本發(fā)明涉及汽車技術(shù)領(lǐng)域，特別涉及一種汽車智能駕駛的方法及裝置。

背景技術(shù)：

隨著汽車和電子技術(shù)的發(fā)展，人們越來越注重對汽車的智能化駕駛。汽車的智能化是當(dāng)前汽車領(lǐng)域技術(shù)發(fā)展的新熱點。汽車的控制中心設(shè)置于駕駛位置的前端，只有駕駛員才能對汽車進行操作控制，在遇到突發(fā)事件時若駕駛員沒有及時操作控制，很容易導(dǎo)致事故的產(chǎn)生，因此，一種不需要駕駛員肢體操作汽車駕駛的方法十分必要。

技術(shù)實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的一種汽車智能駕駛的方法及裝置。

第一方面，本發(fā)明提供一種汽車智能駕駛的方法，所述方法包括：

預(yù)先建立知識庫；其中所述知識庫包括汽車控制語句集x＝{x1，x2，x3，……，xn}，及所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系；

獲取所述汽車控制語句集中每個序列的第一切詞序列集x1＝{x11，x12，x13，……，x1m}，……，xn＝{xn1，xn2，xn3，……，xnk}；

獲取第一輸入系統(tǒng)的第二切詞序列y1＝{y11，y12，y13，……，y1n}；

比較第一切詞序列集中的任一序列與所述第二切詞序列；

若比較結(jié)果小于預(yù)設(shè)閥值，則根據(jù)匹配的汽車控制語句，獲取對應(yīng)的汽車控制模塊控制汽車駕駛。

優(yōu)選的，所述比較第一切詞序列集中的任一序列與所述第二切詞序列之前，還包括：

建立兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型；

將所述第一切詞序列集中的序列和所述第二切詞序列分別作為所述兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型的第一輸入和第二輸入；

通過所述雙向lstm神經(jīng)網(wǎng)絡(luò)模型的參數(shù)對所述第一輸入和所述第二輸入進行標(biāo)準(zhǔn)化，以獲得標(biāo)準(zhǔn)化后的第一標(biāo)準(zhǔn)輸出y1和第二標(biāo)準(zhǔn)輸出y2。

優(yōu)選的，所述比較第一切詞序列集中的任一序列與所述第二切詞序列，具體為：

比較所述第一標(biāo)準(zhǔn)輸出y1和第二標(biāo)準(zhǔn)輸出y2。

優(yōu)選的，所述比較所述第一標(biāo)準(zhǔn)輸出y1和第二標(biāo)準(zhǔn)輸出y2，具體為：

通過計算所述第一標(biāo)準(zhǔn)輸出y1和所述第二標(biāo)準(zhǔn)輸出y2的相似性。

優(yōu)選的，所述獲取第一輸入系統(tǒng)的第二切詞序列之后，還包括：

建立靜態(tài)知識庫；其中，所述靜態(tài)知識庫為基于汽車零件領(lǐng)域知識，建立汽車零件的從屬關(guān)系樹，并將所述汽車零件知識歸入汽車零件的從屬關(guān)系樹的節(jié)點上；

通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化。

第二方面，本申請還提供一種汽車智能駕駛的裝置，所述裝置包括：

第一知識庫單元，用于預(yù)先建立知識庫；其中所述知識庫包括汽車控制語句集x＝{x1，x2，x3，……，xn}，及所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系；

第一切詞單元，用于獲取所述汽車控制語句集中每個序列的第一切詞序列集x1＝{x11，x12，x13，……，x1m}，……，xn＝{xn1，xn2，xn3，……，xnk}；

第二切詞單元，用于獲取第一輸入系統(tǒng)的第二切詞序列y1＝{y11，y12，y13，……，y1n}；

比較單元，用于比較第一切詞序列集中的任一序列與所述第二切詞序列；

控制單元，用于若比較結(jié)果小于預(yù)設(shè)閥值，則根據(jù)匹配的汽車控制語句，獲取對應(yīng)的汽車控制模塊控制汽車駕駛。

優(yōu)選的，所述比較單元之前，還包括：

第一建模單元，用于建立兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型；

輸入單元，用于將所述第一切詞序列集中的序列和所述第二切詞序列分別作為所述兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型的第一輸入和第二輸入；

第一標(biāo)準(zhǔn)化單元，用于通過所述雙向lstm神經(jīng)網(wǎng)絡(luò)模型的參數(shù)對所述第一輸入和所述第二輸入進行標(biāo)準(zhǔn)化，以獲得標(biāo)準(zhǔn)化后的第一標(biāo)準(zhǔn)輸出y1和第二標(biāo)準(zhǔn)輸出y2。

優(yōu)選的，所述比較單元，具體為：

比較所述第一標(biāo)準(zhǔn)輸出y1和第二標(biāo)準(zhǔn)輸出y2。

優(yōu)選的，所述比較所述第一標(biāo)準(zhǔn)輸出y1和第二標(biāo)準(zhǔn)輸出y2，具體為：

通過計算所述第一標(biāo)準(zhǔn)輸出y1和所述第二標(biāo)準(zhǔn)輸出y2的相似性。

優(yōu)選的，所述第二切詞單元之后，還包括：

第二知識庫單元，用于建立靜態(tài)知識庫；其中，所述靜態(tài)知識庫為基于汽車零件領(lǐng)域知識，建立汽車零件的從屬關(guān)系樹，并將所述汽車零件知識歸入汽車零件的從屬關(guān)系樹的節(jié)點上；

第二標(biāo)準(zhǔn)化單元，用于通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化。

本發(fā)明實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

(1)本申請通過預(yù)設(shè)所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系，實現(xiàn)系統(tǒng)中汽車控制語句與汽車控制對應(yīng)。

(2)本申請通過獲取所述汽車控制語句集中每個序列的第一切詞序列集，獲取第一輸入系統(tǒng)的第二切詞序列，通過對語句切詞提高語義識別效率；比較第一切詞序列集中的任一序列與所述第二切詞序列，實現(xiàn)對第一輸入系統(tǒng)語句的語義識別。

(3)本申請通過識別第一輸入系統(tǒng)語句，并根據(jù)識別匹配的汽車控制語句，按照與其映射的汽車控制來控制汽車，實現(xiàn)智能化駕駛。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

通過閱讀下文優(yōu)選實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1示出了本發(fā)明一較佳實施方式汽車智能駕駛的方法的流程圖；

圖2示出了本發(fā)明中雙向lstm神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)示意圖；

圖3示出了本發(fā)明中一實施例的結(jié)構(gòu)圖；

圖4示出了本發(fā)明又一較佳實施方式汽車智能駕駛的裝置的結(jié)構(gòu)示意圖。

具體實施方式

本申請?zhí)峁┗陔p向lstm神經(jīng)網(wǎng)絡(luò)的語句識別方法及裝置，解決了現(xiàn)有技術(shù)中的技術(shù)問題。

本申請實施例中的技術(shù)方案為解決上述的技術(shù)問題，總體思路如下：

實施例一

本申請?zhí)峁┑囊环N汽車智能駕駛的方法，請參閱圖1，具體包括如下步驟：

步驟s110，預(yù)先建立知識庫；其中所述知識庫包括汽車控制語句集x＝{x1，x2，x3，……，xn}，及所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系；

步驟s120，獲取所述汽車控制語句集中每個序列的第一切詞序列集x1＝{x11，x12，x13，……，x1m}，……，xn＝{xn1，xn2，xn3，……，xnk}；

步驟s130，獲取第一輸入系統(tǒng)的第二切詞序列y1＝{y11，y12，y13，……，y1n}；

步驟s140，比較第一切詞序列集中的任一序列與所述第二切詞序列；

步驟s150，若比較結(jié)果小于預(yù)設(shè)閥值，則根據(jù)匹配的汽車控制語句，獲取對應(yīng)的汽車控制模塊控制汽車駕駛。

首先，執(zhí)行步驟s110，預(yù)先建立知識庫；其中所述知識庫包括汽車控制語句集x＝{x1，x2，x3，……，xn}，及所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系。

所述汽車控制語句集可以包括{“方向盤左轉(zhuǎn)”、“方向盤右轉(zhuǎn)”、“剎車”、“開啟車燈”、……}；所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系具體為所述汽車控制語句集中元素對應(yīng)的汽車控制模塊，例如：“開啟車燈”對應(yīng)于汽車控制模塊的“打開車內(nèi)燈”。所述映射關(guān)系可以為一對一，也可以是多對一。

再來，執(zhí)行步驟s120，獲取所述汽車控制語句集中每個序列的第一切詞序列集x1＝{x11，x12，x13，……，x1m}，……，xn＝{xn1，xn2，xn3，……，xnk}。

所述步驟s120中獲取所述汽車控制語句集中每個序列的第一切詞序列集x1＝{x11，x12，x13，……，x1m}，……，xn＝{xn1，xn2，xn3，……，xnk}，具體為：

通過切詞裝置對所述汽車控制語句集中的每個序列切詞。

切詞裝置切詞可以是動詞/名詞，或方向介質(zhì)/動詞/名詞，或動詞等等；

例如

“打開車燈”，切詞后為“打開/車燈”；

“方向盤逆時針旋轉(zhuǎn)”，切詞后為“方向盤/逆時針/旋轉(zhuǎn)”；

“剎車”，切詞后為“剎車”。

再來，執(zhí)行步驟s130，獲取第一輸入系統(tǒng)的第二切詞序列y1＝{y11，y12，y13，……，y1n}。

所述第一輸入系統(tǒng)可以為語音輸入、文字輸入。

所述第一輸入系統(tǒng)也可以用戶的計算機、智能移動電話、平板電腦、個人數(shù)字助理(pad)等可以進行網(wǎng)絡(luò)訪問的設(shè)備。

所述第二切詞序列的切詞裝置對第一輸入系統(tǒng)的每個序列切詞。

切詞裝置切詞可以是動詞/名詞，或方向介質(zhì)/動詞/名詞，或動詞等等；

在所述步驟s130，獲取第一輸入系統(tǒng)的第二切詞序列y1＝{y11，y12，y13，……，y1n}之后，還包括：

步驟s131，建立靜態(tài)知識庫；其中，所述靜態(tài)知識庫為基于汽車零件領(lǐng)域知識，建立汽車零件的從屬關(guān)系樹，并將所述汽車零件知識歸入汽車零件的從屬關(guān)系樹的節(jié)點上；

所述從屬關(guān)系樹是利用數(shù)據(jù)結(jié)構(gòu)中二叉樹的特點，將利用概念的從屬關(guān)系建立的模型。

步驟s132，通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化。

所述步驟s131，建立靜態(tài)知識庫；其中，所述靜態(tài)知識庫為基于汽車零件領(lǐng)域知識，建立汽車零件的從屬關(guān)系樹，并將所述汽車零件知識歸入汽車零件的從屬關(guān)系樹的節(jié)點上中，所述靜態(tài)知識庫的建立具體為：

建立汽車零件等相關(guān)概念的具體從屬關(guān)系，以“三角形”為例：

三角形包括：按角分，銳角三角形、直角三角形、鈍角三角形；

銳角三角形包括：按相等的邊數(shù)分，等腰三角形、等邊三角形。

直角三角形包括：按邊相等數(shù)，等腰直角三角形；

鈍角三角形包括：按邊相等分，等腰鈍角三角形。

根據(jù)汽車零件等相關(guān)概念的具體從屬關(guān)系知識歸入到汽車零件的從屬關(guān)系樹的節(jié)點上中。

通過汽車零件的從屬關(guān)系樹中的某一節(jié)點可以爬樹找到其對應(yīng)的父節(jié)點，以“三角形”為例：

若靜態(tài)知識庫中根據(jù)三角形概念從屬關(guān)系建立了從屬關(guān)系樹，所述從屬關(guān)系樹的關(guān)系包括：

三角形包括：按角分，銳角三角形、直角三角形、鈍角三角形；

銳角三角形包括：按相等的邊數(shù)分，等腰三角形、等邊三角形。

直角三角形包括：按邊相等數(shù)，等腰直角三角形；

鈍角三角形包括：按邊相等分，等腰鈍角三角形。

所述步驟s132，通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化具體為：

通過遍歷從屬關(guān)系樹，將所述第二切詞序列上位化或下位，具體上位或下位程度根據(jù)需求選擇。

例如節(jié)點“等腰直角三角形”爬樹找到其上位的概念直角三角形和三角形，具體需要通過爬樹上位到哪一層節(jié)點，根據(jù)需要選擇。

例如第一輸入系統(tǒng)輸入的是“車燈”，由于車燈包括示廓燈、遠光燈、近光燈、霧燈、雙閃燈、制動燈、倒車燈、轉(zhuǎn)向燈等，則對“車燈”進行標(biāo)準(zhǔn)化，根據(jù)建立的關(guān)于車燈的從屬關(guān)系樹，車燈是示廓燈、遠光燈、近光燈、霧燈、雙閃燈、制動燈、倒車燈、轉(zhuǎn)向燈等的上位概念，則對車燈設(shè)定以初值。

例如第一輸入系統(tǒng)輸入的“開啟車燈”，經(jīng)過切詞裝置切詞后的第二切詞序列為“開啟/車燈”，預(yù)設(shè)的車燈的初始值為示廓燈，則將所述“開啟/車燈”標(biāo)準(zhǔn)化為“開啟/示廓燈”。

例如第一輸入系統(tǒng)輸入的“開啟遠燈”，經(jīng)過切詞裝置切詞后的第二切詞序列為“開啟/遠燈”，由于“遠燈”不是車燈的從屬關(guān)系樹的節(jié)點，“燈”是“車燈”的上位概念，匹配關(guān)鍵字“遠”，可得到最接近值“遠光燈”，則所述“開啟/遠燈”標(biāo)準(zhǔn)化為“開啟/遠光燈”。

所述步驟s132，通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化還包括：

若所述第二切詞序列中的元素并非建立的從屬關(guān)系樹上的標(biāo)準(zhǔn)節(jié)點，則提取該元素中的關(guān)鍵詞與所述從屬關(guān)系樹上的節(jié)點匹配，若匹配成功，則對該節(jié)點的下位關(guān)系進行遍歷，獲取與所述元素最接近的節(jié)點。

由于語言文字千變?nèi)f化，建立的靜態(tài)知識庫不一定能包括所有語言，也就是說通過遍歷從屬關(guān)系樹不一定能將所有的元素標(biāo)準(zhǔn)化。

例如，輸入的是“方向盤”；而建立的靜態(tài)知識庫中并不存在“方向盤”的節(jié)點或上位節(jié)點，則并不能對輸入的“方向盤”進行標(biāo)準(zhǔn)化。

所述步驟s132，通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化，對靜態(tài)知識庫中存在的部分語言進行標(biāo)準(zhǔn)化，提高了后面比較結(jié)果的準(zhǔn)確性。

另外，所述步驟s132，通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化，之后，所述方法還包括：

建立動態(tài)事件模型，所述動態(tài)事件模型如下：

例如輸入“請打開一下示廓車燈”，切詞后“請/打開/一下/示廓車燈”,動態(tài)事件獲取的結(jié)果為：

即在結(jié)果槽處得到“打開示廓車燈”，過濾了“請”、“一下”，能進一步提高后續(xù)比較結(jié)果的準(zhǔn)確性。動態(tài)事件模型通過提取事件的具體時間、地點、動作、受動對象等以過濾不相關(guān)的信息，將結(jié)果作為輸出。

所述動態(tài)事件通過對切詞的詞性進行分析，獲取所需的元素。

通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化，對輸入語句中的施動對象或受動對象進行遍歷標(biāo)準(zhǔn)化；所述方法還包括：

判斷所述標(biāo)準(zhǔn)動詞是否為第一切詞系統(tǒng)中動詞的同義詞；

若是，則將所述第一切詞系統(tǒng)中動詞填入所述動態(tài)事件模型的近似詞對應(yīng)的槽值中。

關(guān)于同義詞庫

為了更加有效的判斷同義詞，對于同義詞的判斷可以預(yù)先建立一同義詞庫，具體包括：

步驟1，預(yù)先存儲訓(xùn)練集，所述訓(xùn)練集中包括多組同義詞組；

步驟2，遍歷所述訓(xùn)練集，判斷待判斷的同義詞是否為同義詞；

步驟3，若否，則根據(jù)互聯(lián)網(wǎng)同義詞搜索判斷；

步驟4，若步驟3中判斷的結(jié)果為是，則根據(jù)該同義詞組更新所述訓(xùn)練集。

其中，所述根據(jù)互聯(lián)網(wǎng)同義詞搜索，可以是基于“在線近義詞查詢”類似網(wǎng)站(比如http://jyc.5156edu.com/)。本申請動態(tài)判斷同義詞，不僅可以保證判斷的準(zhǔn)確性，而且不斷更新本地的訓(xùn)練集提高判斷速度。

為了提高動態(tài)事件的判斷準(zhǔn)確性，本申請對動態(tài)事件模型做出了如下修改：

將動態(tài)事件中加入天氣槽值和時間槽值，可以對汽車所在環(huán)境進行判斷；并根據(jù)天氣和時間對對應(yīng)的控制語句進行細分，例如“剎車”可以分為“逐漸減速剎車”“急剎車”。動態(tài)事件與控制語句匹配時需要對天氣槽值和時間槽值等進行判斷。解決了在道路惡劣的情況下,結(jié)冰天氣若均采用急剎車很容易造成打滑的問題。

同樣的，對于施動對象或受動對象的遍歷，所述方法還包括：

根據(jù)所述第一切詞序列中名詞概念，在靜態(tài)知識庫中汽車零件的從屬關(guān)系樹中，所述第一切詞序列中名詞概念對應(yīng)的節(jié)點中做標(biāo)記；

當(dāng)通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化時，若向上遍歷時匹配的節(jié)點帶標(biāo)記，則遍歷結(jié)束。

例如：

第一切詞序列中名詞概念“等腰三角形”，在從屬關(guān)系樹中對應(yīng)的節(jié)點做標(biāo)記，當(dāng)遍歷從屬關(guān)系樹，對所述第二切詞序列標(biāo)準(zhǔn)化時，若“等腰直角三角形”遍歷時，當(dāng)向上遍歷至所述“等腰三角形”的節(jié)點時，遍歷結(jié)束。

再來，執(zhí)行步驟s140，比較第一切詞序列集中的任一序列與所述第二切詞序列。

所述比較第一切詞序列集中的任一序列與所述第二切詞序列，具體包括：

通過計算第一切詞序列集中的序列與所述第二切詞序列的相似度，獲取所述第一切詞序列集中的序列與所述第二切詞序列的相似程度。

在所述步驟s140，比較第一切詞序列集中的任一序列與所述第二切詞序列之前，所述方法還包括：

步驟s133，建立兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型；

步驟s134，將所述第一切詞序列集中的序列和所述第二切詞序列分別作為所述兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型的第一輸入ip1和第二輸入ip2；

步驟s135，通過所述雙向lstm神經(jīng)網(wǎng)絡(luò)模型對所述第一輸入ip1和所述第二輸入ip2進行標(biāo)準(zhǔn)化，以獲得標(biāo)準(zhǔn)化后的第一標(biāo)準(zhǔn)輸出op1和第二標(biāo)準(zhǔn)輸出op2。

所述在所述步驟s140，比較第一切詞序列集中的任一序列與所述第二切詞序列，具體為：比較所述第一標(biāo)準(zhǔn)輸出op1和第二標(biāo)準(zhǔn)輸出op2；優(yōu)選的，通過計算所述第一標(biāo)準(zhǔn)輸出op1和所述第二標(biāo)準(zhǔn)輸出op2的相似性。

其中，所述步驟s133，建立兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型中所述兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型包括輸入、輸出、向前迭代層、向后迭代層，將第一輸入中的語句和第二輸入中的語句輸入雙向lstm神經(jīng)網(wǎng)絡(luò)模型中后聯(lián)接起來。

所述兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型中向前迭代層與向后迭代層共同得到的結(jié)果為輸出結(jié)果。具體的，從輸入到隱藏層定義為一個雙向lstm神經(jīng)網(wǎng)絡(luò)，在每個雙向lstm神經(jīng)網(wǎng)絡(luò)中定義xt-1為輸入的第t-1個序列，xt為輸入的第t個序列，xt+1為輸入的第t+1個序列，……；第t個序列的雙向lstm神經(jīng)網(wǎng)絡(luò)包括反饋門、輸入門、輸出門、遺忘門、記憶細胞、tanh函數(shù)、隱藏層、乘法器。定義隱藏層輸出yt-1為輸出的第t-1個序列，yt為輸出的第t個序列，yt+1為輸出的第t+1個序列，……。

gfeedback(t)＝sigmoid(wfxxt+wfh1ht-1+wfm1mt-1+wfh2ht+1+wfm2mt+1+ef)；

ginput(t)＝sigmoid(wih1ht-1+wim1mt-1+wifgfeedback(t)+wih2ht+1+wim2mt+1+ei)；

gdisremember(t)＝sigmoid(wdh1ht-1+wdm1mt-1+wdfgfeedback(t)+wdh2ht+1+wdm2mt+1+ed)；

mt＝gdisremember(t)xmt-1+gdisremember(t)xmt+1+ginput(t)xtanh(wmfgfeedback(t)+wmh1ht-1+wmh2ht+1+em)；

goutput(t)＝sigmoid(wofgfeedback(t)+woh1ht-1+wom1mt-1+woh2ht+1+wom2mt+1+eo)；

ht＝goutput(t)xmt；

yt＝softmaxk(wyhht+ey)；

在輸入的序列為t時，參數(shù)的計算公式如下：

gfeedback(t)＝sigmoid(wfxxt+wfh1ht-1+wfm1mt-1+wfh2ht+1+wfm2mt+1+ef)；

ginput(t)＝sigmoid(wih1ht-1+wim1mt-1+wifgfeedback(t)+wih2ht+1+wim2mt+1+ei)；

gdisremember(t)＝sigmoid(wdh1ht-1+wdm1mt-1+wdfgfeedback(t)+wdh2ht+1+wdm2mt+1+ed)；

mt＝gdisremember(t)xmt-1+gdisremember(t)xmt+1+ginput(t)xtanh(wmfgfeedback(t)+wmh1ht-1+wmh2ht+1+em)；

goutput(t)＝sigmoid(wofgfeedback(t)+woh1ht-1+wom1mt-1+woh2ht+1+wom2mt+1+eo)；

ht＝goutput(t)xmt；

yt＝softmaxk(wyhht+ey)；

其中，

gfeedback(t)為序列為t時反饋門的輸出；

wfx1為序列為t時反饋門與序列為t時輸入xt的權(quán)值；

wfh1為序列為t時反饋門與序列為t-1時隱藏層輸入ht-1之間的權(quán)值；

wfh2為序列為t時反饋門與序列為t+1時隱藏層輸入ht+1之間的權(quán)值；

wfm1為序列為t時反饋門與序列為t-1時記憶細胞輸入mt-1之間的權(quán)值；

wfm2為序列為t時反饋門與序列為t+1時記憶細胞輸入mt+1之間的權(quán)值；

ginput(t)為序列為t時輸入門的輸出；

wih1為序列為t時輸入門與序列為t-1時隱藏層輸入ht-1之間的權(quán)值；

wih2為序列為t時輸入門與序列為t+1時隱藏層輸入ht+1之間的權(quán)值；

wim1為序列為t時輸入門與序列為t-1時記憶細胞輸入mt-1之間的權(quán)值；

wim2為序列為t時輸入門與序列為t+1時記憶細胞輸入mt+1之間的權(quán)值；

wif為序列為t時輸入門與序列為t時反饋門之間的權(quán)值；

gdisremember(t)為序列為t時遺忘門的輸出；

wdh1為序列為t時遺忘門與序列為t-1時隱藏層輸入ht-1之間的權(quán)值；

wdh2為序列為t時遺忘門與序列為t+1時隱藏層輸入ht+1之間的權(quán)值；

wdm1為序列為t時遺忘門與序列為t-1時記憶細胞輸入mt-1之間的權(quán)值；

wdm2為序列為t時遺忘門與序列為t+1時記憶細胞輸入mt+1之間的權(quán)值；

wmf為序列為t時記憶細胞與序列為t時反饋門之間的權(quán)值；

wmh1為序列為t時記憶細胞與序列為t-1時隱藏層輸入ht-1之間的權(quán)值；

wmh2為序列為t時記憶細胞與序列為t+1時隱藏層輸入ht+1之間的權(quán)值；

wof為序列為t時輸出門與序列為t時反饋門之間的權(quán)值；

woh1為序列為t時輸出門與序列為t-1時隱藏層輸入ht-1之間的權(quán)值；

woh2為序列為t時輸出門與序列為t+1時隱藏層輸入ht+1之間的權(quán)值；

wom1為序列為t時輸出門與序列為t-1時記憶細胞輸入mt-1之間的權(quán)值；

wom2為序列為t時輸出門與序列為t+1時記憶細胞輸入mt+1之間的權(quán)值；

wyh為序列為t時輸出與序列為t時隱藏層輸入ht之間的權(quán)值；

sigmoid(x)函數(shù)為

tanh(x)函數(shù)為

softmaxk(x)函數(shù)為其中，xk為第k個softmax函數(shù)的輸入，k大于1，且小于k；

xt為序列為t時的輸入；

yt為序列為t時的輸出；

ht為序列為t時隱藏層的輸入；

mt為序列為t時記憶細胞的輸出；

ef為序列為t時反饋門的偏差值；

ei為序列為t時輸入門的偏差值；

ed為序列為t時遺忘門的偏差值；

em為序列為t時記憶細胞的偏差值；

eo為序列為t時輸出門的偏差值；

ey為序列為t時輸出的偏差值。

當(dāng)t為1時，上述參數(shù)的計算公式如下：

gfeedback(t)＝sigmoid(wfxxt+wfh2ht+1+wfm2mt+1+ef)；

ginput(t)＝sigmoid(wifgfeedback(t)+wih2ht+1+wim2mt+1+ei)；

gdisremember(t)＝sigmoid(wdfgfeedback(t)+wdh2ht+1+wdm2mt+1+ed)；

mt＝gdisremember(t)xmt+1+ginput(t)xtanh(wmfgfeedback(t)+wmh2ht+1+em)；goutput(t)＝sigmoid(wofgfeedback(t)+woh2ht+1+wom2mt+1+eo)；

ht＝goutput(t)xmt；

yt＝softmaxk(wyhht+ey)。

當(dāng)t為輸入x中的最后一個序列時，上述參數(shù)的計算公式如下：

gfeedback(t)＝sigmoid(wfxxt+wfh1ht-1+wfm1mt-1+ef)；

ginput(t)＝sigmoid(wih1ht-1+wim1mt-1+wifgfeedback(t)+ei)；

gdisremember(t)＝sigmoid(wdh1ht-1+wdm1mt-1+wdfgfeedback(t)+ed)；

mt＝gdisremember(t)xmt-1+ginput(t)xtanh(wmfgfeedback(t)+wmh1ht-1+em)；

goutput(t)＝sigmoid(wofgfeedback(t)+woh1ht-1+wom1mt-1+eo)；

ht＝goutput(t)xmt；

yt＝softmaxk(wyhht+ey)。

計算第一切詞序列中任一元素的最后一個序列x1n時，參數(shù)的計算公式如下：

gfeedback(1_n)＝sigmoid(wfxx1_n+wfh1h1_n-1+wfm1m1_n-1+wfh2h2_1+wfm2m2_1+ef)；

ginput(1_n)＝sigmoid(wih1h1_n-1+wim1m1_n-1+wifgfeedback(1_n)+wih2h2_1+wim2m2_1+ei)；

gdisremember(1_n)＝sigmoid(wdh1h1_n-1+wdm1m1_n-1+wdfgfeedback(1_n)+wdh2h2_1+wdm2m2_1+ed)；

m1_n＝gdisremember(1_n)xm1_n-1+gdisremember(1_n)xm2_1+ginput(1_n)xtanh(wmfgfeedback(1_n)+wmh1h1_n-1+wmh2h2_1+em)；

goutput(1_n)＝sigmoid(wofgfeedback(1_n)+woh1h1_n-1+wom1m1_n-1+woh2h2_1+wom2m2_1+eo)；

h1_n＝goutput(1_n)xm1_n；

y1_n＝softmaxk(wyhh1_n+ey)；

其中，1_n表示的是第一切詞序列任一元素x1中最后一個序列x1n；2_1表示的是第二切詞序列x2中第一序列x21；

計算輸入的第二切詞序列中第一個序列x21時，參數(shù)的計算公式如下：

gfeedback(2_1)＝sigmoid(wfxx2_1+wfh1h1_n+wfm1m1_n+wfh2h2_2+wfm2m2_2+ef)；

ginput(2_1)＝sigmoid(wih1h1_n+wim1m1_n+wifgfeedback(2_1)+wih2h2_2+wim2m2_2+ei)；

gdisremember(2_1)＝sigmoid(wdh1h1_n+wdm1m1_n+wdfgfeedback(2_1)+wdh2h2_2+wdm2m2_2+ed)；

mt＝gdisremember(2_1)xm1_n+gdisremember(2_1)xm2_2+ginput(2_1)xtanh(wmfgfeedback(2_1)+wmh1h1_n+wmh2h2_2+em)；

goutput(2_1)＝sigmoid(wofgfeedback(2_1)+woh1h1_n+wom1m1_n+woh2h2_2+wom2m2_2+eo)；

h2_1＝goutput(2_1)xm2_1；

y2_1＝softmaxk(wyhh2_1+ey)；

其中，1_n表示的是第一切詞序列x1中最后一個序列x1n；2_1表示的是第二切詞序列x2中第一序列x21,2_2表示的是第二切詞序列x2中第二序列x22。

所述步驟s134，將所述第一切詞序列集中的序列和所述第二切詞序列分別作為所述兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型的第一輸入ip1和第二輸入ip2，具體為：

將第一輸入ip1和第二輸入ip2代入所述雙向lstm神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)。

最后，執(zhí)行步驟s150，若比較結(jié)果小于預(yù)設(shè)閥值，則根據(jù)匹配的汽車控制語句，獲取對應(yīng)的汽車控制模塊控制汽車駕駛。

所述汽車智能駕駛的方法還包括汽車智能駕駛的解鎖方法，所述解鎖方法包括：

步驟s310，獲取所述第一輸入系統(tǒng)的文字輸入信息；

步驟s320，獲取所述第二輸入系統(tǒng)的第一數(shù)值；

步驟s330，根據(jù)所述文字輸入信息，獲取輸入的文字的筆畫數(shù)；

步驟s340，獲取當(dāng)前系統(tǒng)時間，并根據(jù)所述當(dāng)前系統(tǒng)時間獲取對應(yīng)的第二數(shù)值；

步驟s350，根據(jù)預(yù)設(shè)的運算規(guī)則，獲取所述第一數(shù)值、筆畫數(shù)及第二數(shù)值的計算結(jié)果；

步驟s360，判斷所述計算結(jié)果是否為預(yù)設(shè)解鎖密碼；若是，則所述汽車解鎖。

下面對本申請?zhí)峁┑慕怄i方法進行詳細介紹：

首先，執(zhí)行步驟s310，獲取所述第一輸入系統(tǒng)的文字輸入信息。

其中，在所述步驟s310中所述第一輸入系統(tǒng)可以為觸屏輸入或按鍵輸入。

所述步驟s310，獲取所述第一輸入系統(tǒng)的文字輸入信息，具體為：

步驟s311，當(dāng)所述汽車上觸發(fā)了解鎖事件時，在顯示屏的第一預(yù)設(shè)區(qū)域上顯示預(yù)設(shè)的解鎖提示文字；其中所述顯示屏為鎖定狀態(tài)。所述解鎖提示文字根據(jù)用戶喜好設(shè)置，可以為“請輸入一段文字”。

步驟s312，根據(jù)用戶在顯示屏上輸入的文字信息，作為所述第一輸入系統(tǒng)的文字輸入信息。

再來，執(zhí)行步驟s320，獲取所述第二輸入系統(tǒng)的第一數(shù)值。

再來，執(zhí)行步驟s330，根據(jù)所述文字輸入信息，獲取輸入的文字的筆畫數(shù)。

所述步驟s330，根據(jù)所述文字輸入信息，獲取輸入的文字的筆畫數(shù)具體為根據(jù)輸入的文字信息計算其中文字的筆畫總數(shù)。例如輸入的文字為“文”則筆畫數(shù)為4。

為了提高輸入密碼解鎖的安全性，所述步驟s330，根據(jù)所述文字輸入信息，獲取輸入的文字的筆畫數(shù)，還包括：

預(yù)設(shè)文字的筆畫權(quán)值與文字的對應(yīng)關(guān)系；

判斷所述文字輸入信息中是否存在預(yù)設(shè)文字，若是，則對對應(yīng)的文字的筆畫乘以對應(yīng)的權(quán)值。

例如，預(yù)設(shè)文字包括“床、前、明、月、光”，且對應(yīng)的權(quán)值分別是“2、3、4、5、6”

則若所述文字輸入信息中出現(xiàn)“床”，則對應(yīng)的筆畫數(shù)乘以權(quán)值2。

再來，執(zhí)行步驟s340，獲取當(dāng)前系統(tǒng)時間，并根據(jù)所述當(dāng)前系統(tǒng)時間獲取對應(yīng)的第二數(shù)值。

所述步驟s340，獲取當(dāng)前系統(tǒng)時間，并根據(jù)所述當(dāng)前系統(tǒng)時間獲取對應(yīng)的第二數(shù)值，具體為：

獲取當(dāng)前系統(tǒng)時間，并根據(jù)所述當(dāng)前系統(tǒng)時間獲取其中的數(shù)字字符，得到第二數(shù)值。

例如：

當(dāng)前時間為“20:09”，則對應(yīng)的第二數(shù)值為“2009”。

通過加入系統(tǒng)時間，使得所述屏幕解鎖密碼獲取更加多變性，更復(fù)雜，并不能固定通過第一輸入系統(tǒng)和第二輸入系統(tǒng)的內(nèi)容來解鎖，提高了解鎖密碼的安全性，即使第一輸入系統(tǒng)和所述第二輸入系統(tǒng)的輸入內(nèi)容被他人獲取，也并不能很快得到相應(yīng)的解鎖信息。

再來，執(zhí)行步驟s350，根據(jù)預(yù)設(shè)的運算規(guī)則，獲取所述第一數(shù)值、筆畫數(shù)及第二數(shù)值的計算結(jié)果。

所述步驟s350，根據(jù)預(yù)設(shè)的運算規(guī)則，獲取所述第一數(shù)值、筆畫數(shù)及第二數(shù)值的計算結(jié)果，具體為：

根據(jù)預(yù)設(shè)的邏輯運算規(guī)則，獲取所述第一數(shù)值、筆畫數(shù)及第二數(shù)值的計算結(jié)果。

所述預(yù)設(shè)的邏輯運算規(guī)則可以為“第一數(shù)值*筆畫數(shù)/第二數(shù)值”，也可以為“第一數(shù)值*筆畫數(shù)*第二數(shù)值”，具體邏輯運算規(guī)則可以根據(jù)用戶需求進行調(diào)整。

在所述步驟s250，根據(jù)預(yù)設(shè)的運算規(guī)則，獲取所述第一數(shù)值、筆畫數(shù)及第二數(shù)值的計算結(jié)果之前，所述屏幕解鎖方法還包括：

判斷所述第一數(shù)值中是否存在預(yù)設(shè)的第一字符串；

若是，則根據(jù)所述第一數(shù)值中的所述第一字符串之后的數(shù)值，更新第一數(shù)值。

例如，第一數(shù)值為“7742932857289482903”，而預(yù)設(shè)的第一字符串為“2894”，則將將第一數(shù)值中“2894”之后的數(shù)值“82903”更新作為第一數(shù)值。

或，所述解鎖方法還包括：

判斷所述第一數(shù)值中是否存在預(yù)設(shè)的第一字符串；

若是，則根據(jù)所述第一數(shù)值中的所述第一字符串之前的數(shù)值，更新第一數(shù)值。

例如，第一數(shù)值為“7742932857289482903”，而預(yù)設(shè)的第一字符串為“2894”，則將第一數(shù)值中“2894”之前的數(shù)值“7742932857”更新作為第一數(shù)值。

或，所述解鎖方法還包括：

判斷所述第一數(shù)值中是否存在預(yù)設(shè)的第二字符串；

若否，則更新所述第一數(shù)值為預(yù)設(shè)的初始值。

例如，第一數(shù)值為“7742932857289482903”，預(yù)設(shè)的初始值為“1111”而預(yù)設(shè)的第二字符串為“5728”，顯然數(shù)值“7742932857289482903”存在“5728”，則更新第一數(shù)值為預(yù)設(shè)的初始值“1111”。

最后，執(zhí)行步驟s360，判斷所述計算結(jié)果是否為預(yù)設(shè)解鎖密碼；若是，則汽車智能駕駛控制解鎖。

當(dāng)計算結(jié)果為預(yù)設(shè)解鎖密碼，則汽車智能駕駛控制解鎖。

本申請通過提供一種解鎖方法，提高了汽車智能駕駛控制開啟的安全性。

實施例二

基于同樣的發(fā)明構(gòu)思，本申請還提供一種汽車智能駕駛的裝置，所述裝置包括：

第一知識庫單元210，用于預(yù)先建立知識庫；其中所述知識庫包括汽車控制語句集x＝{x1，x2，x3，……，xn}，及所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系；

第一切詞單元220，用于獲取所述汽車控制語句集中每個序列的第一切詞序列集x1＝{x11，x12，x13，……，x1m}，……，xn＝{xn1，xn2，xn3，……，xnk}；

第二切詞單元230，用于獲取第一輸入系統(tǒng)的第二切詞序列y1＝{y11，y12，y13，……，y1n}；

比較單元240，用于比較第一切詞序列集中的任一序列與所述第二切詞序列；

控制單元250，用于若比較結(jié)果小于預(yù)設(shè)閥值，則根據(jù)匹配的汽車控制語句，獲取對應(yīng)的汽車控制模塊控制汽車駕駛。

所述比較單元240之前，還包括：

第一建模單元，用于建立兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型；

輸入單元，用于將所述第一切詞序列集中的序列和所述第二切詞序列分別作為所述兩個雙向lstm神經(jīng)網(wǎng)絡(luò)模型的第一輸入和第二輸入；

第一標(biāo)準(zhǔn)化單元，用于通過所述雙向lstm神經(jīng)網(wǎng)絡(luò)模型的參數(shù)對所述第一輸入和所述第二輸入進行標(biāo)準(zhǔn)化，以獲得標(biāo)準(zhǔn)化后的第一標(biāo)準(zhǔn)輸出y1和第二標(biāo)準(zhǔn)輸出y2。

所述比較單元240，具體為：

比較所述第一標(biāo)準(zhǔn)輸出和第二標(biāo)準(zhǔn)輸出。

所述比較所述第一標(biāo)準(zhǔn)輸出和第二標(biāo)準(zhǔn)輸出，具體為：

通過計算所述第一標(biāo)準(zhǔn)輸出和所述第二標(biāo)準(zhǔn)輸出的相似性。

所述第二切詞單元之后，還包括：

第二知識庫單元，用于建立靜態(tài)知識庫；其中，所述靜態(tài)知識庫為基于汽車零件領(lǐng)域知識，建立汽車零件的從屬關(guān)系樹，并將所述汽車零件知識歸入汽車零件的從屬關(guān)系樹的節(jié)點上；

第二標(biāo)準(zhǔn)化單元，用于通過遍歷從屬關(guān)系樹，將所述第二切詞序列標(biāo)準(zhǔn)化。

本實施例二所介紹的裝置為本申請實施例一中一種汽車智能駕駛的的方法所采用的裝置，故而基于本發(fā)明實施例一所介紹的方法，本領(lǐng)域所屬人員能夠了解該裝置的具體結(jié)構(gòu)及變形，故而在此不再贅述。凡是本發(fā)明實施例一的方法所采用的裝置都屬于本發(fā)明所欲保護的范圍。

本發(fā)明實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

(1)本申請通過預(yù)設(shè)所述汽車控制語句集與汽車控制模塊之間的映射關(guān)系，實現(xiàn)系統(tǒng)中汽車控制語句與汽車控制對應(yīng)。

(2)本申請通過獲取所述汽車控制語句集中每個序列的第一切詞序列集，獲取第一輸入系統(tǒng)的第二切詞序列，通過對語句切詞提高語義識別效率；比較第一切詞序列集中的任一序列與所述第二切詞序列，實現(xiàn)對第一輸入系統(tǒng)語句的語義識別。

(3)本申請通過識別第一輸入系統(tǒng)語句，并根據(jù)識別匹配的汽車控制語句，按照與其映射的汽車控制來控制汽車，實現(xiàn)智能化駕駛。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、cd-rom、光學(xué)存儲器等)上實施的計算機程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本發(fā)明的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明實施例進行各種改動和變型而不脫離本發(fā)明實施例的精神和范圍。這樣，倘若本發(fā)明實施例的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。