基于视觉路况和路径规划的辅助驾驶神经网络模型动态调度框架

摘要

在交通运营监管领域,辅助驾驶功能应用日益广泛.如何增强辅助驾驶神经网络模型的环境适应性,是提升交通运营监管精准性的关键问题.现有的辅助驾驶神经网络模型管理方法,一方面难以做到动态更新,另一方面由于模型较大难以在低成本硬件上运行.针对上述问题,提出了一种基于视觉路况和路径规划的辅助驾驶神经网络模型动态调度框架.首先,定义了由气象、光照、路面铺装等多因素组成的视觉路况,对每种视觉路况维护其最优的精简神经网络模型;其次,车载终端进行路径规划,监管平台根据其维护的实时视觉路况,对未来的视觉路况进行预测,将路径划分成若干路段;然后,车载终端根据规划路径上路段的视觉路况和本地模型缓存情况,从监管平台更新神经网络模型;最后,车载终端根据路段的视觉路况,使用最优的神经网络模型进行推断,当实时视觉路况与预测不符时,动态更换神经网络模型.在与交通通信信息中心合作研发的北斗三号部标车载终端上,应用了该框架.采集了广州市黄埔区道路测试数据.实验结果显示,该框架能适配各种视觉路况,显著增强了车载终端辅助驾驶功能的环境适应性.框架在城市道路、高速公路的交通运营监管领域具有较好应用前景.