本申请涉及车联网,尤其涉及一种路侧感知设备部署方法、装置、电子设备和存储介质。
背景技术:
1、在车联网技术中,车路协同是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理。其中,路端感知设备具有环境感知和信息交换的能力,通过在路侧部署感知设备,可以通过感知设备的感知融合结果来获取到道路环境信息。路侧感知设备例如摄像头、雷达等。
2、很明显,路侧感知设备的部署方案对于道路环境信息的至关重要,假如无法保证路侧感知设备的部署方案的可靠性,部署过少可能会导致环境信息的采集缺失,进而影响到车辆的导航或交通安全性等;部署过多则产生信息冗余,增加投入。因此,如何寻找到最佳的路侧感知设备的部署方案显得尤为重要。
技术实现思路
1、为解决或部分解决相关技术中存在的问题,本申请提供一种路侧感知设备部署方法、装置、电子设备和存储介质,能够在复杂道路环境下搜索到感知设备在所有道路杆整体上的最佳部署方案。
2、本申请第一方面提供一种路侧感知设备部署方法,所述方法基于遗传算法,包括:
3、对设定区域中各个道路杆是否安装感知设备进行编码,并随机生成多条染色体,以作为初始种群;
4、通过使用遗传算法对所述初始种群进行繁衍迭代,确定最佳染色体,其中,所述最佳染色体表示所述区域中路侧感知设备的最佳部署方案,在所述遗传算法中,采用强化学习评估种群中各个染色体的适应度值。
5、在一实施方式中,所述采用强化学习评估种群中各个染色体的适应度值,包括:
6、获取第i代种群中各个染色体所映射的仿真环境;
7、训练智能体在各个仿真环境中行驶;
8、获得训练好的智能体在目标染色体所映射的仿真环境下的行驶信息;
9、基于所述目标染色体对应的行驶信息对所述目标染色体的适应度值进行打分。
10、在一实施方式中,根据第i代种群中各个染色体的适应度值,通过选择、交叉和/或突变操作以构建第i+1代种群,其中,i=0、1、2……。
11、在一实施方式中,所述确定最佳染色体,包括:
12、若所述遗传算法终止,从最后一代种群中的各个染色体中选取适应度值最高的作为最佳染色体。
13、在一实施方式中,在确定最佳染色体后,所述方法还包括:
14、对所述最佳染色体进行解码,得到路侧感知设备相应的部署方案;
15、根据得到的部署方案,在所述区域中相应的实际道路杆上装设所述感知设备。
16、在一实施方式中,所述方法还包括:
17、定期收集所述区域的真实环境信息,所述环境信息包括道路几何形状、交通流量、交通信息;
18、根据收集的真实环境信息,通过所述遗传算法调整当前部署方案。
19、本申请第二方面提供一种路侧感知设备部署装置,所述装置基于遗传算法,包括:
20、初始种群生成模块,其被配置为对设定区域中各个道路杆是否安装感知设备进行编码,并随机生成多条染色体,以作为初始种群;
21、最佳方案确定模块,其被配置为通过使用遗传算法对所述初始种群进行繁衍迭代,确定最佳染色体,其中,所述最佳染色体表示所述区域中路侧感知设备的最佳部署方案,所述最佳方案确定模块包括评估单元,所述评估单元被配置为在所述遗传算法中,采用强化学习评估种群中各个染色体的适应度值。
22、在一实施方式中,所述评估单元被具体配置为:
23、获取第i代种群中各个染色体所映射的仿真环境;
24、训练智能体在各个仿真环境中行驶;
25、获得训练好的智能体在目标染色体所映射的仿真环境下的行驶信息;
26、基于所述目标染色体对应的行驶信息对所述目标染色体的适应度值进行打分。
27、本申请第三方面提供一种电子设备,包括:
28、处理器;以及
29、存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
30、本申请第四方面提供一种计算机可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
31、本申请提供的技术方案可以包括以下有益效果:
32、本申请的技术方案,为了得到设定区域中路侧感知设备的最佳部署方案,通过对设定区域中各个道路杆是否安装感知设备进行编码,随机生成多条染色体来作为初始种群;再通过使用遗传算法对初始种群进行繁衍迭代,从中确定最佳染色体,其中,最佳染色体可以表示区域中路侧感知设备的最佳部署方案。在本申请中,根据区域中各个道路杆上是否安装感知设备通过借助于染色体来表征该区域中路侧感知设备可能的部署方案,使用遗传算法全局搜索感知设备在所有道路杆整体上的最佳部署方案,其中的最佳部署方案能够应对复杂道路环境,故而具备较强的适应性和拓展性,还能够提高道路环境信息采集的完整性,保障道路上车辆的行驶安全和效率。
33、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
1.一种路侧感知设备部署方法,其特征在于,所述方法基于遗传算法,包括:
2.根据权利要求1所述的方法,其特征在于,所述采用强化学习评估种群中各个染色体的适应度值,包括:
3.根据权利要求1所述的方法,其特征在于,根据第i代种群中各个染色体的适应度值,通过选择、交叉和/或突变操作以构建第i+1代种群,其中,i=0、1、2……。
4.根据权利要求1所述的方法,其特征在于,所述确定最佳染色体,包括:
5.根据权利要求1所述的方法,其特征在于,在确定最佳染色体后,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
7.一种路侧感知设备部署装置,其特征在于,所述装置基于遗传算法,包括:
8.根据权利要求7所述的装置,其特征在于,所述评估单元被具体配置为:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至6中任一项所述的方法。