CN113022586A - 一种车辆行为预测方法、装置及存储介质 - Google Patents
一种车辆行为预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113022586A CN113022586A CN202110401017.8A CN202110401017A CN113022586A CN 113022586 A CN113022586 A CN 113022586A CN 202110401017 A CN202110401017 A CN 202110401017A CN 113022586 A CN113022586 A CN 113022586A
- Authority
- CN
- China
- Prior art keywords
- cost
- target vehicle
- vehicle
- lane
- ramp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开一种车辆行为预测方法、装置及存储介质,该方法包括:在车辆位于匝道区域时,确定以所述车辆为中心的预设范围内的目标车辆;基于预设下匝道代价函数确定所述目标车辆的下匝道意图;根据所述目标车辆的下匝道意图确定所述车辆的下匝道轨迹。本发明实现了对车辆行为轨迹的预测,提高了预测的精度。
Description
技术领域
本发明涉及车辆驾驶辅助技术领域,特别涉及一种车辆行为预测方法、装置及存储介质。
背景技术
目前驾驶辅助系统已广泛搭载到车辆上使用,在驾驶辅助系统功能算法中对物体(车辆和行人等)的行为和轨迹预测是必不可少的部分,而行为预测和轨迹预测的准确度会很大程度上影响驾驶辅助系统功能的性能。现有的预测方法分为两类:一类是传统方法通过目标的动力学参数(位置、速度、加速度等)建立模型根据概率分布来进行行为预测;另一类是用深度学习进行预测。
目前的传统方法对目标预测的精度不够,特别是没有考虑各个目标之间的交互,这样对功能的性能提升造成了较大影响;而深度学习的方法对系统的算力要求较高同时需要大量的训练。而对于自动下匝道场景,难点是车辆需要变道到最右侧车道,但此时最右侧交通较为拥堵。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种车辆行为预测方法、装置及存储介质。所述技术方案如下:
一方面,提供了一种车辆行为预测方法,所述方法包括:
在车辆位于匝道区域时,确定以所述车辆为中心的预设范围内的目标车辆;
基于预设下匝道代价函数确定所述目标车辆的下匝道意图;
根据所述目标车辆的下匝道意图确定所述车辆的下匝道轨迹。
另一方面,提供了一种车辆行为预测装置,所述装置包括:
目标车辆确定模块:用于在车辆位于匝道区域时,确定以所述车辆为中心的预设范围内的目标车辆;
目标车辆下匝道意图确定模块:用于基于预设下匝道代价函数确定所述目标车辆的下匝道意图;
车辆下匝道轨迹预测模块:用于根据所述目标车辆的下匝道意图确定所述车辆的下匝道轨迹。
具体的,所述装置还包括:
下匝道代价类型确定模块:用于确定所述目标车辆的变道行为代价、高效驾驶代价、交通规则代价以及所述目标车辆距离下匝道车道的距离代价;
下匝道代价的权重系数确定模块:用于确定所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价的权重系数;
下匝道代价函数计算模块:用于基于所述权重系数对所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价进行加权求和,得到所述目标车辆的预设下匝道代价函数。
具体的,所述下匝道代价类型确定模块包括:
变道行为获取模块:用于获取所述目标车辆的变道行为;
变道行为代价确定模块:用于根据所述变道行为以及所述目标车辆在变道之前所在的车道,确定所述目标车辆的变道行为代价。
具体的,所述目标车辆的高效驾驶代价包括车道保持代价与超越代价;所述下匝道代价类型确定模块包括:
车速及窗口信息获取模块:用于获取所述目标车辆的车速相关信息以及所述目标车辆的窗口相关信息;
车道保持代价及超越代价确定模块:用于根据所述车速相关信息确定所述目标车辆的车道保持代价;根据所述窗口相关信息确定所述目标车辆的超越代价;
高效驾驶代价确定模块:用于对所述目标车辆的车道保持代价与超越代价进行加权求和,得到所述目标车辆的高效驾驶代价。
具体的,所述车道保持代价及超越代价确定模块包括:
目标车辆行驶速度获取模块:用于按照预设时间间隔,获取连续m个所述目标车辆的实时行驶速度信息;
目标车辆速度差值确定模块:用于计算所述目标车辆在匝道区域内允许行驶的最大速度与所述连续m个所述目标车辆的实时行驶速度信息的差值;
目标车辆速度效率确定模块:用于根据所述差值与允许行驶的最大速度的比值计算所述目标车辆连续m个速度的效率;
目标车辆的车道保持代价确定模块:用于根据所述目标车辆速度的效率确定所述目标车辆的车道保持代价。
具体的,所述车道保持代价及超越代价确定模块包括:
目标车辆向左变道窗口信息获取模块:用于获取所述目标车辆向左变道窗口信息,所述窗口信息包括向左变道时左车道上前后两个车之间的距离;
目标车辆向左变道窗口的代价模块:用于根据所述向左变道窗口信息计算所述目标车辆向左变道窗口的代价;所述窗口的个数至少包括一个;
目标车辆的超越代价确定模块:用于比较至少一个窗口的代价,取所述窗口的代价中代价最小的窗口作为最优窗口;所述最优窗口的代价为所述目标车辆的超越代价。
具体的,所述下匝道代价类型确定模块包括:
地标线判断模块:用于判断所述目标车辆向右变道时的地标线是实线还是虚线;若是实线,则所述目标车辆的交通规则代价为1;若是虚线,则所述目标车辆的交通规则代价为0。
具体的,所述下匝道代价类型确定模块包括:
目标车辆车道确定模块:用于获取道路车道总数、当前所述目标车辆所在车道;
目标车辆距离下匝道车道的距离代价确定模块:用于根据预设的距离下匝道车道的距离代价与所述道路车道总数、当前所述目标车辆所在车道的对应关系,确定所述目标车辆距离下匝道车道的距离代价。
具体的,所述下匝道代价的权重系数确定模块包括:
目标车辆到下匝道的距离获取模块:用于实时获取所述目标车辆到下匝道的距离;
目标车辆权重系数对应模块确定模块:用于根据预设的所述目标车辆到下匝道的距离与权重系数集之间的对应关系,确定目标权重系数集;所述目标权重系数集中包括与所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价对应的权重系数。
另一方面提供了一种存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述的车辆行为预测方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本发明实施例通过在车辆位于匝道区域时,基于预设下匝道代价函数对以车辆为中心的预设范围内的目标车辆的下匝道意图预测,根据目标车辆的下匝道意图确定车辆的下匝道轨迹。上述技术方案实现了对车辆行为的预测,提高了预测的精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种车辆行为预测方法的实施环境;
图2为本发明实施例提供的一种车辆行为预测方法的流程示意图;
图3为本发明实施例提供的预设目标车辆到下匝道的距离与代价权重系数之间的对应关系图;
图4为本发明实施例提供的距离下匝道车道的距离代价的三维图;
图5为本发明实施例提供的变道代价与目标车俩当前所在车道的对应关系图;
图6为本发明实施例提供的车道保持代价曲线图;
图7为本发明实施例提供的超越代价的曲线图;
图8为本发明实施例提供的一种车辆行为预测装置的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其所示为本发明实施例提供的一种车辆行为预测方法的实施环境,该实施环境匝道信息是通过地图导航信息进行判断匝道位置,当目标车辆位于匝道区域时,对周围车辆进行预测下匝道行为,其预测下匝道的的依据为目标车辆下匝道代价函数,通过目标车辆下匝道代价预测车辆下匝道的行为。下面结合图1所示的实施环境来对本发明实施提供的一种车辆行为预测方法进行详细说明。
请参见图2,其所示为本发明实施例提供的一种车辆行为预测方法的流程示意图,所述方法具体包括以下步骤:
S201:在车辆位于匝道区域时,确定以所述车辆为中心的预设范围内的目标车辆;
S202:基于预设下匝道代价函数确定所述目标车辆的下匝道意图;
S203:根据所述目标车辆的下匝道意图确定所述车辆的下匝道轨迹。
在本发明实施例中,对目标车辆进行意图预测时,通过对目标车辆构建下匝道代价函数来完成,其结合了道路信息、目标的动力学数据以及目标周围其他目标的行为来进行。目标车辆下匝道代价函数计算时所需要获取的信息包含环境感知信息、地图导航信息和车身传感器信息,环境感知信息可以通过摄像头、毫米波雷达和激光雷达来获取,包括但不限于此,其主要是对物体(车辆、行人等)的检测,或者车道线/路沿检测,交通标识识别等;地图导航信息其主要包括获取道路信息(车道、车道线、匝道位置等);车身传感器信息主要包括车速、加速度、横摆角速度、方向盘转角、方向盘转角速度等。以上信息的获取,为构建目标车辆下匝道代价函数提供了数据支持。
进一步地,所述方法还包括:
确定所述目标车辆的变道行为代价、高效驾驶代价、交通规则代价以及所述目标车辆距离下匝道车道的距离代价;
确定所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价的权重系数;
基于所述权重系数对所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价进行加权求和,得到所述目标车辆的预设下匝道代价函数。
在本发明实施例中,通过预设下匝道代价函数确定以车辆为中心的预设范围内的目标车辆的下匝道意图,其预设范围最优为1km,目标车辆下匝道的代价函数包括变道行为代价、高效驾驶代价、交通规则代价和距离下匝道车道的距离代价,通过对变道行为代价、高效驾驶代价、交通规则代价和距离下匝道车道的距离代价的加权求和,得到目标车辆下匝道的代价函数,将目标车辆下匝道的代价函数与设定的阈值进行比较,进而预测目标车辆的是否下匝道,若加权后的代价函数小于设定的阈值时,则预测目标车辆下匝道的可能性较大,则此时车辆下匝道的代价会减小。
上述用于预测目标车辆行为的代价函数如下式所示:
在上式,其中Wdis_right、和Wtraffic_rule分别是距离下匝道车道的距离代价、变道行为代价、高效驾驶代价和交通规则代价的权重系数,costdis_right、和分别为距离下匝道车道的距离代价、变道行为代价、高效驾驶代价和交通规则代价的值。
上述各个代价的值的范围为0~100,对代价权重系数进行归一化,即距离下匝道车道的距离代价、变道行为代价、高效驾驶代价和交通规则代价的权重系数之和为1,其主要考虑到目标车辆到达匝道的时间不同,则不同代价贡献值也不相同,各个代价的系数根据到达匝道的时间标定来确定。如图3所示,为本发明实施例提供的预设目标车辆到下匝道的距离与代价权重系数之间的对应关系图,在图3中横坐标表示目标车辆距离匝道口的距离,纵坐标表示权重系数,可以看出目标车辆距离匝道口越近时,目标车辆距离下匝道车道距离的代价权重系数较大,距离匝道口越远时高效驾驶的权重较大。
进一步地,所述确定所述目标车辆的变道行为代价,包括:
获取所述目标车辆的变道行为;
根据所述变道行为以及所述目标车辆在变道之前所在的车道,确定所述目标车辆的变道行为代价。
进一步地,所述目标车辆的高效驾驶代价包括车道保持代价与超越代价;所述确定所述目标车辆的高效驾驶代价,包括:
获取所述目标车辆的车速相关信息以及所述目标车辆的窗口相关信息;
根据所述车速相关信息确定所述目标车辆的车道保持代价;根据所述窗口相关信息确定所述目标车辆的超越代价;
对所述目标车辆的车道保持代价与超越代价进行加权求和,得到所述目标车辆的高效驾驶代价。
进一步地,所述根据所述车速相关信息确定所述目标车辆的车道保持代价,包括:
按照预设时间间隔,获取连续m个所述目标车辆的实时行驶速度信息;
计算所述目标车辆在匝道区域内允许行驶的最大速度与所述连续m个所述目标车辆的实时行驶速度信息的差值;
根据所述差值与允许行驶的最大速度的比值计算所述目标车辆连续m个速度的效率;
根据所述目标车辆速度的效率确定所述目标车辆的车道保持代价。
进一步地,所述根据所述窗口相关信息确定所述目标车辆的超越代价,包括:
获取所述目标车辆向左变道窗口信息,所述窗口信息包括向左变道时左车道上前后两个车之间的距离;
根据所述向左变道窗口信息计算所述目标车辆向左变道窗口的代价;所述窗口的个数至少包括一个;
比较至少一个窗口的代价,取所述窗口的代价中代价最小的窗口作为最优窗口;所述最优窗口的代价为所述目标车辆的超越代价。
进一步地,所述确定所述目标车辆的交通规则代价,包括:
判断所述目标车辆向右变道时的地标线是实线还是虚线;
若是实线,则所述目标车辆的交通规则代价为1;
若是虚线,则所述目标车辆的交通规则代价为0。
进一步地,所述确定所述目标车辆距离下匝道车道的距离代价,包括:
获取道路车道总数、当前所述目标车辆所在车道;
根据预设的距离下匝道车道的距离代价与所述道路车道总数、当前所述目标车辆所在车道的对应关系,确定所述目标车辆距离下匝道车道的距离代价。
进一步地,所述确定所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价的权重系数包括:
实时获取所述目标车辆到下匝道的距离;
根据预设的所述目标车辆到下匝道的距离与权重系数集之间的对应关系,确定目标权重系数集;所述目标权重系数集中包括与所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价对应的权重系数。
在本发明实施例中,影响目标车辆下匝道行为预测的每个代价的取决因素不尽相同,下面对其影响因素进行一一描述。在距离下匝道车道的距离代价中,影响距离下匝道车道的距离代价的因素有道路车道总数和目标车辆所在车道,目标车辆距离最右侧车道越远代价越大,随着车道总数的增加而代价越大,如图4所示,其为本发明实施例提供的距离下匝道车道的距离代价的三维图。
在变道行为代价中,当目标车辆进入到预设的距下匝道时,车辆跟踪目标车辆的变道行为,向右变道则下匝道的代价减小,反之向左变道则下匝道的代价增大。具体的代价设定与目标车辆当前所在车道有关,如图5所示,其为本发明实施例提供的变道代价与目标车俩当前所在车道的对应关系图。
在高效驾驶代价中,高效驾驶代价由车道保持代价与超越代价决定的,其中车道保持代价是由其可以表示为下式:
costefficient_drive=Wkeepinlane*costkeepinlane+Woverride*costoverride
式中,Wkeepinlane与Woverride分别是车道保持代价、超越代价的权重系数,costkeepinlane与costoverride分别为车道保持代价、超越代价。
在车道保持代价中,主要考虑因素有目标车辆在匝道区域内的行驶速度,当目标车辆速度越小时,速度效率就会越小,下匝道的代价越小,则按照预设时间间隔,连续m个代价计算周期的车道保持代价可表示如下:
Temp=(Speed_max-speed_current)/Speed_max
式中,Temp是车道保持代价的临时代价,其主要目的是为了得出车道保持代价做的铺垫,Speed_max为是目标车辆行驶的最大速度,其影响最大速度因素是道路限速和交通拥堵情况,speed_current是当前目标车辆的速度;costkeepinlane是车道保持代价,n是间隔的取值,m是连续m个计算周期,Gain是标定值。车道保持代价随着车道保持代价的临时代价的变化如图6所示,其为本发明实施例提供的车道保持代价曲线图。
在超越代价中,主要反映了目标车辆为了高效驾驶选择超车等行为所需要的代价,其超越代价可表示为:
上式中,是超越代价的临时代价,其主要目的是为了得出超越代价做的铺垫,TTC(time to collision)是碰撞时间,Gain1、Gain2、Gain3和Gain4是权重系数,L_Window是窗口空挡的距离值,01和02表示窗口,Ti_Window是第i个窗口空挡的时间,Offset是常数值,costoveride是超越代价,其超越代价的曲线图可表示如图7所示,为本发明实施例提供的超越代价的曲线图。
在交通规则代价中,主要考虑的是交通规则的限制,如果向右变道时地标线是实线,则交通规则代价为1;如果向右变道时地标线是虚线,则交通规则代价为0,则交通规则代价可表示为:
由本发明实施例的上述技方案可见,本发明通过对目标车辆下匝道代价的计算结果来预测车辆的行为轨迹,上述技术方案实现了对车辆行为的预测,同时也提高了预测车辆行为的精度。
本发明实施例中还提供了一种车辆行为预测装置,所述装置如图8所示,所述装置包括:
目标车辆确定模块801:用于在车辆位于匝道区域时,确定以所述车辆为中心的预设范围内的目标车辆;
目标车辆下匝道意图确定模块802:用于基于预设下匝道代价函数确定所述目标车辆的下匝道意图;
车辆下匝道轨迹预测模块803:用于根据所述目标车辆的下匝道意图确定所述车辆的下匝道轨迹。
具体的,所述装置还包括:
下匝道代价类型确定模块:用于确定所述目标车辆的变道行为代价、高效驾驶代价、交通规则代价以及所述目标车辆距离下匝道车道的距离代价;
下匝道代价的权重系数确定模块:用于确定所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价的权重系数;
下匝道代价函数计算模块:用于基于所述权重系数对所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价进行加权求和,得到所述目标车辆的预设下匝道代价函数。
具体的,所述下匝道代价类型确定模块包括:
变道行为获取模块:用于获取所述目标车辆的变道行为;
变道行为代价确定模块:用于根据所述变道行为以及所述目标车辆在变道之前所在的车道,确定所述目标车辆的变道行为代价。
具体的,所述目标车辆的高效驾驶代价包括车道保持代价与超越代价;所述下匝道代价类型确定模块包括:
车速及窗口信息获取模块:用于获取所述目标车辆的车速相关信息以及所述目标车辆的窗口相关信息;
车道保持代价及超越代价确定模块:用于根据所述车速相关信息确定所述目标车辆的车道保持代价;根据所述窗口相关信息确定所述目标车辆的超越代价;
高效驾驶代价确定模块:用于对所述目标车辆的车道保持代价与超越代价进行加权求和,得到所述目标车辆的高效驾驶代价。
具体的,所述车道保持代价及超越代价确定模块包括:
目标车辆行驶速度获取模块:用于按照预设时间间隔,获取连续m个所述目标车辆的实时行驶速度信息;
目标车辆速度差值确定模块:用于计算所述目标车辆在匝道区域内允许行驶的最大速度与所述连续m个所述目标车辆的实时行驶速度信息的差值;
目标车辆速度效率确定模块:用于根据所述差值与允许行驶的最大速度的比值计算所述目标车辆连续m个速度的效率;
目标车辆的车道保持代价确定模块:用于根据所述目标车辆速度的效率确定所述目标车辆的车道保持代价。
具体的,所述车道保持代价及超越代价确定模块包括:
目标车辆向左变道窗口信息获取模块:用于获取所述目标车辆向左变道窗口信息,所述窗口信息包括向左变道时左车道上前后两个车之间的距离;
目标车辆向左变道窗口的代价模块:用于根据所述向左变道窗口信息计算所述目标车辆向左变道窗口的代价;所述窗口的个数至少包括一个;
目标车辆的超越代价确定模块:用于比较至少一个窗口的代价,取所述窗口的代价中代价最小的窗口作为最优窗口;所述最优窗口的代价为所述目标车辆的超越代价。
具体的,所述下匝道代价类型确定模块包括:
地标线判断模块:用于判断所述目标车辆向右变道时的地标线是实线还是虚线;若是实线,则所述目标车辆的交通规则代价为1;若是虚线,则所述目标车辆的交通规则代价为0。
具体的,所述下匝道代价类型确定模块包括:
目标车辆车道确定模块:用于获取道路车道总数、当前所述目标车辆所在车道;
目标车辆距离下匝道车道的距离代价确定模块:用于根据预设的距离下匝道车道的距离代价与所述道路车道总数、当前所述目标车辆所在车道的对应关系,确定所述目标车辆距离下匝道车道的距离代价。
具体的,所述下匝道代价的权重系数确定模块包括:
目标车辆到下匝道的距离获取模块:用于实时获取所述目标车辆到下匝道的距离;
目标车辆权重系数对应模块确定模块:用于根据预设的所述目标车辆到下匝道的距离与权重系数集之间的对应关系,确定目标权重系数集;所述目标权重系数集中包括与所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价对应的权重系数。
关于上述实施例中的车辆行为预测装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于处理器芯片外部或内部,以保存用于实现方法实施例中一种车辆行为预测方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器芯片加载并执行以实现上述方法实施例提供的车辆行为预测方法。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种车辆行为预测方法,其特征在于,所述方法包括:
在车辆位于匝道区域时,确定以所述车辆为中心的预设范围内的目标车辆;
基于预设下匝道代价函数确定所述目标车辆的下匝道意图;
根据所述目标车辆的下匝道意图确定所述车辆的下匝道轨迹。
2.根据权利要求1所述的一种车辆行为预测方法,其特征在于,所述方法还包括:
确定所述目标车辆的变道行为代价、高效驾驶代价、交通规则代价以及所述目标车辆距离下匝道车道的距离代价;
确定所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价的权重系数;
基于所述权重系数对所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价进行加权求和,得到所述目标车辆的预设下匝道代价函数。
3.根据权利要求2所述的一种车辆行为预测方法,其特征在于,所述确定所述目标车辆的变道行为代价,包括:
获取所述目标车辆的变道行为;
根据所述变道行为以及所述目标车辆在变道之前所在的车道,确定所述目标车辆的变道行为代价。
4.根据权利要求2所述的一种车辆行为预测方法,其特征在于,所述目标车辆的高效驾驶代价包括车道保持代价与超越代价;所述确定所述目标车辆的高效驾驶代价,包括:
获取所述目标车辆的车速相关信息以及所述目标车辆的窗口相关信息;
根据所述车速相关信息确定所述目标车辆的车道保持代价;根据所述窗口相关信息确定所述目标车辆的超越代价;
对所述目标车辆的车道保持代价与超越代价进行加权求和,得到所述目标车辆的高效驾驶代价。
5.根据权利要求4所述的一种车辆行为预测方法,其特征在于,所述根据所述车速相关信息确定所述目标车辆的车道保持代价,包括:
按照预设时间间隔,获取连续m个所述目标车辆的实时行驶速度信息;
计算所述目标车辆在匝道区域内允许行驶的最大速度与所述连续m个所述目标车辆的实时行驶速度信息的差值;
根据所述差值与允许行驶的最大速度的比值计算所述目标车辆连续m个速度的效率;
根据所述目标车辆速度的效率确定所述目标车辆的车道保持代价。
6.根据权利要求4所述的一种车辆行为预测方法,其特征在于,所述根据所述窗口相关信息确定所述目标车辆的超越代价,包括:
获取所述目标车辆向左变道窗口信息,所述窗口信息包括向左变道时左车道上前后两个车之间的距离;
根据所述向左变道窗口信息计算所述目标车辆向左变道窗口的代价;所述窗口的个数至少包括一个;
比较至少一个窗口的代价,取所述窗口的代价中代价最小的窗口作为最优窗口;所述最优窗口的代价为所述目标车辆的超越代价。
7.根据权利要求2所述的一种车辆行为预测方法,其特征在于,所述确定所述目标车辆的交通规则代价,包括:
判断所述目标车辆向右变道时的地标线是实线还是虚线;
若是实线,则所述目标车辆的交通规则代价为1;
若是虚线,则所述目标车辆的交通规则代价为0。
8.根据权利要求2所述的一种车辆行为预测方法,其特征在于,所述确定所述目标车辆距离下匝道车道的距离代价,包括:
获取道路车道总数、当前所述目标车辆所在车道;
根据预设的距离下匝道车道的距离代价与所述道路车道总数、当前所述目标车辆所在车道的对应关系,确定所述目标车辆距离下匝道车道的距离代价。
9.根据权利要求2所述的一种车辆行为预测方法,其特征在于,所述确定所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价的权重系数包括:
实时获取所述目标车辆到下匝道的距离;
根据预设的所述目标车辆到下匝道的距离与权重系数集之间的对应关系,确定目标权重系数集;所述目标权重系数集中包括与所述变道行为代价、高效驾驶代价、交通规则代价以及距离下匝道车道的距离代价对应的权重系数。
10.一种车辆行为预测装置,其特征在于,所述装置包括:
目标车辆确定模块:用于在车辆位于匝道区域时,确定以所述车辆为中心的预设范围内的目标车辆;
目标车辆下匝道意图确定模块:用于基于预设下匝道代价函数确定所述目标车辆的下匝道意图;
车辆下匝道轨迹预测模块:用于根据所述目标车辆的下匝道意图确定所述车辆的下匝道轨迹。
11.一种存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-9任一所述的车辆行为预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110401017.8A CN113022586B (zh) | 2021-04-14 | 2021-04-14 | 一种车辆行为预测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110401017.8A CN113022586B (zh) | 2021-04-14 | 2021-04-14 | 一种车辆行为预测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113022586A true CN113022586A (zh) | 2021-06-25 |
CN113022586B CN113022586B (zh) | 2022-08-02 |
Family
ID=76457915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110401017.8A Active CN113022586B (zh) | 2021-04-14 | 2021-04-14 | 一种车辆行为预测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113022586B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113345268A (zh) * | 2021-07-16 | 2021-09-03 | 长沙理工大学 | 基于自动驾驶专用车道部署场景下高速公路下匝道分流区域的cav换道决策方法 |
CN114715156A (zh) * | 2022-05-18 | 2022-07-08 | 北京小马智卡科技有限公司 | 控制车辆进出匝道的方法、装置、设备和存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994768A (zh) * | 2014-05-23 | 2014-08-20 | 北京交通大学 | 动态时变环境下寻求全局时间最优路径的方法 |
KR20160073687A (ko) * | 2014-12-17 | 2016-06-27 | 주식회사 포스코아이씨티 | 차량 추돌 위험 경보 시스템 및 방법 |
CN108460980A (zh) * | 2018-05-11 | 2018-08-28 | 西南交通大学 | 自动驾驶车辆下匝道最优意图生成点计算方法 |
CN109272748A (zh) * | 2018-09-06 | 2019-01-25 | 东南大学 | 车车通信结合辅助驾驶环境下匝道协同汇入方法及系统 |
CN109712421A (zh) * | 2019-02-22 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
CN110126837A (zh) * | 2018-02-09 | 2019-08-16 | 通用汽车环球科技运作有限责任公司 | 用于自主车辆运动规划的系统和方法 |
CN110979330A (zh) * | 2019-12-04 | 2020-04-10 | 福瑞泰克智能系统有限公司 | 一种车辆变道控制方法、装置及车辆 |
CN111081046A (zh) * | 2020-01-03 | 2020-04-28 | 北京百度网讯科技有限公司 | 一种车辆变道方法、装置、电子设备和介质 |
CN111338351A (zh) * | 2020-03-24 | 2020-06-26 | 东南大学 | 一种用于高速匝道入口的多智能网联车辆协同合流控制方法 |
CN111489578A (zh) * | 2020-04-01 | 2020-08-04 | 北京理工大学 | 一种基于车道时空间隙的高速道路无人驾驶决策规划方法 |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
CN112455445A (zh) * | 2020-12-04 | 2021-03-09 | 苏州挚途科技有限公司 | 自动驾驶的变道决策方法、装置和车辆 |
-
2021
- 2021-04-14 CN CN202110401017.8A patent/CN113022586B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994768A (zh) * | 2014-05-23 | 2014-08-20 | 北京交通大学 | 动态时变环境下寻求全局时间最优路径的方法 |
KR20160073687A (ko) * | 2014-12-17 | 2016-06-27 | 주식회사 포스코아이씨티 | 차량 추돌 위험 경보 시스템 및 방법 |
CN110126837A (zh) * | 2018-02-09 | 2019-08-16 | 通用汽车环球科技运作有限责任公司 | 用于自主车辆运动规划的系统和方法 |
CN108460980A (zh) * | 2018-05-11 | 2018-08-28 | 西南交通大学 | 自动驾驶车辆下匝道最优意图生成点计算方法 |
CN109272748A (zh) * | 2018-09-06 | 2019-01-25 | 东南大学 | 车车通信结合辅助驾驶环境下匝道协同汇入方法及系统 |
CN109712421A (zh) * | 2019-02-22 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
CN110979330A (zh) * | 2019-12-04 | 2020-04-10 | 福瑞泰克智能系统有限公司 | 一种车辆变道控制方法、装置及车辆 |
CN111081046A (zh) * | 2020-01-03 | 2020-04-28 | 北京百度网讯科技有限公司 | 一种车辆变道方法、装置、电子设备和介质 |
CN111338351A (zh) * | 2020-03-24 | 2020-06-26 | 东南大学 | 一种用于高速匝道入口的多智能网联车辆协同合流控制方法 |
CN111489578A (zh) * | 2020-04-01 | 2020-08-04 | 北京理工大学 | 一种基于车道时空间隙的高速道路无人驾驶决策规划方法 |
CN112455445A (zh) * | 2020-12-04 | 2021-03-09 | 苏州挚途科技有限公司 | 自动驾驶的变道决策方法、装置和车辆 |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113345268A (zh) * | 2021-07-16 | 2021-09-03 | 长沙理工大学 | 基于自动驾驶专用车道部署场景下高速公路下匝道分流区域的cav换道决策方法 |
CN113345268B (zh) * | 2021-07-16 | 2022-03-18 | 长沙理工大学 | 高速公路下匝道分流区域的cav换道决策方法 |
CN114715156A (zh) * | 2022-05-18 | 2022-07-08 | 北京小马智卡科技有限公司 | 控制车辆进出匝道的方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113022586B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10890917B2 (en) | Vehicle controller | |
US11256260B2 (en) | Generating trajectories for autonomous vehicles | |
CN113022586B (zh) | 一种车辆行为预测方法、装置及存储介质 | |
JP6429219B2 (ja) | 車両制御装置、車両制御方法、および車両制御プログラム | |
CN113243029B (zh) | 其他车辆动作预测方法及其他车辆动作预测装置 | |
US11631257B2 (en) | Surroundings recognition device, and surroundings recognition method | |
US11565748B2 (en) | Driving assistance apparatus | |
JP2021160530A (ja) | 車両制御装置、車両制御方法、及びプログラム | |
JP6662316B2 (ja) | 車両制御システム | |
US11042160B2 (en) | Autonomous driving trajectory determination device | |
US20230227074A1 (en) | Tracking vanished objects for autonomous vehicles | |
CN112810619A (zh) | 基于雷达的辅助驾驶系统前方目标车辆识别方法 | |
US11731692B2 (en) | Driving support device that performs steering control and deceleration control for avoiding an object | |
US20210300414A1 (en) | Vehicle control method, vehicle control device, and storage medium | |
EP3447449A1 (en) | Host vehicle position confidence degree calculation device | |
CN113511221A (zh) | 一种监控横向控制能力的方法、系统、车辆及存储介质 | |
CN110618676B (zh) | 车辆自动驾驶时安全偏移线的生成方法、生成系统及车辆 | |
CN115447607A (zh) | 用于规划车辆行驶轨迹的方法和装置 | |
US11970166B2 (en) | Speed generation in cautious driving for autonomous vehicles | |
US11640716B2 (en) | Lane curvature determination | |
US11192559B2 (en) | Driving assistance system | |
CN116052114A (zh) | 一种基于v2i的交叉路口车辆行为预测系统及方法 | |
CN117894180A (zh) | 一种基于风险场的车辆运行风险实时评估方法 | |
WO2020194389A1 (ja) | 交通環境認識装置及び車両制御装置 | |
CN117319802A (zh) | 摄像头控制方法、装置、设备、介质及产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |