【技术实现步骤摘要】
车辆轨迹预测方法、装置、存储介质和电子设备
[0001]本专利技术涉及车辆轨迹预测
,具体涉及一种车辆轨迹预测方法、装置、存储介质和电子设备。
技术介绍
[0002]在车辆预测中分为意图预测和轨迹预测两个过程。其中意图预测是根据不同的场景,通过深度学习神经网络给出各行为意图的概率。而轨迹预测是考虑与主车的交互。
[0003]针对轨迹预测,目前的方法多是运用采样+代价函数选择的方法,其中代价函数参数使用神经网络进行训练,而后给出合理的轨迹预测。
[0004]但现有方法并未考虑到在限制超车的单行道上行驶车队中相邻两车之间的相互作用对轨迹预测的影响,导致预测的轨迹不能很好的匹配真实行驶场景。
技术实现思路
[0005](一)解决的技术问题
[0006]针对现有技术的不足,本专利技术提供了一种车辆轨迹预测方法、装置、存储介质和电子设备,解决了如何获得更好匹配真实行驶场景的车辆轨迹的问题。
[0007](二)技术方案
[0008]为实现以上目的,本专利技术通过以下技术方案予以实现:
[0009]第一方面,提供了一种车辆轨迹预测方法,该方法包括:
[0010]获取目标车辆的行为意图;
[0011]当目标车辆的行为意图为变道时,基于跟驰模型获取目标车辆在预测时长内的位移和目标车辆在变道完成时长内的位移;且预测时长大于变道完成时长;
[0012]基于目标车辆在变道完成时长内的位移获取若干控制点,所述控制点包括起点控制点、终点控制点以及若干中 ...
【技术保护点】
【技术特征摘要】
1.一种车辆轨迹预测方法,其特征在于,该方法包括:获取目标车辆的行为意图;当目标车辆的行为意图为变道时,基于跟驰模型获取目标车辆在预测时长内的位移和目标车辆在变道完成时长内的位移;且预测时长大于变道完成时长;基于目标车辆在变道完成时长内的位移获取若干控制点,所述控制点包括起点控制点、终点控制点以及若干中间控制点,且控制点均位于车道中心线上;再基于贝塞尔函数对控制点进行插值获取第一变道预测路径;基于虚拟点和目标车辆在预测时长内的位移获取变道预测终点;所述虚拟点为目标车辆的相邻车道中心线上距目标车辆最近的点;基于变道预测终点和终点控制点之间的车道中心线得到补充路径;将第一变道预测路径与补充路径拼接得到第二变道预测路径;基于跟驰模型获取第二变道预测路径中的各个路径点的速度,得到变道预测轨迹。2.如权利要求1所述的一种车辆轨迹预测方法,其特征在于,所述跟驰模型中在t时刻,车辆i的期望车间距离与车辆i的加速度的计算公式为:车辆i的期望车间距离与车辆i的加速度的计算公式为:其中,表示在t时刻,车辆i的期望车间距离;d0表示静止安全间距;T表示安全车头时距;v
i,t
表示在t时刻,行驶车队中车辆i的速度;Δv
i,t
表示在t时刻,车辆i减去前车速度的速度差;a
max
表示最大加速度;a
c
表示舒适减速度;a
i,t
表示在t时刻,跟驰模型中行驶车队中目标车辆对应的车辆i的加速度;a
max
表示最大加速度;v0表示自由流速度;δ表示速度幂系数;表示在t时刻,车辆i与前车的实际车间距离;且目标车辆在t+1时刻的实际车间距离的计算公式如下:v
i,t+1
=v
i,t
+a
i,t
ΔtΔt
其中,v
i,t+1
表示在t+1时刻,车辆i的速度;v
i,t
表示在t时刻,车辆i的速度;a
i,t
表示在t时刻,车辆i的加速度;Δt表示t时刻与t+1时刻的间隔时长;s
i,t+1
表示从t至t+1时刻,车辆i的位移;表示在t+1时刻,车辆i与前车i
‑
1的实际车间距离;表示在t时刻,车辆i与前车i
‑
1的实际车间距离;v
i
‑1表示前车i
‑
1的速度。3.如权利要求2所述的一种车辆轨迹预测方法,其特征在于,所述目标车辆在预测时长内的位移和目标车辆在变道完成时长内的位移的计算方法为:车辆在变道完成时长内的位移的计算方法为:其中,t0表示预测时长;s0表示目标车辆在预测时长t0内的位移;t1表示变道完成时长;s1表示目标车辆在变道完成时长t1内的位移。4.如权利要求3所述的一种车辆轨迹预测方法,其特征在于,基于五阶贝塞尔函数对控制点进行插值获取第一变道预测路径;且获取的若干控制点,包括:将目标车辆在矢量地图中的位置P1(x1,y1)作为第一控制点;基于第一控制点P1(x1,y1)和第一距离β1获取第二控制点P2(x2,y2);且第一距离β1表示基于跟驰模型目标车辆从第一控制点P1(x1,y1)运动t2时长后的位移;t2表示第一时间段;基于第一控制点P1(x1,y1)、第二控制点P2(x2,y2)和第二距离β2获取第三控制点P3(x...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。