一种应用于智能驾驶的数据处理方法及装置制造方法及图纸

本发明专利技术公开了一种应用于智能驾驶的数据处理方法及装置，包括：当驾驶员对当前驾驶辅助系统进行干预时，采集干预关联信息；将干预关联信息输入到意图识别模型，获得驾驶员的干预意图信息；检测是否采集到针对干预后的驾驶辅助系统的评价信息，如果是，确定目标干预意图信息；将干预关联信息、目标干预意图信息和驾驶辅助系统的数据信息输入到参数校正模型，获得校正后的关键参数；对校正后的关键参数进行安全验证，若验证通过，基于校正后的关键参数对当前驾驶辅助系统进行调整，获得调整后的驾驶辅助系统。本发明专利技术在驾驶安全包络内进行自动驾驶系统的自学习，提升驾驶辅助系统的性能、安全性以及用户体验。安全性以及用户体验。安全性以及用户体验。

【技术实现步骤摘要】
一种应用于智能驾驶的数据处理方法及装置


[0001]本专利技术涉及智能驾驶
，特别是涉及一种应用于智能驾驶的数据处理方法及装置。

技术介绍

[0002]伴随着智能驾驶技术的发展，智能驾驶给人们驾驶车辆提供了许多的便利。现有的应用于智能驾驶领域的驾驶辅助系统多是基于有限状态机实现的一般不超过三级灵敏度固定参数的驾驶辅助系统。但是面对不同驾驶员对舒适度、安全性的不同要求，也经常会出现无法满足所有用户的需求的问题。
[0003]随着机器学习技术的发展，出现了基于驾驶员操作数据通过机器学习实现驾驶辅助系统个性化的方法，但是，现有的方法中存在以下的问题：首先，在处理驾驶员数据中，没有考虑驾驶员不当操作甚至“危险驾驶”的影响，这些不当操作可能会导致“个性化”的驾驶辅助系统出现安全隐患。其次，由于驾驶员对驾驶辅助系统的信任程度有限，驾驶员自身的操作风格和驾驶员对ADAS(Advanced Driving Assistance System，先进驾驶辅助系统)的工作期望并不完全相同，直接学习驾驶员的操作数据，可能会加剧驾驶员对ADAS系统的不信任；另外，庞大的未标记的驾驶员操作数据，对于机器学习来说存在样本量过大且特征不明显，这大大降低了自学习效率和准确性；同时，现有的个性化方法没有引入驾驶员的评价信息，无法及时对系统进行针对性的调整和优化，这些都会导致最终的个性化智能驾驶系统往往无法满足驾驶员的需求；现有的个性化方案大多使用机器学习直接输出控制量(如方向盘转角/转矩、油门踏板开度等等)，无法与原有的基于模型开发的智能驾驶系统相融合，使得其安全性、可靠性和鲁棒性均存在问题。
[0004]可见，现有的智能驾驶机器学习的处理过程中并不能很好满足用户的个性化需求，同时存在着性能和安全性较差的问题。

技术实现思路

[0005]针对于上述问题，本专利技术提供一种应用于智能驾驶的数据处理方法及装置，实现了提升驾驶辅助系统的性能、安全性以及用户体验的目的。
[0006]为了实现上述目的，本专利技术提供了如下技术方案：
[0007]一种应用于智能驾驶的数据处理方法，包括：
[0008]当驾驶员对当前驾驶辅助系统进行干预时，采集干预关联信息，所述干预关联信息包括驾驶员的干预操作信息、车辆环境信息和车辆状态信息；
[0009]将所述干预关联信息输入到意图识别模型，获得驾驶员的干预意图信息；
[0010]检测是否采集到针对干预后的驾驶辅助系统的评价信息，如果是，确定目标干预意图信息；
[0011]将所述干预关联信息、目标干预意图信息和驾驶辅助系统的数据信息输入到参数校正模型，获得校正后的关键参数；
[0012]对所述校正后的关键参数进行安全验证，若验证通过，基于所述校正后的关键参数对所述当前驾驶辅助系统进行调整，获得调整后的驾驶辅助系统。
[0013]可选地，所述方法还包括：
[0014]对所述调整后的驾驶辅助系统进行虚拟运行，获得运行结果，以根据所述运行结果确定所述调整后的驾驶辅助系统的安全性。
[0015]可选地，所述方法还包括：
[0016]若未采集到针对干预后的驾驶辅助系统的评价信息，基于所述干预意图信息中的意图概率值，确定目标干预意图信息。
[0017]可选地，所述方法还包括：
[0018]将所述干预意图信息按照与干预意图对应的驾驶辅助子系统的类型进行存储，以使得基于存储后的信息对驾驶辅助系统进行调整。
[0019]可选地，所述对所述校正后的关键参数进行安全验证，包括：
[0020]获取与所述校正后的关键参数对应的约束函数，所述约束函数中包括各个参数的边界信息；
[0021]基于当前车辆环境信息，计算得到与当前车辆环境相对应的安全参数；
[0022]基于所述约束函数和所述安全参数，对校正后的关键参数进行安全验证，得到验证结果。
[0023]可选地，所述方法还包括：
[0024]生成与所述调整后的驾驶辅助系统对应的提示信息，所述提示信息用于提示驾驶员是否对当前驾驶辅助系统进行更新；
[0025]若接收到的针对所述提示信息的反馈信息满足更新条件，依据所述调整后的驾驶辅助系统对当前驾驶辅助系统进行更新。
[0026]可选地，所述方法还包括：
[0027]基于所述评价信息，对所述意图识别模型进行修正，获得修正后的意图识别模型。
[0028]一种应用于智能驾驶的数据处理装置，包括：
[0029]采集单元，用于当驾驶员对当前驾驶辅助系统进行干预时，采集干预关联信息，所述干预关联信息包括驾驶员的干预操作信息、车辆环境信息和车辆状态信息；
[0030]意图识别单元，用于将所述干预关联信息输入到意图识别模型，获得驾驶员的干预意图信息；
[0031]确定单元，用于检测是否采集到针对干预后的驾驶辅助系统的评价信息，如果是，确定目标干预意图信息；
[0032]参数校正单元，用于将所述干预关联信息、目标干预意图信息和驾驶辅助系统的数据信息输入到参数校正模型，获得校正后的关键参数；
[0033]调整单元，用于对所述校正后的关键参数进行安全验证，若验证通过，基于所述校正后的关键参数对所述当前驾驶辅助系统进行调整，获得调整后的驾驶辅助系统。
[0034]可选地，所述装置还包括：
[0035]虚拟运行单元，用于对所述调整后的驾驶辅助系统进行虚拟运行，获得运行结果，以根据所述运行结果确定所述调整后的驾驶辅助系统的安全性。
[0036]可选地，所述装置还包括：
[0037]意图确定单元，用于若未采集到针对干预后的驾驶辅助系统的评价信息，基于所述干预意图信息中的意图概率值，确定目标干预意图信息。
[0038]可选地，所述装置还包括：
[0039]存储单元，用于将所述干预意图信息按照与干预意图对应的驾驶辅助子系统的类型进行存储，以使得基于存储后的信息对驾驶辅助系统进行调整。
[0040]可选地，所述调整单元包括：
[0041]验证子单元，用于对所述校正后的关键参数进行安全验证，所述验证子单元具体用于：
[0042]获取与所述校正后的关键参数对应的约束函数，所述约束函数中包括各个参数的边界信息；
[0043]基于当前车辆环境信息，计算得到与当前车辆环境相对应的安全参数；
[0044]基于所述约束函数和所述安全参数，对校正后的关键参数进行安全验证，得到验证结果。
[0045]可选地，所述装置还包括：
[0046]生成单元，用于生成与所述调整后的驾驶辅助系统对应的提示信息，所述提示信息用于提示驾驶员是否对当前驾驶辅助系统进行更新；
[0047]更新单元，用于若接收到的针对所述提示信息的反馈信息满足更新条件，依据所述调整后的驾驶辅助系统对当前驾驶辅助系统进行更新。
[0048]可选地，所述装置还包括：
[0049]模型修正单元，用于基于所述评价信息，对所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于智能驾驶的数据处理方法，其特征在于，包括：当驾驶员对当前驾驶辅助系统进行干预时，采集干预关联信息，所述干预关联信息包括驾驶员的干预操作信息、车辆环境信息和车辆状态信息；将所述干预关联信息输入到意图识别模型，获得驾驶员的干预意图信息；检测是否采集到针对干预后的驾驶辅助系统的评价信息，如果是，确定目标干预意图信息；将所述干预关联信息、目标干预意图信息和驾驶辅助系统的数据信息输入到参数校正模型，获得校正后的关键参数；对所述校正后的关键参数进行安全验证，若验证通过，基于所述校正后的关键参数对所述当前驾驶辅助系统进行调整，获得调整后的驾驶辅助系统。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述调整后的驾驶辅助系统进行虚拟运行，获得运行结果，以根据所述运行结果确定所述调整后的驾驶辅助系统的安全性。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：若未采集到针对干预后的驾驶辅助系统的评价信息，基于所述干预意图信息中的意图概率值，确定目标干预意图信息。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述干预意图信息按照与干预意图对应的驾驶辅助子系统的类型进行存储，以使得基于存储后的信息对驾驶辅助系统进行调整。5.根据权利要求1所述的方法，其特征在于，所述对所述校正后的关键参数进行安全验证，包括：获取与所述校正后的关键参数对应的约束函数，所述约束函数中包括各个参数的边界信息；基于当前车辆环境信息，计算得到与当前车辆环境相对应的安全参数；基于所述约束函数和所述安全参数，对校正后的关键参数进行安全验证，得到验证结果。6.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：方涛，李勇，罗凤梅，李超群，奉山森，魏强，贾瑞明，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：