[发明专利]智能驾驶的优化方法、装置及系统

说明书

本发明提供一种智能驾驶的优化方法、装置及系统，属于智能驾驶技术领域。该优化方法包括：S1、接收智能驾驶优化请求，并确定多个综合方案；S2、获取历史综合方案；S3、根据各综合方案和历史综合方案，依照稀疏卷积神经网络优化分析策略选择出最优的综合方案作为当前的推荐方案；S4、根据历史综合方案和当前的推荐方案，判断预设的第一评价条件是否满足，若是则输出当前的推荐方案；若否，则执行S5；S5、根据当前的各综合方案和历史优化方案，依照奖惩优化策略对当前的各综合方案进行优化，得出优化后的各综合方案，之后重复S3和S4进行迭代，直至判断出第一评价条件满足，或者迭代次数满足预设阈值时，输出当前的推荐方案。

技术领域

本发明属于智能驾驶技术领域，具体涉及一种智能驾驶的优化方法、装置及系统。

背景技术

随着物联网迅猛发展，智能驾驶终端设备的数量迅速增加，同时智能驾驶终端设备所产生数据量已达到泽字节(ZB)级别。利用现有的云计算系统进行集中式数据处理过程中，高延迟、高流量成本、识别准确度低等问题日益突出。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种能够降低时延和流量成本，提高识别准确度的智能驾驶的优化方法。

解决本发明技术问题所采用的技术方案是一种智能驾驶的优化方法，包括：

S1、接收各智能驾驶终端发送的智能驾驶优化请求，并根据所述智能驾驶优化请求确定多个当前的综合方案，每个所述综合方案中都包括对应所述智能驾驶优化请求的处理信息，其中，不同综合方案中至少一个同一智能驾驶优化请求的处理信息不同；所述处理信息包括：时延、流量成本、识别准确度中的至少一者；

S2、获取历史综合方案，所述历史综合方案包括历史处理信息；

S3、根据当前的各综合方案中的处理信息和历史处理信息，依照预设的稀疏卷积神经网络优化分析策略进行优化分析，从所述各综合方案中选择出最优的综合方案作为当前的推荐方案；

S4、根据历史综合方案和当前的推荐方案，判断预设的第一评价条件是否满足，当判断出预设的第一评价条件满足时，则输出当前的推荐方案；当判断出预设的第一评价条件不满足时，则执行步骤S5；

S5、根据当前的各综合方案和历史优化方案，依照预设的奖惩优化策略对当前的各综合方案进行优化，得出优化后的各综合方案，之后重复步骤S3和S4进行迭代，直至判断出预设的第一评价条件满足，或者迭代次数满足预设阈值时，输出当前的推荐方案。

优选的，所述处理信息包括：时延、流量成本、识别准确度；

每个综合方案中的各处理信息以三维信息向量的形式存储为：其中，k为迭代次数，为第k次迭代的综合方案M中坐标为(i,j,t)的处理信息，且i＝1,2,…m，j＝1,2,…n，t＝1,2,…p，分别为处理信息的第k次迭代的时延、流量成本和识别准确度。

进一步优选的，所述步骤S3具体包括：

根据当前的各综合方案的处理信息确定所有综合方案中的当前最小处理信息；

根据历史处理信息确定最小历史处理信息；

根据当前的各综合方案中的处理信息、当前最小处理信息、最小历史处理信息，依照多维稀疏卷积神经网络优化分析策略进行优化分析，从所述当前的各综合方案中选择出最优的综合方案作为推荐方案。

进一步优选的，所述多维稀疏卷积神经网络优化分析策略具体为：

α、β∈(0,1)，α+β＝1，

其中，M^minK为最小处理信息，M^minG为最小历史处理信息。