道路环境协同感知决策方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116033387A(43)申请公布日2023.04.28(21)申请号202211518546.7(22)申请日2022.11.30(71)申请人西部科学城智能网联汽车创新中心（重庆）有限公司地址400000重庆市九龙坡区高新区金凤镇新凤大道99号(72)发明人张锐曹晓航陈杨王年明(74)专利代理机构北京科领智诚知识产权代理事务所(普通合伙)11782专利代理师吕梦雪(51)Int.Cl.H04W4/44(2018.01)G06V20/56(2022.01)H04W4/38(2018.01)权利要求书3页说明书9页附图4页(54)发明名称道路环境协同感知决策方法及装置(57)摘要本发明公开了一种道路环境协同感知决策方法及装置，涉及能网联技术领域。其中包括：获取多个边缘计算单元上传的感知数据，以及云平台下发的感知数据，其中，所述多个边缘计算单元部署在不同的路口；根据所述多个边缘计算单元上传的感知数据和所述云平台下发的感知数据，确定待分析数据；利用由多个弱学习分类器构成的强学习分类器对所述待分析数据进行协同感知决策，得到协同感知置信度信息；将所述协同感知置信度信息下发至所述不同的路口。通过应用本申请的技术方案，能够使道路环境感知同时满足覆盖范围广、高准确度和低延时的要求。CN116033387ACN116033387A权利要求书1/3页1.一种道路环境协同感知决策方法，其特征在于，应用于MECC控制器，所述MECC控制器部署在基站侧，包括：获取多个边缘计算单元上传的感知数据，以及云平台下发的感知数据，其中，所述多个边缘计算单元部署在不同的路口；根据所述多个边缘计算单元上传的感知数据和所述云平台下发的感知数据，确定待分析数据；利用由多个弱学习分类器构成的强学习分类器对所述待分析数据进行协同感知决策，得到协同感知置信度信息，其中，所述协同感知置信度信息包括协同感知决策结果、时间戳、事件类型和事件发生的位置信息，所述强学习分类器表征有不同待分析数据与不同协同感知决策结果之间的映射关系；将所述协同感知置信度信息下发至所述不同的路口。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个边缘计算单元上传的感知数据和所述云平台下发的感知数据，确定待分析数据，包括：根据所述多个边缘计算单元上传的感知数据，确定所述多个边缘计算单元分别识别到的实体目标数据；根据所述云平台下发的感知数据，确定所述云平台感知的交通参与者数据；若所述实体目标数据涉及多个实体目标，且所述交通参与者数据涉及多个交通参与者，则根据所述实体目标数据和所述交通参与者数据，计算任意一个实体目标与任意一个交通参与者之间的相似度；根据所述相似度，确定属于同一实体的交通参与者和实体目标，并将属于同一实体的交通参与者和实体目标进行同组划分，得到多个实体目标与交通参与者的组合；将同一组合中实体目标和交通参与者分别对应的实体数据进行横向拼接，得到多组拼接后的数据；将所述多组拼接后的数据确定为所述待分析数据。3.根据权利要求1所述的方法，其特征在于，所述利用由多个弱学习分类器构成的强学习分类器对所述待分析数据进行协同感知决策，得到协同感知置信度信息，包括：将所述待分析数据输入至由多个弱学习分类器构成的强学习分类器中进行协同感知决策，得到协同感知决策结果；根据所述待分析数据，确定所述协同感知决策结果对应的时间戳、事件类型和位置信息；根据所述协同感知决策结果、所述时间戳、所述事件类型和所述事件发生的位置信息，确定所述协同感知置信度信息。4.根据权利要求3所述的方法，其特征在于，所述将所述待分析数据输入至由多个弱学习分类器构成的强学习分类器中进行协同感知决策，得到协同感知决策结果，包括：将所述待分析数据分别输入至所述多个弱学习分类器中进行协同感知决策，得到所述多个弱学习分类器分别对应的感知决策结果；根据所述多个弱学习分类器分别对应的权重值，综合所述多个弱学习分类器分别对应的感知决策结果，得到最终的协同感知决策结果。5.根据权利要求4所述的方法，其特征在于，所述将所述待分析数据分别输入至所述多2CN116033387A权利要求书2/3页个弱学习分类器中进行协同感知决策，得到所述多个弱学习分类器分别对应的感知决策结果，包括：针对所述多个弱学习分类器中的任意一个弱学习分类器，将所述待分析数据输入至所述任意一个弱学习分类器中进行协同感知决策，得到不同分类结果对应的概率值；根据所述不同分类结果对应的概率值，确定所述任意一个弱学习分类器对应的感知决策结果。6.根据权利要求1所述的方法，其特征在于，所述获取多个边缘计算单元上传的感知数据，以及云平台下发的感知数据，包括：接收所述基站转发的多个边缘计算单元上传的感知数据，以及所述云平台下发的感知数据