基于多时序网络的仿真交通流变道方法和系统技术方案

本发明专利技术涉及交通流仿真技术领域，提供一种基于多时序网络的仿真交通流变道方法，方法包括：根据至少两帧的交通流历史帧提取车辆历史运动状态；所将车辆历史运动状态输入第一时序网络，得到生成帧中关注车辆的变道结果；确定变道结果为向左变道或向右变道，则将车辆历史运动状态输入第二时序网络，得到生成帧中关注车辆的横向加速度；将车辆历史运动状态输入第三时序网络，得到生成帧中关注车辆的纵向加速度；本发明专利技术能够针对不同路况仿真得到更为多样真实的变道交通流；同时，通过分离横向加速度与纵向加速度，通过两个独立的时序网络进行预测，能够有效避免关联，使得不同量级的横向加速度与纵向加速度预测结果更为准确。速度与纵向加速度预测结果更为准确。速度与纵向加速度预测结果更为准确。

【技术实现步骤摘要】
基于多时序网络的仿真交通流变道方法和系统


[0001]本专利技术涉及交通流仿真
，尤其涉及一种基于多时序网络的仿真交通流变道方法和系统。

技术介绍

[0002]自动驾驶，又称无人驾驶、电脑驾驶或轮式移动机器人，是依靠计算机与人工智能技术在没有人为操纵的情况下，完成完整、安全、有效的驾驶的一项前沿科技。
[0003]在21世纪，由于汽车用户的不断增加，公路交通面临的拥堵、安全事故等问题越发严重。自动驾驶技术在车联网技术和人工智能技术的支持下，能够协调出行路线与规划时间，从而大程度提高出行效率，并在一定程度上减少能源消耗。自动驾驶同时还能帮助避免醉驾，疲劳驾驶等安全隐患，减少驾驶员失误，提升安全性。自动驾驶也因此成为各国近年的一项研发重点。
[0004]然而无人驾驶也面临着许多挑战，比如恶劣的天气、复杂的交通环境等等，因此在某些场景下的表现可能无法匹敌人类驾驶员，甚至存在新的更加严重的事故风险(如网络攻击)。
[0005]一些分析显示，在95％的置信度下，无人驾驶系统需要进行约50亿英里的路测才可证明其事故率显著小于人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多时序网络的仿真交通流变道方法，其特征在于，包括：根据至少两帧的交通流历史帧数据提取车辆历史运动状态数据；所述车辆历史运动状态数据包括关注车辆历史运动状态数据和交互车辆历史运动状态数据；将所述车辆历史运动状态数据输入第一时序网络，得到生成帧中所述关注车辆向左变道、保持车道或者向右变道的变道结果；所述第一时序网络是根据第一样本和第一标签训练得到的；确定所述变道结果为向左变道或向右变道，则将所述车辆历史运动状态数据输入第二时序网络，得到生成帧中所述关注车辆的横向加速度；将所述车辆历史运动状态数据输入第三时序网络，得到生成帧中所述关注车辆的纵向加速度；所述第二时序网络是根据第二样本和第二标签训练得到的；所述第三时序网络是根据第三样本和第三标签训练得到的；根据生成帧中所述关注车辆的横向加速度和纵向加速度，得到生成帧中所述关注车辆的运动状态数据。2.根据权利要求1所述的基于多时序网络的仿真交通流变道方法，其特征在于，所述根据生成帧中所述关注车辆的横向加速度和纵向加速度，得到生成帧中所述关注车辆的运动状态数据的步骤包括：根据时间积分所述关注车辆的横向加速度和纵向加速度，得到所述关注车辆的速度；根据时间积分所述关注车辆的速度，得到所述关注车辆的位置。3.根据权利要求2所述的基于多时序网络的仿真交通流变道方法，其特征在于，在所述根据生成帧中所述关注车辆的横向加速度和纵向加速度，得到生成帧中所述关注车辆的运动状态数据的步骤后，还包括：遍历仿真交通流中的全部车辆，得到所述生成帧中全部车辆的运动状态数据；根据设定数量的连续生成帧，得到仿真交通流。4.根据权利要求1所述的基于多时序网络的仿真交通流变道方法，其特征在于，所述将所述车辆历史运动状态数据输入第一时序网络，得到生成帧中所述关注车辆向左变道、保持车道或者向右变道的变道结果的步骤包括：根据所述车辆历史运动状态数据提取关注车辆位置、关注车辆速度、关注车辆加速度、相邻车辆位置、相邻车辆速度以及相邻车辆加速度作为第一输入量集合；基于第一输入量集合运行第一时序网络，得到生成帧中所述关注车辆向左变道、保持车道或者向右变道的变道结果。5.根据权利要求1所述的基于多时序网络的仿真交通流变道方法，其特征在于，所述确定所述变道结果为向左变道或向右变道，则将所述车辆历史运动状态数据输入第二时序网络，得到生成帧中所述关注车辆的横向加速度；将所述车辆历史运动状态数据输入第三时序网络，得到生成帧中所述关注车辆的纵向加速度的步骤包括：确定所述变道结果为向左变道或者向右变道，则...

【专利技术属性】
技术研发人员：任佳萍，李伟，
申请(专利权)人：际络科技上海有限公司，
类型：发明
国别省市：