[发明专利]一种自动驾驶决策方法及系统

说明书

本发明实施例提供一种自动驾驶决策系统，该自动驾驶决策系统包括：数据采集模块，用于采集车辆驾驶系统的决策模型的输入数据和输出数据；决策模型训练模块，根据所述决策模型的输入数据和输出数据对所述决策模型进行训练；以及决策算法模块，用于使经过训练的决策模型根据其输入数据输出关于驾驶行为的决策行为。本发明的系统能够适应复杂多变的驾驶环境，从而实现了能够直接应于无人车驾驶的自动驾驶。

技术领域

本发明涉及自动驾驶领域，具体地，涉及一种自动驾驶决策方法及系统。

背景技术

近年来，无人驾驶相关技术得到了广泛关注，其中，在无人车行驶过程中，如何根据周围障碍物信息和道路信息对无人车驾驶行为进行决策是十分重要的。

现有的无人车的决策算法通常使用基于有限状态机的决策方法，即基于车辆行驶经验得到无人车决策规则，根据道路信息、周围障碍物信息等作为状态机输入，得到期望的驾驶行为。

然而，本申请发明人在实现本发明的过程中发现，基于状态机的决策方法需要提前给出决策规则，对于缺乏决策规则的情况无法处理，并且，对于决策规则进行扩展通常是十分复杂的，该方法无法适应复杂多变的交通场景。同时，基于机器学习的决策方法被应用于辅助驾驶系统，但辅助驾驶系统更多依赖驾驶员行为给出最终的决策结果，无法直接应用于无人驾驶汽车的决策系统。

发明内容

本发明实施例的目的是提供一种自动驾驶决策方法及系统，该方法和系统采集用于决策模块的相关信息，并利用该相关信息对决策模型进行训练，然后在被训练过的决策模型的基础上进行驾驶决策，使决策模型能够适应复杂多变的驾驶环境，从而实现了能够直接应于无人车驾驶的自动驾驶。

为了实现上述目的，本发明提供一种自动驾驶决策方法，该自动驾驶决策方法包括：采集车辆驾驶系统的决策模型的输入数据和输出数据；根据所述决策模型的输入数据和输出数据对所述决策模型进行训练；以及使经过训练的决策模型根据其输入数据输出关于驾驶行为的决策行为。

其中，所述自动驾驶决策方法还可以包括：根据强制约束信息对所述决策算法模块输出的决策行为进行约束。

其中，所述根据所述决策模型的输入数据和输出数据对所述决策模型进行训练可以包括：利用支持向量机对所述决策模型进行训练。

其中，所述决策模型的输入数据可以包括：车辆状态信息、障碍物信息、车道线信息以及交通标示信息。

其中，所述强制约束信息可以包括道路限速、碰撞检测。

根据本发明的另一方面，还提供一种自动驾驶决策系统，该自动驾驶决策系统包括：数据采集模块，用于采集车辆驾驶系统的决策模型的输入数据和输出数据；决策模型训练模块，根据所述决策模型的输入数据和输出数据对所述决策模型进行训练；以及决策算法模块，用于使经过训练的决策模型根据其输入数据输出关于驾驶行为的决策行为。

其中，所述自动驾驶决策系统还可以包括：物理约束模块，用于根据强制约束信息对所述决策算法模块输出的决策行为进行约束。

其中，所述决策模块训练模块可以利用支持向量机对所述决策模型进行训练。

其中，所述决策模型的输入数据可以包括：车辆状态信息、障碍物信息、车道线信息以及交通标示信息。

其中，所述强制约束信息可以包括道路限速、碰撞检测。

通过上述技术方案，利用车辆行驶过程中采集到的各种与驾驶场景相关的信息对决策模型进行不断的训练，使决策模型不断地适应可能遇到的复杂路况，从使决策模型能够最终做出安全适当的的驾驶决策，进而达到不需要人为操作的介入即可自动驾驶的目的。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明