本发明涉及智能汽车领域,特别是涉及一种基于机器学习的智能汽车驾驶控制系统及方法。
背景技术:
1、智能汽车是指在现代汽车基础上,通过集成先进的计算机科技、传感器技术、人工智能等,使汽车具备更高级别的智能化、自主化和自动化能力的车辆。随着智能汽车的发展,目前智能汽车可以通过语音识别技术,与驾驶员和乘客进行交流,实现语音导航、控制车辆实现自动驾驶,即无需人类驾驶员干预的情况下,自主感知环境、做出决策并进行驾驶。
2、但是目前大多数智能汽车还停留在只能机械地识别用户语言,重复用户语言,不能做到真正准确的理解用户意图,给出个性化路线推荐。并且目前大多数智能汽车只能按照用户语言指令将用户点到点载至目的地,在自动驾驶阶段不能综合环境预测能力进行路径动态调整、重新规划,造成用户出行体验感差。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种基于机器学习的智能汽车驾驶控制系统及方法,在能够结合机器学习精准识别用户意图,给出个性化路线推荐建议的同时,还可以结合路线实时环境状态,实现自主动态调整、重新规划路线任务,提高用户出行体验。
2、本发明的一个方面,提供一种基于机器学习的智能汽车驾驶控制系统,该系统包括:
3、自然语言捕获单元,用于通过车辆与用户之间的人机交互,获取用户的语言指令;
4、训练及信息融合单元,用于将所述语言指令分别推送至预设的大语言模型和离线人工神经网络中进行训练识别,获得与所述语言指令对应的用户意图原始信息和用户偏好信息,并将所述用户意图原始信息与所述用户偏好信息进行融合输出,获得用户意图优化信息;
5、兴趣点决策单元,用于将所述用户意图优化信息进行解码而获得与所述用户意图优化信息对应的兴趣点信息,并将所述兴趣点信息输入预设的规则库进行用户偏好推演以生成推荐路线并发送至用户端等待用户决策;
6、环境监测单元,用于监测所述用户决策确定的路线信息中兴趣点的环境状态、所述路线的当前交通状态信息和所述车辆的当前健康状态信息;
7、动态路径解析模块,用以接收并解析用户决策确定的路线信息,并综合所述环境监测单元监测的环境信息,控制车辆行驶。
8、在一些实施例中,所述动态路径解析模块用于根据所述环境监测单元给出的当前时刻监测信息,预测出相对于当前时刻的预设规划时长之内的行驶路线,并不断迭代预测以控制车辆行驶。
9、本发明的另一个方面,提供一种基于机器学习的智能汽车的驾驶控制方法,该方法包括:
10、通过车辆与用户之间的人机交互,获取用户的语言指令;
11、将所述语言指令分别推送至预设的大语言模型和离线人工神经网络中进行训练识别,获得与所述语言指令对应的用户意图原始信息和用户偏好信息,并将所述用户意图原始信息与所述用户偏好信息进行融合输出,获得用户意图优化信息;
12、将所述用户意图优化信息进行解码而获得与所述用户意图优化信息对应的兴趣点信息,并将所述兴趣点信息输入预设的规则库进行用户偏好推演以生成推荐路线并发送至用户端等待用户决策;
13、将用户决策确定的路线信息进行解析,并综合所述用户决策确定的路线信息中兴趣点的环境状态、所述路线的当前交通状态信息和所述车辆的当前健康状态信息,控制车辆行驶。
14、在一些实施例中,所述方法还包括:根据所述用户决策确定的路线信息中兴趣点的当前环境状态、所述路线的当前交通状态和所述车辆的当前健康状态,给出相对于当前时刻的预设规划时长之内的行驶路线,并不断迭代预测以控制车辆行驶。
15、上述基于机器学习的智能汽车驾驶控制系统及方法,在智能车驾驶控制系统自然语言捕获单元中通过车辆与用户之间的人机交互,获取用户的语言指令;通过训练及信息融合单元,将所述语言指令分别推送至预设的大语言模型和离线人工神经网络中进行训练识别,获得与所述语言指令对应的用户意图原始信息和用户偏好信息,并将所述用户意图原始信息与所述用户偏好信息进行融合输出,获得用户意图优化信息,能够结合机器学习精准识别用户意图。并且通过兴趣点决策单元,将所述用户意图优化信息进行解码而获得与所述用户意图优化信息对应的兴趣点信息,并将所述兴趣点信息输入预设的规则库进行用户偏好推演以生成推荐路线并发送至用户端等待用户决策,能够给用户个性化路线推荐建议。此外,智能车驾驶控制系统的动态路径解析单元通过综合环境监测单元监测到的所述用户决策确定的路线信息中兴趣点的当前环境状态、所述路线的当前交通状态和所述车辆的当前健康状态,给出相对于当前时刻的预设规划时长之内的行驶路线,并不断迭代预测以控制车辆行驶,能够结合路线实时环境状态,实现自主动态调整、重新规划路线的任务,提高用户出行体验。
1.一种基于机器学习的智能汽车驾驶控制系统,其特征在于,包括自然语言捕获单元、训练及信息融合单元、兴趣点决策单元、环境监测单元以及动态路径解析单元;其中:
2.根据权利要求1所述的系统,其特征在于,所述智能汽车驾驶控制系统还包括规则库,所述规则库通过所述车辆与所述用户的人机交互积累用户个性化特征值以形成。
3.根据权利要求2所述的系统,其特征在于,所述规则库还用于与所述训练及信息融合单元中预设的离线人工神经网络进行交互,并根据通过离线训练获得的用户偏好信息更新规则库。
4.根据权利要求1所述的系统,其特征在于,所述动态路径解析单元用于根据所述环境监测单元给出的当前时刻监测信息,预测出相对于当前时刻的预设规划时长之内的行驶路线,并不断迭代预测以控制车辆行驶。
5.一种基于机器学习的智能汽车驾驶控制方法,其特征在于,所述控制方法包括如下步骤:
6.根据权利要求5所述的方法,其特征在于,还包括以下步骤:
7.根据权利要求6所述的方法,其特征在于,所述将语言指令推送至预设的离线人工神经网络中进行训练识别获得用户偏好信息还包括:
8.根据权利要求5所述的方法,其特征在于,所述将用户决策确定的路线信息进行解析,并综合所述用户决策确定的路线信息中兴趣点的环境状态、所述路线的当前交通状态信息和所述车辆的当前健康状态信息,控制车辆行驶,包括:
9.一种智能汽车,其特征在于,所述智能汽车包括权利要求1至4任意一项所述的基于机器学习的智能汽车驾驶控制系统。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求5至8中任一项所述的方法的步骤。