科学技术与应用

基于异构硬件约束的智能驾驶模型多目标优化

黄 锐桐

广东海洋大学

朱 弘扬

广东海洋大学

曾 伟新

广东海洋大学

蔡 嘉威

广东海洋大学

DOI: https://doi.org/10.59429/kxjsyy.v2i4.11439

Keywords: 推理精度；帕累托优化；统计建模；XGBoost 模型；NSGA-II 遗传算法

---

Abstract

随着智能驾驶向 L4/L5 级别迈进，高精度端到端感知对硬件的巨大成本压力成为商业化落地的核心瓶 颈。现有研究多聚焦于单一硬件或算法优化，缺乏系统级“成本—精度”权衡建模。本研究通过多元非线性回归和 XGBoost 模型建模硬件成本与推理精度的非线性映射关系，并利用 NSGA-II 遗传算法优化传感器配置与算力平 台选择，嵌入实时性和功能安全等硬约束。结果表明，在保持 mAP ≥ 85% 的前提下，优化方案可降低硬件成本25%~35%，生成适配不同场景的高性价比配置。论文创新性地将帕累托多目标优化理论引入自动驾驶硬件—算法协 同设计，为车企提供全链路决策工具，对推动自动驾驶规模化落地、破解“性能—成本”困境具有重要工程价值， 也为复杂系统多目标优化提供了统计建模新范式。

---

References

[1] 中华人民共和国工业和信息化部.新能源汽车产业发展规划(2021—2035年)[Z].国办发〔2020〕39号.

[2] 朱思峰,李子胥.基于改进型NSGA-II算法的晋中市水资源优化配置[J].中国农村水利水电,2023(5):91-97+105.

[3] 付斌,朱煦晗,涂宁宁.基于XGBoost的智能驾驶车辆换道决策研究[J].汽车技术,2022(11):10-15.

[4] 公茂果,焦李成,杨咚咚,等.进化多目标优化算法研究[J].软件学报,2009,20(2):271-289.

[5] 曲永驭,蔡淑兵,赵晶,等.基于帕累托解集的水资源优化模型及应用[J].水利水电技术(中英文),2024,55(9):38-48.

[6] Deb K, Pratap. A fast and elitist multiobjective genetic algorithm:NSGA-II[J]. IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.

[7] 张学工.关于统计学习理论与支持向量机[J].自动化学报,2000(1):36-46.

[8] 孙志军,薛磊,许阳明,等.深度学习研究综述[J].计算机应用研究,2012,29(8):2806-2810.

[9] Sun P, Kretzschmar H, Dotiwalla X, et al. Scalability in perception for autonomous driving: Waymo open dataset[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition,2020.

[10] Zhai X, Kolesnikov A, Houlsby N, et al. Scaling vision transformers[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition,2022.