[发明专利]驾驶策略生成方法、装置、介质、设备及仿真系统

说明书

本公开涉及一种驾驶策略生成方法、装置、介质、设备及仿真系统，以优化仿真系统的仿真效果。所述方法包括：从仿真系统生成的仿真数据中，获取目标仿真车辆对应于目标仿真时刻的目标环境信息和目标车辆信息，所述目标车辆信息包括所述目标仿真车辆在所述目标仿真时刻的目标位置；获取与所述目标仿真车辆对应的目标地图信息，所述目标地图信息取自高精地图；将所述目标环境信息、所述目标车辆信息和所述目标地图信息输入至决策模型，获得所述决策模型输出的目标控制策略，其中，所述决策模型是根据所述仿真系统生成的仿真数据、通过强化学习方式训练而获得的；根据所述目标控制策略，通过所述仿真系统对所述目标仿真车辆进行仿真控制。

技术领域

本公开涉及仿真领域，具体地，涉及一种驾驶策略生成方法、装置、介质、设备及仿真系统。

背景技术

目前，主流的仿真平台(即，仿真系统)主要有两大类，一类通常应用于车辆动力学模型和功能的仿真，例如以Vector公司为主的CANoe仿真，另一类则是基于场景的仿真，例如VTD仿真。这些仿真平台提供的大多是仿真验证的功能，且一般针对感知算法或者基于规则的决策规划算法进行仿真验证，然而，单一的仿真验证功能无法为仿真系统带来较好的仿真效果，同时，基于规则的决策规划算法无法适用于多种仿真场景，存在一定的局限性。

发明内容

本公开的目的是提供一种驾驶策略生成方法、装置、介质、设备及仿真系统，以优化仿真系统的仿真效果。

为了实现上述目的，根据本公开的第一方面，提供一种应用于仿真系统的驾驶策略生成方法，所述方法包括：

从仿真系统生成的仿真数据中，获取目标仿真车辆对应于目标仿真时刻的目标环境信息和目标车辆信息，所述目标车辆信息包括所述目标仿真车辆在所述目标仿真时刻的目标位置；

获取与所述目标仿真车辆对应的目标地图信息，所述目标地图信息取自高精地图；

将所述目标环境信息、所述目标车辆信息和所述目标地图信息输入至决策模型，获得所述决策模型输出的目标控制策略，其中，所述决策模型是根据所述仿真系统生成的仿真数据、通过强化学习方式训练而获得的；

根据所述目标控制策略，通过所述仿真系统对所述目标仿真车辆进行仿真控制。

可选地，通过如下方式获取所述目标地图信息：

在高精地图中，确定包含所述目标位置在内的预设面积的地图区域；

将所述地图区域对应的地图信息作为所述目标地图信息。

可选地，所述决策模型通过如下方式获得：

从所述仿真系统生成的仿真数据中，获取所述目标仿真车辆对应于第一历史仿真时刻的第一环境信息、第一车辆信息和第一地图信息；

将所述第一环境信息、所述第一车辆信息和所述第一地图信息输入至本次训练所使用的初始模型，获得所述初始模型输出的第一控制策略；

根据所述第一控制策略，通过所述仿真系统对所述目标仿真车辆进行仿真控制；

从所述仿真系统生成的仿真数据中，获取所述目标仿真车辆在第二历史仿真时刻对应的指定车辆参数，作为第一实际车辆参数，其中，所述第二历史仿真时刻为所述第一历史仿真时刻的下一仿真时刻；

获取所述目标仿真车辆对应于第二历史仿真时刻的理想车辆参数，作为第一参考车辆参数；

根据所述第一实际车辆参数和所述第一参考车辆参数二者之间的偏差程度，确定本次训练的奖励函数值；

根据所述奖励函数值对所述初始模型进行优化，以获得所述决策模型。

可选地，所述根据所述目标控制策略，通过所述仿真系统对所述目标仿真车辆进行仿真控制，包括：