一种结合社会生成对抗网络的意图轨迹预测方法技术

本发明专利技术公开了一种结合社会生成对抗网络的意图轨迹预测方法，具体按照以下步骤实施：步骤1、预处理车辆轨迹数据；步骤2、基于步骤1预处理后的数据识别驾驶意图并进行数据标记，生成特征向量；步骤3、由社会生成对抗网络构成轨迹输出模块，轨迹输出模块中的编码层将历史轨迹信息编码为上下文向量，解码层结合上下文向量和已识别的驾驶意图信息预测未来轨迹。本发明专利技术解决了现有技术中存在的社会生成对抗网络车辆间交互特征简单，没有考虑驾驶员自身行为对车辆轨迹的影响的问题。

【技术实现步骤摘要】
一种结合社会生成对抗网络的意图轨迹预测方法
本专利技术属于车辆轨迹预测
，具体涉及一种结合社会生成对抗网络的意图轨迹预测方法。
技术介绍
随着汽车保有量的不断攀升，由其带来的交通安全问题也愈发严重。虽然传统的汽车安全控制系统在一定程度上能够改善汽车行驶安全性，但由于这类系统一般不考虑汽车行驶过程中人和环境的因素，其作用仍然十分有限，因此基于神经网络的轨迹预测逐渐成为轨迹预测研究领域的热点。针对神经网络方法中社会生成对抗网络车辆间交互特征简单，没有考虑驾驶员自身行为对车辆轨迹的影响，专利技术了一种结合社会生成对抗网络的意图轨迹预测方法执行基于自动驾驶数据集上的轨迹预测任务，取得了较现有研究更好的预测结果。车辆轨迹预测方法主要分为3类：基于神经网络的轨迹预测方法、基于马尔科夫模型的轨迹预测方法以及基于频繁轨迹模式的轨迹预测。其中基于马尔科夫模型的轨迹预测方法准确率较低，计算复杂度高；基于频繁轨迹模式的轨迹预测方法只能用于特定场景下每日遵循相似路径的目标。基于神经网络的轨迹预测方法与上述轨迹预测方法相比，改善了上述方法的缺陷。自动驾驶汽车需要解本文档来自技高网...

【技术保护点】
1.一种结合社会生成对抗网络的意图轨迹预测方法，其特征在于，具体按照以下步骤实施：/n步骤1、预处理车辆轨迹数据；/n步骤2、基于步骤1预处理后的数据识别驾驶意图并进行数据标记，生成特征向量；/n步骤3、由社会生成对抗网络构成轨迹输出模块，轨迹输出模块中的编码层将历史轨迹信息编码为上下文向量，解码层结合上下文向量和已识别的驾驶意图信息预测未来轨迹。/n

【技术特征摘要】
1.一种结合社会生成对抗网络的意图轨迹预测方法，其特征在于，具体按照以下步骤实施：
步骤1、预处理车辆轨迹数据；
步骤2、基于步骤1预处理后的数据识别驾驶意图并进行数据标记，生成特征向量；
步骤3、由社会生成对抗网络构成轨迹输出模块，轨迹输出模块中的编码层将历史轨迹信息编码为上下文向量，解码层结合上下文向量和已识别的驾驶意图信息预测未来轨迹。


2.根据权利要求1所述的一种结合社会生成对抗网络的意图轨迹预测方法，其特征在于，所述步骤1中预处理车辆轨迹数据为其中，为被预测车辆的历史轨迹信息；E(t)为环境信息；e表示被预测车辆；t表示当前时间。


3.根据权利要求2所述的一种结合社会生成对抗网络的意图轨迹预测方法，其特征在于，所述步骤1中被预测车辆的历史轨迹信息其中，x(t)为被预测车辆横向坐标；y(t)为被预测车辆纵向坐标；为被预测车辆的绝对速度；t表示当前时间；e表示被预测车辆。


4.根据权利要求2所述的一种结合社会生成对抗网络的意图轨迹预测方法，其特征在于，所述步骤1中被预测车辆的环境信息E(t)由被预测车辆左前、正前、右前、左后、正后、右后的邻近车辆的历史轨迹信息和被预测车辆的两个标志位组成，两个标志位分别为右车道标志位左车道标志位环境信息E(t)表示为



式中，其中Δxi(t)为第i个位置处的车辆与被预测车辆的横向相对距离；i属于1到6之间的值；t表示当前时间；Δyi(t)为第i个位置处的车辆与被预测车辆的纵向相对距离；为第i个位置处的车辆的绝对速度；为右车道标志位，r表示右车道，其中，若被预测车辆存在右车道，则为1，否则为0；为左车道标志位，l表示左车道，其中，若被预测车辆存在左车道，则为1，否则为0。


5.根据权利要求2所述的一种结合社会生成对抗网络的意图轨迹预测方法，其特征在于，所述步骤2中识别驾驶意图以及数据标记，具体如下，将轨迹片段分成向左换道、向右换道和直线行驶3类，并附上相应标记：向左换道标记为1，向右换道标记为2，直线行驶标记为3，分类依据是：首先求出车辆轨迹和车道线的交点，将交点定义为换道点，由车辆横向坐标x(t)和纵向坐标y(t)计算出车辆的航向角θ，航向角θ表示为



然后从换道点向时间轴反方向遍历每个采样点的航向角θ，若轨迹序列连续3个采样点的|θ|≤θs，θs表示换道起始点航向角阈值，则将第1次达到阈值θs的位置定义为换道起点；最后从换道点时间轴正方向遍历每个采样点的航向角θ，若轨迹序列连续3个采样点的|θ|≤θe，θe表示换道终止点航向角阈值，则将第1次达到阈值θe的位置定义为换道终点。


6.根据权利要求5所述的一种结合社会生成对抗网络的意图轨迹预测方法，其特征在于，所述步骤2中生成特征向量具体如下：
将步骤1中预处理车辆轨迹数据I(t)通过全连接网络处理后，随即输入长短时记忆网络，全连接网络包括128个神经元，全连接网络的激活函数为ReLU，长短时记忆网络读取当前时刻的预处理车辆轨迹数据I(t)和上一时刻输出的历史轨迹信息的隐藏状态，以此更新当前时刻的隐藏状态，将当前时刻的隐藏状态输入逻辑回归函数，输出概率矩阵Ω＝(ω1,ω2,ω3)，其中ω1表示向左换道概率，ω2表示直线行驶的概率，ω3表示向右换道的概率，识别驾驶意图选用分类交叉熵作为损失函数，优化器采用随机优化Adam算法，学习率...

【专利技术属性】
技术研发人员：姚全珠，侯捷，费蓉，陈晨，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61