一种无检测器路段的车辆轨迹预测方法及系统技术方案

本发明专利技术涉及一种无检测器路段的车辆轨迹预测方法，包括以下步骤：S1：收集目标无检测器路段的真车历史数据；S2：根据真车历史数据初始化预测驶出时间的XGBoost模型和预测目标车道的XGBoost模型的训练参数；S3：将训练参数输入两个模型进行训练，使预测驶出时间的XGBoost模型输出虚拟车辆的预测驶出时间，使预测目标车道的XGBoost模型输出虚拟车辆的预测目标车道；S4：输入实际参数，根据两个不同的模型分别得预测驶出时间和预测目标车道，并计算虚拟车辆的行驶时长；S5：根据目标无检测器路段总路程及行驶时长计算得到速度；S6：控制虚拟车辆按照计算的速度及预测的目标车道行驶。本发明专利技术可以在无检测器路段实现准确率高且容易实施的车辆轨迹预测。容易实施的车辆轨迹预测。容易实施的车辆轨迹预测。

【技术实现步骤摘要】
一种无检测器路段的车辆轨迹预测方法及系统


[0001]本专利技术涉及交通数字孪生
，特别涉及一种无检测器路段的车辆轨迹预测方法及系统。

技术介绍

[0002]交通数字孪生技术，大多需要借助车辆的历史数据、实时数据和算法模型，以数字化方式创建车辆的虚拟实体，模拟、验证、预测、控制车辆的全生命周期过程。其中，数据获取主要来源于雷达、摄像头等检测器对车辆数据的自动化采集。然而，由于成本原因，检测器仅部署在主要道路和交叉口，导致路网中出现很多无检测器路段。面对无检测器路段造成的数据缺口，交通数字孪生技术在执行实时模拟、交通流预测等任务时，要求对这类路段的车辆轨迹数据开展预测性补全，以便其虚拟车辆在这类路段末端的轨迹数据，易于与对应真车的后续轨迹数据进行融合。
[0003]车辆轨迹主要由车辆速度和所在车道决定。其中，车辆在同一路段内发生频繁变道行为的概率较低。对车辆在无检测器路段速度预测的错误，是造成虚拟车辆当前轨迹与对应真车在后续有检测器路段的轨迹难以融合的重要原因。一方面，以历史速度、瞬时速度等为参考的预测方式较为粗略，易导致虚拟车辆与对应真车的位置产生较大偏差；另一方面，以相似物匹配、模式发掘等为主导的预测方式过于复杂，需考虑大量元素及复杂场景建模，实施成本高且很难保障最终效果。
[0004]因此，有必要提供一种无检测器路段的车辆轨迹预测方法及系统，以在无检测器路段，实现准确率高且容易实施的车辆轨迹预测，满足交通数字孪生
的迫切需求。

技术实现思路

[0005]本专利技术的目的在于提供一种无检测器路段的车辆轨迹预测方法及系统，以在无检测器路段，实现准确率高且容易实施的车辆轨迹预测，满足交通数字孪生
的迫切需求。
[0006]为了解决现有技术中存在的问题，本专利技术提供了一种无检测器路段的车辆轨迹预测方法，包括以下步骤：
[0007]S1：收集目标无检测器路段的真车历史数据，真车历史数据包括真实车辆进入目标无检测器路段前的最后一次数据和真实车辆离开目标无检测器路段后的第一次数据；
[0008]S2：根据真车历史数据，初始化预测驶出时间的XGBoost模型的第一训练参数，初始化预测目标车道的XGBoost模型的第二训练参数；
[0009]S3：将第一训练参数和第二训练参数分别输入所述预测驶出时间的XGBoost模型和所述预测目标车道的XGBoost模型进行训练，使所述预测驶出时间的XGBoost模型输出虚拟车辆的预测驶出时间，使所述预测目标车道的XGBoost模型输出虚拟车辆的预测目标车道；
[0010]S4：输入实际参数，根据所述预测驶出时间的XGBoost模型输出的预测驶出时间计
算虚拟车辆在目标无检测器路段的行驶时长，根据所述预测目标车道的XGBoost模型得到虚拟车辆的预测目标车道；
[0011]S5：根据目标无检测器路段总路程及所述行驶时长计算得到虚拟车辆的速度；
[0012]S6：控制虚拟车辆按照计算的速度及预测的目标车道行驶。
[0013]可选的，在所述无检测器路段的车辆轨迹预测方法中，真车历史数据实时更新；
[0014]真实车辆进入目标无检测器路段前的最后一次数据包括：时间、经度、纬度、速度和车道；
[0015]真实车辆离开目标无检测器路段后的第一次数据包括：经度、纬度和车道。
[0016]可选的，在所述无检测器路段的车辆轨迹预测方法中，
[0017]将所述真车历史数据划分为训练集和验证集；所述训练集参与训练，根据所述验证集计算验证值参与验证。
[0018]可选的，在所述无检测器路段的车辆轨迹预测方法中，S3中，还包括以下步骤：定期对所述预测驶出时间的XGBoost模型和所述预测目标车道的XGBoost模型进行验证。
[0019]可选的，在所述无检测器路段的车辆轨迹预测方法中，验证方法如下：
[0020]若输出的预测驶出时间的均方误差小于等于第一预设误差阈值，则保存当前预测驶出时间的XGBoost模型；
[0021]若输出的预测驶出时间的均方误差大于第一预设误差阈值，则重复步骤S2和S3；
[0022]若输出的预测目标车道的准确率大于等于第二预设阈值，则保存当前预测目标车道的XGBoost模型；
[0023]若输出的预测目标车道的准确率小于第二预设阈值，则重复步骤S2和S3；
[0024]所述第一预设误差阈值和所述第二预设阈值属于所述验证值。
[0025]可选的，在所述无检测器路段的车辆轨迹预测方法中，S4中行驶时长的计算方式为：行驶时长等于预测驶出时间减去真实车辆进入目标无检测器路段前的最后一次数据内的时间。
[0026]可选的，在所述无检测器路段的车辆轨迹预测方法中，还包括以下步骤：
[0027]真实车辆驶出目标无检测器路段后，比较真实车辆和虚拟车辆的位置，若真实车辆在虚拟车辆之前，则虚拟车辆增加速度，若真实车辆在虚拟车辆之后，则虚拟车辆减慢速度，若真实车辆和虚拟车辆在同一位置，则虚拟车辆速度不变，使虚拟车辆和真实车辆的速度同步；同时，比较真实车辆和虚拟车辆的车道，使虚拟车辆变道至真实车辆所在车道，促使虚拟车辆和真实车辆的车道相同；以完成虚拟车辆和真实车辆的轨迹融合。
[0028]可选的，在所述无检测器路段的车辆轨迹预测方法中，虚拟车辆增加速度时，则目标速度的计算公式为：
[0029]其中，V
目标
为虚拟车辆目标速度；V
当前
为真实车辆当前速度；S
(t,A,A*)
为在t时刻时，真实车辆与虚拟车辆的位置差距，t为当前时刻：T
期望
为期望轨迹融合时间；若V
目标
大于所述目标无检测器路段的最高限速，则更新V
目标
为所述目标无检测器路段的最高限速；
[0030]虚拟车辆减慢速度时，则目标速度的计算公式为：
[0031]其中，V
目标
为虚拟车辆目标速度；V
当前
为真实车辆当前速
度；S
(t,A,A*)
为在t时刻时，真实车辆与虚拟车辆的位置差距，t为当前时刻：T
期望
为期望轨迹融合时间；若V
目标
小于所述目标无检测器路段的最低限速，则更新V
目标
为所述目标无检测器路段的最低限速。
[0032]本专利技术还提供了一种无检测器路段的车辆轨迹预测系统，包括：
[0033]数据模块，配置为收集目标无检测器路段的真车历史数据，真车历史数据包括真实车辆进入目标无检测器路段前的最后一次数据和真实车辆离开目标无检测器路段后的第一次数据；
[0034]模型模块，配置为根据真车历史数据，初始化预测驶出时间的XGBoost模型的第一训练参数，初始化预测目标车道的XGBoost模型的第二训练参数；
[0035]将第一训练参数和第二训练参数分别输入所述预测驶出时间的XGBo本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无检测器路段的车辆轨迹预测方法，其特征在于，包括以下步骤：S1：收集目标无检测器路段的真车历史数据，真车历史数据包括真实车辆进入目标无检测器路段前的最后一次数据和真实车辆离开目标无检测器路段后的第一次数据；S2：根据真车历史数据，初始化预测驶出时间的XGBoost模型的第一训练参数，初始化预测目标车道的XGBoost模型的第二训练参数；S3：将第一训练参数和第二训练参数分别输入所述预测驶出时间的XGBoost模型和所述预测目标车道的XGBoost模型进行训练，使所述预测驶出时间的XGBoost模型输出虚拟车辆的预测驶出时间，使所述预测目标车道的XGBoost模型输出虚拟车辆的预测目标车道；S4：输入实际参数，根据所述预测驶出时间的XGBoost模型输出的预测驶出时间计算虚拟车辆在目标无检测器路段的行驶时长，根据所述预测目标车道的XGBoost模型得到虚拟车辆的预测目标车道；S5：根据目标无检测器路段总路程及所述行驶时长计算得到虚拟车辆的速度；S6：控制虚拟车辆按照计算的速度及预测的目标车道行驶。2.如权利要求1所述的无检测器路段的车辆轨迹预测方法，其特征在于，真车历史数据实时更新；真实车辆进入目标无检测器路段前的最后一次数据包括：时间、经度、纬度、速度和车道；真实车辆离开目标无检测器路段后的第一次数据包括：经度、纬度和车道。3.如权利要求2所述的无检测器路段的车辆轨迹预测方法，其特征在于，将所述真车历史数据划分为训练集和验证集；所述训练集参与训练，根据所述验证集计算验证值参与验证。4.如权利要求3所述的无检测器路段的车辆轨迹预测方法，其特征在于，S3中，还包括以下步骤：定期对所述预测驶出时间的XGBoost模型和所述预测目标车道的XGBoost模型进行验证。5.如权利要求4所述的无检测器路段的车辆轨迹预测方法，其特征在于，验证方法如下：若输出的预测驶出时间的均方误差小于等于第一预设误差阈值，则保存当前预测驶出时间的XGBoost模型；若输出的预测驶出时间的均方误差大于第一预设误差阈值，则重复步骤S2和S3；若输出的预测目标车道的准确率大于等于第二预设阈值，则保存当前预测目标车道的XGBoost模型；若输出的预测目标车道的准确率小于第二预设阈值，则重复步骤S2和S3；所述第一预设误差阈值和所述第二预设阈值属于所述验证值。6.如权利要求2所述的无检测器路段的车辆轨迹预测方法，其特征在于，S4中行驶时长的计算方式为：行驶时长等于预测驶出时间减去真实车辆进入目标无检测器路段前的最后一次数据内的时间。7.如权利要求2所述的无检测器路段的车辆轨迹预测方法，其特征在于，还包括以下步骤：真实车辆驶出目标无检测器路段后，比较真实车辆和虚拟车辆的位置，若真实车辆在
虚拟车辆之前，则虚拟车辆增加速度，若真实车辆在虚拟车辆之后，则虚拟车辆减慢速度，若真实车辆和虚拟车辆在同一位置，则虚拟车辆速度不变，使虚拟车辆和真实车辆的速度同步；同时，比较真实车辆和虚拟车辆的车道，使虚拟车辆变道至真实车辆所在车道，促使虚拟车辆...

【专利技术属性】
技术研发人员：肖紫云，陈彬，陈楠，黄奚芳，孙婷婷，刘学，胡佳，刘逸凡，周哲峰，胡海斌，段创峰，
申请(专利权)人：上海城建信息科技有限公司，
类型：发明
国别省市：