CN109146333A - 导航算法评估方法和装置 - Google Patents
导航算法评估方法和装置 Download PDFInfo
- Publication number
- CN109146333A CN109146333A CN201811149865.9A CN201811149865A CN109146333A CN 109146333 A CN109146333 A CN 109146333A CN 201811149865 A CN201811149865 A CN 201811149865A CN 109146333 A CN109146333 A CN 109146333A
- Authority
- CN
- China
- Prior art keywords
- navigation
- information
- robot
- user
- algorithm
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本申请实施例公开了导航算法评估方法和装置。该方法的一具体实施方式包括:接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息;将获取到的导航信息提供给用户和机器人;获取用户的行驶关联信息和机器人的行驶关联信息,基于获取到的行驶关联信息,生成评估参考信息。实现了在每一次评估过程中,均可以对导航算法进行多方面的评估。由于在每一次评估过程对导航算法进行各个方面的评估时,均利用用户和机器人在相同的条件下行驶生成的行驶关联信息中的相应的项进行对比,得到相应的评估结果,使得在每一次评估过程中均可以对导航算法进行各个方面的精确评估,进而确保最终得到各个方面的精确的评估结果。
Description
技术领域
本申请涉及计算机领域,具体涉及导航领域,尤其涉及导航算法评估方法和装置。
背景技术
导航服务是用户在驾驶过程中最经常使用的服务。在导航服务中,通过导航算法根据起点位置和终点位置计算出导航信息提供给用户。目前,缺乏对导航算法进行评估的手段,进而无法准确地发现导航算法存在的问题以及对比导航算法之间的优劣。
发明内容
本申请实施例提供了导航算法评估方法和装置。
第一方面,本申请实施例提供了导航算法评估方法,该方法包括:接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息,其中,一个待评估的导航算法对应的导航信息为利用所述导航算法根据所述导航请求中的起点位置和终点位置进行计算而得到;将获取到的导航信息提供给用户和机器人,其中,机器人被预先利用与导航相关联的数据进行训练,机器人基于导航信息自主行驶;获取用户的行驶关联信息和机器人的行驶关联信息,以及基于获取到的行驶关联信息,生成与待评估的导航算法相关联的评估参考信息。
第二方面,本申请实施例提供了导航算法评估装置,该装置包括:获取单元,被配置为接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息,其中,一个待评估的导航算法对应的导航信息为利用所述导航算法根据所述导航请求中的起点位置和终点位置进行计算而得到;分发单元,被配置为将获取到的导航信息提供给用户和机器人,其中,机器人被预先利用与导航相关联的数据进行训练,机器人基于导航信息自主行驶;评估单元,被配置为获取用户的行驶关联信息和机器人的行驶关联信息,以及基于获取到的行驶关联信息,生成与待评估的导航算法相关联的评估参考信息。
本申请实施例提供的导航算法评估方法和装置,通过接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息,其中,一个待评估的导航算法对应的导航信息为利用所述导航算法根据所述导航请求中的起点位置和终点位置进行计算而得到;将获取到的导航信息提供给用户和机器人,其中,机器人被预先利用与导航相关联的数据进行训练,机器人基于导航信息自主行驶;获取用户的行驶关联信息和机器人的行驶关联信息,以及基于获取到的行驶关联信息,生成与待评估的导航算法相关联的评估参考信息。实现了在每一次评估过程中,均可以对导航算法进行多方面的评估。由于在每一次评估过程对导航算法进行各个方面的评估时,均利用用户和机器人在相同的条件下(例如起点和终点相同并且同时出发)行驶生成的行驶关联信息中的相应的项进行对比,得到相应的评估结果,使得在每一次评估过程中均可以对导航算法进行各个方面的精确评估,进而确保最终得到各个方面的精确的评估结果。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了适于用来实现本申请实施例的示例性系统架构;
图2示出了根据本申请的导航算法评估方法的一个实施例的流程图;
图3示出了根据本申请的导航算法评估装置的一个实施例的结构示意图;
图4是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了适于用来实现本申请实施例的示例性系统架构。
如图1所示,系统架构可以包括终端101、机器人102、网络103、服务器104。网络103可以为无线网络(例如3G、LTE、4G等)。
终端101、机器人102、服务器104的数量均是示例性的。每一次接收到终端101发送的一个与终端101用户的相关联的导航请求,均可以由服务器进行一次评估过程。在每一次评估过程中,可以进行多方面评估。在每一个评估过程中,针对每一中评估,均可以使用多个机器人参与评估。
终端101、机器人102通过网络103与服务器104传输数据,终端101可以为智能手机、车载终端、平板电脑等。服务器103可以提供导航服务。
机器人102具有自主驾驶模式,机器人102配置有CPU、存储器、无线网卡、GPS、相机等设备。机器人102的控制系统可以包括障碍物识别单元、驾驶决策单元等。可以通过海量的用户使用导航服务的过程中与导航相关的数据对机器人102的驾驶决策单元的训练,使得机器人102学习到在导航场景下用户的各种驾驶决策。
服务器104向终端101的用户和机器人102提供由待评估的导航算法计算出的导航信息。终端101的用户根据导航信息从起点位置驾驶车辆行驶至终点位置。机器人102可以在自主驾驶模式下根据导航信息从起点位置行驶至终点位置。
服务器104可以获取终端101的用户在利用提供给用户导航信息进行行驶的过程中生成的用户的行驶关联信息和机器人102在自主驾驶模式下根据提供给机器人的导航信息进行行驶的过程中生成的机器人的行驶关联信息,通过行驶关联信息中的相应的项的对比,对待评估的导航算法进行相应的评估。
请参考图2,其示出了根据本申请的导航算法评估方法的一个实施例的流程。该方法包括以下步骤:
步骤201,接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息。
在本实施例中,用户并不特指某一个用户。任意一个用户利用终端请求任意一次导航服务,服务器均可以接收到用户的终端发送的导航请求,相应的,每一个导航请求可以称之为一个与用户相关联的导航请求。导航请求中包含起点位置和终点位置。
在本实施例中,服务器预先存储待评估的导航算法。一个待评估的导航算法对应的导航信息为利用该导航算法根据导航请求中的起点位置和终点位置进行计算而得到。一个导航算法计算出的导航信息可以称之为导航算法对应的导航信息。导航信息可以包括但不限于:导航路线、路况信息、预估的行驶时长等。
在本实施例中,当用户需要使用导航服务时,可以在用户的终端生成与用户相关联的导航请求。用户可以在终端上输入起点位置和终点位置,也可以仅输入终点位置,将当前的位置作为起点位置。在用户的终端生成的导航请求中包含起点位置和终点位置。用户的终端可以将与用户相关联的导航请求发送至服务器。服务器在接收与用户相关联的导航请求之后,可以在服务器上利用待评估的导航算法根据起点位置、终点位置,计算出导航信息,从而,获取到待评估的导航算法对应的导航信息。
在一些实施方式中,待评估的导航算法计算出的导航信息中的导航路线满足预设条件,预设条件与条件参数相关联,条件参数包括:导航路线中的道路类型、导航路线中的预设类型的交通设施的数量、导航路线的途径点。
例如,预设类型的交通设施为红绿灯,预设条件为:导航路线中不包含高速公路即按照导航路线行驶时不经过高速公路、导航路线中的红绿灯的数量小于数量阈值、导航路线中的途经点的数量大于数量阈值。换言之,当计算出的导航路线中不包含高速公路、红绿灯少、途径点为多个时,计算出的导航路线可以用于评估,可以将导航路线所在的导航信息提供给用户和机器人。
步骤202,将获取到的导航信息提供给用户和机器人。
在本实施例中,机器人具有自主驾驶模式,在利用机器人用于评估导航算法之前,可以预先利用海量的用户使用导航服务的过程中与导航相关的数据对机器人进行训练,即预先利用海量的用户使用导航服务的过程中与导航相关的数据对机器人的驾驶决策单元进行训练。通过海量的用户使用导航服务的过程中与导航相关的数据对机器人的驾驶决策单元进行训练,使得机器人可以学习到用户按照导航信息进行行驶时的各种驾驶决策。从而使得在对待评估的导航算法进行评估时,机器人可以按照导航信息生成接近于用户的驾驶决策控制自身行驶。进一步地,每一个机器人均相当于作为一个用户用于对待评估的导航算法的评估,从而,在每一次接收到一个与用户的相关联的导航请求,均可以相当于由至少一个机器人作为用户用于对待评估的导航算法的评估。
在本实施例中,可以将待评估的导航算法计算出的导航信息分别提供给用户和机器人。可以预先向机器人发出指示机器人应处于导航请求中的起点位置的指令,机器人在接收到指令之后可以处于导航请求中的起点位置。可以在用户驾驶车辆从起点位置出发的时刻向机器人发出指示出发的指令,机器人在接收到指令之后可以在自主驾驶模式下由导航路线上的起点位置自动向终点位置行驶。从而,用户和机器人同时出发,由相同的起点位置向相同的终点位置行驶。
在本实施例中,每一次接收到一个与用户的相关联的导航请求,均可以进行一次评估过程。在每一次评估过程中,均可以根据评估需求,确定提供给用户和机器人的导航信息。例如,当需要发现一个待评估的导航算法是否存在问题时,可以将该待评估的导航算法计算出的导航信息提供给用户和机器人。当所有待评估的导航算法包括当前版本的导航算法和多个更新版本的导航算法,需要评估当前版本的导航算法与每一个更新版本的导航算法的优劣时,可以将当前的导航算法计算出的导航信息提供给用户,可以将每一个更新版本的导航算法计算出的导航信息分别发送给一个机器人。每一个机器人接收到的导航信息与其他机器人接收到的导航信息均不相同。
在本实施例中,每一次接收到一个与用户的相关联的导航请求,各种类型的评估可以同时进行。例如,在接收到一个与用户的相关联的导航请求之后,可以利用用于评估的一部分机器人对当前版本的导航算法是否存在问题进行评估,同时,可以利用用于评估的另一部分机器人对当前版本的导航算法与更新版本的导航算法的优劣进行评估。
在一些实施方式中,当预先利用海量的用户使用导航服务的过程中与导航相关的数据对机器人进行训练,即预先利用海量的用户使用导航服务的过程中与导航相关的数据对机器人的驾驶决策单元进行训练时,一个训练样本中可以包含一次向一个用户提供的历史导航服务中提供给用户的历史导航路线、一个用户按照历史导航路线行驶的历史轨迹信息、历史导航路线中的路况信息、路网信息等。用户按照历史导航路线行驶的历史轨迹信息可以指示用户的驾驶决策。可以利用海量的训练样本对机器人的驾驶决策单元进行训练。
例如,驾驶决策单元中包含用于输出驾驶决策指令的神经网络。可以利用路况信息、路网信息、历史导航路线与历史轨迹信息对驾驶决策单元中的神经网络(例如循环神经网络)进行端到端的训练,即每一次训练中,训练样本中的路况信息、路网信息、历史导航路线位于神经网络的一端,历史行驶轨迹信息位于神经网络的另一端。
经过训练之后,用于输出驾驶决策指令的神经网络可以指示路况信息、路网信息、导航路线与行驶轨迹的关联关系,即可以指示路况信息、路网信息、导航路线与驾驶决策的关联关系。从而,机器人可以学习到行驶轨迹与路况信息、路网信息、导航路线的关联关系。
通过海量的训练样本对机器人进行训练之后,机器人可以根据导航路线、导路况信息、路网信息等,做出类似于用户的相应的驾驶决策。
例如,训练后机器人可以按照提供给机器人的导航信息自动由起点到达终点、按照导航信息中的路况信息调整行驶速度、在路口需要转弯时以用户驾驶车辆时的车辆的曲率进行转弯等。
在一些实施方式中,用于导航算法的评估的机器人的数量可以为多个。每一个用于评估的机器人均具有一个驾驶等级。在对待评估的导航算法进行评估时,可以将导航信息提供给多个机器人。在对待评估的导航算法进行评估时,可以选取一个驾驶等级的机器人用于评估,也可以选取多个驾驶等级的机器人用于评估。可以预先根据评估需求,训练出多个驾驶等级的机器人。例如,可以预先分别训练出高驾驶等级、中驾驶等级、低驾驶等级的机器人。相应的,可以将训练海量的训练样本划分为由驾驶水平高的用户的与导航相关联的数据构成的样本、驾驶水平中的用户的与导航相关联的数据构成的样本、驾驶水平低的用户的与导航相关联的数据构成的样本,分别利用相应的等级的训练样本训练出高驾驶等级、中驾驶等级、低驾驶等级的机器人。
步骤203,获取用户的行驶关联信息和机器人的行驶关联信息,以及基于获取到的行驶关联信息,生成导航算法的评估参考信息。
在本实施例中,在用户和机器人同时从相同的起点位置出发,由相同的起点位置向相同的终点位置行驶之后,可以获取用户的行驶关联信息和机器人的行驶关联信息。
在本实施例中,用户的行驶关联信息和机器人的行驶关联信息是用户和机器人在相同的条件下(例如起点和终点相同并且同时出发)用户驾驶车辆和机器人自主行驶生成的,进而可以通过对比用户的行驶关联信息和机器人的行驶关联信息,得到相应的精确的对导航算法的评估结果。相同的条件还可以包括导航路线中不包含高速公路即按照导航路线行驶时不经过高速公路、导航路线中的红绿灯的数量小于数量阈值、导航路线中的途经点的数量大于数量阈值等,可以根据评估需求。
在本实施例中,用户的行驶关联信息和机器人的行驶关联信息中的各项与用户或机器人到达终点位置的时刻相关联。可以由用户的终端和机器人计算出各自的行驶关联信息,用户的终端和机器人将各自计算出的行驶关联信息发送至服务器,从而,服务器可以获取到用户的行驶关联信息和机器人的行驶关联信息。
例如,行驶关联信息包括行驶时长。用户的行驶关联信息中的行驶时长为该用户的出发时刻与该用户达到终点位置的时刻的时间差,即该用户从起点位置到达终点位置的行驶时长。一个机器人的行驶关联信息中的行驶时长为该机器人的出发时刻与该机器人达到终点位置的时刻的时间差,即该机器人从起点位置到达终点位置的行驶时长。换言之,获取到的用户的行驶关联信息中的行驶时长和每一个机器人的行驶关联信息中的行驶时长可以指示用户和每一个机器人各自花费了多长时间从起点位置到达终点位置。用户的终端和机器人均可以根据预先记录的出发时刻和达到终点位置的时刻,计算出行驶时长。用户的终端或机器人将行驶时长发送至服务器。
在一些实施方式中,行驶关联信息可以包括但不限于:指示是否到达终点位置的指示信息、行驶距离、行驶时长。
在一些实施方式中,在将导航算法提供给用户和机器人之后,当用户到达终点位置,即用户驾驶车辆到达终点位置的时刻,可以获取用户的行驶关联信息和机器人的行驶关联信息。在用户到达终点位置的时刻获取到的用户的行驶关联信息中的各项和机器人的行驶关联信息中的各项与用户到达终点位置的时刻相关联。
例如,行驶关联信息包括:指示是否到达终点位置的指示信息、行驶距离、行驶时长。用户的行驶关联信息中的行驶时长为该用户的出发时刻与该用户达到终点位置的时刻的时间差,即该用户从起点位置到达终点位置的行驶时长。当机器人在用户到达终点位置的同时或之前到达终点位置,机器人的行驶关联信息中的行驶时长为该机器人从起点位置到达终点位置的行驶时长,机器人的行驶关联信息中的行驶距离为该机器人从起点位置到达终点位置行驶的距离。当机器人在用户到达终点位置时未到达终点位置,机器人的行驶关联信息中的行驶时长为机器人的出发时刻与用户到达终点位置的时刻的时间差,机器人的行驶关联信息中的行驶距离为该机器人从出发时刻到用户到达终点位置的时刻之间行驶的距离。
在本实施例中,在获取到用户的行驶关联信息和机器人的行驶关联信息之后,可以通过用户的行驶关联信息和机器人的行驶关联信息的对比,生成与待评估的导航算法相关联的评估参考信息。
在本实施例中,每一次接收到一个与用户的相关联的导航请求,均可以进行一次评估过程。在每一次评估过程中,可以进行多方面评估。
在本实施例中,可以根据具体的评估,利用行驶关联信息中的相应的项,通过对比,对导航算法进行相应的评估,得到评估结果。换言之,获取到的用户的行驶关联信息和机器人的行驶关联信息中包括可以被用于对待评估的导航算法进行各种评估所需的项。
在本实施例中,对待评估的导航算法的评估包括:多个待评估的导航算法中的任意两个导航算法之间的优劣的评估、对任意一个待评估的导航算法计算出的任意一项的准确性的评估。多个待评估的导航算法中的任意两个导航算法之间的优劣的评估可以进一步包括:任意两个导航算法在计算任意一项上的优劣的评估。当多个待评估的导航算法中包含当前版本的导航算法即当前向用户提供的导航服务所使用导航算法、多个更新版本的导航算法即多个新开发出的导航算法时,则在每一次评估过程中,可以对当前版本的导航算法和任意一个更新版本的导航算法在计算任意一项上的优劣进行评估,还可以对任意两个更新版本的导航算法在计算任意一项上的优劣进行进一步评估。
例如,导航算法计算出的导航信息可以包括但不限于:导航路线、预估时长、导航路线长度。导航信息中的每一项也均可以进一步包含至少一个项,导航信息中的每一项均可以基于其包含的项计算出。例如,预估时长这一项包括路况预测信息、天气预测信息等项。在计算出预估时长时,同时考虑路况预测信息、天气预测信息等项而计算出预估时长。在通过与预估时长相关联的行驶关联信息中的项的对比,得到两个导航算法在计算预估时长上的优劣的基础上,例如,两个导航算法在计算预估时长上均较优的情况下,可以进一步通过与路况预测相关联的行驶关联信息中的项的对比,评估哪一个导航算法在路况预测上更优即计算路况预测信息上更优或在天气预测上更优即计算天气预测信息上更优。
在本实施例中,在每一次评估过程中,对于每一种评估,均可以得到至少一个评估结果。评估结果利用与待评估的导航算法相关联的评估参考信息表示。当对两个导航算法在计算一项上的优劣进行评估时,则可以生成一个与待评估的导航算法相关联的评估参考信息,该与待评估的导航算法相关联的评估参考信息指示两个导航算法中的哪一个导航算法在计算这一项上更优,即指示两个导航算法中的哪一个导航算法计算出的这一项的数值更准确。
例如,在一次评估过程中,当对当前版本的导航算法和一个更新版本的导航算法进行评估时,对于导航信息中的导航路线这一项,获取到的一个用户的行驶关联信息包括该用户按照当前版本的导航算法计算出的导航路线行驶,从起点位置到达的终点位置的行驶时长,获取的一个机器人的行驶关联信息包括该机器人按照该更新版本的导航算法计算出的导航路线行驶,从相同的起点位置到达相同的终点位置的行驶时长。通过行驶时长的对比,评估计算出导航路线的准确性。当更新版本的导航算法计算出的导航路线的长度仅比当前版本的导航算法的导航路线的长度长较少长度值例如1公里,但按照更新版本的导航算法计算出的导航路线进行行驶的行驶时长明显少于按照当前版本的导航算法计算出的导航路线进行行驶的行驶时长,则可以生成一个指示更新版本的导航算法在计算导航路线这一项上优于当前版本的导航算法的指示信息。
在本实施例中,可以将在海量的次数的评估中评估的导航算法相同并且评估的项相同的评估结果进行聚合后分析,得到最终的评估结果。
例如,在多次评估中,均对当前版本的导航算法和一个更新版本的导航算法在计算出的导航路线上的优劣进行了评估,分别得到了评估结果。可以进一步对多次评估得到的多个评估结果进行分析,得到当前版本的导航算法和一个更新版本的导航算法在计算出的导航路线的优劣的最终的评估结果。
在本实施例中,每一次接收到一个与用户的相关联的导航请求,均可以进行一次评估过程。在每一次评估过程中,可以进行多方面评估。由于在每一次评估过程对导航算法进行的各个方面的评估时,均利用用户和机器人在相同的条件下(例如起点和终点相同并且同时出发)行驶生成的行驶关联信息中的相应的项进行对比,得到相应的评估结果,使得在每一次评估过程中均可以对导航算法进行各个方面的精确评估,进而确保最终得到各个方面的精确的评估结果。
在一些实施方式中,可以通过用户的行驶关联信息中的相应项和机器人的行驶关联信息中的相应项的对比,对导航算法计算出的任意一项的准确性进行评估,从而,根据评估结果确定导航算法在任意一项的计算上是否存在问题,从而对相应的模块进行改进。在对导航算法计算出的任意一项的准确性进行评估时,可以利用多个不同的等级的机器人参与评估。
以接收到一次导航请求之后进行的一次评估过程中,评估当前版本的导航算法是否存在问题为例,在服务器上利用当前的导航算法根据起点和终点计算出导航信息。当前的导航算法计算出的导航路线上每一个路段均可以具有当前版本的导航算法预估出的行驶时长。用于评估的机器人可以包括高驾驶等级的机器人、中驾驶等级的机器人、低驾驶等级的机器人。服务器将该导航信息同时发送给用户和高驾驶等级、中驾驶等级的机器人、低驾驶等级的机器人。使得用户驾驶车辆按照这个导航路线行驶,同时,高驾驶等级、中驾驶等级的机器人、低驾驶等级的机器人也按照这个导航路线行驶。
获取到的用户的行驶关联信息包括该用户按照当前版本的导航算法计算出的导航路线行驶,从起点位置到达的终点位置的行驶时长。获取的高驾驶等级的机器人、中驾驶等级的机器人、低驾驶等级的机器人的行驶关联信息分别包括各自按照当前版本的导航算法计算出的导航路线行驶,从起点位置到达的终点位置的行驶时长。通过行驶时长的对比,当高驾驶等级的机器人即驾驶水平最高的机器人的行驶时长依然大于用户的行驶时长,即从起点行驶到终点所花费的时间依然大于用户花费的时间,由于导航路线相同,则预估出的行驶时长可能有问题。因为,机器人是严格按照预估的时长行驶的,例如,在导航路线中的一个路段预估时长3分钟时,即使机器人提前行驶到该路段的终点,例如,花费2分中行驶完该路段,也会停止在该路段的终点。当评估出当前版本的导航算法在预估时长的计算上出现问题时,由于预估时长和预估出的路况信息、天气信息等参数均关联,可以进一步查找出哪些计算预估时长所基于的参数的计算出现问题,进而改进当前版本的导航算法中相应的模块,优化当前版本的导航算法。
在一些实施方式中,多个待评估的导航算法中包含当前版本的导航算法即当前向用户提供的导航服务所使用导航算法、多个更新版本的导航算法即新开发出的导航算法。可以对当前版本的导航算法和任意一个更新版本的导航算法在计算任意一项上的优劣进行评估。在对当前版本的导航算法和任意一个更新版本的导航算法在计算任意一项上的优劣进行评估时,可以利用多个不同的等级的机器人参与评估。
以接收到一次导航请求之后进行的一次评估过程中,对当前版本的导航算法和一个更新版本的导航算法在计算导航路线这一项的优劣进行的一次评估为例,评估当前版本的导航算法与任意一个更新版本的导航算法的优劣均适用。当前版本的导航算法可以称之为旧导航算法,更新版本的导航算法可以称之为新导航算法。
用于评估的机器人可以包括高驾驶等级的机器人、中驾驶等级的机器人、低驾驶等级的机器人。服务器将旧导航算法计算出的导航信息提供给用户,同时,将该新导航算法计算出的导航信息提供给高驾驶等级、中驾驶等级的机器人、低驾驶等级的机器人。用户按照旧导航算法计算出的导航信息驾驶车辆从起点到达终点,驾驶等级高、驾驶等级中、驾驶等级低的机器人按照新导航算法计算出的导航信息中的导航路线从起点到达终点。获取到的用户的行驶关联信息包括该用户按照旧导航算法计算出的导航路线行驶,从起点位置到达的终点位置的行驶时长。获取的高驾驶等级的机器人、中驾驶等级的机器人、低驾驶等级的机器人的行驶关联信息分别包括各自按照新导航算法计算出的导航路线行驶,从起点位置到达的终点位置的行驶时长。驾驶等级高的机器人的行驶时长小于驾驶等级中的机器人的行驶时长,驾驶等级中的机器人的行驶时长小于驾驶等级低的机器人的行驶时长。
通过行驶时长的对比,当驾驶等级低的机器人的行驶时长即从起点到达终点花费的时间依然少于用户花费的时间时,则可能新导航算法在计算导航路线上优于旧导航算法,可以生成一个指示新导航算法在计算导航路线上优于旧导航算法的指示信息。当驾驶等级高的机器人从起点到达终点花费的时间大于用户花费的时间时,则可能旧导航算法在计算导航路线上优于新导航算法,可以生成一个指示旧导航算法在计算导航路线上优于新导航算法的指示信息。
请参考图3,作为对上述各图所示方法的实现,本申请提供了一种装置的一个实施例,该装置实施例与图2所示的方法实施例相对应。装置中的各个单元被配置为完成的相应的操作的具体实现方式可以参考方法实施例中描述的相应的操作的具体实现方式。
如图3所示,本实施例的导航算法评估装置包括:获取单元301,分发单元302,评估单元303。其中,获取单元301被配置为接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息,其中,一个待评估的导航算法对应的导航信息为利用所述导航算法根据所述导航请求中的起点位置和终点位置进行计算而得到;分发单元302被配置为将获取到的导航信息提供给用户和机器人,其中,机器人被预先利用与导航相关联的数据进行训练,机器人基于导航信息自主行驶;评估单元303被配置为获取用户的行驶关联信息和机器人的行驶关联信息,以及基于获取到的行驶关联信息,生成与待评估的导航算法相关联的评估参考信息。
在本实施例的一些可选的实现方式中,行驶关联信息包括:指示是否到达终点位置的指示信息、行驶距离、行驶时长。
在本实施例的一些可选的实现方式中,机器人的数量为多个,每一个机器人具有一个驾驶等级,一个驾驶等级的机器人被预先利用对应于所述驾驶等级的与导航相关联的数据进行训练。
在本实施例的一些可选的实现方式中,与导航相关联的数据包括:历史导航路线、用户按照历史导航路线行驶时生成的历史行驶轨迹信息、历史路网信息、历史路况信息。
在本实施例的一些可选的实现方式中,获取用户的行驶关联信息和机器人的行驶关联信息的时刻为用户到达终点位置的时刻。
在本实施例的一些可选的实现方式中,待评估的导航算法的数量为多个,每一个待评估的导航算法为以下之一:当前版本的导航算法、更新版本的导航算法,当前版本的导航算法计算出的导航信息被提供给用户,更新版本的导航算法计算出的导航信息被提供给机器人,与待评估的导航算法相关联的评估参考信息包括:指示所述当前版本的导航算法和更新版本的导航算法在计算导航信息中的项上的优劣的指示信息,所述指示信息基于将至少一个驾驶等级的机器人的行驶关联信息与用户的行驶关联信息进行对比而生成。
在本实施例的一些可选的实现方式中,待评估的导航算法的数量为一个,提供给用户和机器人的导航信息均利用待评估的导航算法计算出,与待评估的导航算法相关联的评估参考信息包括:指示待评估的导航算法计算出的导航信息中的项的准确性的指示信息,所述指示信息基于将至少一个驾驶等级的机器人的行驶关联信息与用户的行驶关联信息进行对比而生成。
在本实施例的一些可选的实现方式中,待评估的导航算法对应的导航信息中的导航路线满足预设条件,预设条件与条件参数相关联,条件参数包括:导航路线中的道路类型、导航路线中的预设类型的交通设施的数量、导航路线中的途径点的数量
图4示出了适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
如图4所示,计算机系统包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有计算机系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:输入部分406;输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,本申请的实施例中描述的过程可以被实现为计算机程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包括用于执行流程图所示的方法的指令。该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的方法中限定的上述功能。
本申请还提供了一种服务器,该服务器可以配置有一个或多个处理器;存储器,用于存储一个或多个程序,一个或多个程序中可以包含用以执行上述实施例中描述的操作的指令。当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述实施例中描述的操作的指令。
本申请还提供了一种计算机可读介质,该计算机可读介质可以是服务器中所包括的;也可以是单独存在,未装配入服务器中。上述计算机可读介质承载有一个或者多个程序,当一个或者多个程序被服务器执行时,使得服务器执行上述实施例中描述的操作。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被消息执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多方面形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由消息执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行消息。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机消息的组合来实现。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术实施例,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术实施例。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术实施例。
Claims (18)
1.一种导航算法评估方法,包括:
接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息,其中,一个待评估的导航算法对应的导航信息为利用所述导航算法根据所述导航请求中的起点位置和终点位置进行计算而得到;
将获取到的导航信息提供给用户和机器人,其中,机器人被预先利用与导航相关联的数据进行训练,机器人基于导航信息自主行驶;
获取用户的行驶关联信息和机器人的行驶关联信息,以及基于获取到的行驶关联信息,生成与待评估的导航算法相关联的评估参考信息。
2.根据权利要求1所述的方法,行驶关联信息包括:指示是否到达终点位置的指示信息、行驶距离、行驶时长。
3.根据权利要求2所述的方法,机器人的数量为多个,每一个机器人具有一个驾驶等级,一个驾驶等级的机器人被预先利用对应于所述驾驶等级的与导航相关联的数据进行训练。
4.根据权利要求3所述的方法,所述与导航相关联的数据包括:历史导航路线、用户按照历史导航路线行驶时生成的历史行驶轨迹信息、历史路网信息、历史路况信息。
5.根据权利要求4所述的方法,获取用户的行驶关联信息和机器人的行驶关联信息的时刻为用户到达终点位置的时刻。
6.根据权利要求5所述的方法,待评估的导航算法的数量为多个,每一个待评估的导航算法为以下之一:当前版本的导航算法、更新版本的导航算法,当前版本的导航算法计算出的导航信息被提供给用户,更新版本的导航算法计算出的导航信息被提供给机器人,与待评估的导航算法相关联的评估参考信息包括:指示所述当前版本的导航算法和更新版本的导航算法在计算导航信息中的项上的优劣的指示信息,所述指示信息基于将至少一个驾驶等级的机器人的行驶关联信息与用户的行驶关联信息进行对比而生成。
7.根据权利要求5所述的方法,待评估的导航算法的数量为一个,提供给用户和机器人的导航信息均利用待评估的导航算法计算出,与待评估的导航算法相关联的评估参考信息包括:指示待评估的导航算法计算出的导航信息中的项的准确性的指示信息,所述指示信息基于将至少一个驾驶等级的机器人的行驶关联信息与用户的行驶关联信息进行对比而生成。
8.根据权利要求1-7之一所述的方法,待评估的导航算法对应的导航信息中的导航路线满足预设条件,预设条件与条件参数相关联,条件参数包括:导航路线中的道路类型、导航路线中的预设类型的交通设施的数量、导航路线中的途径点的数量。
9.一种导航算法评估装置,包括:
获取单元,被配置为接收与用户相关联的导航请求,以及获取待评估的导航算法对应的导航信息,其中,一个待评估的导航算法对应的导航信息为利用所述导航算法根据所述导航请求中的起点位置和终点位置进行计算而得到;
分发单元,被配置为将获取到的导航信息提供给用户和机器人,其中,机器人被预先利用与导航相关联的数据进行训练,机器人基于导航信息自主行驶;
评估单元,被配置为获取用户的行驶关联信息和机器人的行驶关联信息,以及基于获取到的行驶关联信息,生成与待评估的导航算法相关联的评估参考信息。
10.根据权利要求9所述的装置,行驶关联信息包括:指示是否到达终点位置的指示信息、行驶距离、行驶时长。
11.根据权利要求10所述的装置,机器人的数量为多个,每一个机器人具有一个驾驶等级,一个驾驶等级的机器人被预先利用对应于所述驾驶等级的与导航相关联的数据进行训练。
12.根据权利要求11所述的装置,所述与导航相关联的数据包括:历史导航路线、用户按照历史导航路线行驶时生成的历史行驶轨迹信息、历史路网信息、历史路况信息。
13.根据权利要求12所述的装置,获取用户的行驶关联信息和机器人的行驶关联信息的时刻为用户到达终点位置的时刻。
14.根据权利要求13所述的装置,待评估的导航算法的数量为多个,每一个待评估的导航算法为以下之一:当前版本的导航算法、更新版本的导航算法,当前版本的导航算法计算出的导航信息被提供给用户,更新版本的导航算法计算出的导航信息被提供给机器人,与待评估的导航算法相关联的评估参考信息包括:指示所述当前版本的导航算法和更新版本的导航算法在计算导航信息中的项上的优劣的指示信息,所述指示信息基于将至少一个驾驶等级的机器人的行驶关联信息与用户的行驶关联信息进行对比而生成。
15.根据权利要求13所述的装置,待评估的导航算法的数量为一个,提供给用户和机器人的导航信息均利用待评估的导航算法计算出,待评估的导航算法的评估参考信息包括:指示待评估的导航算法计算出的导航信息中的项的准确性的指示信息,所述指示信息基于将至少一个驾驶等级的机器人的行驶关联信息与用户的行驶关联信息进行对比而生成。
16.根据权利要求9-15之一所述的装置,待评估的导航算法对应的导航信息中的导航路线满足预设条件,预设条件与条件参数相关联,条件参数包括:导航路线中的道路类型、导航路线中的预设类型的交通设施的数量、导航路线中的途径点的数量。
17.一种服务器,包括:
一个或多个处理器;
存储器,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执行时,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811149865.9A CN109146333A (zh) | 2018-09-29 | 2018-09-29 | 导航算法评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811149865.9A CN109146333A (zh) | 2018-09-29 | 2018-09-29 | 导航算法评估方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146333A true CN109146333A (zh) | 2019-01-04 |
Family
ID=64813833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811149865.9A Pending CN109146333A (zh) | 2018-09-29 | 2018-09-29 | 导航算法评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146333A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469971A (zh) * | 2019-06-24 | 2021-03-09 | 谷歌有限责任公司 | 用于评估导航应用性能的系统和方法 |
CN113029196A (zh) * | 2021-03-02 | 2021-06-25 | 北京白龙马云行科技有限公司 | 导航应用测试方法及测试平台 |
CN113029179A (zh) * | 2021-03-25 | 2021-06-25 | 北京百度网讯科技有限公司 | 一种路线评测方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551284A (zh) * | 2016-01-29 | 2016-05-04 | 武汉光庭科技有限公司 | 一种开放式自动驾驶系统 |
CN108180922A (zh) * | 2018-01-26 | 2018-06-19 | 百度在线网络技术(北京)有限公司 | 一种导航时间测评方法、装置、设备和介质 |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
-
2018
- 2018-09-29 CN CN201811149865.9A patent/CN109146333A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551284A (zh) * | 2016-01-29 | 2016-05-04 | 武汉光庭科技有限公司 | 一种开放式自动驾驶系统 |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
CN108180922A (zh) * | 2018-01-26 | 2018-06-19 | 百度在线网络技术(北京)有限公司 | 一种导航时间测评方法、装置、设备和介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112469971A (zh) * | 2019-06-24 | 2021-03-09 | 谷歌有限责任公司 | 用于评估导航应用性能的系统和方法 |
CN112469971B (zh) * | 2019-06-24 | 2022-04-19 | 谷歌有限责任公司 | 用于评估导航应用性能的系统和方法 |
CN113029196A (zh) * | 2021-03-02 | 2021-06-25 | 北京白龙马云行科技有限公司 | 导航应用测试方法及测试平台 |
CN113029179A (zh) * | 2021-03-25 | 2021-06-25 | 北京百度网讯科技有限公司 | 一种路线评测方法、装置、电子设备及存储介质 |
CN113029179B (zh) * | 2021-03-25 | 2023-12-19 | 北京百度网讯科技有限公司 | 一种路线评测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744A (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
CN109213134A (zh) | 生成自动驾驶策略的方法和装置 | |
CN107571864B (zh) | 无人驾驶车辆的数据采集方法和装置 | |
CN106960568B (zh) | 产生基于不确定性的交通拥堵指数的方法、介质和系统 | |
CN109146333A (zh) | 导航算法评估方法和装置 | |
EP2950293B1 (en) | Method and apparatus for estimating an arrival time of a transportation vehicle | |
CN107945507A (zh) | 行程时间预测方法及装置 | |
CN109492656A (zh) | 用于输出信息的方法和装置 | |
CN106020203A (zh) | 用于控制无人驾驶车辆的方法及装置 | |
CN109902899A (zh) | 信息生成方法和装置 | |
CN107063710B (zh) | 用于测试无人车的方法和装置 | |
US20210039657A1 (en) | Evaluation method for driving service and evaluation device for driving service, apparatus and storage medium | |
CN105371859B (zh) | 基于安全驾驶地图的车道级别的导航引导系统和方法 | |
CN106769080A (zh) | 用于测量无人驾驶车辆的行驶精度的方法和装置 | |
CN109189054A (zh) | 用于控制无人驾驶车执行路线验证的方法和装置 | |
CN107310550A (zh) | 道路交通工具行驶控制方法和装置 | |
CN109059952A (zh) | 一种行程时长预测方法及装置 | |
CN107894237A (zh) | 用于显示导航信息的方法和装置 | |
CN106781507A (zh) | 用于生成路况信息和测试路况识别系统的方法和装置 | |
GB2541710A (en) | Locating train events on a railway network | |
CN109377758B (zh) | 一种行驶时间预估方法及系统 | |
CN106463050A (zh) | 用于处理车辆的测量数据以用于确定开始寻找停车位的方法和计算机程序产品 | |
CN109883438A (zh) | 车辆导航方法、装置、介质及电子设备 | |
CN113970338A (zh) | 一种出行模式推荐方法、相关方法及装置和系统 | |
CN112572461A (zh) | 控制车辆的方法、装置、设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |
|
RJ01 | Rejection of invention patent application after publication |