CN118013856B 基于hm-trw和hagenn结构搜索的应急救援自动驾驶车辆碰撞风险预测方法及系统 （江苏大学）

基于HM-TRW和HAGENN结构搜索的应急救援本发明公开了一种基于HM_TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测周边运动对象和各种交互关系的重要性、动态嵌入的方法应用于层次注意神经网络进一步学意力的应用位置并采用参数化空间搜索注意力函数，并引入多阶段微分搜索加速以上搜索过2碰撞风险预测模型搭建：利用采集的自车数据和周边运动对象数据构建动态异构图，模型测试：利用数据库中的测试集对训练好的碰撞风险预测模型进碰撞风险预测：实时采集应急救援自动驾驶车辆的数据及周边运动对所述动态异构图的构建为：应急救援车辆及其周边运动对象表示节设置初始高阶记忆队列为空，类型转移向量以相等的概率访问各个类式中，表示类型转移向量最初访问的周边运动对象，Pr(hn+13采取指数衰减分布从集合中选择下一个要访问的各周边运动对象的节点表示是将高阶记忆引导时间随机游走算法的输出与各周边运Pyuy,分别为周边运动对象vj的类型转移向量、原始特征和独热向量，示周边运动对象vj与其它运动对象之间不共享的可学习参数，和xvj分别表示周边运动对象的识别嵌入特征和最终节点表示。irrk表示自车周边的第k个周边运动对象的输4时间戳t下交互关系类型为r的应急救援车对于边缘级注意，采用注意力机制来学习不同类型的交互关系的重要性并通过多考虑不同交互关系类型重要性的应急救援车辆vi的融合对于时间级注意，聚合所有时间戳下应急救援车辆的融合嵌入并将其包装为GieR",PK/Y＝softmax(W2iT+b1)+b2)注意力定位空间对层次注意图嵌入神经网络在预测碰撞风险时计算的注意力进行稀疏化当时间戳为t时，通过矩阵确定是否需要关注交互类型为r的周边运动对象N".,N"表示时间戳t/下交互关系类型r的应急救援车辆vi的所有周边运动对象；5其中，表示ALO中非零值的数量，T表示用于预测碰撞风险的历史时间戳的数量，注意力参数化空间对层次注意图嵌入神经网络在预测碰撞风险时计算的注意力进行稀疏使用超网将定位空间和参数化空间中的参数搜索转换为一i个操作所对应的映射函数和ηβ分别表示结构权重和模型权重的学习率，Ltrain和cou分别表示训练集和6.一种用于实现权利要求1_5任一项所述的基于HM_TRW和HAGENN结构搜索的应急救援6预测模型，包括高阶记忆引导时间随机游走算法、层次注意图嵌7基于HM_TRW和HAGENN结构搜索的应时间随机游走(HM_TRW)和层次注意图嵌入神经网络(HAGENN)结构搜索的应急救援自动驾89[0036]其中，分别为周边运动对象vj的转移向量、原始特征和独热向量，示周边运动对象vj与其它运动对象之间不共享的可学习参数，和xvj分别表示周边[0037]进一步地，所述层次注意图嵌入神经网络进行碰撞风险的预测是通过节点级注[0043]对于边缘级注意，采用注意力机制来学习不同类型的交[0048]对于时间级注意，聚合所有时间戳下应急救援车辆的融合嵌入并将其包装为iT+b1)+b2)[0062]当时间戳为t时，通过矩阵确定是否需要关注交互类型为r的周边运动对象[0068]Apa=A"XARi个操作所对应的映射和ηβ分别表示结构权重和模型权重的学习率，Ltrain和Lval分别表示训练[0083]一种基于HM_TRW和HAGENN结构搜索的应急救援自动驾驶[0089](1)本申请构建了应急救援车辆与周边运动对象交互的动态异构图，可更好地学到周边运动对象的静态特征和动态特征，从而提供更加全面和准确的碰撞风险预测结果。[0090](2)本申请采用高阶记忆引导时间随机游走算法和层次注意图嵌入神经网络来进机游走算法可充分利用周边运动对象的历史数据和非递减时间约束限制来考虑对应急救网络利用层次注意层来分别捕获各个周边运动对象对于应急救援车辆的重要性和二者之[0091](3)本申请通过构建注意力定位和参数化空间来提高模型计算效率，并采用多阶用单次神经架构搜索算法来确定最优体系结[0093]图2为本发明所述基于HM_TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风[0111](1)动态异构图(DyHG)构建：所有运动对象(包括应急救援车辆及其周边运动对[0123]C'e)-put(r,QV)[0136](3)层次注意图嵌入神经网络(HAGENN)：由高阶记忆引导时间随机游走算法得到虑了不同交互关系类型重要性的应急救援车辆vi的融合嵌[0145]对于时间级注意，聚合所有时间戳下应急救援车辆的融合嵌入并将其包装为iT+b1)+b2)[0155](4)注意力定位与参数化空间：层次注意图嵌入神经网络在预测碰撞风险时需要[0159]其中，T表示用于预测碰撞风险的历史时边运动对象N"(时间戳t′下交互关系类型r的应急救援车辆vi的所有周边运动对象)，y.完全决定了注意力函数的应用位置。[0167]为进一步减少参数的数量，提出了一个参数化空间来搜索注意力函数的计算方只能接受来自历史时间的周边运动对象的信时间戳下用于碰撞风险预测的周边运动对象数量和交互关系数量，其中，kro为一个超参i个操作所对应的映射和ηβ分别表示结构权重和模型权重的学习率，Ltrain和Loa分别表示训练[0182](1)数据输入：从划分的训练集中提取自车数据和周边运动对象数据的特征向量[0183](2)模型训练：高阶记忆引导时间随机游走算法和层次注意图嵌入神经网络学习图7(d))则通过分析所预测的碰撞风险，为驾驶员提供安全驾驶方案并以语音播报的形式[0191]本申请的基于HM_TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险预测[0192]本申请所述的基于HM_TRW和HAGENN结构搜索的应急救援自动驾驶车辆碰撞风险术人员对本申请所能做出的任何明显的变型和替换均在本申请的保护