轨迹预测方法、装置及存储介质制造方法及图纸

本公开提供了一种轨迹预测方法、装置及存储介质，属于车辆控制技术领域。方法包括：获取目标车辆在当前时刻的多个第一驾驶行为特征值，目标车辆为本车周围的车辆，多个第一驾驶行为特征值与多个驾驶行为特征一一对应，多个驾驶行为特征为根据多个车辆的历史运动信息得到的与驾驶行为相关的特征，所述驾驶行为包括换道或者直行；根据所述多个第一驾驶行为特征值，识别所述目标车辆在所述当前时刻是否有换道意图；当识别到所述目标车辆在所述当前时刻有换道意图时，获取所述目标车辆与所述本车之间的相对距离；根据所述相对距离，通过预设的轨迹预测方程，预测所述目标车辆的运动轨迹。本公开能够准确识别目标车辆的换道意图，并准确预测运动轨迹。

Trajectory prediction methods, devices and storage media

【技术实现步骤摘要】
轨迹预测方法、装置及存储介质
本公开涉及车辆控制
，特别涉及一种轨迹预测方法、装置及存储介质。
技术介绍
目前，无人驾驶汽车的一大应用场景是混合交通流道路，即无人驾驶汽车和驾驶人驾驶汽车并存的道路上。在该场景中，无人驾驶汽车会受到来自驾驶人驾驶汽车的影响。因此，为了保证用户安全，无人驾驶汽车需要获取周围驾驶人驾驶汽车的轨迹，基于这个轨迹对无人驾驶汽车进行控制，从而保证无人驾驶汽车能够安全高效的抵达目的地。
技术实现思路
本公开实施例提供了一种轨迹预测方法、装置及存储介质，可以准确预测车辆的运动轨迹。所述技术方案如下：第一方面，提供了一种轨迹预测方法，所述方法包括：获取目标车辆在当前时刻的多个第一驾驶行为特征值，所述目标车辆为本车周围的车辆，所述多个第一驾驶行为特征值与多个驾驶行为特征一一对应，所述多个驾驶行为特征为根据多个车辆的历史运动信息得到的与驾驶行为相关的特征，所述驾驶行为包括换道或者直行；根据所述多个第一驾驶行为特征值，识别所述目标车辆在所述当前时刻是否有换道意图；当识别到所述目标车辆在所述当前时刻有换道意图时，获取所述目标车辆与所述本车之间的相对距离；根据所述相对距离，通过预设的轨迹预测方程，预测所述目标车辆的运动轨迹。在本公开实施例中，获取目标车辆在当前时刻的多个第一驾驶行为特征值，根据多个第一驾驶行为特征值，识别目标车辆在当前时刻是否有换道意图。由于多个驾驶行为特征为根据多个车辆的历史运动信息得到的与驾驶行为相关的特征。因此，提高了识别的准确性。并且，当识别出目标车辆在当前时刻有换道意图时，能够根据两车之间的相对距离，准确预测目标车辆的运动轨迹。在一个可能的实现方式中，所述根据所述多个第一驾驶行为特征值，识别所述目标车辆在所述当前时刻是否有换道意图，包括：根据所述多个第一驾驶行为特征值，获取所述目标车辆在所述当前时刻的观测矩阵，所述观测矩阵用于指示所述目标车辆在不同驾驶行为的先验概率；获取所述目标车辆在所述当前时刻之前的上一时刻的第一概率转移矩阵，所述第一概率转移矩阵用于指示所述目标车辆在不同驾驶行为之间的转移概率；根据所述第一概率转移矩阵和所述观测矩阵，确定所述目标车辆在所述当前时刻的第二概率转移矩阵；根据所述第二概率转移矩阵，确定所述目标车辆在所述当前时刻的换道概率，所述换道概率用于指示所述目标车辆进行换道的概率；当所述换道概率大于预设概率时，识别出所述目标车辆在当前时刻有换道意图。在本公开实施例中，根据上一时刻的第一概率转移矩阵和当前时刻的观测矩阵，预测当前时刻的概率转移矩阵，根据当前时刻的概率转移矩阵，识别目标车辆是否有换道意图。由于通过基于上一时刻的第一概率转移矩阵，而上一时刻的第一概率转移矩阵也是通过上上时刻的概率转移矩阵迭代得到的，因此，本公开实施例中，是通过迭代多个历史时刻的概率转移得到当前时刻的第二概率转移矩阵，从而能够实现根据目标车辆的历史驾驶行为，识别出目标车辆的换道意图，进一步提高了意图识别的准确性。在一个可能的实现方式中，所述根据所述多个第一驾驶行为特征值，获取所述目标车辆在所述当前时刻的观测矩阵，包括：根据所述多个第一驾驶行为特征值，确定所述目标车辆的驾驶行为特征向量；获取所述目标车辆在当前时刻之前的预设时长内的平均驾驶行为特征向量，所述平均驾驶行为特征向量包括多个平均驾驶行为特征值，所述多个平均驾驶行为特征值与多个驾驶行为特征一一对应；根据所述驾驶行为特征向量和所述平均驾驶行为特征向量，通过预设的高斯判别公式确定所述目标车辆在所述当前时刻的观测矩阵。在本公开实施例中，通过迭代目标车辆在当前时刻之前的预设时长内的平均驾驶行为特征向量，得到当前时刻的观测矩阵。从而能够实现根据目标车辆的历史驾驶行为，识别出目标车辆的换道意图，进一步提高了意图识别的准确性。在一个可能的实现方式中，所述根据所述相对距离，通过预设的轨迹预测方程，预测所述目标车辆的运动轨迹，包括：获取预设的轨迹预测方程中的横向偏移值和纵向偏移值；获取所述预设的轨迹预测方程中的第一形状参数值和第二形状参数值；根据所述横向偏移值、所述纵向偏移值、所述第一形状参数值、第二形状参数值和所述相对距离，通过所述预设的轨迹预测方程，预测所述目标车辆的运动轨迹。在本公开实施例中，结合横向偏移值和纵向偏移值，以及第一形状参数值和第二形状参数值，预测目标车辆的运动轨迹。由于横向偏移值和纵向偏移值分别用于指示轨迹预测方程中预测出的运动轨迹与目标车辆的实际运动轨迹之间的横向偏差和纵向偏差，第一形状参数值和第二形状参数值分别指示目标车辆的换道风格。由此可见，本公开实施例中，考虑到了横向偏移值和纵向偏移值以及换道风格，因此预测出的运动轨迹更接近目标车辆的实际运动轨迹，从而提高了预测出的运动轨迹的准确性。在一个可能的实现方式中，所述获取所述预设的轨迹预测方程中的第一形状参数值和第二形状参数值，包括：获取第一形状参数的第一概率密度分布和第二形状参数的第二概率密度分布，所述第一概率密度分布包括所述第一形状参数的参数值和概率密度分布的对应关系，所述第二概率密度分布包括所述第二形状参数的参数值和概率密度分布的对应关系；从所述第一概率密度分布中选择最大概率密度值对应的所述第一形状参数值，以及从所述第二概率密度分布中选择最大概率密度值对应的所述第二形状参数值。在本公开实施例中，分布根据第一形状参数值对应的第一概率密度分布和第二形状参数值对应的概率密度分布，确定出概率密度分布值最大的第一形状参数值和第二形状参数值，从而提高了确定出的第一形状参数值和第二形状参数值的准确性，进而进一步提高了轨迹预测的准确性。在一个可能的实现方式中，所述获取第一形状参数的第一概率密度分布和第二形状参数的第二概率密度分布，包括：根据所述目标车辆在当前时刻的位置信息，获取与所述位置信息对应的所述第一概率密度分布和所述第二概率密度分布；或者，根据所述目标车辆在当前时刻的环境信息，获取与所述环境信息对应的所述第一概率密度分布和所述第二概率密度分布。在本公开实施例中，不同位置或者环境信息对应不同的换道风格。因此，获取与位置信息或者环境信息对应的第一概率密度分布和第二概率密度分布，进而提高了获取的第一概率密度分布和第二概率密度分布的准确性，进而进一步提高了后续轨迹预测的准确性。在一个可能的实现方式中，所述方法还包括：获取所述本车与所述目标车辆在所述当前时刻的相对速度；根据所述目标车辆在所述当前时刻的换道概率，确定所述目标车辆在所述当前时刻的直行概率，所述直行概率用于指示所述目标车辆进行直行的概率；获取所述多个第一驾驶行为特征值中每个第一驾驶行为特征值在所述当前时刻的加权系数；根据所述相对速度、所述直行概率、所述多个第一驾驶行为特征值以及所述每个第一驾驶行为特征值在所述当前时刻的加权系数，通过预设的纵向运动方程，确定所述目标车辆在所述当前时刻的下一个时刻的运动速度。在本公开实施例中，不仅可以预测运动轨迹，还可以预测运动速度，从而能够实现时空轨迹的预测，进一步提高了准确性。在一个可能的实现方式中，所述获取所述多个第一驾驶行为特征值中每个第一驾驶行为特征值在所述当前时刻的加权系数，包括：获取所述目标车辆在所述当前时刻之前的上一个时刻的多个第二驾驶行为特征值，以及所述多个本文档来自技高网...

【技术保护点】
1.一种轨迹预测方法，其特征在于，所述方法包括：获取目标车辆在当前时刻的多个第一驾驶行为特征值，所述目标车辆为本车周围的车辆，所述多个第一驾驶行为特征值与多个驾驶行为特征一一对应，所述多个驾驶行为特征为根据多个车辆的历史运动信息得到的与驾驶行为相关的特征，所述驾驶行为包括换道或者直行；根据所述多个第一驾驶行为特征值，识别所述目标车辆在所述当前时刻是否有换道意图；当识别到所述目标车辆在所述当前时刻有换道意图时，获取所述目标车辆与所述本车之间的相对距离；根据所述相对距离，通过预设的轨迹预测方程，预测所述目标车辆的运动轨迹。

【技术特征摘要】
1.一种轨迹预测方法，其特征在于，所述方法包括：获取目标车辆在当前时刻的多个第一驾驶行为特征值，所述目标车辆为本车周围的车辆，所述多个第一驾驶行为特征值与多个驾驶行为特征一一对应，所述多个驾驶行为特征为根据多个车辆的历史运动信息得到的与驾驶行为相关的特征，所述驾驶行为包括换道或者直行；根据所述多个第一驾驶行为特征值，识别所述目标车辆在所述当前时刻是否有换道意图；当识别到所述目标车辆在所述当前时刻有换道意图时，获取所述目标车辆与所述本车之间的相对距离；根据所述相对距离，通过预设的轨迹预测方程，预测所述目标车辆的运动轨迹。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个第一驾驶行为特征值，识别所述目标车辆在所述当前时刻是否有换道意图，包括：根据所述多个第一驾驶行为特征值，获取所述目标车辆在所述当前时刻的观测矩阵，所述观测矩阵用于指示所述目标车辆在不同驾驶行为的先验概率；获取所述目标车辆在所述当前时刻之前的上一时刻的第一概率转移矩阵，所述第一概率转移矩阵用于指示所述目标车辆在不同驾驶行为之间的转移概率；根据所述第一概率转移矩阵和所述观测矩阵，确定所述目标车辆在所述当前时刻的第二概率转移矩阵；根据所述第二概率转移矩阵，确定所述目标车辆在所述当前时刻的换道概率，所述换道概率用于指示所述目标车辆进行换道的概率；当所述换道概率大于预设概率时，识别出所述目标车辆在当前时刻有换道意图。3.根据权利要求2所述的方法，其特征在于，所述根据所述多个第一驾驶行为特征值，获取所述目标车辆在所述当前时刻的观测矩阵，包括：根据所述多个第一驾驶行为特征值，确定所述目标车辆的驾驶行为特征向量；获取所述目标车辆在当前时刻之前的预设时长内的平均驾驶行为特征向量，所述平均驾驶行为特征向量包括多个平均驾驶行为特征值，所述多个平均驾驶行为特征值与多个驾驶行为特征一一对应；根据所述驾驶行为特征向量和所述平均驾驶行为特征向量，通过预设的高斯判别公式确定所述目标车辆在所述当前时刻的观测矩阵。4.根据权利要求1所述的方法，其特征在于，所述根据所述相对距离，通过预设的轨迹预测方程，预测所述目标车辆的运动轨迹，包括：获取预设的轨迹预测方程中的横向偏移值和纵向偏移值；获取所述预设的轨迹预测方程中的第一形状参数值和第二形状参数值；根据所述横向偏移值、所述纵向偏移值、所述第一形状参数值、第二形状参数值和所述相对距离，通过所述预设的轨迹预测方程，预测所述目标车辆的运动轨迹。5.根据权利要求4所述的方法，其特征在于，所述获取所述预设的轨迹预测方程中的第一形状参数值和第二形状参数值，包括：获取第一形状参数的第一概率密度分布和第二形状参数的第二概率密度分布，所述第一概率密度分布包括所述第一形状参数的参数值和概率密度分布的对应关系，所述第二概率密度分布包括所述第二形状参数的参数值和概率密度分布的对应关系；从所述第一概率密度分布中选择最大概率密度值对应的所述第一形状参数值，以及从所述第二概率密度分布中选择最大概率密度值对应的所述第二形状参数值。6.根据权利要求5所述的方法，其特征在于，所述获取第一形状参数的第一概率密度分布和第二形状参数的第二概率密度分布，包括：根据所述目标车辆在当前时刻的位置信息，获取与所述位置信息对应的所述第一概率密度分布和所述第二概率密度分布；或者，根据所述目标车辆在当前时刻的环境信息，获取与所述环境信息对应的所述第一概率密度分布和所述第二概率密度分布。7.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取所述本车与所述目标车辆在所述当前时刻的相对速度；根据所述目标车辆在所述当前时刻的换道概率，确定所述目标车辆在所述当前时刻的直行概率，所述直行概率用于指示所述目标车辆进行直行的概率；获取所述多个第一驾驶行为特征值中每个第一驾驶行为特征值在所述当前时刻的加权系数；根据所述相对速度、所述直行概率、所述多个第一驾驶行为特征值以及所述每个第一驾驶行为特征值在所述当前时刻的加权系数，通过预设的纵向运动方程，确定所述目标车辆在所述当前时刻的下一个时刻的运动速度。8.根据权利要求7所述的方法，其特征在于，所述获取所述多个第一驾驶行为特征值中每个第一驾驶行为特征值在所述当前时刻的加权系数，包括：获取所述目标车辆在所述当前时刻之前的上一个时刻的多个第二驾驶行为特征值，以及所述多个第二驾驶行为特征值中每个第二驾驶行为特征值在所述上一个时刻的加权系数；根据所述每个第二驾驶行为特征值和所述每个第二驾驶行为特征值在所述上一个时刻的加权系数以及所述目标车辆在所述当前时刻的运动速度，通过预设算法，确定所述每个第一驾驶行为特征值在所述当前时刻的加权系数。9.根据权利要求1所述的方法，其特征在于，所述获取目标车辆在当前时刻的多个第一驾驶行为特征值，包括：获取所述多个驾驶行为特征，以及，获取所述目标车辆在所述当前时刻的运动信息，所述运动信息包括运动速度、运动加速度和运动方向中的至少一个；根据所述运动信息和所述多个驾驶行为特征，确定所述目标车辆在所述当前时刻的多个第一驾驶行为特征值。10.根据权利要求9所述的方法，其特征在于，所述获取所述多个驾驶行为特征，包括：向服务器发送获取请求，所述获取请求用于请求所述服务器发送所述多个驾驶行为特征；接收所述服务器根据所述获取请求发送的所述多个驾驶行为特征，所述多个驾驶行为特征为所述服务器根据所述多个车辆的历史运动信息得到的与所述驾驶行为相关的特征。11.根据权利要求9所述的方法，其特征在于，所述获取所述多个驾驶行为特征，包括：获取所述多个车辆的历史运动信息，所述历史运动信息包括运动速度、运动加速度和运动方向中的至少一个；根据所述多个车辆的历史运动信息，通过预设训练模型，确定所述多个驾驶行为特征。12.根据权利要求11所述的方法，其特征在于，所述根据所述多个车辆的历史运动信息，通过预设训练模型，确定所述多个驾驶行为特征，包括：根据所述多个车辆中每个车辆的历史运动信息，分别确定所述每个车辆在历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，所述历史时刻为所述历史运动信息对应的时刻；获取所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，所述统计信息包括均值、标准差、变异系数、均方根、香农熵、对数能量熵和正态熵中的至少一个；根据所述每个车辆在所述历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，以及所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，通过预设训练模型，确定所述多个驾驶行为特征。13.根据权利要求12所述的方法，其特征在于，所述根据所述每个车辆在所述历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，以及所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，通过预设训练模型，确定所述多个驾驶行为特征，包括：根据所述每个车辆在历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，以及所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，通过预设训练模型，确定多个候选驾驶行为特征；从所述多个候选驾驶行为特征中选择与所述驾驶行为相关的多个驾驶行为特征。14.根据权利要求13所述的方法，其特征在于，所述从所述多个候选驾驶行为特征中选择与所述驾驶行为相关的多个驾驶行为特征，包括：通过预设相关度算法，分别确定所述多个候选驾驶行为特征中每个候选驾驶行为特征与所述驾驶行为之间的相关度；根据所述每个候选驾驶行为特征与所述换道行为之间的相关度，从所述多个候选驾驶行为特征中选择相关度满足预设条件的多个驾驶行为特征。15.根据权利要求1所述的方法，其特征在于，所述根据所述相对距离，通过预设的轨迹预测方程，预测所述目标车辆的运动轨迹之后，所述方法还包括：根据所述运动轨迹，确定与所述运动轨迹对应的驾驶策略；根据所述驾驶策略，控制所述本车行驶。16.一种轨迹预测方法，其特征在于，所述方法包括：获取多个车辆的历史运动信息，所述历史运动信息包括运动速度、运动加速度和运动方向中的至少一个；根据所述多个车辆的历史运动信息，通过预设训练模型，确定多个驾驶行为特征，所述多个驾驶行为特征为与驾驶行为相关的特征，所述驾驶行为包括换道或者直行。17.根据权利要求16所述的方法，其特征在于，所述根据所述多个车辆的历史运动信息，通过预设训练模型，确定多个驾驶行为特征，包括：根据所述多个车辆中每个车辆的历史运动信息，分别确定所述每个车辆在历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，所述历史时刻为所述历史运动信息对应的时刻；获取所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，所述统计信息包括均值、标准差、变异系数、均方根、香农熵、对数能量熵和正态熵中的至少一个；根据所述每个车辆在所述历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，以及所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，通过预设训练模型，确定所述多个驾驶行为特征。18.根据权利要求17所述的方法，其特征在于，所述根据所述每个车辆在所述历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，以及所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，通过预设训练模型，确定所述多个驾驶行为特征，包括：根据所述每个车辆在历史时刻的横向速度、线速度、横向加速度和所述每个车辆与所在车道线之间的车道线横向偏差，以及所述每个车辆在所述历史时刻之前的至少一个预设时长内的统计信息，通过预设训练模型，确定多个候选驾驶行为特征；从所述多个候选驾驶行为特征中选择与所述驾驶行为相关的多个驾驶行为特征。19.根据权利要求18所述的方法，其特征在于，所述从所述多个候选驾驶行为特征中选择与所述驾驶行为相关的多个驾驶行为特征，包括：通过预设相关度算法，分别确定所述多个候选驾驶行为特征中每个候选驾驶行为特征与所述驾驶行为之间的相关度；根据所述每个候选驾驶行为特征与所述换道行为之间的相关度，从所述多个候选驾驶行为特征中选择相关度满足预设条件的多个驾驶行为特征。20.根据权利要求16所述的方法，其特征在于，所述根据所述多个车辆的历史运动信息，通过预设训练模型，确定多个驾驶行为特征之后，所述方法还包括：接收车辆发送的获取请求，所述获取请求用于请求所述服务...

【专利技术属性】
技术研发人员：刘会，李升波，杜星星，成波，忻隆，段京良，高洪波，
申请(专利权)人：华为技术有限公司，清华大学，
类型：发明
国别省市：广东,44