一种利用卷积神经网络模拟城市交通系统的方法及装置制造方法及图纸

本发明专利技术公开了一种利用卷积神经网络模拟城市交通系统的方法及装置，主要解决现有技术中存在的现虚拟的城市交通系统中生硬的还原驾驶员的基础驾驶行为且不能模拟极端情况下自动驾驶反应的问题。该发明专利技术先创建城市模型，然后设计其中车流，再然后模拟天气和时间转换，最后通过虚拟车辆采集道路图像训练后控制车辆在虚拟环境中行驶；天气和时间的转化可用于模拟各类气候转换情况；通过虚拟车辆采集图像如人眼所看到的图像，通过神经网络模型来训练采集的图像，利用卷积核对图像的局部信息进行处理，然后在更高层将局部信息综合起来得到全局信息，最后输出命令发送至车辆，控制车辆在虚拟环境中行驶，这样能更人性化的模拟驾驶员的驾驶。员的驾驶。员的驾驶。

【技术实现步骤摘要】
一种利用卷积神经网络模拟城市交通系统的方法及装置


[0001]本专利技术涉及城市交通模拟领域，具体地说，是涉及一种利用卷积神经网络模拟城市交通系统的方法及装置。

技术介绍

[0002]自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车，在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势；其是自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
[0003]自动驾驶的开发、测试、评估需要在一个高效的虚拟环境进行自动驾驶模拟即需要虚拟的城市交通系统，现虚拟的城市交通系统中都是使用Unity引擎的射线检测来模拟车辆驾驶员，这种方式只是死板给程序设置一个检测值，生硬的去还原驾驶员的基础驾驶行为，不能使机器的行为更人性化，且无法模拟在极端情况，如极端的气候条件的情况下，自动驾驶的反应等。

技术实现思路

[0004]本专利技术的目的在于提供一种利用卷积神经网络模拟城市交通系统的方法及装置，以解决现虚拟的城市交通系统中生硬的还原驾驶员的基础驾驶行为且不能模拟极端情况下自动驾驶反应的问题。
[0005]为了解决上述问题，本专利技术提供如下技术方案：一种利用卷积神经网络模拟城市交通系统的方法包括以下步骤：S1、创建城市模型；S2、使用NavMesh设计步骤S1中城市模型的车流；S3、使用插件在步骤S2得到的城市模型中模拟天气和时间转换；S4、步骤S2中虚拟车辆采集道路图像，然后将图像发送至Python的训练模型，利用卷积神经网络训练模型，将训练模型输出的命令发送回车辆，控制车辆在虚拟环境中行驶。
[0006]本专利技术先创建城市模型，然后设计其中车流，再然后模拟天气和时间转换，最后通过虚拟车辆采集道路图像训练后控制车辆在虚拟环境中行驶；天气和时间的转化可用于模拟各类气候转换情况，如黑夜、白天、阴天、雨、雪、霜等；通过虚拟车辆模拟人眼所看到的画面，采集其图像如人眼所看到的图像，基于人眼对外界认知的模式，通过神经网络模型来训练采集的图像，神经网络模型利用卷积核对图像的局部信息进行处理，然后在更高层将局部信息综合起来得到全局信息，最后输出命令发送至车辆，控制车辆在虚拟环境中行驶，这样能更人性化的模拟驾驶员的驾驶。
[0007]进一步的，步骤S1的具体过程为：从Assets Store资源商店中获取已经搭建好的城市模型或者道路模型组件，自行设计道路系统；也可利用其他3D建模软件，构建自己需要的场景模。
[0008]进一步的，步骤S2的具体过程为：将NavMeshSurface附到道路平面，并选择可以行驶和不可以行驶的路面即完成城市模型中车流的设计；NavMesh是Unity中控制游戏角色进行空间探索和寻路的一个类，使用NavMesh设计行驶在虚拟环境中的AI车流；车辆整体的运行线路是固定的，但因为NavMesh会避开道路上的障碍物重新选择路线，故虚拟环境中AI车辆的具体行驶路线会有差别。
[0009]进一步的，步骤S3中使用Enviro插件模拟雨、雪、雾和白天黑夜的转换；也可选择其他环境模拟插件。
[0010]进一步的，步骤S4中采集图片发送至训练模型的具体过程为：在虚拟车辆上放置摄像头，模拟人眼所看到的画面并采集图像；然后利用Unity的ML
‑
Agents技术，将步骤S401中摄像头所采集的图像，传给Python的模型进行训练。
[0011]进一步的，步骤S4中利用卷积神经网络训练模型包括以下步骤：S401、利用卷积核对图像的局部信息进行处理，提取图像中的特征数据；S402、使用激活函数增加步骤S401中特征数据的非线性能力；S403、对步骤S402得到的特征数据进行池化压缩，提取主要特征训练模型；在Python中，利用神经网络模型来模拟人眼的认知模式，来提取图片里的有效信息，供我们在Unity中决策使用；利用池化来缩小图像，减少计算量，降低机器负载；使用激活函数，来加入非线性因素，把卷积层输出结果做非线性映射。
[0012]一种利用卷积神经网络模拟城市交通系统的装置包括存储器：用于存储可执行指令；处理器：用于执行所述存储器中存储的可执行指令，实现一种利用卷积神经网络模拟城市交通系统的方法。
[0013]与现有技术相比，本专利技术具有以下有益效果：（1）本专利技术先创建城市模型，然后设计其中车流，再然后模拟天气和时间转换，最后通过虚拟车辆采集道路图像训练后控制车辆在虚拟环境中行驶；天气和时间的转化可用于模拟各类气候转换情况，如黑夜、白天、阴天、雨、雪、霜等。
[0014]（2）本专利技术通过虚拟车辆模拟人眼所看到的画面，采集其图像如人眼所看到的图像，基于人眼对外界认知的模式，通过神经网络模型来训练采集的图像，神经网络模型利用卷积核对图像的局部信息进行处理，然后在更高层将局部信息综合起来得到全局信息，最后输出命令发送至车辆，控制车辆在虚拟环境中行驶，这样能更人性化的模拟驾驶员的驾驶。
附图说明
[0015]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：图1为模拟的城市模型中交通系统的图。
具体实施方式
[0016]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合图1对本专利技术作进一
步地详细描述，所描述的实施例不应视为对本专利技术的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0017]实施例1如图1所示，一种利用卷积神经网络模拟城市交通系统的方法先创建城市模型，然后设计其中车流，再然后模拟天气和时间转换，最后通过虚拟车辆采集道路图像训练后控制车辆在虚拟环境中行驶，综合全局信息控制车辆在虚拟环境中行驶，使模拟的驾驶更加人性化，不生硬；其具体过程如下：一、创建城市模型：可以从Assets Store资源商店中获取已经搭建好的城市模型或者道路模型组件，自行设计道路系统；也可利用其他3D建模软件，构建自己需要的场景模型。
[0018]二、设计城市模型的车流：使用NavMesh设计城市中的车流，NavMesh是Unity中控制游戏角色进行空间探索和寻路的一个类，使用NavMesh设计行驶在虚拟环境中的AI车流；车辆整体的运行线路是固定的，但因为NavMesh会避开道路上的障碍物重新选择路线，所以环境AI车辆的具体行驶路线会有差别；将NavMeshSurface附到道路平面，并选择可以行驶和不可以行驶的路面即可，如图1中可看出车辆可以行驶的路面为哪些。
[0019]三、使用插件模拟天气和时间变换：如使用插件Enviro可以帮我们动态地模拟各种天气，雨雪、雾等天气，还有不同的时间，白天黑夜的转换；也可使用其他本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，包括以下步骤：S1、创建城市模型；S2、使用NavMesh设计步骤S1中城市模型的车流；S3、使用插件在步骤S2得到的城市模型中模拟天气和时间转换；S4、步骤S2中虚拟车辆采集道路图像，然后将图像发送至Python的训练模型，利用卷积神经网络训练模型，将训练模型输出的命令发送回车辆，控制车辆在虚拟环境中行驶。2.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S1的具体过程为：从Assets Store资源商店中获取已经搭建好的城市模型或者道路模型组件，自行设计道路系统。3.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S2的具体过程为：将NavMeshSurface附到道路平面，并选择可以行驶和不可以行驶的路面即完成城市模型中车流的设计。4.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S3中使用Enviro插件模拟雨、雪、雾和白天黑夜的转...

【专利技术属性】
技术研发人员：邬成博，翟黎翔，江波，张武松，董照阳，戈宇，
申请(专利权)人：成都四方伟业软件股份有限公司，
类型：发明
国别省市：