CN114506344A - 一种车辆轨迹的确定方法及装置 - Google Patents
一种车辆轨迹的确定方法及装置 Download PDFInfo
- Publication number
- CN114506344A CN114506344A CN202210232670.0A CN202210232670A CN114506344A CN 114506344 A CN114506344 A CN 114506344A CN 202210232670 A CN202210232670 A CN 202210232670A CN 114506344 A CN114506344 A CN 114506344A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- data
- determining
- event
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000001133 acceleration Effects 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开一种车辆轨迹的确定方法及装置,涉及自动驾驶技术领域。具体方案包括:获取目标事件中的第一数据和第二数据,根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,并根据目标事件对应的激进度,确定目标轨迹生成模型,且根据目标轨迹生成模型确定目标车辆的目标车辆轨迹。本发明结合目标事件中的第一数据、第二数据以及参考事件对应的激进度,确定出目标事件对应的激进度,使得目标事件对应的激进度能够更加准确地表征目标事件发生后目标车辆的行驶行为的激进程度,从而确定出适用性更好的目标轨迹生成模型,提高了确定出的目标车辆轨迹的准确性。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种车辆轨迹的确定方法及装置。
背景技术
在自动驾驶过程中,本车需要对自身一定范围内的目标车辆进行轨迹预测,以此辅助本车进行路线规划和驾驶决策。对于目标车辆来说,驾驶人不同驾驶习惯也不同,因此,在应对同一驾驶场景时,不同驾驶人会表现出不同的行为意图,为预测目标车辆的轨迹增加了难度。
现有技术中,本车根据目前车辆当前的驾驶行为来确定目标车辆的车辆轨迹,并根据目标车辆的车辆轨迹进行本车的路线规划和驾驶决策。但是,由于目标车辆当前的驾驶行为具有偶然性,导致确定出的目标车辆的车辆轨迹的准确性较低。
发明内容
本发明提供一种车辆轨迹的确定方法及装置,解决了确定出的目标车辆的车辆轨迹的准确性较低的问题。
为达到上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种车辆轨迹的确定方法,该方法包括:
获取目标事件中的第一数据和第二数据,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数;
根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度;
根据目标事件对应的激进度,确定目标轨迹生成模型;
根据目标轨迹生成模型确定目标车辆的目标车辆轨迹。
在一种可能的实现方式中,根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,包括:根据第一数据和第二数据的对比信息,确定调整值;根据参考事件对应的激进度和调整值,确定目标事件对应的激进度,参考事件对应的激进度是根据参考事件及参考事件之前的历史事件,对初始激进度进行累计调整得到的值。
在一种可能的实现方式中,第一数据的数据类型为真实变道参数,第二数据的数据类型为变道推荐参数。若第一数据用于指示车道保持,第二数据用于指示推荐变道,则车载终端设备确定调整值为第一预设值,第一预设值为负值,若第一数据用于指示变道,第二数据用于指示未推荐变道,则车载终端设备确定调整值为第二预设值,第二预设值为正值,其中,变道推荐参数为车载终端设备根据本车与目标车辆的相对速度、相对距离或路况等信息,做出的推荐变道或不推荐变道的建议。
在一种可能的实现方式中,第一数据和第二数据为轨迹参数,轨迹参数包括变道轨迹的变道时间、碰撞风险代价、加速度代价中的至少一项;根据第一数据和第二数据的对比信息,确定调整值,包括:若轨迹参数为变道时间,则根据真实变道时间与预测变道时间的大小关系,确定调整值;若轨迹参数为碰撞风险代价,则根据真实碰撞风险代价与预测碰撞风险代价的大小关系,确定调整值;若轨迹参数为加速度代价,则根据真实加速度代价与预测加速度代价的大小关系,确定调整值。
在一种可能的实现方式中,第一数据为真实变道参数,第二数据为变道意图参数;根据第一数据和第二数据的对比信息,确定调整值,包括:若第一数据用于指示车道保持,第二数据用于指示变道意图,则确定调整值为第一预设值,第一预设值为负值;若第一数据为目标车辆越过车道线的第一时间点,第二数据为确定出变道意图的第二时间点,则根据第一时间点和第二时间点的差值,与预设时长值的大小关系,确定调整值。
在一种可能的实现方式中,车辆轨迹的确定方法还包括:根据目标事件对应的激进度,确定变道意图模型;根据变道意图模型,确定目标车辆的当前变道意图。
在一种可能的实现方式中,根据目标事件对应的激进度,确定目标轨迹生成模型,包括:确定目标事件对应的激进度所属的目标预设范围;根据预设范围与轨迹生成模型的映射关系,确定目标预设范围对应的目标轨迹生成模型。
在一种可能的实现方式中,根据目标轨迹生成模型确定目标车辆的目标车辆轨迹,包括:根据目标轨迹生成模型确定目标车辆的多个备选车辆轨迹;根据目标事件对应的激进度,分别调整代价函数中的时间代价、加速度代价和碰撞风险代价对应的权重系数,代价函数用于评价每个备选车辆轨迹与真实轨迹的误差;根据代价函数确定每个备选车辆轨迹的代价值,得到多个代价值;将多个代价值中的最小值对应的备选车辆轨迹,确定为目标车辆轨迹。
第二方面,本发明提供一种车辆轨迹的确定装置,包括:
获取模块,用于获取目标事件中的第一数据和第二数据,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数;
第一确定模块,用于根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度;
第二确定模块,用于根据目标事件对应的激进度,确定目标轨迹生成模型;
第三确定模块,用于根据目标轨迹生成模型确定目标车辆的目标车辆轨迹。
在一种可能的实现方式中,第一确定模块具体用于:根据第一数据和第二数据的对比信息,确定调整值;根据参考事件对应的激进度和调整值,确定目标事件对应的激进度,参考事件对应的激进度是根据参考事件及参考事件之前的历史事件,对初始激进度进行累计调整得到的值。
在一种可能的实现方式中,第一数据和第二数据为轨迹参数,轨迹参数包括变道轨迹的变道时间、碰撞风险代价、加速度代价中的至少一项,第一确定模块具体用于:若轨迹参数为变道时间,则根据真实变道时间与预测变道时间的大小关系,确定调整值;若轨迹参数为碰撞风险代价,则根据真实碰撞风险代价与预测碰撞风险代价的大小关系,确定调整值;若轨迹参数为加速度代价,则根据真实加速度代价与预测加速度代价的大小关系,确定调整值。
在一种可能的实现方式中,第一数据为真实变道参数,第二数据为变道意图参数,第一确定模块具体用于:若第一数据用于指示车道保持,第二数据用于指示变道意图,则确定调整值为第一预设值,第一预设值为负值;若第一数据为目标车辆越过车道线的第一时间点,第二数据为确定出变道意图的第二时间点,则根据第一时间点和第二时间点的差值,与预设时长值的大小关系,确定调整值。
在一种可能的实现方式中,第一数据的数据类型为真实变道参数,第二数据的数据类型为变道推荐参数。若第一数据用于指示车道保持,第二数据用于指示推荐变道,则车载终端设备确定调整值为第一预设值,第一预设值为负值,若第一数据用于指示变道,第二数据用于指示未推荐变道,则车载终端设备确定调整值为第二预设值,第二预设值为正值,其中,变道推荐参数为车载终端设备根据本车与目标车辆的相对速度、相对距离或路况等信息,做出的推荐变道或不推荐变道的建议。
在一种可能的实现方式中,第二确定模块还用于:根据目标事件对应的激进度,确定变道意图模型;第三确定模块还用于:根据变道意图模型,确定目标车辆的当前变道意图。
在一种可能的实现方式中,第二确定模块具体用于:确定目标事件对应的激进度所属的目标预设范围;根据预设范围与轨迹生成模型的映射关系,确定目标预设范围对应的目标轨迹生成模型。
在一种可能的实现方式中,第三确定模块具体用于:根据目标轨迹生成模型确定目标车辆的多个备选车辆轨迹;根据目标事件对应的激进度,分别调整代价函数中的时间代价、加速度代价和碰撞风险代价对应的权重系数,代价函数用于评价每个备选车辆轨迹与真实轨迹的误差;根据代价函数确定每个备选车辆轨迹的代价值,得到多个代价值;将多个代价值中的最小值对应的备选车辆轨迹,确定为目标车辆轨迹。
第三方面,本发明提供一种车辆,该车辆包括:处理器和存储器。存储器用于存储计算机程序代码,计算机程序代码包括计算机指令。当处理器执行计算机指令时,车辆执行如第一方面及其任一种可能的实现方式的车辆轨迹的确定方法。
第四方面,本发明提供一种车辆轨迹的确定系统,该系统包括本车和目标车辆;
本车,用于获取目标事件中的第一数据和第二数据,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数;
本车,还用于根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度;
本车,还用于根据目标事件对应的激进度,确定目标轨迹生成模型;
本车,还用于根据目标轨迹生成模型确定目标车辆的目标车辆轨迹。
第五方面,本发明提供一种计算机可读存储介质,其上存储有计算机指令,当计算机指令在车辆上运行时,使得车辆执行如第一方面或第一方面的可能的实现方式中任意一项的车辆轨迹的确定方法。
第六方面,本发明提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在车辆上运行时,使得车辆执行如第一方面及其任一种可能的实现方式的车辆轨迹的确定方法。
本发明实施例提供的车辆轨迹的确定方法,获取目标事件中的第一数据和第二数据,根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,并根据目标事件对应的激进度,确定目标轨迹生成模型,且根据目标轨迹生成模型确定目标车辆的目标车辆轨迹,其中,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度。本发明结合目标事件中的第一数据、第二数据以及参考事件对应的激进度,确定出目标事件对应的激进度,使得目标事件对应的激进度能够更加准确地表征目标事件发生后目标车辆的行驶行为的激进程度,从而确定出适用性更好的目标轨迹生成模型,提高了确定出的目标车辆轨迹的准确性。
附图说明
图1为本发明实施例提供的一种车辆轨迹的确定方法的应用场景示意图;
图2为本发明实施例提供的一种车辆轨迹的确定方法的流程图之一;
图3为本发明实施例提供的一种车辆轨迹的确定方法的流程图之二;
图4为本发明实施例提供的一种车辆轨迹的确定方法的流程图之三;
图5为本发明实施例提供的一种车辆轨迹的确定方法的流程图之四;
图6为本发明实施例提供的一种车辆轨迹的确定装置的组成示意图。
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作出创造性劳动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。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。另外,“基于”或“根据”的使用意味着开放和包容性,因为“基于”或“根据”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。
为了解决确定出的目标车辆的车辆轨迹的准确性较低的问题,本发明实施例提供了一种车辆轨迹的确定方法及装置,获取目标事件中的第一数据和第二数据,根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,并根据目标事件对应的激进度,确定目标轨迹生成模型,且根据轨迹生成模型确定目标车辆的目标车辆轨迹,其中,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度。本发明结合目标事件中的第一数据、第二数据以及参考事件对应的激进度,确定出目标事件对应的激进度,使得目标事件对应的激进度能够更加准确地表征目标事件发生后目标车辆的行驶行为的激进程度,从而确定出适用性更好的目标轨迹生成模型,提高了确定出的目标车辆轨迹的准确性。
图1为本发明实施例提供的一种车辆轨迹的确定方法的应用场景示意图。其中,设置于本车10中的多个传感器可以对自身一定范围内的多个目标车辆20的行驶数据进行追踪监测,以此辅助本车10进行路线规划和驾驶决策。可以理解的是,对于目标车辆20来说,驾驶人不同驾驶习惯也不同,这使得不同目标车辆20的行驶风格也可能不同。基于此,本车10中的车载终端30可以通过追踪监测目标车辆20发生过的历史事件和当前发生的目标事件,来确定目标车辆20的行驶风格,并根据目标车辆20的行驶风格在多个备选的轨迹生成模型中,选择适用性最好的目标轨迹生成模型来预测目标车辆20的目标车辆轨迹。
本发明实施例提供的车辆轨迹的确定方法的执行主体为车辆,具体可以为车辆中的车载终端设备。本发明实施例中以车载终端设备为例对本发明实施例中的车辆轨迹的确定方法进行介绍。
图2为本发明实施例提供的一种车辆轨迹的确定方法的流程图。如图2所示,车辆轨迹的确定方法可以包括以下步骤S201-步骤S204。
S201、车载终端设备获取目标事件中的第一数据和第二数据,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数。
其中,目标事件可以是目标车辆任一时刻发生过的事件,目标事件中的第一数据和第二数据可以相同,也可以不同。
具体的,车载终端设备可以持续追踪目标车辆,并获取目标事件中的第一数据和第二数据,第一数据用于指示目标事件发生时目标车辆的真实行驶参数,第二数据用于指示目标事件发生时与目标车辆的真实行驶参数对应的预测行驶参数。
S202、车载终端设备根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度。
可以理解的是,激进度越高,目标车辆的驾驶风格越激进,激进度越低,目标车辆的驾驶风格越保守。参考事件对应的激进度可以表征参考事件发生时,目标车辆对应的激进度。
具体的,车载终端设备可以以目标事件的前一次事件为参考事件,在参考事件的基础上,结合参考事件对应的激进度、目标事件中的第一数据和第二数据,从而确定目标事件对应的激进度。
S203、车载终端设备根据目标事件对应的激进度,确定目标轨迹生成模型。
可以理解的是,目标事件对应的激进度不同,目标轨迹生成模型也可能不同。
在一种可能的实现方式中,车载终端设备可以确定目标事件对应的激进度所属的目标预设范围,并根据预设范围与轨迹生成模型的映射关系,确定目标预设范围对应的目标轨迹生成模型。
在另一种可能的实现方式中,车载终端设备还可以根据目标事件对应的激进度,确定目标事件发生后目标车辆的驾驶特性,并根据目标事件发生后目标车辆的驾驶特性确定目标轨迹生成模型。示例性地,驾驶特性可以包括但不限于保守驾驶、正常驾驶和激进驾驶,对保守驾驶和激进驾驶设定第一激进度阈值V1和第二激进度阈值V2,V2大于V1,当目标事件对应的激进度小于V1时,车载终端设备可以确定目标事件发生后目标车辆的驾驶特性为保守驾驶,当目标事件对应的激进度大于V2时,车载终端设备可以确定目标事件发生后目标车辆的驾驶特性为激进驾驶,当目标事件对应的激进度大于V1且小于V2时,车载终端设备可以确定目标事件发生后目标车辆的驾驶特性为激进驾驶。
进一步地,车载终端设备还可以获取目标事件发生时,目标车辆的环境信息和目标车辆状态信息,用以离线训练目标轨迹生成模型,从而进一步提高目标轨迹生成模型的性能。其中,目标车辆的环境信息包括但不限于目标车辆的位置、道路限速等,目标车辆的状态信息包括但不限于目标车辆的横向速度、横向加速度、纵向速度、纵向加速度等。
S204、车载终端设备根据目标轨迹生成模型确定目标车辆的目标车辆轨迹。
可以理解的是,车载终端设备可以通过上述步骤S203中确定出的目标轨迹生成模型来对目标车辆的车辆轨迹进行预测。
具体的,车载终端设备可以将目标车辆的环境信息和目标车辆的状态信息做为模型输入,输入至目标轨迹生成模型,从而得到目标车辆轨迹。
本实施例中,车载终端设备获取目标事件中的第一数据和第二数据,根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,并根据目标事件对应的激进度,确定目标轨迹生成模型,且根据目标轨迹生成模型确定目标车辆的目标车辆轨迹,其中,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度。本实施例结合目标事件中的第一数据、第二数据以及参考事件对应的激进度,确定出目标事件对应的激进度,使得目标事件对应的激进度能够更加准确地表征目标事件发生后目标车辆的行驶行为的激进程度,从而确定出适用性更好的目标轨迹生成模型,提高了确定出的目标车辆轨迹的准确性。
可选的,在上述实施例的基础上,结合图2,如图3所示,上述步骤S202,包括:
S301、车载终端设备根据第一数据和第二数据的对比信息,确定调整值。
可以理解的是,调整值可以为零、正值或负值,车载终端设备可以根据第一数据和第二数据的对比信息,确定调整值。
具体的,当第一数据和第二数据相同时,车载终端设备可以确定调整值为零,当第一数据和第二数据不同时,车载终端设备可以根据第一数据和第二数据的数据类型和大小关系来确定调整值为正值或负值。
在一种可能的实现方式中,第一数据和第二数据的数据类型可以为轨迹参数,轨迹参数可以包括变道轨迹的变道时间、碰撞风险代价、加速度代价中的至少一项。碰撞风险代价可以表征轨迹的碰撞风险平均损失值,加速度代价可以表征轨迹的加速度平均损失值。若轨迹参数为变道时间,则车载终端设备可以根据真实变道时间与预测变道时间的大小关系,确定调整值,若轨迹参数为碰撞风险代价,则车载终端设备可以根据真实碰撞风险代价与预测碰撞风险代价的大小关系,确定调整值,若轨迹参数为加速度代价,则车载终端设备可以根据真实加速度代价与预测加速度代价的大小关系,确定调整值。
示例性的,若真实变道时间小于预测变道时间,则车载终端设备可以确定调整值为正值A1,若真实碰撞风险代价高于预测碰撞风险代价,则车载终端设备可以确定调整值为正值A2,若真实加速度代价高于预测加速度代价,则车载终端设备可以确定调整值为正值A3。可以理解的是,A1、A2和A3的大小可以与第一数据和第二数据的差值有关,第一数据和第二数据的差值越大,A1、A2和A3就越大。
在另一种可能的实现方式中,第一数据的数据类型可以为真实变道参数,第二数据的数据类型可以为变道意图参数。若第一数据用于指示车道保持,第二数据用于指示变道意图,则车载终端设备可以确定调整值为第一预设值,第一预设值为负值,其中,变道意图可以为车载终端设备根据车辆横向速度、横向加速度等信息预测出的驾驶人的主观变道意图。若第一数据为目标车辆越过车道线的第一时间点,第二数据为确定出变道意图的第二时间点,则根据第一时间点和第二时间点的差值,与预设时长值的大小关系,确定调整值。
示例性的,若第一时间点为T1,第二时间点为T2,第一时间点和第二时间点的差值为T1-T2=∆T,预设时长值为t1和t2,t2大于t1,当∆T小于t1时,表示车载终端设备判断出目标车辆的变道意图过晚,即表征目标车辆的真实行驶风格相比预测的行驶风格更为激进,基于此,车载终端设备可以确定调整值为正值A4,当∆T大于t2时,表示车载终端设备判断出目标车辆的变道意图过早,即表征目标车辆的真实行驶风格相比预测的行驶风格更为保守,基于此,车载终端设备可以确定调整值为负值B4,当∆T位于t1-t2之间时,表征目标车辆的真实行驶风格相比预测的行驶风格基本相同,基于此,车载终端设备可以确定调整值为零。
在另一种可能的实现方式中,第一数据的数据类型可以为真实变道参数,第二数据的数据类型可以为变道推荐参数。若第一数据用于指示车道保持,第二数据用于指示推荐变道,则车载终端设备可以确定调整值为第一预设值,第一预设值为负值,若第一数据用于指示变道,第二数据用于指示未推荐变道,则车载终端设备可以确定调整值为第二预设值,第二预设值为正值,其中,变道推荐参数可以为车载终端设备根据客观条件,如目标车辆的速度、路况等信息,做出的推荐变道或不推荐变道的建议。
S302、车载终端设备根据参考事件对应的激进度和调整值,确定目标事件对应的激进度,参考事件对应的激进度是根据参考事件及参考事件之前的历史事件,对初始激进度进行累计调整得到的值。
可以理解的是,当车载终端设备追踪到目标车辆时,车载终端设备可以在预设的初始激进度的基础上,对目标车辆当前的激进度进行动态调整。
具体的,车载终端设备可以根据参考事件对应的激进度和调整值,确定目标事件对应的激进度。
示例性的,车载终端设备可以将参考事件对应的激进度和调整值直接相加,从而得到目标事件对应的激进度。此处对于目标事件对应的激进度的计算方式不做限定。
本实施例中,车载终端设备根据第一数据和第二数据的对比信息,确定调整值,并根据参考事件对应的激进度和调整值,确定目标事件对应的激进度,其中,参考事件对应的激进度是根据参考事件及参考事件之前的历史事件,对初始激进度进行累计调整得到的值。这样,车载终端设备基于历史事件对初始激进度不断累计调整,从而得到目标事件的激进度,能够更加准确的表征出目标车辆当前的驾驶风格,为车载终端设备选择更加适用的目标轨迹生成模型提供了更准确的依据,提高了确定出的目标车辆轨迹的准确性。
可选的,在上述实施例的基础上,结合图3,如图4所示,车辆轨迹的确定方法还包括:
S401、车载终端设备根据目标事件对应的激进度,确定变道意图模型。
其中,变道意图模型用于确定目标车辆的当前变道意图。可以理解的是,目标事件对应的激进度不同,目标车辆所适用的变道意图模型也可能不同。
具体的,车载终端设备可以根据目标事件对应的激进度,确定变道意图模型。确定变道意图模型的方式与上述实施例中的步骤S203中确定目标轨迹生成模型的方式相同,在此不做赘述。
S402、车载终端设备根据变道意图模型,确定目标车辆的当前变道意图。
可以理解的是,车载终端设备可以通过上述步骤S401中确定出的变道意图模型来对目标车辆的变道意图进行预测。
具体的,车载终端设备可以将目标车辆的环境信息和目标车辆的状态信息做为模型输入,输入至变道意图模型,从而确定目标车辆的当前变道意图,并得到确定出变道意图的第二时间点。
本实施例中,车载终端设备根据的激进度的变化,动态地调整变道意图模型,能够更加准确地预测出目标车辆当前的变道意图。
可选的,在上述实施例的基础上,结合图4,如图5所示,上述步骤S204包括:
S501、车载终端设备根据目标轨迹生成模型确定目标车辆的多个备选车辆轨迹。
具体的,车载终端设备可以将目标车辆的环境信息和目标车辆的状态信息做为模型输入,输入至目标轨迹生成模型,从而得到多个备选车辆轨迹。
S502、车载终端设备根据目标事件对应的激进度,分别调整代价函数中的时间代价、加速度代价和碰撞风险代价对应的权重系数,代价函数用于评价每个备选车辆轨迹与真实轨迹的误差。
可以理解的是,代价函数可以用于评价每个备选车辆轨迹与真实轨迹的误差,代价函数至少包括时间代价、加速度代价和碰撞风险代价。目标事件对应的激进度不同,代价函数中的时间代价、加速度代价和碰撞风险代价对应的权重系数均可能不同。
在一种可能的实现方式中,车载终端设备可以根据目标事件对应的激进度,对时间代价、加速度代价和碰撞风险代价的权重系数进行计算更新。
示例性的,当目标事件对应的激进度小于第一激进度阈值V1时,车载终端设备可以提高轨迹评价函数中的加速度代价或碰撞代价的权重系数,或,降低时间代价的权重系数;当目标事件对应的激进度大于第一激进度阈值V2时时,车载终端设备可以降低轨迹评价函数中的加速度代价或碰撞代价的权重系数,或,提高时间代价的权重系数。
S503、车载终端设备根据代价函数确定每个备选车辆轨迹的代价值,得到多个代价值;将多个代价值中的最小值对应的备选车辆轨迹,确定为目标车辆轨迹。
可以理解的是,备选车辆轨迹的代价值越小,该备选车辆轨迹与真实轨迹的误差就越小。
具体的,车载终端设备根据代价函数确定每个备选车辆轨迹的代价值,得到多个代价值,并将多个代价值中的最小值对应的备选车辆轨迹,确定为目标车辆轨迹。
本实施例中,车载终端设备根据目标轨迹生成模型确定目标车辆的多个备选车辆轨迹,并根据目标事件对应的激进度,分别调整代价函数中的时间代价、加速度代价和碰撞风险代价对应的权重系数,而后根据代价函数确定每个备选车辆轨迹的代价值,得到多个代价值,并将多个代价值中的最小值对应的备选车辆轨迹,确定为目标车辆轨迹,这样,车载终端设备可以根据目标车辆的行驶的激进程度的变化,适应性地动态调整代价函数,从而更加准确地从多个备选车辆轨迹中选择出目标车辆轨迹。
上述主要从设备的角度对本发明实施例提供的方案进行了介绍。可以理解的是,设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的算法步骤,本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
图6示出了一种可能的车辆轨迹的确定装置组成示意图,如图6所示,该装置可以包括:获取模块61、第一确定模块62、第二确定模块63和第三确定模块64。
获取模块61,用于获取目标事件中的第一数据和第二数据,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数;
第一确定模块62,用于根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度;
第二确定模块63,用于根据目标事件对应的激进度,确定目标轨迹生成模型;
第三确定模块64,用于根据目标轨迹生成模型确定目标车辆的目标车辆轨迹。
可选的,第一确定模块62具体用于:根据第一数据和第二数据的对比信息,确定调整值;根据参考事件对应的激进度和调整值,确定目标事件对应的激进度,参考事件对应的激进度是根据参考事件及参考事件之前的历史事件,对初始激进度进行累计调整得到的值。
可选的,第一数据和第二数据为轨迹参数,轨迹参数包括变道轨迹的变道时间、碰撞风险代价、加速度代价中的至少一项,第一确定模块62具体用于:若轨迹参数为变道时间,则根据真实变道时间与预测变道时间的大小关系,确定调整值;若轨迹参数为碰撞风险代价,则根据真实碰撞风险代价与预测碰撞风险代价的大小关系,确定调整值;若轨迹参数为加速度代价,则根据真实加速度代价与预测加速度代价的大小关系,确定调整值。
可选的,第一数据为真实变道参数,第二数据为变道意图参数,第一确定模块62具体用于:若第一数据用于指示车道保持,第二数据用于指示变道意图,则确定调整值为第一预设值,第一预设值为负值;若第一数据为目标车辆越过车道线的第一时间点,第二数据为确定出变道意图的第二时间点,则根据第一时间点和第二时间点的差值,与预设时长值的大小关系,确定调整值。
可选的,第一数据的数据类型为真实变道参数,第二数据的数据类型为变道推荐参数。第一确定模块62具体用于:若第一数据用于指示车道保持,第二数据用于指示推荐变道,则确定调整值为第一预设值,第一预设值为负值,若第一数据用于指示变道,第二数据用于指示未推荐变道,则确定调整值为第二预设值,第二预设值为正值。其中,变道推荐参数可以为车载终端设备根据客观条件,如目标车辆的速度、路况等信息,做出的推荐变道或不推荐变道的建议。
可选的,第二确定模块63还用于:根据目标事件对应的激进度,确定变道意图模型;第三确定模块64还用于:根据变道意图模型,确定目标车辆的当前变道意图。
可选的,第二确定模块63具体用于:确定目标事件对应的激进度所属的目标预设范围;根据预设范围与轨迹生成模型的映射关系,确定目标预设范围对应的目标轨迹生成模型。
可选的,第三确定模块64具体用于:根据目标轨迹生成模型确定目标车辆的多个备选车辆轨迹;根据目标事件对应的激进度,分别调整代价函数中的时间代价、加速度代价和碰撞风险代价对应的权重系数,代价函数用于评价每个备选车辆轨迹与真实轨迹的误差;根据代价函数确定每个备选车辆轨迹的代价值,得到多个代价值;将多个代价值中的最小值对应的备选车辆轨迹,确定为目标车辆轨迹。
当然,本发明实施例提供的车辆轨迹的确定装置包括但不限于上述模块。
本发明实施例提供的车辆轨迹的确定装置,用于执行上述车辆轨迹的确定方法,因此可以达到与上述车辆轨迹的确定方法相同的效果。
本发明另一实施例还提供一种车辆,该车辆包括:处理器和存储器。存储器用于存储计算机程序代码,计算机程序代码包括计算机指令。当处理器执行计算机指令时,车辆执行如上述方法实施例所示的车辆轨迹的确定方法。
本发明另一实施例还提供一种车辆轨迹的确定系统,该系统包括本车和目标车辆;
本车,用于获取目标事件中的第一数据和第二数据,第一数据用于指示目标车辆的真实行驶参数,第二数据用于指示目标车辆的预测行驶参数;
本车,还用于根据第一数据和第二数据,以及参考事件对应的激进度,确定目标事件对应的激进度,参考事件为目标事件的前一次事件,激进度用于量化的表征目标车辆的行驶行为的激进程度;
本车,还用于根据目标事件对应的激进度,确定目标轨迹生成模型;
本车,还用于根据目标轨迹生成模型确定目标车辆的目标车辆轨迹。
本发明另一实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当计算机指令在车辆上运行时,使得车辆执行上述方法实施例所示的车辆轨迹的确定方法。
本发明另一实施例还提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在车辆上运行时,使得车辆执行上述方法实施例所示的车辆轨迹的确定方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何在本发明揭露的技术范围内的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种车辆轨迹的确定方法,其特征在于,包括:
获取目标事件中的第一数据和第二数据,所述第一数据用于指示目标车辆的真实行驶参数,所述第二数据用于指示所述目标车辆的预测行驶参数;
根据所述第一数据和所述第二数据,以及参考事件对应的激进度,确定所述目标事件对应的激进度,所述参考事件为所述目标事件的前一次事件,所述激进度用于量化的表征所述目标车辆的行驶行为的激进程度;
根据所述目标事件对应的激进度,确定目标轨迹生成模型;
根据所述目标轨迹生成模型确定所述目标车辆的目标车辆轨迹。
2.根据权利要求1所述的车辆轨迹的确定方法,其特征在于,所述根据所述第一数据和所述第二数据,以及参考事件对应的激进度,确定所述目标事件对应的激进度,包括:
根据所述第一数据和所述第二数据的对比信息,确定调整值;
根据所述参考事件对应的激进度和所述调整值,确定所述目标事件对应的激进度,所述参考事件对应的激进度是根据所述参考事件及所述参考事件之前的历史事件,对初始激进度进行累计调整得到的值。
3.根据权利要求2所述的车辆轨迹的确定方法,其特征在于,所述第一数据和所述第二数据为轨迹参数,所述轨迹参数包括变道轨迹的变道时间、碰撞风险代价、加速度代价中的至少一项;
所述根据所述第一数据和所述第二数据的对比信息,确定调整值,包括:
若所述轨迹参数为所述变道时间,则根据真实变道时间与预测变道时间的大小关系,确定所述调整值;
若所述轨迹参数为所述碰撞风险代价,则根据真实碰撞风险代价与预测碰撞风险代价的大小关系,确定所述调整值;
若所述轨迹参数为所述加速度代价,则根据真实加速度代价与预测加速度代价的大小关系,确定所述调整值。
4.根据权利要求2所述的车辆轨迹的确定方法,其特征在于,所述第一数据为真实变道参数,所述第二数据为变道意图参数;
所述根据所述第一数据和所述第二数据的对比信息,确定调整值,包括:
若所述第一数据用于指示车道保持,所述第二数据用于指示变道意图,则确定所述调整值为第一预设值,所述第一预设值为负值;
若所述第一数据为所述目标车辆越过车道线的第一时间点,所述第二数据为确定出变道意图的第二时间点,则根据所述第一时间点和所述第二时间点的差值,与预设时长值的大小关系,确定所述调整值。
5.根据权利要求1-4中任一项所述的车辆轨迹的确定方法,其特征在于,所述车辆轨迹的确定方法还包括:
根据所述目标事件对应的激进度,确定变道意图模型;
根据所述变道意图模型,确定所述目标车辆的当前变道意图。
6.根据权利要求1-4中任一项所述的车辆轨迹的确定方法,其特征在于,所述根据所述目标事件对应的激进度,确定目标轨迹生成模型,包括:
确定所述目标事件对应的激进度所属的目标预设范围;
根据预设范围与轨迹生成模型的映射关系,确定所述目标预设范围对应的所述目标轨迹生成模型。
7.根据权利要求1-4中任一项所述的车辆轨迹的确定方法,其特征在于,所述根据所述目标轨迹生成模型确定所述目标车辆的目标车辆轨迹,包括:
根据所述目标轨迹生成模型确定所述目标车辆的多个备选车辆轨迹;
根据所述目标事件对应的激进度,分别调整代价函数中的时间代价、加速度代价和碰撞风险代价对应的权重系数,所述代价函数用于评价每个备选车辆轨迹与真实轨迹的误差;
根据所述代价函数确定每个备选车辆轨迹的代价值,得到多个代价值;
将所述多个代价值中的最小值对应的备选车辆轨迹,确定为所述目标车辆轨迹。
8.一种车辆轨迹的确定装置,其特征在于,所述车辆轨迹的确定装置包括:
获取模块,用于获取目标事件中的第一数据和第二数据,所述第一数据用于指示目标车辆的真实行驶参数,所述第二数据用于指示所述目标车辆的预测行驶参数;
第一确定模块,用于根据所述第一数据和所述第二数据,以及参考事件对应的激进度,确定所述目标事件对应的激进度,所述参考事件为所述目标事件的前一次事件,所述激进度用于量化的表征所述目标车辆的行驶行为的激进程度;
第二确定模块,用于根据所述目标事件对应的激进度,确定目标轨迹生成模型;
第三确定模块,用于根据所述目标轨迹生成模型确定所述目标车辆的目标车辆轨迹。
9.一种车辆,其特征在于,所述车辆包括:处理器和存储器;所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;当所述处理器执行所述计算机指令时,所述车辆执行如权利要求1-7中任意一项所述的车辆轨迹的确定方法。
10.一种车辆轨迹的确定系统,其特征在于,所述车辆轨迹的确定系统包括本车和目标车辆;
所述本车,用于获取目标事件中的第一数据和第二数据,所述第一数据用于指示所述目标车辆的真实行驶参数,所述第二数据用于指示所述目标车辆的预测行驶参数;
所述本车,还用于根据所述第一数据和所述第二数据,以及参考事件对应的激进度,确定所述目标事件对应的激进度,所述参考事件为所述目标事件的前一次事件,所述激进度用于量化的表征所述目标车辆的行驶行为的激进程度;
所述本车,还用于根据所述目标事件对应的激进度,确定目标轨迹生成模型;
所述本车,还用于根据所述目标轨迹生成模型确定所述目标车辆的目标车辆轨迹。
11.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在车辆上运行时,使得所述车辆执行如权利要求1-7中任意一项所述的车辆轨迹的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232670.0A CN114506344B (zh) | 2022-03-10 | 2022-03-10 | 一种车辆轨迹的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210232670.0A CN114506344B (zh) | 2022-03-10 | 2022-03-10 | 一种车辆轨迹的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114506344A true CN114506344A (zh) | 2022-05-17 |
CN114506344B CN114506344B (zh) | 2024-03-08 |
Family
ID=81554143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210232670.0A Active CN114506344B (zh) | 2022-03-10 | 2022-03-10 | 一种车辆轨迹的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114506344B (zh) |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106428009A (zh) * | 2015-07-31 | 2017-02-22 | 福特全球技术公司 | 车辆轨迹确定 |
WO2017167801A1 (de) * | 2016-03-29 | 2017-10-05 | Avl List Gmbh | Fahrerassistenzsystem zum unterstützen eines fahrers beim führen eines fahrzeugs |
CN107683233A (zh) * | 2015-05-28 | 2018-02-09 | 德尔福技术有限公司 | 具有不稳定的其他车辆避让的自动化车辆 |
US20180061237A1 (en) * | 2016-08-30 | 2018-03-01 | International Business Machines Corporation | Modifying Behavior of Autonomous Vehicle Based on Advanced Predicted Behavior Analysis of Nearby Drivers |
CN107810127A (zh) * | 2015-06-24 | 2018-03-16 | 德尔福技术公司 | 用于自动化车辆的利用可变警报的认知型驾驶员辅助 |
CN108027422A (zh) * | 2015-09-10 | 2018-05-11 | 大陆汽车有限责任公司 | 借助于汽车传感器自动检测危险偏离车辆 |
CN108248609A (zh) * | 2016-12-29 | 2018-07-06 | 现代自动车株式会社 | 混合动力车辆和在混合动力车辆中预测驾驶样式的方法 |
US10059334B1 (en) * | 2012-04-13 | 2018-08-28 | Waymo Llc | Automated system and method for modeling the behavior of vehicles and other agents |
CN109035757A (zh) * | 2018-05-09 | 2018-12-18 | 北京九五智驾信息技术股份有限公司 | 分析驾驶行为的方法 |
CN109131340A (zh) * | 2017-06-15 | 2019-01-04 | 株式会社日立制作所 | 基于驾驶员行为的主动车辆性能调整 |
CN110015306A (zh) * | 2018-01-10 | 2019-07-16 | 华为技术有限公司 | 驾驶轨迹获取方法及装置 |
US20190340522A1 (en) * | 2017-01-23 | 2019-11-07 | Panasonic Intellectual Property Management Co., Ltd. | Event prediction system, event prediction method, recording media, and moving body |
CN111009153A (zh) * | 2019-12-04 | 2020-04-14 | 珠海深圳清华大学研究院创新中心 | 一种轨迹预测模型的训练方法、装置和设备 |
CN111247565A (zh) * | 2017-09-06 | 2020-06-05 | 瑞士再保险有限公司 | 用于移动远程信息处理装置的电子日志记录和跟踪识别系统及其对应方法 |
CN111295317A (zh) * | 2017-11-03 | 2020-06-16 | 大众汽车有限公司 | 用于至少部分自动驾驶的机动车辆的驾驶员辅助系统、机动车辆以及用于调节车辆动力学的方法 |
US10762785B1 (en) * | 2018-01-09 | 2020-09-01 | State Farm Mutual Automobile Insurance Company | Vehicle collision alert system and method |
CN111656295A (zh) * | 2017-11-22 | 2020-09-11 | Uatc有限责任公司 | 用于自主运载工具的对象交互预测系统及方法 |
CN111775938A (zh) * | 2020-06-24 | 2020-10-16 | 福瑞泰克智能系统有限公司 | 一种变道路径规划方法、装置及系统 |
CN111891128A (zh) * | 2020-08-13 | 2020-11-06 | 广州小马智行科技有限公司 | 车辆的控制方法及车辆、运载工具 |
CN111942389A (zh) * | 2019-05-17 | 2020-11-17 | 罗伯特·博世有限公司 | 驾驶辅助系统及其变道确定单元和方法 |
US20200369268A1 (en) * | 2019-05-20 | 2020-11-26 | Toyota Research Institute, Inc. | Vehicles and systems for predicting road agent behavior based on driving style |
US20210039639A1 (en) * | 2019-08-05 | 2021-02-11 | Samsung Electronics Co., Ltd. | Electronic device for vehicle and operating method thereof |
WO2021134172A1 (zh) * | 2019-12-30 | 2021-07-08 | 华为技术有限公司 | 一种轨迹预测方法及相关设备 |
CN113401143A (zh) * | 2021-07-19 | 2021-09-17 | 电子科技大学长三角研究院(衢州) | 一种基于驾驶风格和意图的个性化自适应轨迹预测方法 |
US20210300412A1 (en) * | 2020-03-26 | 2021-09-30 | Pony Ai Inc. | Self-learning vehicle performance optimization |
WO2021238303A1 (zh) * | 2020-05-29 | 2021-12-02 | 华为技术有限公司 | 运动规划的方法与装置 |
US20220024461A1 (en) * | 2018-12-11 | 2022-01-27 | Nissan Motor Co., Ltd. | Other-Vehicle Action Prediction Method and Other-Vehicle Action Prediction Device |
CN114604268A (zh) * | 2022-02-24 | 2022-06-10 | 福思(杭州)智能科技有限公司 | 一种车辆行驶意图预测方法、装置、电子设备和车辆 |
-
2022
- 2022-03-10 CN CN202210232670.0A patent/CN114506344B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10059334B1 (en) * | 2012-04-13 | 2018-08-28 | Waymo Llc | Automated system and method for modeling the behavior of vehicles and other agents |
CN107683233A (zh) * | 2015-05-28 | 2018-02-09 | 德尔福技术有限公司 | 具有不稳定的其他车辆避让的自动化车辆 |
CN107810127A (zh) * | 2015-06-24 | 2018-03-16 | 德尔福技术公司 | 用于自动化车辆的利用可变警报的认知型驾驶员辅助 |
CN106428009A (zh) * | 2015-07-31 | 2017-02-22 | 福特全球技术公司 | 车辆轨迹确定 |
CN108027422A (zh) * | 2015-09-10 | 2018-05-11 | 大陆汽车有限责任公司 | 借助于汽车传感器自动检测危险偏离车辆 |
WO2017167801A1 (de) * | 2016-03-29 | 2017-10-05 | Avl List Gmbh | Fahrerassistenzsystem zum unterstützen eines fahrers beim führen eines fahrzeugs |
US20180061237A1 (en) * | 2016-08-30 | 2018-03-01 | International Business Machines Corporation | Modifying Behavior of Autonomous Vehicle Based on Advanced Predicted Behavior Analysis of Nearby Drivers |
CN108248609A (zh) * | 2016-12-29 | 2018-07-06 | 现代自动车株式会社 | 混合动力车辆和在混合动力车辆中预测驾驶样式的方法 |
US20190340522A1 (en) * | 2017-01-23 | 2019-11-07 | Panasonic Intellectual Property Management Co., Ltd. | Event prediction system, event prediction method, recording media, and moving body |
CN109131340A (zh) * | 2017-06-15 | 2019-01-04 | 株式会社日立制作所 | 基于驾驶员行为的主动车辆性能调整 |
CN111247565A (zh) * | 2017-09-06 | 2020-06-05 | 瑞士再保险有限公司 | 用于移动远程信息处理装置的电子日志记录和跟踪识别系统及其对应方法 |
CN111295317A (zh) * | 2017-11-03 | 2020-06-16 | 大众汽车有限公司 | 用于至少部分自动驾驶的机动车辆的驾驶员辅助系统、机动车辆以及用于调节车辆动力学的方法 |
CN111656295A (zh) * | 2017-11-22 | 2020-09-11 | Uatc有限责任公司 | 用于自主运载工具的对象交互预测系统及方法 |
US10762785B1 (en) * | 2018-01-09 | 2020-09-01 | State Farm Mutual Automobile Insurance Company | Vehicle collision alert system and method |
CN110015306A (zh) * | 2018-01-10 | 2019-07-16 | 华为技术有限公司 | 驾驶轨迹获取方法及装置 |
CN109035757A (zh) * | 2018-05-09 | 2018-12-18 | 北京九五智驾信息技术股份有限公司 | 分析驾驶行为的方法 |
US20220024461A1 (en) * | 2018-12-11 | 2022-01-27 | Nissan Motor Co., Ltd. | Other-Vehicle Action Prediction Method and Other-Vehicle Action Prediction Device |
CN111942389A (zh) * | 2019-05-17 | 2020-11-17 | 罗伯特·博世有限公司 | 驾驶辅助系统及其变道确定单元和方法 |
US20200369268A1 (en) * | 2019-05-20 | 2020-11-26 | Toyota Research Institute, Inc. | Vehicles and systems for predicting road agent behavior based on driving style |
US20210039639A1 (en) * | 2019-08-05 | 2021-02-11 | Samsung Electronics Co., Ltd. | Electronic device for vehicle and operating method thereof |
CN111009153A (zh) * | 2019-12-04 | 2020-04-14 | 珠海深圳清华大学研究院创新中心 | 一种轨迹预测模型的训练方法、装置和设备 |
WO2021134172A1 (zh) * | 2019-12-30 | 2021-07-08 | 华为技术有限公司 | 一种轨迹预测方法及相关设备 |
US20210300412A1 (en) * | 2020-03-26 | 2021-09-30 | Pony Ai Inc. | Self-learning vehicle performance optimization |
WO2021238303A1 (zh) * | 2020-05-29 | 2021-12-02 | 华为技术有限公司 | 运动规划的方法与装置 |
CN111775938A (zh) * | 2020-06-24 | 2020-10-16 | 福瑞泰克智能系统有限公司 | 一种变道路径规划方法、装置及系统 |
CN111891128A (zh) * | 2020-08-13 | 2020-11-06 | 广州小马智行科技有限公司 | 车辆的控制方法及车辆、运载工具 |
CN113401143A (zh) * | 2021-07-19 | 2021-09-17 | 电子科技大学长三角研究院(衢州) | 一种基于驾驶风格和意图的个性化自适应轨迹预测方法 |
CN114604268A (zh) * | 2022-02-24 | 2022-06-10 | 福思(杭州)智能科技有限公司 | 一种车辆行驶意图预测方法、装置、电子设备和车辆 |
Non-Patent Citations (4)
Title |
---|
张一鸣;周兵;吴晓建;崔庆佳;柴天;: "基于前车轨迹预测的高速智能车运动规划", 汽车工程, no. 05, pages 12 - 18 * |
张志铭: "基于模型预测控制的车辆轨迹规划和控制研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 02 * |
赵雪淞: "智能车辆换道轨迹规划与跟踪控制算法研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 01 * |
郑奇: "智能驾驶中驾驶员风格识别及车辆行为预测研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN114506344B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110834644B (zh) | 一种车辆控制方法、装置、待控制车辆及存储介质 | |
CN107933317B (zh) | 估算剩余续驶里程的方法、装置、设备及纯电动汽车 | |
KR102343684B1 (ko) | 규칙에 근거하여 운전자를 지원하기 위한 제어 데이터의 생성 방법 | |
US8260501B2 (en) | Awake state estimation device | |
US20140156164A1 (en) | Method for operating a longitudinal driver assistance system of a motor vehicle and motor vehicle | |
CN105584486B (zh) | 车辆转弯模式 | |
CN113253739B (zh) | 一种用于高速公路的驾驶行为决策方法 | |
CN112677982B (zh) | 基于驾驶员特性的车辆纵向速度规划方法 | |
CN114987498B (zh) | 自动驾驶车辆的拟人化轨迹规划方法、装置、车辆及介质 | |
US10435036B2 (en) | Enhanced curve negotiation | |
CN109387374B (zh) | 一种车道保持水平评价方法 | |
CN113460084A (zh) | 用于确定车辆驾驶意图的方法、装置、车辆及存储介质 | |
CN111123948B (zh) | 车辆多维感知融合控制方法、系统及汽车 | |
CN110920623B (zh) | 自动驾驶中车辆变道至目标车道前车之后的预测方法 | |
CN114506344A (zh) | 一种车辆轨迹的确定方法及装置 | |
CN116749774A (zh) | 续航里程确定方法、装置、电子设备及可读存储介质 | |
CN108981733B (zh) | 一种电动汽车充电导航系统的速度预测方法 | |
CN115556748A (zh) | 自动驾驶车辆的弯道限速方法、装置、设备及存储介质 | |
CN115222779B (zh) | 一种车辆切入检测方法、装置及存储介质 | |
JP6292544B2 (ja) | エンジンオイル劣化診断装置 | |
CN115303288A (zh) | 一种车辆控制方法、控制装置及摄像头装置 | |
JP6306429B2 (ja) | 操舵制御システム | |
KR20220002087A (ko) | 심층 신경망을 이용한 차선 추정 방법 및 장치 | |
CN109341711B (zh) | 一种用于汽车导航的速度预测算法 | |
CN114620060A (zh) | 自动驾驶模式选择方法、自动驾驶汽车及其控制方法 |
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 |