一种融合行为意图的周围动态车辆轨迹预测系统及方法技术方案

本发明专利技术公开了一种融合行为意图的周围动态车辆轨迹预测系统及方法，包括轨迹预测模块和行为意图的预测模块，轨迹预测模块是基于需要预测轨迹的目标车辆以及它周围车辆的历史轨迹的信息，作为长短时记忆回归神经网络的输入，由网络预测得到未来时域的预测轨迹；行为意图预测模块，是考虑不同车辆之间的行为交互，利用LSTM分类神经网络来得到基于目标车辆和周围车辆预测轨迹得到的行为意图的概率分布；将上述两个模块结果融合后输入多模态的LSTM轨迹预测神经网络，得到最终的预测轨迹的位置信息。该方法充分利用了车辆的运动信息和周围交通环境的信息，考虑了交通环境的动态变化和不确定性，提高了轨迹预测的准确性，适用于更复杂的驾驶场景。

【技术实现步骤摘要】
一种融合行为意图的周围动态车辆轨迹预测系统及方法
本专利技术属于智能驾驶
，具体指代一种融合行为意图的周围动态车辆轨迹预测系统及方法。
技术介绍
随着汽车保有量的日益增加，道路交通逐渐趋于密集化和复杂化，进而导致驾驶压力的增大，使得驾驶员在正常交通场景下的驾驶能力下降，大大增加了交通事故的发生几率。在智能驾驶决策过程中，能对周围车辆的运动轨迹进行正确的预测，是智能车辆做出合适决策的基础。目前，智能车辆可以通过先进的技术，根据目标车辆的运动状态来对未来的状态进行预测，据此信息来规划自车的行驶路线，但根据自车的运动状态往往有时间的滞后性，不能及时地反映目标车辆未来的运动趋势；目前技术所采用的方法大多依靠某一时刻的信息来预测下一时刻的信息，不能反映出目标车辆的运动特性是动态变化的。本专利技术提出一种基于目标车辆运动信息和车车交互信息的LSTM网络的轨迹预测方法，该方法在基于目标车辆运动信息的基础上，考虑目标车辆周围的交通环境信息，通过分析目标车辆的周围交通信息状态来预测车辆的行为意图，能够提前感知到目标车辆的行为改变，从而提高轨本文档来自技高网...

【技术保护点】
1.一种融合行为意图的周围动态车辆轨迹预测系统，其特征在于，包括：轨迹预测模块、行为意图预测模块及基于多模态的LSTM轨迹预测模块；/n所述轨迹预测模块，基于需要预测的目标车辆以及该车周围车辆的历史轨迹信息，作为长短时记忆回归神经网络的输入，预测得到相关车辆未来时域内的轨迹信息Y

【技术特征摘要】
1.一种融合行为意图的周围动态车辆轨迹预测系统，其特征在于，包括：轨迹预测模块、行为意图预测模块及基于多模态的LSTM轨迹预测模块；
所述轨迹预测模块，基于需要预测的目标车辆以及该车周围车辆的历史轨迹信息，作为长短时记忆回归神经网络的输入，预测得到相关车辆未来时域内的轨迹信息Ypred；
所述行为意图预测模块，考虑周围车辆轨迹对目标车辆轨迹的影响，基于目标车辆和周围车辆的预测轨迹，通过LSTM分类神经网络，预测得到目标车辆的行为意图的概率P(mi|Ypred)；
所述基于多模态的LSTM轨迹预测模块，基于不同的行为意图的概率P(mi|Ypred)和基于运动信息的预测轨迹Ypred为网络输入，通过多模态LSTM网络的计算，得到最终预测轨迹信息的概率分布参数θ，由此最终输出预测轨迹位置的分布P(Y|Xobs)。


2.根据权利要求1所述的融合行为意图的周围动态车辆轨迹预测系统，其特征在于，所述历史轨迹信息Xobs包括：历史时域[-Tobs,0]内纵向位置x、侧向位置y、车速v、加速度a；所述预测得到的轨迹信息Ypred包括：未来时域[0,Tpred]内的纵向位置x、侧向位置y以及车速v。


3.根据权利要求1所述的融合行为意图的周围动态车辆轨迹预测系统，其特征在于，所述行为意图分为纵向及侧向运动两个维度，纵向行为意图分为加速A，减速D及正常行驶N；侧向行为意图分为左换道L，车道保持K和右换道R，故得到行为意图mi∈{AL,AK,AR,DL,DK,DR,NL,NK,NR}。


4.根据权利要求1所述的融合行为意图的周围动态车辆轨迹预测系统，其特征在于，对于LSTM回归神经网络，选取网络输出状态ht的线性组合为轨迹的回归向量



其中，Wy为回归向量的权重系数，by为回归向量的偏置。


5.根据权利要求1所述的融合行为意图的周围动态车辆轨迹预测系统，其特征...

【专利技术属性】
技术研发人员：赵万忠，李琳，陈青云，徐灿，王春燕，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32