【技術實現步驟摘要】
本專利技術涉及自動駕駛，尤其是涉及一種l4級別自動駕駛車輛的數據處理方法、系統及介質。
技術介紹
1、隨著科技的不斷發展，自動駕駛技術也在不斷地發展，越來越成為人們關注的話題和研究的方向。
2、現有技術中，中國專利(申請號：202210862664.3，公開號：cn115098554a)公開了車輛自動駕駛數據處理方法、裝置、電子設備和存儲介質，接收云端發送的至少一個待處理任務；根據待處理任務，采集車輛的指定數據；根據與待處理任務對應的預設篩選規則對指定數據進行篩選，得到篩選后的數據；將篩選后的數據上傳至云端，以使用戶基于終端設備從云端下載待處理任務對應的數據并進行處理。該方案中，車輛與平臺之間的連接是基于測試道路中的局域網來完成的，對于不具有局域網的地區則無法實時上傳數據到云端，且局域網的建設成本較大；同時該技術采集的是l3級別的自動駕駛數據，未涉及更高級別的l4級別自動駕駛數據處理與仿真。
3、現有技術中，中國專利(申請號：202311802565.7，公開號：cn117950334a)公開了自動駕駛車輛的仿真數據處理方法、裝置、存儲介質及車輛，該方法包括：響應于接收到對自動駕駛車輛的仿真操作，獲取自動駕駛車輛的仿真數據，其中，仿真數據用于表示對自動駕駛車輛進行事故仿真生成的數據；基于仿真數據確定自動駕駛車輛的報警數據和車輛速度集合，其中，報警數據用于表示自動駕駛車輛在事故仿真過程中的報警狀態，車輛速度集合包含自動駕駛車輛在不同行駛時間點的車輛速度；根據報警數據和車輛速度集合確定開始截取時間點和結束截取
技術實現思路
1、鑒于以上現有技術的不足，本專利技術提供了一種l4級別自動駕駛車輛的數據處理方法、系統及介質，不僅能夠對車輛的數據進行精確的處理，而且自動駕駛車輛與平臺的通信以及數據包的云端上傳不需要依賴于專網實現，通過公網便可實現功能，可以縮減項目建設成本。
2、為了實現上述目的及其他相關目的，本專利技術提供的技術方案如下：一種l4級別自動駕駛車輛的數據處理方法，所述方法包括：
3、u1.車輛行駛過程中，采集車輛的運動狀態數據信息，并進行反序列化和清洗處理，得到處理后的車輛的運動狀態數據信息；
4、u2.將所述處理后的車輛的運動狀態數據信息輸入訓練好的基于貢獻度驗證的多元非線性回歸模型，對車輛的運動狀態與運行質量的相關性進行表征，得到車輛的運動狀態與運行質量的相關性數據信息；
5、u3.基于所述車輛的運動狀態與運行質量的相關性數據信息，采用基于自適應反饋調節因子的神經網絡算法對車輛運行質量進行表征，得到車輛的運行質量數據信息；
6、u4.基于所述車輛的運行質量數據信息，構建車輛的運行質量評估函數f，對車輛的運行質量進行評估，得到車輛的運行質量評估數據信息。
7、進一步的，所述方法還包括：
8、u5.基于所述車輛的運行質量評估數據信息，設置預設閾值，若車輛的運行質量評估數據小于預設閾值則車輛的運行質量不滿足要求，需對車輛的運行狀態進行調整，若車輛的運行質量評估數據大于預設閾值則車輛的運行質量滿足要求，正常行駛。
9、進一步的，在步驟u2中，所述訓練好的基于貢獻度驗證的多元非線性回歸模型包括：
10、u21.基于所述處理后的車輛的運動狀態數據信息，構建車輛的運動狀態數據集，并建立車輛運動狀態數據集的貢獻度函數qi,
11、
12、其中，xi為處理后的第i時刻的車輛的運動狀態數據信息，xj為處理后的第j時刻的車輛的運動狀態數據信息，m為樣本容量，對車輛的運動狀態數據集的貢獻度進行推算，得到車輛的運動狀態數據集的貢獻度數據信息；
13、u22.基于所述車輛的運動狀態數據集的貢獻度數據信息，按貢獻度的升序進行排列，將車輛的運動狀態數據集劃分為訓練數據集train與驗證數據集val，
14、
15、其中，xi為處理后的第i時刻的車輛的運動狀態數據信息，xk為處理后的第k時刻的車輛的運動狀態數據信息，m為樣本容量，k為分界點，n為常量參數，得到車輛的運動狀態的訓練數據集和車輛的運動狀態的驗證數據集；
16、u23.基于所述車輛的運動狀態的訓練數據集，建立車輛運行質量的第一表征函數w1，
17、
18、其中，xi為處理后的第i時刻的車輛的運動狀態數據信息，n為常量參數，r為車輛的運動狀態的權重向量，α為車輛運行質量的第一表征參數，g為高緯特征空間函數，b為模型的偏置常量參數，對車輛運行質量的第一表征參數進行優化，得到優化后的車輛運行質量的第一表征參數數據信息，基于所述車輛的運動狀態的驗證數據集，建立車輛運行質量的第二表征函數w2，
19、
20、其中，xk為處理后的第k時刻的車輛的運動狀態數據信息，k為分界點，n為常量參數，m為樣本容量，δ為車輛運行質量的第二表征參數，b為模型的偏置常量參數，βk為優化因子，對車輛運行質量的第二表征參數進行優化，得到優化后的車輛運行質量的第二表征參數數據信息；
21、u24.基于所述優化后的車輛運行質量的第二表征參數數據信息和所述優化后的車輛運行質量的第一表征參數數據信息，建立貢獻度驗證的多元非線性回歸r，
22、
23、其中，m為樣本容量，xi為處理后的第i時刻的車輛的運動狀態數據信息，γi為車輛運行質量的關系決定因子，α0為優化后的車輛運行質量的第一表征參數數據信息，δ0為優化后的車輛運行質量的第二表征參數數據信息，b為模型的偏置常量參數，f為多元關系向量回歸函數，對車輛的運動狀態與運行質量的相關性進行表征，得到車輛的運動狀態與運行質量的相關性數據信息。
24、進一步的，所述高緯特征空間函數g為，
25、
26、其中，xi為處理后的第i時刻的車輛的運動狀態數據信息，ηi為高維特征空間權重向量。
27、進一步的，所述多元關系向量回歸函數f為，
28、
29、其中，xi為處理后的第i時刻的車輛的運動狀態數據信息，α0為優化后的車輛運行質量的第一表征參數數據信息，δ0為優化后的車輛運行質量的第二表征參數數據信息。
30、進一步的，所述優化因子βk的約束條件為，
31、
32、進一步的，在步驟u3中，所述采用基于自適應反饋調節因子的神經網絡算法對車輛運行質量進行表征包括：
33、u31.基于所述車輛的運動狀態與運行質量的相關性數據信息，構建車輛的運動狀態與運行質量的相關性數據集；
34、u32.將所述車輛的運動狀態與運行質量的相關性數據集輸入基于自適應本文檔來自技高網...
【技術保護點】
1.一種L4級別自動駕駛車輛的數據處理方法，其特征在于，所述方法包括：
2.根據權利要求1所述的L4級別自動駕駛車輛的數據處理方法，其特征在于，所述方法還包括：
3.根據權利要求1所述的L4級別自動駕駛車輛的數據處理方法，其特征在于，在步驟U2中，所述訓練好的基于貢獻度驗證的多元非線性回歸模型包括：
4.根據權利要求3所述的L4級別自動駕駛車輛的數據處理方法，其特征在于：所述高緯特征空間函數g為，
5.根據權利要求3所述的L4級別自動駕駛車輛的數據處理方法，其特征在于：所述多元關系向量回歸函數f為，
6.根據權利要求3所述的L4級別自動駕駛車輛的數據處理方法，其特征在于：所述優化因子βk的約束條件為，
7.根據權利要求1所述的L4級別自動駕駛車輛的數據處理方法，其特征在于，在步驟U3中，所述采用基于自適應反饋調節因子的神經網絡算法對車輛運行質量進行表征包括：
8.根據權利要求1所述的L4級別自動駕駛車輛的數據處理方法，其特征在于：所述車輛的運行質量評估函數F為，
9.一種L4級別自動駕
10.一種計算機可讀存儲介質，其特征在于，該計算機可讀存儲介質上存儲有被編程或配置以執行權利要求1～8中任意一項所述的L4級別自動駕駛車輛的數據處理方法的計算機程序。
...【技術特征摘要】
1.一種l4級別自動駕駛車輛的數據處理方法，其特征在于，所述方法包括：
2.根據權利要求1所述的l4級別自動駕駛車輛的數據處理方法，其特征在于，所述方法還包括：
3.根據權利要求1所述的l4級別自動駕駛車輛的數據處理方法，其特征在于，在步驟u2中，所述訓練好的基于貢獻度驗證的多元非線性回歸模型包括：
4.根據權利要求3所述的l4級別自動駕駛車輛的數據處理方法，其特征在于：所述高緯特征空間函數g為，
5.根據權利要求3所述的l4級別自動駕駛車輛的數據處理方法，其特征在于：所述多元關系向量回歸函數f為，
6.根據權利要求3所述的l4級別自動駕駛車輛的數據處理方法，其特征在于：所述優化因子βk的約束條件...
【專利技術屬性】
技術研發人員：楊凱祥，張建海，夏鳴春，裴雙紅，梁立宇，
申請(專利權)人：東風汽車集團股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。