數據的目的。

發明內容

根據本申請的一些實施例的第一方面，提供了一種基于神經網絡的數據處理方法，應用于終端(例如，自動駕駛控制器等)中，所述方法可以包括根據第一區域的地圖數據，構造神經網絡的輸入特征向量，所述地圖數據包括路側信息、距離信息、道路信息、接收信息；基于歷史數據，構建訓練集、驗證集、測試集；構建淺層神經網絡模型；訓練、驗證、測試所述淺層神經網絡模型，生成最終的神經網絡模型；將所述神經網絡模型集成至自動駕駛控制器，確定所述地圖數據相關的第一信息。

在一些實施例中，所述路側信息包括路側單元RSU的數量信息，所述距離信息包括所述路側單元與所述第一區域的平均距離信息，所述道路信息包括道路平均曲率信息，所述接收信息包括距離上次數據接收失敗的時長信息。

在一些實施例中，所述構造神經網絡的輸入特征向量，具體包括根據發送所述第一區域的地圖數據的RSU數量x1，RSU到所述第一區域中點的平均距離x2，道路平均曲率x3，距離上次數據接收失敗的時長x4，構造輸入特征向量X＝[x1,x2,x3,x4]。

在一些實施例中，所述地圖數據未被接收的概率P作為輸出向量。

在一些實施例中，所述構建淺層神經網絡模型，具體包括構建淺層神經網絡模型P＝σ(W_rX+b_r)，其中，X為輸入特征向量，P為地圖數據未被收到的概率，激活函數σ用于將輸出控制在0至1之間，Wr為需經訓練得到的權重參數、br為需經訓練得到的偏移參數。

在一些實施例中，所述基于神經網絡的數據處理方法包括確定損失函數，具體包括根據地圖數據接收失敗的概率P與地圖數據的實際接收信息的交叉熵，確定損失函數。