本发明涉及自动驾驶领域,具体而言,涉及一种无人驾驶车辆的控制方法、装置、存储介质及车辆。
背景技术:
1、在自动驾驶领域,无人驾驶车辆需要进行行为决策,即无人驾驶车辆可以根据周围环境信息,通过算法和人工智能技术进行分析和处理,从而做出适当的驾驶决策。
2、目前,存在的无人驾驶车辆的行为决策方法难以对相关数据进行高效地处理,导致做出的驾驶决策的时效性和准确度较低,从而造成相关技术中无人驾驶车辆进行行为决策的效率较低。
3、针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
1、本发明实施例提供了一种无人驾驶车辆的控制方法、装置、存储介质及车辆,以至少解决相关技术中无人驾驶车辆进行行为决策的效率较低的技术问题。
2、根据本发明实施例的一个方面,提供了一种无人驾驶车辆的控制方法,包括:获取无人驾驶车辆和目标车辆集合的驾驶状态参数,其中,目标车辆集合为无人驾驶车辆当前行驶车道以及当前行驶车道的相邻车道上行驶的车辆的集合;利用神经网络模型对驾驶状态参数进行决策分析,得到决策结果,其中,神经网络模型由并联的多个子模型组成,不同子模型用于对不同车道上的车辆的驾驶行为进行预测;基于决策结果控制无人驾驶车辆的换道行为。
3、可选地,神经网络模型包括特征提取层、矩阵分割层、多个子模型、输出层。
4、可选地,利用神经网络模型对驾驶状态参数进行决策分析,得到决策结果,包括:利用特征提取层对驾驶状态参数进行特征提取,得到驾驶状态矩阵;利用矩阵分割层对驾驶状态矩阵进行分割,得到多个子状态矩阵,其中,不同子状态矩阵用于表示不同车道上行驶的车辆的车辆行为;利用多个子模型分别对多个子状态矩阵进行预测,得到多个预测结果;利用输出层对多个预测结果进行决策分析,得到决策结果。
5、可选地,利用特征提取层对驾驶状态参数进行特征提取,得到驾驶状态矩阵,包括:对驾驶状态参数进行特征提取,得到目标车辆集合中多组车辆的驾驶状态特征,其中,不同组车辆用于表示目标车辆集合中行驶在不同车道上的车辆的组合;基于驾驶状态特征构建驾驶状态矩阵。
6、可选地,基于驾驶状态特征构建驾驶状态矩阵,包括:基于驾驶状态特征构建初始驾驶状态矩阵;利用主成分分析对初始驾驶状态矩阵进行降维,得到驾驶状态矩阵。
7、可选地,基于驾驶状态特征构建驾驶状态矩阵,包括:基于驾驶状态特征中的瞬时速度特征、瞬时加速度特征、瞬时转向角特征、车道号特征、车辆编号特征、横向位置特征和纵向位置特征构建驾驶状态矩阵。
8、可选地,利用输出层对多个预测结果进行决策分析,得到决策结果,包括:对多个预测结果进行融合,得到融合结果;利用支持向量机对融合结果进行决策分析,得到决策结果。
9、根据本发明实施例的另一方面,还提供了一种无人驾驶车辆的控制装置,包括:获取模块,用于获取无人驾驶车辆和目标车辆集合的驾驶状态参数,其中,目标车辆集合为无人驾驶车辆当前行驶车道以及当前行驶车道的相邻车道上行驶的车辆的集合;决策模块,用于利用神经网络模型对驾驶状态参数进行决策分析,得到决策结果,其中,神经网络模型由并联的多个子模型组成,不同子模型用于对不同车道上的车辆的驾驶行为进行预测;控制模块,用于基于决策结果控制无人驾驶车辆的换道行为。
10、根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的程序,其中,在程序运行时控制所在设备的处理器中执行上述无人驾驶车辆的控制方法。
11、根据本发明实施例的另一方面,还提供了一种车辆,一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器执行上述无人驾驶车辆的控制方法。
12、在本发明实施例中,获取无人驾驶车辆和目标车辆集合的驾驶状态参数,其中,目标车辆集合为无人驾驶车辆当前行驶车道以及当前行驶车道的相邻车道上行驶的车辆的集合;利用神经网络模型对驾驶状态参数进行决策分析,得到决策结果,其中,神经网络模型由并联的多个子模型组成,不同子模型用于对不同车道上的车辆的驾驶行为进行预测;基于决策结果控制无人驾驶车辆的换道行为,在本申请中,无人驾驶车辆可以通过多种传感器和技术获取自身及周围车辆的驾驶状态参数,并基于上述神经网络模型中并联的三个子模型分别对无人驾驶车辆行驶的当前车道,左侧车道和右侧车道的驾驶状态参数进行分析与判断,做出最佳的驾驶决策,以确定无人驾驶车辆接下来的行为和动作,特别地,不同车道的运动状态信息可能会有所不同,通过并联的三个子模型分别进行分析与判断,可以更好地适应不同的驾驶环境,提高无人驾驶车辆的适应性,通过并联的三个子模型同时进行分析,可以更快地获取周围车辆的运动状态信息,从而更及时地做出行为决策,提高无人驾驶车辆的实时性,有效地提高了无人驾驶车辆进行行为决策的效率,进而解决了相关技术中无人驾驶车辆进行行为决策的效率较低的技术问题。
1.一种无人驾驶车辆的控制方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述神经网络模型包括特征提取层、矩阵分割层、所述多个子模型、输出层。
3.根据权利要求2所述的方法,其特征在于,利用神经网络模型对所述驾驶状态参数进行决策分析,得到决策结果,包括:
4.根据权利要求2所述的方法,其特征在于,利用所述特征提取层对所述驾驶状态参数进行特征提取,得到驾驶状态矩阵,包括:
5.根据权利要求4所述的方法,其特征在于,基于所述驾驶状态特征构建所述驾驶状态矩阵,包括:
6.根据权利要求4所述的方法,其特征在于,基于所述驾驶状态特征构建所述驾驶状态矩阵,包括:
7.根据权利要求3所述的方法,其特征在于,利用所述输出层对所述多个预测结果进行决策分析,得到所述决策结果,包括:
8.一种无人驾驶车辆的控制装置,其特征在于,包括:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所在设备的处理器中执行权利要求1至7中任意一项所述的无人驾驶车辆的控制方法。
10.一种车辆,其特征在于,包括: