CN113494925B - 一种确定目标车辆的方法、装置、车辆及存储介质 - Google Patents
一种确定目标车辆的方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN113494925B CN113494925B CN202110321061.8A CN202110321061A CN113494925B CN 113494925 B CN113494925 B CN 113494925B CN 202110321061 A CN202110321061 A CN 202110321061A CN 113494925 B CN113494925 B CN 113494925B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- current vehicle
- target vehicle
- predicted
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 21
- 230000009471 action Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 13
- 230000035484 reaction time Effects 0.000 claims description 10
- 230000000977 initiatory effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 21
- 238000001914 filtration Methods 0.000 abstract description 10
- 230000000875 corresponding effect Effects 0.000 description 55
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008685 targeting Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种确定目标车辆的方法、装置、车辆及存储介质,该方法包括:确定对当前车辆构成潜在安全威胁的第一目标车辆;确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。本发明实施例通过预测行驶路径和安全距离过滤掉不必要计算的目标车辆,提高计算效率,节省计算资源。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种确定目标车辆的方法、装置、车辆及存储介质。
背景技术
在车路协同系统中,主车需要对接到信号的所有远车的基本安全信号(Basicsafety message,bsm)进行解析,得到远车经纬度、车速、加速度、航向等信息,进而利用解析后的信息分析主车和目标车辆的位置与运动关系,在通信条件正常时,主车通常能接收到周围一公里的通信信息,即主车需要处理周围一公里内所有车辆的信息,若主车处于车流量密度较大的环境中,对远车信息的处理可能会出现延迟,计算效率以及预警效果大大降低。
发明内容
本发明提供一种确定目标车辆的方法、装置、车辆及存储介质,以实现过滤掉不必要计算的目标车辆,同时确定出需要计算的目标车辆,提高计算效率,节省计算资源。
第一方面,本发明实施例提供了一种确定目标车辆的方法,该方法包括:
确定对当前车辆构成潜在安全威胁的第一目标车辆;
确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。
进一步的,所述确定对当前车辆构成潜在安全威胁的第一目标车辆,包括:
根据逻辑地图确定所述当前车辆所在行驶路径的目标节点;
将所述目标节点连接路径上的除所述当前车辆之外的车辆确定为所述第一目标车辆。
进一步的,所述确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径,包括:
根据所述逻辑地图和所述当前车辆的转向信息确定所述当前车辆的预测行驶路径;
根据所述逻辑地图和所述第一目标车辆的转向信息确定所述第一目标车辆的预测行驶路径。
进一步的,所述根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆,包括:
从所述第一目标车辆中筛选出预测行驶路径与所述当前车辆的预测行驶路径重合的车辆,得到所述第二目标车辆。
进一步的,所述确定对当前车辆构成潜在安全威胁的第一目标车辆,包括:
以所述当前车辆的安全距离为半径、以所述当前车辆的位置为圆心,确定所述当前车辆的安全区域;
获取预设范围内的其他车辆的安全区域;
将所述当前车辆的安全区域内的车辆、以及所述其他车辆中安全区域与所述当前车辆的安全区域有重叠的车辆确定为所述第一目标车辆。
进一步的,所述当前车辆的安全距离通过如下方式确定:
将所述当前车辆的当前速度输入拟合网络,得到所述当前车辆对应的减速度和反应时间;
根据所述当前车辆的当前速度、所述当前车辆对应的减速度和反应时间确定所述当前车辆的安全距离。
进一步的,所述拟合网络通过如下方式得到:
获取历史记录中所述当前车辆的历史速度对应的反应时间及减速度;
将所述当前车辆的历史速度对应的反应时间及减速度作为训练数据进行模型训练,得到所述拟合网络。
进一步的,确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径,包括:
将所述当前车辆在预设时长内的历史行驶位置信息输入轨迹半径预测模型,得到所述当前车辆的预测行驶半径,根据所述当前车辆的安全距离和所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶路径;
获取所述第一目标车辆在所述预设时长内的历史行驶位置信息,并将所述第一目标车辆在所述预设时长内的历史行驶位置信息输入所述轨迹半径预测模型,得到所述第一目标车辆的预测行驶半径,根据所述第一目标车辆的安全距离和所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶路径。
进一步的,所述根据所述当前车辆的安全距离、所述当前车辆的预测行驶半径、第一目标车辆的安全区域、所述第一目标车辆的预测行驶半径分别确定所述当前车辆的预测行驶路径与所述第一目标车辆的预测行驶路径,包括:
根据所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶范围,根据所述当前车辆的转向信息确定预设行驶方向,将所述当前车辆的预测行驶范围内的预设行驶方向上的长度为所述安全距离的路径确定为所述当前车辆的预测行驶路径;
根据所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶范围,根据所述第一目标车辆的转向信息确定预设行驶方向,将所述第一目标车辆的预测行驶范围内的预设行驶方向上的长度为所述第一目标车辆的路径为所述第一目标车辆的预测行驶路径。
进一步的,所述轨迹半径预测模型通过如下方式得到:
根据初始评价网络和初始动作网络搭建初始轨迹半径预测模型;
根据预设个数的所述当前车辆的历史导航信息与所述第一目标车辆的历史导航信息、初始轨迹半径预测模型、奖励函数确定最小损失熵对应的评价网络参数集与动作网络参数集;
根据所述最小损失熵对应的评价网络参数集与动作网络参数集更新所述初始轨迹半径预测模型的参数,得到轨迹预测模型。
进一步的,所述根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆,包括:
将所述第一目标车辆中预测行驶路径与所述当前车辆的预测行驶路径有交集的车辆确定为所述第二目标车辆。
第二方面,本发明实施例还提供了一种确定目标车辆的装置,该装置包括:
第一目标确定模块,用于确定对当前车辆构成潜在安全威胁的第一目标车辆;
预测路径确定模块,用于确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
第二目标确定模块,用于根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。
第三方面,本发明实施例还提供了一种车辆,该车辆包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现所述的确定目标车辆的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的确定目标车辆的方法。
本发明通过确定对当前车辆构成潜在安全威胁的第一目标车辆;确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。解决主车处于车流量密度较大的环境中,对远车信息的处理出现延迟,计算效率降低,预警效果差等问题,实现了通过预测行驶路径和安全距离过滤掉不必要计算的目标车辆,提高计算效率,节省计算资源。
附图说明
图1是本发明实施例一中的一种确定目标车辆的方法的流程图;
图1A是本发明实施例一中一种确定目标车辆的方法的示意图;
图1B是本发明实施例一中一种确定目标车辆的方法的示意图;
图2是本发明实施例二中的一种确定目标车辆的方法的流程图;
图2A是本发明实施例二中的一种确定目标车辆的方法的原理图;
图3是本发明实施例三中的一种确定目标车辆的装置的结构示意图;
图4是本发明实施例四中的一种车辆的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种确定目标车辆的方法的流程图,本实施例可适用于各种车辆预警的情况,该方法可以由确定目标车辆的方法来执行,该装置可以通过软件和/硬件的方式来实现,并具体可继承于具体存储和计算能力来进行确定目标车辆的设备中。
如图1所示,提供一种确定目标车辆的生成方法,具体包括如下步骤:
步骤110,确定对当前车辆构成潜在安全威胁的第一目标车辆;
本发明实施例中,当前车辆可以理解为车路协同系统中的主车或者当前驾车辆,其中,主车或当前驾驶需要将所有接收到信号的远车的基础安全信息进行分析。第一目标车辆可以理解为当前车辆所有接收到信号的远车在目标节点连接路径上的或与所述当前车辆的安全区域有重叠的车辆。
本发明实施例中,根据当前车辆的车路协同系统中所有接收信号的远车,根据逻辑地图和当前车辆的安全区域,确定对当前车辆构成潜在安全威胁的第一目标车辆。
步骤120,确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
本发明实施例中,当前车辆的预测行驶路径可以理解为根据当前车辆的历史行驶信息或接收到的当前位置的逻辑地图,预测出的当前车辆在一定距离或者一定范围内的行驶路径。第一目标车辆的预测行驶路径可以理解为根据第一目标车辆的历史行驶信息或接收到的当前位置的逻辑地图,预测出的第一目标车辆在一定距离或者一定范围内的行驶路径。
本发明实施例中,当前车辆和第一目标车辆根据当前位置的逻辑地图上的预测行驶路径,或根据当前车辆和第一目标车辆的历史行驶信息确定的当前车辆和第一目标车辆的预测行驶路径,以便于根据当前车辆和第一目标车辆的预测行驶路径对第一目标车辆进行过滤。其中,当前车辆的预测行驶路径和第一目标车辆的预测行驶路径均由当前车辆进行计算,所有接收到信号的远车的基础安全信息中有第一目标车辆的位置信息。
步骤130,根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。
本发明实施例中,第二目标车辆可以理解为根据当前车辆的预测行驶路径和第一目标车辆的预测行驶路径确定需要计算相关度的车辆。其中,第二目标车辆是通过当前车辆的预测行驶路径和第一目标车辆的预测行驶路径过滤,从第一目标车辆中保留的车辆。
本发明实施例中,根据当前车辆的预测行驶路径和第一目标车辆的预测行驶路径,从第一目标车辆中筛选车第二目标车辆,从而使得当前车辆所有接收信号的远车,经过两次筛选以得到第二目标车辆,过滤掉不必要计算的目标车辆,提高计算效率,节省计算资源。
进一步的,所述确定对当前车辆构成潜在安全威胁的第一目标车辆,包括:
根据逻辑地图确定所述当前车辆所在行驶路径的目标节点;
将所述目标节点连接路径上的除所述当前车辆之外的车辆确定为所述第一目标车辆。
本发明实施例中,逻辑地图可以理解为一定范围内当前车辆接收到的包含当前车辆所在地理位置(经纬度)、道路信息、车辆信息(航向信息)的地图。当前车辆所在行驶路径的目标节点可以理解为逻辑地图中实际叉路节点和预设距离节点。目标节点连接路径可以理解为叉路节点和预设距离节点根据逻辑地图中实际路径与交通规则确定的当前车辆可能行驶路径。
本发明实施例中,根据当前车辆接收的逻辑地图确定逻辑地图上的实际叉路节点和预设距离节点,在根据交通规则、逻辑地图上的实际可行驶路径、当前车辆接收的逻辑地图上的实际叉路节点和预设距离节点确定当前车辆可能行驶路径。根据当前车辆可能行驶路径从当前车辆所有接收到信号的远车中过滤掉,不在当前车辆可能行驶路径上的车辆,将目标节点连接路径上的除当前车辆之外的车辆确定为第一目标车辆。
图1A为本发明实施例一中一种确定目标车辆的示意图,如图1A所示,逻辑地图中车辆HV为当前车辆,其他均为接收到信号的远车RV1-RV6,根据逻辑地图中的交叉节点Node1和预设距离节点Node2-Node7,确定车辆HV可能行驶路径或可能相遇车辆所在路径为Node1至Node3、Node1至Node2、Node5至Node1,过滤掉逻辑地图Node6至Node7上的远车RV5、RV6、RV7,车辆HV当前行驶路径为Node4至Node1,将逻辑地图中除车辆HV之外的车辆作为第一目标车辆。
进一步的,所述确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径,包括:
根据所述逻辑地图和所述当前车辆的转向信息确定所述当前车辆的预测行驶路径;
根据所述逻辑地图和所述第一目标车辆的转向信息确定所述第一目标车辆的预测行驶路径。
本发明实施例中,当前车辆的转向信息可以理解为当前车辆信号灯对应的信息。第一目标车辆的转向信息可以理解为第一目标车辆信号灯对应的信息。
本发明实施例中,根据逻辑地图中当前车辆的转向信息、逻辑地图中当前车辆可行驶路径和当前车辆的航向信息,确定当前车辆的预测行驶路径。根据逻辑地图中第一目标车辆的转向信息、逻辑地图中第一目标车辆可行驶路径和第一目标车辆的航向信息,确定第一目标车辆的预测行驶路径,以便于根据当前车辆的预测行驶路径和第一目标车辆的预测行驶路径进行第二次过滤。
进一步的,所述根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆,包括:
从所述第一目标车辆中筛选出预测行驶路径与所述当前车辆的预测行驶路径重合的车辆,得到所述第二目标车辆。
本发明实施例中,根据当前车辆的预测行驶路径和第一目标车辆的预测行驶路径重合情况,确定出第一目标车辆中与当前车辆的预测行驶路径重合的车辆作为当前车辆对应的第二目标车辆。其中,第一目标车辆中当前车辆的预测行驶路径重合可以分为完全重合和部分重合,部分重合也可以理解为预测路径存在交叉。
图1B为本发明实施例一中一种确定目标车辆的方法的示意图,如图1B所示,根据第一目标车辆RV1-RV4、当前车辆HV的转向信息和第一目标车辆的转向信息确定当前车辆的预测行驶路径为Node4至Node1、Node1至Node3与第一目标车辆的预测行驶路径。根据当前车辆的预测行驶路径和第一目标车辆预测行驶路径重合情况对第一目标车辆进行过滤,将第一目标车辆RV4过滤掉,将第一目标车辆中RV1-RV3作为第二目标车辆。
本发明通过确定对当前车辆构成潜在安全威胁的第一目标车辆;确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。解决主车处于车流量密度较大的环境中,对远车信息的处理出现延迟,计算效率降低,预警效果差等问题,实现了通过预测行驶路径和安全距离过滤掉不必要计算的目标车辆,提高计算效率,节省计算资源。
实施例二
图2为本发明实施例二提供的一种确定目标车辆的流程图。本实施例的技术方案在上述技术方案的基础上进一步细化,具体主要包括如下步骤:
步骤210,以所述当前车辆的安全距离为半径、以所述当前车辆的位置为圆心,确定所述当前车辆的安全区域;
本发明实施例中,当前车辆的安全距离可以理解为根据当前车辆的行驶速度、驾驶员反应速度和刹车减速度计算出的防撞距离。当前车辆的位置可以理解为当前车辆所在的经纬度或当前车辆所在地平面坐标系中的坐标。当前车辆的安全区域可以理解为以当前车辆的安全距离为半径的、以当前车辆的位置为圆心绘制出来的圆形区域。其中,基于如下公式计算当前车辆的安全距离S:
其中,υ为当前车辆的行驶速度,T为驾驶员反应时间,t1为制动协调时间,t2为减速度增长时间,a为当前车辆的刹车减速度。
本发明实施例中,根据当前车辆的行驶速度、驾驶员反应速度和刹车减速度计算出当前车辆的安全距离,并以当前车辆的位置为圆心、以当前车辆的安全距离为半径绘制圆,圆内为当前车辆的安全区域。
进一步的,所述当前车辆的安全距离通过如下方式确定:
将所述当前车辆的当前速度输入拟合网络,得到所述当前车辆对应的减速度和反应时间;
根据所述当前车辆的当前速度、所述当前车辆对应的减速度和反应时间确定所述当前车辆的安全距离。
本发明实施例中,拟合网络可以理解为四层后向传播神经网络,根据当前车辆的历史行驶速度对应的反应时间及减速度的内在规律和特征的拟合网络,用于输出车辆的行驶速度对应的反应时间及减速度。当前车辆对应的减速度可以理解为当前车辆、当前车辆行驶速度对应刹车减速度。当前车辆对应的反应时间可以理解为当前车辆、当前车辆行驶速度刹车时驾驶员的反应时间。
本发明实施例中,将当前车辆的当前速度输入拟合网络,得到当前车辆的当前速度对应的减速度和反应时间。将当前车辆的当前速度、当前车辆对应的减速度和反应时间代入公式(1)中计算出当前车辆的安全距离。
进一步的,所述拟合网络通过如下方式得到:
获取历史记录中所述当前车辆的历史速度对应的反应时间及减速度;
将所述当前车辆的历史速度对应的反应时间及减速度作为训练数据进行模型训练,得到所述拟合网络。
本发明实施例中,当前车辆的历史速度可以理解为当前车辆的历史行驶速度。当前车辆的历史速度对应的反应时间可以理解为当前车辆、当前车辆历史行驶速度刹车时驾驶员的反应时间。当前车辆的历史速度对应的减速度可以理解为当前车辆、当前车辆历史行驶速度对应刹车减速度。
本发明实施例中,获取车路协同系统中当前车辆历史记录中当前车辆的历史速度对应的反应时间及减速度,将当前车辆的历史速度、当前车辆的历史速度对应的反应时间及当前车辆的历史速度对应的减速度作为训练数据对四层后传播的神经网络进行模型训练,直至模型的损失函数值达到最小,得到拟合网络。其中,当前车辆的历史速度对应的反应时间及减速度以标签的形式标记在当前车辆的历史速度上。其中,基于以下公式计算该模型的计算该网络的损失函数Loss:
其中,n为训练数据的数量,k为训练数据第k个数据,T'为拟合网络输出当前车辆历史速度对应的反应时间,a'为拟合网络输出的当前历史速度对应的减速度。
步骤220,获取预设范围内的其他车辆的安全区域;
本发明实施例中,预设范围可以理解为车路协同系统中当前车辆接收所有远车的基本安全信号的通信范围。其他车辆的安全区域可以理解为车路协同系统中当前车辆接收到信号的远车的基本安全信息,并根据接收的基本安全信息计算远车的安全区域。
本发明实施例中,根据步骤210中的方法,车路协同系统中当前车辆接收到信号的远车的基本安全信息,并根据接收的基本安全信息计算远车的安全区域。其中,当前车辆通过车路协同系统仅获取预设范围内的其他车辆的基本安全信息,根据基本安全信息中全球导航位置消息确定其他车辆的位置消息。
步骤230,将所述当前车辆的安全区域内的车辆、以及所述其他车辆中安全区域与所述当前车辆的安全区域有重叠的车辆确定为所述第一目标车辆;
本发明实施例中,不考虑车辆的运动方向,根据当前车辆行驶速度计算出的当前车辆的安全区域和接收到的其他车辆的安全区域,确定当前车辆的安全区域与其他车辆的安全区域的重叠情况,将与当前车辆的安全区域有重叠区域的其他车辆作为第一目标车辆。
步骤240,确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
本发明实施例中,根据轨迹半径预测模型、当前车辆在预设时长内的历史行驶位置信息和第一目标车辆在预设时长内的历史行驶位置信息,分别确定当前车辆的预测行驶路径和第一目标车辆的预测行驶路径。
进一步的,确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径,包括:
将所述当前车辆在预设时长内的历史行驶位置信息输入轨迹半径预测模型,得到所述当前车辆的预测行驶半径,根据所述当前车辆的安全距离和所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶路径;
获取所述第一目标车辆在所述预设时长内的历史行驶位置信息,并将所述第一目标车辆在所述预设时长内的历史行驶位置信息输入所述轨迹半径预测模型,得到所述第一目标车辆的预测行驶半径,根据所述第一目标车辆的安全距离和所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶路径。
本发明实施例中,当前车辆在预设时长内的历史行驶位置信息可以理解为距离当前时刻最近预设时间内当前车辆的历史行驶位置信息。其中,预设时长可以理解为一个较短的时间段,例如:1S。轨迹半径预测模型可以理解为根据车辆历史行驶位置信息和对应的车辆的速度内在规律和特征的预测模型,用于输出车辆的预测行驶半径。第一目标车辆在预设时长内的历史行驶位置信息可以理解为距离当前时刻最近预设时间内第一目标车辆的历史行驶位置信息。当前车辆的预测行驶半径可以理解为根据当前车辆的预设时长内的历史行驶位置信息和位置信息对应的当前车辆行驶速度输入轨迹半径预测模型,得到当前车辆的预测行驶半径,用于绘制出当前车辆预测行驶路径。第一目标车辆的预测行驶半径可以理解为根据第一目标车辆的预设时长内的历史行驶位置信息和位置信息对应的第一目标车辆行驶速度输入轨迹半径预测模型,得到第一目标车辆的预测行驶半径,用于绘制第一目标当前车辆预测行驶路径。
本发明实施例中,将当前车辆在预设时长内的历史行驶位置信息和位置信息对应当前车辆速度输入轨迹半径预测模型,得到当前车辆的预测行驶半径。将第一目标车辆的预设时长内的历史行驶位置信息和位置信息对应的第一目标车辆速度输入轨迹半径预测模型,得到第一目标车辆的预测行驶半径。
进一步的,所述根据所述当前车辆的安全距离、所述当前车辆的预测行驶半径、第一目标车辆的安全区域、所述第一目标车辆的预测行驶半径分别确定所述当前车辆的预测行驶路径与所述第一目标车辆的预测行驶路径,包括:
根据所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶范围,根据所述当前车辆的转向信息确定预设行驶方向,将所述当前车辆的预测行驶范围内的预设行驶方向上的长度为所述安全距离的路径确定为所述当前车辆的预测行驶路径;
根据所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶范围,根据所述第一目标车辆的转向信息确定预设行驶方向,将所述第一目标车辆的预测行驶范围内的预设行驶方向上的长度为所述第一目标车辆的路径为所述第一目标车辆的预测行驶路径。
本发明实施例中,当前车辆的预测行驶范围可以理解为根据当前车辆的预设时长内的历史行驶位置信息确定坐标值为圆心,当前车辆的轨迹预测行驶半径绘制出的区域。当前车辆的预设行驶方向可以理解为根据当前车辆的转向信息确定当前车辆的行驶方向。第一目标车辆的预测行驶范围可以理解为根据第一目标车辆的预设时长内的历史行驶位置信息确定坐标值为圆心,第一目标车辆预测行驶半径绘制出的区域。第一目标车辆的预测行驶方向可以理解为根据第一目标车辆的转向信息确定第一目标车辆的行驶方向。
本发明实施例中,根据当前车辆的预设时长的历史行驶位置信息中离车最近的位置点、当前车辆的位置坐标和当前车辆的预测行驶半径,计算出预测行驶路径的圆心位置坐标。根据预测行驶路径圆心位置坐标、当前车辆的预测行驶半径及当前车辆的安全距离和当前车辆预设行驶方向,绘制出以当前预测行驶路径圆心位置坐标为圆心、以当前车辆的预测行驶半径为半径,在当前车辆的预设行驶方向上绘制出总长为当前车辆的安全距离的弧线作为当前车辆的预测行驶路径。
本发明实施例中,根据第一目标车辆的预设时长的历史行驶位置信息中离车最近的位置点和第一目标车辆的位置坐标,计算出预测行驶路径的圆心位置坐标。根据预测行驶路径圆心位置坐标、第一目标车辆的预测行驶半径及第一目标车辆的安全距离和第一目标车辆预设行驶方向,绘制出以第一目标预测行驶路径圆心位置坐标为圆心、以第一目标车辆的预测行驶半径为半径,在第一目标车辆的预设行驶方向上绘制出总长为第一目标车辆的安全距离的弧线作为第一目标车辆的预测行驶路径。
进一步的,所述轨迹半径预测模型通过如下方式得到:
根据初始评价网络和初始动作网络搭建初始轨迹半径预测模型;
根据预设个数的所述当前车辆的历史导航信息与所述第一目标车辆的历史导航信息、初始轨迹半径预测模型、奖励函数确定最小损失熵对应的评价网络参数集与动作网络参数集;
根据所述最小损失熵对应的评价网络参数集与动作网络参数集更新所述初始轨迹半径预测模型的参数,得到轨迹预测模型。
本发明实施例中,初始评价网络可以理解为轨迹预测模型初始用于评价车辆初始动作网络的网络。初始动作网络可以理解为用于输出车辆行驶动作对应的预测行驶半径的网络。初始轨迹半径预测模型可以理解为根据初始评价网络和初始动作搭建的轨迹半径预测模型,即未训练的初始轨迹半径预测模型。当前车辆的历史导航信息可以理解为当前车辆的导航电子设备中存储当前车辆的行驶信息。第一目标车辆的历史导航信息可以理解为第一目标车辆的导航电子设备中存储第一目标车辆的行驶信息。奖励函数可以理解为任意时刻预测的半径值误差大小,其中,奖励函数的误差越大奖励越小,误差越小奖励越大。最小损失熵可以理解为损失函数的最小的熵值。评价网络参数集可以理解为评价网络参数集对应评价网络中使用的全部参数,其中,初始评价网络的参数集为随机参数。动作网络参数集可以理解为动作网络中使用的全部参数,其中,初始动作网络参数为随机参数。
本发明实施例中,根据初始评价网络和初始动作网络搭建初始轨迹半径预测模型,根据预设个数的当前车辆的历史导航信息中当前车辆的历史位置信息和位置信息对应的当前车辆的历史速度,通过动作网络多次输出预设个数的当前车辆的预测行驶半径。根据当前车辆下一次更新导航信息中位置坐标分别与当前车辆的预测行驶半径对应的圆心位置和当前车辆的预测行驶半径差值的倒数作为奖励函数,对当前车辆的预测行驶半径进行评估,将预设个数评价网络的数据Q和奖励函数作为训练数据,对评价网络和动作网络进行优化,直至评价网络和动作网络的损失函数的最小损失熵为最小时,获取对应评价网络参数和对应动作网络参数对初始轨迹半径预测模型更新,得到轨迹预测模型。其中,基于如下公式计算评价网络的最小损失熵L:
其中,M为训练数据的个数,yj为奖励函数添加在预测行驶半径上的奖励值,Q为评价网络的输出的评价值,与输入at,st相对应,θQ为评价网络的参数集。
其中,基于如下公式计算动作网络的最小损失熵▽θμJ:
其中,基于如下公式计算奖励函数添加在预测行驶半径上的奖励值yj:
yj=rj+γQ(sj+1,aj;θQ) 公式(5)
其中,γ为损失常量;rj为第j个预测行驶半径对应的奖励函数。
其中,基于如下公式计算动作网络的输出at:
at=μ(st|θμ)+N 公式(6)
其中,at为t时动作网络输出的预测行驶半径,st为t时刻车辆的行驶状态值,θμ动作网络参数集,μ未知函数表达式,N为随机常数。
本发明实施例中,根据当前车辆和第一目标车辆的导航信息的更新频率,确定预设时长的长短。例如:当前车辆和第一目标车辆的导航信息的更新频率为0.1HZ,则1S内保存10个当前车辆和第一目标车辆历史位置信息。
图2A为本发明实施例二中一种确定目标车辆的方法的原理图,如图2A所示,轨迹半径预测模型中将当前车辆或第一目标车辆的导航信息输入动作网络,得到当前车辆或者第一目标车辆的导航信息对应的预测行驶半径后,将该预测行驶半径输入评价网络中得到对应的评价值。进一步的根据对应的评价值确定评价网络得到最小损失熵对应的评价网络参数集。
步骤250,根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。
进一步的,所述根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆,包括:
将所述第一目标车辆中预测行驶路径与所述当前车辆的预测行驶路径有交集的车辆确定为所述第二目标车辆。
本发明实施例中,根据当前车辆的预测行驶路径与第一目标车辆中预测行驶路径,确定出第一目标车辆中预测行驶路径与当前车辆的预测行驶路径有交集或者相交的车辆作为第二目标车辆。
本发明通过以所述当前车辆的安全距离为半径、以所述当前车辆的位置为圆心,确定所述当前车辆的安全区域;获取预设范围内的其他车辆的安全区域;将所述当前车辆的安全区域内的车辆、以及所述其他车辆中安全区域与所述当前车辆的安全区域有重叠的车辆确定为所述第一目标车辆;确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。解决主车处于车流量密度较大的环境中,对远车信息的处理出现延迟,计算效率降低,预警效果差等问题,实现了通过预测行驶路径和安全距离过滤掉不必要计算的目标车辆,提高计算效率,节省计算资源。
实施例三
图3为本发明实施例三提供的一种确定目标车辆装置的结构示意图。该装置包括:第一目标确定模块310,预测路径确定模块320,第二目标确定模块330;
第一目标确定模块310,用于确定对当前车辆构成潜在安全威胁的第一目标车辆;
预测路径确定模块320,用于确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
第二目标确定模块330,用于根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。
进一步的,第一目标确定模块310具体用于:
根据逻辑地图确定所述当前车辆所在行驶路径的目标节点;
将所述目标节点连接路径上的除所述当前车辆之外的车辆确定为所述第一目标车辆。
进一步的,预测路径确定模块320具体用于:
根据所述逻辑地图和所述当前车辆的转向信息确定所述当前车辆的预测行驶路径;
根据所述逻辑地图和所述第一目标车辆的转向信息确定所述第一目标车辆的预测行驶路径。
进一步的,第二目标确定模块330具体用于:
从所述第一目标车辆中筛选出预测行驶路径与所述当前车辆的预测行驶路径重合的车辆,得到所述第二目标车辆。
进一步的,第一目标确定模块310具体用于:
以所述当前车辆的安全距离为半径、以所述当前车辆的位置为圆心,确定所述当前车辆的安全区域;
获取预设范围内的其他车辆的安全区域;
将所述当前车辆的安全区域内的车辆、以及所述其他车辆中安全区域与所述当前车辆的安全区域有重叠的车辆确定为所述第一目标车辆。
进一步的,第一目标确定模块310具体用于:
将所述当前车辆的当前速度输入拟合网络,得到所述当前车辆对应的减速度和反应时间;
根据所述当前车辆的当前速度、所述当前车辆对应的减速度和反应时间确定所述当前车辆的安全距离。
进一步的,第一目标确定模块310具体用于:
获取历史记录中所述当前车辆的历史速度对应的反应时间及减速度;
将所述当前车辆的历史速度对应的反应时间及减速度作为训练数据进行模型训练,得到所述拟合网络。
进一步的,预测路径确定模块320具体用于:
将所述当前车辆在预设时长内的历史行驶位置信息输入轨迹半径预测模型,得到所述当前车辆的预测行驶半径,根据所述当前车辆的安全距离和所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶路径;
获取所述第一目标车辆在所述预设时长内的历史行驶位置信息,并将所述第一目标车辆在所述预设时长内的历史行驶位置信息输入所述轨迹半径预测模型,得到所述第一目标车辆的预测行驶半径,根据所述第一目标车辆的安全距离和所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶路径。
进一步的,预测路径确定模块320具体用于:
根据所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶范围,根据所述当前车辆的转向信息确定预设行驶方向,将所述当前车辆的预测行驶范围内的预设行驶方向上的长度为所述安全距离的路径确定为所述当前车辆的预测行驶路径;
根据所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶范围,根据所述第一目标车辆的转向信息确定预设行驶方向,将所述第一目标车辆的预测行驶范围内的预设行驶方向上的长度为所述第一目标车辆的路径为所述第一目标车辆的预测行驶路径。
进一步的,预测路径确定模块320具体用于:
根据初始评价网络和初始动作网络搭建初始轨迹半径预测模型;
根据预设个数的所述当前车辆的历史导航信息与所述第一目标车辆的历史导航信息、初始轨迹半径预测模型、奖励函数确定最小损失熵对应的评价网络参数集与动作网络参数集;
根据所述最小损失熵对应的评价网络参数集与动作网络参数集更新所述初始轨迹半径预测模型的参数,得到轨迹预测模型。
进一步的,第二目标确定模块330具体用于:将所述第一目标车辆中预测行驶路径与所述当前车辆的预测行驶路径有交集的车辆确定为所述第二目标车辆。
本发明实施例所提供的确定目标车辆的装置可执行本发明任意实施例所提供的确定目标车辆的方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例4提供的一种车辆的结构示意图。图4示出了适于用来实现本发明实施方式的示例性车辆12的框图。图4显示的车辆12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图C所示,车辆12以通用计算设备的形式表现。车辆12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
车辆12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被车辆12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。车辆12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图C未显示,通常称为“硬盘驱动器”)。尽管图C中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
车辆12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该车辆12交互的设备通信,和/或与使得该车辆12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,车辆12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与车辆12的其它模块通信。应当明白,尽管图中未示出,可以结合车辆12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的确定目标车辆的方法,该方法包括:
确定对当前车辆构成潜在安全威胁的第一目标车辆;
确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储计算机程序,该程序被处理器执行时实现所述的确定目标车辆的方法,该方法包括:
确定对当前车辆构成潜在安全威胁的第一目标车辆;
确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种确定目标车辆的方法,其特征在于,包括:
确定对当前车辆构成潜在安全威胁的第一目标车辆;
确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆;
确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径,包括:
将所述当前车辆在预设时长内的历史行驶位置信息输入轨迹半径预测模型,得到所述当前车辆的预测行驶半径,根据所述当前车辆的安全距离和所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶路径;
获取所述第一目标车辆在所述预设时长内的历史行驶位置信息,并将所述第一目标车辆在所述预设时长内的历史行驶位置信息输入所述轨迹半径预测模型,得到所述第一目标车辆的预测行驶半径,根据所述第一目标车辆的安全距离和所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶路径;
根据所述当前车辆的安全距离、所述当前车辆的预测行驶半径、第一目标车辆的安全距离、所述第一目标车辆的预测行驶半径分别确定所述当前车辆的预测行驶路径与所述第一目标车辆的预测行驶路径,包括:
根据所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶范围,根据所述当前车辆的转向信息确定预设行驶方向,将所述当前车辆的预测行驶范围内的预设行驶方向上的长度为所述当前车辆的安全距离的路径确定为所述当前车辆的预测行驶路径;
根据所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶范围,根据所述第一目标车辆的转向信息确定预设行驶方向,将所述第一目标车辆的预测行驶范围内的预设行驶方向上的长度为所述第一目标车辆的安全距离的路径确定为所述第一目标车辆的预测行驶路径。
2.根据权利要求1所述的方法,其特征在于,所述确定对当前车辆构成潜在安全威胁的第一目标车辆,包括:
根据逻辑地图确定所述当前车辆所在行驶路径的目标节点;
将所述目标节点连接路径上的除所述当前车辆之外的车辆确定为所述第一目标车辆。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆,包括:
从所述第一目标车辆中筛选出预测行驶路径与所述当前车辆的预测行驶路径重合的车辆,得到所述第二目标车辆。
4.根据权利要求1所述的方法,其特征在于,所述确定对当前车辆构成潜在安全威胁的第一目标车辆,包括:
以所述当前车辆的安全距离为半径、以所述当前车辆的位置为圆心,确定所述当前车辆的安全区域;
获取预设范围内的其他车辆的安全区域;
将所述当前车辆的安全区域内的车辆、以及所述其他车辆中安全区域与所述当前车辆的安全区域有重叠的车辆确定为所述第一目标车辆。
5.根据权利要求4所述的方法,其特征在于,所述当前车辆的安全距离通过如下方式确定:
将所述当前车辆的当前速度输入拟合网络,得到所述当前车辆对应的减速度和反应时间;
根据所述当前车辆的当前速度、所述当前车辆对应的减速度和反应时间确定所述当前车辆的安全距离。
6.根据权利要求5所述的方法,其特征在于,所述拟合网络通过如下方式得到:
获取历史记录中所述当前车辆的历史速度对应的反应时间及减速度;
将所述当前车辆的历史速度对应的反应时间及减速度作为训练数据进行模型训练,得到所述拟合网络。
7.根据权利要求1所述的方法,其特征在于,所述轨迹半径预测模型通过如下方式得到:
根据初始评价网络和初始动作网络搭建初始轨迹半径预测模型;
根据预设个数的所述当前车辆的历史导航信息与所述第一目标车辆的历史导航信息、初始轨迹半径预测模型、奖励函数确定最小损失熵对应的评价网络参数集与动作网络参数集;
根据所述最小损失熵对应的评价网络参数集与动作网络参数集更新所述初始轨迹半径预测模型的参数,得到轨迹半径预测模型。
8.根据权利要求1所述的方法,其特征在于,所述根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆,包括:
将所述第一目标车辆中预测行驶路径与所述当前车辆的预测行驶路径有交集的车辆确定为所述第二目标车辆。
9.一种确定目标车辆的装置,其特征在于,所述装置包括:
第一目标确定模块,用于确定对当前车辆构成潜在安全威胁的第一目标车辆;
预测路径确定模块,用于确定所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径;
第二目标确定模块,用于根据所述当前车辆的预测行驶路径和所述第一目标车辆的预测行驶路径从所述第一目标车辆中筛选出第二目标车辆;
预测路径确定模块,还用于将所述当前车辆在预设时长内的历史行驶位置信息输入轨迹半径预测模型,得到所述当前车辆的预测行驶半径,根据所述当前车辆的安全距离和所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶路径;
获取所述第一目标车辆在所述预设时长内的历史行驶位置信息,并将所述第一目标车辆在所述预设时长内的历史行驶位置信息输入所述轨迹半径预测模型,得到所述第一目标车辆的预测行驶半径,根据所述第一目标车辆的安全距离和所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶路径;
预测路径确定模块,还用于根据所述当前车辆的预测行驶半径确定所述当前车辆的预测行驶范围,根据所述当前车辆的转向信息确定预设行驶方向,将所述当前车辆的预测行驶范围内的预设行驶方向上的长度为所述当前车辆的安全距离的路径确定为所述当前车辆的预测行驶路径;
根据所述第一目标车辆的预测行驶半径确定所述第一目标车辆的预测行驶范围,根据所述第一目标车辆的转向信息确定预设行驶方向,将所述第一目标车辆的预测行驶范围内的预设行驶方向上的长度为所述第一目标车辆的安全距离的路径确定为所述第一目标车辆的预测行驶路径。
10.一种车辆,其特征在于,所述车辆包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的确定目标车辆的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的确定目标车辆的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321061.8A CN113494925B (zh) | 2021-03-25 | 2021-03-25 | 一种确定目标车辆的方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321061.8A CN113494925B (zh) | 2021-03-25 | 2021-03-25 | 一种确定目标车辆的方法、装置、车辆及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113494925A CN113494925A (zh) | 2021-10-12 |
CN113494925B true CN113494925B (zh) | 2024-02-06 |
Family
ID=77997440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110321061.8A Active CN113494925B (zh) | 2021-03-25 | 2021-03-25 | 一种确定目标车辆的方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113494925B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115331446B (zh) * | 2022-10-13 | 2023-03-24 | 浙江云针信息科技有限公司 | 车辆安全行驶策略生成方法及装置、存储介质和终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251699A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市元征科技股份有限公司 | 行车碰撞预警方法及装置 |
CN106608263A (zh) * | 2015-10-27 | 2017-05-03 | 通用汽车环球科技运作有限责任公司 | 用于避免在左转或右转交叉口汽车碰撞的算法 |
CN108360320A (zh) * | 2018-02-28 | 2018-08-03 | 山东理工大学 | 一种对称交叉口直行待行区长度设计方法 |
DE102017114876A1 (de) * | 2017-07-04 | 2019-01-10 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Fahrerassistenzsystem zur Kollisionsvermeidung mittels Warn- und Interventionskaskade |
CN112026762A (zh) * | 2020-09-15 | 2020-12-04 | 北京经纬恒润科技有限公司 | 一种车辆碰撞分析方法及装置 |
-
2021
- 2021-03-25 CN CN202110321061.8A patent/CN113494925B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106608263A (zh) * | 2015-10-27 | 2017-05-03 | 通用汽车环球科技运作有限责任公司 | 用于避免在左转或右转交叉口汽车碰撞的算法 |
CN106251699A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市元征科技股份有限公司 | 行车碰撞预警方法及装置 |
DE102017114876A1 (de) * | 2017-07-04 | 2019-01-10 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Fahrerassistenzsystem zur Kollisionsvermeidung mittels Warn- und Interventionskaskade |
CN108360320A (zh) * | 2018-02-28 | 2018-08-03 | 山东理工大学 | 一种对称交叉口直行待行区长度设计方法 |
CN112026762A (zh) * | 2020-09-15 | 2020-12-04 | 北京经纬恒润科技有限公司 | 一种车辆碰撞分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113494925A (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10262529B2 (en) | Management of moving objects | |
US11731652B2 (en) | Systems and methods for reactive agent simulation | |
US11989116B1 (en) | Collision evaluation for log-based simulations | |
US11398150B2 (en) | Navigation analysis for a multi-lane roadway | |
CN112572424B (zh) | 基于障碍物识别的车辆控制方法、装置、设备和介质 | |
US11076022B2 (en) | Systems and methods for implementing robotics frameworks | |
CN113335276A (zh) | 障碍物的轨迹预测方法、装置、电子设备及存储介质 | |
CN109558854B (zh) | 障碍物感知方法、装置、电子设备及存储介质 | |
CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
US11587366B1 (en) | Systems and methods for selecting locations to validate automated vehicle data transmission | |
US10745010B2 (en) | Detecting anomalous vehicle behavior through automatic voting | |
US11200798B2 (en) | Grouping of moving objects | |
CN109910880B (zh) | 车辆行为规划的方法、装置、存储介质和终端设备 | |
US20220413502A1 (en) | Method, apparatus, and system for biasing a machine learning model toward potential risks for controlling a vehicle or robot | |
CN113494925B (zh) | 一种确定目标车辆的方法、装置、车辆及存储介质 | |
CN117151246B (zh) | 智能体决策方法、控制方法、电子设备及存储介质 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN115657684B (zh) | 车辆路径信息生成方法、装置、设备和计算机可读介质 | |
CN109885392B (zh) | 分配车载计算资源的方法以及装置 | |
CN113619606B (zh) | 障碍物确定方法、装置、设备以及存储介质 | |
CN113276860B (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
CN117730289A (zh) | 测试方法及装置 | |
CN113799799A (zh) | 一种安全补偿方法、装置、存储介质及电子设备 | |
CN113721598A (zh) | 一种障碍物轨迹预测方法、装置、设备和存储介质 | |
US11429097B2 (en) | Programmatic application of router flags for vehicle limitations |
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 |