[发明专利]通过检测驾驶场景来评估驾驶员的驾驶习惯的方法和装置

说明书

本发明公开了一种通过检测驾驶场景来评估驾驶员的驾驶习惯的方法和装置。所述方法包括以下步骤：(a)若学习装置获取到特定枚举事件向量，所述特定枚举事件向量以特定顺序包含与各特定驾驶事件相关的各信息作为特定分量，则使循环神经网络以所述特定顺序对所述特定枚举事件向量的所述特定分量进行循环神经网络运算，以检测包含所述特定驾驶事件的特定预测驾驶场景；以及(b)所述学习装置使损失模块参考所述特定预测驾驶场景和已获取的特定地面实况驾驶场景来生成循环神经网络损失，使用所述循环神经网络损失来执行时间序列反向传播，从而学习所述循环神经网络的参数中的至少一部分。

技术领域

本发明涉及用于自动驾驶汽车的方法和装置，更具体地，涉及通过检测驾驶过程中发生的驾驶场景来提供用于评估驾驶员的驾驶习惯的信息的方法和装置。

背景技术

汽车的质量大、速度快，从而动能高，安全行驶是非常重要的。但是，大多数驾驶员只是为了自身的便利性而进行危险驾驶。而且，驾驶员没有用于判断自己的驾驶习惯是否危险或者是否违法的标准，并且很难改变自己的驾驶习惯。

发明内容

发明所要解决的课题

本发明的目的在于解决上述问题。

另外，本发明的另一目的在于，提供一种检测驾驶过程中发生的驾驶场景的方法。

另外，本发明又一目的在于，使用上述检测到的驾驶场景来评估驾驶员的驾驶习惯的方法。

另外，本发明又一目的在于，通过提供一种评估上述驾驶习惯的方法，能够使驾驶员分析上述驾驶习惯从而进行改进。

用于解决课题的手段

为了实现如上所述的本发明的目的并实现后述的本发明的特定效果，本发明的特定构成如下。

根据本发明的一个方式，提供一种学习方法，用于通过检测在驾驶过程中发生的驾驶事件来检测包含所述驾驶事件中的至少一部分的驾驶场景，其特征在于，包括以下步骤：(a)若学习装置获取到至少一个特定枚举事件向量，所述特定枚举事件向量以特定顺序包含与特定驾驶事件的每个相关的各信息作为特定分量，则使循环神经网络以所述特定顺序对所述特定枚举事件向量的所述特定分量进行至少一次循环神经网络运算，以检测至少一个包含所述特定驾驶事件中的至少一部分的特定预测驾驶场景；以及(b)所述学习装置使损失模块参考所述特定预测驾驶场景和已获取的特定地面实况驾驶场景来生成循环神经网络损失，使用所述循环神经网络损失来执行时间序列反向传播，从而学习所述循环神经网络的参数中的至少一部分。

在一个实施例中，在所述步骤(a)之前，还包括：步骤(a0)，通过执行以下的处理(i)～(iv)，与驾驶场景生成装置联动的所述学习装置获取所述特定枚举事件向量和所述特定GT驾驶场景，其中，所述处理(i)为：所述驾驶场景生成装置通过显示装置提供与包含所述特定驾驶事件的各驾驶事件相对应的各图形对象；所述处理(ii)为：若用户以所述特定顺序选择了与所述特定驾驶事件相对应的特定图形对象，则所述驾驶场景生成装置按照所述特定顺序使用与所述被选择的各特定驾驶事件相关的各信息来生成所述特定枚举事件向量；所述处理(iii)为：所述驾驶场景生成装置以所述特定顺序生成与所述特定驾驶事件相对应的所述特定地面实况驾驶场景；所述处理(iv)为：所述驾驶场景生成装置将所述特定枚举事件向量和所述特定地面实况驾驶场景发送给所述学习装置。

在一个实施例中，若在所述驾驶事件中选择了所述特定驾驶事件，则所述驾驶场景生成装置对所述特定驾驶事件中的至少一个应用至少一次更改运算，并使用应用了所述更改运算的状态下的所述特定驾驶事件还生成至少一个更改特定枚举事件向量和至少一个更改特定地面实况驾驶场景。