[发明专利]模型训练和车辆行驶场景展示方法、装置、设备和介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取样本行驶场景数据；其中，所述样本行驶场景数据包括：样本驾驶员身份信息、样本车辆状态数据、样本车辆行驶环境数据、样本驾驶员操作信息、样本驾驶员状态信息和样本场景展示信息；

采用所述样本行驶场景数据，对神经网络模型进行训练，得到与所述样本驾驶员身份信息匹配的车辆行驶场景展示模型；所述车辆行驶场景展示模型用于确定车辆行驶场景展示系统中展示的车辆行驶场景；

采用辅助驾驶员的辅助行驶场景数据，对所述车辆行驶场景展示模型进行优化；所述辅助行驶场景数据与样本行驶场景数据匹配。

2.根据权利要求1所述的方法，其特征在于，采用辅助驾驶员的辅助行驶场景数据，对所述车辆行驶场景展示模型进行优化，包括

根据样本驾驶员身份信息、样本驾驶员状态信息和样本驾驶员操作信息，确定样本驾驶员画像；

根据所述样本驾驶员画像，从辅助驾驶员的辅助驾驶员画像中确定与所述样本驾驶员画像匹配的目标驾驶员画像，并根据所述目标驾驶员画像对应的辅助行驶场景数据，对所述车辆行驶场景展示模型进行优化。

3.根据权利要求1所述的方法，其特征在于，获取样本行驶场景数据，包括：

采集用户触发车辆行驶场景展示系统时的车辆行驶场景数据；

对所述车辆行驶场景数据进行数据清洗，以剔除所述车辆行驶场景数据中的无效数据，获得有效行驶场景数据；

对所述有效行驶场景数据进行数据规约处理，确定样本行驶场景数据。

4.根据权利要求1所述的方法，其特征在于，采用所述样本行驶场景数据，对神经网络模型进行训练，得到与所述样本驾驶员身份信息匹配的车辆行驶场景展示模型，包括：

提取所述样本行驶场景数据的样本场景特征数据；其中，所述样本场景特征数据包括训练样本特征数据和测试样本特征数据；

采用所述训练样本特征数据，对神经网络模型进行训练，得到训练后的神经网络模型；

采用所述测试样本特征数据对训练后的神经网络模型进行测试，根据测试结果，确定与所述样本驾驶员身份信息匹配的车辆行驶场景展示模型。

5.根据权利要求1所述的方法，其特征在于，采用所述样本行驶场景数据，对神经网络模型进行训练，得到与所述样本驾驶员身份信息匹配的车辆行驶场景展示模型，包括：

将所述样本行驶场景数据分为模型训练样本数据和模型优化样本数据；

将所述模型训练样本数据分为第一样本数据和第二样本数据；其中，所述第一样本数据包括：样本行驶场景数据包括样本驾驶员身份信息、样本车辆状态数据、样本车辆行驶环境数据、样本驾驶员状态信息和样本场景展示信息；所述第二样本数据包括：样本驾驶员身份信息、样本行驶场景数据包括样本车辆行驶环境数据、样本驾驶员操作信息、样本驾驶员状态信息和样本场景展示信息；

采用所述第一样本数据对神经网络模型进行训练，确定所述神经网络模型中的第一分类器；

采用所述第二样本数据对神经网络模型进行训练，确定所述神经网络模型的第二分类器；

通过所述第一分类器和所述第二分类器对所述模型优化样本数据进行筛选，确定目标优化样本数据；

根据所述目标优化样本数据对所述第一分类器和所述第二分类器进行优化，得到与所述样本驾驶员身份信息匹配的车辆行驶场景展示模型。

6.根据权利要求5所述的方法，其特征在于，通过所述第一分类器和所述第二分类器对所述模型优化样本数据进行筛选，确定目标优化样本数据，包括：

将所述模型优化样本数据分为第三样本数据和第四样本数据；

根据所述第三样本数据和所述第一分类器，得到第一预测场景展示信息对应的第一置信度；

根据所述第四样本数据和第二分类器，确定第二预测场景展示信息对应的第二置信度；

根据所述第一置信度和所述第二置信度对所述模型优化样本数据进行筛选，确定目标优化样本数据。