CN113596780A - 车辆交互信息生成方法、装置、设备和计算机可读介质 - Google Patents

车辆交互信息生成方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN113596780A
CN113596780A CN202111139379.0A CN202111139379A CN113596780A CN 113596780 A CN113596780 A CN 113596780A CN 202111139379 A CN202111139379 A CN 202111139379A CN 113596780 A CN113596780 A CN 113596780A
Authority
CN
China
Prior art keywords
vehicle
group
value
information
current
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
Application number
CN202111139379.0A
Other languages
English (en)
Other versions
CN113596780B (zh
Inventor
陈雨青
倪凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202111139379.0A priority Critical patent/CN113596780B/zh
Publication of CN113596780A publication Critical patent/CN113596780A/zh
Application granted granted Critical
Publication of CN113596780B publication Critical patent/CN113596780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了车辆交互信息生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合；得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合；得到目标行驶轨迹组集合；得到轨迹重合区域组集合；得到距离值组集合；生成当前车辆交互策略信息组和预测冲突时长组；生成车辆速度值序列集；响应于确定预测冲突时长组中的冲突时长大于预设时长阈值，生成第一风险评估值组；将第一风险评估值组中满足预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。该实施方式可以提高车联交互信息的生成效率。

Description

车辆交互信息生成方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及车辆交互信息生成方法、装置、设备和计算机可读介质。
背景技术
车辆交互信息生成方法，是生成当前车辆与其它车辆之间交互信息的一项技术。目前，在生成车辆交互信息时，通常采用的方式为：将当前车辆的数据输入至深度学习模型，生成车辆交互信息。
然而，当采用上述方式进行车辆交互信息生成时，经常会存在如下技术问题：
第一，仅依靠深度学习模型生成车辆交互信息，需要在深度学习模型中加入大量的计算逻辑或选择条件，由此，提高了深度学习模型的复杂度，同时降低了深度学习模型的实时性，从而，导致降低车辆交互信息的生成效率；
第二，在特殊场景（例如，十字交叉路口）下，需要参考的目标（例如，其它车辆）较多，因此，数据的复杂度较高，从而，导致通过深度学习模型生成的车辆交互信息对他车意图的表征不够准确，从而，导致生成车辆交互信息的准确度降低。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车辆交互信息生成方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种车辆交互信息生成方法，该方法包括：获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合，其中，上述第一车辆信息组中的第一车辆信息与上述第二车辆信息组集合中的第二车辆信息组相对应；将上述第一车辆信息组和上述第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合；从上述其它车辆预测行驶轨迹组集合中选出与上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合；确定上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与上述目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合；确定上述轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合；基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组；基于上述当前车辆交互策略信息组，生成车辆速度值序列集；响应于确定上述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和上述速度值序列集，生成第一风险评估值组；将上述第一风险评估值组中满足预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
第二方面，本公开的一些实施例提供了一种车辆交互信息生成装置，装置包括：获取单元，被配置成获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合，其中，上述第一车辆信息组中的第一车辆信息与上述第二车辆信息组集合中的第二车辆信息组相对应；输入单元，被配置成将上述第一车辆信息组和上述第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合；选择单元，被配置成从上述其它车辆预测行驶轨迹组集合中选出与上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合；第一生成单元，被配置成确定上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与上述目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合；第一确定单元，被配置成确定上述轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合；第二生成单元，被配置成基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组；第三生成单元，被配置成基于上述当前车辆交互策略信息组，生成车辆速度值序列集；第四生成单元，被配置成响应于确定上述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和上述速度值序列集，生成第一风险评估值组；第二确定单元，被配置成将上述第一风险评估值组中满足第一预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆交互信息生成方法，可以提高生成车辆交互信息的效率。具体来说，造成降低车辆交互信息的生成效率的原因在于：仅依靠深度学习模型生成车辆交互信息，需要在深度学习模型中加入大量的计算逻辑或选择条件，由此，提高了深度学习模型的复杂度，同时降低了深度学习模型的实时性。基于此，本公开的一些实施例的车辆交互信息生成方法，首先，引入了预设的轨迹预测模型，可以用于生成当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合。然后，通过确定轨迹相交可以确定与当前车辆存在冲突风险的车辆。之后，基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组。接着，基于上述当前车辆交互策略信息组，生成车辆速度值序列集。最后，引入第一预设条件，使得可以选出最优的车辆交互信息。由此，相比于常用方法，此种方法可以将计算逻辑（例如，生成当前车辆交互策略信息组）和选择条件（例如第一预设条件）与模型分开。使得仅通过轨迹预测模型预测车辆的行驶轨迹。因此，可以降低预测模型的复杂度。从而，可以提高模型生成数据的实时性。进而，可以提高生成车辆交互信息的效率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的车辆交互信息生成方法的一个应用场景的示意图；
图2是根据本公开的车辆交互信息生成方法的一些实施例的流程图；
图3是根据本公开的车辆交互信息生成方法的另一些实施例的流程图；
图4是根据本公开的车辆交互信息生成装置的一些实施例的结构示意图；
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的车辆交互信息生成方法的一个应用场景的示意图。
在图1的应用场景中，首先，计算设备101可以获取当前车辆的第一车辆信息组102和其它车辆的第二车辆信息组集合103，其中，上述第一车辆信息组102中的第一车辆信息与上述第二车辆信息组集合103中的第二车辆信息组相对应。然后，计算设备101可以将上述第一车辆信息组102和上述第二车辆信息组集合103输入至预设的轨迹预测模型104，分别得到当前车辆预测行驶轨迹组105和其它车辆预测行驶轨迹组集合106。之后，计算设备101可以从上述其它车辆预测行驶轨迹组集合106中选出与上述当前车辆预测行驶轨迹组105中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合107。而后，计算设备101可以确定上述当前车辆预测行驶轨迹组105中每个当前车辆预测行驶轨迹与上述目标行驶轨迹组集合107中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合108。接着，计算设备101可以确定上述轨迹重合区域组集合108中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合109。再然后，计算设备101可以基于上述轨迹重合区域组集合108、上述距离值组集合109、上述第一车辆信息组102和与上述目标行驶轨迹组集合103中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组110和预测冲突时长组111。再之后，计算设备101可以基于上述当前车辆交互策略信息组110，生成车辆速度值序列集112。再接着，计算设备101可以响应于确定上述预测冲突时长组111中的冲突时长大于预设时长阈值，基于预设的第一参数值组113和上述速度值序列集112，生成第一风险评估值组114。最后，计算设备101可以将上述第一风险评估值组114中满足第一预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息115。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的车辆交互信息生成方法的一些实施例的流程200。该车辆交互信息生成方法的流程200，包括以下步骤：
步骤201，获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合。
在一些实施例中，车辆交互信息生成方法的执行主体（如图1所示的计算设备101）可以通过有线的方式或者无线的方式获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合。其中，上述第一车辆信息组中的第一车辆信息与上述第二车辆信息组集合中的第二车辆信息组相对应。上述当前车辆的第一车辆信息组可以用于表征历史时间段内（例如，到当前时刻终止的3秒内）当前车辆的车辆信息。第一车辆信息可以包括车辆的坐标值、速度值、航向角、加速度值和角速度值。第一车辆信息组中的每个第一车辆信息可以对应上述历史时间段内的每个时间点。上述其它车辆的第二车辆信息组集合中的每个第二车辆信息可以用于表征一个其它车辆在上述历史时间段内的各个时间点的该其它车辆的车辆信息。每个第二车辆信息组中的各个第二车辆信息可以与第一车辆信息组中的各个第一车辆信息的时间点相对应。第二车辆信息也可以包括车辆的坐标值、速度值、航向角、加速度值和角速度值。
步骤202，将第一车辆信息组和第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合。
在一些实施例中，上述执行主体可以将上述第一车辆信息组和上述第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合。其中，上述轨迹预测模型可以是：深度卷积神经网络或半马尔科夫模型等。例如，可以将第一车辆信息组中各个第一车辆信息包括车辆的坐标值、速度值、航向角、加速度值和角速度值作为历史时间段内各个时刻的车辆状态，通过半马尔科夫模型预测车辆的行驶轨迹。
步骤203，从其它车辆预测行驶轨迹组集合中选出与当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合。
在一些实施例中，上述执行主体可以从上述其它车辆预测行驶轨迹组集合中选出与上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合。其中，车辆预测行驶轨迹相交可以用于表征相交的两个车辆预测行驶轨迹对应的车辆存在碰撞风险。因此，可以选出在当前时刻与当前车辆存在碰撞风险的车辆以作为目标车辆。从而，目标行驶轨迹组集合中的每个目标行驶轨迹组可以用于表征一个与当前车辆存在碰撞风险的目标车辆的车辆信息。另外，选出目标车辆可以用于减少当前时刻需要计算的目标。由此可以减少数据量，提高生成车辆交互信息的生成效率。
步骤204，确定当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合。
在一些实施例中，上述执行主体可以确定上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与上述目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合。其中，对于上述当前车辆预测行驶轨迹与对应的目标行驶轨迹组中的每个目标行驶轨迹，可以通过以下步骤生成轨迹重合区域：
第一步，确定当前车辆的车辆宽度值和上述目标行驶轨迹对应的目标车辆的目标车辆宽度值。
第二步，将上述当前车辆的车辆宽度值作为上述当前车辆预测行驶轨迹的轨迹宽度值。
第三步，将上述目标车辆宽度值作为上述目标行驶轨迹的轨迹宽度值。
第四步，将两个带有宽度值的轨迹的重合区域确定为轨迹重合区域。由此，可以得到轨迹重合区域组集合。
步骤205，确定轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合。
在一些实施例中，上述执行主体可以确定上述轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合。其中，距离值可以用于表征车辆与重合区域之间的距离。
步骤206，基于轨迹重合区域组集合、距离值组集合、第一车辆信息组和与目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组。
在一些实施例中，上述执行主体可以基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组。其中，上述当前车辆交互策略信息组中的当前车辆交互策略信息可以用于表征某一时刻上述当前车辆对于一个目标车辆的运动状态所生成的车辆交互策略。由此，可以确定每个第一车辆信息对应一个轨迹重合区域组、一个距离值组和一个目标行驶轨迹组。可以通过以下方式生成当前车辆交互策略信息：
第一步，响应于确定第一车辆信息满足预设的策略条件，生成第一交互策略信息。其中，预设的策略条件可以是：第一车辆信息对应的距离值组中的最小距离值小于等于预设阈值（例如，10厘米）；或者经过预设策略选择时长后，当前车辆与目标车辆同时到达该轨迹重合区域（即。在第一车辆信息与目标行驶轨迹组中每个目标行驶轨迹对应的轨迹重合区域）；或者目标行驶轨迹组中各个目标行驶轨迹对应的第二车辆信息包括的速度值中最大的速度值大于等于预设的策略速度阈值。上述第一交互策略信息可以包括安全标示，用于表征在某一时刻不存在目标车辆与当前车辆之间有极大的碰撞风险。
第二步，响应于确定第一车辆信息不满足上述预设的策略条件，生成第二交互策略信息。其中，上述第二交互策略信息可以包括危险标识，用于表征在某一时刻存在目标车辆与当前车辆之间有极大的碰撞风险。
另外，可以通过以下方式生成与上述第一车辆信息组中当前时刻的第一车辆信息和目标行驶轨迹组中每个目标行驶轨迹对应的第二车辆信息之间的预测冲突时长：将当前时刻的第一车辆信息和上述第二车辆之间对应的距离值组中的距离值与上述第一车辆信息包括的速度值的比值确定为预测冲突时长。
步骤207，基于当前车辆交互策略信息组，生成车辆速度值序列集。
在一些实施例中，上述执行主体可以基于上述当前车辆交互策略信息组，生成车辆速度值序列集。其中，若当前车辆交互策略信息中包括危险标识。将上述当前车辆在当前时刻的第一车辆信息包括的速度值、加速度值和当前车辆与重合区域之间的最小的距离值输入至预设的运动学模型，生成速度值序列。且使得在当前车辆到达重合区域之前速度降低至零。
步骤208，响应于确定预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和速度值序列集，生成第一风险评估值组。
在一些实施例中，上述执行主体可以响应于确定上述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和上述速度值序列集，生成第一风险评估值组。其中，预测冲突时长组中的冲突时长大于预设时长阈值（例如，3秒）可以表征预测冲突时长对应的目标车辆与当前和车辆之间不存在碰撞风险。那么，预设的第一参数值组可以用于在不存在碰撞风险的情况下参与风险评估值的生成。从而，生成的第一风险评估值可以用于表征不存碰撞风险情况时，与冲突时长对应的速度值序列的风险评估值。可以通过以下步骤生成第一风险评估值：
第一步，确定速度值序列中各个速度值的速度方差。
第二步，由于速度值序列中相邻速度之间的时间间隔可以相同（例如，0.5秒）。因此，可以生成加速度值序列。确定加速度值序列中各个加速度值的加速度方差。
第三步，可以生成每两个速度对应的时间点之间当前车辆的位移距离值，得到为位移距离值序列。确定位移距离值序列中各个位移距离值的位移方差。
第四步，上述第三参数值组可以包括三个第三参数值。可以将第一个参数值作为速度方差的权重，将第二个参数值作为加速度方差的权重，将第三个参数值作为位移方差的权重。由此进行加权求和，生成第一风险评估值。
步骤209，将第一风险评估值组中满足预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
在一些实施例中，上述执行主体可以将上述第一风险评估值组中满足预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。其中，预设条件可以是第一风险评估值组中最小的第一风险评估值。
可选的，上述执行主体还可以执行如下步骤：
第一步，响应于确定上述预测冲突时长组中的冲突时长小于等于上述预设时长阈值，基于预设的第二参数值组和上述速度值序列集，生成第二风险评估值组。其中，确定上述预测冲突时长组中的冲突时长小于等于上述预设时长阈值可以表征预测冲突时长对应的目标车辆与当前和车辆之间存在碰撞风险。那么，预设的第二参数值组可以用于在存在碰撞风险的情况下参与风险评估值的生成。从而，生成的第二风险评估值可以用于表征存碰撞风险情况时，与冲突时长对应的速度值序列的风险评估值。可以通过上述第一风险评估值生成步骤生成第二风险评估值。
第二步，将上述第二风险评估值组中满足上述预设条件的第二风险评估值对应的速度值序列确定为车辆交互信息。
可选的，上述执行主体还可以根据上述车辆交互信息，向车辆控制终端发送控制指令以控制车辆移动。其中，可以根据车辆交互信息包括的速度值序列，对车辆控制终端发送控制指令，使得当前车辆的速度可以按照该速度值序列中的各个速度值进行变化。从而，可以控制车辆移动，以及避免车辆碰撞的情况发生。进而，提高车辆驾驶的安全性。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆交互信息生成方法，可以提高生成车辆交互信息的效率。具体来说，造成降低车辆交互信息的生成效率的原因在于：仅依靠深度学习模型生成车辆交互信息，需要在深度学习模型中加入大量的计算逻辑或选择条件，由此，提高了深度学习模型的复杂度，同时降低了深度学习模型的实时性。基于此，本公开的一些实施例的车辆交互信息生成方法，首先，引入了预设的轨迹预测模型，可以用于生成当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合。然后，通过确定轨迹相交可以确定与当前车辆存在冲突风险的车辆。之后，基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组。接着，基于上述当前车辆交互策略信息组，生成车辆速度值序列集。最后，引入第一预设条件，使得可以选出最优的车辆交互信息。由此，相比于常用方法，此种方法可以将计算逻辑（例如，生成当前车辆交互策略信息组）和选择条件（例如第一预设条件）与模型分开。使得仅通过轨迹预测模型预测车辆的行驶轨迹。因此，可以降低预测模型的复杂度。从而，可以提高模型生成数据的实时性。进而，可以提高生成车辆交互信息的效率。
进一步参考图3，其示出了车辆交互信息生成方法的另一些实施例的流程300。该车辆交互信息生成方法的流程300，包括以下步骤：
步骤301，获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合。
步骤302，将第一车辆信息组和第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合。
步骤303，从其它车辆预测行驶轨迹组集合中选出与当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合。
步骤304，确定当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合。
步骤305，确定轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合。
在一些实施例中，步骤301-305的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-205，在此不再赘述。
步骤306，基于轨迹重合区域组集合、距离值组集合、第一车辆信息组和与目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组。
在一些实施例中，上述执行主体可以基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组。其中，上述第一车辆信息组中的第一车辆信息可以包括当前车辆的坐标值，当前车辆的速度值和当前车辆的加速度值。可以通过以下方式生成车辆交互策略信息：
对于上述第一车辆信息组中的每个第一车辆信息，基于上述轨迹重合区域组集合和上述距离值组集合，通过如下步骤生成当前车辆交互策略信息组中的当前车辆交互策略信息：
第一子步骤，响应于确定上述第一车辆信息和对应的第二车辆信息组中的各个第二车辆信息包括的速度值和加速度值满足第一预设交互条件，生成第一交互策略信息。其中，第一预设交互条件可以是：在预设时长（例如，3秒）内，每个第二车辆信息表征的目标车辆所行驶的距离小于目标车辆与对应的轨迹重合区域之间的距离值，以及目标车辆的最终速度值小于等于零。可以将目标车辆对应的第二车辆信息包括的速度、加速度和上述预设时长输入至初速度与加速度同向的距离公式得到目标车辆所行驶的距离。可以将目标车辆对应的第二车辆信息包括的速度与加速度和上述预设时长乘积的差值确定为最终速度值。上述第一预设交互条件可以用于确定存在与当前车辆相同时到达重合区域的其它车辆。由此，生成的第一交互策略信息可以包括当前车辆交互策略标识，用于使当前车辆提速，以尽快通过重叠轨迹所在区域。
第二子步骤，响应于确定上述第一车辆信息和对应的第二车辆信息组中的各个第二车辆信息满足第二预设交互条件，基于上述距离值组集合和上述第一车辆信息包括的当前车辆的速度值和当前车辆的加速度值，生成第二交互策略信息。其中，第二预设交互条件可以是：在上述预设时长内，每个第二车辆信息包括的目标车辆所行驶的距离值大于与该目标车辆与轨迹重合区域之间的距离值，以及小于该距离值与该重合区域长度和该目标车辆的长度的和。上述第二预设交互条件可以用于确定当前车在其它车辆到达重合区域之前通过重合区域。由此，生成的第二交互策略信息可以包括当前车辆防御策略标识，用于使当前车辆减速避让，以供目标车辆通过重叠区域所在区域。因此，可以避免车辆碰撞，提高自动驾驶的安全性。
第三子步骤，响应于确定上述第一车辆信息和对应的第二车辆信息组中的各个第二车辆信息不满足上述第一预设交互条件和上述第二预设交互条件，基于上述距离值组集合和上述第一车辆信息包括的当前车辆的速度值和当前车辆的加速度值，生成第三交互策略信息。其中，上述第三交互策略信息可以用于确定当前车辆与其它车辆之间不存在冲突关系。由此，第三交互策略信息可以包括当前车辆正常执行标识，用于使当前车辆均速行驶。
第四子步骤，将上述第一交互策略信息或上述第二交互策略信息或上述第三交互策略信息确定为当前车辆交互策略信息。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组，还可以包括以下步骤：
第一步，根据上述第一车辆信息组中第一车辆信息包括的当前车辆的坐标值和当前车辆的速度值，确定上述当前车辆在当前时刻与轨迹重合区域组集合中对应的轨迹重合区域之间的当前时刻距离值和当前时刻速度值，得到当前时刻距离值组和当前时刻速度值组。其中，可以将当前车辆的坐标值与轨迹重合区域组集合中对应的轨迹重合区域之间的距离值中最小的距离值确定为当前距离值。可以将第一车辆信息包括的当前车辆的速度值确定为当前时刻速度值。
第二步，根据上述当前时刻距离值组、上述当前时刻速度值组和预设的冲突参数组，生成预测冲突时长组。其中，上述冲突参数组可以包括两个冲突参数。可以将第一个冲突参数作为时长系数。可以将第二个冲突参数可以作为时长常数。对于上述当前时刻距离值组中的每个当前时刻距离值和对应的当前时刻速度值，可以通过以下公式生成冲突时长：
Figure 189099DEST_PATH_IMAGE001
。
其中，
Figure 575081DEST_PATH_IMAGE002
表示上述预测冲突时长。
Figure 72927DEST_PATH_IMAGE003
表示上述时长系数（例如，2.737）。
Figure 202557DEST_PATH_IMAGE004
表示上述当前时刻距离值。
Figure 954612DEST_PATH_IMAGE005
表示当前时刻速度值。
Figure 698446DEST_PATH_IMAGE006
表示上述时长常数（例如，0.1512）。
步骤307，利用当前车辆交互策略信息组中的每个车辆交互策略信息，对当前车辆的速度值进行预测以生成车辆速度值序列，得到车辆速度值序列集。
在一些实施例中，上述执行主体可以利用上述当前车辆交互策略信息组中的每个车辆交互策略信息，对上述当前车辆的速度值进行预测以生成车辆速度值序列，得到车辆速度值序列集。其中，首先，可以确定上述车辆交互策略信息对应的第一交互策略信息或第二交互策略信息或第三交互策略信息。若为第一交互策略信息，则可以生成匀减速的速度值序列。使得当前车辆在到达冲突区域之前的速度可以降低至零。若为第二交互策略信息，则可以生成匀加速的速度值序列。使得当前车辆在通过冲突区域之后，目标车辆与冲突区域之间的距离值大于预设阈值。若为第三交互策略信息，则可以生成匀速的速度值序列。使得当前车辆可以匀速行驶。另外，由于上述车辆速度值序列中的车辆速度值的数量过少容易导致瞬时速度值变化过大，导致当前车辆中的人感觉不适应。过大则容易导致计算难度增加，降低生成车辆速度值序列的效率。由此，上述车辆速度值序列中的车辆速度值的数量可以是大于六小于十的整数个。
在另一些实施例中，上述执行主体可以利用上述当前车辆交互策略信息组，对上述当前车辆的速度值进行预测以生成车辆速度值序列，得到车辆速度值序列集。其中，可以通过以下方式生成车辆速度值序列集：
第一步，可以设定三个可供选择的动作。例如，[[动作a：加速度减一]，[动作b：加速度不变]，[动作c：加速度加1]]。其中，加速度单位可以是m/s2。上述动作可以用于调整当前车辆的加速度值，以生成速度值序列。
第二步，可以在上述预设时长（例如，3秒）内，以相同时间间隔（例如，0.5秒）为步长，对当前车辆的当前加速度进行预调整。由此，每个车辆速度值序列中的车辆速度值的数量可以是6个。该预调整可以是在每个步长对加速度值分别添加不同的动作。
作为示例，当前车辆的当前加速度值可以为0。速度值可以是40。在第一个步长时，分别生成三个添加动作后的加速度值（即，-1 m/s2，0 m/s2，1 m/s2）。那么，由此通过步长和加速度变化量以及速度值可以得到添加动作后每个加速度值对应的速度值。在第二步长时，可以对前一个步长结果的基础上，即对三个加速度值分别添加动作进行加速度值变动。那么，由此可以得到九个加速度值和对应的九个速度值。由此，若所有速度值都满足筛选条件，以当前车辆的速度值为根节点，每生成一个速度值作为一个子节点的树形结构生成速度值，则在最后一个步长可以得到729个叶子节点，即729个速度值。因此，可以将当前车辆的速度值（即根节点）到每个表征叶子节点之间的各个节点对应的速度值作为一个车辆速度值序列。另外，筛选条件可以是每个步长对应的速度值大于等于零或小于预设的步长速度阈值（例如，60千米每小时）。若存在子节点或叶子节点对应的速度值不满足该筛选条件，那么可以将带有该子节点或叶子节点的车辆速度值序列删除。从而，得到车辆速度值序列集。
步骤308，响应于确定预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和速度值序列集，生成第一风险评估值组。
在一些实施例中，上述执行主体可以响应于确定上述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和上述速度值序列集，生成第一风险评估值组。其中，上述第一车辆信息组中的第一车辆信息还可以包括当前车辆转向幅度。该车辆转向幅度可以用于表征当前在两个时间点之间转向角的变化量。可以将两个时间点对应的转向角的和除以两个时间点之间的时长确定为车辆转向幅度。第二车辆信息组集合中的第二车辆信息可以包括第二车辆坐标值。可以通过以下方式生成第一风险评估值：
对于上述速度值序列集中的每个速度值序列，基于预设的第一参数组，执行如下步骤以生成第一风险评估值组中的第一风险评估值：
第一子步骤，基于上述速度值序列中的各个速度值，生成上述当前车辆的位置坐标值组。其中，上述当前车辆的位置坐标值组可以用于表示当前车辆跟随上述速度值序列中各个速度值进行行驶后对应的位置坐标值。由于速度值序列中两个相邻速度值之前的时间间隔可以相同。因此，可以将两个相邻速度的平均速度值与时间间隔的乘积确定为车辆的位移量。从而，可以在当前车辆的坐标值基础上加上位移量得到每个时间间隔位移后的位置坐标值。
第二子步骤，确定上述位置坐标值组中每个位置坐标值与上述速度值序列对应的第二车辆信息组中各个第二车辆信息包括的第二车辆坐标值之间的距离值，得到交互距离值组。其中，交互距离值可以用于表征在当前车辆与目标车辆之间的相对距离值。由此，可以将位置坐标值与第二车辆坐标值之间的距离确定为交互距离值。
第三子步骤，根据上述交互距离值组，生成第一风险评估参数。其中，可以将各个交互距离值与预设的交互阈值之间差值的平方和确定为第一风险评估参数。
第四子步骤，根据上述速度值序列对应的第一车辆信息包括的加速度值和转向幅度值，生成第二风险评估参数。其中，可以将加速度值的倒数与转向幅度值的和确定为第二风险评估参数。
第五子步骤，根据上述当前车辆的速度值和预设的速度阈值，生成第三风险评估参数。其中，若当前车辆的速度值小于预设的速度阈值。可以将当前车辆的速度值和预设的速度阈值之间差值的平方确定为第三风险评估参数。若当前车辆的速度值大于等于预设的速度阈值。可以将当前车辆的速度值与预设的速度阈值的差值确定为第三风险评估参数。
第六子步骤，利用上述第一参数值组，对上述第一风险评估参数、上述第二风险评估参数和上述第三风险评估参数进行加权求和，得到第一风险评估值。其中，上述第一参数值组中可以包括三个第一参数值。可以将第一个第三参数值作为第一风险评估参数的权重，将第二个第三参数值作为第二风险评估参数的权重，将第三个第三参数值作为第三风险评估参数的权重。由此对上述第一风险评估参数、上述第二风险评估参数和上述第三风险评估参数进行加权求和，得到第一风险评估值。另外，还可以通过上述步骤生成第二风险评估值。
步骤309，将上述第一风险评估值组中满足预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
在一些实施例中，步骤309的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤209，在此不再赘述。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的车辆交互信息生成方法的流程300体现了当前车辆交互策略信息组、预测冲突时长组、车辆速度值序列集和第一风险评估值组的生成步骤，解决了背景技术提及到的技术问题二“在特殊场景（例如，十字交叉路口）下，需要参考的目标（例如，其它车辆）较多，因此，数据的复杂度较高，从而，导致通过深度学习模型生成的车辆交互信息对他车意图的表征不够准确，从而，导致生成车辆交互信息的准确度降低”。首先，通过生成车辆交互策略信息组，使得可以确定当前车辆的行驶策略是加速、减速或匀速行驶。由此，从当前车辆的角度出发，提高对他车意图的表征能力。以及降低对复杂场景数据的处理难度。然后，通过生成预测冲突时长组，可以直观的表示出当前车辆与目标车辆之间存在冲突的时间。实际的，通过参考国际标准化组织对碰撞时长的研究可以将预设时长阈值设置为3秒。预测在3秒内产生冲突情况的话，存在极大的概率车辆不能及时减速停车，由此导致安全事故的发生。从而，引入预设时长阈值以作为安全情况的判断依据，可以用于区分在某一时刻当前车辆与目标车辆之间是否存在碰撞风险。接着，通过生成车辆速度值序列集可以用于表征对当前车辆在避开碰撞风险情况下的速度规划。而后，通过生成第一风险评估值可以作为对最终速度规划的选择依据。最后，可以选出最符合场景的车辆速度值序列作为车辆交互信息。从而，可以提高生成车辆交互信息的准确度。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种车辆交互信息生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的车辆交互信息生成装置400包括：获取单元401、输入单元402、选择单元403、第一生成单元404、第一确定单元405、第二生成单元406、第三生成单元407、第四生成单元408和第二确定单元409。其中，获取单元401，被配置成获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合，其中，上述第一车辆信息组中的第一车辆信息与上述第二车辆信息组集合中的第二车辆信息组相对应；输入单元402，被配置成将上述第一车辆信息组和上述第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合；选择单元403，被配置成从上述其它车辆预测行驶轨迹组集合中选出与上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合；第一生成单元404，被配置成确定上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与上述目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合；第一确定单元405，被配置成确定上述轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合；第二生成单元406，被配置成基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组；第三生成单元407，被配置成基于上述当前车辆交互策略信息组，生成车辆速度值序列集；第四生成单元408，被配置成响应于确定上述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和上述速度值序列集，生成第一风险评估值组；第二确定单元409，被配置成将上述第一风险评估值组中满足第一预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备（例如图1中的计算设备101）500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（ROM）502中的程序或者从存储装置508加载到随机访问存储器（RAM）503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出（I/O）接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合，其中，上述第一车辆信息组中的第一车辆信息与上述第二车辆信息组集合中的第二车辆信息组相对应；将上述第一车辆信息组和上述第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合；从上述其它车辆预测行驶轨迹组集合中选出与上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合；确定上述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与上述目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合；确定上述轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合；基于上述轨迹重合区域组集合、上述距离值组集合、上述第一车辆信息组和与上述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组；基于上述当前车辆交互策略信息组，生成车辆速度值序列集；响应于确定上述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和上述速度值序列集，生成的第一风险评估值组；将上述第一风险评估值组中满足预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
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公开的一些实施例的操作的计算机程序代码，上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）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、输入单元、选择单元、第一生成单元、第一确定单元、第二生成单元、第三生成单元、第四生成单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种车辆交互信息生成方法，包括：
获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合，其中，所述第一车辆信息组中的第一车辆信息与所述第二车辆信息组集合中的第二车辆信息组相对应；
将所述第一车辆信息组和所述第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合；
从所述其它车辆预测行驶轨迹组集合中选出与所述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合；
确定所述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与所述目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合；
确定所述轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合；
基于所述轨迹重合区域组集合、所述距离值组集合、所述第一车辆信息组和与所述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组；
基于所述当前车辆交互策略信息组，生成车辆速度值序列集；
响应于确定所述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和所述速度值序列集，生成第一风险评估值组；
将所述第一风险评估值组中满足预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
2.根据权利要求1所述的方法，其中，所述方法还包括：
响应于确定所述预测冲突时长组中的冲突时长小于等于所述预设时长阈值，基于预设的第二参数值组和所述速度值序列集，生成第二风险评估值组；
将所述第二风险评估值组中满足所述预设条件的第二风险评估值对应的速度值序列确定为车辆交互信息。
3.根据权利要求1所述的方法，其中，所述方法还包括：
根据所述车辆交互信息，向车辆控制终端发送控制指令以控制车辆移动。
4.根据权利要求1所述的方法，其中，所述第一车辆信息组中的第一车辆信息包括当前车辆的坐标值，当前车辆的速度值和当前车辆的加速度值；以及
所述基于所述轨迹重合区域组集合、所述距离值组集合、所述第一车辆信息组和与所述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组，包括：
对于所述第一车辆信息组中的每个第一车辆信息，基于所述轨迹重合区域组集合和所述距离值组集合，通过如下步骤生成当前车辆交互策略信息组中的当前车辆交互策略信息：
响应于确定所述第一车辆信息和对应的第二车辆信息组中的各个第二车辆信息包括的速度值和加速度值满足第一预设交互条件，生成第一交互策略信息；
响应于确定所述第一车辆信息和对应的第二车辆信息组中的各个第二车辆信息包括的坐标值、速度值和加速度值满足第二预设交互条件，生成第二交互策略信息；
响应于确定所述第一车辆信息和对应的第二车辆信息组中的各个第二车辆信息包括的速度值和加速度值不满足所述第一预设交互条件和所述第二预设交互条件，生成第三交互策略信息；
将所述第一交互策略信息或所述第二交互策略信息或所述第三交互策略信息确定为当前车辆交互策略信息。
5.根据权利要求4所述的方法，其中，所述基于所述轨迹重合区域组集合、所述距离值组集合、所述第一车辆信息组和与所述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组，还包括：
根据所述第一车辆信息组中第一车辆信息包括的当前车辆的坐标值和当前车辆的速度值，确定所述当前车辆在当前时刻与轨迹重合区域组集合中对应的轨迹重合区域之间的当前时刻距离值和当前时刻速度值，得到当前时刻距离值组和当前时刻速度值组；
根据所述当前时刻距离值组、所述当前时刻速度值组和预设的冲突参数组，生成预测冲突时长组。
6.根据权利要求1所述的方法，其中，所述基于所述当前车辆交互策略信息组，生成车辆速度值序列集，包括：
利用所述当前车辆交互策略信息组中的每个车辆交互策略信息，对所述当前车辆的速度值进行预测以生成车辆速度值序列，得到车辆速度值序列集。
7.根据权利要求5所述的方法，其中，所述第一车辆信息组中的第一车辆信息还包括当前车辆转向幅度，第二车辆信息组集合中的第二车辆信息包括第二车辆坐标值；以及
所述基于预设的第一参数值组和所述速度值序列集，生成第一风险评估值组，包括：
对于所述速度值序列集中的每个速度值序列，基于预设的第一参数组，执行如下步骤以生成第一风险评估值组中的第一风险评估值：
基于所述速度值序列中的各个速度值，生成所述当前车辆的位置坐标值组；
确定所述位置坐标值组中每个位置坐标值与所述速度值序列对应的第二车辆信息组中各个第二车辆信息包括的第二车辆坐标值之间的距离值，得到交互距离值组；
根据所述交互距离值组，生成第一风险评估参数；
根据所述速度值序列对应的第一车辆信息包括的加速度值和转向幅度值，生成第二风险评估参数；
根据所述当前车辆的速度值和预设的速度阈值，生成第三风险评估参数；
利用所述第一参数值组，对所述第一风险评估参数、所述第二风险评估参数和所述第三风险评估参数进行加权求和，得到第一风险评估值。
8.一种车辆交互信息生成装置，包括：
获取单元，被配置成获取当前车辆的第一车辆信息组和其它车辆的第二车辆信息组集合，其中，所述第一车辆信息组中的第一车辆信息与所述第二车辆信息组集合中的第二车辆信息组相对应；
输入单元，被配置成将所述第一车辆信息组和所述第二车辆信息组集合输入至预设的轨迹预测模型，分别得到当前车辆预测行驶轨迹组和其它车辆预测行驶轨迹组集合；
选择单元，被配置成从所述其它车辆预测行驶轨迹组集合中选出与所述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹相交的其它车辆预测行驶轨迹作为目标行驶轨迹组，得到目标行驶轨迹组集合；
第一生成单元，被配置成确定所述当前车辆预测行驶轨迹组中每个当前车辆预测行驶轨迹与所述目标行驶轨迹组集合中对应的目标行驶轨迹组中各个目标行驶轨迹的轨迹重合区域以生成轨迹重合区域组，得到轨迹重合区域组集合；
第一确定单元，被配置成确定所述轨迹重合区域组集合中每个轨迹重合区域与对应的其它车辆之间的距离值以生成距离值组，得到距离值组集合；
第二生成单元，被配置成基于所述轨迹重合区域组集合、所述距离值组集合、所述第一车辆信息组和与所述目标行驶轨迹组集合中各个目标行驶轨迹对应的第二车辆信息，生成当前车辆交互策略信息组和预测冲突时长组；
第三生成单元，被配置成基于所述当前车辆交互策略信息组，生成车辆速度值序列集；
第四生成单元，被配置成响应于确定所述预测冲突时长组中的冲突时长大于预设时长阈值，基于预设的第一参数值组和所述速度值序列集，生成第一风险评估值组；
第二确定单元，被配置成将所述第一风险评估值组中满足第一预设条件的第一风险评估值对应的速度值序列确定为车辆交互信息。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
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1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202111139379.0A 2021-09-28 2021-09-28 车辆交互信息生成方法、装置、设备和计算机可读介质 Active CN113596780B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111139379.0A CN113596780B (zh) 2021-09-28 2021-09-28 车辆交互信息生成方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111139379.0A CN113596780B (zh) 2021-09-28 2021-09-28 车辆交互信息生成方法、装置、设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN113596780A true CN113596780A (zh) 2021-11-02
CN113596780B CN113596780B (zh) 2021-12-21

Family

ID=78242393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111139379.0A Active CN113596780B (zh) 2021-09-28 2021-09-28 车辆交互信息生成方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN113596780B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040019420A1 (en) * 2002-07-23 2004-01-29 Rao Manoharprasad K. Method for determining a danger zone for a pre-crash sensing system in a vehicle having a countermeasure system
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
CN109808687A (zh) * 2019-01-17 2019-05-28 福瑞泰克智能系统有限公司 一种驾驶辅助方法、装置及设备
CN110293968A (zh) * 2019-06-18 2019-10-01 百度在线网络技术（北京）有限公司 自动驾驶车辆的控制方法、装置、设备及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040019420A1 (en) * 2002-07-23 2004-01-29 Rao Manoharprasad K. Method for determining a danger zone for a pre-crash sensing system in a vehicle having a countermeasure system
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
CN109808687A (zh) * 2019-01-17 2019-05-28 福瑞泰克智能系统有限公司 一种驾驶辅助方法、装置及设备
CN110293968A (zh) * 2019-06-18 2019-10-01 百度在线网络技术（北京）有限公司 自动驾驶车辆的控制方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN113596780B (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
EP4009300A1 (en) Vehicle automatic control method and lane change intention prediction network training method
CN112001287B (zh) 障碍物的点云信息生成方法、装置、电子设备和介质
JP6914404B2 (ja) 車両を制御するための方法及び装置
CN113044042B (zh) 车辆预测变道图像显示方法、装置、电子设备和可读介质
CN113126624B (zh) 自动驾驶仿真测试方法、装置、电子设备和介质
CN113033925B (zh) 用于控制自动驾驶车辆行驶、装置、电子设备和介质
CN109515444B (zh) 用于输出无人驾驶汽车的行驶性能指标的方法和装置
CN112700636B (zh) 用于更新信息的方法和装置
CN115534939B (zh) 车辆控制方法、装置、电子设备和计算机可读介质
CN115339453B (zh) 车辆换道决策信息生成方法、装置、设备和计算机介质
CN113050643A (zh) 无人车路径规划方法、装置、电子设备和计算机可读介质
CN115761702A (zh) 车辆轨迹生成方法、装置、电子设备和计算机可读介质
CN111845768A (zh) 车辆行驶参数的预测方法、装置
CN111098842A (zh) 车辆速度控制方法及相关设备
CN112017462B (zh) 用于生成场景信息的方法、装置、电子设备和介质
CN113596780B (zh) 车辆交互信息生成方法、装置、设备和计算机可读介质
CN112649011B (zh) 车辆避障方法、装置、设备和计算机可读介质
CN113119999A (zh) 自动驾驶特征的确定方法、装置、设备、介质及程序产品
CN112590798A (zh) 用于检测驾驶员状态的方法、装置、电子设备和介质
CN113642103B (zh) 动力学模型参数的调整方法、装置、介质及电子设备
CN112677985B (zh) 车辆中控功能激活等级确定方法、装置、电子设备和介质
CN113593241B (zh) 车辆交互信息校验方法、装置、电子设备和可读介质
CN115257720A (zh) 基于转弯场景的紧急避撞方法、装置、设备及介质
CN111337051B (zh) 车辆加速度计前进轴标定的方法及装置
CN113052252A (zh) 超参数确定方法、装置、深度强化学习框架、介质及设备

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Vehicle interactive information generation method, device, equipment and computer-readable medium

Effective date of registration: 20230228

Granted publication date: 20211221

Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch

Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

Registration number: Y2023980033668

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.