CN113799799A - 一种安全补偿方法、装置、存储介质及电子设备 - Google Patents

一种安全补偿方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN113799799A
CN113799799A CN202111160105.XA CN202111160105A CN113799799A CN 113799799 A CN113799799 A CN 113799799A CN 202111160105 A CN202111160105 A CN 202111160105A CN 113799799 A CN113799799 A CN 113799799A
Authority
CN
China
Prior art keywords
decision
target
track
determining
compensation
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
Application number
CN202111160105.XA
Other languages
English (en)
Inventor
崔茂源
吕铮
吕颖
高延熹
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202111160105.XA priority Critical patent/CN113799799A/zh
Publication of CN113799799A publication Critical patent/CN113799799A/zh
Priority to PCT/CN2022/120838 priority patent/WO2023051398A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0015Planning or execution of driving tasks specially adapted for safety
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes 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
    • B60W30/08Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences

Abstract

本发明实施例公开了一种安全补偿方法、装置、存储介质及电子设备。获取补偿反应集合和系统决策集合;基于所述补偿反应集合和所述系统决策集合确定多目标决策集合;基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。在上述技术方案中,通过获取补偿反应集合可以丰富多目标决策集合中的决策数量,为用户提供更加丰富的策略选择,进一步的,通过多目标决策在多目标决策集合进行筛选,得到人员伤亡最小的目标轨迹,使规划的目标轨迹更加符合社会伦理要求。

Description

一种安全补偿方法、装置、存储介质及电子设备
技术领域
本发明实施例涉及自动驾驶技术领域,尤其涉及一种安全补偿方法、装置、存储介质及电子设备。
背景技术
随着人工智能技术的发展,自动驾驶技术已经成为当今汽车行业的研究热门。
在自动驾驶过程中,由于其他目标导致本车进入危险情况时,自动驾驶系统的安全模型可以做出简单的补偿反应,如减速、换道等避让行为。而当该避让行为导致本车与其他目标陷入新的冲突时,则不会执行该补偿反应,例如,最初导致本车进入危险情况的目标是人,而本车的补偿反应仅仅会对路旁静止的车辆造成危险的情况下,往往期望本车执行补偿反应,保护人的安全,但现有技术不会执行该补偿反应,不符合社会对自动驾驶系统的伦理要求。
发明内容
本发明实施例提供一种安全补偿方法、装置、存储介质及电子设备,以实现人员伤亡最小,解决自动驾驶系统决策不符合伦理要求的问题。
第一方面,本发明实施例提供了一种安全补偿方法,包括:
获取补偿反应集合和系统决策集合;
基于所述补偿反应集合和所述系统决策集合确定多目标决策集合;
基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
第二方面,本发明实施例还提供了一种安全补偿装置,包括:
集合获取模块,用于获取补偿反应集合和系统决策集合;
多目标决策确定模块,用于基于所述补偿反应集合和所述系统决策集合确定多目标决策集合;
目标轨迹确定模块,用于基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
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执行,使得所述一个或多个处理器实现本发明实施例中任一所述的安全补偿方法。
第四方面,本发明实施例还提供了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本发明实施例中任一所述的安全补偿方法。
本发明通过获取补偿反应集合和系统决策集合;基于补偿反应集合和系统决策集合确定多目标决策集合;基于多目标决策在多目标决策集合进行筛选,确定目标轨迹,其中,多目标决策至少包括人员伤亡目标决策,人员伤亡目标决策用于确定人员伤亡最小的轨迹。在上述技术方案中,通过获取补偿反应集合可以丰富多目标决策集合中的决策数量,为用户提供更加丰富的策略选择,进一步的,通过多目标决策中的人员伤亡目标决策在多目标决策集合进行筛选,得到人员伤亡最小的目标轨迹,使规划的目标轨迹更加符合社会伦理要求。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1是本发明实施例一所提供的一种安全补偿方法的流程示意图;
图2是本发明实施例二所提供的一种安全补偿方法的流程示意图;
图3是本发明实施例三所提供的一种安全补偿方法的流程示意图;
图4是本发明实施例三所提供的一种补偿反应集合生成示意图;
图5是本发明实施例四所提供的一种安全补偿装置的结构示意图;
图6是本发明实施例五所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种安全补偿方法的流程图,本实施例可适用于在自动驾驶中自动进行安全补偿的情况,该方法可以由本发明实施例提供的安全补偿装置来执行,该装置可以由软件和/或硬件来实现,该装置可以配置在电子计算设备上,例如,车载终端。具体包括如下步骤:
S110、获取补偿反应集合和系统决策集合。
其中,补偿反应集合指的是包含一个或多个补偿决策的集合,补偿决策可以是基于速度变化、方向变换等车辆基本动作产生的运动轨迹,运动轨迹包含起始点、路径和终点。例如,补偿决策可以是使自动驾驶车辆远离障碍目标的运动轨迹,障碍目标可以是人、周围车辆和道路设施等。当自动驾驶车辆进入危险情况时,通过补偿决策可以使自动驾驶车辆从新回到安全状态。系统决策集合可以是自动驾驶系统生成的决策集合。
可以理解的是,系统决策集合中的决策是不执行补偿反应的决策,但系统决策集合与补偿反应集合中可以存在相同的运动轨迹,也可以存在不同的运动轨迹。补偿反应集合可以作为系统决策集合的补偿决策,为自动驾驶系统提供更多可选的决策方案,保障车辆安全。
在本发明实施例中,在一些实施例中,补偿反应集合可以是根据自动驾驶车辆的实时信息随机生成,实时信息可以包括但不限于车辆基本动作和车辆当前位置。在另一实施例中,还可以通过图搜索法对车辆进行路径规划,从而获得补偿反应集合,本发明实施例对补偿反应集合的获取方法不做限定。
S120、基于所述补偿反应集合和所述系统决策集合确定多目标决策集合。
其中,多目标决策集合可以是具有多个决策对应的运动轨迹的集合。
具体的,在一些实施例中,典型的可以将补偿反应集合与系统决策集合取并集,得到多目标决策集合,既可以保留两者集合中不同的运动轨迹,也可以将相同的运动轨迹进行保留,提供更多的运动轨迹进行选择,即可以选择更多的行驶决策,从而保障行驶安全,并且只保留相同的运动轨迹总的一份,避免多目标决策集合出现重合的运动轨迹。在另一实施例中,可以将补偿反应集合与系统决策集合取交集,保留两者集合中相同的运动轨迹。可以将相同的运动轨迹对应的决策认定为优选决策,并将优选决策作为多目标决策集合。
S130、基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
其中,多目标决策指的是具有多个决策目标,并且需用多种标准来评价和选取运动轨迹的决策。目标轨迹是自动驾驶系统最终要行驶的运动轨迹,可以通过多目标决策在多目标决策集合中进行筛选而来。目标轨迹可以是人员伤亡最小的轨迹。多目标决策可以包括但不限于人员伤亡目标决策,人员伤亡目标决策用于确定人员伤亡最小的轨迹,使规划的目标轨迹更加符合社会伦理要求。人员伤亡目标决策具体实现方式可以是通过车辆上的摄像头检测运动轨迹上的人员情况,然后选取各运动轨迹中人员伤亡最小的轨迹。
需要说明的是,通过多目标决策在多目标决策集合进行筛选后,可以得到包含多个运动轨迹的轨迹集合,在一些实施例中,可以直接在包含多个运动轨迹集合中选取任一运动轨迹作为目标轨迹,选取目标轨迹的方法简单,可以提升确定目标轨迹的速度。在一些实施例中,可以获取新的多目标决策继续进行筛选,直至轨迹集合中剩余一个运动轨迹,将轨迹集合中剩余的一个运动轨迹作为目标轨迹,使获得的目标轨迹符合多个多目标决策的评价标准,实现最优目标轨迹的选取。
本发明实施例提供了一种安全补偿方法,通过获取补偿反应集合和系统决策集合;基于补偿反应集合和系统决策集合确定多目标决策集合;基于多目标决策在多目标决策集合进行筛选,确定目标轨迹,其中,多目标决策至少包括人员伤亡目标决策,人员伤亡目标决策用于确定人员伤亡最小的轨迹。在上述技术方案中,通过获取补偿反应集合可以丰富多目标决策集合中的决策数量,为用户提供更加丰富的策略选择,进一步的,通过多目标决策中的人员伤亡目标决策在多目标决策集合进行筛选,得到人员伤亡最小的目标轨迹,使规划的目标轨迹更加符合社会伦理要求。
实施例二
图2为本发明实施例二提供的一种安全补偿方法的流程图示意图,在上述实施例的基础上,对“基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹”进一步细化。其具体的实现方式可以参见本技术方案的详细阐述。其中,与上述实施例相同或者相应的技术术语在此不再赘述。如图2所示,本发明实施例的方法具体包括如下步骤:
S210、获取补偿反应集合和系统决策集合。
S220、基于所述补偿反应集合和所述系统决策集合确定多目标决策集合。
S230、基于人员伤亡目标决策、环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹。
其中,多目标决策还包括环境破坏目标决策和经济损失目标决策,环境破坏目标决策可以用于确定环境破坏最小的轨迹集合,经济损失目标决策可以用于确定经济损失最小的轨迹集合,所述轨迹集合可以包括一个或多个运动轨迹。
在本实施例中,通过人员伤亡目标决策、环境破坏目标决策和经济损失目标决策,可以在人员伤亡最小的轨迹集合中再筛选环境破坏最小的轨迹集合,然后在环境破坏最小的轨迹集合中再筛选经济损失最小的轨迹集合,人员伤亡目标决策、环境破坏目标决策和经济损失目标决策的优先级依次降低,在保障人员伤亡最小的前提下再进行环境破坏最小和经济损失最小的筛选,使最终获得的目标轨迹更加符合社会伦理要求。
在上述实施例的基础上,所述基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹,包括:基于所述人员伤亡目标决策在多目标决策集合进行筛选,确定人员伤亡最小的第一轨迹集合;基于所述环境破坏目标决策在所述第一轨迹集合中进行筛选,确定环境破坏度最小的第二轨迹集合;基于所述经济损失目标决策在第二轨迹集合中进行筛选,确定经济损失最小的第三轨迹集合;在第三轨迹集合中确定目标轨迹。
其中,第一轨迹集合可以是人员伤亡最小的运动轨迹集合,第二轨迹集合可以是在第一轨迹集合中继续筛选对环境破坏最小的运动轨迹集合,第三轨迹集合可以是在第二轨迹集合中继续筛选对经济损失最小的运动轨迹集合,然后在第三轨迹集合中确定目标轨迹。
在本发明实施例中,通过人员伤亡目标决策、环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,实现了在保证人员伤亡最小的情况下,再考虑环境破坏、经济损失等情况,使目标轨迹更加符合社会伦理要求。
在上述实施例的基础上,基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹,包括:将所述多目标决策集合输入至多目标决策算法模型中,得到目标轨迹;其中,所述多目标决策算法模型包括依次连接的人员伤亡评估模块、环境破坏评估模块和经济损失评估模块,所述人员伤亡评估模块用于在多目标决策集合中确定人员伤亡最小的第一轨迹集合,所述环境破坏评估模块用于在第一轨迹集合中确定环境破坏度最小的第二轨迹集合,所述经济损失评估模块用于在第二轨迹集合中确定经济损失最小的第三轨迹集合,并输出所述第三轨迹集合。
其中,多目标决策算法模型可以是预设的目标函数,人员伤亡评估模块、环境破坏评估模块和经济损失评估模块可以是目标函数中的子函数,在一些可选实施例中,多目标决策算法模型还可以是机器学习模型,人员伤亡评估模块、环境破坏评估模块和经济损失评估模块可以是机器学习模型中的功能模块。本实施例对多目标决策算法模型的形式不做限定。
具体的,首先通过人员伤亡评估模块,在多目标决策集合中确定人员伤亡最小的第一轨迹集合,然后通过环境破坏评估模块,在第一轨迹集合中确定环境破坏度最小的第二轨迹集合,然后通过经济损失评估模块,在第二轨迹集合中确定经济损失最小的第三轨迹集合,最后在第三轨迹集合中确定当前用户的集合。
在上述实施例的基础上,基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹,包括:对于所述多目标决策集合中的各轨迹,分别基于人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策确定各所述轨迹的人员伤亡数量、环境破坏度和经济损失;基于所述轨迹的人员伤亡数量、环境破坏度和经济损失分别确定所述轨迹的对应权重,基于所述轨迹的各权重确定所述轨迹的推荐指数;基于各轨迹的推荐指数确定目标轨迹。
示例性的,人员伤亡目标决策、环境破坏目标决策和经济损失目标决策具体实现方式可以是通过摄像头获取运动轨迹的画面,然后通过图像识别技术识别运动轨迹的画面中的人员和环境物体,其中,人员可以包括但不限于步行人员、骑自行车人员;环境物体可以包括但不限于电线杆、树木、绿化带等。进一步的,根据识别的人员和环境物体分别确定运动轨迹的人员伤亡数量、环境破坏度和经济损失,例如,识别的人员可以是两个步行人员,则运动轨迹的人员伤亡数量为2,识别的环境物体可以为绿化带,环境破坏度可以为3(环境破坏度范围为0-10,越高表示环境破坏程度越高),可以根据识别的环境物体预测车辆的破损情况,再根据车辆破损情况计算车辆损失。
进一步的,确定轨迹的对应权重分为以下几种情况:若人员伤亡数量为零时,则人员伤亡数量在轨迹的对应权重可以为一个较低的比例,例如0或0.1;若人员伤亡数量为不为零时,则可以直接将环境破坏度和经济损失的权重置为一个较低的比例,例如0或0.1,人员伤亡数量在轨迹的对应权重置为一个较高的比例,例如1或0.9。
进一步的,根据轨迹的各权重确定轨迹的推荐指数;基于各轨迹的推荐指数确定目标轨迹,例如,将轨迹的各权重相加得到推荐指数,然后对各轨迹的推荐指数进行排序,将推荐指数最大的轨迹确定为目标轨迹,若存在推荐指数相同的轨迹,则在推荐指数相同的轨迹中任选其一作为目标轨迹。
本发明实施例提供了一种安全补偿方法,通过人员伤亡目标决策、环境破坏目标决策和经济损失目标决策,可以在人员伤亡最小的轨迹集合中再筛选环境破坏最小的轨迹集合,然后在环境破坏最小的轨迹集合中再筛选经济损失最小的轨迹集合,人员伤亡目标决策、环境破坏目标决策和经济损失目标决策的优先级依次降低,在保障人员伤亡最小的前提下再进行环境破坏最小和经济损失最小的筛选,使最终获得的目标轨迹更加符合社会伦理要求。
实施例三
图3为本发明实施例三提供的一种安全补偿方法的流程示意图,本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中,可选地,在获取补偿反应集合和系统决策集合之前,所述方法还包括:创建原始补偿集合、存储集合和队列;基于车辆当前位置和车辆基本动作更新所述原始补偿集合、所述存储集合和队列,确定补偿反应集合。
如图3所示,本发明实施例的方法具体包括如下步骤:
S310、创建原始补偿集合、存储集合和队列。
其中,原始补偿集合可以是空集,是补偿反应集合的初始状态,原始补偿集合可以将自动驾驶车辆的运动轨迹作为集合元素。存储集合可以是空集,可以用于存储自动驾驶车辆的位置信息;队列的初始状态可以是空队列,队列可以用于存储和弹出自动驾驶车辆的位置信息。
S320、基于车辆当前位置和车辆基本动作更新所述原始补偿集合、所述存储集合和队列,确定补偿反应集合。
其中,车辆当前位置可以是自动驾驶车辆的实时位置,在一些实施例中,可以通过激光雷达对自动驾驶车辆进行实时定位,得到车辆当前位置;在一些实施例中,可以通过全球卫星导航系统和惯性传感器融合的定位方法对对自动驾驶车辆进行实时定位,得到车辆当前位置,本实施例对获取车辆当前位置的方法不做限定。车辆基本动作可以包括但不限于速度变化、方向变换等动作。
示例性的,可以将车辆当前位置确定为运动轨迹的起始点,然后通过速度变换或方向变化预测自动驾驶该车辆的运动轨迹,可以理解的是,预测的运动轨迹可以是一个或多个,在一些实施例中,可以直接将预测的各运动轨迹加入原始补偿集合,作为补偿反应集合。在另一实施例中,若预测的各运动轨迹可以使自动驾驶车辆远离危险目标,则将各运动轨迹加入到原始补偿集合中,实现原始补偿集合中元素的更新,并将更新结束后的原始补偿集合作为补偿反应集合,将车辆当前位置加入到存储集合和队列中,实现存储集合和队列中元素的更新。
在上述实施例的基础上,所述基于车辆当前位置和车辆基本动作更新所述原始补偿集合、所述存储集合和队列,确定补偿反应集合,包括:将车辆当前位置存储至所述存储集合和队列,基于所述队列中顶端的元素确定为起始位置;基于所述起始位置和车辆基本动作确定路径集合;基于所述存储集合和所述路径集合更新原始补偿集合,得到补偿反应集合。
其中,起始位置可以是当前时刻的车辆位置,也可以是上一时刻的车辆位置。路径集合可以是从起始位置出发的路径段集合。
示例性的,如图4所示,将车辆当前位置存储至所述存储集合和队列中,车辆当前位置可以用Xinit表示,判断队列是否为空,若队列为空,则将原始补偿集合确定为补偿反应集合,若队列不为空,则将队列中顶端的元素弹出并赋值给自定义变量,其中,自定义变量可以作为车辆的起始位置,可以用字母X表示。进一步的,根据速度变化、方向变换等车辆基本动作确定从起始位置出发的路径集合,路径集合可以用M表示。例如,路径集合可以是在车辆基本动作为某一车速,某一方向盘转角的情况下,自动驾驶车辆的运动轨迹集合。进一步的,对路径集合中的路径进行遍历,若遍历结束,则继续判断队列是否为空的步骤。遍历的具体过程为:若路径集合中的路径满足与障碍目标的预设距离,即远离目标障碍物时,则将起始位置、路径以及运动轨迹的终点位置存储至原始补偿集合,其中,原始补偿集合可以用E表示,存储集合可以用V表示,路径可以用σ表示,运动轨迹的终点位置可以用σ(1)表示。若运动轨迹的终点位置属于存储集合,则结束当前轨迹元素的处理,若运动轨迹的终点位置不属于存储集合,则将运动轨迹的终点位置添加至队列和存储集合。
S330、获取补偿反应集合和系统决策集合。
S340、基于所述补偿反应集合和所述系统决策集合确定多目标决策集合。
S350、基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
本发明实施例提供了一种安全补偿方法,通过创建原始补偿集合、存储集合和队列,基于车辆当前位置和车辆基本动作更新原始补偿集合、存储集合和队列,确定补偿反应集合,实现了将车辆远离危险目标的运动轨迹加入到原始补偿集合中,实现原始补偿集合中元素的更新,并将更新结束后的原始补偿集合作为补偿反应集合,为用户提供更加丰富的策略选择。
实施例四
图5为本发明实施例四提供的一种安全补偿装置的结构示意图,本实施例所提供的安全补偿装置可以通过软件和/或硬件来实现,可配置于终端和/或服务器中来实现本发明实施例中的安全补偿方法。该装置具体可以包括:集合获取模块410、多目标决策确定模块420以及目标轨迹确定模块430。
其中,集合获取模块410,用于获取补偿反应集合和系统决策集合;多目标决策确定模块420,用于基于所述补偿反应集合和所述系统决策集合确定多目标决策集合;目标轨迹确定模块430,用于基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
本发明实施例提供了一种安全补偿装置,通过获取补偿反应集合和系统决策集合;基于补偿反应集合和系统决策集合确定多目标决策集合;基于多目标决策在多目标决策集合进行筛选,确定目标轨迹,其中,多目标决策至少包括人员伤亡目标决策,人员伤亡目标决策用于确定人员伤亡最小的轨迹。在上述技术方案中,通过获取补偿反应集合可以丰富多目标决策集合中的决策数量,为用户提供更加丰富的策略选择,进一步的,通过多目标决策中的人员伤亡目标决策在多目标决策集合进行筛选,得到人员伤亡最小的目标轨迹,使规划的目标轨迹更加符合社会伦理要求。
在本发明实施例中任一可选技术方案的基础上,可选地,所述多目标决策还包括环境破坏目标决策和经济损失目标决策;所述目标轨迹确定模块430还可以包括:
轨迹确定单元,用于基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹。
在本发明实施例中任一可选技术方案的基础上,可选地,所述轨迹确定单元还包括:
第一轨迹集合确定子单元,用于基于所述人员伤亡目标决策在多目标决策集合进行筛选,确定人员伤亡最小的第一轨迹集合;
第二轨迹集合确定子单元,用于基于所述环境破坏目标决策在所述第一轨迹集合中进行筛选,确定环境破坏度最小的第二轨迹集合;
第三轨迹集合确定子单元,用于基于所述经济损失目标决策在第二轨迹集合中进行筛选,确定经济损失最小的第三轨迹集合;
目标轨迹确定子单元,用于在第三轨迹集合中确定目标轨迹。
在本发明实施例中任一可选技术方案的基础上,可选地,所述轨迹确定单元还可以用于:
将所述多目标决策集合输入至多目标决策算法模型中,得到目标轨迹;
其中,所述多目标决策算法模型包括依次连接的人员伤亡评估模块、环境破坏评估模块和经济损失评估模块,所述人员伤亡评估模块用于在多目标决策集合中确定人员伤亡最小的第一轨迹集合,所述环境破坏评估模块用于在第一轨迹集合中确定环境破坏度最小的第二轨迹集合,所述经济损失目标决策用于在第二轨迹集合中确定经济损失最小的第三轨迹集合,并输出所述第三轨迹集合。
在本发明实施例中任一可选技术方案的基础上,可选地,所述轨迹确定单元还可以用于:
对于所述多目标决策集合中的各轨迹,分别基于人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策确定各所述轨迹的人员伤亡数量、环境破坏度和经济损失;
基于所述轨迹的人员伤亡数量、环境破坏度和经济损失分别确定所述轨迹的对应权重,基于所述轨迹的各权重确定所述轨迹的推荐指数;
基于各轨迹的推荐指数确定目标轨迹。
在本发明实施例中任一可选技术方案的基础上,可选地,在获取补偿反应集合和系统决策集合之前,所述装置还包括:
数据创建模块,用于创建原始补偿集合、存储集合和队列;
补偿反应集合生成模块,用于基于车辆当前位置和车辆基本动作更新所述原始补偿集合、所述存储集合和所述队列,确定补偿反应集合。
在本发明实施例中任一可选技术方案的基础上,可选地,所述补偿反应集合生成模块还可以用于:
将车辆当前位置存储至所述存储集合和队列,基于所述队列中顶端的元素确定为起始位置;
基于所述起始位置和车辆基本动作确定路径集合;
基于所述存储集合和所述路径集合更新原始补偿集合,得到补偿反应集合。
本发明实施例所提供的安全补偿装置可执行本发明任意实施例所提供的安全补偿方法,具备执行方法相应的功能模块和有益效果。
实施例五
图6为本发明实施例五所提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图6显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块26的程序/实用工具36,可以存储在例如系统存储器28中,这样的程序模块26包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块26通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种安全补偿方法。
实施例六
本发明实施例六还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一种安全补偿方法,该方法包括:
获取补偿反应集合和系统决策集合;
基于所述补偿反应集合和所述系统决策集合确定多目标决策集合;
基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。计算机可读存储介质例如可以是——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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
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种形式,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指令执行系统、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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种安全补偿方法,其特征在于,包括:
获取补偿反应集合和系统决策集合;
基于所述补偿反应集合和所述系统决策集合确定多目标决策集合;
基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
2.根据权利要求1所述的方法,其特征在于,所述多目标决策还包括环境破坏目标决策和经济损失目标决策;
所述基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,包括:
基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹。
3.根据权利要求2所述的方法,其特征在于,所述基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹,包括:
基于所述人员伤亡目标决策在多目标决策集合进行筛选,确定人员伤亡最小的第一轨迹集合;
基于所述环境破坏目标决策在所述第一轨迹集合中进行筛选,确定环境破坏度最小的第二轨迹集合;
基于所述经济损失目标决策在第二轨迹集合中进行筛选,确定经济损失最小的第三轨迹集合;
在第三轨迹集合中确定目标轨迹。
4.根据权利要求3所述的方法,其特征在于,基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹,包括:
将所述多目标决策集合输入至多目标决策算法模型中,得到目标轨迹;
其中,所述多目标决策算法模型包括依次连接的人员伤亡评估模块、环境破坏评估模块和经济损失评估模块,所述人员伤亡评估模块用于在多目标决策集合中确定人员伤亡最小的第一轨迹集合,所述环境破坏评估模块用于在第一轨迹集合中确定环境破坏度最小的第二轨迹集合,所述经济损失评估模块用于在第二轨迹集合中确定经济损失最小的第三轨迹集合,并输出所述第三轨迹集合。
5.根据权利要求2所述的方法,其特征在于,基于所述人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策,依次在多目标决策集合进行筛选,基于筛选结果确定目标轨迹,包括:
对于所述多目标决策集合中的各轨迹,分别基于人员伤亡目标决策、所述环境破坏目标决策和经济损失目标决策确定各所述轨迹的人员伤亡数量、环境破坏度和经济损失;
基于所述轨迹的人员伤亡数量、环境破坏度和经济损失分别确定所述轨迹的对应权重,基于所述轨迹的各权重确定所述轨迹的推荐指数;
基于各轨迹的推荐指数确定目标轨迹。
6.根据权利要求1所述的方法,其特征在于,在获取补偿反应集合和系统决策集合之前,所述方法还包括:
创建原始补偿集合、存储集合和队列;
基于车辆当前位置和车辆基本动作更新所述原始补偿集合、所述存储集合和所述队列,确定补偿反应集合。
7.根据权利要求6所述的方法,其特征在于,所述基于车辆当前位置和车辆基本动作更新所述原始补偿集合、所述存储集合和所述队列,确定补偿反应集合,包括:
将车辆当前位置存储至所述存储集合和队列,基于所述队列中顶端的元素确定为起始位置;
基于所述起始位置和车辆基本动作确定路径集合;
基于所述存储集合和所述路径集合更新原始补偿集合,得到补偿反应集合。
8.一种安全补偿装置,其特征在于,包括:
集合获取模块,用于获取补偿反应集合和系统决策集合;
多目标决策确定模块,用于基于所述补偿反应集合和所述系统决策集合确定多目标决策集合;
目标轨迹确定模块,用于基于多目标决策在所述多目标决策集合进行筛选,确定目标轨迹,其中,所述多目标决策至少包括人员伤亡目标决策,所述人员伤亡目标决策用于确定人员伤亡最小的轨迹。
9.一种电子设备,其特征在于,所述电子设备包括:
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执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的安全补偿方法。
10.一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如权利要求1-7中任一所述的安全补偿方法。
CN202111160105.XA 2021-09-30 2021-09-30 一种安全补偿方法、装置、存储介质及电子设备 Pending CN113799799A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111160105.XA CN113799799A (zh) 2021-09-30 2021-09-30 一种安全补偿方法、装置、存储介质及电子设备
PCT/CN2022/120838 WO2023051398A1 (zh) 2021-09-30 2022-09-23 安全补偿方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111160105.XA CN113799799A (zh) 2021-09-30 2021-09-30 一种安全补偿方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN113799799A true CN113799799A (zh) 2021-12-17

Family

ID=78897181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111160105.XA Pending CN113799799A (zh) 2021-09-30 2021-09-30 一种安全补偿方法、装置、存储介质及电子设备

Country Status (2)

Country Link
CN (1) CN113799799A (zh)
WO (1) WO2023051398A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023051398A1 (zh) * 2021-09-30 2023-04-06 中国第一汽车股份有限公司 安全补偿方法、装置、存储介质及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109375632A (zh) * 2018-12-17 2019-02-22 清华大学 自动驾驶车辆实时轨迹规划方法
CN110382303A (zh) * 2017-09-12 2019-10-25 Zf 腓德烈斯哈芬股份公司 用于车辆的依赖于情况的决策
US20200276988A1 (en) * 2019-02-28 2020-09-03 Daniel Mark Graves Method and system for controlling safety of ego and social objects
US20210110484A1 (en) * 2017-08-16 2021-04-15 Mobileye Vision Technologies Ltd. Navigation Based on Liability Constraints
CN112829742A (zh) * 2020-12-30 2021-05-25 清华大学 乘员安全决策方法和装置
CN113031583A (zh) * 2020-03-13 2021-06-25 青岛慧拓智能机器有限公司 一种结构化道路避障方法
CN113110489A (zh) * 2021-04-30 2021-07-13 清华大学 一种轨迹规划方法、装置、电子设备和存储介质
US20210294336A1 (en) * 2020-03-20 2021-09-23 Ford Global Technologies, Llc Vehicle anomalous-condition response during autonomous driving

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106114507B (zh) * 2016-06-21 2018-04-03 百度在线网络技术(北京)有限公司 用于智能车辆的局部轨迹规划方法和装置
CN109669461B (zh) * 2019-01-08 2020-07-28 南京航空航天大学 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法
US11755014B2 (en) * 2019-12-31 2023-09-12 Uatc, Llc Jointly learnable behavior and trajectory planning for autonomous vehicles
CN112512887B (zh) * 2020-07-21 2021-11-30 华为技术有限公司 一种行驶决策选择方法以及装置
CN113799799A (zh) * 2021-09-30 2021-12-17 中国第一汽车股份有限公司 一种安全补偿方法、装置、存储介质及电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210110484A1 (en) * 2017-08-16 2021-04-15 Mobileye Vision Technologies Ltd. Navigation Based on Liability Constraints
CN110382303A (zh) * 2017-09-12 2019-10-25 Zf 腓德烈斯哈芬股份公司 用于车辆的依赖于情况的决策
CN109375632A (zh) * 2018-12-17 2019-02-22 清华大学 自动驾驶车辆实时轨迹规划方法
US20200276988A1 (en) * 2019-02-28 2020-09-03 Daniel Mark Graves Method and system for controlling safety of ego and social objects
CN113031583A (zh) * 2020-03-13 2021-06-25 青岛慧拓智能机器有限公司 一种结构化道路避障方法
US20210294336A1 (en) * 2020-03-20 2021-09-23 Ford Global Technologies, Llc Vehicle anomalous-condition response during autonomous driving
CN112829742A (zh) * 2020-12-30 2021-05-25 清华大学 乘员安全决策方法和装置
CN113110489A (zh) * 2021-04-30 2021-07-13 清华大学 一种轨迹规划方法、装置、电子设备和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023051398A1 (zh) * 2021-09-30 2023-04-06 中国第一汽车股份有限公司 安全补偿方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
WO2023051398A1 (zh) 2023-04-06

Similar Documents

Publication Publication Date Title
US11531894B1 (en) Neural networks for object detection
CN109598066B (zh) 预测模块的效果评估方法、装置、设备和存储介质
CN113642633B (zh) 用于对驾驶场景数据进行分类的方法、装置、设备和介质
CN111951144B (zh) 一种违章路段的确定方法、设备及计算机可读存储介质
CN111680362B (zh) 一种自动驾驶仿真场景获取方法、装置、设备及存储介质
CN110377025A (zh) 用于自动驾驶车辆的传感器聚合框架
CN110239562A (zh) 自动驾驶车辆的基于周围车辆行为的实时感知调整与驾驶调适
CN113052321B (zh) 从短期意图和长期结果生成轨迹标记
CN109635861B (zh) 一种数据融合方法、装置、电子设备及存储介质
CN114061581A (zh) 通过相互重要性对自动驾驶车辆附近的智能体排名
CN114993335A (zh) 一种自动驾驶路径规划方法、装置、电子设备及存储介质
CN116194351A (zh) 使用目标位置的代理轨迹预测
CN114475656A (zh) 行驶轨迹预测方法、装置、电子设备以及存储介质
CN109635868B (zh) 障碍物类别的确定方法、装置、电子设备及存储介质
Benrachou et al. Use of social interaction and intention to improve motion prediction within automated vehicle framework: A review
WO2023051398A1 (zh) 安全补偿方法、装置、存储介质及电子设备
CN116686028A (zh) 一种驾驶辅助的方法以及相关设备
CN116088538B (zh) 车辆轨迹信息生成方法、装置、设备和计算机可读介质
CN112102648A (zh) 一种空余车位推送方法、装置、设备及存储介质
CN111401229A (zh) 视觉小目标自动标注方法、装置及电子设备
CN116343169A (zh) 路径规划方法、目标对象运动控制方法、装置及电子设备
US20230099334A1 (en) Pull-over location selection using machine learning
CN114154510A (zh) 自动驾驶车辆的控制方法、装置、电子设备及存储介质
CN113762030A (zh) 数据处理方法、装置、计算机设备及存储介质
CN113624245A (zh) 导航方法及装置、计算机存储介质、电子设备

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