CN113060160A - 自动驾驶控制方法及装置 - Google Patents

自动驾驶控制方法及装置 Download PDF

Info

Publication number
CN113060160A
CN113060160A CN202110428417.8A CN202110428417A CN113060160A CN 113060160 A CN113060160 A CN 113060160A CN 202110428417 A CN202110428417 A CN 202110428417A CN 113060160 A CN113060160 A CN 113060160A
Authority
CN
China
Prior art keywords
vehicle
displacement parameter
current
collision risk
risk probability
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.)
Granted
Application number
CN202110428417.8A
Other languages
English (en)
Other versions
CN113060160B (zh
Inventor
邹广源
贺颖
陈龙权
潘微科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN202110428417.8A priority Critical patent/CN113060160B/zh
Publication of CN113060160A publication Critical patent/CN113060160A/zh
Application granted granted Critical
Publication of CN113060160B publication Critical patent/CN113060160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0016—Planning or execution of driving tasks specially adapted for safety of the vehicle or its occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
    • B60T7/22—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger initiated by contact of vehicle, e.g. bumper, with an external object, e.g. another vehicle, or by means of contactless obstacle detectors mounted on the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请适用于智能驾驶领域，具体公开了一种自动驾驶控制方法及装置，在该方法中，获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数；基于所述当前车辆位移参数和所述当前对象位移参数，确定碰撞风险概率；如果所述碰撞风险概率超过所述风险阈值，则实施紧急制动操作；如果所述碰撞风险概率小于或等于所述风险阈值，则调用强化学习模型确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制所述车辆进行操作。由此，同时保障了车辆在自动驾驶过程中的安全性和自动驾驶通行效率。

Description

自动驾驶控制方法及装置
技术领域
本申请属于智能驾驶领域，尤其涉及一种自动驾驶控制方法及装置。
背景技术
自动驾驶技术对于提升交通安全、提高交通效率以及提升驾驶体验方面具有至关重要的作用，并且联网自动驾驶车辆(automated vehicle,AV)将在未来的智能交通系统(Intelligent Transportation System，ITS)中扮演重要角色。
自动驾驶车辆技术中最基本的问题之一便是行人防撞问题，其要求自动驾驶车辆避免与交通参与者发生碰撞，关键之处就是如何恰当地权衡车辆的交通效率和其带来的碰撞安全风险。
发明内容
鉴于此，本申请实施例提供了一种自动驾驶控制方法及装置，以至少降低现有技术中自动驾驶车辆发生行人防撞事件的概率较高的问题。
本申请实施例的第一方面提供了一种自动驾驶控制方法，包括：获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数；基于所述当前车辆位移参数和所述当前对象位移参数，确定碰撞风险概率；检测所述碰撞风险概率是否超过预设的风险阈值；如果所述碰撞风险概率超过风险阈值，则实施紧急制动操作；如果所述碰撞风险概率小于或等于所述风险阈值，则确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制所述车辆进行操作。
本申请实施例的第二方面提供了一种自动驾驶控制装置，包括：获取单元，被配置为获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数；计算单元，被配置为基于所述当前车辆位移参数和所述当前对象位移参数，计算在未干预车辆操作的情况下的碰撞风险概率；检测单元，被配置为检测所述碰撞风险概率是否超过预设的风险阈值；紧急制动单元，被配置为如果所述碰撞风险概率超过风险阈值，则实施紧急制动操作；操作单元，被配置为如果所述碰撞风险概率小于或等于所述风险阈值，则确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制所述车辆进行操作。
本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读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如上述方法的步骤。
本申请实施例的第四方面提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备实现如上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：
通过本申请实施例，车辆在自动驾驶系统集成了强化学习模型和碰撞风险监测模块，在碰撞风险概率过高时实施紧急制动，充分考虑了在利用强化学习模型输出车辆操作也无法避免碰撞风险的情况，保障了车辆在自动驾驶过程中的安全性，并能实现高效的自动驾驶通行效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了适于在本申请实施例中应用的一示例的强化学习模型的状态转移示意图；
图2示出了根据本申请实施例的自动驾驶控制方法的一示例的流程图；
图3示出了根据本申请实施例的确定碰撞风险概率的一示例的流程图；
图4示出了图3中的步骤340在本申请实施例的一些示例中的具体实施流程图；
图5示出了根据本申请实施例的计算车辆与行人之间的碰撞风险概率的一示例的原理示意图；
图6示出了根据本申请实施例的基于马尔科夫决策过程的强化学习模型的一示例的训练框图；
图7示出了根据本申请实施例的基于约束马尔科夫决策过程的强化学习模型的一示例的训练框图；
图8示出了根据本申请实施例的自动驾驶控制装置的一示例的结构框图；
图9是本申请实施例的电子设备的一示例的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中，本申请实施例中描述的电子设备包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器)的计算机。
在接下来的讨论中，描述了包括显示器和触摸敏感表面的电子设备。然而，应当理解的是，电子设备可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
可以在电子设备上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
图1示出了适于在本申请实施例中应用的一示例的强化学习模型的状态转移示意图。
如图1所示，该状态转移示意图中涉及强化学习模型所对应的由多个环境状态f1～fn所组成的环境，在不同环境状态之间可能会发生状态转移，例如a1表示从f1到f2的状态转移动作，a2表示从f2到f1的状态转移动作，a3表示从f1到f3的状态转移动作，等等。这里，每个环境状态分别通过不同的状态转移动作集，以实现向相应环境状态的状态转移。
在一些实施方式中，每一状态转移具有对应的奖赏，且各个奖赏可以是基于预设的奖赏函数来确定的。通常情况下，若奖赏越大，则可认为相应的状态转移越有价值。示例性地，针对状态f1，能够发生从状态f1到状态f2和f3的状态转移，即，状态转移a1和a3。若状态转移a1所对应的奖赏大于a3所对应的奖赏，则表示状态转移a1更有价值。
另外，强化学习模型可以基于动作策略来从多个状态转移中进行选择。示例性地，可以选择对应奖赏最大化的状态转移，例如，在状态f1时，根据动作策略而优先实施状态转移a1。
在本申请实施例中，将强化学习模型应用在车辆驾驶领域，可以实现车辆驾驶过程中的自主决策，实现自动驾驶。
需说明的是，在智能驾驶的避让行人的问题上，传统方法通行效率低，而标准强化学习由于安全保障弱，不适于直接在实际自动驾驶业务中应用。为了解决这一局限性，在本申请实施例中提出，应针对自动驾驶系统中的标准强化学习架构进行改进。
现在结合附图来描述本申请实施例的自动驾驶控制方法及装置。
图2示出了根据本申请实施例的自动驾驶控制方法的一示例的流程图。关于本申请实施例方法的执行主体，其可以是车辆或车辆上的处理器。另外，在本申请实施例中，可以并不限制车辆的驾驶场景，例如车辆可以是在测试阶段或实际运营阶段的自动驾驶过程。
如图2所示，在步骤210中，获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数。示例性地，位移参数可以包含位置信息和方向信息，并且，在一些情况下，位移参数还可以包含一些附加信息。
应理解的是，交通参与对象可以是在车辆的传感检测范围内在道路上的各种类型的对象，例如行人等。
在步骤220中，基于当前车辆位移参数和当前对象位移参数，确定碰撞风险概率。例如，当车辆与行人之间的距离较远，或二者的行进方向不会重合时，可以确定车辆与行人之间具有较低的碰撞风险。
在步骤230中，检测碰撞风险概率是否超过预设的风险阈值。这里，风险阈值可以是根据实际应用场景或产品需求而进行调整的。
如果在步骤230中的检测结果指示碰撞风险概率超过风险阈值，则跳转至步骤241。如果在步骤230中的检测结果指示碰撞风险概率小于或等于风险阈值，则跳转至步骤243。
在步骤241中，实施紧急制动操作。示例性地，可以启动车辆的AEB(AutonomousEmergency Braking,自动紧急制动)系统，以令车辆快速制动并停止。
在步骤243中，调用强化学习模型确定与当前车辆位移参数和当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制车辆进行操作。这里，车辆操作信息可以表示针对车辆的行进装置的各种操作信息，例如刹车操作信息、油门操作信息和转向操作信息，等等。
通过本申请实施例，车辆自动驾驶系统的驾驶决策权并未完全交给强化学习模型，并集成了碰撞风险的监测功能，在碰撞风险概率过高时实施紧急制动，充分考虑了在利用强化学习模型输出车辆操作也无法避免碰撞风险的情况，保障了车辆在自动驾驶过程中的安全性。另外，当碰撞风险较低时，不会干预强化学习模型的自动决策的驾驶操作过程，实现了高效的自动驾驶效率。
图3示出了根据本申请实施例的确定碰撞风险概率的一示例的流程图。
如图3所示，在步骤310中，基于交通参与对象的位置信息和车辆的位置信息，确定交通参与对象与车辆之间的相对距离。
在步骤320中，检测相对距离是否大于预设的距离阈值。这里，距离阈值可以是根据业务场景或产品需求而设定的。示例性地，为了确保自动驾驶过程中尽量避让行人，可以将距离阈值设为较大值，例如50米。
如果在步骤320中的检测结果指示相对距离大于预设的距离阈值，则跳转至步骤330。如果在步骤320中的检测结果指示相对距离小于或等于距离阈值，则跳转至步骤330。
一方面，在步骤330中，确定无碰撞风险。
另一方面，在步骤340中，基于当前车辆位移参数和当前对象位移参数确定碰撞风险概率。
在本申请实施例的示例中，检测交通参与对象与车辆之间的距离，并在距离过大时确定无碰撞风险，也无需进行碰撞风险概率的计算操作，可以有些节约自动驾驶车辆的处理资源消耗。
图4示出了图3中的步骤340在本申请实施例的一些示例中的具体实施流程图。这里，位移参数还包括速度信息和方向信息，以及车辆位移参数还包括车辆尺寸信息。
如图4所示，在步骤410中，基于交通参与对象的位置信息、车辆的位置信息和车辆尺寸信息，计算交通参与对象与车辆的边缘之间的第一相对角度。
示例性地，综合车辆尺寸信息和车辆的位置信息而得到车辆的边缘(例如，车辆外围的各个边界点)，并将车辆的不同边界点与行人位置进行连接，从而得到行人与车辆的边缘之间的相对角度。
在步骤420中，基于交通参与对象的速度信息和方向信息连同车辆的速度信息和方向信息，推算在经过预设时间之后交通参与对象与车辆的边缘之间的第二相对角度。这里，预设时间可以是系统中的时间步长或其他长度的时间，在此应不加限制。
具体地，综合车辆和行人的速度信息及方向信息，可以计算出车辆和行人的行进距离，并推算在预设时间之后的行人位置和车辆位置之间的相对角度。
在步骤430中，基于第一相对角度与第二相对角度之间的重合角度计算在方向上的第一冲突风险概率，以及基于相对距离、交通参与对象的速度信息和车辆的速度信息计算在距离上的第二冲突风险概率。
在步骤440中，基于第一冲突风险概率和第二冲突风险概率，确定碰撞风险概率。这里，碰撞风险概率包含了在方向冲突和在距离冲突两个维度的风险概率。
通过本申请实施例，综合考虑车辆与交通参与对象在方向和距离上遭遇的冲突风险概率，从而确定相应的碰撞风险概率，保障了更加精确的碰撞风险识别结果。示例性地，只有在第一冲突风险概率和第二冲突风险概率均较大时，才会实施紧急制动操作，可避免虽然车辆和行人较近但行进方向不冲突时的车辆紧急制动的情况。
图5示出了根据本申请实施例的计算车辆(或，也被称为智能车)与行人之间的碰撞风险概率的一示例的原理示意图。
如图5所示，行人i与智能车的碰撞风险被计算为
Figure BDA0003030466560000081
Figure BDA0003030466560000082
Figure BDA0003030466560000083
其中，行人i与车辆边缘当前所形成角度的夹角是
Figure BDA0003030466560000084
行人和车辆相对速度方向在经过预设时间Δt后的最大变化的角度是
Figure BDA0003030466560000085
tc表示行人与智能车的碰撞时间，d是行人与车辆的相对距离大小，v是行人与车辆的相对速度大小，以及k表示不干预当前动作而发生碰撞的概率。
因此，通过分析车辆和行人的当前动作，便可以得到行人与智能车的相对速度方向，其必然在
Figure BDA0003030466560000086
如果其还在
Figure BDA0003030466560000087
内，则未来必然碰撞。
进一步地，系统中可以预先设置在距离上的风险阈值rthre1和在方向上的距离阈值rthre2，如果距离上的风险概率不小于风险阈值(即，rthre1≥min(tb/tc，1))，并且在方向上的风险概率不小于风险阈值(即，k≥rthre2)，则可以启动AEB系统实施紧急制动，避让行人，从而实现安全驾驶。
在本申请实施例中，在强化模型之外引入了附加的安全保障机制，判定为不安全的动作将会被安全保障机制的安全紧急制动动作替代。由此，在智能车避让行人问题上，引入自动紧急刹车系统，通过安全风险阈值来触发自动紧急刹车系统，将产生一个紧急刹车的减速度保证车辆的安全性。此外，在平常的自动驾驶过程中，智能车将没有权限进行紧急刹车，可以保障行车的舒适性，也会降低汽车零件的磨损。
需说明的是，避免发生碰撞结果是车辆自动驾驶系统中的重要指标，因此可以利用碰撞结果来作为强化学习模型中的一个评价维度。
在本申请实施例的一些示例中，碰撞结果可以利用车辆安全性度量指标rsafe来衡量，并且由于只考虑在距离阈值d*范围内的行人，最后rsafe可以通过以下方式来计算：
Figure BDA0003030466560000091
其中，di表示行人i与车辆之间的相对距离，rcollision可以表示真实碰撞发生时在强化学习模型中所对应的奖赏值，其可以是用户自行设计的，例如-15。
在本申请实施例一个示例中，强化学习模型的各个环境状态分别是由相应的车辆位移参数和对象位移参数定义的，例如图1中的f可以是由车辆位移参数和对象位移参数来进行定义。另外，各个f所对应的状态转移动作集可以是由相应的车辆操作信息集来定义的，例如f1所对应的状态转移动作集{a2,a3}是由相应的车辆操作信息集来定义的。
此外，每一状态转移动作分别具有相应的由状态价值网络所定义的奖赏，其中状态价值网络的评价维度包含车辆在制动时的车速和实施相应的车辆操作信息后的碰撞结果。例如，如果车辆在制动时的车速越大同时碰撞结果是无碰撞时，则状态价值网络可以输出更高的奖赏。
在强化学习模型中，可以将行人碰撞问题建模成马尔科夫决策过程MDP或约束马尔科夫决策过程CMDP。在马尔科夫决策过程MDP中，智能车的一次运行被描述为<S,A,R,P,γ>元组序列，其中S是状态、A是状态转移动作、P是状态转移概率、R是奖赏函数，以及γ是折扣因子。
在本申请实施例的一些示例中，S所对应的状态空间可以被如下表1定义：
Figure BDA0003030466560000101
表1
A是状态转移动作，其所对应的状态空间可以被如下表2定义：
变量名称 可变情况 取值范围
油门 连续 [0，1]
刹车 连续 [-1，0]
转向 连续 [-1，1]
表2
在本申请实施例的示例中，在状态S下的动作a所对应的奖励可以通过以下方式来确定：
r(s，a)＝rspeed+rend.
Figure BDA0003030466560000102
Figure BDA0003030466560000111
这里，奖赏是由2部分构成，即速度奖励rspeed和结束奖励rend，速度奖励是随速度正相关的线性函数，但当速度超过最大速度阈值后，速度奖励值降为-1。结束奖励是车辆运行终止获得的奖励，其可以分为多种情况，例如完成状态转移时获得奖励值为1，未完成状态转移且不碰撞时获得奖励值为-1，而发生碰撞时的奖励值为-15。
在强化学习模型具体运行的过程中，可以通过动作策略求解对应最大化折扣回报期望(或，奖赏最大值)的状态转移动作，并得到与该状态转移动作所相对应的车辆操作变量值。
在本申请实施例的一些示例中，强化学习模型的状态S所对应的变量类型还可以包含交通灯的当前工作参数，此时各个环境状态S分别是由预设的车辆位移参数、对象位移参数和交通灯工作参数定义的。具体地，在确定与当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息时，可以获取在车辆的检测范围内的交通灯的当前工作参数，并基于强化学习模型确定与当前车辆位移参数、交通灯的当前工作参数和当前对象位移参数相应的目标车辆操作信息。举例来说，交通灯工作参数包括交通灯状态和交通灯状态持续时间，另外交通灯状态是{-1,0,1}，其中1:绿灯,0:黄灯,-1:红灯。
由此，将交通灯工作参数也作为强化学习模型的状态定义的变量，使得强化学习模型在进行自主车辆操作时可以考虑到环境中的交通灯状态信息，能在更广泛的交通场景中适用。
在本申请实施例的一些示例中，每一状态转移动作的奖赏是由奖励状态价值网络所确定的奖励值和成本状态价值网络所确定的成本值共同定义的。具体地，成本状态价值网络的评价维度包含车辆实施相应的车辆操作信息后的碰撞结果，并且每一状态转移动作所对应的成本值均低于预设的成本阈值。示例性地，在车辆采取状态迁移动作而发生碰撞时，此次状态迁移动作所对应的成本值可以设为15。
在本申请实施例中，价值网络是由奖励状态价值网络和成本状态价值网络组成，由此利用多个网络来综合评价奖赏，能实现比单价值网络更精准的奖赏，保障所输出的奖赏的高精确度。
图6示出了根据本申请实施例的基于马尔科夫决策过程的强化学习模型的一示例的训练框图。
如图6所示，元组是智能车运行一步的记录，可以在缓存中记录当下时刻t，记录包括当前的状态st、动作at、奖励ry，递增缓存结果记录。
在马尔科夫决策过程MDP中，需要求解最大化折扣回报期望的策略π：
Figure BDA0003030466560000121
Figure BDA0003030466560000122
其中，πθ表示依据动作策略在状态转移动作集中选定的策略动作，在t时刻下，智能车能从环境中观测到状态st，并根据状态和策略产生动作at。τ是资格迹，是一个形如(s0,a0,s1,a1,…,st,at,…)的序列。此时，奖赏R可以是由单价值网络计算而得到的。
更新策略网络和价值网络的目标函数分别是：
策略网络，优化策略π的参数θ最大化替代函数期望，间接最大化折扣回报期望：
Figure BDA0003030466560000123
Figure BDA0003030466560000124
其中ρt是重要性比例，通过clip约束π的每次更新在有限范围内，以较小的更新步幅为代价，增加策略提升的稳定性。
Figure BDA0003030466560000125
是优势函数，我们采用广义优势函数(GAE)计算它，使用GAE可以有效降低蒙特卡罗(MC)估计方差大的问题，由下式计算：
Figure BDA0003030466560000131
其中，λ是平衡蒙特卡罗(MC)估计方差大和时序差分(Temporal difference，TD)估计偏差大的超参数，可以看出，
Figure BDA0003030466560000132
的计算需要依赖价值网络Vθ。另外，价值网络Vθ，优化价值策略参数使得价值网络拟合真实的价值函数，为准确评估状态S的价值。这里，强化学习模型可以采用多任务更新方式进行训练。
Figure BDA0003030466560000133
此时，强化学习模型的损失函数可以表示为：
L＝-Lπ+c1Lv-c2H(·|πθ)
其中，Lπ表示πθ所对应的间接最大化回报期望值，Lv表示πθ在状态价值网络下的对应的奖赏，H是最大化熵惩罚项，可以增强强化学习模型的探索力。
图7示出了根据本申请实施例的基于约束马尔科夫决策过程的强化学习模型的一示例的训练框图。
如图7所示，元组是智能车运行一步的记录，可以在缓存中记录当下时刻t，记录包括当前的状态st、动作at、奖励rt和成本Ct，递增缓存结果记录。
在约束马尔科夫决策过程CMDP中，智能车的一次运行被描述为<S,A,R,C,d,P,γ,γc>元组序列。CMDP相比MDP，S、A、P相同，并多出了成本函数(或，成本状态价值网络)C，使得在发生碰撞的奖赏R被考虑成本，即发生碰撞产生C＝15的成本，d是C对应的成本阈值，γc是对应C的折扣因子。这里，可以是在满足约束C≤d的前提下，求解最大化折扣回报期望的策略π：
Figure BDA0003030466560000134
s.t.Jc(πθ)≤d
Figure BDA0003030466560000135
在本申请实施例的一些示例中，在构建或训练强化学习模型时，可以在实际交通场地进行测试和验证，另一方面，可以利用模拟环境来对强化学习模型进行训练。示例性地，在微观的流量层面上，需要对每个交通对象(智能车、行人和交通灯等)和环境的动态，可以利用开源的模拟器(例如，SUMO)，适用于微观仿真交通，可以高自由度的定制道路交通网，并提供大量的交通对象模型(智能车、行人和交通灯等)。示例性地，可以在SUMO(Simulation of Urban Mobility,城市交通仿真)的基础上，可以开发并设计一系列的避让行人的验证环境。
使用约束马尔科夫决策过程构建强化学习模型后，可以对目标函数使用拉格朗日法求解：
Figure BDA0003030466560000141
s.t.Jc(π)≤d
转换为：
Figure BDA0003030466560000142
在具体的模型训练过程中，可以对λ和πθ进行交替优化，对λ的更新是一个凸优化问题，可以使用梯度下降计算，为减小λ更新对策略更新造成的不稳定和波动，可以采用PID控制方式来更新λ：
Figure BDA0003030466560000143
其中，KpKiKd是PID控制的三个超参数，分别对应常数项、积分项和微分项。这由此，首先先是基于对Lλ求导实现的，并没有改变拉格朗日法，并且二次求导得到的Hessian矩阵是半正定矩阵，不改变凸优化的性质，依然支持梯度下降求解。
此外，可以通过以下方式来更新策略πθ：
Figure BDA0003030466560000151
Figure BDA0003030466560000152
Figure BDA0003030466560000153
其中
Figure BDA0003030466560000154
与上述图6中Lπ计算方式完全相同，
Figure BDA0003030466560000155
和
Figure BDA0003030466560000156
的计算依赖奖励r，
Figure BDA0003030466560000157
与安全奖励RL中Lπ的计算方式一致，但是
Figure BDA0003030466560000158
和
Figure BDA0003030466560000159
依赖的是成本c,因此除了奖励状态价值网络
Figure BDA00030304665600001510
在本申请实施例的强化学习模型中还配置了成本状态价值网络
Figure BDA00030304665600001511
Figure BDA00030304665600001512
Figure BDA00030304665600001513
更新策略πθ的总损失函数被计算为：
L＝-Lπ+c1Lr+c2Lc-c3H(·|πθ)
其中，H是最大化熵惩罚项，πθ表示依据动作策略在状态转移动作集中选定的策略动作，Lπ表示πθ所对应的间接最大化回报期望值，Lr表示πθ在奖励状态价值网络下的对应奖励值，Lc表示πθ在成本状态价值网络下的对应成本值，以及c1、c2和c3分别表示常数。
在本申请实施例的示例中，提出了三种安全RL(Reinforcement Learning,强化学习)方法：安全的奖励的RL方法，受约束的RL方法和限制探索的RL方法。这三种安全RL方法能较好地权衡驾驶效率和行人意外行为造成的不安全因素。此外，这三种方法对训练过程的安全性和奖励设计的困难度有不同严格程度：安全的奖励的RL方法训练过程不安全，奖励设计困难；受约束的RL方法训练过程不安全，奖励设计容易；限制探索的RL方法训练过程安全。
具体地，以单辆智能驾驶车为智能体，在智能车与行人流可能相遇的道路场景下，通过智能驾驶算法控制油门和刹车实现智能车避让行人以及通过行人路口这一问题构建为马尔科夫决策过程，近而通过强化学习求解。
在“安全的奖励的RL方法”里，通过引力势场法设计了可以衡量碰撞风险的安全奖励，该安全奖励会考虑行人和智能车之间的相对位置和速度方向、大小等多种因素，并随之在连续空间内变化，增强了安全奖励定义的精确性。另外，在“受约束的RL方法”里，我们使用约束马尔科夫决策建模问题，将安全因素设计为约束并通过拉格朗日和强化学习求解带约束的马尔科夫决策问题。此外，在“限制探索的RL方法”里，设定安全风险阈值，阈值过大，将启动自动紧急刹车系统(AEBS)，从而保障智能车训练过程的安全性。
在本申请实施例的具体实施细节中，可以将“安全的奖励的RL方法”与“限制探索的RL方法”进行融合，或者将“受约束的RL方法”与“限制探索的RL方法”进行融合，使得在安全风险阈值范围内，使用安全的奖励的RL方法和受约束的RL方法来求解避让行人问题的车辆操作，有效地平衡了智能驾驶车辆的通行效率和安全性。
通过本申请实施例，利用强化学习求解远期收益期望最大化的特性，增强传统智能驾驶算法的通行效率。通过设置安全奖励、增加安全约束、限制探索空间三种办法，大幅提升强化学习的安全性，从而得到一个比传统智能驾驶算法通行效率高，安全性更强的基于安全强化学习的智能驾驶系统。
图8示出了根据本申请实施例的自动驾驶控制装置的一示例的结构框图。
如图8所示，自动驾驶控制装置800包括获取单元810、计算单元820、检测单元830、紧急制动单元840和操作单元850。
获取单元810被配置为获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数。
计算单元820被配置为基于所述当前车辆位移参数和所述当前对象位移参数，计算在未干预车辆操作的情况下的碰撞风险概率。
检测单元830被配置为检测所述碰撞风险概率是否超过预设的风险阈值。
紧急制动单元840被配置为如果所述碰撞风险概率超过风险阈值，则实施紧急制动操作。
操作单元850被配置为如果所述碰撞风险概率小于或等于所述风险阈值，则确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制所述车辆进行操作。
需要说明的是，上述装置/模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图9是本申请实施例的电子设备的一示例的示意图。如图9所示，该实施例的电子设备900包括：处理器910、存储器920以及存储在所述存储器920中并可在所述处理器910上运行的计算机程序930。所述处理器910执行所述计算机程序930时实现上述自动驾驶控制方法实施例中的步骤，例如图2所示的步骤210至243。或者，所述处理器910执行所述计算机程序930时实现上述各装置实施例中各模块/单元的功能，例如图8所示单元810至850的功能。
示例性的，所述计算机程序930可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器920中，并由所述处理器910执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序930在所述电子设备900中的执行过程。例如，所述计算机程序930可以被分割成获取程序模块、计算程序模块、检测程序模块、紧急制动程序模块和操作程序模块，各程序模块具体功能如下：
获取程序模块，被配置为获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数；
计算程序模块，被配置为基于所述当前车辆位移参数和所述当前对象位移参数，计算在未干预车辆操作的情况下的碰撞风险概率；
检测程序模块，被配置为检测所述碰撞风险概率是否超过预设的风险阈值；
紧急制动程序模块，被配置为如果所述碰撞风险概率超过风险阈值，则实施紧急制动操作；
操作程序模块，被配置为如果所述碰撞风险概率小于或等于所述风险阈值，则确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制所述车辆进行操作。
所述电子设备900可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括，但不仅限于，处理器910、存储器920。本领域技术人员可以理解，图9仅是电子设备900的示例，并不构成对电子设备900的限定，可以包括比图示更多或少的部件，或组合某些部件，或不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器910可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器920可以是所述电子设备900的内部存储单元，例如电子设备900的硬盘或内存。所述存储器920也可以是所述电子设备900的外部存储设备，例如所述电子设备900上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器920还可以既包括所述电子设备900的内部存储单元也包括外部存储设备。所述存储器920用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器920还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述单元既可以采用硬件的形式实现，也可以采用软件的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种自动驾驶控制方法，其特征在于，包括：
获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数；
基于所述当前车辆位移参数和所述当前对象位移参数，确定碰撞风险概率；
检测所述碰撞风险概率是否超过预设的风险阈值；
如果所述碰撞风险概率超过所述风险阈值，则实施紧急制动操作；
如果所述碰撞风险概率小于或等于所述风险阈值，则调用强化学习模型确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制所述车辆进行操作。
2.如权利要求1所述的方法，其特征在于，所述位移参数包括位置信息，
其中，所述基于所述当前车辆位移参数和所述当前对象位移参数，确定碰撞风险概率，包括：
基于所述交通参与对象的位置信息和所述车辆的位置信息，确定所述交通参与对象与所述车辆之间的相对距离；
如果所述相对距离大于预设的距离阈值，则确定无碰撞风险；
如果所述相对距离小于或等于所述距离阈值，则基于所述当前车辆位移参数和所述当前对象位移参数确定碰撞风险概率。
3.如权利要求2所述的方法，其特征在于，所述位移参数还包括速度信息和方向信息，以及所述车辆位移参数还包括车辆尺寸信息，
其中，所述如果所述相对距离小于或等于所述距离阈值，则基于所述当前车辆位移参数和所述当前对象位移参数确定碰撞风险概率，包括：
如果所述相对距离小于或等于所述距离阈值，则基于所述交通参与对象的位置信息、所述车辆的位置信息和所述车辆尺寸信息，计算所述交通参与对象与所述车辆的边缘之间的第一相对角度；
基于所述交通参与对象的速度信息和方向信息连同所述车辆的速度信息和方向信息，推算在经过预设时间之后所述交通参与对象与所述车辆的边缘之间的第二相对角度；
基于所述第一相对角度与所述第二相对角度之间的重合角度计算在方向上的第一冲突风险概率，以及基于所述相对距离、交通参与对象的速度信息和所述车辆的速度信息计算在距离上的第二冲突风险概率；
基于所述第一冲突风险概率和所述第二冲突风险概率，确定碰撞风险概率。
4.如权利要求1-3中任一项所述的方法，其特征在于，所述调用强化学习模型确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，包括：
从强化学习模型的各个环境状态中确定与所述当前车辆位移参数和所述当前对象位移参数匹配的当前环境状态，并根据动作策略从所述当前环境状态所对应的目标车辆操作信息集中确定对应奖赏最大化的目标车辆操作信息；其中，所述强化学习模型的所述各个环境状态分别是由相应的车辆位移参数和对象位移参数定义的，所述各个环境状态分别具有由相应的车辆操作信息集定义的状态转移动作集，以及每一所述状态转移动作分别具有相应的由状态价值网络所定义的奖赏，其中所述状态价值网络的评价维度包含车辆在制动时的车速和实施相应的车辆操作信息后的碰撞结果。
5.如权利要求4所述的方法，其特征在于，所述确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，包括：
获取在所述车辆的检测范围内的交通灯的当前工作参数；
基于强化学习模型确定与所述当前车辆位移参数、所述交通灯的当前工作参数和所述当前对象位移参数相应的目标车辆操作信息；其中，所述强化学习模型的各个环境状态分别是由预设的车辆位移参数、对象位移参数和交通灯工作参数定义的。
6.如权利要求4所述的方法，其特征在于，每一所述状态转移动作的奖赏是由奖励状态价值网络所确定的奖励值和成本状态价值网络所确定的成本值共同定义的，所述成本状态价值网络的评价维度包含车辆实施相应的车辆操作信息后的碰撞结果，并且每一所述状态转移动作所对应的成本值均低于预设的成本阈值。
7.如权利要求6所述的方法，其特征在于，所述强化学习模型的损失函数L为：
L＝-Lπ+c1Lr+c2Lc-c3H(·|πθ)
其中，H是最大化熵惩罚项，πθ表示依据动作策略在状态转移动作集中选定的策略动作，Lπ表示πθ所对应的间接最大化回报期望值，Lr表示πθ在奖励状态价值网络下的对应奖励值，Lc表示πθ在成本状态价值网络下的对应成本值，以及c1、c2和c3分别表示常数。
8.一种自动驾驶控制装置，其特征在于，包括：
获取单元，被配置为获取车辆的当前车辆位移参数和交通参与对象的当前对象位移参数；
计算单元，被配置为基于所述当前车辆位移参数和所述当前对象位移参数，计算在未干预车辆操作的情况下的碰撞风险概率；
检测单元，被配置为检测所述碰撞风险概率是否超过预设的风险阈值；
紧急制动单元，被配置为如果所述碰撞风险概率超过风险阈值，则实施紧急制动操作；
操作单元，被配置为如果所述碰撞风险概率小于或等于所述风险阈值，则确定与所述当前车辆位移参数和所述当前对象位移参数相应的目标车辆操作信息，并按照所述目标车辆操作信息控制所述车辆进行操作。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如如权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读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如权利要求1-7中任一项所述方法的步骤。
CN202110428417.8A 2021-04-21 2021-04-21 自动驾驶控制方法及装置 Active CN113060160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110428417.8A CN113060160B (zh) 2021-04-21 2021-04-21 自动驾驶控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110428417.8A CN113060160B (zh) 2021-04-21 2021-04-21 自动驾驶控制方法及装置

Publications (2)

Publication Number Publication Date
CN113060160A true CN113060160A (zh) 2021-07-02
CN113060160B CN113060160B (zh) 2022-06-07

Family

ID=76567135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110428417.8A Active CN113060160B (zh) 2021-04-21 2021-04-21 自动驾驶控制方法及装置

Country Status (1)

Country Link
CN (1) CN113060160B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114202966A (zh) * 2021-12-13 2022-03-18 阿里云计算有限公司 碰撞风险的确定方法、计算设备及存储介质
CN114261400A (zh) * 2022-01-07 2022-04-01 京东鲲鹏(江苏)科技有限公司 一种自动驾驶决策方法、装置、设备和存储介质
WO2023083113A1 (en) * 2021-11-10 2023-05-19 International Business Machines Corporation Reinforcement learning with inductive logic programming

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200097808A1 (en) * 2018-09-21 2020-03-26 International Business Machines Corporation Pattern Identification in Reinforcement Learning
CN110969848A (zh) * 2019-11-26 2020-04-07 武汉理工大学 一种对向双车道下基于强化学习的自动驾驶超车决策方法
CN111532262A (zh) * 2020-05-14 2020-08-14 中南大学 自动驾驶车后端防撞控制方法、系统、计算机、存储介质
US20210009121A1 (en) * 2020-09-24 2021-01-14 Intel Corporation Systems, devices, and methods for predictive risk-aware driving
CN112406904A (zh) * 2020-08-27 2021-02-26 腾讯科技（深圳）有限公司 自动驾驶策略的训练方法、装置、自动驾驶方法、设备、车辆和计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200097808A1 (en) * 2018-09-21 2020-03-26 International Business Machines Corporation Pattern Identification in Reinforcement Learning
CN110969848A (zh) * 2019-11-26 2020-04-07 武汉理工大学 一种对向双车道下基于强化学习的自动驾驶超车决策方法
CN111532262A (zh) * 2020-05-14 2020-08-14 中南大学 自动驾驶车后端防撞控制方法、系统、计算机、存储介质
CN112406904A (zh) * 2020-08-27 2021-02-26 腾讯科技（深圳）有限公司 自动驾驶策略的训练方法、装置、自动驾驶方法、设备、车辆和计算机可读存储介质
US20210009121A1 (en) * 2020-09-24 2021-01-14 Intel Corporation Systems, devices, and methods for predictive risk-aware driving

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吕迪等: "融合类人驾驶行为的无人驾驶深度强化学习方法", 《集成技术》 *
李志航: "基于深度递归强化学习的无人自主驾驶策略研究", 《工业控制计算机》 *
王丙琛等: "基于深度强化学习的自动驾驶车控制算法研究", 《郑州大学学报(工学版)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023083113A1 (en) * 2021-11-10 2023-05-19 International Business Machines Corporation Reinforcement learning with inductive logic programming
CN114202966A (zh) * 2021-12-13 2022-03-18 阿里云计算有限公司 碰撞风险的确定方法、计算设备及存储介质
CN114261400A (zh) * 2022-01-07 2022-04-01 京东鲲鹏(江苏)科技有限公司 一种自动驾驶决策方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN113060160B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN113060160B (zh) 自动驾驶控制方法及装置
Feng et al. Dense reinforcement learning for safety validation of autonomous vehicles
CN113032285B (zh) 一种高精地图测试方法、装置、电子设备及存储介质
EP4075407A1 (en) Trajectory prediction method and related device
Kuwajima et al. Engineering problems in machine learning systems
Chu et al. Curve speed model for driver assistance based on driving style classification
Ali et al. Cooperate or not? Exploring drivers’ interactions and response times to a lane-changing request in a connected environment
Gao et al. Decision-making method for vehicle longitudinal automatic driving based on reinforcement Q-learning
Sun et al. Corner case generation and analysis for safety assessment of autonomous vehicles
WO2022078077A1 (zh) 驾驶风险的预警方法、装置、计算设备及存储介质
Wang et al. The impact of vehicle moving violations and freeway traffic flow on crash risk: An application of plugin development for microsimulation
CN115777088A (zh) 车辆运行安全模型测试系统
Wang et al. SafeDrive: A new model for driving risk analysis based on crash avoidance
US11443621B2 (en) Method and apparatus for adjusting channelization of traffic intersection
CN115544637A (zh) 一种车路协同多维性能评估测试方法以及装置
CN113264064A (zh) 用于交叉路口场景的自动驾驶方法及相关设备
Liu et al. An exploration of data-driven microscopic simulation for traffic system and case study of freeway
Stockem Novo et al. Self-evaluation of automated vehicles based on physics, state-of-the-art motion prediction and user experience
CN115520216A (zh) 行车状态判断方法、装置、计算机设备和存储介质
Gao et al. Human-centered headway control for adaptive cruise-controlled vehicles
CN114889598A (zh) 停车控制方法、装置、计算机设备和存储介质
CN112216133B (zh) 信息推送方法、装置、设备及介质
Qi Modelling the lateral dimension of vehicles movement: a stochastic differential approach with applications
CN114282776A (zh) 车路协同评估自动驾驶安全性的方法、装置、设备和介质
CN113276860A (zh) 车辆控制方法、装置、电子设备以及存储介质

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
GR01 Patent grant
GR01 Patent grant