本發(fā)明涉及自動駕駛，尤其涉及一種自動駕駛控制方法、裝置、電子設(shè)備及計算機(jī)存儲介質(zhì)。

背景技術(shù)：

1、近年來，人工智能技術(shù)的高速發(fā)展對各行各業(yè)產(chǎn)生了深遠(yuǎn)的影響，如圖像識別、語音識別、自然語言處理等。這些技術(shù)為自動駕駛提供了強大的技術(shù)支持，使得汽車能夠更好地感知周圍環(huán)境，理解并應(yīng)對復(fù)雜多變的道路狀況，各大車企都展現(xiàn)了屬于自己流派的自動駕駛感知技術(shù)。

2、現(xiàn)有的自動駕駛技術(shù)中，出于安全性和穩(wěn)定性考慮，對于車輛的控制比較僵硬，對于不同的車輛行駛環(huán)境，可能會出現(xiàn)持續(xù)變速、急加速、急剎、突然變道等操作，導(dǎo)致車輛能耗增加的同時，降低乘客的乘坐體驗，特別是針對復(fù)雜的駕駛環(huán)境，不會考慮車輛能耗，造成能源浪費。

3、由此可見，現(xiàn)有的自動駕駛技術(shù)會造成車輛能耗過高的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，有必要提供一種自動駕駛控制方法、裝置、電子設(shè)備及計算機(jī)存儲介質(zhì)，用以解決現(xiàn)有的自動駕駛技術(shù)會造成車輛能耗過高的技術(shù)問題。

2、為了解決上述問題，本發(fā)明提供一種自動駕駛控制方法，包括：

3、獲取車輛所處場景的場景信息，所述場景信息包括車輛狀態(tài)信息及車輛所在道路的道路環(huán)境信息；

4、采用基于深度強化學(xué)習(xí)的車輛節(jié)能控制模型對所述車輛狀態(tài)信息和所述道路環(huán)境信息進(jìn)行分析，確定車輛控制策略，其中，所述車輛節(jié)能控制模型包括獎勵函數(shù)，所述獎勵函數(shù)用于表示所述車輛在所述車輛控制策略下的安全性行駛和節(jié)能效率的平衡性，所述車輛控制策略對應(yīng)的獎勵函數(shù)的獎勵值最大

5、按照所述車輛控制策略控制所述車輛自動駕駛。

6、在一種可能的實施方式中，所述獲取車輛所處場景的場景信息，包括：

7、采用車載傳感器采集車輛狀態(tài)信息；

8、采用圖像采集裝置和車載雷達(dá)裝置采集車輛所在道路的道路環(huán)境信息。

9、在一種可能的實施方式中，所述采用圖像采集裝置和車載雷達(dá)裝置采集車輛所在道路的道路環(huán)境信息，包括：

10、采用圖像采集裝置采集所述車輛第一預(yù)設(shè)范圍內(nèi)的圖像信息；

11、采用車載雷達(dá)裝置采集所述車輛第二預(yù)設(shè)范圍內(nèi)的雷達(dá)點云信息；

12、將所述圖像信息和所述雷達(dá)點云信息進(jìn)行融合，得到車輛所在道路的環(huán)境信息。

13、在一種可能的實施方式中，所述基于深度強化學(xué)習(xí)的車輛節(jié)能控制模型的訓(xùn)練過程包括：

14、采用高樣本池中的樣本數(shù)據(jù)對所述車輛節(jié)能控制模型進(jìn)行第一輪訓(xùn)練，將所述第一輪訓(xùn)練中獎勵函數(shù)的獎勵值大于所述預(yù)設(shè)獎勵閾值的樣本數(shù)據(jù)添加至所述高樣本池，更新所述高樣本池；

15、按照預(yù)設(shè)的比例在更新后的高樣本池和所述標(biāo)準(zhǔn)樣本池中隨機(jī)選取樣本數(shù)據(jù)對所述車輛節(jié)能控制模型進(jìn)行第二輪訓(xùn)練，直至所述車輛節(jié)能控制模型達(dá)到預(yù)期效果。

16、在一種可能的實施方式中，所述直至所述車輛節(jié)能控制模型達(dá)到預(yù)期效果，包括：

17、計算每次訓(xùn)練結(jié)果的獎勵函數(shù)的獎勵值和當(dāng)前價值網(wǎng)絡(luò)的評估值，所述價值網(wǎng)絡(luò)評估值用于指示所述訓(xùn)練結(jié)果中的車輛控制策略的評分；

18、基于所述每次訓(xùn)練結(jié)果的獎勵函數(shù)的獎勵值和所述當(dāng)前價值網(wǎng)絡(luò)評估值計算目標(biāo)價值網(wǎng)絡(luò)的目標(biāo)值；

19、基于所述當(dāng)前價值網(wǎng)絡(luò)的評估值和所述目標(biāo)價值網(wǎng)絡(luò)的目標(biāo)值構(gòu)建損失函數(shù)，更新所述車輛節(jié)能控制模型以使所述損失函數(shù)最小化。

20、在一種可能的實施方式中，所述計算每次訓(xùn)練結(jié)果當(dāng)前價值網(wǎng)絡(luò)的評估值，包括：

21、分別計算每次訓(xùn)練結(jié)果的第一當(dāng)前價值網(wǎng)絡(luò)的第一評估值和第二當(dāng)前價值網(wǎng)絡(luò)的第二評估值；

22、將所述第一評估值和所述第二評估值中的較小值作為所述訓(xùn)練結(jié)果當(dāng)前價值網(wǎng)絡(luò)的評估值。

23、在一種可能的實施方式中，所述獎勵函數(shù)的獎勵值的計算包括：

24、基于所述車輛控制策略下車輛的電機(jī)轉(zhuǎn)速和電機(jī)扭矩計算能量消耗得分；

25、基于所述車輛控制策略下車輛的車速與車輛允許車輛范圍的關(guān)系計算車速得分；

26、基于所述車輛控制策略下車輛的安全性確定安全得分；

27、按照預(yù)設(shè)的權(quán)重對所述能量消耗得分、所述車速得分和所述安全得分計算所述獎勵函數(shù)的獎勵值。

28、本發(fā)明還提供一種自動駕駛控制裝置，包括：

29、環(huán)境信息獲取模塊，用于獲取車輛所處場景的環(huán)境信息，所述環(huán)境信息包括車輛狀態(tài)信息及車輛所在道路的環(huán)境信息；

30、控制策略確定模塊，用于采用基于深度強化學(xué)習(xí)的車輛節(jié)能控制模型對所述車輛狀態(tài)信息和所述道路環(huán)境信息進(jìn)行分析，確定車輛控制策略，其中，所述車輛節(jié)能控制模型包括獎勵函數(shù)，所述獎勵函數(shù)用于表示所述車輛在所述車輛控制策略下的安全性行駛和節(jié)能效率的平衡性，所述車輛控制策略對應(yīng)的獎勵函數(shù)的獎勵值最大；

31、控制策略執(zhí)行模塊，用于按照所述車輛控制策略控制所述車輛自動駕駛。

32、本發(fā)明還提供一種電子設(shè)備，包括存儲器和處理器，其中，

33、所述存儲器，用于存儲程序；

34、所述處理器，與所述存儲器耦合，用于執(zhí)行所述存儲器中存儲的所述程序，以實現(xiàn)上述任一實施例所述的自動駕駛控制方法中的步驟。

35、本發(fā)明還提供一種計算機(jī)可讀存儲介質(zhì)，用于存儲計算機(jī)可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時能夠?qū)崿F(xiàn)上述任一實施例所述的自動駕駛控制方法中的步驟。

36、本發(fā)明的有益效果是：本發(fā)明提供的自動駕駛控制方法，通過獲取車輛狀態(tài)信息和車輛所在道路的道路信息，采用基于深度強化學(xué)習(xí)的車輛節(jié)能控制模型對車輛狀態(tài)信息和道路環(huán)境信息進(jìn)行分析，確定車輛控制策略，其中，車輛節(jié)能控制模型包括獎勵函數(shù)，獎勵函數(shù)用于表示車輛在車輛控制策略下的安全性行駛和節(jié)能效率的平衡性，車輛控制策略對應(yīng)的獎勵函數(shù)的獎勵值最大，通過采用獎勵函數(shù)的獎勵值最大的車輛控制策略控制車輛進(jìn)行自動駕駛，能夠有效降低車輛能耗，節(jié)約能源。

技術(shù)特征：

1.一種自動駕駛控制方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的自動駕駛控制方法，其特征在于，所述獲取車輛所處場景的場景信息，包括：

3.根據(jù)權(quán)利要求2所述的自動駕駛控制方法，其特征在于，所述采用圖像采集裝置和車載雷達(dá)裝置采集車輛所在道路的道路環(huán)境信息，包括：

4.根據(jù)權(quán)利要求1所述的自動駕駛控制方法，其特征在于，所述基于深度強化學(xué)習(xí)的車輛節(jié)能控制模型的訓(xùn)練過程包括：

5.根據(jù)權(quán)利要求4所述的自動駕駛控制方法，其特征在于，所述直至所述車輛節(jié)能控制模型達(dá)到預(yù)期效果，包括：

6.根據(jù)權(quán)利要求5所述的自動駕駛控制方法，其特征在于，計算每次訓(xùn)練結(jié)果當(dāng)前價值網(wǎng)絡(luò)的評估值，包括：

7.根據(jù)權(quán)利要求1所述的自動駕駛控制方法，其特征在于，所述獎勵函數(shù)的獎勵值的計算包括：

8.一種自動駕駛控制裝置，其特征在于，包括：

9.一種電子設(shè)備，其特征在于，包括存儲器和處理器，其中，

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，用于存儲計算機(jī)可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時能夠?qū)崿F(xiàn)上述權(quán)利要求1至7中任意一項所述的自動駕駛控制方法中的步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種自動駕駛控制方法、裝置、電子設(shè)備及計算機(jī)存儲介質(zhì)，屬于自動駕駛技術(shù)領(lǐng)域，其中，該自動駕駛控制方法包括獲取車輛所處場景的場景信息，所述場景信息包括車輛狀態(tài)信息及車輛所在道路的道路環(huán)境信息；采用基于深度強化學(xué)習(xí)的車輛節(jié)能控制模型對車輛狀態(tài)信息和道路環(huán)境信息進(jìn)行分析，確定車輛控制策略，其中，車輛節(jié)能控制模型包括獎勵函數(shù)，獎勵函數(shù)用于表示車輛在車輛控制策略下的安全性行駛和節(jié)能效率的平衡性，車輛控制策略對應(yīng)的獎勵函數(shù)的獎勵值最大；按照所述車輛控制策略控制所述車輛自動駕駛。本發(fā)明能夠有效降低車輛能耗，節(jié)約能源。

技術(shù)研發(fā)人員：蔣立偉,周明軍,葉永鋼,馮斌
受保護(hù)的技術(shù)使用者：武漢客車制造股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28