[发明专利]训练调度模型的方法、装置、实现协同驾驶的方法及装置

说明书

本文公开一种训练调度模型的方法、装置、实现协同驾驶的方法及装置，本发明实施例对样本车辆状态信息进行嵌入处理，映射出每一辆第一车辆相应的高维状态向量；对获得的高维状态向量进行处理，获得每一辆第一车辆相应的关联关系信息；根据获得的关联关系信息确定第一车辆的通行顺序信息；根据获得的通行顺序信息计算所有第一车辆通过无信号交叉口的延迟总和；根据计算出的延迟总和确定用于车辆调度的深度学习模型。本发明实施例通过离线的样本数据训练获得了可用于车辆调度的调度模型，通过调度模型缩短了车辆调度时长，提升了车辆调度的效率和质量。

技术领域

本文涉及但不限于神经网络技术，尤指一种训练调度模型的方法、装置、实现协同驾驶的方法及装置。

背景技术

智能车路协同系统采用先进的无线通信和快速的边缘计算等技术，全方位实现车辆与车辆、车辆与路侧设备之间的信息共享。车辆协同驾驶技术基于采集到的实时交通和车辆信息，采用集中式的决策与控制方法，不仅可以保证车辆行驶过程中的交通安全，而且可以显著提高交通系统的效率，是一种全新的实现自动驾驶的技术路线。

在无信号交叉口，车辆协同驾驶决策问题的核心是路权分配问题，其决定了车辆通过无信号交叉口的耗时，直接影响无信号交叉口的交通效率。由于交叉口路权分配问题是一个非确定多项式(NP)-难(hard)问题，相关技术提供的方法只能应对车辆较少的场景(少于15辆)，对于更一般的具有较多车辆的场景(多于20辆)，无法提供实时且高效的路权分配决策方案；此外，相关技术的方法大多依赖于交叉口的拓扑结构，对于新的交叉口，往往需要通过大量探究实验对路权分配决策进行调整和适应，无法高效快速的部署到拥有各类交叉口的城市路网交通系统。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本发明实施例提供一种训练调度模型的方法、装置、实现协同驾驶的方法及装置，能够提升车辆调度效率和质量。

本发明实施例提供了一种训练调度模型的方法，包括：

待训练的调度模型对输入的每一辆待通过无信号交叉口的第一车辆的样本车辆状态信息进行嵌入处理，获得各第一车辆相应的高维状态向量；其中，所述高维状态向量的维度为预设维度；

对获得的高维状态向量进行处理，获得每一辆第一车辆的关联关系信息；其中，所述关联关系信息包括每一辆第一车辆的：高维状态向量和该第一车辆与其他第一车辆的冲突和耦合关系信息，其他第一车辆为该第一车辆自身以外的其他车辆；

根据获得的关联关系信息确定第一车辆的通行顺序信息；

根据获得的通行顺序信息计算所有待通过无信号交叉口的第一车辆均通过无信号交叉口的延迟总和；

根据计算出的延迟总和确定待训练的调度模型的参数。

另一方面，本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述训练调度模型的方法。

再一方面，本发明实施例还提供一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，

处理器被配置为执行存储器中的计算机程序；

所述计算机程序被所述处理器执行时实现如上述训练调度模型的方法。

还一方面，本发明实施例还提供一种实现协同驾驶的方法，包括：

接收路测设备实时获取的待通过无信号交叉口的第二车辆的车辆实时状态信息；

将接收到的车辆实时状态信息输入预设的调度模型，获得第二车辆的通行顺序信息；

根据获得的第二车辆的通行顺序信息对第二车辆进行行驶控制；