【技术实现步骤摘要】
本申请涉及软件，尤其涉及一种车辆状态的预测方法及装置。
技术介绍
1、随着技术的发展，车辆行为的预测也成为了智能交通与仿真场景下的主要发展方向。
2、目前，现有的车辆状态的预测过程中，一般是结合车辆的速度和加速度基础上，结合预先设置的逻辑表达式进行预测，也就是说当确定车辆的速度和加速度后通过逻辑表达式进行计算和分析，从而确定车辆的行驶状态。但在实际应用中，这些逻辑表达式中所设置的参数一般是结合了经验进行设置的，这就导致一旦设置表达式的专家的经验不足时，就会导致车辆状态的预测结果受到影响，从而使得车辆状态的预测结果的准确性较低。
技术实现思路
1、本申请实施例提供一种车辆状态的预测方法及装置，主要目的在于实现一种车辆状态的预测方法，以解决现有的车辆状态的预测结果的准确性较低的问题。
2、为解决上述技术问题，本申请实施例提供如下技术方案：
3、第一方面，本申请提供了一种车辆状态的预测方法，所述方法包括：
4、获取车辆的行驶状态信息、车辆道路关系信息和历史决策信息，其中，所述车辆道路关系信息用于表征车辆与道路之间的位置关系，所述车辆道路关系信息是基于所述行驶状态信息计算得到的；所述历史决策信息用于表征所述车辆在历史目标时段内的车辆道路关系信息；
5、基于所述行驶状态信息、所述车辆道路关系信息以及所述历史决策信息，利用车辆状态预测模型执行预测操作，得到预测结果，其中，所述车辆状态预测模型是通过历史行为状态信息、历史车辆道路关系信息
6、第二方面，本申请还提供了一种 车辆状态的预测装置，所述装置包括：
7、设置单元，用于设置所述车辆状态预测模型的模型框架；所述模型框架包括第一输入模块，第二输入模块、第三输入模块以及预测执行模块；其中，所述第一输入模块用于输入车辆道路关系信息，所述第二输入模块用于输入行驶状态信息，所述第三输入模块用于输入历史决策信息；所述预测执行模块用于将所述第一输入模块、第二输入模块以及所述第三输入模块的输入结果进行输入并执行预测；
8、训练集获取单元，用于获取目标训练集，其中，所述目标训练集中的训练样本包括历史行为状态信息、历史车辆道路信息、历史决策信息以及对应的实际运行状态信息；
9、训练单元，用于将所述目标训练集以及所述模型框架基于所述注意力机制算法进行训练操作，生成所述车辆状态预测模型。
10、第三方面，本申请还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的 车辆状态的预测方法。
11、第四方面，本申请还提供了一种 车辆状态的预测设备，所述设备包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行第一方面中任一项所述的 车辆状态的预测方法。
12、借由上述技术方案，本申请提供的技术方案至少具有下列优点：
13、本申请提供一种 车辆状态的预测方法及装置，本申请能够首先获取车辆的行驶状态信息、车辆道路关系信息和历史决策信息，其中，所述车辆道路关系信息用于表征车辆与道路之间的位置关系，所述车辆道路关系信息是基于所述行驶状态信息计算得到的；所述历史决策信息用于表征所述车辆在历史目标时段内的车辆道路关系信息；然后，基于所述行驶状态信息、所述车辆道路关系信息以及所述历史决策信息，利用车辆状态预测模型执行预测操作，得到预测结果，其中，所述车辆状态预测模型是通过历史行为状态信息、历史车辆道路关系信息以及历史决策信息经注意力机制算法训练到的，从而实现车辆状态的预测功能。相较于现有技术，在本申请中在车辆状态的预测过程中，是基于车辆状态预测模型来进行预测的，该车辆状态预测模型是基于历史行为状态信息、历史车辆道路关系信息以及历史决策信息训练得到的，也就是说该车辆状态预测模型实际上是从车辆历史行驶的情况作为样本的基础上训练得到的，不同于以往现有技术基于人工设置的表达式的参数，该模型不需要人工进行参数的设置，这就避免了人工设置过程中对设置经验的门槛需求，也避免了因经验不足导致所设置的参数不够准确从而影响后续预测结果的准确性的问题，从而可以提高预测结果的准确性。同时，在本申请中，该车辆状态预测的方法，能够从车辆的行驶状态信息、车辆道路关系和历史决策信息这三个方面作为预测的凭据，相较于现有技术只通过车辆的加速度和速度等这种车辆自身行驶的情况进行预测，本申请增加了对车辆与道路之间的相互关系和车辆历史决策的两个方面的考量，从而可以使得最终预测出的车辆状态能够从更多方面的角度综合分析并预测，使得预测结果的准确性得以进一步的提高。
14、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种车辆状态的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述基于所述行驶状态信息、所述车辆道路关系信息以及所述历史决策信息，利用车辆状态预测模型执行预测操作，得到预测结果之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述目标训练集以及所述模型框架基于所述注意力机制算法进行训练操作，生成所述车辆状态预测模型，包括：
4.根据权利要求1或3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述获取车道信息，包括：
6.根据权利要求4所述的方法，其特征在于，所述历史决策信息具体为车辆道路关系队列；所述历史决策信息中的车辆道路关系具体为车道片段关系，其中，每个所述车辆片段关系是基于所述车道片段和所述行驶状态信息确定的。
7.一种车辆状态的预测装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，
10.一种车辆状态的预测设备，其特征在于，所述设备包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行权利要求1-6中任一项所述的车辆状态的预测方法。
...【技术特征摘要】
1.一种车辆状态的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述基于所述行驶状态信息、所述车辆道路关系信息以及所述历史决策信息，利用车辆状态预测模型执行预测操作，得到预测结果之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述目标训练集以及所述模型框架基于所述注意力机制算法进行训练操作，生成所述车辆状态预测模型，包括：
4.根据权利要求1或3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述获取车道信息，包括：
6.根据权利要求4所述的方法，其特征在于，所述历史决策信息具体为车辆道路关系队列；所述历史决策...
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。