基于多重交互行为的交通参与者轨迹预测方法及系统技术方案

本发明专利技术提供一种基于多重交互行为的交通参与者轨迹预测方法及系统，包括：获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建；基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络；对所述交互网络通过预设的目标损失函数进行监督学习训练，输出轨迹预测网络模型，通过所述轨迹预测网络模型进行轨迹预测。本发明专利技术解决了现有技术中对交通参与者轨迹预测不准确的问题，实现将多重交通交互行为进行相互融合，完成轨迹的准确预测。测。测。

【技术实现步骤摘要】
基于多重交互行为的交通参与者轨迹预测方法及系统


[0001]本专利技术涉及智慧交通
，尤其涉及一种基于多重交互行为的交通参与者轨迹预测方法及系统。

技术介绍

[0002]交通参与者未来轨迹预测是根据例如行人、车辆等交通参与者的当前或者历史轨迹与环境信息，对所述交通参与者未来的行驶轨迹进行预测，使自动驾驶车辆根据预测结果进行提前决策，在沿规划出的路径行驶时适当调整轨迹避免与所述交通参与者发生碰撞，以安全地行驶至目的地。
[0003]目前的交通参与者未来轨迹预测方式未考虑现实场景中交通参与者之间运动状态存在的相互影响作用，即社会交互作用，仅分别通过将各个交通参与者视为独立个体，根据各独立个体的历史轨迹点位置坐标进行各个交通参与者未来轨迹的预测，由于社会交互作用也会对交通参与者的运行轨迹产生影响，因此根据该预测方式所得到预测结果进行驾驶决策时容易出现碰撞、干涉等现象。对于自动驾驶汽车而言，面向特定场景或高速道路场景的车辆轨迹预测技术较多，而面向开放的城市道路的交通参与者的轨迹预测技术相对较少。而且大多数的技术往往忽略了交通参与者之间的交互行为以及道路和交通规则的约束。

技术实现思路

[0004]本专利技术提供一种基于多重交互行为的交通参与者轨迹预测方法及系统，用以解决现有技术中对交通参与者轨迹预测不准确的问题，实现将多重交通交互行为进行相互融合，完成轨迹的准确预测。
[0005]本专利技术提供一种基于多重交互行为的交通参与者轨迹预测方法，包括：
[0006]获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建；
[0007]基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络；
[0008]对所述交互网络通过预设的目标损失函数进行监督学习训练，输出轨迹预测网络模型，通过所述轨迹预测网络模型进行轨迹预测。
[0009]根据本专利技术提供的一种基于多重交互行为的交通参与者轨迹预测方法，所述获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建，包括：
[0010]对所述高精地图数据进行矢量化特征提取，构建道路节点特征，并加入道路类型信息；
[0011]对所述道路节点特征中的关键点进行特征编码，完成静态交互层的构建。
[0012]根据本专利技术提供的一种基于多重交互行为的交通参与者轨迹预测方法，对所述高精地图数据进行矢量化特征提取，构建道路节点特征，并加入道路类型信息，具体包括：
[0013]所述道路节点特征包括：道路结构特征和停止线结构特征，选择道路中心线的起点和方向，在相同的空间距离内从线条上均匀地抽取关键点；
[0014]将相邻的关键点依次进行连接，并添加道路类型信息，完成道路结构特征和停止线结构特征的构建。
[0015]根据本专利技术提供的一种基于多重交互行为的交通参与者轨迹预测方法，所述获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建，还包括：
[0016]所述交通参与者通过预设的感知系统对周围的交通参与者进行检测；
[0017]根据检测的结果将每个交通参与者作为一个节点，利用线性层对节点特征进行编码；
[0018]对编码后的节点特征通过全局注意力机制建立动态层之间的交互并通过稀疏化逻辑回归进行处理，完成动态交互层的构建。
[0019]根据本专利技术提供的一种基于多重交互行为的交通参与者轨迹预测方法，所述基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络，具体包括：
[0020]对所述交通灯的信息进行编码，编码后通过线性层进行交通灯特征表示；
[0021]将静态交互层中的关键点特征、动态交互层中的节点特征和交通灯特征通过门控神经网络进行融合，得到隐式特征；
[0022]将所述隐式特征经过预设的sigmoid非线性函数处理得到动静交互权重，控制交互力度；
[0023]基于所述交互力度通过局部图形注意力机制建立交通参与者与道路节点之间的交互关系，进行局部的注意力特征聚合，建立交互网络。
[0024]根据本专利技术提供的一种基于多重交互行为的交通参与者轨迹预测方法，对所述交互网络通过预设的目标损失函数进行监督学习训练，输出轨迹预测网络模型，通过所述轨迹预测网络模型进行轨迹预测，具体包括：
[0025]将交互网络通过目标损失函数进行监督学习；
[0026]所述目标损失函数包含预测估计与目标轨迹的RMSE损失，预测轨迹与目标轨迹之间的KLD损失，训练完成后输出轨迹预测网络模型；
[0027]将动态交互层中交通参与者的节点特征输入至轨迹预测网络模型内的轨迹解码器，解码预测出每个交通参与者的未来轨迹。
[0028]本专利技术还提供一种基于多重交互行为的交通参与者轨迹预测系统，所述系统包括：
[0029]交互层构建模块，用于获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建；
[0030]交互网络构建模块，用于基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络；
[0031]预测模块，用于对所述交互网络通过预设的目标损失函数进行监督学习训练，输出轨迹预测网络模型，通过所述轨迹预测网络模型进行轨迹预测。
[0032]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于多重交互
行为的交通参与者轨迹预测方法。
[0033]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于多重交互行为的交通参与者轨迹预测方法。
[0034]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于多重交互行为的交通参与者轨迹预测方法。
[0035]本专利技术提供的一种基于多重交互行为的交通参与者轨迹预测方法及系统，通过获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建，基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络，对所述交互网络通过预设的目标损失函数进行监督学习训练，输出轨迹预测网络模型，通过所述轨迹预测网络模型进行轨迹预测。对大批量场景数据中的信息进行了学习，在静态图层构建过程中进一步利用了大数据先验知识，从而取得了比现有技术更优的预测结果，实现轨迹的准确预测。
附图说明
[0036]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本专利技术提供的一种基于多重交互行为的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多重交互行为的交通参与者轨迹预测方法，其特征在于，包括：获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建；基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络；对所述交互网络通过预设的目标损失函数进行监督学习训练，输出轨迹预测网络模型，通过所述轨迹预测网络模型进行轨迹预测。2.根据权利要求1所述的基于多重交互行为的交通参与者轨迹预测方法，其特征在于，所述获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建，包括：对所述高精地图数据进行矢量化特征提取，构建道路节点特征，并加入道路类型信息；对所述道路节点特征中的关键点进行特征编码，完成静态交互层的构建。3.根据权利要求2所述的基于多重交互行为的交通参与者轨迹预测方法，其特征在于，对所述高精地图数据进行矢量化特征提取，构建道路节点特征，并加入道路类型信息，具体包括：所述道路节点特征包括：道路结构特征和停止线结构特征，选择道路中心线的起点和方向，在相同的空间距离内从线条上均匀地抽取关键点；将相邻的关键点依次进行连接，并添加道路类型信息，完成道路结构特征和停止线结构特征的构建。4.根据权利要求1所述的基于多重交互行为的交通参与者轨迹预测方法，其特征在于，所述获取高精地图数据和交通参与者的节点特征，进行静态交互层和动态交互层的构建，还包括：所述交通参与者通过预设的感知系统对周围的交通参与者进行检测；根据检测的结果将每个交通参与者作为一个节点，利用线性层对节点特征进行编码；对编码后的节点特征通过全局注意力机制建立动态层之间的交互并通过稀疏化逻辑回归进行处理，完成动态交互层的构建。5.根据权利要求1所述的基于多重交互行为的交通参与者轨迹预测方法，其特征在于，所述基于预设的交通灯信息门控神经网络将所述静态交互层和动态交互层进行动态交互，构建交互网络，具体包括：对所述交通灯的信息进行编码，编码后通过线性层进行交通灯特征表示；将静态交互层中的关键点特征、动态交互...

【专利技术属性】
技术研发人员：付峥，李鹏飞，李阳，李楚璇，周谷越，袁基睿，杨殿阁，骆乃瑞，高旭，时一峰，潘屹峰，
申请(专利权)人：阿波罗智联北京科技有限公司，
类型：发明
国别省市：