CN114056337A - 车辆行驶行为预测方法、装置及计算机程序产品 - Google Patents

Abstract

本公开实施例公开了一种车辆行驶行为预测方法、装置及计算机程序产品，所述方法包括：获取车辆的行驶数据；根据所述行驶数据确定车辆的行驶状况；所述行驶状况包括以下至少之一：所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆将驶入道路的道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息；根据所述行驶状况预测所述车辆行驶行为是否稳定。该技术方案在大量采集数据分析的基础上，结合大数据预测技术实现了车辆行驶行为的预测，为车辆的导航服务提供了智能引导的依据。

Description

车辆行驶行为预测方法、装置及计算机程序产品

技术领域

本公开涉及导航技术领域，具体涉及一种车辆行驶行为预测方法、装置及计算机程序产品。

背景技术

随着互联网技术的发展，人们的出行越来越依赖于基于位置的服务系统。基于位置的服务包括导航、路径规划、地图渲染等。导航服务用于车辆行驶过程中对用户进行引导，例如通过视觉或者声音提示用户进行相应的导航动作等。已有技术中的导航服务，仅在导航动作、前方车辆、应行驶车道、红绿灯等情形下进行导航引导，缺乏对行驶行为的分析和预测，进而无法基于行驶行为的分析和预测结果对用户进行更智能化地引导。因此，需要提供解决行驶行为的分析和预测问题的技术方案，以便提升导航用户体验。

发明内容

本公开实施例提供一种车辆行驶行为预测方法、装置及计算机程序产品。

第一方面，本公开实施例中提供了一种车辆行驶行为预测方法，应用于车辆行驶过程中，其中，包括：

获取车辆的行驶数据；

根据所述行驶数据确定车辆的行驶状况；所述行驶状况包括以下至少之一：所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆将驶入道路的道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息；

根据所述行驶状况预测所述车辆行驶行为是否稳定。

进一步地，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

在所述车辆位姿角度的稳定性高于稳定性阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是高度稳定行驶。

进一步地，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

在所述车辆的行驶速度高于速度阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是基本稳定行驶；

或者，在所述车辆处于导航动作区域，并且所述导航动作区域的道路曲率小于曲率阈值，预测所述车辆行驶行为是基本稳定行驶。

进一步地，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

基于所述车辆在行驶道路上所处车道的车道信息确定所述车辆是否压线行驶，以及在所述车辆压线行驶时预测所述车辆行驶行为是行驶不稳定；或者，

根据所述车辆在行驶道路上所处车道的车道信息以及导航数据确定所述车辆是否未行驶在导航数据提示的应走车道，以及在所述车辆未行驶在所述应走车道时预测所述车辆行驶行为是行驶不稳定；或者，

在所述车辆进入导航动作区域，并且所述导航动作区域的道路曲率大于曲率阈值，预测所述车辆行驶行为是行驶不稳定。

进一步地，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

在所述车辆行驶道路的路况信息满足路况较差的预设条件时，预测所述车辆行驶行为是行驶不稳定。

第二方面，本发明实施例中提供了一种导航方法，其中，包括：

基于第一方面所述的方法预测车辆行驶行为；

基于所述行驶行为引导所述车辆行驶到导航数据提示的应走车道。

进一步地，基于所述行驶行为引导所述车辆行驶在应走车道，包括：

基于所述车辆的当前位置、路线数据以及导航数据检测所述车辆与导航动作区域之间的距离；

在所述距离小于或等于距离阈值时，确定所述车辆在行驶道路上的实际车道；

在所述实际车道与导航数据中的应走车道不匹配，且所述车辆行驶行为被预测为高度稳定行驶时，输出所述车辆即将偏航的提示。

进一步地，基于所述行驶行为引导所述车辆行驶在应走车道，包括：

在通过动态交通数据确定车辆在行驶道路上所处车道发生拥堵，且所述车辆行驶行为被预测为高度稳定行驶时，输出车辆提前变道的提示。

第三方面，本发明实施例中提供了一种车辆行驶行为预测装置，包括：

获取模块，被配置为获取车辆的行驶数据；

第一确定模块，被配置为根据所述行驶数据确定车辆的行驶状况；所述行驶状况包括以下至少之一：所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆的前方道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息；

第一预测模块，被配置为根据所述行驶状况预测所述车辆行驶行为是否稳定。

第四方面，本发明实施例中提供了一种导航装置，包括：

第二预测模块，被配置为基于上述车辆行驶行为预测装置预测车辆行驶行为；

引导模块，被配置为基于所述行驶行为引导所述车辆行驶在导航数据提示的应走车道。

所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。

在一个可能的设计中，上述装置的结构中包括存储器和处理器，所述存储器用于存储一条或多条支持上述装置执行上述对应方法的计算机指令，所述处理器被配置为用于执行所述存储器中存储的计算机指令。上述装置还可以包括通信接口，用于上述装置与其他设备或通信网络通信。

第五方面，本公开实施例提供了一种电子设备，包括存储器、处理器以及存储在存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现上述任一方面所述的方法。

第六方面，本公开实施例提供了一种计算机可读存储介质，用于存储上述任一装置所用的计算机指令，该计算机指令被处理器执行时用于实现上述任一方面所述的方法。

第七方面，本公开实施例提供了一种计算机程序产品，其包含计算机指令，该计算机指令被处理器执行时用于实现上述任一方面所述的方法。

本公开实施例提供的技术方案可以包括以下有益效果：

本公开实施例在车辆的车辆行驶行为预测过程中，首先获取车辆行驶过程中采集到的行驶数据，进而再对行驶数据进行处理，获得车辆当前所处的行驶状况，以及通过车辆当前所处的行驶状况预测车辆行驶行为是否稳定。本公开实施例在大量采集数据分析的基础上，结合大数据预测技术实现了车辆行驶行为的预测，为车辆的导航服务提供了智能引导的依据。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：

图1示出根据本公开一实施方式的车辆行驶行为预测方法的流程图；

图2示出根据本公开一实施方式的导航方法的流程图；

图3示出根据本公开一实施方式的导航应用场景示意图；

图4示出根据本公开一实施方式的车辆行驶行为预测装置的结构框图；

图5示出根据本公开一实施方式的导航装置的结构框图；

图6是适于用来实现根据本公开一实施方式的车辆行驶行为预测方法和/或导航方法的电子设备的结构示意图。

具体实施方式

下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

另外还需要说明的是，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。下面将参考附图并结合实施例来详细说明本公开。

下面通过具体实施例详细介绍本公开实施例的细节。

图1示出根据本公开一实施方式的车辆行驶行为预测方法的流程图。如图1所示，该车辆行驶行为预测方法包括以下步骤：

在步骤S101中，获取车辆的行驶数据；

在步骤S102中，根据所述行驶数据确定车辆的行驶状况；所述行驶状况包括以下至少之一：所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆将驶入道路的道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息；

在步骤S103中，根据所述行驶状况预测所述车辆行驶行为是否稳定。

本实施例中，车辆上可以配置采集各种行驶数据的各种传感器，例如姿态传感器、图像传感器以及定位传感器等。车辆还可以配置处理设备，和/或能够与远程处理设备进行信息交互的通信链接；远程处理设备可以位于云端。

车辆在行驶过程中，可以由车辆上配置的各种传感器实时采集行驶数据，例如采集姿态数据、图像数据以及定位数据等。传感器采集的行驶数据可以实时传送给车辆上的处理设备，或者通过通信链接传送至远程的处理设备进行处理。可以理解的是，行驶数据为车辆设备上配置的各种传感器等实时采集到的原始数据，也即未经过本公开实施例中的相应方法进行过处理的数据。

在一些实施例中，行驶数据还可以包括导航数据，车辆上可以配置地图导航服务系统，并且车辆可以基于地图导航服务系统接收导航数据。导航数据可以包括但不限于路线数据、导航路线以及导航动作等。在另一些实施例中，路线数据也可以预先离线下载，并存储至本地磁盘。

本公开实施例提出的车辆行驶行为预测方法可以在车辆上的处理设备或者远程的处理设备执行。该处理设备从车辆上的各个传感器获取行驶数据，并通过对行驶数据进行处理，获得车辆当前所处的行驶状况。行驶状况可以包括但不限于车辆自身的行驶状况以及车辆周边影响车辆行驶的环境状况等。

在一些实施例中，行驶状况可以包括但不限于所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆将驶入道路的道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息中的一种或多种的组合。

车辆的位姿角度可以包括但不限于车辆当前的姿态朝向角度以及设备惯导位置等。车辆位姿角度的稳定性可以基于预定时间段内车辆位姿角度的变化情况来确定。车辆在行驶道路上所处车道的车道信息可以包括但不限于车辆的行驶车道、是否压线等。车辆是否处于导航动作区域可以理解为，根据导航提示车辆是否在左转区域、右转区域、并道区域、出口区域、入口区域等，也即车辆需要根据导航进行相应的动作时，可以理解为车辆处于导航动作区域。道路曲率可以理解为道路的曲率，导航动作区域的道路曲率可以理解为车辆执行导航动作的道路的曲率，车辆的前方道路曲率可以理解为车辆前方一段距离的道路的区域，比如车辆前方100米道路的曲率。车辆行驶道路的路况信息可以包括但不限于车辆将驶入道路是否拥堵、周边车辆情况、行人等障碍物是否较多等。

本公开实施例中，通过对车辆在行驶过程中的行驶数据进行处理获得车辆当前是否稳定行驶。在一些实施例中，车辆的稳定行驶行为可以划分为稳定行驶和不稳定行驶两种行为；而稳定行驶行为进一步还可以划分为高度稳定行驶和基本稳定行驶两种。其中，高度稳定行驶的稳定性强于基本稳定行驶的稳定性，而基本稳定行驶的稳定性强于不稳定行驶的稳定性。

在一些实施例中，可以通过车辆通过预测车辆在一定时间内的姿态朝向角度变化，来确定车辆后续将处于高度稳定行驶、基本稳定行驶还是不稳定行驶状态。

本公开实施例在车辆的车辆行驶行为预测过程中，首先获取车辆行驶过程中采集到的行驶数据，进而再对行驶数据进行处理，获得车辆当前所处的行驶状况，以及通过车辆当前所处的行驶状况预测车辆行驶行为是否稳定。本公开实施例在大量采集数据分析的基础上，结合大数据预测技术实现了车辆行驶行为的预测，为车辆的导航服务提供了智能引导的依据。

在本实施例的一个可选实现方式中，所述行驶数据包括以下至少之一：车辆的姿态传感器数据、将驶入道路的图像数据、车辆的导航数据、车辆的定位数据、动态交通数据、雷达数据。

该可选的实现方式中，车辆的姿态传感器数据可以利用车辆上的姿态传感器采集得到，姿态传感器可以包括但不限于陀螺仪、加速计、磁力计等；车辆前方的图像数据可以由设置在车辆前方的图像传感器采集得到，图像传感器例如可以是摄像头。车辆的导航数据可以由车辆上的地图导航服务系统输出，地图导航服务系统可以基于离线下载的电子地图数据以及车辆上设置的GPS传感器采集到的GPS数据输出导航数据。车辆的定位数据可以包括但不限于GPS传感器采集到的定位数据以及其他方式计算得到的定位数据，例如通过网络定位(基站、WIFI等)、惯导等方式得到的定位数据。动态交通数据可以包括但不限于车辆从网络或者地图导航服务系统请求到的路线、路况以及道路事故等交通数据。雷达数据可以包括但不限于设置在车辆上的雷达传感器采集到的周围车辆数据，例如车辆周边的车辆多少等，基于该周围车辆数据可以确定车辆周围的拥堵情况以及道路畅通情况等。

本公开实施例充分利用了上述多样化的行驶数据，并对这些行驶数据进行全方位的分析获得车辆当前的行驶状况。

在本实施例的一个可选实现方式中，步骤S102，即根据所述行驶数据确定车辆的行驶状况的步骤，进一步包括以下步骤之一：

根据所述车辆的姿态传感器数据计算所述车辆的位姿角度的稳定性；

根据所述图像数据确定所述车辆在行驶道路上所处的车道；

根据所述车辆的导航数据中的导航动作确定所述车辆是否处于导航动作区域；

根据所述导航数据中的路线数据以及所述车辆的定位数据，获取所述导航动作区域的道路曲率、所述车辆将驶入道路的道路曲率；

根据所述车辆的定位数据确定所述车辆的行驶速度；

根据所述动态交通数据和所述雷达数据确定所述车辆行驶道路的路况信息。

该可选的实现方式中，本实施例针对不同的数据可以采取不同的处理分析方式，并获得相应的行驶状况。在一些实施例中，可以通过对车辆的姿态传感器数据进行处理，获得车辆的位姿角度，也即车辆当前的姿态朝向角度以及设备惯导位置等。在一些实施例中，可以利用IMU位姿估计算法，基于车辆的姿态传感器数据计算得到车辆当前的姿态朝向角度以及设备惯导位置等。

在一些实施例中，车辆位姿角度的稳定性可以基于车辆的位姿角度的变化情况来确定，假如车辆在几秒内的位姿角度变化未超过一定范围，例如未超过1度，则可以认为车辆的位姿角度的稳定性较高，车辆处于位姿角度稳定状态，否则可以认为车辆的位姿角度的稳定性较低，车辆处于位姿角度不稳定状态。车辆的位姿角度稳定可以理解为车辆并未在进行转弯、并道等动作。

在一些实施例中，还可以基于车辆在行驶过程中实时采集到的图像数据，获得车辆在行驶道路上所处车道的车道信息。由于车辆的GPS定位数据虽然能够定位车辆的实际位置，并且结合路线数据能够确定车辆所在的道路，但是在道路上的相对位置无法通过GPS定位数据和路线数据确定，因此本公开实施例还通过车辆采集到的道路前方的图像数据，通过图像识别等算法确定车辆在道路上的车道(例如中间车道、左侧车道或者右侧车道等)，是否压线等相对位置信息。

在一些实施例中，车辆从导航服务接收到的导航数据可以包括但不限于车辆需要执行的导航动作信息，例如左转、右转、并入其他车道、从前方出口驶出、从前方入口驶入等。因此，本公开实施例还可以通过导航数据确定车辆当前是否处于导航动作区域，如导航数据提示车辆执行导航动作，则可以确定车辆处于导航动作区域。

在一些实施例中，还可以根据导航数据中的路线数据以及车辆的当前定位数据确定导航动作区域的道路曲率以及车辆将驶入道路的道路曲率。在确定车辆处于导航动作区域后，可以依据车辆当前的定位位置，从导航数据中获取车辆当前所在道路的路线数据，进而可以计算车辆所处的导航动作区域的道路曲率。此外，在确定车辆将驶入道路的道路曲率的过程中，同样可以根据车辆当前的定位位置从导航数据获取车辆当前所在道路的路线数据，并获取车辆前方一段距离内道路的道路曲率。

在一些实施例中，道路曲率计算过程可以包括：对路线数据中待确定曲率的道路所在点进行遍历，每三个点的曲率都小于预定值比如10度，则可以认为该段道路基本上为直路，也即该段道路的道路曲率较小。

在一些实施例中，车辆的行驶速度可以根据车辆的定位数据确定，也即基于定位数据，可以确定车辆在单位时间内的行驶距离，进而可以根据该行驶距离确定车辆的行驶速度。在一些实施例中，可以在车辆的行驶速度大于预定阈值时，确定车辆处于高速行驶。

在一些实施例中，还可以通过动态交通数据以及雷达数据确定车辆行驶道路的路况信息，动态交通数据例如可以包括地图导航服务系统提供的路况信息，比如拥堵情况、事故情况等。通过对雷达数据分析可以确定车辆周边的其他车辆情况。因此，本公开实施例可以通过综合分析动态交通数据以及雷达数据确定车辆前方的路况信息。

可以理解的是，上述过程中，可以利用多种人工智能机器学习算法来识别车辆当前的行驶状况，以便能够更加科学、全面的分析预测车辆的稳定行驶行为。例如，图像识别算法、IMU姿态估计算法、道路曲率算法、车辆位姿角度算法等。在一些实施例中，上述智能算法可以参考已有技术，在此不再赘述。

在本实施例的一个可选实现方式中，步骤S103，即根据所述行驶状况预测所述车辆行驶行为是否稳定的步骤，进一步包括以下步骤：

在所述车辆的位姿角度的稳定性高于稳定性阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是高度稳定行驶。

该可选的实现方式中，车辆的行驶行为可以基于车辆在多个不同方面的行驶状况来确定。其中一种预测方式是，在车辆的位姿角度稳定性较高的情况下，如果将驶入道路的道路曲率较小，并且车辆未处于导航区域时，可以确定车辆行驶行为是高度稳定行驶，否则可以预测车辆行驶行为是非高度稳定行驶，也即基本稳定行驶或者基本稳定行驶。

在一些实施例中，稳定性阈值可以基于车辆当前的行驶速度有所不同，车辆的行驶速度越高，稳定性阈值越小；相反地，车辆的行驶速度越低，稳定性阈值越高。在确定车辆位姿角度的稳定性高于稳定性阈值、车辆将驶入道路的道路曲率小于曲率阈值，以及车辆未处于导航动作区域的情况下，可以预测车辆行驶行为是高度稳定行驶。而其他情况下，车辆行驶行为均不是高度稳定行驶。

道路曲率小于曲率阈值可以理解为道路的路形基本为直路，也就是说，可以通过设置曲率阈值，筛选路形基本为直路的道路。

在车辆的位姿角度稳定也即车辆未进行转弯、并道等动作、车辆当前所处道路的道路曲率小于曲率阈值，也即道路为直路，并且车辆未在导航动作区域，不会因导航而发生导航动作的情况下，可以基本上确定车辆行驶行为是高度稳定的，因此，可以预测车辆在这种情况下的稳定行驶行为是高度稳定行驶。

在本实施例的一个可选实现方式中，步骤S103，即根据所述行驶状况预测所述车辆行驶行为是否稳定的步骤，进一步包括以下步骤：

在所述车辆的行驶速度高于速度阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是基本稳定行驶；

或者，在所述车辆处于导航动作区域，并且所述导航动作区域的道路曲率小于曲率阈值，预测所述车辆行驶行为是基本稳定行驶。

该可选的实现方式中，在基于车辆当前的行驶状况判定车辆行驶行为不是高度稳定行驶的情况下，可以通过两种条件组合来判断车辆行驶行为是否为基本稳定行驶，其一：车辆高速行驶、将驶入道路基本为直路以及车辆不在导航动作区域；其二、车辆处于导航动作区域，但是导航动作区域的道路基本为直路。只要满足上述两组条件中的其中一组，则可以预测车辆行驶行为是基本稳定行驶。

车辆在高速行驶过程中，基本上处于稳定行驶状态。因此，可以通过设置速度阈值，确定车辆当前是否处于高速行驶状态，例如车辆在以高于30公里/小时的速度行驶时，可以认为车辆处于高速行驶状态。此外，车辆在高速行驶状态中，如果存在促使车辆进行拐外或者改变车轮方向的外因的情况下，即使车辆处于高速行驶状态，后续也有可能会发生不稳定行驶行为的情况。因此，在判断车辆处于高速行驶状态时，还可以再判断车辆所处道路的道路曲率以及车辆是否处于导航动作区域。如上文中所述，道路曲率小于曲率阈值可以理解为道路基本上是直路，车辆在直路上高速行驶的过程中发生不稳定行驶行为的几率较少；再者，车辆当前如果未处于导航动作区域的情况，则可以确定的是车辆在直路上高速行驶，并且未处于导航动作区域，这种情况下可以确定的是车辆后续基本上会处于稳定行驶的状态。因此，车辆同时满足高速行驶也即行驶速度高于速度阈值、车辆行驶道路为直路也即道路的道路曲率小于曲率阈值以及车辆未处于导航动作区域这三个条件时，可以预测车辆行驶行为是基本稳定行驶。

此外，在车辆处于导航动作区域，但是导航动作区域的道路曲率小于曲率阈值，也即导航动作区域的道路基本为直路，这种情况下也可以预测车辆行驶行为是基本稳定行驶行为。

在本实施例的一个可选实现方式中，步骤S103，即根据所述行驶状况预测所述车辆行驶行为是否稳定的步骤，进一步包括以下步骤：

基于所述车辆在行驶道路上所处车道的车道信息确定所述车辆是否压线行驶，以及在所述车辆压线行驶时预测所述车辆行驶行为是行驶不稳定；或者，

根据所述车辆在行驶道路上所处车道的车道信息以及导航数据确定所述车辆是否未行驶在导航数据提示的应走车道，以及在所述车辆未行驶在所述应走车道时预测所述车辆行驶行为是行驶不稳定；或者，

在所述车辆进入导航动作区域，并且所述导航动作区域的道路曲率大于曲率阈值，预测所述车辆行驶行为是行驶不稳定。

该可选的实现方式中，根据车辆前方的图像数据可以确定车辆是否压线行驶，通常车辆压线行驶时，驾驶员会调整车辆方向，避免继续压线行驶。因此，在确定车辆压线行驶后，可以预测车辆后续处于行驶不稳定状态，也即车辆后续可能会发生较大的位姿角度变化。

此外，根据导航数据可以确定车辆可以在道路上的应走车道，如果通过图像数据的识别发现车辆当前位于道路的错误车道，例如根据导航数据车辆应当直行，而根据图像数据判定车辆处于左转或右转车道，此时可以预测车辆行驶行为是行驶不稳定，也即车辆后续可能会根据导航的提示变换车道，进而引起车辆位姿角度较大的变化。

在车辆进入导航动作区域后，如果导航动作区域的道路曲率较大，例如大于或等于曲率阈值，则可以确定车辆后续会在导航动作区域进行拐弯等引起车辆位姿角度较大变化的动作，因此可以预测车辆后续处于行驶不稳定状态。

当然可以理解的是，在另一些实施例中，如果车辆既不满足高度稳定行驶条件，也不满足基本稳定行驶条件时，也可以直接预测车辆行驶行为是不稳定行驶。

在本实施例的一个可选实现方式中，步骤S103，即根据所述行驶状况预测所述车辆行驶行为是否稳定的步骤，进一步包括以下步骤：

在所述车辆行驶道路的路况信息满足路况较差的预设条件时，预测所述车辆行驶行为是行驶不稳定。

该可选的实现方式中，依据雷达数据以及动态交通数据可以确定车辆前方的路况信息，如果路况较差，也即前方车辆较多，或者发生事故而导致道路拥堵的情况下，车辆行驶行为是行驶不稳定。

图2示出根据本公开一实施方式的导航方法的流程图。如图2所示，该导航方法包括以下步骤：

在步骤S201中，基于上述车辆行驶行为预测方法预测车辆行驶行为；

在步骤S202中，基于所述行驶行为引导所述车辆行驶到导航数据提示的应走车道。

本实施例中，如上文所述，车辆上可以配置采集各种行驶数据的各种传感器，例如姿态传感器、图像传感器以及定位传感器等。车辆还可以配置处理设备，和/或能够与远程处理设备进行信息交互的通信链接；远程处理设备可以位于云端。

车辆在行驶过程中，可以由车辆上配置的各种传感器实时采集行驶数据，例如采集姿态数据、图像数据以及定位数据等。传感器采集的行驶数据可以实时传送给车辆上的处理设备，或者通过通信链接传送至远程的处理设备进行处理。

本公开实施例提出的车辆行驶行为预测方法可以在车辆上的处理设备或者远程的处理设备执行。该处理设备从车辆上的各个传感器获取行驶数据，并通过对行驶数据进行处理，获得车辆当前所处的行驶状况。行驶状况可以包括但不限于车辆自身的行驶状况以及车辆周边影响车辆行驶的环境状况等。

本公开实施例中，通过对车辆在行驶过程中的行驶数据进行处理获得车辆当前是否稳定行驶。在一些实施例中，车辆的行驶行为可以划分为稳定行驶和不稳定行驶两种行为；而稳定行驶行为进一步还可以划分为高度稳定行驶和基本稳定行驶两种。

车辆行驶行为的预测细节可以参见上文中对车辆行驶行为预测方法的描述，在此不再赘述。

本实施例中，在车辆导航过程中，可以持续预测车辆行驶行为，并且可以利用车辆行驶行为引导车辆进行正确的行驶。例如，可以基于预测的车辆行驶行为确定车辆是否行驶在应走车道，应走车道可以理解为基于导航路线而确定的应走车道。例如，在临近导航动作区域时，如果车辆高速行驶在错误车道，此时可以预测到车辆即将发生偏航，因此可以通过导航提示，引导车辆变换至应走车道。

本公开实施例通过预测的车辆行驶行为，为用户提供更精细化的导航提示，提高了用户的导航体验。

在本实施例的一个可选实现方式中，步骤S202，即基于所述行驶行为引导所述车辆行驶到导航数据提示的应走车道的步骤，进一步包括以下步骤：

基于所述车辆的当前位置、路线数据以及导航数据检测所述车辆与导航动作区域之间的距离；

在所述距离小于或等于距离阈值时，确定所述车辆在行驶道路上的实际车道；

在所述实际车道与导航数据中的应走车道不匹配，且所述车辆行驶行为被预测为高度稳定行驶时，输出所述车辆即将偏航的提示。

该可选的实现方式中，车辆与导航动作区域的距离可以利用车辆当前的位置信息、路线数据和导航数据确定，在车辆距离导航动作区域不远，也即车辆与前方导航动作区域距离小于预设距离阈值时，可以通过采集车辆前方的图像数据，判断车辆当前所处的实际车道，在实际车道与导航数据中的应走车道不一致，也即车辆行驶在错误车道上时，可以根据预测到的车辆行驶行为判断车辆是否会发生偏航；如果车辆在错误车道上高度稳定行驶，则可以确定车辆后续并没有变换车道的可能性，因此车辆后续并不会变换到应走车道上形式，故而可以预测车辆即将发生偏航，因此通过输出导航提示，引导车辆变换至应走车道。

在本实施例的一个可选实现方式中，步骤S202，即基于所述行驶行为引导所述车辆行驶到导航数据提示的应走车道的步骤，进一步包括以下步骤：

在通过动态交通数据确定车辆在行驶道路上所处的车道发生拥堵，且所述车辆行驶行为被预测为高度稳定行驶时，输出车辆提前变道的提示。

该可选的实现方式中，动态交通数据可以包括路况信息、拥堵信息以及事故信息等。基于接收到的动态交通数据确定车辆在行驶道路上的所处车道发生拥堵的情况下，可以根据预测到的车辆行驶行为是高度稳定行驶，判断车辆后续大概率会沿着当前车道行驶至发生拥堵的位置，因此可以通过导航提示，引导车辆提前变换车道，避免拥堵。

在本实施例的一个可选实现方式中，所述方法一步还包括以下步骤中的至少之一：

基于所述行驶行为确定所述车辆是否稳定行驶在导航路线；

基于所述行驶行为确定所述车辆采集到的图像数据的质量；

在所述行驶行为被预测为稳定行驶时，基于所述车辆的GPS位置以及方向校准其他方式计算得到的位置及方向。

该可选的实现方式中，预测的车辆的行驶行为还可以用于确定车辆是否稳定行驶在导航路线。如果车辆行驶在导航路线，并且是稳定行驶，则后续的导航提示可以依据此状态进一步简化，以避免过多提示导致用户体验不佳。相反地，如果车辆行驶在导航路线，但是预测的后续行驶行为是不稳定行驶，则可以判断可能由于一些干扰因素导致用户并未理解导航提示，可以通过再次播放导航提示或其他方式引导用户行驶在导航路线上。

该可选的实现方式中，还可以基于车辆的形式行为确定车辆前方的图像传感器所采集到的图像的质量。例如，车辆后续高度稳定行驶在道路上，则车辆后续采集到的图像数据质量较高，进而可以确定这些图像中的道路比较清晰，因此这些图像数据可以被标识为高清晰图像，以便在后续进行相应使用。

该可选的实现方式中，在车辆行驶行为是稳定行驶时，可以确定车辆的GPS数据例如GPS位置和方向较为准确，因此可以利用该GPS位置和方向对其他方式计算得到的车辆位置和方向进行校准；其他方式计算得到的位置和方向例如可以是利用惯性推导算法得到的车辆位置和方向。

图3示出根据本公开一实施方式的导航应用场景示意图。如图3所示，行驶在路上的车辆配置有各种传感器，传感器在车辆行驶过程中实时采集车辆的行驶数据，并将数据上传至云端服务器。云端服务器基于接收到的行驶数据进行处理。云端服务器上可以预先部署用于处理行驶数据的人工智能算法，这些人工智能算法可以是预先训练完成的人工智能模型。云端服务器将接收到的行驶数据输入至人工智能算法得到车辆当前的行驶状况，并基于行驶状况预测车辆行驶行为。云端服务器可以将车辆行驶行为反馈至车辆的地图导航服务系统，地图导航服务系统可以基于车辆的行驶行为以及车辆上实时采集到的相关行驶数据为车辆输出更加精确的导航提示，例如提示车辆行驶在错误车道，应及时变道等提示；以及在出现拥堵路口时，提前提示车辆变道。此外，车辆行驶行为还可以被用于校准车辆定位数据，例如车辆行驶行为是高度稳定行驶时，可以基于GPS位置和方向校准惯导推演算法计算得到的车辆位置和方向。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

图4示出根据本公开一实施方式的车辆行驶行为预测装置的结构框图。如图4所示，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。该车辆行驶行为预测装置包括：

获取模块401，被配置为获取车辆的行驶数据；

第一确定模块402，被配置为根据所述行驶数据确定车辆的行驶状况；所述行驶状况包括以下至少之一：所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆的前方道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息；

第一预测模块403，被配置为根据所述行驶状况预测所述车辆行驶行为是否稳定。

在本实施例的一个可选实现方式中，所述行驶数据包括以下至少之一：车辆的姿态传感器数据、将驶入道路的图像数据、车辆的导航数据、车辆的定位数据、动态交通数据、雷达数据。

在本实施例的一个可选实现方式中，所述第一确定模块，包括以下至少之一：

计算子模块，被配置为根据所述车辆的姿态传感器数据计算所述车辆的位姿角度的稳定性；

第一确定子模块，被配置为根据所述车辆的姿态传感器数据计算所述车辆的位姿角度的稳定性；

第二确定子模块，被配置为根据所述图像数据确定所述车辆在行驶道路上所处的车道；

第三确定子模块，被配置为根据所述车辆的导航数据中的导航动作确定所述车辆是否处于导航动作区域；

第四确定子模块，被配置为根据所述导航数据中的路线数据以及所述车辆的定位数据，获取所述导航动作区域的道路曲率、所述车辆将驶入道路的道路曲率；

第五确定子模块，被配置为根据所述车辆的定位数据确定所述车辆的行驶速度；

第六确定子模块，被配置为根据所述动态交通数据和所述雷达数据确定所述车辆行驶道路的路况信息。

在本实施例的一个可选实现方式中，所述第一预测模块，包括：

第一预测子模块，被配置为在所述车辆位姿角度的稳定性高于稳定性阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是高度稳定行驶。

在本实施例的一个可选实现方式中，所述第一预测模块，包括：

第二预测子模块，被配置为在所述车辆的行驶速度高于速度阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是基本稳定行驶；

或者，第三预测子模块，被配置为在所述车辆处于导航动作区域，并且所述导航动作区域的道路曲率小于曲率阈值，预测所述车辆行驶行为是基本稳定行驶。

在本实施例的一个可选实现方式中，所述第一预测模块，包括：

第四预测子模块，被配置为基于所述车辆在行驶道路上所处车道的车道信息确定所述车辆是否压线行驶，以及在所述车辆压线行驶时预测所述车辆行驶行为是行驶不稳定；或者，

第五预测子模块，被配置为根据所述车辆在行驶道路上所处车道的车道信息以及导航数据确定所述车辆是否未行驶在导航数据提示的应走车道，以及在所述车辆未行驶在所述应走车道时预测所述车辆行驶行为是行驶不稳定；或者，

第六预测子模块，被配置为在所述车辆进入导航动作区域，并且所述导航动作区域的道路曲率大于曲率阈值，预测所述车辆行驶行为是行驶不稳定。

在本实施例的一个可选实现方式中，所述第一预测模块，包括：

第七预测子模块，被配置为在所述车辆行驶道路的路况信息满足路况较差的预设条件时，预测所述车辆行驶行为是行驶不稳定。

本实施例中车辆行驶行为预测装置与上述车辆行驶行为预测方法对应一致，具体细节可以参见上述对车辆行驶行为预测方法的描述，在此不再赘述。

图5示出根据本公开一实施方式的导航装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图5所示，该导航装置包括：

第二预测模块501，被配置为基于上述车辆行驶行为预测装置预测车辆行驶行为；

引导模块502，被配置为基于所述行驶行为引导所述车辆行驶在导航数据提示的应走车道。

在本实施例的一个可选实现方式中，所述引导模块，包括：

第六确定子模块，被配置为在检测到所述车辆与导航动作区域的距离小于或等于距离阈值时，确定所述车辆在行驶道路上的实际车道；

第七确定子模块，被配置为在所述实际车道与导航数据中的应走车道不匹配，且所述车辆行驶行为被预测为高度稳定行驶时，输出所述车辆即将偏航的提示。

在本实施例的一个可选实现方式中，所述引导模块，包括：

输出子模块，被配置为在通过动态交通数据确定车辆在行驶道路上所处的车道发生拥堵，且所述车辆行驶行为被预测为高度稳定行驶时，输出车辆提前变道的提示。

在本实施例的一个可选实现方式中，所述装置还包括以下至少之一：

第二确定模块，被配置为基于所述行驶行为确定所述车辆是否稳定行驶在导航路线；

第三确定模块，被配置为基于所述行驶行为确定所述车辆采集到的图像数据的质量；

校准模块，被配置为在所述行驶行为被预测为稳定行驶时，基于所述车辆的GPS位置以及方向校准其他方式计算得到的位置及方向。

本实施例中导航装置与上述导航方法对应一致，具体细节可以参见上述对导航方法的描述，在此不再赘述。

图6是适于用来实现根据本公开实施方式的车辆行驶行为预测方法和/或导航方法的电子设备的结构示意图。

如图6所示，电子设备600包括处理单元601，其可实现为CPU、GPU、FPGA、NPU等处理单元。处理单元601可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行本公开上述任一方法的实施方式中的各种处理。在RAM603中，还存储有电子设备600操作所需的各种程序和数据。处理单元601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施方式，上文参考本公开实施方式中的任一方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行本公开实施方式中任一方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

附图中的流程图和框图，图示了按照本公开各种实施方式的系统、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，路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，所述模块、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。

描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

以上描述仅为本公开的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所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)

1.一种车辆行驶行为预测方法，应用于车辆行驶过程中，其中，包括：

获取车辆的行驶数据；

根据所述行驶数据确定车辆的行驶状况；所述行驶状况包括以下至少之一：所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆将驶入道路的道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息；

根据所述行驶状况预测所述车辆行驶行为是否稳定。

2.根据权利要求1所述的方法，其中，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

在所述车辆位姿角度的稳定性高于稳定性阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是高度稳定行驶。

3.根据权利要求1-2任一项所述的方法，其中，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

在所述车辆的行驶速度高于速度阈值、所述车辆将驶入道路的道路曲率小于曲率阈值以及所述车辆未处于导航动作区域时，预测所述车辆行驶行为是基本稳定行驶；

或者，在所述车辆处于导航动作区域，并且所述导航动作区域的道路曲率小于曲率阈值，预测所述车辆行驶行为是基本稳定行驶。

4.根据权利要求1-2任一项所述的方法，其中，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

基于所述车辆在行驶道路上所处车道的车道信息确定所述车辆是否压线行驶，以及在所述车辆压线行驶时预测所述车辆行驶行为是行驶不稳定；或者，

根据所述车辆在行驶道路上所处车道的车道信息以及导航数据确定所述车辆是否未行驶在导航数据提示的应走车道，以及在所述车辆未行驶在所述应走车道时预测所述车辆行驶行为是行驶不稳定；或者，

在所述车辆进入导航动作区域，并且所述导航动作区域的道路曲率大于曲率阈值，预测所述车辆行驶行为是行驶不稳定。

5.根据权利要求1-2任一项所述的方法，其中，根据所述行驶状况预测所述车辆行驶行为是否稳定，包括：

在所述车辆行驶道路的路况信息满足路况较差的预设条件时，预测所述车辆行驶行为是行驶不稳定。

6.一种导航方法，其中，包括：

基于权利要求1-5所述的方法预测车辆行驶行为；

基于所述行驶行为引导所述车辆行驶到导航数据提示的应走车道。

7.根据权利要求6所述的方法，其中，基于所述行驶行为引导所述车辆行驶到导航数据提示的应走车道，包括：

基于所述车辆的当前位置、路线数据以及导航数据检测所述车辆与导航动作区域之间的距离；

在所述距离小于或等于距离阈值时，确定所述车辆在行驶道路上的实际车道；

在所述实际车道与导航数据中的应走车道不匹配，且所述车辆行驶行为被预测为高度稳定行驶时，输出所述车辆即将偏航的提示。

8.根据权利要求6-7任一项所述的方法，其中，基于所述行驶行为引导所述车辆行驶到导航数据提示的应走车道，包括：

在通过动态交通数据确定车辆在行驶道路上所处车道发生拥堵，且所述车辆行驶行为被预测为高度稳定行驶时，输出车辆提前变道的提示。

9.一种车辆行驶行为预测装置，包括：

获取模块，被配置为获取车辆的行驶数据；

第一确定模块，被配置为根据所述行驶数据确定车辆的行驶状况；所述行驶状况包括以下至少之一：所述车辆的位姿角度的稳定性、所述车辆在行驶道路上所处车道的车道信息、所述车辆是否处于导航动作区域、所述导航动作区域的道路曲率、所述车辆的前方道路曲率、所述车辆的行驶速度、所述车辆行驶道路的路况信息；

第一预测模块，被配置为根据所述行驶状况预测所述车辆行驶行为是否稳定。

10.一种计算机程序产品，其包括计算机指令，其中，该计算机指令被处理器执行时实现权利要求1-8任一项所述的方法。

Images