停车场场景下融合预测算法的车辆行为决策方法及装置制造方法及图纸

本发明专利技术公开了一种停车场场景下融合预测算法的车辆行为决策方法及装置，该方法包括：利用预测算法对目标车辆的行为进行预测；根据不同的预测结果对目标车辆的轨迹分别进行预测；包括：当预测行为为沿本车道直线行驶行为时，使用匀速运动模型对目标车辆的轨迹进行预测；当预测行为为驶离本车道驶入空闲停车位行为时，使用五次多项式模型对目标车辆的轨迹进行预测；将目标车辆的预测轨迹、目标车辆的当前状态和智能车辆的当前状态作为输入信息输入行为树决策算法中，输出智能车辆行为。输出智能车辆行为。输出智能车辆行为。

【技术实现步骤摘要】
停车场场景下融合预测算法的车辆行为决策方法及装置


[0001]本专利技术涉及自动驾驶
，特别是关于一种停车场场景下融合预测算法的车辆行为决策方法及装置。

技术介绍

[0002]随着经济水平的快速增长和城镇化水平的不断提高，人们对汽车的需求量日益提高，汽车的保有量也持续增加。随之而来的是交通环境的拥挤，城市停车位资源紧张，停车位空间小等问题。自主泊车技术的出现和发展为解决泊车问题提供了新的思路，将有效解决泊车困难等痛点。
[0003]在智能化发展的前期，基于资源、成本等因素，自主泊车系统出现了三种技术路线：单车智能方案、场端方案和车场协同方案。基于单车智能方案可以避免对停车场进行大规模改造，适用于各类停车场，技术上更接近低速L4自动驾驶场景，具备场景迁移能力。所以单车智能方案被众多主机厂所采纳。
[0004]基于单车智能的自主泊车系统完全通过车端的软硬件技术进行感知、定位、决策、规划和控制。目前很多厂商对自主泊车的决策部分研究较少，使得该自主泊车系统决策部分智能化程度较弱，迫使很多场景需要驾驶员协同参与处理，导致泊车系统智能化程度低、停车效率较低。
[0005]目前自主泊车系统中的决策方法主要有有限状态机、行为树等基于规则的方法，行为树是停车场场景下车辆行为决策较为流行的方法。该方法是一种基于规则的树状结构的决策方法，将智能车辆在停车场场景下所遇到的不同场景进行划分，建立不同的决策规则，从而保证车辆在停车场场景下的行驶安全性。
[0006]但是，由于停车场场景存在空间狭小、车辆较多、视野不开阔等问题，受到有交互的车辆的影响，可能会存在智能车辆执行紧急停车等危险驾驶行为，不仅存在一定的安全性，还会影响乘坐的舒适性。
[0007]因此，亟待提供一种停车场场景下考虑会车时对向车辆行驶轨迹的车辆行为决策方案。

技术实现思路

[0008]本专利技术的目的在于提供一种停车场场景下融合预测算法的车辆行为决策方法及装置来克服或至少减轻现有技术的上述缺陷中的至少一个。
[0009]为实现上述目的，本专利技术提供一种停车场场景下融合预测算法的车辆行为决策方法，应用于智能车辆，包括：
[0010]利用预测算法对目标车辆的行为进行预测；预测算法的输入为目标车辆的历史轨迹信息和目标车辆的当前状态信息，输出为目标车辆的预测行为，包括目标车辆执行沿本车道直线行驶行为和驶离本车道驶入空闲停车位行为；
[0011]根据不同的预测结果对目标车辆的轨迹分别进行预测；包括：当预测行为为沿本
车道直线行驶行为时，使用匀速运动模型对目标车辆的轨迹进行预测；当预测行为为驶离本车道驶入空闲停车位行为时，使用五次多项式模型对目标车辆的轨迹进行预测；
[0012]将目标车辆的预测轨迹、目标车辆的当前状态和智能车辆的当前状态作为输入信息输入行为树决策算法中，输出智能车辆行为。
[0013]优选的，预测算法为：当检测到目标车辆连续多个坐标点的航向角大于前一个坐标点的航向角且离车道线的距离小于阈值，则预测目标车辆在执行驶离本车道驶入空闲停车位行为。
[0014]优选的，利用预测算法对目标车辆的行为进行预测之前，还包括：
[0015]建立停车场场景下车辆行驶的数据集；数据集中包括车道中心线的坐标、停车位中心点的坐标、车辆的坐标、车辆的速度和车辆正在执行的行为；其中，车辆正在执行的行为包括继续沿本车道直线行驶、驶离本车道驶入侧方停车位；
[0016]构建基于长短时记忆网络LSTM的行为预测模型，模型的输入为预设时间长度内目标车辆历史轨迹数据信息，模型的输出为车辆行为的预测概率；车辆行为包括继续沿本车道直线行驶和驶离本车道驶入侧方停车位；
[0017]从数据集中获取用来训练车辆行为预测模型的信息，包括：目标车辆具有时间序列的状态向量和预测结果的行为动作集；其中，状态向量包括目标车辆的历史轨迹、横向速度、纵向速度和与车道中心线的距离，预测结果的行为动作集包括沿着本车道直线行驶、驶离本车道驶入侧方停车位；
[0018]使用从数据集中获取的信息对车辆行为预测模型进行训练，得到基于LSTM的预测算法；预测算法的输入为目标车辆的历史轨迹信息和目标车辆的当前状态信息，输出为目标车辆的预测行为，包括车辆继续沿本车道直线行驶、或者驶离本车道驶入侧方停车位。
[0019]优选的，使用五次多项式模型对目标车辆的轨迹进行预测包括：
[0020]使用下列多项式对目标车辆的轨迹进行预测：
[0021]y(x)＝c0+c1x+c2x2+c3x3+c4x4+c5x5ꢀꢀꢀ
(1)
[0022]y'(x)＝c1+2c2x+3c3x2+4c4x3+5c5x4ꢀꢀꢀ
(2)
[0023]y”(x)＝2c2+6c3x+12c4x2+20c5x3ꢀꢀꢀ
(3)
[0024]其中，y(x)表示车辆的纵坐标与横坐标的函数关系式，y'(x)表示y对x的一阶导数，y”(x)表示y对x的二阶导数，(x,y)为车辆的坐标，c0～c5为五次多项式的系数，通过起始点的车辆坐标(x
s
,y
s
)、起始点处y关于x的一阶、二阶导数、终点的车辆坐标(x
g
,y
g
)、终点处y关于x的一阶、二阶导数，求出五次多项式的系数c0～c5；其中，起始点的车辆坐标(x
s
,y
s
)为车辆当前点的坐标，终点的车辆坐标(x
g
,y
g
)为目标停车位的中心点坐标；
[0025]根据五次多项式的系数c0～c5得到公式(1)，计算得到从起始点(x
s
,y
s
)到终点(x
g
,y
g
)的预测轨迹。
[0026]优选的，当目标车辆的行为预测结果为沿本车道直线行驶行为时，通过下式(4)和(5)使用匀速运动模型对目标车辆的轨迹进行预测：
[0027][0028][0029]其中，X为车辆状态矩阵，(x,y)为车辆的位置坐标，为车辆沿x方向的速度，为车辆沿y方向的速度，X
k
为第k次车辆状态矩阵，X
k
为k+1次车辆状态矩阵，t为预测时间，W
k
为取固定值的高斯噪声。
[0030]优选的，输出智能车辆行为包括：
[0031]判断目标车辆与智能车辆的当前距离是否小于安全距离D
s
；
[0032]如果是，执行以最大减速度紧急刹车的行为；
[0033]如果否，判断当目标车辆与智能车辆分别以当前状态行驶t秒后的距离是否小于安全距离D
s
，如果是：执行减速行驶的行为。
[0034]优选的，通过下式计算安全距离D
s
：
[0035][0036]其中，v表示智能车辆的速度，t
h
表示车辆执行延时，a
...

【技术保护点】

【技术特征摘要】
1.一种停车场场景下融合预测算法的车辆行为决策方法，应用于智能车辆，其特征在于，包括：利用预测算法对目标车辆的行为进行预测；预测算法的输入为目标车辆的历史轨迹信息和目标车辆的当前状态信息，输出为目标车辆的预测行为，包括目标车辆执行沿本车道直线行驶行为和驶离本车道驶入空闲停车位行为；根据不同的预测结果对目标车辆的轨迹分别进行预测；包括：当预测行为为沿本车道直线行驶行为时，使用匀速运动模型对目标车辆的轨迹进行预测；当预测行为为驶离本车道驶入空闲停车位行为时，使用五次多项式模型对目标车辆的轨迹进行预测；将目标车辆的预测轨迹、目标车辆的当前状态和智能车辆的当前状态作为输入信息输入行为树决策算法中，输出智能车辆行为。2.根据权利要求1所述的方法，其特征在于，预测算法为：当检测到目标车辆连续多个坐标点的航向角大于前一个坐标点的航向角且离车道线的距离小于阈值，则预测目标车辆在执行驶离本车道驶入空闲停车位行为。3.根据权利要求1所述的方法，其特征在于，利用预测算法对目标车辆的行为进行预测之前，还包括：建立停车场场景下车辆行驶的数据集；数据集中包括车道中心线的坐标、停车位中心点的坐标、车辆的坐标、车辆的速度和车辆正在执行的行为；其中，车辆正在执行的行为包括继续沿本车道直线行驶、驶离本车道驶入侧方停车位；构建基于长短时记忆网络LSTM的行为预测模型，模型的输入为预设时间长度内目标车辆历史轨迹数据信息，模型的输出为车辆行为的预测概率；车辆行为包括继续沿本车道直线行驶和驶离本车道驶入侧方停车位；从数据集中获取用来训练车辆行为预测模型的信息，包括：目标车辆具有时间序列的状态向量和预测结果的行为动作集；其中，状态向量包括目标车辆的历史轨迹、横向速度、纵向速度和与车道中心线的距离，预测结果的行为动作集包括沿着本车道直线行驶、驶离本车道驶入侧方停车位；使用从数据集中获取的信息对车辆行为预测模型进行训练，得到基于LSTM的预测算法；预测算法的输入为目标车辆的历史轨迹信息和目标车辆的当前状态信息，输出为目标车辆的预测行为，包括车辆继续沿本车道直线行驶、或者驶离本车道驶入侧方停车位。4.根据权利要求1所述的方法，其特征在于，使用五次多项式模型对目标车辆的轨迹进行预测包括：使用下列多项式对目标车辆的轨迹进行预测：y(x)＝c0+c1x+c2x2+c3x3+c4x4+c5x5ꢀꢀꢀꢀ
(1)y'(x)＝c1+2c2x+3c3x2+4c4x3+5c5x4ꢀꢀꢀꢀ
(2)y”(x)＝2c2+6c3x+12c4x2+20c5x3ꢀꢀꢀꢀ
(3)其中，y(x)表示车辆的纵坐标与横坐标的函数关系式，y'(x)表示y对x的一阶导数，y”(x)表示y对x的二阶导数，(x,y)为车辆的坐标，c0～c5为五次多项式的系数，通过起始点的车辆坐标(x
s
,y
s
)、起始点处y关于x的一阶...

【专利技术属性】
技术研发人员：秦兆博，韩沐林，秦洪懋，秦晓辉，徐彪，谢国涛，王晓伟，丁荣军，
申请(专利权)人：湖南大学无锡智能控制研究院，
类型：发明
国别省市：