车辆驾驶决策的生成方法、设备及存储介质与流程

摘要: 本技术涉及自动驾驶决策控制领域,尤其涉及一种车辆驾驶决策的生成方法、设备及存储介质。背景技术:1、自动驾驶城市道路决策控制通常采用规则驱动的有限状态机方法、数据...
车辆驾驶决策的生成方法、设备及存储介质与流程

本技术涉及自动驾驶决策控制领域,尤其涉及一种车辆驾驶决策的生成方法、设备及存储介质。

背景技术:

1、自动驾驶城市道路决策控制通常采用规则驱动的有限状态机方法、数据驱动的深度学习方法,或二者组合的混合决策架构。

2、然而,上述方案在复杂交互场景下仍存在适配性不足:规则驱动方法依赖预定义逻辑,面对动态博弈和边缘情形时覆盖有限;数据驱动方法计算开销较大且决策依据不透明;现有混合架构多采用简单叠加或固定阈值切换,易出现策略冲突、响应滞后或控制输出不连续。

3、因此,如何在复杂城市交通场景下提高决策范式选择的自适应性,并兼顾决策平滑性与可追溯性,成为亟待解决的技术问题。

技术实现思路

1、本技术实施例提供一种车辆驾驶决策的生成方法、设备及存储介质,以解决上述技术问题。该方案面向城市道路复杂交通场景下的驾驶决策生成需求,基于车辆行驶过程中的感知融合数据计算场景熵,构建场景特征向量并与各预存储的场景原型进行匹配,识别得到当前场景类别;依据当前场景类别从预构建的策略库中确定目标专家策略;当目标专家策略与当前执行策略不同时,先对目标专家策略进行预运行收敛处理,得到状态收敛的目标专家策略,再根据状态收敛的目标专家策略与当前执行策略的输出对比结果完成策略切换,最终由目标专家策略输出用于控制车辆执行对应驾驶行为的行为决策指令。该方案能够提升复杂交通场景下决策策略选择的自适应性,同时兼顾了策略切换过程中的决策平滑性和可追溯性。

2、第一方面,本技术提供一种车辆驾驶决策的生成方法,包括:

3、获取车辆行驶过程中的感知融合数据和车辆的当前执行策略;

4、根据感知融合数据,计算场景熵;

5、根据场景熵,构建场景特征向量,并将场景特征向量与每个预存储的场景原型进行匹配,得到当前场景类别;

6、根据当前场景类别,从预构建的策略库中确定目标专家策略;

7、当目标专家策略与当前执行策略不同时,对目标专家策略进行预运行收敛处理,得到状态收敛的目标专家策略;

8、根据状态收敛的目标专家策略和当前执行策略的输出对比结果,将当前执行策略切换至目标专家策略,并根据目标专家策略,输出用于控制车辆执行对应驾驶行为的行为决策指令。

9、在一种可能的实施方式中,根据感知融合数据,计算场景熵,包括:

10、根据感知融合数据,分别计算得到交通复杂度分量、交互复杂度分量和不确定性分量;

11、根据交通复杂度分量、交互复杂度分量和不确定性分量进行加权融合,得到场景熵。

12、在一种可能的实施方式中,交通复杂度分量的计算,包括:

13、根据感知融合数据,提取车辆周边预设范围内的多个动态目标的历史轨迹序列,并根据每个动态目标的历史轨迹序列,计算每个动态目标的轨迹方向分布熵;

14、根据每个动态目标与车辆的距离,确定距离权重,并根据距离权重,对每个动态目标的轨迹方向分布熵进行加权求和,得到交通复杂度分量。

15、在一种可能的实施方式中,交互复杂度分量的计算,包括:

16、根据感知融合数据,提取车辆周边预设范围内的多个动态目标的相对运动参数和预测轨迹信息,并根据每个动态目标的相对运动参数和预测轨迹信息,确定动态目标间的交互依赖强度;

17、根据动态目标间的交互依赖强度,生成依赖强度矩阵,并计算依赖强度矩阵的矩阵范数并进行归一化处理,得到交互复杂度分量。

18、在一种可能的实施方式中,不确定性分量的计算,包括:

19、根据感知融合数据,提取车辆周边预设范围内的多个动态目标的检测置信度;

20、根据每个动态目标的检测置信度,确定对应的平均检测置信度,并根据平均检测置信度的反向值,得到基础不确定性值;

21、获取车载地图数据,根据车载地图数据,确定当前行驶区域对应的遮挡区域标记数据;

22、根据遮挡区域标记数据对基础不确定性值进行修正,得到不确定性分量。

23、在一种可能的实施方式中,将场景特征向量与每个预存储的场景原型进行匹配,得到当前场景类别,包括:

24、将场景特征向量分别与每个预存储的场景原型进行相似度计算,得到每个场景原型的相似度值;

25、根据每个场景原型的相似度值,采用时间加权概率投票算法确定每个场景类别的概率权重;

26、当任一场景类别的概率权重超过预设阈值时,则将场景类别确定为当前场景类别。

27、在一种可能的实施方式中,策略库通过以下步骤构建:

28、根据不同复杂度驾驶场景的决策适配需求,确定对应的规则决策范式、端到端决策范式和混合决策范式;

29、根据规则决策范式、端到端决策范式和混合决策范式,分别构建可独立决策执行的规则专家策略、端到端专家策略和混合专家策略;

30、根据规则专家策略、端到端专家策略和混合专家策略,分别配置对应的适用场景熵区间和统一的策略选择调度逻辑,并整合生成策略库。

31、在一种可能的实施方式中,混合专家策略的构建过程包括:

32、根据混合决策范式,构建接入感知融合数据的深度神经网络推理单元,并将深度神经网络推理单元的输出作为初始决策输出;

33、根据混合决策范式,构建规则校验单元,并将初始决策输出输入至规则校验单元,得到校验后决策;

34、根据初始决策输出与校验后决策的数据流向,对接整合深度神经网络推理单元和规则校验单元,得到混合专家策略。

35、在一种可能的实施方式中,根据当前场景类别,从预构建的策略库中确定目标专家策略,包括:

36、根据策略库中配置的策略选择调度逻辑,匹配与当前场景类别的场景熵区间对应的适用场景熵区间;

37、根据适用场景熵区间,从策略库中筛选对应的专家策略作为目标专家策略。

38、在一种可能的实施方式中,对目标专家策略进行预运行收敛处理,得到状态收敛的目标专家策略,包括:

39、根据预设的预运行控制策略,以非输出模式启动目标专家策略,并实时采集目标专家策略的内部状态变量;

40、根据预设的收敛判定条件和预设的车辆控制周期,计算连续多个车辆控制周期内内部状态变量的波动幅度,当波动幅度小于预设收敛阈值时,得到状态收敛的目标专家策略。

41、在一种可能的实施方式中,根据状态收敛的目标专家策略和当前执行策略的输出对比结果,将当前执行策略切换至目标专家策略,包括:

42、根据预设的车辆控制周期,获取当前执行策略的第一决策输出和目标专家策略的第二决策输出,并根据第一决策输出和第二决策输出,计算每个车辆控制周期的输出差异度;

43、根据连续多个车辆控制周期的输出差异度,确定对应的切换执行方式,并根据切换执行方式,将当前执行策略切换至目标专家策略。

44、在一种可能的实施方式中,根据连续多个车辆控制周期的输出差异度,确定对应的切换执行方式,包括:

45、若连续多个车辆控制周期的输出差异度小于预设差异阈值,则执行直接切换,将第二决策输出接入车辆控制链路;

46、若连续多个车辆控制周期的输出差异度大于或等于预设差异阈值,则执行渐进式软切换,根据预设的过渡周期及对应加权系数,对第一决策输出和第二决策输出进行加权融合,得到对应的控制输出,并将控制输出接入车辆控制链路。

47、在一种可能的实施方式中,还包括:

48、根据感知融合数据、第一决策输出和第二决策输出,分别确定当前执行策略的第一安全评分和目标专家策略的第二安全评分;

49、当第一安全评分和/或第二安全评分低于预设安全阈值时,终止切换执行方式,并根据预设的最小风险机动规则,控制车辆执行减速或停车操作。

50、在一种可能的实施方式中,根据交通复杂度分量、交互复杂度分量和不确定性分量进行加权融合,得到场景熵,包括:

51、根据感知融合数据进行端到端特征提取,得到多维动态场景特征;

52、根据多维动态场景特征,采用预设注意力机制分别确定交通复杂度分量、交互复杂度分量和不确定性分量的加权系数;

53、根据加权系数,对交通复杂度分量、交互复杂度分量和不确定性分量进行加权融合计算,得到场景熵。

54、在一种可能的实施方式中,根据目标专家策略,输出用于控制车辆执行对应驾驶行为的行为决策指令,包括:

55、当目标专家策略为混合专家策略时,调用深度神经网络推理单元对感知融合数据进行推理,生成初始驾驶决策输出轨迹;

56、调用规则校验单元根据预设的安全约束规则,对初始驾驶决策输出轨迹进行边界校验与修正处理,输出用于控制车辆执行对应驾驶行为的行为决策指令。

57、在一种可能的实施方式中,还包括:

58、根据场景熵、交通复杂度分量、交互复杂度分量、不确定性分量、当前场景类别以及目标专家策略,通过预构建的因果推理模型,确定策略选择的因果解释信息;

59、根据因果解释信息和当前场景类别,生成结构化决策记录,根据结构化决策记录对策略库的策略选择调度逻辑进行更新,得到更新后的策略库。

60、第二方面,本技术提供一种车辆驾驶决策的生成装置,包括:

61、获取模块,用于获取车辆行驶过程中的感知融合数据和车辆的当前执行策略;

62、处理模块,用于根据感知融合数据,计算场景熵;

63、处理模块,还用于根据场景熵,构建场景特征向量,并将场景特征向量与每个预存储的场景原型进行匹配,得到当前场景类别;

64、处理模块,还用于根据当前场景类别,从预构建的策略库中确定目标专家策略;

65、处理模块,还用于当目标专家策略与当前执行策略不同时,对目标专家策略进行预运行收敛处理,得到状态收敛的目标专家策略;

66、处理模块,还用于根据状态收敛的目标专家策略和当前执行策略的输出对比结果,将当前执行策略切换至目标专家策略,并根据目标专家策略,输出用于控制车辆执行对应驾驶行为的行为决策指令。

67、在一种可能的实施方式中,处理模块还用于:

68、根据感知融合数据,分别计算得到交通复杂度分量、交互复杂度分量和不确定性分量;

69、根据交通复杂度分量、交互复杂度分量和不确定性分量进行加权融合,得到场景熵。

70、在一种可能的实施方式中,处理模块还用于:

71、根据感知融合数据,提取车辆周边预设范围内的多个动态目标的历史轨迹序列,并根据每个动态目标的历史轨迹序列,计算每个动态目标的轨迹方向分布熵;

72、根据每个动态目标与车辆的距离,确定距离权重,并根据距离权重,对每个动态目标的轨迹方向分布熵进行加权求和,得到交通复杂度分量。

73、在一种可能的实施方式中,处理模块还用于:

74、根据感知融合数据,提取车辆周边预设范围内的多个动态目标的相对运动参数和预测轨迹信息,并根据每个动态目标的相对运动参数和预测轨迹信息,确定动态目标间的交互依赖强度;

75、根据动态目标间的交互依赖强度,生成依赖强度矩阵,并计算依赖强度矩阵的矩阵范数并进行归一化处理,得到交互复杂度分量。

76、在一种可能的实施方式中,处理模块还用于:

77、根据感知融合数据,提取车辆周边预设范围内的多个动态目标的检测置信度;

78、根据每个动态目标的检测置信度,确定对应的平均检测置信度,并根据平均检测置信度的反向值,得到基础不确定性值;

79、获取车载地图数据,根据车载地图数据,确定当前行驶区域对应的遮挡区域标记数据;

80、根据遮挡区域标记数据对基础不确定性值进行修正,得到不确定性分量。

81、在一种可能的实施方式中,处理模块还用于:

82、将场景特征向量分别与每个预存储的场景原型进行相似度计算,得到每个场景原型的相似度值;

83、根据每个场景原型的相似度值,采用时间加权概率投票算法确定每个场景类别的概率权重;

84、当任一场景类别的概率权重超过预设阈值时,则将场景类别确定为当前场景类别。

85、在一种可能的实施方式中,处理模块还用于:

86、根据不同复杂度驾驶场景的决策适配需求,确定对应的规则决策范式、端到端决策范式和混合决策范式;

87、根据规则决策范式、端到端决策范式和混合决策范式,分别构建可独立决策执行的规则专家策略、端到端专家策略和混合专家策略;

88、根据规则专家策略、端到端专家策略和混合专家策略,分别配置对应的适用场景熵区间和统一的策略选择调度逻辑,并整合生成策略库。

89、在一种可能的实施方式中,处理模块还用于:

90、根据混合决策范式,构建接入感知融合数据的深度神经网络推理单元,并将深度神经网络推理单元的输出作为初始决策输出;

91、根据混合决策范式,构建规则校验单元,并将初始决策输出输入至规则校验单元,得到校验后决策;

92、根据初始决策输出与校验后决策的数据流向,对接整合深度神经网络推理单元和规则校验单元,得到混合专家策略。

93、在一种可能的实施方式中,处理模块还用于:

94、根据策略库中配置的策略选择调度逻辑,匹配与当前场景类别的场景熵区间对应的适用场景熵区间;

95、根据适用场景熵区间,从策略库中筛选对应的专家策略作为目标专家策略。

96、在一种可能的实施方式中,处理模块还用于:

97、根据预设的预运行控制策略,以非输出模式启动目标专家策略,并实时采集目标专家策略的内部状态变量;

98、根据预设的收敛判定条件和预设的车辆控制周期,计算连续多个车辆控制周期内内部状态变量的波动幅度,当波动幅度小于预设收敛阈值时,得到状态收敛的目标专家策略。

99、在一种可能的实施方式中,处理模块还用于:

100、根据预设的车辆控制周期,获取当前执行策略的第一决策输出和目标专家策略的第二决策输出,并根据第一决策输出和第二决策输出,计算每个车辆控制周期的输出差异度;

101、根据连续多个车辆控制周期的输出差异度,确定对应的切换执行方式,并根据切换执行方式,将当前执行策略切换至目标专家策略。

102、在一种可能的实施方式中,处理模块还用于:

103、若连续多个车辆控制周期的输出差异度小于预设差异阈值,则执行直接切换,将第二决策输出接入车辆控制链路;

104、若连续多个车辆控制周期的输出差异度大于或等于预设差异阈值,则执行渐进式软切换,根据预设的过渡周期及对应加权系数,对第一决策输出和第二决策输出进行加权融合,得到对应的控制输出,并将控制输出接入车辆控制链路。

105、在一种可能的实施方式中,处理模块还用于:

106、根据感知融合数据、第一决策输出和第二决策输出,分别确定当前执行策略的第一安全评分和目标专家策略的第二安全评分;

107、当第一安全评分和/或第二安全评分低于预设安全阈值时,终止切换执行方式,并根据预设的最小风险机动规则,控制车辆执行减速或停车操作。

108、在一种可能的实施方式中,处理模块还用于:

109、根据感知融合数据进行端到端特征提取,得到多维动态场景特征;

110、根据多维动态场景特征,采用预设注意力机制分别确定交通复杂度分量、交互复杂度分量和不确定性分量的加权系数;

111、根据加权系数,对交通复杂度分量、交互复杂度分量和不确定性分量进行加权融合计算,得到场景熵。

112、在一种可能的实施方式中,处理模块还用于:

113、当目标专家策略为混合专家策略时,调用深度神经网络推理单元对感知融合数据进行推理,生成初始驾驶决策输出轨迹;

114、调用规则校验单元根据预设的安全约束规则,对初始驾驶决策输出轨迹进行边界校验与修正处理,输出用于控制车辆执行对应驾驶行为的行为决策指令。

115、在一种可能的实施方式中,处理模块还用于:

116、根据场景熵、交通复杂度分量、交互复杂度分量、不确定性分量、当前场景类别以及目标专家策略,通过预构建的因果推理模型,确定策略选择的因果解释信息;

117、根据因果解释信息和当前场景类别,生成结构化决策记录,根据结构化决策记录对策略库的策略选择调度逻辑进行更新,得到更新后的策略库。

118、第三方面,本技术提供一种电子设备,包括:存储器,处理器;

119、存储器存储计算机执行指令;

120、处理器执行存储器存储的计算机执行指令,使得处理器执行如上第一方面和/或第一方面各种可能的实施方式。

121、第四方面,本技术提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。

122、第五方面,本技术提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面和/或第一方面各种可能的实施方式。

123、本技术提供的一种车辆驾驶决策的生成方法、设备及存储介质,通过获取车辆行驶过程中的感知融合数据和车辆的当前执行策略,基于感知融合数据计算场景熵,构建场景特征向量并与各预存储的场景原型进行匹配以识别得到当前场景类别,能够针对不同交通场景从预构建的策略库中自适应确定目标专家策略;通过在目标专家策略与当前执行策略不同时,对目标专家策略进行预运行收敛处理得到状态收敛的目标专家策略,再结合状态收敛的目标专家策略与当前执行策略的输出对比结果完成策略切换,能够保障策略切换过程的平滑性,最终由目标专家策略输出用于控制车辆执行对应驾驶行为的行为决策指令;从而在复杂城市交通场景下提升了决策选择的自适应性,兼顾了决策生成的平滑性与决策过程的可追溯性。