[发明专利]信息生成方法和装置

权利要求书

1.一种信息生成方法，包括：

获取待评估驾驶难度的道路的关联信息，所述关联信息包括：路况图像、道路属性；

基于所述关联信息，生成所述道路的通行环境信息；

将所述道路的通行环境信息输入到驾驶难度评估模型，得到所述道路对于自动驾驶汽车的驾驶难度的等级，其中，所述驾驶难度评估模型用于表征通行环境信息与驾驶难度的等级的对应关系，通行环境信息中的每一信息项对应驾驶难度评估模型的一个模型参数，每一个模型参数的参数值指示该模型参数对应的信息项被用于确定驾驶难度的等级时的重要程度。

2.根据权利要求1所述的方法，通行环境信息包括以下至少一项：道路中的车辆的平均速度、指示道路的拥堵程度的道路的饱和度、道路中的路口的预设类型的对象的平均数量、道路中的路口的冲突点的平均数量、道路中的障碍物的数量、道路中的道路设施的数量。

3.根据权利要求2所述的方法，所述驾驶难度评估模型通过以下步骤得到：

创建用于生成驾驶难度评估模型的神经网络，其中，所述神经网络的网络参数包括：权重参数，每一个权重参数对应通行环境信息中的一个信息项，每一个权重参数的参数值指示对应于该权重参数的信息项被用于确定驾驶难度的等级时的重要程度；

获取多个训练样本和每一个训练样本的标注信息，其中，训练样本包括：一条道路的通行环境信息，所述训练样本的标注信息包括：经标注的所述道路的驾驶难度的等级；

以有监督学习方式利用多个训练样本和每一个训练样本的标注信息对所述神经网络进行训练；

将训练后的所述神经网络确定为所述驾驶难度评估模型。

4.根据权利要求3所述的方法，所述以有监督学习方式利用多个训练样本和每一个训练样本的标注信息对所述神经网络进行训练包括：

对于多个训练样本中的每个训练样本，执行以下训练操作：将该训练样本输入到所述神经网络，得到预测出的驾驶难度的等级；确定预测出的驾驶难度的等级与该训练样本的标注信息中的驾驶难度的等级的差异程度，以及基于所述差异程度，计算出梯度信息，所述梯度信息指示所述神经网络的当前的各个权重参数的参数值与所述差异程度的关联度；基于所述梯度信息，对所述神经网络的权重参数的参数值进行调整。

5.根据权利要求4所述的方法，道路属性包括：所述道路的长度；以及

基于所述关联信息，生成所述道路的通行环境信息包括：

从获取到的路况图像中查找出对应的采集位置在所述道路的起点或终点的路况图像，其中，一个路况图像对应的采集位置为采集到所述路况图像的摄像头的位置；

基于确定出的图像，确定出行驶过所述道路的车辆；

对于确定出的每一个行驶过所述道路的车辆，计算出确定出的图像中该车辆的位置位于所述道路的起点的路况图像的采集时间和该车辆的位置位于所述道路的终点的路况图像的采集时间之间的时间差，将所述道路的长度除以所述时间差，得到该车辆的速度；

计算出确定出的行驶过所述道路的车辆的速度的平均值，将所述平均值作为所述道路中的车辆的平均速度。

6.根据权利要求4所述的方法，道路属性包括：所述道路的类型、所述道路的车道数量、所述道路的车道宽度；以及

基于所述关联信息，生成所述道路的通行环境信息包括：

基于获取到的路况图像中的对应的采集位置在所述道路的起点和终点的路况图像，确定预设时长内行驶过所述道路的车辆，其中，一个路况图像对应的采集位置为采集到所述路况图像的摄像头的位置；

基于预设时长内行驶过所述道路的车辆的数量和所述预设时长，计算出单位时间行驶过所述道路的车辆的数量；

基于所述道路属性，计算出所述道路的最大通行量，所述最大通行量为单位时间行驶过所述道路的车辆的最大数量；

将所述单位时间行驶过所述道路的车辆的数量除以所述最大通行量，得到所述道路的饱和度。