(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201810588432.7
(22)申请日 2016.09.14
(62)分案原申请数据
201610825323.3 2016.09.14
(71)申请人 北京百度网讯科技有限公司
地址 100085 北京市海淀区上地十街10号
百度大厦2层
(72)发明人 韩博
(74)专利代理机构 北京英赛嘉华知识产权代理
有限责任公司 11204
代理人 王达佐 马晓亚
(51)Int.Cl.
B60W 30/00(2006.01)
B60W 50/00(2006.01)
G06N 3/08(2006.01)
G06Q 10/06(2012.01) (54)发明名称
(57)摘要
本申请公开了用于操作自动驾驶车辆的方
法和装置。所述方法的一具体实施方式包括：收
集驾驶员对半自动驾驶车辆进行异常干预时所
象信息、车辆行驶状态信息以及车辆所处驾驶环
等级进行学习，识别出与风险等级相关联的风险
对象；针对风险对象，对对象信息、车辆行驶状态
信息、驾驶环境信息以及驾驶方案进行学习，确
定风险对象的对象信息、车辆行驶状态信息、驾
驶环境信息的组合与驾驶方案之间的关联关系
以作为驾驶策略；利用驾驶策略确定候选驾驶方
案。该实施方式实现了根据驾驶人员的行为优化
候选驾驶方案。权利要求书2页 说明书10页 附图5页CN 108773373 A 2018.11.09
C N 108773373
A
1.一种用于操作自动驾驶车辆的方法，其特征在于，所述方法包括：
收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；
根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；
从所述驾驶场景信息中分解出所述驾驶场景中场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；
对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；
针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；
利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述驾驶策略进行优化的步骤，包括：
使用所述驾驶策略，在驾驶模拟器所模拟的场景中控制测试用车辆行驶；
检测所述测试用车辆行驶时是否满足所述驾驶模拟器中预先配置的驾驶规则；
根据检测结果修正所述驾驶策略。
3.根据权利要求2所述的方法，其特征在于，采用强化学习算法修正所述驾驶策略。
4.根据权利要求1-3之一所述的方法，其特征在于，所述方法还包括：
将所述驾驶策略添加至半自动驾驶车辆的驾驶策略数据库中；
确定所述驾驶策略被触发时半自动驾驶车辆是否被驾驶员进行异常干预；
若半自动驾驶车辆未被异常干预，则提高所述驾驶策略的可信度。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
若半自动驾驶车辆被异常干预，则继续采集驾驶员对半自动驾驶车辆进行干预时所采用的驾驶方案以及对应的驾驶场景信息，以根据新采集的驾驶方案与驾驶场景信息调整所述驾驶策略。
6.一种用于操作自动驾驶车辆的装置，其特征在于，所述装置包括：
收集单元，用于收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；
等级确定单元，用于根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；
分解单元，用于从所述驾驶场景信息中分解出所述驾驶场景中各个场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；
风险对象学习单元，用于对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；
驾驶方案学习单元，针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；
驾驶方案确定单元，用于利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括驾驶策略优化单元，所述驾驶策略优化单元用于：
使用所述驾驶策略，在驾驶模拟器所模拟的场景中控制测试用车辆行驶；
检测所述测试用车辆行驶时是否满足所述驾驶模拟器中预先配置的驾驶规则；
根据检测结果修正所述驾驶策略。
8.根据权利要求6或7所述的装置，其特征在于，所述装置还包括策略修正单元，用于：
将所述驾驶策略添加至半自动驾驶车辆的驾驶策略数据库中；
确定所述驾驶策略被触发时半自动驾驶车辆是否被驾驶员进行异常干预；
若半自动驾驶车辆未被异常干预，则提高所述驾驶策略的可信度。
9.根据权利要求8所述的装置，其特征在于，所述策略修正单元还用于：
若半自动驾驶车辆被异常干预，则继续采集驾驶员对半自动驾驶车辆进行干预时所采用的驾驶方案以及对应的驾驶场景信息，以根据新采集的驾驶方案与驾驶场景信息调整所述驾驶策略。
用于操作自动驾驶车辆的方法和装置
[0001]本申请为申请号为CN201610825323.3、申请日为2016年9月14日、发明名称为“用于操作自动驾驶车辆的方法和装置”的中国专利申请的分案申请。
技术领域
[0002]本申请涉及车辆技术领域，具体涉及无人驾驶车辆技术，尤其涉及用于操作自动驾驶车辆的方法和装置。
背景技术
[0003]自动驾驶主要涉及识别、决策、控制三种主要技术。对于自动驾驶，安全性是第一位的条件。现有技术中，通常采用人工方式去标注供车载感应器所识别的风险对象，并进一步评估各个对象的风险或通过反复测试建立驾驶方案。
[0004]然而，完全依靠人工对风险因素进行标注，成本极高。并且，在开放性的驾驶环境中，现有的风险因素难以被设计者与生产者穷尽和人为标注，从而让系统去自动识别。此外，即使设计或制造车辆时已预先标注出当前所有的风险对象，但在车辆投入使用后也会不断有可能造成行车风险的新事物出现在车辆行驶过程中，而现有方式无法及时对这些不断出现的新风险对象进行标注，更无法及时针对这些新风险对象建立风险评估策略或驾驶策略。因此，需要设计出对风险对象的快速、规模化、低成本的识别方法。
发明内容
[0005]本申请提供了用于操作自动驾驶车辆的方法和装置，用于解决上述背景技术部分存在的技术问题。
[0006]第一方面，本申请提供了一种用于操作自动驾驶车辆的方法，所述方法包括：收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；
从所述驾驶场景信息中分解出所述驾驶场景中场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。
[0007]在一些实施例中，所述方法还包括：对所述驾驶策略进行优化的步骤，包括：使用所述驾驶策略，在驾驶模拟器所模拟的场景中控制测试用车辆行驶；检测所述测试用车辆行驶时是否满足所述驾驶模拟器中预先配置的驾驶规则；根据检测结果修正所述驾驶策略。
[0008]在一些实施例中，采用强化学习算法修正所述驾驶策略。
[0009]在一些实施例中，所述方法还包括：将所述驾驶策略添加至半自动驾驶车辆的驾驶策略数据库中；确定所述驾驶策略被触发时半自动驾驶车辆是否被驾驶员进行异常干预；若半自动驾驶车辆未被异常干预，则提高所述驾驶策略的可信度。
[0010]在一些实施例中，所述方法还包括：若半自动驾驶车辆被异常干预，则继续采集驾驶员对半自动驾驶车辆进行干预时所采用的驾驶方案以及对应的驾驶场景信息，以根据新采集的驾驶方案与驾驶场景信息调整所述驾驶策略。
[0011]第二方面，本申请提供了一种用于操作自动驾驶车辆的装置，所述装置包括：所述装置包括：收集单元，用于收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；
[0012]等级确定单元，用于根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；分解单元，用于从所述驾驶场景信息中分解出所述驾驶场景中各个场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；风险对象学习单元，用于对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；驾驶方案学习单元，针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；驾驶方案确定单元，用于利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。
[0013]在一些实施例中，所述装置还包括驾驶策略优化单元，所述驾驶策略优化单元用于：使用所述驾驶策略，在驾驶模拟器所模拟的场景中控制测试用车辆行驶；检测所述测试用车辆行驶时是否满足所述驾驶模拟器中预先配置的驾驶规则；根据检测结果修正所述驾驶策略。
[0014]在一些实施例中，所述装置还包括策略修正单元，用于：将所述驾驶策略添加至半自动驾驶车辆
的驾驶策略数据库中；确定所述驾驶策略被触发时半自动驾驶车辆是否被驾驶员进行异常干预；若半自动驾驶车辆未被异常干预，则提高所述驾驶策略的可信度。[0015]在一些实施例中，所述策略修正单元还用于：若半自动驾驶车辆被异常干预，则继续采集驾驶员对半自动驾驶车辆进行干预时所采用的驾驶方案以及对应的驾驶场景信息，以根据新采集的驾驶方案与驾驶场景信息调整所述驾驶策略。
[0016]本申请提供的用于操作自动驾驶车辆的方法和装置，通过驾驶员对半自动驾驶车辆的异常干预行为确定风险等级，并对场景对象与风险等级进行学习，从而从场景对象中识别出与风险等级有关联的风险对象。通过这种方式，可以不断地对用户的异常干预行为进行学习，从而可以从不断出现的场景对象中自动识别出风险对象，实现风险对象的自动标注，从而大大减轻了人工标注的工作量，也能及时对车辆投入使用后新出现的风险因素进行标记。此外，还可以确定风险对象的对象信息与风险等级的关联关系而生成供自动驾驶车辆使用的风险评估策略，从而可以通过学习驾驶人员的异常干预行为对风险识别进行优化。另外，针对所识别出的风险对象，还通过将驾驶员对半自动驾驶车辆进行异常干预时的驾驶方案作为样本进行学习，建立风险对象的对象信息、车辆行驶状态以及驾驶环境与驾驶方案的关联关系，以生成驾驶策略，该驾驶策略可用于确定自动驾驶车辆的候选驾驶方案，从而可以根据驾驶人员的行为优化自动驾驶车辆的候选驾驶方案。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议