江西省煤炭工業(yè)科學(xué)研究所 胡小勇
基于多重算法的機車換道模型設(shè)計初探
江西省煤炭工業(yè)科學(xué)研究所 胡小勇
利用三維圖形技術(shù)設(shè)計,采用多種神經(jīng)網(wǎng)絡(luò)算法,簡易實現(xiàn)了發(fā)車模型,為現(xiàn)實安全執(zhí)法、風(fēng)險評估提供科學(xué)指導(dǎo),能為實際工程中的一項具有實際意義的理論分析工具設(shè)計理論指導(dǎo)。
智能系統(tǒng);神經(jīng)網(wǎng)絡(luò)算法;變量;模型;輸入輸出;換道模型;OpenGL三維
智能系統(tǒng)是大數(shù)據(jù)系統(tǒng)開發(fā)應(yīng)用的一個分支范疇,是一個集合研究涵蓋多學(xué)科和協(xié)調(diào)組織,調(diào)研、可行性、研發(fā)、組織質(zhì)控的大系統(tǒng)?,F(xiàn)代科技技術(shù)為智能系統(tǒng)的研發(fā)和發(fā)展,提供可行性和多選擇的方向手段。
智能系統(tǒng)既分整體特性的宏觀,又分個體事件微觀,是一門運用多學(xué)科、多領(lǐng)域、多范疇特性的綜合性系統(tǒng)。國家建立大數(shù)據(jù)系統(tǒng),為智能系統(tǒng)研究提供了一個平臺,能綜合利用先進(jìn)的技術(shù)手段和數(shù)據(jù)支撐,為系統(tǒng)實現(xiàn),增添更多理論模型和方法參考,且能模擬和拓展,并使用大數(shù)據(jù)綜合平臺和方法來檢驗設(shè)想和假設(shè)的可能性,最終得到實驗的結(jié)果,為實際工程開發(fā)或是項目實施節(jié)省費用和時間。
本文著重闡述神經(jīng)網(wǎng)絡(luò)的汽車換道模型設(shè)計和實現(xiàn),為智能系統(tǒng)中分支部分提供一種可行性方法指導(dǎo)。
人工智能網(wǎng)絡(luò)算法的應(yīng)用,在一些實際項目研發(fā)和軟體開發(fā)中占有不可比擬的位置:一是采用多方位,多層次的模擬傳感器監(jiān)測;二就是用總體模擬神經(jīng)網(wǎng)絡(luò),采用多種算法實現(xiàn)特定功能和范疇內(nèi)汽車的動態(tài)變化。
分析在正常行駛或是非正常行駛的狀態(tài)是最為重要的信息,首先需要把行駛環(huán)境附近的空間、環(huán)境、三維立體等事件統(tǒng)稱為障礙物(可能也是汽車),假如前方、后方、左右、上下有障礙物,這樣障礙物相對于行駛的位置就比較重要,第二個重要的信息事件就是障礙物是在行駛物體的前方還是后方或是右邊,還是在左邊,還是在上下空間中。如果行駛狀態(tài)物體兩邊有障礙物,那么行駛物體可以加速或是減速進(jìn)行判別,如果前方有障礙物,那么行駛物體必須要剎車減慢速度并且在允許可能的條件下轉(zhuǎn)彎或是左右變道緊急避讓,因此需要更換行駛物體的方向來達(dá)到換道的情況。
綜上所述,模型算法因此確定多個輸入和多個輸出,多個輸出分別為上下面、左邊、右邊、前后和中間,而輸出則分為轉(zhuǎn)向的方向和適度轉(zhuǎn)向角度、以及加速度矢量方向和速率。這些矢量和定量必需要跟算法及跟進(jìn)模型緊密聯(lián)系起來,輸入輸出的變量都是對應(yīng)每一個行駛狀態(tài)下物體而言,換言之就是要對每一個行駛狀態(tài)和跟進(jìn)的行進(jìn)物體進(jìn)行匯總計算。
(1)變量輸入
變量輸入被定義為前方、后方、左邊,右邊,上下立體及中間,實際上是前后、左中右、上下空間等障礙物離當(dāng)前正常行駛物體的位置,對于測算距離用神經(jīng)網(wǎng)絡(luò)算法模塊將全部信息數(shù)據(jù)可以量化在0-1.0之間的浮點數(shù),這些和隨機動態(tài)生成器有關(guān),模擬的隨機動態(tài)生成器的統(tǒng)一輸出為0-1.0之間,無論是在什么算法模塊和神經(jīng)網(wǎng)絡(luò)模塊中都是使用相同的隨機動態(tài)生成器,這樣可以提高模塊的復(fù)用性。變量輸入被量化成為一組數(shù)據(jù)信息矩陣VISION[3],前后、上下、左右中等障礙物離行駛物體的距離及環(huán)境信息事件數(shù)據(jù)可以分別存儲在VISION[0],VISION[1],VISION[2]等數(shù)據(jù)信息矩陣?yán)锩?。因此必需要了解對象的位置值V[x,y]二維,環(huán)境視力范疇值r,此值在特定算法模塊中模擬產(chǎn)生的。視力范疇有兩個重要作用,一是為了方便算法的計算速度,在視力范疇內(nèi)的所有事件物體都需要計算,假如在視力范疇內(nèi)的沒有事件物體,則表示沒有障礙物。二是方便量化,算法計算距離變化值VISION是把視力范疇內(nèi)的事件離行駛物體的距離除以視力范疇,則得到了0-1.0之間的標(biāo)準(zhǔn)量化。圖1所示是變量輸入量化示意圖。
圖1 變量輸入量化示意圖
(2)變量輸出
變量輸出有多個,轉(zhuǎn)向的方向和適度轉(zhuǎn)向角度、以及加速度矢量方向和速率,在行駛跟進(jìn)的情況下,轉(zhuǎn)向的方向的角度為0,加速度矢量仍然保持為行駛跟進(jìn)模型的定義。當(dāng)然前面所說的變化換道原理生成換道時,例如前方、后方、左右、及上下中間有障礙,控制行駛狀態(tài)物體依據(jù)突發(fā)事件信息得到的概率感覺前方、后方、左右、上下中間行進(jìn)物體速速及速率快慢,神經(jīng)網(wǎng)絡(luò)算法模型應(yīng)該輸出的是0-1.0之間隨機被變化的角度修正值和矢量加速度。
如圖2所示,環(huán)境道路與變化道路之間的線用ax+bz+c=0表示。因此行駛狀態(tài)物體一般都是在一個大平面上,因為在OpenGL里面y軸是向上的,所以用x-z平面來表示行進(jìn)物體行駛的平面,方便習(xí)慣性我們把它看著x-y平面,那么行進(jìn)物體行駛的前后、左右、上下中間的曲線分別為:
根據(jù)圖形表示是兩條直線,在同一個方向上能共有五條直線,所以地圖的編輯里面應(yīng)該要被定義好,假設(shè)不是直道或是直線,則在物體行進(jìn)過程中線性方程式的所有信息參數(shù)有可能就會變。圖2為平臺中行駛的換道模型圖。
圖2 BP網(wǎng)絡(luò)換道基本模型圖
當(dāng)然除神經(jīng)網(wǎng)絡(luò)計算的行駛物體以外,還應(yīng)該把涉及到所有其他的事件信息物體都要稱為障礙物,包括其他行進(jìn)車輛,那么要判斷障礙物在直線的前方、后方、左邊,右邊、中間、上下,還是在一個方向上,我們應(yīng)該把事件物體的參數(shù)坐標(biāo)直接代入線性方程就可以判斷出來。在行駛物體轉(zhuǎn)動一定方向的角度后就必須重新?lián)Q算對應(yīng)這個行駛物體或是其他的線性方程,方向繞軸轉(zhuǎn)動角度θ,那么需要將換算行駛物體的法線向量同樣轉(zhuǎn)動θ,方向轉(zhuǎn)動轉(zhuǎn)變?yōu)槭噶炕蛳蛄康霓D(zhuǎn)動,因此法線向量的換算過程為:
(3)模擬測試
模擬測試是為了網(wǎng)絡(luò)權(quán)值的確定過程,根據(jù)表1中預(yù)設(shè)的變量輸入和變量輸出,可以得到行駛物體、前面跟進(jìn)以及可見性換算法有著緊密的聯(lián)系。
表1 變量輸入輸出樣本值
表1標(biāo)準(zhǔn)化成在0-1.0區(qū)間的隨機數(shù)字,換算生成表2。
我們模擬生成的表格2數(shù)據(jù)信息,也許不可能全部符合實際行駛的規(guī)則,因此要得到一個完全符合實際行駛的數(shù)據(jù)表,需要進(jìn)行詳細(xì)的調(diào)研和分析調(diào)查得到,因此地圖矢量的指定下執(zhí)行,常態(tài)變化后行駛物體應(yīng)當(dāng)考慮回輪情況。神經(jīng)網(wǎng)絡(luò)算法換道中的事件概率情況和控制物體人、事物、空間、時間等因素都應(yīng)該并入神經(jīng)網(wǎng)絡(luò)模型中,所以這個表格信息數(shù)據(jù)只能是一個參考策略。實際中的平臺里,變量的輸入輸出也是要增加很多的,因此需要一個完善既符合實際又能真實反映行駛的樣本數(shù)據(jù)表,來完成平臺的神經(jīng)網(wǎng)絡(luò)模塊設(shè)計。
總而言之為了基礎(chǔ)換道神經(jīng)網(wǎng)絡(luò)模型,特地采用多種神經(jīng)網(wǎng)絡(luò)算法模塊設(shè)計成一個雙向隱像層網(wǎng)絡(luò)體系,雙向影像層的各個節(jié)點分別使用了(2,6),(4,8),(9,9),(10,10),(6,6)的節(jié)點,變量輸入輸出保持多個輸入和多個輸出節(jié)點,遍歷算法循環(huán)迭代次數(shù)在130000到280000之間,均冪次差閾值0.000001,網(wǎng)絡(luò)界限實現(xiàn)了500萬次循環(huán)迭代運算,得到界定的網(wǎng)絡(luò)為:速率在0.35,矢動量在0.18,(6,6)模型,由于差額數(shù)據(jù)關(guān)系,特別是一些信息數(shù)據(jù)出入比較大,17-21項誤差數(shù)據(jù)信息較大,讓模塊在三維動畫模擬演示時候,行駛物體產(chǎn)生不穩(wěn)定性因素多,例如抖動,停滯、竄動等等,所以本神經(jīng)網(wǎng)絡(luò)算法有待改進(jìn)的地方還很多。
表2 量化后的表格
利用OpenGL三維圖形庫開發(fā)標(biāo)準(zhǔn)來實施,采用多種算法模塊,簡單完成了觸發(fā)模型算法,基本完成了換道模型的設(shè)計之初衷,對現(xiàn)實安全執(zhí)法、風(fēng)險評估等有一定指導(dǎo)意義。因個人技術(shù)水平和能力有限,只實現(xiàn)了部分功能模塊的簡答設(shè)計和初探。
[1]高宇,隋修寶,陳錢,顧國華.紅外圖像處理算法硬件實現(xiàn)驗證系統(tǒng)[J].紅外技術(shù),2012(11).
[2]陳寶國,樊養(yǎng)余,張學(xué)峰,王?。t外焦平面陣列非均勻性校正的改進(jìn)神經(jīng)網(wǎng)絡(luò)算法[J].紅外技術(shù),2012(12).
[3]陳寶國,鄭志偉,黃士科,沈振康.利用FPGA實現(xiàn)紅外焦平面器件的非均勻性校正[J].紅外與激光工程,2000(04).
胡小勇,江西省煤炭工業(yè)科學(xué)研究所,主要研究方向:嵌入式系統(tǒng)研發(fā)、網(wǎng)絡(luò)信息技術(shù)等。