CN114167874A - 信息更新方法、路线筛选方法、装置、设备和介质 - Google Patents

信息更新方法、路线筛选方法、装置、设备和介质 Download PDF

Info

Publication number
CN114167874A
CN114167874A CN202111497556.2A CN202111497556A CN114167874A CN 114167874 A CN114167874 A CN 114167874A CN 202111497556 A CN202111497556 A CN 202111497556A CN 114167874 A CN114167874 A CN 114167874A
Authority
CN
China
Prior art keywords
route
vehicle
traveled
target
candidate vehicle
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
CN202111497556.2A
Other languages
English (en)
Inventor
徐鑫
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.)
Jingdong Kunpeng Jiangsu Technology Co Ltd
Original Assignee
Jingdong Kunpeng Jiangsu Technology Co Ltd
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 Jingdong Kunpeng Jiangsu Technology Co Ltd filed Critical Jingdong Kunpeng Jiangsu Technology Co Ltd
Priority to CN202111497556.2A priority Critical patent/CN114167874A/zh
Publication of CN114167874A publication Critical patent/CN114167874A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了信息更新方法、路线筛选方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取针对目标车辆的至少一个初始车辆状态信息；根据该至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线；从该至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线；根据该至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新。该实施方式可以快捷、高效的实现目标回报函数中参数信息的更新，减少计算资源的浪费。

Description

信息更新方法、路线筛选方法、装置、设备和介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及信息更新方法、路线筛选方法、装置、电子设备和介质。
背景技术
目前，自动驾驶汽车可以通过智能化技术有效地提升车辆的安全性、舒适性、高效性和经济性，而自主决策能力则是其智能性的核心体现。其中，针对自动驾驶汽车决策回报函数参数的学习，通常利用传统的逆强化学习(IRL，Inverse Reinforcement Learning)的方式来实现回报函数参数的学习。
然而，当采用上述方式来学习回报函数的参数，经常会存在如下技术问题：
由于逆强化学习高度依赖学习最优策略的强化学习(Reinforcement Learning，RL)模块，导致的学习耗时长。除此之外，使用强化学习可能会存在结果随机性的问题。进一步地，增加了运算量，造成计算机资源的浪费，侧面增加了计算机的处理负荷。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了信息更新方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种信息更新方法，包括：获取针对目标车辆的至少一个初始车辆状态信息；根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线；从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线；根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，其中，上述目标回报函数是用于确定车辆路线的函数。
可选地，上述根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线，包括：根据预先设置的动作空间，对上述候选车辆待行驶策略集进行扩充，得到扩充后的候选车辆待行驶策略集；根据上述扩充后的候选车辆待行驶策略集和上述至少一个初始车辆状态信息，生成上述至少一条候选车辆待行驶路线。
可选地，上述从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线，包括：根据上述目标回报函数的初始参数，确定上述至少一条候选车辆待行驶路线中每个候选车辆待行驶路线对应的概率信息，得到概率信息集；从上述至少一条候选车辆待行驶路线中筛选出概率信息满足目标条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到上述至少一条第一目标候选车辆待行驶路线。
可选地，上述根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，包括：生成上述至少一条第一目标候选车辆待行驶路线对应的第一路线特征信息集组和上述至少一条预设车辆待行驶路线对应的第二路线特征信息集组；根据上述第一路线特征信息集组和上述第二路线特征信息集组，对上述目标回报函数中的参数信息进行更新。
可选地，上述方法还包括：根据上述目标回报函数更新后的参数信息，从上述至少一条候选车辆待行驶路线中筛选出满足上述预设条件的候选车辆待行驶路线，作为第二目标候选车辆待行驶路线，得到至少一条第二目标候选车辆待行驶路线；根据上述至少一条第二目标候选车辆待行驶路线和上述至少一条预设车辆待行驶路线，确定第二差值；响应于确定上述第二差值小于或等于目标阈值，将上述目标回报函数更新后的参数信息确定为上述目标回报函数训练后的参数信息。
可选地，上述根据上述第一路线特征信息集组和上述第二路线特征信息集组，对上述目标回报函数中的参数信息进行更新，包括：将上述第一路线特征信息集组中的每个第一路线特征信息集输入至第一目标函数，以生成第一数值，得到第一数值集；对上述第一数值集中的各个第一数值进行加权平均处理，得到第一加权数值；将上述第二路线特征信息集组中的每个第二路线特征信息集输入至第二目标函数，以生成第二数值，得到第二数值集；对上述第二数值集中的各个第二数值进行加权平均处理，得到第二加权数值；确定上述第一加权数值与上述第二加权数值之间的第一差值；响应于确定上述第一差值大于目标阈值，对上述目标回报函数中的参数信息进行更新。
可选地，上述候选车辆待行驶策略集是通过以下步骤选取的：对目标车辆待行驶方法集中的目标车辆待行驶方法进行采样，得到至少一个目标车辆待行驶方法，作为候选车辆待行驶策略集。
可选地，上述目标候选车辆待行驶策略集是通过以下步骤选取的：获取针对上述目标车辆的、各个方向的车辆控制信息集，其中，上述车辆控制信息集中的车辆控制信息为含有车辆反馈信息的信息；对上述车辆控制信息集中每个车辆控制信息对应的车辆反馈信息赋予不同的数值，得到车辆待行驶方法集；根据环境信息，从上述车辆待行驶方法集中筛选出与环境信息相匹配的车辆待行驶方法，作为目标候选车辆待行驶策略，得到上述目标候选车辆待行驶策略集。
第二方面，本公开的一些实施例提供了一种路线筛选方法，包括：获取至少一条候选车辆待行驶路线；根据目标回报函数，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线。
第三方面，本公开的一些实施例提供了一种信息更新装置，包括：第一获取单元，被配置成获取针对目标车辆的至少一个初始车辆状态信息；生成单元，被配置成根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线；第一筛选单元，被配置成从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线；更新单元，被配置成根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，其中，上述目标回报函数确定车辆路线的函数。
可选地，生成单元被配置成：根据预先设置的动作空间，对上述候选车辆待行驶策略集进行扩充，得到扩充后的候选车辆待行驶策略集；根据上述扩充后的候选车辆待行驶策略集和上述至少一个初始车辆状态信息，生成上述至少一条候选车辆待行驶路线。
可选地，第一筛选单元被配置成：根据上述目标回报函数的初始参数，确定上述至少一条候选车辆待行驶路线中每个候选车辆待行驶路线对应的概率信息，得到概率信息集；从上述至少一条候选车辆待行驶路线中筛选出概率信息满足目标条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到上述至少一条第一目标候选车辆待行驶路线。
可选地，更新单元被配置成：生成上述至少一条第一目标候选车辆待行驶路线对应的第一路线特征信息集组和上述至少一条预设车辆待行驶路线对应的第二路线特征信息集组；根据上述第一路线特征信息集组和上述第二路线特征信息集组，对上述目标回报函数中的参数信息进行更新。
可选地，上述装置还包括：根据上述目标回报函数更新后的参数信息，从上述至少一条候选车辆待行驶路线中筛选出满足上述预设条件的候选车辆待行驶路线，作为第二目标候选车辆待行驶路线，得到至少一条第二目标候选车辆待行驶路线；根据上述至少一条第二目标候选车辆待行驶路线和上述至少一条预设车辆待行驶路线，确定第二差值；响应于确定上述第二差值小于或等于目标阈值，将上述目标回报函数更新后的参数信息确定为上述目标回报函数训练后的参数信息。
可选地，更新单元被配置成：将上述第一路线特征信息集组中的每个第一路线特征信息集输入至第一目标函数，以生成第一数值，得到第一数值集；对上述第一数值集中的各个第一数值进行加权平均处理，得到第一加权数值；将上述第二路线特征信息集组中的每个第二路线特征信息集输入至第二目标函数，以生成第二数值，得到第二数值集；对上述第二数值集中的各个第二数值进行加权平均处理，得到第二加权数值；确定上述第一加权数值与上述第二加权数值之间的第一差值；响应于确定上述第一差值大于目标阈值，对上述目标回报函数中的参数信息进行更新。
可选地，上述候选车辆待行驶策略集是通过以下步骤选取的：对目标车辆待行驶方法集中的目标车辆待行驶方法进行采样，得到至少一个目标车辆待行驶方法，作为候选车辆待行驶策略集。
可选地，上述目标候选车辆待行驶策略集是通过以下步骤选取的：获取针对上述目标车辆的、各个方向的车辆控制信息集，其中，上述车辆控制信息集中的车辆控制信息为含有车辆反馈信息的信息；对上述车辆控制信息集中每个车辆控制信息对应的车辆反馈信息赋予不同的数值，得到车辆待行驶方法集；根据环境信息，从上述车辆待行驶方法集中筛选出与环境信息相匹配的车辆待行驶方法，作为目标候选车辆待行驶策略，得到上述目标候选车辆待行驶策略集。
第四方面，本公开的一些实施例提供了一种路线筛选装置，包括：第二获取单元，被配置成：获取至少一条候选车辆待行驶路线；第二筛选单元，被配置成：根据目标回报函数，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线，其中，上述目标回报函数中的参数信息是采用图2对应的一些实施例的方法更新的。
第五方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面或第二方面中任一实现方式描述的方法。
第六方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。
本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的信息更新方法可以快捷、高效的实现目标回报函数中参数信息的更新，减少计算资源的浪费。由于逆强化学习高度依赖学习最优策略的强化学习模块，导致的学习耗时长。除此之外，使用强化学习可能会存在结果随机性的问题。进一步地，增加了运算量，造成计算机资源的浪费，侧面增加了计算机的处理负荷。基于此，本公开的一些实施例的信息更新方法可以首先获取针对目标车辆的至少一个初始车辆状态信息。在这里，通过获取至少一个初始车辆状态信息以用于后续候选车辆待行驶路线的确定。然后，根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线。在这里，可以以至少一个初始车辆状态信息为初始点，候选车辆待行驶策略集为目标车辆的行驶策略，来准确、高效地生成至少一条候选车辆待行驶路线。进而，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线。在这里，从至少一条候选车辆待行驶路线中进行路线的筛选目的在于：针对某一初始车辆状态信息，筛选出对应几条候选车辆待行驶路线中更为精准、优秀的路线。基于此，可以使得后续目标回报函数的参数信息更新更为精准、高效。最后，通过对比上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线之间的差别，可以快速、高效地对目标回报函数中的参数信息进行更新。其中，上述目标回报函数是用于确定车辆路线的函数。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的信息更新方法的一个应用场景的示意图；
图2是根据本公开的信息更新方法的一些实施例的流程图；
图3是根据本公开的信息更新方法的车辆运动学模型的示意图；
图4是根据本公开的信息更新方法的生成路线特征信息集的示意图；
图5是根据本公开的信息更新方法的另一些实施例的流程图；
图6是根据本公开的路线筛选方法的一些实施例的流程图；
图7是根据本公开的信息更新装置的一些实施例的结构示意图；
图8是根据本公开的路线筛选装置的一些实施例的结构示意图；
图9是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
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。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的信息更新方法的一个应用场景的示意图。
在图1的应用场景中，电子设备101可以首先获取针对目标车辆102的至少一个初始车辆状态信息103。在本应用场景中，上述至少一个初始车辆状态信息103可以包括：初始车辆状态信息1031、初始车辆状态信息1032、初始车辆状态信息1033。其中，初始车辆状态信息1031、初始车辆状态信息1032和初始车辆状态信息1033的车辆状态信息都是不一样的。然后，上述电子设备101可以根据上述至少一个初始车辆状态信息103和预先选取的候选车辆待行驶策略集104，生成至少一条候选车辆待行驶路线105。在本应用场景中，上述候选车辆待行驶策略集104可以包括不同的候选车辆待行驶策略。至少一条候选车辆待行驶路线105同样包括不同的候选车辆待行驶路线。其中，每个候选车辆待行驶路线都是根据某一初始车辆状态和某一候选车辆待行驶策略来确定的。作为示例，上述候选车辆待行驶策略集104包括：候选车辆待行驶策略1041、候选车辆待行驶策略1042、候选车辆待行驶策略1043。上述至少一条候选车辆待行驶路线105可以包括：候选车辆待行驶路线1051、候选车辆待行驶路线1052、候选车辆待行驶路线1053、候选车辆待行驶路线1054、候选车辆待行驶路线1055、候选车辆待行驶路线1056、候选车辆待行驶路线1057、候选车辆待行驶路线1058、候选车辆待行驶路线1059。在这里，根据初始车辆状态信息1031和候选车辆待行驶策略1041，可以生成候选车辆待行驶路线1051。根据初始车辆状态信息1031和候选车辆待行驶策略1042，可以生成候选车辆待行驶路线1052。根据初始车辆状态信息1031和候选车辆待行驶策略1043，可以生成候选车辆待行驶路线1053。根据初始车辆状态信息1032和候选车辆待行驶策略1041，可以生成候选车辆待行驶路线1054。根据初始车辆状态信息1032和候选车辆待行驶策略1042，可以生成候选车辆待行驶路线1055。根据初始车辆状态信息1032和候选车辆待行驶策略1043，可以生成候选车辆待行驶路线1056。根据初始车辆状态信息1033和候选车辆待行驶策略1041，可以生成候选车辆待行驶路线1057。根据初始车辆状态信息1033和候选车辆待行驶策略1042，可以生成候选车辆待行驶路线1058。根据初始车辆状态信息1033和候选车辆待行驶策略1043，可以生成候选车辆待行驶路线1059。进而，上述电子设备101可以从上述至少一条候选车辆待行驶路线105中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线106。其中，至少一条第一目标候选车辆待行驶路线106可以包括：与候选车辆待行驶路线1051相同的第一目标候选车辆待行驶路线1061、与候选车辆待行驶路线1054相同的第一目标候选车辆待行驶路线1062、与候选车辆待行驶路线1058相同的第一目标候选车辆待行驶路线1063。最后，上述电子设备101可以根据上述至少一条第一目标候选车辆待行驶路线106和至少一条预设车辆待行驶路线107，对目标回报函数108中的参数信息进行更新。其中，上述目标回报函数108是用于确定车辆路线的函数。在本应用场景中，至少一条预设车辆待行驶路线107包括不同的预设车辆待行驶车辆路线。各个预设车辆待行驶车辆路线对应的初始车辆状态都是不相同的。即，至少一条预设车辆待行驶路线107包括：与初始车辆状态1031相对应的预设车辆待行驶路线1071、与初始车辆状态1032相对应的预设车辆待行驶路线1072、与初始车辆状态1033相对应的预设车辆待行驶路线1073。
需要说明的是，上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的电子设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的电子设备。
继续参考图2，示出了根据本公开的信息更新方法的一些实施例的流程200。该信息更新方法，包括以下步骤：
步骤201，获取针对目标车辆的至少一个初始车辆状态信息。
在一些实施例中，上述信息更新方法的执行主体(例如图1所示的电子设备)可以通过有线连接方式或者无线连接方式来获取针对目标车辆的至少一个初始车辆状态信息。其中，上述目标车辆可以是可自动驾驶的车辆。上述至少一个初始车辆状态信息中的初始车辆状态信息可以是目标车辆的初始位置信息和/或初始位姿信息。
需要说明的是，上述目标车辆的初始位置信息和/或初始位姿信息可以通过各种形式来表示。例如，针对目标车辆所设置的坐标系，上述目标车辆的初始位置信息可以是目标车辆的初始位置坐标。上述初始位姿信息可以是目标车辆与原点间直线与上述坐标系横轴之间的角度信息。
作为示例，上述目标车辆的初始车辆状态信息可以包括：[初始位置信息：(20,30)]，[初始位姿信息：30度]。
步骤202，根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线。
在一些实施例中，上述执行主体可以根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线。其中，候选车辆待行驶策略可以是目标车辆的行驶方法，即目标车辆的行驶策略。作为示例，通俗的讲，上述目标车辆的行驶策略可以是指目标车辆将要沿哪个方向走，以多大的速度走，多大的角度走。在此不再举例。上述目标车辆的行驶策略可以包括目标车辆的各种待行驶指标。上述候选车辆待行驶策略集中的各个候选车辆待行驶策略都是不相同的。候选车辆待行驶路线可以是目标车辆的预测车辆行驶路线。
作为示例，针对至少一个初始车辆状态信息中的每个初始车辆状态信息，上述执行主体可以首先将上述初始车辆状态作为候选车辆待行驶策略集的初始状态来进行行驶路线的生成，以生成候选车辆待行驶路线集，得到候选车辆待行驶路线集组。然后，上述执行主体可以将候选车辆待行驶路线集组确定为至少一条候选车辆待行驶路线。
在一些实施例的一些可选的实现方式中，上述候选车辆待行驶策略集是通过以下步骤选取的：
上述执行主体可以对目标车辆待行驶方法集中的目标车辆待行驶方法进行采样，得到至少一个目标车辆待行驶方法，作为候选车辆待行驶策略集。其中，目标车辆待行驶方法集可以是预先筛选的。
作为示例，上述执行主体可以对目标车辆待行驶方法集中的目标车辆待行驶方法进行随机采样，得到至少一个目标车辆待行驶方法，作为候选车辆待行驶策略集。
可选地，上述目标候选车辆待行驶策略集是通过以下步骤选取的：
第一步，上述执行主体可以获取针对上述目标车辆的、各个方向的车辆控制信息集。其中，上述车辆控制信息集中的车辆控制信息为含有车辆反馈信息的信息。作为示例，上述车辆控制信息集可以包括：横向车辆控制信息、纵向车辆控制信息。其中，纵向车辆控制信息可以通过以下公式来确定：
Figure BDA0003401366420000111
其中，KLon可以是纵向车辆控制信息的反馈增益，即车辆反馈信息的一部分。ΔdLon可以是自车与前车的相对纵向距离。ΔvLon可以是自车与前车的相对纵向速度。ΔaLon是自车与前车的相对纵向加速度。aLon是自动驾驶汽车的加速度。
橫向车辆控制信息可以通过以下公式来确定：
Figure BDA0003401366420000112
其中，KLat是横向车辆控制信息的反馈增益，即车辆反馈信息中的一部分。vLat可以是自车的横向速度。aLat可以是自车的横向加速度。
第二步，上述执行主体可以对上述车辆控制信息集中每个车辆控制信息对应的车辆反馈信息赋予不同的数值，得到车辆待行驶方法集。其中，上述车辆反馈信息是带有参数的矩阵形式的信息。
作为示例，上述执行主体可以对上述车辆控制信息集中每个车辆控制信息对应的车辆反馈信息中的各个参数在一定范围内随机取值，得到车辆待行驶方法集。
第三步，根据环境信息，上述执行主体从上述车辆待行驶方法集中筛选出与环境信息相匹配的车辆待行驶方法，作为目标候选车辆待行驶策略，得到上述目标候选车辆待行驶策略集。
其中，上述环境信息可以是上述目标车辆所处的环境模型。
上述环境模型可以采用混合建模的方式。针对周围的车，可以选用数据集模型，即周车行为依据数据集中记录的运动轨迹而行驶。针对自车，可以采用如图3所示的车辆运动学模型。自行车运动学模型可由如下连续非线性状态方程来表示：
y＝v sin(β+ψ)
x＝v cos(β+ψ)，
Figure BDA0003401366420000121
v cosβ＝vf cosδf，
其中，(x，y)是车辆几何中心在惯性坐标系中的坐标。ψ是航向角，v是车速，lf和lr是质心与前后轴的距离，β是速度方向，a是质心加速度。控制输入是前轮转角δf和前轮加速度vf。
在这里，可以假设车辆的质心与几何中心重合,即
Figure BDA0003401366420000131
并且假设每一条轨迹的初始转角均为零。
在一些实施例的一些可选的实现方式中，上述根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线，可以包括以下步骤：
第一步，上述执行主体可以根据预先设置的动作空间，对上述候选车辆待行驶策略集进行扩充，得到扩充后的候选车辆待行驶策略集。其中，上述动作空间可以是强化学习中所涉及的动作空间。上述动作空间包括上述目标车辆的各个待行驶指标的组合信息。上述各个待行驶指标可以包括但不限于以下至少一项：加速度指标，速度指标，自车与前车的相对纵向距离指标。
作为示例，上述执行主体可以在动作空间中随机选取动作，以此来对上述候选车辆待行驶策略集进行扩充，得到扩充后的候选车辆待行驶策略集。
作为又一个示例，针对候选车辆待行驶策略为向右前方行驶，横向行驶速度1m/s，纵向行驶速度2m/s。根据动作空间，可以生成向左前方行驶，横向行驶速度1m/s，纵向行驶速度2m/s的候选车辆待行驶策略。
第二步，上述执行主体可以根据上述扩充后的候选车辆待行驶策略集和上述至少一个初始车辆状态信息，生成上述至少一条候选车辆待行驶路线。
作为示例，针对至少一个初始车辆状态信息中的每个初始车辆状态信息，上述执行主体可以首先将上述初始车辆状态作为扩充后的候选车辆待行驶策略集的初始状态来进行行驶路线的生成，以生成候选车辆待行驶路线集，得到候选车辆待行驶路线集组。然后，上述执行主体可以将候选车辆待行驶路线集组确定为至少一条候选车辆待行驶路线。
需要说明的是，对候选车辆待行驶策略集进行扩充的目的在于：候选车辆待行驶策略集是预先选取的，可以候选车辆待行驶策略集中不存在后续用于生成最优候选车辆待行驶路线的候选车辆待行驶策略。基于此，通过动作空间来进一步丰富候选车辆待行驶策略集，以保障候选生成的至少一条第一目标候选车辆待行驶路线存在对应的相对于预设车辆待行驶路线来说的最优的候选车辆待行驶路线。
步骤203，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线。
在一些实施例中，上述执行主体可以从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线。其中，第一目标候选车辆待行驶路线可以是针对初始车辆状态信息来说，最接近预设车辆待行驶路线的路线，也可以是针对候选车辆待行驶策略集中最优候选车辆待行驶策略的路线。
作为示例，针对至少一个初始车辆状态信息中的每个初始车辆状态，存在至少一条候选车辆待行驶路线中以上述初始车辆状态信息为初始车辆状态的候选车辆待行驶路线集。由此，从候选车辆待行驶路线集中筛选出与同样以上述初始车辆状态为基础的预设车辆待行驶路线最接近的候选车辆待行驶路线，作为与上述初始车辆状态相对应的第一目标候选车辆待行驶路线。
作为又一个示例，依据候选车辆待行驶路线对应的候选车辆待行驶策略，上述执行主体可以将至少一个候选车辆待行驶路线分为候选车辆待行驶路线集组。然后，上述执行主体可以通过各种筛选方式从候选车辆待行驶路线集组中选出候选车辆待行驶路线集，作为至少一条第一目标候选车辆待行驶路线。
步骤204，根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新。
在一些实施例中，上述执行主体可以根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新。其中，上述目标回报函数是用于确定车辆路线的函数。针对基于强化学习或逆强化学习的自动驾驶领域，上述目标回报函数可以是强化学习或逆强化学习所涉及的回报函数。
其中，上述目标回报函数可以是由参数信息和多个车辆行驶特征所构成的。其中，车辆行驶特征可以是目标车辆行驶过程中相对于周车的行驶特征。作为示例，上述多个车辆行驶特征包括：与前车的车头时距、与后车的车头时距、与期望速度的偏差、横向位移、纵向加速度、横向加速度、前轮转角速度。
在这里，与前车的车头时距可以通过以下公式来确定：
Figure BDA0003401366420000151
其中，yf是前车纵向位置，vLon是自车纵向速度，
Figure BDA0003401366420000152
是与前车的期望车头时距。y是自车纵向位置。
与后车的车头时距可以通过以下公式来确定：
Figure BDA0003401366420000153
其中，yr是后车的纵向位置，
Figure BDA0003401366420000154
是与后车的期望车头时距。
需要说明的是，与前车的车头时距和与后车的车头时距与驾驶安全性有关的特征。纵向加速度、横向加速度、前轮转角速度是与乘坐舒适性相关的特征。
与期望速度的偏差可以通过以下公式来确定：
fdes＝|v-vdes|
其中，vdes可以是自车期望的车速，与当前交通流密度相关。该特征与行驶效率有关。v可以是自车车速。
横向位移可以通过以下公式来确定：
fdev＝|x-xdes|
其中，x可以是自车横向位置。xdes可以表示目标车道中心线的位置。
该公式表示自车横向位置与目标车道中心线的偏差，即自车应尽量保持在车道中心线行驶。目标车道中心线与当前的驾驶任务有关，比如，驾驶任务为直行时，目标车道为当前车道,驾驶任务为换道时，目标车道为相邻车道。该特征与驾驶任务相关。
在一些实施例的一些可选的实现方式中，上述根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，可以包括以下步骤：
第一步，上述执行主体可以生成上述至少一条第一目标候选车辆待行驶路线对应的第一路线特征信息集组和上述至少一条预设车辆待行驶路线对应的第二路线特征信息集组。其中，第一路线特征信息集是与第一目标候选车辆待行驶路线一一对应的。第一路线特征信息可以是描述第一目标候选车辆待行驶路线的路线特征信息。作为示例，第一特征信息集可以包括但不限于以下至少一项：第一目标候选车辆待行驶路线的加速度信息，第一目标候选车辆待行驶路线的总路长信息，第一目标候选车辆待行驶路线的曲率信息。同样，第二路线特征信息集是与预设车辆待行驶路线一一对应的。第二路线特征信息可以是描述预设车辆待行驶路线的路线特征信息。作为示例，第二路线特征信息集可以包括但不限于以下至少一项：预设车辆待行驶路线的加速度信息，预设车辆待行驶路线的总路长信息，预设车辆待行驶路线的曲率信息。
作为示例，针对图4所示的场景，黑色自车周围的三辆白色周车的状态信息，来生成路线特征信息集。
需要说明的是，所以选择该场景的目的在于：在现实生活中,当驾驶员决定要换道时，会平衡自车受周车的影响，尤其是本车道前车和目标车道换道目标间隙的前车与后车。在这里，所提取的场景和数据不涉及换道间隙的选择，即每一条轨迹都有且只有一个换道间隙，并且成功完成了换道。
其中，基于机器视觉技术对轨迹的处理有时是比较粗糙的,尤其是速度和加速度通常会在处理过程中被测量误差所影响。由于采用差分技术计算速度和加速度，噪声会被逐步放大，从而影响最优轨迹的选择，对后续的逆强化学习过程产生影响。
基于此，上述执行主体可以利用卡尔曼滤波技术，采用的车辆运动学模型以及状态和动作对所提取的轨迹进行滤波。经过滤波后的轨迹变得平滑，且服从车辆运动学模型，也与原始的轨迹相差无几。然后，可以根据所提取的轨迹，通过各种车辆轨迹特征提取方法来生成路线特征信息集。
第二步，根据上述第一路线特征信息集组和上述第二路线特征信息集组，对上述目标回报函数中的参数信息进行更新。
作为示例，上述执行主体首先可以对第一路线特征信息集组中各个第一路线特征信息集中对应路线特征信息进行加权求和，得到第一数值集。然后，上述执行主体首先可以对第二路线特征信息集组中各个第二路线特征信息集中对应路线特征信息进行加权求和，得到第二数值集。接着，根据对应特征，将上述第一数值集与第二数值集进行对应相减，得到第三数值集。最后，根据上述第三数值集对应的平均数，利用梯度下降的方法，来对上述目标回报函数中的参数信息进行更新。
可选地，上述根据上述第一路线特征信息集组和上述第二路线特征信息集组，对上述目标回报函数中的参数信息进行更新，可以包括以下步骤：
第一步，上述执行主体可以将上述第一路线特征信息集组中的每个第一路线特征信息集输入至第一目标函数，以生成第一数值，得到第一数值集。
第二步，上述执行主体可以对上述第一数值集中的各个第一数值进行加权平均处理，得到第一加权数值。
第三步，上述执行主体可以将上述第二路线特征信息集组中的每个第二路线特征信息集输入至第二目标函数，以生成第二数值，得到第二数值集。
第四步，上述执行主体可以对上述第二数值集中的各个第二数值进行加权平均处理，得到第二加权数值。
第五步，上述执行主体可以确定上述第一加权数值与上述第二加权数值之间的第一差值。
第六步，响应于确定上述第一差值大于目标阈值，对上述目标回报函数中的参数信息进行更新。
作为示例，响应于确定上述第一差值大于目标阈值，上述执行主体可以利用梯度下降的方法，对上述目标回报函数中的参数信息进行更新。
本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的信息更新方法可以快捷、高效的实现目标回报函数中参数信息的更新，减少计算资源的浪费。具体来说，由于逆强化学习高度依赖学习最优策略的强化学习模块，导致的学习耗时长。除此之外，使用强化学习可能会存在结果随机性的问题。进一步地，增加了运算量，造成计算机资源的浪费，侧面增加了计算机的处理负荷。基于此，本公开的一些实施例的信息更新方法可以首先获取针对目标车辆的至少一个初始车辆状态信息。在这里，通过获取至少一个初始车辆状态信息以用于后续候选车辆待行驶路线的确定。然后，根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线。在这里，可以以至少一个初始车辆状态信息为初始点，候选车辆待行驶策略集为目标车辆的行驶策略，来准确、高效地生成至少一条候选车辆待行驶路线。进而，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线。在这里，从至少一条候选车辆待行驶路线中进行路线的筛选目的在于：针对某一初始车辆状态信息，筛选出对应几条候选车辆待行驶路线中更为精准、优秀的路线。基于此，可以使得后续目标回报函数的参数信息更新更为精准、高效。最后，通过对比上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线之间的差别，可以快速、高效地对目标回报函数中的参数信息进行更新。其中，上述目标回报函数是用于确定车辆路线的函数。
进一步参考图5，示出了根据本公开的信息更新方法的另一些实施例的流程500。该信息更新方法，包括以下步骤：
步骤501，获取针对目标车辆的至少一个初始车辆状态信息。
步骤502，根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线。
步骤503，根据上述目标回报函数的初始参数，确定上述至少一条候选车辆待行驶路线中每个候选车辆待行驶路线对应的概率信息，得到概率信息集。
在一些实施例中，执行主体(例如图1所示的电子设备)可以根据上述目标回报函数的初始参数，确定上述至少一条候选车辆待行驶路线中每个候选车辆待行驶路线对应的概率信息，得到概率信息集。
作为示例，上述执行主体可以根据上述目标回报函数的初始参数，通过以下公式来确定至少一条候选车辆待行驶路线中每个候选车辆待行驶路线对应的概率信息：
Figure BDA0003401366420000191
其中，ξ可以表示候选车辆待行驶路线。ω可以是目标回报函数的初始参数。f()可以是预先设置的函数。
步骤504，从上述至少一条候选车辆待行驶路线中筛选出概率信息满足目标条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到上述至少一条第一目标候选车辆待行驶路线。
在一些实施例中，上述执行主体可以从上述至少一条候选车辆待行驶路线中筛选出概率信息满足目标条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到上述至少一条第一目标候选车辆待行驶路线。
作为示例，上述执行主体可以通过以下公式来生成上述至少一条第一目标候选车辆待行驶路线：
Figure BDA0003401366420000192
其中，j*可以是针对至少一条第一目标候选车辆待行驶路线的候选车辆待行驶策略。
Figure BDA0003401366420000193
可以是针对第i个初始车辆状态信息，第j个候选车辆待行驶策略的候选车辆待行驶路线。
Figure BDA0003401366420000201
可以是至少一条第一目标候选车辆待行驶路线。
步骤505，根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新。
在一些实施例中，步骤501-502、505的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201-202、204，在此不再赘述。
步骤506，根据上述目标回报函数更新后的参数信息，从上述至少一条候选车辆待行驶路线中筛选出满足上述预设条件的候选车辆待行驶路线，作为第二目标候选车辆待行驶路线，得到至少一条第二目标候选车辆待行驶路线。
在一些实施例中，上述执行主体可以根据上述目标回报函数更新后的参数信息，从上述至少一条候选车辆待行驶路线中筛选出满足上述预设条件的候选车辆待行驶路线，作为第二目标候选车辆待行驶路线，得到至少一条第二目标候选车辆待行驶路线。在这里，具体实现步骤可以参考步骤503和步骤504。
步骤507，根据上述至少一条第二目标候选车辆待行驶路线和上述至少一条预设车辆待行驶路线，确定第二差值。
在一些实施例中，上述执行主体可以根据上述至少一条第二目标候选车辆待行驶路线和上述至少一条预设车辆待行驶路线，确定第二差值。在这里，具体实现步骤可以参考步骤204所涉及的实现方式。
步骤508，响应于确定上述第二差值小于或等于目标阈值，将上述目标回报函数更新后的参数信息确定为上述目标回报函数训练后的参数信息。
在一些实施例中，响应于确定上述第二差值小于或等于目标阈值，上述执行主体可以将上述目标回报函数更新后的参数信息确定为上述目标回报函数训练后的参数信息。其中，上述目标阈值可以是预先设置的，以用于后续目标回报函数中参数信息的收敛。
从图5中可以看出，与图2对应的一些实施例的描述相比，图5对应的一些实施例中的信息更新方法的流程500更加突出了生成至少一条第一目标候选车辆待行驶路线的具体步骤。由此，这些实施例描述的方案在不使用强化学习来生成至少一条第一目标候选车辆待行驶路线的基础上，减少了计算机资源的浪费和减轻了计算机负荷，大大提高了目标回报函数参数信息确定的效率。
继续参考图6，示出了根据本公开的路线筛选方法的一些实施例的流程600。该路线筛选方法，包括以下步骤：
步骤601，获取至少一条候选车辆待行驶路线。
在一些实施例中，执行主体(例如图1所示的电子设备)可以通过有线方式或无线方式来获取至少一条候选车辆待行驶路线。
步骤602，根据目标回报函数，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线。
在一些实施例中，上述执行主体可以根据目标回报函数，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线。其中，上述目标回报函数中的参数信息是采用图2对应的一些实施例的方法更新的。
本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的路线筛选方法可以根据目标回报函数高效、精准地从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线。
进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种信息更新装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，一种信息更新装置700包括：第一获取单元701、生成单元702、第一筛选单元703和更新单元704。其中，第一获取单元701，被配置成获取针对目标车辆的至少一个初始车辆状态信息；生成单元702，被配置成根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线；第一筛选单元703，被配置成从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线；更新单元704，被配置成根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，其中，上述目标回报函数是用于确定车辆路线的函数。
在一些实施例的一些可选的实现方式中，上述装置700中的生成单元702可以进一步被配置成：根据预先设置的动作空间，对上述候选车辆待行驶策略集进行扩充，得到扩充后的候选车辆待行驶策略集；根据上述扩充后的候选车辆待行驶策略集和上述至少一个初始车辆状态信息，生成上述至少一条候选车辆待行驶路线。
在一些实施例的一些可选的实现方式中，上述装置700中的第一筛选单元703可以进一步被配置成：根据上述目标回报函数的初始参数，确定上述至少一条候选车辆待行驶路线中每个候选车辆待行驶路线对应的概率信息，得到概率信息集；从上述至少一条候选车辆待行驶路线中筛选出概率信息满足目标条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到上述至少一条第一目标候选车辆待行驶路线。
在一些实施例的一些可选的实现方式中，上述装置700中的更新单元704可以进一步被配置成：生成上述至少一条第一目标候选车辆待行驶路线对应的第一路线特征信息集组和上述至少一条预设车辆待行驶路线对应的第二路线特征信息集组；根据上述第一路线特征信息集组和上述第二路线特征信息集组，对上述目标回报函数中的参数信息进行更新。
在一些实施例的一些可选的实现方式中，上述装置700还包括：第三筛选单元、第一确定单元、第二确定单元(图中未显示)。其中，上述第三筛选单元可以被配置成：根据上述目标回报函数更新后的参数信息，从上述至少一条候选车辆待行驶路线中筛选出满足上述预设条件的候选车辆待行驶路线，作为第二目标候选车辆待行驶路线，得到至少一条第二目标候选车辆待行驶路线。第一确定单元可以被配置成：根据上述至少一条第二目标候选车辆待行驶路线和上述至少一条预设车辆待行驶路线，确定第二差值。第二确定单元可以被配置成：响应于确定上述第二差值小于或等于目标阈值，将上述目标回报函数更新后的参数信息确定为上述目标回报函数训练后的参数信息。
在一些实施例的一些可选的实现方式中，上述装置700中的更新单元704可以进一步被配置成：将上述第一路线特征信息集组中的每个第一路线特征信息集输入至第一目标函数，以生成第一数值，得到第一数值集；对上述第一数值集中的各个第一数值进行加权平均处理，得到第一加权数值；将上述第二路线特征信息集组中的每个第二路线特征信息集输入至第二目标函数，以生成第二数值，得到第二数值集；对上述第二数值集中的各个第二数值进行加权平均处理，得到第二加权数值；确定上述第一加权数值与上述第二加权数值之间的第一差值；响应于确定上述第一差值大于目标阈值，对上述目标回报函数中的参数信息进行更新。
在一些实施例的一些可选的实现方式中，上述候选车辆待行驶策略集是通过以下步骤选取的：对目标车辆待行驶方法集中的目标车辆待行驶方法进行采样，得到至少一个目标车辆待行驶方法，作为候选车辆待行驶策略集。
在一些实施例的一些可选的实现方式中，上述目标候选车辆待行驶策略集是通过以下步骤选取的：获取针对上述目标车辆的、各个方向的车辆控制信息集，其中，上述车辆控制信息集中的车辆控制信息为含有车辆反馈信息的信息；对上述车辆控制信息集中每个车辆控制信息对应的车辆反馈信息赋予不同的数值，得到车辆待行驶方法集；根据环境信息，从上述车辆待行驶方法集中筛选出与环境信息相匹配的车辆待行驶方法，作为目标候选车辆待行驶策略，得到上述目标候选车辆待行驶策略集。
可以理解的是，该装置700中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置700及其中包含的单元，在此不再赘述。
进一步参考图8，作为对上述各图所示方法的实现，本公开提供了一种路线筛选装置的一些实施例，这些装置实施例与图6所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图8所示，一种路线筛选装置800包括：第二获取单元801、第二筛选单元802。其中，第二获取单元801，被配置成：获取至少一条候选车辆待行驶路线；第二筛选单元802，被配置成：根据目标回报函数，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线，其中，上述目标回报函数中的参数信息是采用图2对应的一些实施例的方法更新的。
可以理解的是，该装置800中记载的诸单元与参考图6描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置800及其中包含的单元，在此不再赘述。
下面参考图9，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备)900的结构示意图。图9示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图9所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有电子设备900操作所需的各种程序和数据。处理装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
通常，以下装置可以连接至I/O接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图9中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些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，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM 902被安装。在该计算机程序被处理装置901执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取针对目标车辆的至少一个初始车辆状态信息；根据上述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线；从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线；根据上述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，其中，上述目标回报函数是用于确定车辆路线的函数。获取至少一条候选车辆待行驶路线；
根据目标回报函数，从上述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线，其中，上述目标回报函数中的参数信息是采用图2对应的一些实施例的方法更新的。
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公开的一些实施例的操作的计算机程序代码，上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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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指令。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指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、生成单元、第一筛选单元和更新单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取针对目标车辆的至少一个初始车辆状态信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些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，本公开的实施例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方案，同时也应涵盖在不脱离上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方案。例如上述特征与本公开的实施例中公开的(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方案。

Claims (13)

1.一种信息更新方法，包括：
获取针对目标车辆的至少一个初始车辆状态信息；
根据所述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线；
从所述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线；
根据所述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，其中，所述目标回报函数是用于确定车辆路线的函数。
2.根据权利要求1所述的方法，其中，所述根据所述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线，包括：
根据预先设置的动作空间，对所述候选车辆待行驶策略集进行扩充，得到扩充后的候选车辆待行驶策略集，其中，所述动作空间包括所述目标车辆的各个待行驶指标的组合信息；
根据所述扩充后的候选车辆待行驶策略集和所述至少一个初始车辆状态信息，生成所述至少一条候选车辆待行驶路线。
3.根据权利要求1所述的方法，其中，所述从所述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线，包括：
根据所述目标回报函数的初始参数，确定所述至少一条候选车辆待行驶路线中每个候选车辆待行驶路线对应的概率信息，得到概率信息集；
从所述至少一条候选车辆待行驶路线中筛选出概率信息满足目标条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到所述至少一条第一目标候选车辆待行驶路线。
4.根据权利要求1所述的方法，其中，所述根据所述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，包括：
生成所述至少一条第一目标候选车辆待行驶路线对应的第一路线特征信息集组和所述至少一条预设车辆待行驶路线对应的第二路线特征信息集组；
根据所述第一路线特征信息集组和所述第二路线特征信息集组，对所述目标回报函数中的参数信息进行更新。
5.根据权利要求1所述的方法，其中，所述方法还包括：
根据所述目标回报函数更新后的参数信息，从所述至少一条候选车辆待行驶路线中筛选出满足所述预设条件的候选车辆待行驶路线，作为第二目标候选车辆待行驶路线，得到至少一条第二目标候选车辆待行驶路线；
根据所述至少一条第二目标候选车辆待行驶路线和所述至少一条预设车辆待行驶路线，确定第二差值；
响应于确定所述第二差值小于或等于目标阈值，将所述目标回报函数更新后的参数信息确定为所述目标回报函数训练后的参数信息。
6.根据权利要求4所述的方法，其中，所述根据所述第一路线特征信息集组和所述第二路线特征信息集组，对所述目标回报函数中的参数信息进行更新，包括：
将所述第一路线特征信息集组中的每个第一路线特征信息集输入至第一目标函数，以生成第一数值，得到第一数值集；
对所述第一数值集中的各个第一数值进行加权平均处理，得到第一加权数值；
将所述第二路线特征信息集组中的每个第二路线特征信息集输入至第二目标函数，以生成第二数值，得到第二数值集；
对所述第二数值集中的各个第二数值进行加权平均处理，得到第二加权数值；
确定所述第一加权数值与所述第二加权数值之间的第一差值；
响应于确定所述第一差值大于目标阈值，对所述目标回报函数中的参数信息进行更新。
7.根据权利要求1所述的方法，其中，所述候选车辆待行驶策略集是通过以下步骤选取的：
对目标车辆待行驶方法集中的目标车辆待行驶方法进行采样，得到至少一个目标车辆待行驶方法，作为候选车辆待行驶策略集。
8.根据权利要求7所述的方法，其中，所述目标候选车辆待行驶策略集是通过以下步骤选取的：
获取针对所述目标车辆的、各个方向的车辆控制信息集，其中，所述车辆控制信息集中的车辆控制信息为含有车辆反馈信息的信息；
对所述车辆控制信息集中每个车辆控制信息对应的车辆反馈信息赋予不同的数值，得到车辆待行驶方法集；
根据环境信息，从所述车辆待行驶方法集中筛选出与环境信息相匹配的车辆待行驶方法，作为目标候选车辆待行驶策略，得到所述目标候选车辆待行驶策略集。
9.一种路线筛选方法，包括：
获取至少一条候选车辆待行驶路线；
根据目标回报函数，从所述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线，其中，所述目标回报函数中的参数信息是通过如权利要求1-8中任一所述的方法更新的。
10.一种信息更新装置，包括：
第一获取单元，被配置成获取针对目标车辆的至少一个初始车辆状态信息；
生成单元，被配置成根据所述至少一个初始车辆状态信息和预先选取的候选车辆待行驶策略集，生成至少一条候选车辆待行驶路线；
第一筛选单元，被配置成从所述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为第一目标候选车辆待行驶路线，得到至少一条第一目标候选车辆待行驶路线；
更新单元，被配置成根据所述至少一条第一目标候选车辆待行驶路线和至少一条预设车辆待行驶路线，对目标回报函数中的参数信息进行更新，其中，所述目标回报函数是用于确定车辆路线的函数。
11.一种路线筛选装置，包括：
第二获取单元，被配置成：获取至少一条候选车辆待行驶路线；
第二筛选单元，被配置成：根据目标回报函数，从所述至少一条候选车辆待行驶路线中筛选出满足预设条件的候选车辆待行驶路线，作为目标候选车辆待行驶路线，得到至少一条目标侯选车辆待行驶路线，其中，所述目标回报函数中的参数信息是通过如权利要求1-8中任一所述的方法更新的。
12.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
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1-9中任一所述的方法。
13.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
CN202111497556.2A 2021-12-09 2021-12-09 信息更新方法、路线筛选方法、装置、设备和介质 Pending CN114167874A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111497556.2A CN114167874A (zh) 2021-12-09 2021-12-09 信息更新方法、路线筛选方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111497556.2A CN114167874A (zh) 2021-12-09 2021-12-09 信息更新方法、路线筛选方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN114167874A true CN114167874A (zh) 2022-03-11

Family

ID=80484851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111497556.2A Pending CN114167874A (zh) 2021-12-09 2021-12-09 信息更新方法、路线筛选方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN114167874A (zh)

Similar Documents

Publication Publication Date Title
EP4009300A1 (en) Vehicle automatic control method and lane change intention prediction network training method
WO2021077725A1 (zh) 一种基于驾驶意图的周围车辆运动状态预测系统及方法
WO2022052406A1 (zh) 一种自动驾驶训练方法、装置、设备及介质
US11465650B2 (en) Model-free reinforcement learning
EP3822852B1 (en) Method, apparatus, computer storage medium and program for training a trajectory planning model
US11242050B2 (en) Reinforcement learning with scene decomposition for navigating complex environments
CN113044042B (zh) 车辆预测变道图像显示方法、装置、电子设备和可读介质
CN115185271B (zh) 导航路径生成方法、装置、电子设备和计算机可读介质
CN113033925B (zh) 用于控制自动驾驶车辆行驶、装置、电子设备和介质
CN113561994A (zh) 轨迹规划方法、装置、存储介质及电子设备
CN115339453B (zh) 车辆换道决策信息生成方法、装置、设备和计算机介质
CN115534925A (zh) 车辆控制方法、装置、设备和计算机可读介质
CN115617051A (zh) 车辆控制方法、装置、设备和计算机可读介质
CN114802250A (zh) 数据处理方法、装置、设备、自动驾驶车辆及介质
El Hamdani et al. A Markov Decision Process Model for a Reinforcement Learning-based Autonomous Pedestrian Crossing Protocol
CN114399659B (zh) 车辆控制信息生成方法、装置、设备和计算机可读介质
Lidstrom et al. Model-based estimation of driver intentions using particle filtering
CN111898199A (zh) 一种车辆动力学数据驱动建模方法
CN116653957A (zh) 一种变速变道方法、装置、设备及存储介质
CN114167874A (zh) 信息更新方法、路线筛选方法、装置、设备和介质
CN116279596A (zh) 车辆控制方法、装置、电子设备和计算机可读介质
CN114004406A (zh) 车辆轨迹预测方法、装置、存储介质及电子设备
CN111832142A (zh) 用于输出信息的方法和装置
Boyraz et al. Driver behavior modeling using hybrid dynamic systems for ‘driver-aware’active vehicle safety
Bagwe et al. RAMRL: Towards Robust On-Ramp Merging via Augmented Multimodal Reinforcement Learning

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