一种交通状态感知信息的预测方法及系统技术方案

本发明专利技术公开了一种交通状态感知信息的预测方法及系统，训练得到交通状态感知模型，该模型由多个车辆的车辆跟驰模型组成，其中，前车的车辆跟驰模型输出的轨迹数据输入到后车的车辆跟驰模型中，在训练时该模型中的各个车辆的车辆跟驰模型同时训练，每个车辆的车辆跟驰模型输入的轨迹数据是采样确定的；将采集得到的前车轨迹数据及后车轨迹数据输入到该交通状态感知模型中对应后车的车辆跟驰模型中，输出得到交通状态感知信息。这样，本发明专利技术实施例通过对车辆跟驰模型的结构进行更改，且在训练时对模型的输入参数采用计划采样确定，从而实现了对交通状态感知模型的优化，减少交通状态感知信息的预测误差。态感知信息的预测误差。态感知信息的预测误差。

【技术实现步骤摘要】
一种交通状态感知信息的预测方法及系统


[0001]本专利技术涉及人工智能
，特别涉及一种交通状态感知信息的预测方法及系统。

技术介绍

[0002]随着人工智能技术及物联网的快速发展，出现了智能交通系统。该智能交通系统可以采用训练得到的神经网络模型对诸如交通流量数据或车辆行驶轨迹数据等的交通状态感知信息进行预测，将预测结果应用在无人驾驶车辆中，进行控制驾驶决策。
[0003]在不同的交通场景下，采用不同的神经网络模型进行交通状态感知信息的预测。
[0004]在时间维度稀疏的场景下，训练得到基于时间维度的神经网络模型进行交通流量数据的预测。轨迹数据在时间维度稀疏是指：连续车队的轨迹数据在时间维度被稀疏采样的情况。这种场景常常出现于匝道控制等问题当中，如：通过设置在上游匝道内的少量感应线圈采集得到车辆的行驶轨迹数据后，通知在下游匝道上设置的匝道信号灯处理器，以使匝道信号灯处理器能够及时获得上游匝道的交通状态，采用控制匝道信号灯的方式调整匝道驶入的车辆数量。在该场景下，训练得到的神经网络模型则通过“轨迹填补”的方式补齐缺失的车辆轨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通感知状态信息的预测方法，其特征在于，所述方法包括：将多个车辆的车辆跟驰模型组成交通状态感知模型，其中，前车的车辆跟驰模型输出的轨迹数据输入到后车的车辆跟驰模型中；对交通状态感知模型中的各个车辆的车辆跟驰模型同时训练，其中，将每一车辆作为后车，基于前车的车辆跟驰模型在当前时刻输出的前车轨迹数据及在当前时刻采集的前车轨迹数据进行采样，得到第一采样轨迹数据；将后车的车辆跟驰模型在前一时刻计算得到的后车轨迹数据与在当前时刻采集的后车轨迹数据进行采样，得到第二采样轨迹数据；将第一采样轨迹数据与第二采样轨迹数据输入到后车的车辆跟驰模型中进行当前时刻的训练，根据当前时刻输出的后车轨迹数据对后车的车辆跟驰模型中的权重值进行调整，直到所设定的训练周期结束；在应用所述交通状态感知模型时，将采集得到的前车轨迹数据及后车轨迹数据输入到所述交通状态感知模型中对应后车的车辆跟驰模型中，输出得到后车的交通状态感知信息。2.如权利要求1所述的方法，其特征在于，所述车辆的车辆跟驰模型采用长短期记忆人工神经网络结构。3.如权利要求1所述的方法，其特征在于，所述将后车的车辆跟驰模型在前一时刻计算得到的后车轨迹数据与在当前时刻采集的后车轨迹数据进行采样，得到第二采样轨迹数据包括：所述后车的车辆跟驰模型根据前一时刻采集的前车轨迹数据及采集的后车轨迹数据，计算得到在前一时刻的后车轨迹数据；根据所述在前一时刻的后车轨迹数据及当前时刻采集得到的后车轨迹数据，获取得到所述后车的在当前时刻的第二采样轨迹数据。4.如权利要求3所述的方法，其特征在于，所述根据所述在前一时刻的后车轨迹数据及当前时刻采集得到的后车轨迹数据，获取得到所述后车的在当前时刻的第二采样轨迹数据包括：针对当前时刻采集得到的后车轨迹数据设置第一调整概率值；根据第一调整概率值未占的比率提取所述在前一时刻的后车轨迹数据；根据第一调整概率值所占的比率提取当前时刻采集得到的后车轨迹数据，将提取得到的车辆轨迹数据进行合并后得到的值，作为所述后车的在当前时刻的第二采样轨迹数据；所述第一调整概率值采用设置的衰减函数计算得到，在所述后车的车辆跟驰模型的训练周期内基于时刻逐步衰减为所设置阈值。5.如权利要求1所述的方法，其特征在于，所述基于前车的车辆跟驰模型在当前时刻输出的前车轨迹数据及在当前时刻采集的前车轨迹数据进行采样，得到第一采样轨迹数据包括：采用前车的车辆跟驰模型计算得到当前时刻的前车轨迹数据；采集得到当前时刻的前车轨迹数据；...

【专利技术属性】
技术研发人员：徐鑫，
申请(专利权)人：京东鲲鹏江苏科技有限公司，
类型：发明
国别省市：