CN110991095A - 一种车辆行驶决策模型的训练方法及装置 - Google Patents

Abstract

本说明书公开了一种车辆行驶决策模型的训练方法及装置。本说明书将实际环境信息通过预先训练的第一GAN生成类似于实际环境信息的虚拟环境信息（即，样本环境信息），并将该样本环境信息输入到预先训练的第二GAN生成与该样本环境信息相匹配的虚拟行驶决策（即，样本行驶决策），然后用该样本环境信息、与该样本环境信息对应的样本行驶决策训练车辆行驶决策模型。该种训练方式降低了车辆行驶决策模型对历史数据的依赖，当车辆处于交通状况较为复杂的环境中时，也能输出适应于车辆所处的环境和车辆行驶状态的行驶决策，使得车辆行驶决策模型的泛化性较强。

Description

一种车辆行驶决策模型的训练方法及装置

技术领域

本说明书涉及无人驾驶技术领域，尤其涉及一种车辆行驶决策模型的训练方法及装置。

背景技术

目前，车辆的智能化作为人工智能技术的重要组成部分，在社会生产、生活中的作用日益凸显，成为引导交通技术发展的主要方向之一。

在现有技术中，无人车及具有辅助驾驶功能的车辆（以下统称“车辆”）多采用预设的决策模型，根据对车辆所处的环境的分析，得出与该环境相适应的行驶决策，使得车辆能够根据该行驶决策行驶。可见，决策模型的训练决定了决策模型所输出的行驶决策的准确性。

当前，在决策模型的训练过程中，需要根据大量的已知专家数据对模型进行训练。专家数据一般包括各个时间点的车辆的动作以及车辆所处的环境，可以以车辆当前时刻的动作和车辆当前所处环境为输入，以下一时刻车辆的动作为标签，对模型进行训练。

然而，在实际操作过程中，由于专家数据的获取比较复杂，获取之后还需要人工筛选专家数据以及对专家数据做标签等处理，导致工作量很大。而且，如果仅根据专家数据对模型进行训练，会使得训练的决策模型对专家数据的依赖性较强，影响决策模型训练效果，导致该模型泛化性较差，使得该训练后的决策模型无法输出适应于车辆所处的环境和车辆行驶状态的行驶决策，危及车辆的行驶安全。在车辆处于交通状况较为复杂的环境中时，上述弊端将更加明显。

发明内容

本说明书实施例提供一种车辆行驶决策模型的训练方法及装置，以部分解决上述现有技术存在的问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种车辆行驶决策模型的训练方法，包括：

将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息；

将所述虚拟环境信息输入到所述第一GAN中的第一判别器，使所述第一判别器判断所述虚拟环境信息是否为实际环境信息；

将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到预先训练的第二GAN中的第二生成器，得到所述第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；

将所述各虚拟行驶决策输入到所述第二GAN中的第二判别器，使所述第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；

将所述第二判别器判定为与所述样本环境信息相匹配的虚拟行驶决策作为样本行驶决策；

根据所述样本环境信息以及与所述样本环境信息相匹配的样本行驶决策，对待训练的车辆行驶决策模型进行训练。

可选的，将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息，具体包括：对历史数据中的实际环境信息加扰；将加扰后的实际环境信息输入到预先训练的第一GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息。

可选的，预先训练所述第一GAN，具体包括：将历史数据中的实际环境信息输入到待训练的所述第一GAN中的第一生成器，得到待训练的第一生成器输出的虚拟环境信息；将所述待训练的第一生成器输出的虚拟环境信息输入到待训练的所述第一GAN中的第一判别器，使待训练的第一判别器判断所述待训练的第一生成器输出的虚拟环境信息是否为实际环境信息；以所述待训练的第一生成器输出的虚拟环境信息被所述待训练的第一判别器判定为实际环境信息的概率最大，且，所述待训练的第一判别器判定所述待训练的第一生成器输出的虚拟环境信息为实际环境信息的概率最小，为训练目标，对所述第一GAN进行训练，直至所述待训练的第一生成器与所述待训练的第一判别器达到纳什平衡。

可选的，预先训练所述第二GAN，具体包括：将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到待训练的所述第二GAN中的第二生成器，得到待训练的第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；将所述待训练的第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策输入到待训练的所述第二GAN中的第二判别器，使待训练的第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；以所述待训练的第二生成器输出的对应于所述样本环境信息的每个虚拟行驶决策被所述待训练的第二判别器判定为与所述样本环境信息相匹配的概率最大，且，所述待训练的第二判别器判定所述待训练的第二生成器输出的对应于所述样本环境信息的每个虚拟行驶决策与所述样本环境信息是否相匹配的准确率最大，为训练目标，对所述第二GAN进行训练。

可选的，所述第二判别器用于针对每个虚拟行驶决策，确定该虚拟行驶决策与所述样本环境信息的匹配度，并当该虚拟行驶决策与所述样本环境信息的匹配度大于指定阈值时，判定每个虚拟行驶决策与所述样本环境信息相匹配，当该虚拟行驶决策与所述样本环境信息的匹配度不大于指定阈值时，判定每个虚拟行驶决策与所述样本环境信息不匹配；对所述第二GAN进行训练，具体包括：在所述第二GAN进行训练的过程中，当满足指定条件时，将所述指定阈值提高，直到所述指定阈值达到预设阈值为止。

可选的，所述实际环境信息或者所述虚拟环境信息均包括：公路线路图、交通路线、交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种；所述虚拟行驶决策包括：车辆位姿。

可选的，对历史数据中的实际环境信息加扰，具体包括：对所述实际环境信息中交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种进行加扰。

本说明书提供的一种车辆行驶决策模型的训练装置，包括：

第一输入模块，用于将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息；

第一判断模块，用于将所述虚拟环境信息输入到所述第一GAN中的第一判别器，使所述第一判别器判断所述虚拟环境信息是否为实际环境信息；

第二输入模块，用于将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到预先训练的第二GAN中的第二生成器，得到所述第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；

第二判断模块，用于将所述各虚拟行驶决策输入到所述第二GAN中的第二判别器，使所述第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；

确定模块，用于将所述第二判别器判定为与所述样本环境信息相匹配的虚拟行驶决策作为样本行驶决策；

训练模块，用于根据所述样本环境信息以及与所述样本环境信息相匹配的样本行驶决策，对待训练的车辆行驶决策模型进行训练。

本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述车辆行驶决策模型的训练方法。

本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述车辆行驶决策模型的训练方法。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

本说明书实施例将实际环境信息通过预先训练的第一GAN生成类似于实际环境信息的虚拟环境信息（即，样本环境信息），并将该样本环境信息输入到预先训练的第二GAN生成与该样本环境信息相匹配的虚拟行驶决策（即，样本行驶决策），然后用该样本环境信息、与该样本环境信息对应的样本行驶决策训练车辆行驶决策模型，该种训练方式降低了车辆行驶决策模型对历史数据的依赖，当车辆处于交通状况较为复杂的环境中时，也能输出适应于车辆所处的环境和车辆行驶状态的行驶决策，使得车辆行驶决策模型的泛化性较强。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书实施例提供的一种车辆行驶决策模型的训练***架构示意图；

图2为本说明书实施例提供的一种车辆行驶决策模型的训练方法的流程示意图；

图3为本说明书实施例提供的一种车辆行驶决策模型的训练装置的结构示意图；

图4为本说明书实施例提供的电子设备的结构示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

在本说明书实施例中，可采用如图1所示的***架构训练车辆行驶决策模型，该***架构主要包括第一生成式对抗网络（Generative Adversarial Networks，GAN）、第二GAN和车辆行驶决策模型。其中，第一GAN包括第一生成器和第一判别器，第二GAN包括第二生成器和第二判别器。

将实际环境信息输入到第一生成器，使得第一生成器生成虚拟环境信息；将虚拟环境信息输入到第二判别器，使得第二判别器判断输入的虚拟环境信息是否为实际环境信息，并将判定结果反馈给第一生成器。第一生成器将第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并将该样本环境信息输入到第二生成器，使得第二生成器生成针对该样本环境信息的各虚拟行驶决策；将各虚拟行驶决策输入到第二判别器，使得第二判别器判断各虚拟行驶决策是否与该样本环境信息相匹配，并将判定结果反馈给第二生成器。第二生成器将第二判别器判定为与该样本环境信息相匹配的虚拟行驶决策作为样本行驶决策。通过样本环境信息，以及与样本环境信息相对应的样本行驶决策，对车辆行驶决策模型进行训练。

下面将结合附图，对上述过程进行详细说明。如图2所示，图2为本说明书提供的一种车辆行驶决策模型的训练方法的流程示意图，该流程示意图包括：

S100：将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到第一生成器输出的虚拟环境信息。

历史数据可为驾驶专家在不同路况环境下驾驶车辆时的车辆状态以及实际环境信息。实际环境信息可包括公路线路图、交通路线、交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种。其中，障碍物可为动态障碍物（如，其他车辆、行人）和静态障碍物（如，栏杆），障碍物的状态信息可为障碍物的位姿、外形等。

实际环境信息可通过车辆自带的传感器采集，还可通过该车辆的控制***获取。另外，实际环境信息还可通过云端设备基于车辆所处的位置来确定。总之，获取实际环境信息等历史数据的方式有多种，本说明书实施例对此不作限制。

如图1所示，预先训练的第一生成器通过历史数据中的实际环境信息输出虚拟环境信息。该虚拟环境信息虽然不是实际环境信息，但是该虚拟环境信息与实际环境信息近似，能够提高数据的多样性，并且生成的过程更高效，大大降低了采集历史数据时的成本，也降低了后续车辆行驶决策模型训练时对历史数据的依赖，泛化性更强。

S102：将虚拟环境信息输入到第一GAN中的第一判别器，使第一判别器判断虚拟环境信息是否为实际环境信息。

预先训练的第一判别器可以历史数据中的实际环境信息为参考标准，对预先训练的第一生成器输出的虚拟环境信息进行判断，若是将虚拟环境信息判定为实际环境信息，则说明第一生成器输出的虚拟环境信息与实际环境信息相近似，后续可用来训练车辆行驶决策模型。

S104：将第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到预先训练的第二GAN中的第二生成器，得到第二生成器输出的对应于样本环境信息的各虚拟行驶决策。

由于样本环境信息为第一判别器判定为实际环境信息的虚拟环境信息（即该虚拟环境信息与实际环境信息的相似度极高），因此，第二生成器输出的也是对应于该样本环境信息的各虚拟行驶决策。其中，第二生成器认定适合在该样本环境信息下车辆所执行的各虚拟行驶决策，称之为“对应于”该样本环境信息的各虚拟行驶决策。针对一个样本环境信息，可有一个或多个与之对应的虚拟行驶决策，本说明书实施例对此不作限制。

S106：将各虚拟行驶决策输入到第二GAN中的第二判别器，使第二判别器分别判断每个虚拟行驶决策是否与样本环境信息相匹配。

继续沿用上例，如图1所示，尽管第二生成器能够输出对应于该样本环境信息的各虚拟行驶决策，但考虑到实际的交通状况较为复杂，第二生成器认定适合该样本环境信息的各虚拟行驶决策可能与该样本环境信息并不是全部匹配。此时，需要预先训练的第二判别器分别判断每个虚拟行驶决策是否与样本环境信息相匹配。

S108：将第二判别器判定为与样本环境信息相匹配的虚拟行驶决策作为样本行驶决策。

将预先训练的第二判别器判定为与样本环境信息相匹配的虚拟行驶决策作为样本行驶决策，对后续的车辆行驶决策模型进行训练时，能够提高模型的准确性。

S110：根据样本环境信息以及与样本环境信息相匹配的样本行驶决策，对待训练的车辆行驶决策模型进行训练。

可将样本环境信息以及与样本环境信息相匹配的样本行驶决策作为标签，对待训练的车辆行驶决策模型进行训练。若车辆行驶决策模型为强化学习模型，则车辆行驶决策模型的训练过程可包括：获取当前的车辆状态信息和当前的环境信息；将样本环境信息、与样本环境信息相匹配的样本行驶决策作为标签；将当前的车辆状态信息和当前的环境信息输入待训练的车辆行驶决策模型，得到待训练的车辆行驶决策模型输出的车辆行驶决策；根据车辆行驶决策、标签，确定车辆行驶决策的奖励；以奖励最大化为训练目标，对待训练的车辆行驶决策模型进行训练，得到训练后的车辆行驶决策模型。

其中，车辆状态信息可包括车辆位姿（如，车辆所处的位置、车辆姿态、车辆的朝向等）、车辆速率等。当前的车辆状态信息可通过车辆自带的传感器采集，还可通过该车辆的控制***获取。当前的环境信息也可通过上述方式获取，此处不再赘述。输出的车辆行驶决策可通过行驶轨迹的形式体现。

另外，还可根据历史数据中的实际环境信息、历史数据中的车辆状态信息、样本环境信息、与样本环境信息相匹配的样本行驶决策，对待训练的车辆行驶决策模型进行训练。即，车辆行驶决策模型的训练既结合了依赖性强的历史数据，还结合了与历史数据相近似的随机性数据（即，样本环境信息、与样本环境信息相匹配的实际环境信息等），将依赖性强和随机性大的数据相结合对模型训练，提高了数据的多样性，降低了模型对历史数据的依赖，该种方式能够提高车辆行驶决策模型的泛化性。

本说明书实施例采用GAN网络生成虚拟环境信息。GAN网络根据极大极小博弈原理，分别对生成器与判别器进行训练，使得GAN网络生成的数据具有真实性。另外，由于GAN网络基于无监督学习，相比于通过大量的历史数据训练模型相比，该种方式极大地降低了成本，并且为模型训练提供了更丰富的数据，增加了训练模型的数据的多样性，能够解决仅通过历史数据训练模型时成本极高、以及训练出的模型泛化性较低的问题。以对交通信号灯（红灯、绿灯、黄灯）处理为例，若是通过相似度的方法生成与实际交通信号灯相似的信息，可能会出现蓝灯，尽管蓝灯与绿灯的相似度很高，但是却并不符合实际情况，若采用GAN网络对交通信号灯处理，便不会出现类似问题。

本说明书实施例先通过一个GAN来生成虚拟环境信息，然后将生成的虚拟环境信息输入到另一个GAN，使其生成与该虚拟环境信息相匹配的虚拟行驶决策。由于环境信息与行驶决策的性质并不相同，后续训练模型时所需要的环境信息可以是类似于实际环境信息的环境信息，但是所需要的行驶决策并不是类似于实际行驶轨迹的行驶轨迹，而是适配于该环境信息的行驶轨迹，只有通过该种数据训练模型，才可以提高模型的准确性。

由此可见，一个GAN的训练目的是生成与实际环境信息相类似的虚拟环境信息，另一个GAN的训练目的是生成与该虚拟环境信息相适配的虚拟行驶决策。本说明书实施例基于两个不同的目的分别训练两个GAN，会使得训练的针对性更强，每个GAN的结构也比较简单，不只是提高了训练速度，还提高了模型的准确性。但若是仅通过一个GAN来实现上述的两个训练目的（即，既要生成近似数据，又要生成适配数据），便会使得建模非常复杂，训练速度也很慢，另外，模型的准确性也很难保证。

训练好车辆行驶决策模型后，可将其用于确定车辆的行驶轨迹。具体过程可为：当要确定车辆的行驶轨迹时，获取车辆监测到的自身的车辆状态信息和环境信息；将监测到的车辆状态信息和环境信息输入到训练后的车辆行驶决策模型中，得到训练后的车辆行驶决策模型输出的车辆行驶决策；根据训练后的车辆行驶决策模型输出的车辆行驶决策，对车辆进行控制。

可选的，对于步骤S100的具体实现方式，可先对历史数据中的实际环境信息加扰，然后将加扰后的实际环境信息输入到预先训练的第一GAN中的第一生成器，第一生成器根据加扰后的实际环境信息输出虚拟环境信息。其中，实际环境信息或者虚拟环境信息均包括：公路线路图、交通路线、交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种，虚拟行驶决策包括：车辆位姿。那么，对历史数据中的实际环境信息加扰，具体可为：对实际环境信息中交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种进行加扰。需要说明的是，在对实际环境信息加扰时，并不会对公路线路图和交通路线加扰，主要考虑到公路线路图和交通路线为真实的道路情况，若是对其加扰，可能会导致加扰后的实际环境信息不可用，影响模型训练的准确性。

历史数据中的实际环境信息包括实际图像，其中的实际图像可通过车辆自带的传感器采集或者通过该车辆的控制***获取。本说明书实施例可先将实际图像转换成抽象图像，然后将抽象图像输入到预先训练的第一GAN中的第一生成器。将实际图像转换成抽象图像，具体过程包括：识别实际图像信息中包含的各关键要素；根据电子地图以及实际图像信息，确定各关键要素所处的位置；针对每个关键要素，根据该关键要素所处的位置，将预设的与该关键要素相匹配的模型以指定方式添加在抽象图像中。将较为离散的环境信息转换成图像然后输入到第一生成器中，能够方便模型的训练。进一步的，将实际图像转换成抽象图像的方式，能够去掉实际图像中一些与模型训练无关的要素，比如周边的树木、房屋等，能够加速模型的训练速度。另外，若是采用俯视图的方式获取实际图像，会使得环境信息的有效性更强。

预先训练第一GAN，具体包括：将历史数据中的实际环境信息输入到待训练的第一GAN中的第一生成器，得到待训练的第一生成器输出的虚拟环境信息；将待训练的第一生成器输出的虚拟环境信息输入到待训练的第一GAN中的第一判别器，使待训练的第一判别器判断待训练的第一生成器输出的虚拟环境信息是否为实际环境信息（即，真实环境信息）；以待训练的第一生成器输出的虚拟环境信息更接近实际环境信息，且，待训练的第一判别器判定待训练的第一生成器输出的虚拟环境信息为实际环境信息的概率最小，为训练目标，对第一GAN进行训练，直至待训练的第一生成器与待训练的第一判别器达到纳什平衡，即，待训练的第一生成器输出的虚拟环境信息与实际环境信息没有区别，待训练的第一判别器判定环境信息真伪的概率约为50％。

预先训练第二GAN，具体包括：将第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到待训练的第二GAN中的第二生成器，得到待训练的第二生成器输出的对应于样本环境信息的各虚拟行驶决策；将待训练的第二生成器输出的对应于样本环境信息的各虚拟行驶决策输入到待训练的第二GAN中的第二判别器，使待训练的第二判别器分别判断每个虚拟行驶决策是否与样本环境信息相匹配；以待训练的第二生成器输出的对应于样本环境信息的每个虚拟行驶决策被待训练的第二判别器判定为与样本环境信息相匹配的概率最大，且，待训练的第二判别器判定待训练的第二生成器输出的对应于样本环境信息的每个虚拟行驶决策与样本环境信息是否相匹配的准确率最大，为训练目标，对第二GAN进行训练。

进一步的，第二判别器用于针对每个虚拟行驶决策，确定该虚拟行驶决策与样本环境信息的匹配度，并当该虚拟行驶决策与样本环境信息的匹配度大于指定阈值时，判定每个虚拟行驶决策与样本环境信息相匹配，当该虚拟行驶决策与样本环境信息的匹配度不大于指定阈值时，判定每个虚拟行驶决策与样本环境信息不匹配；对第二GAN进行训练，具体包括：在第二GAN进行训练的过程中，当满足指定条件时，将指定阈值提高，直到指定阈值达到预设阈值为止。

需要说明的是，各虚拟行驶决策与样本环境信息之间的匹配度可通过分值体现。具体的，可在仿真环境下，使车辆按照各虚拟行驶决策行驶，根据车辆行驶的轨迹以及与障碍物的交互程度分别对各虚拟行驶决策打分，轨迹越平滑和/或与越少的障碍物碰撞，则相应的分值越高，分值越高，说明该虚拟行驶决策与样本环境信息的匹配度越高。本说明书实施例中的仿真环境既可为真实仿真环境，也可为虚拟仿真环境。其中的指定条件可为：针对一个样本环境信息，第二生成器输出的多个虚拟行驶决策中至少有三分之二被第二判别器判定为与该样本环境信息相匹配，那么此时可将指定阈值提高10分。

下面举例说明第二GAN的训练，将预设阈值定为80分，先将指定阈值定为30分，此时针对一个样本环境信息，若是第二生成器对应于该样本环境信息输出12个虚拟行驶决策，第二判别器判定至少有8个虚拟行驶决策与该样本环境信息之间的匹配度分值不小于30分，那么则将指定阈值提高到40分。继续对第二GAN进行训练，此时针对一个样本环境信息，若是第二生成器对应于该样本环境信息输出9个虚拟行驶决策，第二判别器判定至少有6个虚拟行驶决策与该样本环境信息之间的匹配度分值不小于40分，那么则将指定阈值提高到50分，依次类推，直到将指定阈值的分值提高到80分（达到预设阈值）为止，将第二GAN训练好。

此外，可将第一GAN训练好以后，再训练第二GAN；也可使第一GAN与第二GAN同时训练。即，在第二GAN的训练过程中，将第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到待训练的第二GAN中的第二生成器时，此时的第一判别器既可为训练好的第一判别器，也可为训练过程中的第一判别器。在第一GAN与第二GAN的训练过程中，可采用随机梯度下降法（Stochastic Gradient Descent，SGD）或者适应性∇矩估计法（Adaptive Moment Estimation，ADAM）训练。

第一GAN中的第一生成器可为卷积神经网络（Convolutional Neural Networks，CNN），第一GAN中的第一判别器可为卷积神经网络CNN，第二GAN中的第二生成器可为卷积神经网络CNN，第二GAN中的第二判别器可为责任敏感安全模型（Responsibility-SensitiveSafety，RSS）。当然，也可以采用其他模型，本说明书实施例对此不作限制。

本说明书实施例可将实际环境信息通过第一GAN生成类似于实际环境信息的虚拟环境信息（即，样本环境信息），并将该样本环境信息输入第二GAN生成与该样本环境信息相匹配的虚拟行驶决策（即，样本行驶决策），然后用该样本环境信息、与该样本环境信息对应的样本行驶决策训练车辆行驶决策模型。该种训练方式降低了车辆行驶决策模型对历史数据的依赖，采用较少的历史数据获取更多的与历史数据近似的数据，使训练车辆行驶决策模型的数据更具多样性，采用该种方式训练出的车辆行驶决策模型，在线上实际应用时，能够在车辆处于交通状况较为复杂的环境中时，也能输出适应于车辆所处的环境和车辆行驶状态的行驶决策，使得车辆行驶决策模型的泛化性较强，还大大降低了成本。

本说明书提供的上述车辆行驶决策模型的训练过程具体可应用于针对无人车的行驶决策模型的训练。无人车可以为无人配送车，该无人配送车可以应用于使用无人配送车进行配送的领域，如，使用无人配送车进行快递、外卖等配送的场景。具体的，在上述的场景中，可使用多个无人配送车所构成的自动驾驶车队进行配送。

以上为本说明书实施例提供的车辆行驶决策模型的训练方法，基于同样的思路，本说明书还提供了相应的装置、存储介质和电子设备。

图3为本说明书实施例提供的一种车辆行驶决策模型的训练装置的结构示意图，所述装置包括：

第一输入模块200，用于将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息；

第一判断模块202，用于将所述虚拟环境信息输入到所述第一GAN中的第一判别器，使所述第一判别器判断所述虚拟环境信息是否为实际环境信息；

第二输入模块204，用于将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到预先训练的第二GAN中的第二生成器，得到所述第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；

第二判断模块206，用于将所述各虚拟行驶决策输入到所述第二GAN中的第二判别器，使所述第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；

确定模块208，用于将所述第二判别器判定为与所述样本环境信息相匹配的虚拟行驶决策作为样本行驶决策；

训练模块210，用于根据所述样本环境信息以及与所述样本环境信息相匹配的样本行驶决策，对待训练的车辆行驶决策模型进行训练。

可选的，所述第一输入模块200，具体用于对历史数据中的实际环境信息加扰；将加扰后的实际环境信息输入到预先训练的第一GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息。

可选的，所述装置还包括第一预训练模块212，具体用于预先将历史数据中的实际环境信息输入到待训练的所述第一GAN中的第一生成器，得到待训练的第一生成器输出的虚拟环境信息；将所述待训练的第一生成器输出的虚拟环境信息输入到待训练的所述第一GAN中的第一判别器，使待训练的第一判别器判断所述待训练的第一生成器输出的虚拟环境信息是否为实际环境信息；以所述待训练的第一生成器输出的虚拟环境信息被所述待训练的第一判别器判定为实际环境信息的概率最大，且，所述待训练的第一判别器判定所述待训练的第一生成器输出的虚拟环境信息为实际环境信息的概率最小，为训练目标，对所述第一GAN进行训练，直至所述待训练的第一生成器与所述待训练的第一判别器达到纳什平衡。

可选的，所述装置还包括第二预训练模块214，具体用于预先将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到待训练的所述第二GAN中的第二生成器，得到待训练的第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；将所述待训练的第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策输入到待训练的所述第二GAN中的第二判别器，使待训练的第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；以所述待训练的第二生成器输出的对应于所述样本环境信息的每个虚拟行驶决策被所述待训练的第二判别器判定为与所述样本环境信息相匹配的概率最大，且，所述待训练的第二判别器判定所述待训练的第二生成器输出的对应于所述样本环境信息的每个虚拟行驶决策与所述样本环境信息是否相匹配的准确率最大，为训练目标，对所述第二GAN进行训练。

可选的，所述第二预训练模块214还用于使第二判别器针对每个虚拟行驶决策，确定该虚拟行驶决策与所述样本环境信息的匹配度，并当该虚拟行驶决策与所述样本环境信息的匹配度大于指定阈值时，判定每个虚拟行驶决策与所述样本环境信息相匹配，当该虚拟行驶决策与所述样本环境信息的匹配度不大于指定阈值时，判定每个虚拟行驶决策与所述样本环境信息不匹配；对所述第二GAN进行训练，具体包括：在所述第二GAN进行训练的过程中，当满足指定条件时，将所述指定阈值提高，直到所述指定阈值达到预设阈值为止。

可选的，所述实际环境信息或者所述虚拟环境信息均包括：公路线路图、交通路线、交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种；所述虚拟行驶决策包括：车辆位姿。所述第一输入模块200，具体用于对所述实际环境信息中交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种进行加扰。

本说明书还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可用于执行上述图2提供的一种车辆行驶决策模型的训练方法。

基于图2所示的车辆行驶决策模型的训练方法，本说明书实施例还提供了图4所示的电子设备的结构示意图。如图4，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图2所述的车辆行驶决策模型的训练方法。

当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、***、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、***或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种车辆行驶决策模型的训练方法，其特征在于，包括：

将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息；

将所述虚拟环境信息输入到第一GAN中的第一判别器，使所述第一判别器判断所述虚拟环境信息是否为实际环境信息；

将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到预先训练的第二GAN中的第二生成器，得到所述第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；

将所述各虚拟行驶决策输入到所述第二GAN中的第二判别器，使所述第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；

将所述第二判别器判定为与所述样本环境信息相匹配的虚拟行驶决策作为样本行驶决策；

根据所述样本环境信息以及与所述样本环境信息相匹配的样本行驶决策，对待训练的车辆行驶决策模型进行训练。

2.如权利要求1所述的方法，其特征在于，将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息，具体包括：

对历史数据中的实际环境信息加扰；

将加扰后的实际环境信息输入到预先训练的第一GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息。

3.如权利要求1所述的方法，其特征在于，预先训练所述第一GAN，具体包括：

将历史数据中的实际环境信息输入到待训练的所述第一GAN中的第一生成器，得到待训练的第一生成器输出的虚拟环境信息；

将所述待训练的第一生成器输出的虚拟环境信息输入到待训练的所述第一GAN中的第一判别器，使待训练的第一判别器判断所述待训练的第一生成器输出的虚拟环境信息是否为实际环境信息；

以所述待训练的第一生成器输出的虚拟环境信息被所述待训练的第一判别器判定为实际环境信息的概率最大，且，所述待训练的第一判别器判定所述待训练的第一生成器输出的虚拟环境信息为实际环境信息的概率最小，为训练目标，对所述第一GAN进行训练，直至所述待训练的第一生成器与所述待训练的第一判别器达到纳什平衡。

4.如权利要求1或3所述的方法，其特征在于，预先训练所述第二GAN，具体包括：

将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到待训练的所述第二GAN中的第二生成器，得到待训练的第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；

将所述待训练的第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策输入到待训练的所述第二GAN中的第二判别器，使待训练的第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；

以所述待训练的第二生成器输出的对应于所述样本环境信息的每个虚拟行驶决策被所述待训练的第二判别器判定为与所述样本环境信息相匹配的概率最大，且，所述待训练的第二判别器判定所述待训练的第二生成器输出的对应于所述样本环境信息的每个虚拟行驶决策与所述样本环境信息是否相匹配的准确率最大，为训练目标，对所述第二GAN进行训练。

5.如权利要求4所述的方法，其特征在于，所述第二判别器用于针对每个虚拟行驶决策，确定该虚拟行驶决策与所述样本环境信息的匹配度，并当该虚拟行驶决策与所述样本环境信息的匹配度大于指定阈值时，判定每个虚拟行驶决策与所述样本环境信息相匹配，当该虚拟行驶决策与所述样本环境信息的匹配度不大于指定阈值时，判定每个虚拟行驶决策与所述样本环境信息不匹配；

对所述第二GAN进行训练，具体包括：

在所述第二GAN进行训练的过程中，当满足指定条件时，将所述指定阈值提高，直到所述指定阈值达到预设阈值为止。

6.如权利要求2所述的方法，其特征在于，所述实际环境信息或者所述虚拟环境信息均包括：公路线路图、交通路线、交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种；

所述虚拟行驶决策包括：车辆位姿。

7.如权利要求6所述的方法，其特征在于，对历史数据中的实际环境信息加扰，具体包括：

对所述实际环境信息中交通信号灯、车辆的速度、车辆感知的环境中各障碍物的状态信息中的至少一种进行加扰。

8.一种车辆行驶决策模型的训练装置，其特征在于，包括：

第一输入模块，用于将历史数据中的实际环境信息输入到预先训练的第一生成式对抗网络GAN中的第一生成器，得到所述第一生成器输出的虚拟环境信息；

第一判断模块，用于将所述虚拟环境信息输入到第一GAN中的第一判别器，使所述第一判别器判断所述虚拟环境信息是否为实际环境信息；

第二输入模块，用于将所述第一判别器判定为实际环境信息的虚拟环境信息作为样本环境信息，并输入到预先训练的第二GAN中的第二生成器，得到所述第二生成器输出的对应于所述样本环境信息的各虚拟行驶决策；

第二判断模块，用于将所述各虚拟行驶决策输入到所述第二GAN中的第二判别器，使所述第二判别器分别判断每个虚拟行驶决策是否与所述样本环境信息相匹配；

确定模块，用于将所述第二判别器判定为与所述样本环境信息相匹配的虚拟行驶决策作为样本行驶决策；

训练模块，用于根据所述样本环境信息以及与所述样本环境信息相匹配的样本行驶决策，对待训练的车辆行驶决策模型进行训练。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一项所述的方法。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一项所述的方法。

Images