[发明专利]一种基于强化学习和规则确定驾驶策略的方法与设备

权利要求书

1.一种基于强化学习和规则确定驾驶策略的方法，其中，所述方法包括：

基于车辆的驾驶参数信息，通过强化学习算法确定所述车辆的第一驾驶策略信息；所述驾驶参数信息包括反映车辆行驶环境和车辆行驶状态的信息；

基于所述驾驶参数信息及车辆的驾驶规则信息，确定所述车辆的第二驾驶策略信息；所述驾驶规则信息为基于输入的驾驶参数信息或历史驾驶参数信息，输出驾驶策略的规则；

基于所述第二驾驶策略信息对所述第一驾驶策略信息进行合理性检测；

所述合理性检测包括：对第二驾驶策略信息和第一驾驶策略信息进行相似性检测；

若所述第二驾驶策略信息与所述第一驾驶策略信息的距离小于预定阈值，将第一驾驶策略信息确定为所述车辆的目标驾驶策略信息；反之，将所述第二驾驶策略信息确定为所述车辆的目标驾驶策略信息；其中，所述距离基于所述第一驾驶策略信息与所述第二驾驶策略信息中相同策略参数的差值确定。

2.根据权利要求1所述的方法，其中，所述驾驶参数信息包括以下至少任一项：

车辆的速度信息；

车辆的偏离轨道方向信息；

车辆与轨道中心线的距离信息；

车辆与轨道边沿的距离信息；

障碍物感知信息；

交通标志感知信息。

3.根据权利要求1所述的方法，其中，所述方法还包括：

基于所述目标驾驶策略信息执行自动驾驶操作。

4.根据权利要求1所述的方法，其中，所述方法还包括：

基于所述合理性检测的检测结果，更新所述强化学习算法对应的回馈函数值。

5.根据权利要求4所述的方法，其中，所述基于所述合理性检测的检测结果，更新所述强化学习算法对应的回馈函数值包括：

若基于所述合理性检测的检测结果，确定的所述车辆的目标驾驶策略信息不包括第一驾驶策略信息，设置强化学习算法对应的回馈函数值为负数。

6.一种基于强化学习和规则确定驾驶策略的设备，其中，所述设备包括：

第一驾驶策略信息确定装置，用于基于车辆的驾驶参数信息，通过强化学习算法确定所述车辆的第一驾驶策略信息；所述驾驶参数信息包括反映车辆行驶环境和车辆行驶状态的信息；

检测装置，用于基于所述驾驶参数信息及车辆的驾驶规则信息，对所述第一驾驶策略信息进行合理性检测；所述驾驶规则信息为基于输入的驾驶参数信息或历史驾驶参数信息，输出驾驶策略的规则；所述合理性检测包括：对第二驾驶策略信息和第一驾驶策略信息进行相似性检测；

目标驾驶策略信息确定装置，用于若所述合理性检测的检测结果包括所述第二驾驶策略信息与所述第一驾驶策略信息的距离大于或等于预定阈值，将所述第二驾驶策略信息确定为所述车辆的目标驾驶策略信息；其中，所述距离基于所述第一驾驶策略信息与所述第二驾驶策略信息中相同策略参数的差值确定；

其中，所述检测装置包括：

第一单元，用于基于所述驾驶参数信息及车辆的驾驶规则信息，确定所述车辆的第二驾驶策略信息；

第二单元，用于基于所述第二驾驶策略信息对所述第一驾驶策略信息进行合理性检测。

7.根据权利要求6所述的设备，其中，所述驾驶参数信息包括以下至少任一项：

车辆的速度信息；

车辆的偏离轨道方向信息；

车辆与轨道中心线的距离信息；

车辆与轨道边沿的距离信息；

障碍物感知信息；

交通标志感知信息。

8.根据权利要求6所述的设备，其中，所述设备还包括：

执行装置，用于基于所述目标驾驶策略信息执行自动驾驶操作。

9.根据权利要求6所述的设备，其中，所述设备还包括：

更新装置，用于基于所述合理性检测的检测结果，更新所述强化学习算法对应的回馈函数值。