响应预测方法技术

本申请涉及一种响应预测方法

【技术实现步骤摘要】
响应预测方法、装置、计算机设备、存储介质和程序产品


[0001]本申请涉及预测
，特别是涉及一种响应预测方法
、
装置
、
计算机设备
、
存储介质和程序产品
。

技术介绍

[0002]随着自动驾驶技术的发展，驾驶辅助系统越来越智能化，用户对于驾驶辅助系统的要求也越来越高，其中在险态交通场景中，预测驾驶人的决策历程及各类决策的响应时长，能够为驾驶辅助系统预测车辆运动规划和路径提供更多的变量输入
。
[0003]传统技术中，通过深度学习模型来预测正常交通场景中驾驶人的响应时长，缺乏对于险态交通场景中的预测，因为深度学习模型需要大数据驱动，而针对险态交通场景中的数据难以获取，因此，在险态交通场景中，传统技术存在预测驾驶人决策响应的难度较大的问题
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够降低预测驾驶人决策响应难度的响应预测方法
、
装置
、
计算机设备
、
存储介质和程序产品
。
[0005]第一方面，本申请提供了一种响应预测方法
。
所述方法包括：对于目标险态交通场景，从目标险态交通场景的预设阶段开始，每隔预设时长计算目标证据信息的累积量，目标证据信息为做出目标决策所依据的证据信息；在每次计算得到累积量后，根据当前计算时刻对应的累积量，确定是否满足决策响应条件；若满足决策响应条件，则根据当前计算时刻确定驾驶人做出目标决策所需的响应时长
。
[0006]在其中一个实施例中，每隔预设时长计算目标证据信息的累积量，包括：每隔预设时长，获取上一计算时刻计算得到目标证据信息的累积量，并根据目标险态交通场景中当前时刻的道路信息确定当前支持目标决策的第一证据信息量以及反对目标决策的第二证据信息量，根据上一计算时刻对应的累积量
、
第一证据信息量以及第二证据信息量获取当前计算时刻的目标证据信息的累积量
。
[0007]在其中一个实施例中，根据上一计算时刻对应的累积量
、
第一证据信息量以及第二证据信息量获取当前计算时刻的目标证据信息的累积量，包括：基于维纳过程获取当前计算时刻的噪声量；根据上一计算时刻对应的累积量
、
第一证据信息量
、
第二证据信息量以及噪声量获取当前计算时刻的目标证据信息的累积量
。
[0008]在其中一个实施例中，根据当前计算时刻对应的累积量，确定是否满足决策响应条件，包括：根据当前计算时刻对应的累积量
、
驾驶人参数以及车辆参数，确定是否满足决策响应条件；其中，驾驶人参数与目标险态交通场景中的驾驶人的信息相关，车辆参数与目标险态交通场景中的车辆的状态相关
。
[0009]在其中一个实施例中，根据当前计算时刻对应的累积量
、
驾驶人参数以及车辆参数，确定是否满足决策响应条件，包括：确定当前计算时刻对应的累积量与驾驶人参数之和
是否大于等于车辆参数；若大于等于车辆参数，则确定满足决策响应条件
。
[0010]在其中一个实施例中，车辆参数根据目标险态交通场景中的车辆的状态以及目标函数计算得到，目标函数为函数值随着时间逐渐减小的函数
。
[0011]在其中一个实施例中，目标决策为决策池中的决策，所述方法还包括：确定决策池中的每一目标决策对应的响应时长；根据每一目标决策对应的响应时长，对决策池包括的多个目标决策进行排序，确定驾驶人在目标险态交通场景中的响应历程
。
[0012]第二方面，本申请还提供了一种响应预测装置
。
所述装置包括：计算模块，对于目标险态交通场景，从目标险态交通场景的预设阶段开始，每隔预设时长计算目标证据信息的累积量，目标证据信息为做出目标决策所依据的证据信息；第一确定模块，在每次计算得到累积量后，根据当前计算时刻对应的累积量，确定是否满足决策响应条件；第二确定模块，若满足决策响应条件，则根据当前计算时刻确定驾驶人做出目标决策所需的响应时长
。
[0013]在其中一个实施例中，计算模块，具体用于每隔预设时长，获取上一计算时刻计算得到目标证据信息的累积量，并根据目标险态交通场景中当前时刻的道路信息确定当前支持目标决策的第一证据信息量以及反对目标决策的第二证据信息量，根据上一计算时刻对应的累积量
、
第一证据信息量以及第二证据信息量获取当前计算时刻的目标证据信息的累积量
。
[0014]在其中一个实施例中，计算模块，具体用于基于维纳过程获取当前计算时刻的噪声量；根据上一计算时刻对应的累积量
、
第一证据信息量
、
第二证据信息量以及噪声量获取当前计算时刻的目标证据信息的累积量
。
[0015]在其中一个实施例中，第一确定模块，具体用于根据当前计算时刻对应的累积量
、
驾驶人参数以及车辆参数，确定是否满足决策响应条件；其中，驾驶人参数与目标险态交通场景中的驾驶人的信息相关，车辆参数与目标险态交通场景中的车辆的状态相关
。
[0016]在其中一个实施例中，第一确定模块，具体用于确定当前计算时刻对应的累积量与驾驶人参数之和是否大于等于车辆参数，若大于等于车辆参数，则确定满足决策响应条件
。
[0017]在其中一个实施例中，车辆参数根据目标险态交通场景中的车辆的状态以及目标函数计算得到，目标函数为函数值随着时间逐渐减小的函数
。
[0018]在其中一个实施例中，目标决策为决策池中的决策，所述装置还包括第三确定模块，用于确定决策池中的每一目标决策对应的响应时长；根据每一目标决策对应的响应时长，对决策池包括的多个目标决策进行排序，确定驾驶人在目标险态交通场景中的响应历程
。
[0019]第三方面，本申请还提供了一种计算机设备
。
所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤
。
[0020]第四方面，本申请还提供了一种计算机可读存储介质
。
所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤
。
[0021]第五方面，本申请还提供了一种计算机程序产品
。
所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤
。
[0022]上述响应预测方法
、
装置
、
计算机设备
、
存储介质和程序产品，对于目标险态交通场景，从目标险态交通场景的预设阶段开始，通过每隔预设时长计算目标证据信息的累积量，其中，目标证据信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种响应预测方法，其特征在于，所述方法包括：对于目标险态交通场景，从所述目标险态交通场景的预设阶段开始，每隔预设时长计算目标证据信息的累积量，所述目标证据信息为做出目标决策所依据的证据信息；在每次计算得到累积量后，根据当前计算时刻对应的累积量，确定是否满足决策响应条件；若满足所述决策响应条件，则根据当前计算时刻确定驾驶人做出所述目标决策所需的响应时长
。2.
根据权利要求1所述的方法，其特征在于，所述每隔预设时长计算目标证据信息的累积量，包括：每隔所述预设时长，获取上一计算时刻计算得到所述目标证据信息的累积量，并根据所述目标险态交通场景中当前时刻的道路信息确定当前支持所述目标决策的第一证据信息量以及反对所述目标决策的第二证据信息量，根据所述上一计算时刻对应的累积量
、
所述第一证据信息量以及所述第二证据信息量获取当前计算时刻的所述目标证据信息的累积量
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述上一计算时刻对应的累积量
、
所述第一证据信息量以及所述第二证据信息量获取当前计算时刻的所述目标证据信息的累积量，包括：基于维纳过程获取当前计算时刻的噪声量；根据所述上一计算时刻对应的累积量
、
所述第一证据信息量
、
所述第二证据信息量以及所述噪声量获取当前计算时刻的所述目标证据信息的累积量
。4.
根据权利要求1至3任一所述的方法，其特征在于，所述根据当前计算时刻对应的累积量，确定是否满足决策响应条件，包括：根据当前计算时刻对应的累积量
、
驾驶人参数以及车辆参数，确定是否满足所述决策响应条件；其中，所述驾驶人参数与所述目标险态交通场景中的驾驶人的信息相关，所述车辆参数与所述目标险态交通场景中的车辆的状态相关
。5.
根据权利要求4所述的方法，其特...

【专利技术属性】
技术研发人员：聂冰冰，秦德通，王情帆，李泉，卢天乐，刘斯源，周青，
申请(专利权)人：清华大学，
类型：发明
国别省市：