CN113946125B - 一种基于多源感知与控制信息的决策方法及装置 - Google Patents
一种基于多源感知与控制信息的决策方法及装置 Download PDFInfo
- Publication number
- CN113946125B CN113946125B CN202111228422.0A CN202111228422A CN113946125B CN 113946125 B CN113946125 B CN 113946125B CN 202111228422 A CN202111228422 A CN 202111228422A CN 113946125 B CN113946125 B CN 113946125B
- Authority
- CN
- China
- Prior art keywords
- decision
- data
- source
- perception
- perception data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008447 perception Effects 0.000 claims abstract description 56
- 230000006870 function Effects 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 17
- 238000012163 sequencing technique Methods 0.000 claims 2
- 230000009471 action Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 14
- 238000010295 mobile communication Methods 0.000 description 6
- 230000001953 sensory effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种基于多源感知与控制信息的决策方法及装置，涉及自动驾驶技术领域。所述方法包括：输入多源数据，包括感知数据以及决策数据；预处理所述感知数据，确定所述感知数据的影响度；根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；确定决策因子，对所述最优决策进行控制修正，并输出决策结果。本申请的基于多源感知与控制信息的决策方法及装置，通过对多源数据进行分类，分为感知数据和决策数据，对感知数据标记其感知来源；对于决策数据，标记其对应的感知数据；计算不同的感知数据对决策作用的影响因子并拟合结果，提高决策效率和安全性。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其涉及基于多源感知与控制信息的决策方法及装置。
背景技术
近年来，随着我国汽车保有量的爆发式增长，交通问题成为了制约现代城市社会经济发展的重要因素。当前自动驾驶还处在初期发展阶段，对于自动驾驶的车辆，是需要一个类似人类“大脑”的智能控制器。目前自动驾驶的单车自身会安装大量的传感器，如：摄像头、双目摄像头、高精度定位、惯导IMU、角雷达、激光雷达，这些传感器在给车辆的智能控制器提供单车视角的道路实时感知数据(例如，车辆前后左右的其他车辆、行人等)。同时，车路协同大量的路侧智能化设备(例如，摄像头、毫米波雷达、激光雷达)也会给车辆传输路侧视角的道路实时感知数据(例如，道路上车辆位置、速度、航向，行人等)。对于车辆的智能控制器就存在多源的数据的输入，而不同的传感器本身由于精度和对环境敏感的差异，感知的结果的置信度存在动态变化的过程。更复杂的情况，单车各类传感器不单是仅仅给出感知的结果，还会基于感知结果给出决策建议(例如，跟车、换道、加减速等)，同样，路侧智能化设备通过V2X PC5的广播通信或自动驾驶的云端通过4G/5G的蜂窝通信也会给车辆基于路侧视角的决策建议(例如，跟车、换道、加减速等)，而这些决策建议也是基于不同来源的传感器的感知结果做出的决策判断。
现有的控制器需要冗余识别这其中的决策冲突风险，通用做法是直接进行后续的“预测”执行，判断不同决策执行下，单车自动驾驶在下几秒的行为是否与道路上其他感知目标存在冲突，产生碰撞风险。然而，这种预测执行，需要针对每种数据来源进行遍历判断，计算量很大，同时多次计算的计算时延对于一定速度条件下的自动驾驶也是巨大风险。
因此，期望提供一种基于多源感知与控制信息的决策方法及装置，通过对多源数据进行分类，分为感知数据和决策数据，对感知数据标记其感知来源；对于决策数据，标记其对应的感知数据；计算不同的感知数据对决策作用的影响因子并拟合结果，提高决策效率和安全性。
发明内容
根据本申请的一些实施例的第一方面，提供了一种基于多源感知与控制信息的决策方法，应用于平台(例如，云控平台等)中，具体包括：
输入多源数据，包括感知数据以及决策数据；
预处理所述感知数据，确定所述感知数据的影响度；
根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；
对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；
确定决策因子，对所述最优决策进行控制修正，并输出决策结果。
优选地，上述基于多源感知与控制信息的决策方法，其中，通过自动驾驶车辆执行所述决策结果。
优选地，上述基于多源感知与控制信息的决策方法，其中，所述确定感知数据的影响度，对预设数目的感知数据，具体包括：
其中，所述xik为感知数据，k取值范围1～n，n为多源感知数据的来源数；
gi(xik)为所述决策数据，其中i取值范围1～m，m为决策数据的总数；
pi(xik)为在时间步t内，感知数据k判断执行第i个决策的影响因子。
优选地，上述基于多源感知与控制信息的决策方法，其中，在时间步t内，对于决策i，根据感知数据的影响因子由大到小进行排序，选取影响度前u个构建多维度量函数J(i)，在k的取值范围，u小于等于n。
优选地，上述基于多源感知与控制信息的决策方法，其中，构建多维度量函数J(i)具体包括：
其中，J(i)为多维度量函数。
优选地，上述基于多源感知与控制信息的决策方法，其中，对于所有的决策i＝1，…，m，根据决策评估J(i)的结果选取最大值作为最优决策。
优选地，上述基于多源感知与控制信息的决策方法，其中，定义一个决策因子γ，0≤γ＜1，通过调节决策因子γ，完成最优决策的控制修正，具体包括：
其中J*为最优决策；
γi为决策i的决策因子；
m为决策的总个数。
另一方面，本申请载提供一种基于多源感知与控制信息的决策装置，其中，包括：
一个存储器，被配置为存储数据及指令；
一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：
输入多源感知数据，以及决策数据；
预处理所述感知数据，确定所述感知数据的影响度；
根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；
对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；
确定决策因子，对所述最优决策进行控制修正，并输出决策结果。
再一方面，本申请再提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述权利要求1至7任意项所述的基于多源感知与控制信息的决策方法。
最后，本申请再提供一种电子设备，其中，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器运行，使得所述一个或多个处理器实现上述权利要求1至7任意项所述的基于多源感知与控制信息的决策方法。
与现有技术相比，本申请的有益效果是：
根据本申请实施例的基于多源感知与控制信息的决策方法及装置，通过对多源数据进行分类，分为感知数据和决策数据，对感知数据标记其感知来源；对于决策数据，标记其对应的感知数据；计算不同的感知数据对决策作用的影响因子并拟合结果，提高决策效率和安全性。
附图说明
为更好地理解并阐述本申请的一些实施例，以下将结合附图参考实施例的描述，在这些附图中，同样的数字编号在附图中指示相应的部分。
图1是根据本申请的一些实施例提供的基于多源感知与控制信息的决策***的示例性示意图。
图2是根据本申请的一些实施例提供的基于多源感知与控制信息的决策方法的示例性流程图。
具体实施方式
以下参考附图的描述为便于综合理解由权利要求及其等效内容所定义的本申请的各种实施例。这些实施例包括各种特定细节以便于理解，但这些仅被视为示例性的。因此，本领域技术人员可以理解对在此描述的各种实施例进行各种变化和修改而不会脱离本申请的范围和精神。另外，为简要并清楚地描述本申请，本申请将省略对公知功能和结构的描述。
在以下说明书和权利要求书中使用的术语和短语不限于字面含义，而是仅为能够清楚和一致地理解本申请。因此，对于本领域技术人员，可以理解，提供对本申请各种实施例的描述仅仅是为说明的目的，而不是限制所附权利要求及其等效定义的本申请。
下面将结合本申请一些实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一”、“一个”、“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本申请中使用的术语“和/或”是指并包含一个或多个相绑定的列出项目的任何或所有可能组合。表达“第一”、“第二”、“所述第一”和“所述第二”是用于修饰相应元件而不考虑顺序或者重要性，仅仅被用于区分一种元件与另一元件，而不限制相应元件。
根据本申请一些实施例的终端可以是平台，装备和/或电子设备，该平台可以包括云控平台等，所述平台可以包括由一个或多个电子设备组成的***平台；该装备可以包括智能车辆(Intelligent Connected Vehicle，ICV)；该电子设备可以包括个人电脑(PC，例如平板电脑、台式电脑、笔记本、上网本、掌上电脑PDA)、客户端设备、虚拟现实设备(VR)、增强现实设备(AR)、混合现实设备(MR)、XR设备、渲染机、智能手机、移动电话、电子书阅读器、便携式多媒体播放器(PMP)、音频/视频播放器(MP3/MP4)、摄像机和可穿戴设备等中的一种或几种的组合。根据本申请的一些实施例，所述可穿戴设备可以包括附件类型(例如手表、戒指、手环、眼镜、或头戴式装置(HMD))、集成类型(例如电子服装)、装饰类型(例如皮肤垫、纹身或内置电子装置)等，或几种的组合。在本申请的一些实施例中，所述电子设备可以是灵活的，不限于上述设备，或者可以是上述各种设备中的一种或几种的组合。在本申请中，术语“用户”可以指示使用电子设备的人或使用电子设备的设备(例如人工智能电子设备)。
本申请实施例提供了一种基于多源感知与控制信息的决策方法及装置。为了便于理解本申请实施例，以下将参考附图对本申请实施例进行详细描述。
图1是根据本申请的一些实施例提供的基于多源感知与控制信息的决策***的示例性示意图。如图1所述，基于多源感知与控制信息的决策***100可以包括网络110、控制端120、用户端130和服务器140等。具体的，控制端120与用户端130在通过网络建立通信，例如，控制端120与用户端130可以在同一个局域网(比如，同一个路由器的网络环境等)中通信。进一步，控制端120可以通过有线(例如，网线等)或无线(例如，云端服务器等)等方式与网络110连接，用户端130可以通过有线或无线(例如，WIFI等)等方式与网络110建立通信连接。在一些实施例中，用户端130可以向控制端120、服务器140发送多源数据，例如感知数据等。进一步地，控制端120、服务器140可以向用户端130反馈决策数据等信息。根据反馈的决策数据信息，用户端130可以执行决策结果数据，在自动驾驶场景中应用所述决策结果。作为示例，服务器140可以获取用户端130的感知信息等，所述感知信息可以包括但不限于通过摄像头、双目摄像头、高精度定位、惯导IMU、角雷达、激光雷达等获取的信息。
根据本申请的一些实施例，控制端120、用户端130可以为相同或不同的终端设备等。所述终端设备可以包括但不限于配置自动驾驶功能的车辆终端等。在自动驾驶使用场景中，控制端120可以包括基于多源感知与控制信息的决策平台，云控平台等，用户端130可以包括配置自动驾驶功能的车辆等。在一些实施例中，控制端120和用户端130可以集成在一个设备中，例如，配置自动驾驶功能的车辆终端***等。在一些实施例中，服务器140是计算机的一种，具有比普通计算机运行更快、负载更高等优势，而相对应的价格更高昂。在网络环境中，服务器可以为其它客户机(例如，PC机、智能手机、ATM等终端，以及交通***等大型设备)提供计算或者应用服务。服务器具有高速的CPU运算能力、长时间的可靠运行、强大的I/O外部数据吞吐能力以及更好的扩展性。所述服务器可以提供的服务包括但不限于承担响应服务请求、承担服务、保障服务的能力等。所述服务器作为电子设备，具有极其复杂的内部结构，包括与普通计算机相近的内部结构等，作为示例，所述服务器的内部结构可以包括中央处理器(Central Processing Unit，CPU)、硬盘、内存，***、***总线等。
在本申请的一些实施例中，基于多源感知与控制信息的决策***100可以省略一个或多个元件，或者可以进一步包括一个或多个其它元件。作为示例，基于多源感知与控制信息的决策***100可以包括多个用户端130，如多辆配置自动驾驶功能的车辆等。又例如，基于多源感知与控制信息的决策***100可以包括一个或多个控制端120，如基于多源感知与控制信息的决策平台等。再例如，基于多源感知与控制信息的决策***100可以包括多个服务器140等。在一些实施例中，基于多源感知与控制信息的决策***100可以包括但不限于基于多源数据的自动驾驶应用场景处理的***。网络110可以为任意类型的通信网络，所述通信网络可以包括计算机网络(例如，局域网(LAN，Local Area Network)或广域网(WAN，Wide Area Network))、互联网和/或电话网络等，或几种的组合。在一些实施例中，网络110可以为其他类型的无线通信网络。所述无线通信可以包括微波通信和/或卫星通信等。所述无线通信可以包括蜂窝通信，例如，全球移动通信(GSM，Global System for MobileCommunications)、码分多址(CDMA，Code Division Multiple Access)、第三代移动通信(3G，The 3rd Generation Telecommunication)、***移动通信(4G)、第五代移动通信(5G)、第六代移动通信(6G)、长期演进技术(LTE，Long Term Evolution)、长期演进技术升级版(LTE-A，LTE-Advanced)、宽带码分多址(WCDMA，Wideband Code Division MultipleAccess)、通用移动通信***(UMTS，Universal Mobile Telecommunications System)、无线宽带(WiBro，Wireless Broadband)等，或几种的组合。在一些实施例中，用户端130可以为其他具备同等功能模块的装备和/或电子设备，该装备和/或电子设备可以包括自动驾驶车辆(Intelligent Connected Vehicle，ICV)、虚拟现实设备(VR)、渲染机、个人电脑(PC，例如平板电脑、台式电脑、笔记本、上网本、掌上电脑PDA)、智能手机、移动电话、电子书阅读器、便携式多媒体播放器(PMP)、音频/视频播放器(MP3/MP4)、摄像机和可穿戴设备等中的一种或几种的组合。
在一些实施例中，所述WIFI可以为其他类型的无线通信技术。根据本申请的一些实施例，所述无线通信可以包括无线局域网(WiFi，Wireless Fidelity)、蓝牙、低功耗蓝牙(BLE，Bluetooth Low Energy)、紫蜂协议(ZigBee)、近场通讯(NFC，Near FieldCommunication)、磁安全传输、射频和体域网(BAN，Body Area Network)等，或几种的组合。根据本申请的一些实施例，所述有线通信可以包括全球导航卫星***(Glonass/GNSS，Global Navigation Satellite System)、全球定位***(GPS，Global Position System)、北斗导航卫星***或伽利略(欧洲全球卫星导航***)等。所述有线通信可以包括通用串行总线(USB，Universal Serial Bus)、高清多媒体接口(HDMI，High-Definition MultimediaInterface)、推荐标准232(RS-232，Recommend Standard 232)、和/或简易老式电话服务(POTS，Plain Old Telephone Service)等，或几种的组合。
需要说明的是，以上对于基于多源感知与控制信息的决策***100的描述，仅为描述方便，并不能把本申请限制在所举实施例的范围之内。可以理解，对于本领域技术人员，基于本***的原理，可能在不背离该原理的前提下，对各个元件进行任意组合，或者构成子***与其他元件连接，对实施上述方法和***的应用领域进行形式和细节上的各种修正和改变。例如，控制端120可以通过基于多源感知与控制信息的决策平台实现控制，用户端130可以集成在自动驾驶车辆中等。诸如此类的变形，均在本申请的保护范围之内。
图2是根据本申请的一些实施例提供的基于多源感知与控制信息的决策方法的示例性流程图。如图2所述，流程200可以通过基于多源感知与控制信息的决策***100实现。在一些实施例中，所述基于多源感知与控制信息的决策方法200可以自动启动或通过指令启动。所述指令可以包括***指令、设备指令、用户指令、动作指令等，或几种的组合。
在201，输入多源数据，包括感知数据以及决策数据。操作201可以通过基于多源感知与控制信息的决策***100的控制端120、服务器140实现。在一些实施例中，控制端120和/或服务器140可以输入多源数据，包括感知数据以及决策数据。在一些实施例中，用户端130可以实时获取感知数据信息并发送至控制端120和/或服务器140。进一步，控制端120可以根据所述感知数据生成对应的决策数据等。例如，多感知数据可以生成对应的一个决策数据，或生成多个决策数据等。又例如，控制端120可以通过摄像头、双目摄像头、高精度定位、惯导IMU、角雷达、激光雷达等获取感知信息。所述感知信息可以包括但不限于车辆位置、速度、航向，行人等数据信息。
根据本申请的一些实施例，控制端120和/或服务器140可以获取多源数据，并对所述多源数据进行分类，包括感知数据和决策数据等。作为示例，所述感知数据cik，其中k取值范围1-n，n为多源感知数据的来源数。所述决策数据gi(xik)，其中i取值范围1-m，m为决策数据的总数。在一些实施例中，控制端120可以标记感知数据的感知来源，并进一步对感知设备标记其随环境变化的置信度曲线。在一些实施例中，控制端120可以标记决策数据对应的感知数据等。
在202，预处理所述感知数据，确定所述感知数据的影响度。操作202可以通过基于多源感知与控制信息的决策***100的控制端120、服务器140实现。在一些实施例中，控制端120和/或服务器140可以预处理所述感知数据，确定所述感知数据的影响度。作为示例，控制端120可以对预设数目的感知数据，在时间步t，用pi(xik)表示感知数据k判断执行第i个决策的影响因子。
在一些实施例中，所述确定感知数据的影响度具体包括：
pi(xik)＝P(gi(xik)|cik)，
pi(xik)≥0，对于所有i和k，
∑ipi(xik)＝1，对于所有i。
在203，根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数。操作203可以通过基于多源感知与控制信息的决策***100的控制端120、服务器140实现。在一些实施例中，控制端120和/或服务器140可以根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数。作为示例，在时间步t，控制端120可以对于决策i，根据感知数据的影响因子由大到小进行排序，选取影响度前u个构建J(i)，在k的取值范围，u小于等于n。作为示例，构建J(i)具体包括：
J(xi1，xi2，…，xiu)＝∑igi(cik′)·pi(cik′)
i∈1，…，m，k′∈1，…，u，u≤n
根据本申请的一些实施例，控制端120可以分级计算，例如，计算影响因子前2的感知数据，并对结果进行拟合。
在204，对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策。操作204可以通过基于多源感知与控制信息的决策***100的服务器140和/或控制端120实现。在一些实施例中，服务器140和/或控制端120可以对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策。在一些实施例中，控制端120可以对于所有的决策i＝1,…,m，根据决策评估J(i)的结果选取最大值作为最优决策。
在205，确定决策因子，对所述最优决策进行控制修正，并输出决策结果。操作205可以通过基于多源感知与控制信息的决策***100的服务器140和/或控制端120实现。在一些实施例中，服务器140和/或控制端120可以确定决策因子，对所述最优决策进行控制修正，并输出决策结果。在一些实施例中，控制端120可以定义一个决策因子γ，0≤γ<1，进一步通过调节决策因子γ，完成最优决策的控制修正。
根据本申请的一些实施例，所述最优决策的控制修正具体包括。
根据本申请的一些实施例，控制端120可以通过下一帧的感知数据对决策影响的决策因子进行修正，所述决策影响可以包括但不限于是否真实换道，是否碰撞等。在一些实施例中，对于跳变的结果，决策因子可以进行量级的阶跃等。
根据本申请的一些实施例，流程200可以进一步包括在自动驾驶场景中，通过车辆执行所述决策结果。又例如，流程200可以进一步包括根据感知设备标记其随环境变化的置信度曲线，确定和/或修正感知数据的影响因子等。
需要说明的是，以上对于流程200的描述，仅为描述方便，并不能把本申请限制在所举实施例的范围之内。可以理解，对于本领域技术人员，基于本***的原理，可能在不背离该原理的前提下，对各个操作进行任意组合，或者构成子流程与其它操作组合，对实施上述流程和操作的功能进行形式和细节上的各种修正和改变。例如，流程200可以进一步包括在自动驾驶场景中，通过车辆执行所述决策结果；根据感知设备标记其随环境变化的置信度曲线，确定和/或修正感知数据的影响因子等操作。诸如此类的变形，均在本申请的保护范围之内。
本申请的基于多源感知与控制信息的决策方法及装置，取代了一般的自动驾驶域控制器，降低了自动驾驶智能控制器的决策复杂度，优化了执行时间，提高了自动驾驶的决策准确性和安全性，尤其是单车在一定的通行速度情况下，确保了用户乘坐自动驾驶的安全性。
综上所述，根据本申请实施例的基于多源感知与控制信息的决策方法及装置，通过对多源数据进行分类，分为感知数据和决策数据，对感知数据标记其感知来源；对于决策数据，标记其对应的感知数据；计算不同的感知数据对决策作用的影响因子并拟合结果，提高决策效率和安全性。
需要注意的是，上述的实施例仅仅是用作示例，本申请不限于这样的示例，而是可以进行各种变化。
需要说明的是，在本说明书中，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、物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、物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、物品或者设备中还存在另外的相同要素。
最后，还需要说明的是，上述一系列处理不仅包括以这里所述的顺序按时间序列执行的处理，而且包括并行或分别地、而不是按时间顺序执行的处理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于一计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器(Read-Only Memory，ROM)或随机存储器(Random Access Memory，RAM)等。
以上所揭露的仅为本申请一些优选的实施例，不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (7)
1.一种基于多源感知与控制信息的决策方法，其特征在于，包括：
输入多源数据，包括感知数据以及决策数据；
预处理所述感知数据，确定所述感知数据的影响度；
根据所述感知数据的影响度，决策评估所述感知数据与决策数据；其中，具体通过构建多维度量函数执行所述根据所述感知数据的影响度，决策评估所述感知数据与决策数据；
对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；
确定决策因子，对所述最优决策进行控制修正，并输出决策结果；
其中，所述预处理所述感知数据，确定所述感知数据的影响度，具体包括：
所述xik为感知数据，k取值范围1～n，n为多源感知数据的来源数；
所述gi(xik)为所述决策数据，其中i取值范围1～m，m为决策数据的总数；
所述pi(xik)为在时间步t内，感知数据k判断执行第i个决策的影响因子；
所述方法还包括：在时间步t内，对于决策i,根据感知数据的影响因子由大到小进行排序，选取影响度前u个构建多维度量函数J(i)，在k的取值范围，u小于或者等于n；
其中，构建多维度量函数J(i)具体包括：
J(i)为多维度量函数。
2.根据权利要求1所述的方法，其特征在于，通过自动驾驶车辆执行所述决策结果。
3.根据权利要求1所述的方法，其特征在于，对于所有的决策i＝1,…,m，根据决策评估J(i)的结果选取最大值作为最优决策。
4.根据权利要求3所述的方法，其特征在于，定义一个决策因子γ,0≤γ<1，通过调节决策因子γ,完成最优决策的控制修正，具体包括：
其中J*为最优决策；
γi为决策i的决策因子；
m为决策的总个数。
5.一个基于多源感知与控制信息的决策装置，其特征在于，包括：
一个存储器，被配置为存储数据及指令；
一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：
输入多源感知数据，以及决策数据；
预处理所述感知数据，确定所述感知数据的影响度；
根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；
对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；
确定决策因子，对所述最优决策进行控制修正，并输出决策结果；
其中，所述预处理所述感知数据，确定所述感知数据的影响度，具体包括：
所述xik为感知数据，k取值范围1～n，n为多源感知数据的来源数；
所述gi(xik)为所述决策数据，其中i取值范围1～m，m为决策数据的总数；
所述pi(xik)为在时间步t内，感知数据k判断执行第i个决策的影响因子；
所述方法还包括：在时间步t内，对于决策i,根据感知数据的影响因子由大到小进行排序，选取影响度前u个构建多维度量函数J(i)，在k的取值范围，u小于或者等于n；
其中，构建多维度量函数J(i)具体包括：
J(i)为多维度量函数。
6.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行上述权利要求1至4任意一项所述的基于多源感知与控制信息的决策方法。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器运行，使得所述一个或多个处理器实现上述权利要求1至4任意一项所述的基于多源感知与控制信息的决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111228422.0A CN113946125B (zh) | 2021-10-21 | 2021-10-21 | 一种基于多源感知与控制信息的决策方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111228422.0A CN113946125B (zh) | 2021-10-21 | 2021-10-21 | 一种基于多源感知与控制信息的决策方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113946125A CN113946125A (zh) | 2022-01-18 |
| CN113946125B true CN113946125B (zh) | 2023-12-22 |
Family
ID=79331856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111228422.0A Active CN113946125B (zh) | 2021-10-21 | 2021-10-21 | 一种基于多源感知与控制信息的决策方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113946125B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107991581A (zh) * | 2017-12-05 | 2018-05-04 | 国网江西省电力有限公司上饶供电分公司 | 基于全景状态信息的配电电缆故障智能感知决策平台 |
| CN111609851A (zh) * | 2020-05-28 | 2020-09-01 | 北京理工大学 | 一种移动型导盲机器人***及导盲方法 |
| CN113401144A (zh) * | 2021-07-27 | 2021-09-17 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的控制方法、装置、设备和介质 |
-
2021
- 2021-10-21 CN CN202111228422.0A patent/CN113946125B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107991581A (zh) * | 2017-12-05 | 2018-05-04 | 国网江西省电力有限公司上饶供电分公司 | 基于全景状态信息的配电电缆故障智能感知决策平台 |
| CN111609851A (zh) * | 2020-05-28 | 2020-09-01 | 北京理工大学 | 一种移动型导盲机器人***及导盲方法 |
| CN113401144A (zh) * | 2021-07-27 | 2021-09-17 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆的控制方法、装置、设备和介质 |
Non-Patent Citations (4)
| Title |
|---|
| 多源信息环境下的路径决策模型;刘澜;骆晨;尹俊淞;马亚峰;;西南交通大学学报(05);全文 * |
| 多源信息的模糊决策树融合算法研究;宫义山;赵海;哈铁军;张永庆;徐峰;;沈阳工业大学学报(02);全文 * |
| 多源数据融合的调度操作风险评估与辅助决策***设计;邹清林;唐健;张元胜;何井龙;;电网与清洁能源(03);全文 * |
| 模糊传感器与区间型多属性决策的信息融合方法;吴瑕;周焰;;宇航学报(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113946125A (zh) | 2022-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921200B (zh) | 用于对驾驶场景数据进行分类的方法、装置、设备和介质 | |
| CN109003028B (zh) | 用于划分物流区域的方法和装置 | |
| US11403517B2 (en) | Proximity-based distributed sensor processing | |
| JP6797943B2 (ja) | サービスリクエストを割り振るシステムおよび方法 | |
| CN113508066A (zh) | 自主交通工具*** | |
| WO2019056845A1 (zh) | 道路图生成方法、装置、电子设备和计算机存储介质 | |
| JP2020173856A (ja) | 将来の輸送サービス時点の予測分布を求めるシステム及び方法 | |
| KR20180073620A (ko) | 서비스의 시퀀스를 업데이트하기 위한 시스템 및 방법 | |
| JP2020529649A (ja) | ピックアップロケーションをネーミングするための方法およびシステム | |
| CN112243487A (zh) | 用于按需服务的***和方法 | |
| CN113119999B (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
| CN113946125B (zh) | 一种基于多源感知与控制信息的决策方法及装置 | |
| Eichberger et al. | A Car2X sensor model for virtual development of automated driving | |
| CN113320537A (zh) | 一种车辆控制方法和*** | |
| CN109978353B (zh) | 一种面向位置可调整用户的大数据群智感知激励方法 | |
| CN111831686A (zh) | 排序模型的优化方法、装置、***、电子设备及存储介质 | |
| CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
| CN114348001B (zh) | 一种交通仿真方法、装置、设备以及存储介质 | |
| CN115861953A (zh) | 场景编码模型的训练方法、轨迹规划方法及装置 | |
| CN115116226A (zh) | 一种基于深度强化学习模型的高速公路货车流量预测算法、软件与装置 | |
| US11323858B2 (en) | Position delegation for improved vehicular cloud operation | |
| CN117730289A (zh) | 测试方法及装置 | |
| CN111859177A (zh) | 一种定位方法和*** | |
| CN113936453B (zh) | 一种基于车头时距的信息识别方法及*** | |
| CN111382369A (zh) | 用于确定与地址查询相关的相关兴趣点的***和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 201805 room 2201, No. 888, Moyu South Road, Jiading District, Shanghai j879 Applicant after: Yunkong Zhihang (Shanghai) Automotive Technology Co.,Ltd. Address before: 201805 room 2201, No. 888, Moyu South Road, Jiading District, Shanghai j879 Applicant before: Enlightenment cloud control (Shanghai) Automotive Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |