[发明专利]用于定制自驾模型的技术

说明书

在各种实施方案中，当自驾模型操作交通工具时，用户监视子系统获取与交通工具的用户相关联的传感器数据，并且交通工具观察子系统获取与交通工具相关联的传感器数据。用户监视子系统基于与用户相关联的传感器数据来计算心理度量的值。基于心理度量的值，反馈应用确定在第一时间段内对用户的描述。反馈应用基于描述和与交通工具相关联的传感器数据而生成数据集。随后，训练应用基于数据集对自驾模型执行机器学习操作以生成修改后的自驾模型。有利的是，数据集使得训练应用能够自动地修改自驾模型以解决不同驾驶动作对用户的影响。

技术领域

各种实施方案通常涉及计算机科学和汽车系统，并且更具体地涉及用于定制自驾模型的技术。

背景技术

一些交通工具包括自驾系统，所述自驾系统在很少或没有驾驶员输入的情况下为驾驶员制定和实施驾驶决策。在典型的自驾系统中，各种传感器监视交通工具周围的环境以及交通工具本身。基于所得的传感器数据，自驾模型制定驾驶决策并且使交通工具经由至少一种控制机制来实施驾驶决策。自驾系统的作用是，自驾模型驱动交通工具而不是驾驶员。重要的是，自驾模型可以提高整体驾驶安全性和整体驾驶体验。例如，自驾模型可以在驾驶员没有经验或分心时通过减少由于人为错误导致的驾驶错误和事故的数量来提高驾驶安全性。然而，为了使自驾模型提高驾驶安全性，驾驶员必须实际上使用自驾模型。

当前，即使自驾模型可用，许多驾驶员也不使用自驾模型，因为驾驶员不信任自驾模型制定适当驾驶决策的能力。具体地，因为自驾模型通常不考虑不同的驾驶动作如何影响用户(例如，驾驶员和乘客)，所以自驾模型可能反复地制定阻止一些用户使用自驾模型的某些类型的驾驶决策。例如，如果自驾模型反复导致交通工具以高速执行转弯使得特定用户感到不舒服或无法控制，则即使在不利条件下(诸如当用户感到疲倦、喝醉等时)，用户也能坚持手动驾驶交通工具。

为了提高自驾模型的整体性能，许多自驾模型提供商基于从用户接收的反馈来定期地更新或修改自驾模型。例如，如果自驾模型提供商要接收到反馈，指示自驾模型通常导致交通工具以高速执行转弯使得用户感到不舒服或无法控制，则提供商可以修改自驾模型以确保在更可接受的速度范围内导航转弯。

基于来自用户的反馈而修改自驾模型的一个缺点是收集用户反馈并基于该反馈而修改自驾模型可能要花费很长时间。同时，在过渡时间段，一些用户可以决定完全停止使用自驾模型，而在更极端情况下，一些用户甚至可以成为自驾交通工具运动的反对者。基于来自用户的反馈而修改自驾模型的另一个缺点是，通常只有用户的子集提供反馈，并且当提供商修改自驾模型时，可能没有考虑其他用户和潜在用户的偏好。此外，不同的用户通常具有不同的驾驶风格、不同的驾驶偏好等等。因为对自驾模型的修改通常反映平均驾驶风格和偏好，而不是个性化的驾驶风格和偏好，所以所述修改实际上可能会降低一些用户对自驾模型的感知的性能。

如前所述，本领域需要用于实施自驾模型的更有效技术。

发明内容

一个实施方案阐述了一种用于基于与交通工具的至少一个用户相关联的数据而修改自驾模型的计算机实施方法。所述方法包括：基于与所述交通工具的用户相关联并且在所述自驾模型操作所述交通工具时获取的第一传感器数据而计算心理度量的至少一个值；基于所述心理度量的所述至少一个值而确定在第一时间段内对所述用户的描述；基于所述描述和与所述交通工具相关联并且在所述第一时间段内获取的第二传感器数据而生成第一数据集；以及基于所述第一数据集对所述自驾模型执行至少一个机器学习操作以生成修改后的自驾模型。

相对于现有技术，所公开的技术的至少一个技术优点在于，所公开的技术使用测量的生理数据来自动地修改自驾模型以解决不同的驾驶动作对用户的影响。具体地，利用所公开的技术，可以有效地重新训练自驾模型以消除可能对用户产生负面心理影响的驾驶动作。此外，所公开的技术使得能够对自驾模型进行个性化以解决不同的用户偏好，且因此能够提高各种用户对自驾系统的整体信任度。这些技术优点提供相对于现有技术方法的至少一种技术进步。

附图说明