一种基于多意图导向对比学习的自动驾驶应急救援车辆周车行为预测方法及系统技术方案

本发明专利技术公开了一种基于多意图导向对比学习的自动驾驶应急救援车辆周车行为预测方法及系统，构建的预测模型包括：(1)整合局部模块和全局模块的序列编码器,局部模块由若干transformer组成，全局模块由单层QKV模块构成。(2)面向多意图的对比学习模块，由意图层面的匹配和和对比损失组成。数据输入模型，首先对数据进行增强操作得到两个增强序列，其次将两个增强序列送至两个序列编码器，通过局部模块和全局模块提取交互信息，将交互信息输入解耦模块得到相关权重、注意力权重和意图，将两个序列编码器输出的意图进行配对得到意图级正对，计算对比学习的损失得到当前车辆意图，匹配当前意图进行Next预测。重复进行，得到周车行为预测结果。

【技术实现步骤摘要】

本申请涉及自动驾驶车辆行为预测领域，特别是一种基于多意图导向对比学习的自动驾驶应急救援车辆周车行为预测方法及系统。

技术介绍

1、自动驾驶车辆是指在无人为干预的前提下，能够通过感知周围环境信息，自发产生决策指令并执行驾驶行为的轮式运载体。环境感知、决策规划和控制执行是自动驾驶的三大核心技术。环境感知模块能够为安全行驶提供信息保障，包括车辆传感器数据、车辆动态状态和交通状态信息等。

2、行为预测是通过分析和理解周围环境中其他车辆的行为，预测未来的动作和意图。在自动驾驶中，行为预测起着至关重要的作用。通过准确地预测周边车辆的行为，自动驾驶车辆能够更好地进行路径规划和决策任务。对自动驾驶应急救援车辆来说更是如此，准确地预测周边车辆的行为和意图，可以在确保行驶安全的前提下提高应急救援车辆的通行效率，缩短通行时间，从而帮助应急救援车辆更好地完成任务。目前主要采用深度学习和强化学习方法进行车辆行为预测。

3、鲜有研究将对比学习引入自动驾驶行为预测。对比学习着重于学习实例之间的共同特征，区分实例之间的不同之处。利用对比学习，自动驾驶车辆能够识别出本文档来自技高网...

【技术保护点】

1.一种基于多意图导向对比学习的自动驾驶应急救援车辆周车行为预测方法，其特征在于，包括如下：

2.根据权利要求1所述的周车行为预测方法，其特征在于，所述步骤3中预测模型由如下步骤获得：

3.根据权利要求2所述的周车行为预测方法，其特征在于，所述S3.1具体过程如下：

4.根据权利要求2所述的周车行为预测方法，其特征在于，所述S3.2具体过程如下：

5.根据权利要求2所述的周车行为预测方法，其特征在于，所述S3.3具体过程如下：

6.根据权利要求1所述的周车行为预测方法，其特征在于，所述步骤3中预测模型训练数据集的制作方法如下：<...

【技术特征摘要】

1.一种基于多意图导向对比学习的自动驾驶应急救援车辆周车行为预测方法，其特征在于，包括如下：

2.根据权利要求1所述的周车行为预测方法，其特征在于，所述步骤3中预测模型由如下步骤获得：

3.根据权利要求2所述的周车行为预测方法，其特征在于，所述s3.1具体过程如下：

4.根据权利要求2所述的周车行为预测方法，其特征在于，所述s3.2具体过程如下：

5.根据权利要求2所述的周车行为预测方法，其特征在于，所述s3.3具体过程如下：

6.根据权利要求1所述的周车行为预测方法，其特征在于，所述步骤3中预...

【专利技术属性】
技术研发人员：刘擎超，王瑞海，蔡英凤，陈龙，王海，熊晓夏，
申请(专利权)人：江苏大学，
类型：发明
国别省市：