CN114945959B - 行驶轨迹确定方法、装置、计算机设备和存储介质 - Google Patents

Abstract

一种行驶轨迹确定方法，包括：获取待修正车辆集合中各待修正车辆的车辆行驶信息；基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数；获取所述待修正车辆集合中各待修正车辆的环境信息；及按照异常状态指数序列中异常状态指数的顺序，分别基于所述各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹；所述异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

Description

行驶轨迹确定方法、装置、计算机设备和存储介质

技术领域

本申请涉及车辆驾驶技术领域，特别是涉及一种行驶轨迹确定方法、装置、计算机设备和计算机可读存储介质。

背景技术

全球每年因为交通事故会使得人员受伤或者伤残，并造成较大的经济损失。自动驾驶技术能够提升驾驶安全，提高整个交通系统的效率，为用户节省时刻。

自动驾驶技术的关键模块主要有定位、感知、预测、规划、决策和控制等六大部分。其中决策规划依赖定位，感知和预测的环境信息，综合分析上述信息，给出舒适安全的自动驾驶规划动作。自动驾驶规划技术的水平代表自动驾驶车辆应对复杂交通场景的能力。然而目前针对车辆生成的预测行驶轨迹不准确。

发明内容

根据本申请的各种实施例提供一种行驶轨迹确定方法、装置、计算机设备和存储介质。

一种行驶轨迹确定方法，所述方法包括：

获取待修正车辆集合中各待修正车辆的车辆行驶信息；

基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数；

获取所述待修正车辆集合中各待修正车辆的环境信息；及

按照异常状态指数序列中异常状态指数的顺序，分别基于所述各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹；所述异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

一种行驶轨迹确定装置，所述装置包括：

第一获取模块，用于获取待修正车辆集合中各待修正车辆的车辆行驶信息；

异常状态指数确定模块，用于基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数；

第二获取模块，用于获取所述待修正车辆集合中各待修正车辆的环境信息；

修正模块，用于按照异常状态指数序列中异常状态指数的顺序，分别基于所述各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹；所述异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本方法实施例中的各个步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本方法实施例中的各个步骤。

上述行驶轨迹确定方法、装置、计算机设备和存储介质，在正常行驶车流中，异常程度高的车辆一般是导致车流发生变化的源头，比如前方一辆静止车辆会导致其后方车辆的减速且换道让行，异常状态会从源头开始随着时刻推移逐步传递从而影响到整个车流，即异常程度低的车辆会受到异常程度高的车辆的影响，而异常程度高的车辆受到异常程度低的车辆的影响较小，本实施例基于此原理，基于待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数，基于各待修正车辆的环境信息从异常程度低的车辆开始修正预测轨迹，以提前预知车流中的异常情况对正常行驶车辆造成的影响，从而确定待修正车辆集合中车辆的修正后的预测行驶轨迹，提高车辆的预测行驶轨迹的正确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中行驶轨迹确定方法的应用环境图。

图2为一个实施例中行驶轨迹确定方法的流程示意图。

图3为一个实施例中基于各修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹的流程示意图。

图4为一个实施例中预设距离范围的示意图。

图5为另一个实施例中行驶轨迹确定方法的流程示意图。

图6为一个实施例中基于环境信息确定修正后的预测行驶轨迹的流程示意图。

图7为一个实施例中行驶轨迹确定装置的结构框图。

图8为一个实施例中计算机设备的内部结构图。

实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的行驶轨迹确定方法，可以应用于如图1所示的应用环境中。图1中包括至少两辆待修正车辆110。本申请实施例中的方法可应用于任意待修正车辆中，并且该待修正车辆具有计算机设备，该计算机设备具体可以是车载设备。车载设备可以是个人计算机、笔记本电脑、智能手机、平板电脑等。待修正车辆110中还可以包括摄像头、雷达等，待修正车辆中的摄像头和雷达均可以与车载设备相连接。通过摄像头或者雷达等可得知场景中的待修正车辆集合。以待修正车辆A为例进行说明，且待修正车辆A中安装有计算机设备。计算机设备获取待修正车辆集合中各待修正车辆的车辆行驶信息。即待修正车辆A的车辆行驶信息、待修正车辆B的车辆行驶信息和待修正车辆C的车辆行驶信息。计算机设备基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数。即基于待修正车辆A的车辆行驶信息确定待修正车辆A的异常状态指数。基于待修正车辆B的车辆行驶信息确定待修正车辆B的异常状态指数。基于待修正车辆C的车辆行驶信息确定待修正车辆C的异常状态指数。获取待修正车辆集合中各待修正车辆的环境信息，即待修正车辆A的环境信息、待修正车辆B的环境信息和待修正车辆C的环境信息。按照异常状态指数序列中异常状态指数的顺序，分别基于各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹。即当异常状态指数排列为待修正车辆C、待修正车辆B和待修正车辆A，那么先确定待修正车辆C的修正后的预测行驶轨迹、再确定待修正车辆B的修正后的预测行驶轨迹、接下来确定待修正车辆A的修正后的预测行驶轨迹。

在一个实施例中，目前在自动驾驶领域中，预测周围车辆的轨迹方法，更多的倾向与单体的精准度，且评价方法也是倾向与单体的精准度，未能与周围的车辆有交互。传统的方式基于多车辆间进行交互，给出对应的评价函数以及博弈矩阵，但是未能有效考虑基础的地图信息，交通规则以及不同车辆间的动力学模型，那么生成轨迹的准确度较难把控。因此，为解决传统方式的问题，如图2所示，为一个实施例中行驶轨迹确定方法的流程示意图，提供了一种行驶轨迹确定方法，以该方法应用于计算机设备为例进行说明，包括以下步骤：

步骤202，获取待修正车辆集合中各待修正车辆的车辆行驶信息。

其中，待修正车辆是指待进行预测行驶轨迹修正的车辆。待修正车辆可以是自动驾驶车辆，也可以为非自动驾驶车辆。当待修正车辆为自动驾驶车辆时，预测行驶轨迹用于指示待修正车辆按照预测行驶轨迹自动行驶。当待修正车辆为非自动驾驶车辆时，预测行驶轨迹用于指导驾驶人员按照预测行驶轨迹执行车辆行驶。待修正车辆集合是指在一个场景内的未进行预测行驶轨迹修正的车辆的集合。该场景具体可以是车辆在路上行驶的场景，也可以是在停车场停车的场景、还可以是堵车的场景等不限于此。

具体地，计算机设备对待修正车辆集合中各待修正车辆进行行驶分析，得到各待修正车辆的车辆行驶信息。车辆行驶信息是指车辆在行驶过程中产生的信息。例如车辆行驶信息是指车辆行驶速度、车辆距离车道中心线的横向距离、车辆横向速度、车辆朝向等不限于此。

步骤204，基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数。

其中，异常状态指数用于表示车辆的异常程度。例如，异常状态可以包括车辆突然停在路上、车辆压线行驶、车辆行驶轨迹变化率大、车辆突然失控等不限于此。

具体地，计算机设备基于各待修正车辆的车辆行驶信息确定各带修正车辆的异常状态指数。可选地，计算机设备将各待修正车辆行驶信息转化为无量纲单位以得到各待修正车辆的异常状态指数。可选地，计算机设备根据各待修正车辆的车辆行驶信息与车辆行驶参考值的对比结果确定各待修正车辆的异常状态指数。可选地，计算机设备基于距离所在车道中心线的横向距离、当前车辆横向速度、当前行驶速度、当前车辆朝向中至少一种确定各待修正车辆的异常状态指数。

步骤206，获取待修正车辆集合中各待修正车辆的环境信息。

具体地，计算机设备获取待修正车辆集合中各待修正车辆的环境信息。环境信息是指待修正车辆周围环境的信息。环境信息具体包括环境车辆信息和环境区域信息。环境车辆信息是指待修正车辆周围车辆的信息。环境车辆信息可以包括环境车辆的行驶信息等。例如环境车辆信息可以包括环境车辆的行驶预测轨迹、环境车辆的个数等。环境区域信息是指待修正车辆的周围区域信息。例如待修正车辆周围有区域1、区域2、区域3等。

步骤208，按照异常状态指数序列中异常状态指数的顺序，分别基于各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹；异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

其中，异常状态指数序列按照各异常状态所表征的异常程度从弱到强排列构成，即异常程度弱的指数排在异常状态指数序列中的前面部分，异常程度强的指数排在异常状态指数序列中的后面部分。异常程度是指车辆相对于正常的沿着车道行驶的状态的异常程度。例如车辆突然失控的异常程度大于车辆突然熄火的异常程度等。异常程度可通过异常状态指数直观表示。例如，根据设置，异常状态指数大的，异常程度高；或者可设置为异常状态指数小的，异常程度高。异常程度和异常状态指数之间的关系取决于关系式的设置。预测行驶轨迹是指待修正车辆的未来一段时间内的车辆行驶轨迹。预测行驶轨迹中包括行驶的路径的轨迹点。

具体地，修正后的预测行驶轨迹即更新后的预测行驶轨迹。修正后的预测行驶轨迹可以是在原预测行驶轨迹上进行修正，也可以是基于各修正车辆的环境信息重新预测出修正后的预测行驶轨迹。按照异常状态指数序列中异常状态指数的顺序，计算机设备分别基于各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹。例如，待修正车辆A对应异常状态指数1、待修正车辆B对应异常状态指数2、待修正车辆C对应异常状态指数3，且表征的异常程度的排列为异常状态指数3<异常状态指数2<异常状态指数1，那么待修正车辆的顺序为待修正车辆C→待修正车辆B→待修正车辆A。

可选地，环境信息包括环境区域信息和环境车辆信息。计算机设备基于各待修正车辆的环境区域信息确定待修正车辆的可行驶区域集合；基于环境车辆信息从可行驶区域集合中确定待修正车辆的目标行驶区域；基于目标行驶区域确定待修正车辆的修正后的预测行驶轨迹。

本实施例中的行驶轨迹确定方法，正常行驶车流中，异常程度高的车辆一般是导致车流发生变化的源头，比如前方一辆静止车辆会导致其后方车辆的减速且换道让行，异常状态会从源头开始随着时刻推移逐步传递从而影响到整个车流，即异常程度低的车辆会受到异常程度高的车辆的影响，而异常程度高的车辆受到异常程度低的车辆的影响较小，本实施例基于此原理，基于待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数，基于各待修正车辆的环境信息从异常程度低的车辆开始修正预测轨迹，以提前预知车流中的异常情况对正常行驶车辆造成的影响，从而确定待修正车辆集合中车辆的修正后的预测行驶轨迹，提高车辆的预测行驶轨迹的正确性。

在一个实施例中，车辆行驶信息包括距离所在车道中心线的横向距离、当前车辆横向速度、当前行驶速度和当前车辆朝向。基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数，包括： 基于各待修正车辆的距离所在车道中心线的横向距离确定各待修正车辆的横向距离偏差指数；基于各待修正车辆的当前车辆横向速度确定各待修正车辆的横向速度偏差指数；基于各待修正车辆的当前行驶速度确定各待修正车辆的行驶速度偏差指数；基于各待修正车辆的当前车辆朝向与待修正车辆所在车道的中心线朝向确定各待修正车辆的朝向偏差指数；基于各待修正车辆的横向距离偏差指数、横向速度偏差指数、行驶速度偏差指数和朝向偏差指数确定各待修正车辆的异常状态指数。

其中，距离所在车道中心线的横向距离是指车辆距离自身所在车道的中心线的横向距离。具体可以是车辆的车辆中心、车辆重心或车辆质心等距离所在车道的中心线的横向距离。纵向是指车道方向，横向是指垂直于车道方向的方向。当前车辆横向速度是指车辆的垂直于车道方向的速度。当前行驶速度具体可以是指当前行驶速率，即为一个标量。例如当前行驶速度为60km/h（kilometer per hour，60千米每小时）等不限于此。当前车辆朝向是指车辆相对于自身所在车道的中心线的偏离角度。例如，当前车辆朝向是60度，说明该待修正车辆可能准备掉头等。

具体地，计算机设备基于待修正车辆的距离车道中心线的横向距离确定各待修正车辆的横向距离偏差指数。计算机设备基于各待修正车辆的当前车辆横向速度确定各待修正车辆的横向速度偏差指数。可选地，在无异常的情况下，当前车辆横向速度应当为0。那么可直接基于各待修正车辆的当前车辆横向速度确定各待修正车辆的横向速度偏差指数。计算机设备基于各待修正车辆的当前行驶速度确定各待修正车辆的行驶速度偏差指数。可选地，待修正车辆的当前行驶速度越快，则表示待修正车辆的异常程度越高。计算机设备基于各待修正车辆的横向距离偏差指数、横向速度偏差指数、行驶速度偏差指数和朝向偏差指数之和确定各待修正车辆的异常状态指数。或者，计算机设备基于各待修正车辆的横向距离偏差指数、横向速度偏差指数、行驶速度偏差指数和朝向偏差指数分别与对应的权重相乘，再求和，得到各待修正车辆的异常状态指数。

例如，横向距离偏差指数：

其中lateral_cur为待修正车辆的车辆距离所在车道中心线的横向距离，w_latdis为权重。

横向速度偏差指数：

其中lat_speed为当前车辆横向速度，w_{lat_speed}为权重。

行驶速度偏差指数：

其中lon_speed_cur为当前行驶速度，speed_limit为当前车道限速，w_below，w_over为权重。

朝向偏差指数：

其中heading_cur为当前车辆朝向，heading_lane为距离车辆重心位置最近的车道中心点的朝向，w_heading为权重。

则车辆的异常状态指数可表示为：

本实施例中的行驶轨迹确定方法，由于在正常行驶状态下，车辆一般是沿着车道线行驶，并且符合交通法规；由于距离所在车辆中心线的横向距离、当前车辆横向速度和当前车辆朝向均可用于表征车辆是否有换道倾向、是否将会失控等，因此可将距离所在车辆中心线的横向距离作为异常状态考虑的一部分，得到横向距离偏差指数、横向速度偏差指数和朝向偏差指数；当前行驶速度可用于表征车辆行驶是否较快或者较慢等，因此也将当前行驶速度用于表征车辆是否行驶过快或过慢等，能够准确地确定车辆的异常程度，从而能够按照顺序确定车辆的修正后的预测行驶轨迹。

在一个实施例中，所述基于各待修正车辆的当前行驶速度确定各待修正车辆的行驶速度偏差指数，包括： 获取各待修正车辆所处车道所对应的车道限速；基于当前行驶速度以及车道限速确定各待修正车辆的速度偏差值；基于速度偏差值确定各待修正车辆的行驶速度偏差指数。

其中，车道限速是指车道的限速值。车道限度可以是该路段的限速值，也可以是该所在车道的自身的限速值。速度偏差值用于表示当前行驶速度与车道限速的偏差。速度偏差值可以是当前行驶速度与车道限速之间的速度差值，也可以是当前行驶速度与车道限速之间的相差比例值等不限于此。

具体地，计算机设备从环境语义地图中获取各待修正车辆所处车道所对应的车道限速。计算机设备基于当前行驶速度以及车道限速确定各待修正车辆的速度偏差值。可选地，计算机设备可基于当前行驶速度和车道限速之间的差值确定速度偏差值。或者，计算机设备可基于当前行驶速度和车道限速之间的差值的绝对值确定速度偏差值。或者，计算机可基于当前行驶速度和车道限速之间的差值，将差值与车道限速的比值作为待修正车辆的速度偏差值。

例如，行驶速度偏差指数：

其中lon_speed_cur为当前行驶速度，speed_limit为当前车道限速，w_below，w_over为权重。

本实施例中的行驶轨迹确定方法，车辆在车道上行驶，一般情况下在不同的路段有不同的限速，因此可基于车辆的当前行驶速度以及车道限速确定各待修正车辆的速度偏差值，从而确定待修正车辆的行驶速度偏差指数，从而准确得知车辆的异常程度。

在一个实施例中，如图3所示，为一个实施例中基于各修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹的流程示意图，包括：

步骤302，针对每一待修正车辆，基于待修正车辆的环境区域信息确定待修正车辆的可行驶区域集合。

其中，环境区域信息是指待修正车辆的周围区域信息。例如环境区域信息是指在该待修正车辆的预设距离范围内的环境区域的信息。例如待修正车辆的一侧是否有人行道，或者待修正车辆的一侧是否有花坛等不可行驶区域等。

具体地，针对每一待修正车辆，计算机设备基于待修正车辆的环境区域信息确定待修正车辆的可行驶区域集合。可行驶区域集合中包含在预设距离范围内的可行驶区域的集合。可行驶区域是指该待修正车辆在未来时刻能够行驶的区域。例如，待修正车辆所在车道的右边是人行道，左边是其他车道，待修正车辆所在车道无静止遮挡物。那么基于环境区域信息，则可确定待修正车辆的可行驶区域为直行区域和左方区域。

步骤304，基于待修正车辆的环境车辆信息确定可行驶区域集合中各可行驶区域的区域概率值。

具体地，计算机设备可基于待修正车辆的环境车辆在各可行驶区域中的环境车辆个数，确定可行驶区域集合中各可行驶区域的区域概率值。可选地，计算机设备可基于待修正车辆的环境车辆位于各可行驶区域中的轨迹点个数，确定各可行驶区域的概率值。

例如，环境车辆信息可为S_i = (x_i,y_i,θ_i,v_i,a_i,P’_i)，其中x_i，y_i表示车辆i的位置坐标，θ_i表示车辆i的朝向，v_i表示车辆i的矢量速度，a_i表示车辆i的矢量加速度，P’_i表示车辆i的预测行驶轨迹，P’_i={x_p1,y_p1,x_p2,y_p2……x_pn,y_pn}，共n个预测轨迹点。并且当车辆i的预测行驶轨迹已被修正，则P’_i表示修正后的预测行驶轨迹。则总车辆信息S={S_e,S₁,S₂……S_m}，其中Se为待修正车辆信息，m为总环境车辆数。

步骤306，基于各可行驶区域的区域概率值确定待修正车辆的目标行驶区域。

具体地，计算机设备可以将区域概率值最大的可行驶区域作为待修正车辆的目标行驶区域。或者，根据实际设置，可以将区域概率值最小的可行驶区域作为待修正车辆的目标行驶区域。目标行驶区域是指该待修正车辆在未来时刻将会行驶到的区域。

步骤308，基于目标行驶区域确定待修正车辆的修正后的预测行驶轨迹。

具体地，计算机设备基于目标行驶区域确定待修正车辆的修正后的预测行驶轨迹。修正后的预测行驶轨迹中的部分行驶轨迹点位于该目标行驶区域中。

本实施例中的行驶轨迹确定方法，由于在待修正车辆周围环境的区域不全是可行驶的区域，如人行道等不是待修正车辆的可行驶区域，那么针对每一待修正车辆，基于环境区域信息确定待修正车辆的可行驶区域集合，能够得到待修正车辆在未来时刻可行驶的区域；再根据环境车辆信息确定各可行驶区域的概率值，从而确定目标行驶轨迹，基于目标行驶轨迹确定待修正车辆的修正后的预测行驶轨迹，则得到的修正后的预测行驶轨迹更加准确。

在一个实施例中，环境车辆信息包括环境车辆的行驶预测轨迹。基于待修正车辆的环境车辆信息确定可行驶区域集合中各可行驶区域的区域概率值，包括：

步骤（a1），在待修正车辆的预设距离范围内搜索得到待修正车辆的环境车辆集合，环境车辆集合中的环境车辆与待修正车辆具有潜在交互关系。

其中，预设距离范围可以是指以待修正车辆的中心为原点，预设距离为半径所围成的圆形范围。或者，以待修正车辆的中心为原点，预设距离为矩形边所围成的矩形区域。预设距离可根据实际需求设置。具体预设距离可以包含至少两辆车辆的长度等不限于此。

具体地，计算机在待修正车辆的预设距离范围内搜索得到待修正车辆的环境车辆集合。环境车辆集合中的环境车辆与该待修正车辆具有潜在交互关系在与待修正车辆具有潜在交互关系是指在未来时刻与待修正车辆可能有交互。例如，待修正车辆的左车道上包含车辆Y，待修正车辆的右车道上包含车辆Z，那么该车辆Y和车辆Z为该待修正车辆的环境车辆。

步骤（a2），对于在可行驶区域集合中的各可行驶区域，基于环境车辆集合中环境车辆的预测行驶轨迹，确定位于各可行驶区域中的目标轨迹点。

其中，预测行驶轨迹中包含至少两个轨迹点。

具体地，对于在可行驶区域集合中的各可行驶区域，计算机设备基于环境车辆集合中环境车辆的预测行驶轨迹，确定位于各可行驶区域中的目标轨迹点。例如，可行驶区域集合中包括可行驶区域A和可行驶区域B。环境车辆集合中包括环境车辆Y和环境车辆Z。那么基于环境车辆Y的预测行驶轨迹，确定在可行驶区域A中的轨迹点集合Ⅰ。基于环境车辆Z的预测行驶轨迹，确定在可行驶区域A的轨迹点集合Ⅱ。那么位于可行驶区域A中的目标轨迹点则包括轨迹点集合Ⅰ中的轨迹点和轨迹点集合Ⅱ中的轨迹点。

步骤（a3），基于位于各可行驶区域中的目标轨迹点，确定各可行驶区域的区域代价值。

其中，区域代价值用于表征待修正车辆行驶到该可行驶区域所需要付出的代价。区域代价值越大则表示不应该选择该可行驶区域。

具体地，计算机设备基于位于各行驶区域中的目标轨迹点的个数，确定各可行驶区域的区域代价值。目标轨迹点的个数与区域代价值呈正相关。即当目标轨迹点的个数越多时，区域代价值越大；当目标轨迹点的个数越小时，区域代价值越小。

步骤（a4），根据各可行驶区域的区域代价值确定各可行驶区域所对应的区域概率值。

具体地，计算机设备可根据各可行驶区域的区域代价值与可行驶区域集合所对应的总区域代价值的比值确定区域概率值。例如，cost_left，cost_straight，cost_right分别表示左换道区域、直行区域、右换道区域的区域代价值，prob_left 、prob_straight 和prob_right分别表示左换道区域、直行区域、右换道区域的区域概率值。

本实施例中的行驶轨迹确定方法，在待修正车辆的预设距离范围内搜索得到与待修正车辆具有潜在交互关系的环境车辆集合，并确定位于各可行驶区域中的目标轨迹点，从而确定区域代价值，得到待修正车辆行驶到该可行驶区域所付出的代价，从而确定各可行驶区域所对应的区域概率值，从而确定目标行驶区域，提高预测行驶轨迹的准确性。

在一个实施例中，基于位于各可行驶区域中的目标轨迹点，确定各可行驶区域的区域代价值，包括：获取目标轨迹点所对应的点权重；对于各环境车辆所对应的预测轨迹集合，获取每条预测轨迹所对应的轨迹概率值；对于每一环境车辆，基于每条预测行驶轨迹的目标轨迹点的点权重之和以及环境车辆的每条预测行驶轨迹的轨迹概率值，得到环境车辆对于可行驶区域的车辆行驶代价值；基于环境车辆集合中各环境车辆的车辆行驶代价值之和，确定各可行驶区域的区域代价值。

其中，点权重可用于表示轨迹点的个数。例如点权重为1。一部环境车辆可能对应至少一条预测轨迹，形成预测轨迹集合，并且一部环境车辆的每条预测行驶轨迹所对应的轨迹概率值可以不相同。例如，环境车辆A的预测行驶轨迹a所对应的轨迹概率值为0.6，环境车辆A的预测行驶轨迹b所对应的轨迹概率值为0.4。

具体地，计算机设备获取目标轨迹点所对应的点权重。对于各环境车辆所对应的预测轨迹集合，获取预测轨迹集合中每条预测轨迹所对应的轨迹概率值。对于每一环境车辆，基于每条预测行驶轨迹的目标轨迹点的点权重求和，以及基于该环境车辆的预测行驶轨迹的轨迹概率值，得到各环境车辆对于可行驶区域的车辆行驶代价值。例如环境车辆A的预测行驶轨迹集合中包括预测行驶轨迹a和预测行驶轨迹b。预测行驶轨迹a所对应的轨迹概率值为0.6，预测行驶轨迹b所对应的轨迹概率值为0.4。预测行驶轨迹a中包括位于可行驶区域A的3个目标轨迹点，预测行驶轨迹b中包括位于可行驶区域A的4个目标轨迹点，假设每个目标轨迹点的点权重均为1。那么对于环境车辆A，基于预测行驶轨迹a的点权重之和为3，对应的轨迹概率值为0.6，得到3*0.6=1.8。基于预测行驶轨迹b的权重之和为4，对应的轨迹概率值为0.4，得到4*0.4=1.6。那么环境车辆A对于可行驶区域A的车辆行驶代价值为1.6+1.8=3.4。计算机设备基于环境车辆集合中各环境车辆的车辆行驶代价值之和，则可以确定响应可行驶区域的区域代价值。

例如，

其中，w_car为权重，M为环境车辆集合中的车辆的总数量，T为预测行驶轨迹的总数，prob_t为第ｔ条预测行驶轨迹的概率，N为预测行驶轨迹总点数，p’_jti为车辆j第ｔ条轨迹的第i个轨迹点的坐标位置，R为当前考虑区域即可行驶区域。g（p’_jti，R）表示点权重。g（p’_jti，R）=1表示当车辆j的第t条轨迹上的第i个点在R区域内时，该点的点权重为1，即表示车辆j的第t条轨迹上的第i个点为目标轨迹点，并且对应的点权重为1。而g（p’_jti，R）=0则表示车辆j的第t条轨迹上的第i个点不在R区域内时，该点对应的点权重为0，并且该点不是目标轨迹点。p’_j表示车辆j的预测行驶轨迹，当车辆j的预测行驶轨迹未被修正时，则采用未修正的预测行驶轨迹；当车辆j的预测行驶轨迹已被修正时，则采用修正后的预测行驶轨迹。待修正车辆在当前环境中可以实时探测以及推导出实际的道路红绿灯情况,其中R表示为可行驶区域标识且可以绿灯通行。

本实施例中的行驶轨迹确定方法，获取每条预测轨迹所对应的轨迹概率值，对应每一环境车辆，基于每条预测行驶轨迹的目标轨迹点的点权重之和以及环境车辆的每条预测行驶轨迹的概率值，得到环境车辆对于可行驶区域的车辆行驶代价值，总而言之，位于可行驶区域中的目标轨迹点是各环境车辆的预测行驶轨迹中的轨迹点，从而计算出位于各可行驶区域中的目标轨迹点所对应的值，得到可行驶区域的区域代价值，能够更加准确地计算出车辆行驶到该可行驶区域的代价，提高预测行驶轨迹的正确性。

在一个实施例中，基于各环境车辆的车辆行驶代价值之和，确定各可行驶区域的区域代价值，包括：对于每一可行驶区域，获取待修正车辆相对于可行驶区域的换道代价值；获取待修正车辆的中心位置距离可行驶区域的中心线的横向距离值；基于换道代价值、横向距离值以及各环境车辆的车辆行驶代价值之和确定可行驶区域的区域代价值。

其中，换道代价值用于表示待修正车辆是否能换道到可行驶区域所对应的车道。例如，当待修正车辆能够换道到可行驶区域所对应的车道时，换道代价值为1；当待修正车辆不能换道到可行驶区域所对应的车道时，换道代价值为0。

具体地，对于每一可行驶区域，计算机设备获取待修正车辆相对于该可行驶区域的换道代价值。计算机设备获取待修正车辆的中心位置距离该可行驶区域的中心线的横向距离值。计算机设备可将横向距离值转化为用于表示代价值的值。计算机设备基于换道代价值、横向距离值以及各环境车辆的车辆行驶代价值确定可行驶区域的区域代价值。那么换道代价值、横向距离值和车辆行驶代价值之和分别与可行驶区域的区域代价值呈正相关。

例如，换道代价值C_change：

其中w_change为权重，kChangeLaneCost为常数。即当可行驶区域为左或者右换道区域时，换道代价值为kChangeLaneCost；当可行驶区域为直行区域时，则不存在换道代价值。

横向距离值C_lateral：

其中w_{lat_dis}为权重，lat_dis为待修正车辆中心位置置距离可行驶区域中心线的横向距离。

各环境车辆的车辆行驶代价值之和C_car：

可行驶区域的区域代价值cost：

本实施例中的行驶轨迹确定方法，对于每一可行驶区域，获取待修正车辆相对于该可行驶区域的换道代价值，获取待修正车辆的中心位置距离可行驶区域的中心线的横向距离值，基于换道代价值、横向距离值以及各环境车辆的车辆行驶代价值之和确定可行驶区域的区域代价值，能够更加准确地计算出相对于某一可行驶区域的区域代价值，提高预测行驶轨迹的准确性。

在一个实施例中，在待修正车辆的预设距离范围内搜索得到待修正车辆的环境车辆集合，包括：

将处于第一区域内的车辆作为待修正车辆的环境车辆，得到第一区域对应的环境车辆集合；第一区域是在预设距离范围内且在待修正车辆正侧方的区域以及与待修正车辆所在区域处于同一区域的区域；

将各个第二区域中与待修正车辆距离最近的车辆作为环境车辆，得到第二区域对应的环境车辆集合；第二区域是在预设距离范围内除了第一区域之外的区域；

将第一区域对应的环境车辆集合和第二区域对应的环境车辆集合作为待修正车辆的环境车辆集合。

其中，待修正车辆的正侧方是指待修正车辆的垂直于车道的方向。具体可以是待修正车辆的车门所对应的方向。并且待修正车辆的正侧方是指与待修正车辆所在区域位于同一水平线的方向。预设距离范围可根据需求配置。

具体地，计算机设备将处于第一区域内的车辆作为待修正车辆的环境车辆，得到第一区域对应的环境车辆集合。计算机设备将各个第二区域中与待修正车辆距离最近的车辆作为环境车辆，得到第二区域对应的环境车辆集合。例如，第二区域包括区域M和区域N。那么将区域M中距离待修正车辆最近的车辆作为环境车辆，将区域N中距离待修正车辆最近的车辆作为环境车辆，则得到第二区域对应的两辆环境车辆。计算机设备将第一区域对应的环境车辆集合和第二区域对应的环境车辆集合作为待修正车辆的环境车辆集合。

本实施例中，如图4所示，为一个实施例中预设距离范围的示意图。以待修正车辆为中心，分别生成左前区域LF、正前区域CF、右前区域RF、左区域L、中心区域C、右区域R、左后区域LR、正后区域CR、右后区域RR。区域尺寸满足l1 + l2 + l3 = forward_distance +backward_distance，w1、w2、w3分别为各车道的宽度。其中，L、C、R区域即为第一区域。L区域和R区域均为正侧方区域。对于区域L、C、R，认为这些区域内的所有车辆都与待修正车辆具有潜在的交互关系，将其加入环境车辆集合S_consider中。LF、CF、RF、LR、CR、RR即为第二区域。对于区域LF、CF、RF、LR、CR、RR，认为各个区域内距离目标车辆最近的车辆与目标车辆具有潜在的交互关系，将其加入环境车辆集合中。如果车的一部分落在第一区域，另一部分落在第二区域，那么可将该车加入第一区域中；或者确定该车的在各个区域的面积，当面积大所处的区域作为目标区域。

本实施例中的行驶轨迹确定方法，将处于预设距离范围内的区域分为第一区域和第二区域，其中，第一区域是在预设距离范围内且在待修正车辆正侧方的区域以及与待修正车辆所在区域处于同一区域的区域，即第一区域与待修正车辆之间有较大可能存在潜在交互关系，因此将在第一区域内的车辆作为待修正车辆的环境车辆；而第二区域中的车辆与待修正车辆存在的关系就比较弱，因此将各第二区域中与待修正车辆距离最近的车辆作为环境车辆，从而减少了环境车辆的轨迹的计算量，提高轨迹预测效率。

在一个实施例中，基于待修正车辆的环境区域信息确定待修正车辆的可行驶区域集合，包括：以待修正车辆所在位置为起点，确定待修正车辆对应的直行区域和换道区域，将直行区域和换道区域添加至待修正车辆的可行驶区域集合中。

具体地，直行区域是指车辆前进方向所对应的区域。具体可以是位于待修正车辆的当前所在车道的前方区域。换道区域是指车辆所在车道旁的前方区域，可用于车辆换道。换道区域可包括左换道区域和右换道区域。在一些情况下，车辆可以只有左换道区域，或者车辆可以只有右换道区域，或者车辆可以没有换道区域。例如，车辆的一侧是人行道，或者车辆的一侧是道路中间，则车辆可能只有一个换道区域。当车辆所在道路是单行道时，车辆不存在换道区域。

例如，以待修正车辆所在位置为原点，向前延伸forward_distance距离，向后延伸backward_distance距离，作为直行区域Region_straight。以同样的延伸距离在左邻车道和右邻车道上分别生成左换道区域Region_left，右换道区域Region_right。若当前车道不存在左邻车道或者右邻车道，则不生成相应的Region。最终得到车辆可行驶区域R={Region_straight，Region_left，Region_right}。

本实施例中的行驶轨迹确定方法，以待修正车辆所在位置为起点，确定待修正车辆对应的直行区域和换道区域，将直行区域和换道区域添加至待修正车辆的可行驶区域集合中，则确定车辆的可行驶区域，从而能够进一步预测得到修正后的预测行驶轨迹。

在一个实施例中，基于目标行驶区域确定待修正车辆的修正后的预测行驶轨迹，包括：获取待修正车辆的当前所在位置；获取待修正车辆的未来所在位置，未来所在位置位于目标行驶区域中；基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹。

其中，未来所在位置是指未来时刻所在的位置。未来所在位置具体可以位于目标行驶区域的中心位置。

具体地，当前所在位置可以坐标的行驶表示。计算机设备通过定位获取待修正车辆的当前所在位置，并获取待修正车辆的未来所在位置，该未来所在位置位于目标行驶区域。计算机设备基于当前所在位置和未来所在位置进行计算，确定待修正车辆的修正后的预测行驶轨迹。

可选地，基于当前时刻和对应的当前所在位置、当前行驶速度，以及未来时刻和对应的未来所在位置和未来行驶速度确定待修正车辆的修正后的预测行驶轨迹。

可选地，获取待修正车辆的当前时刻和对应的当前所在位置、当前行驶速度，以及未来时刻和对应的未来所在位置和未来行驶速度；

将当前所在位置中第一方向对应的位置参数值以及当前时刻输入第一预设函数关系式中，得到第一关系式；

将当前时刻和当前行驶速度的第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第二关系式；

将未来时刻和未来行驶速度中第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第四关系式；

基于第一关系式、第二关系式和第四关系式，得到在第一方向上的修正后的预测行驶轨迹；

将当前所在位置中第二方向对应的位置参数值以及当前时刻输入第二预设函数关系式中，得到第六关系式；

将当前时刻和当前行驶速度的第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第七关系式；

将未来时刻以及未来所在位置对应的第二方向分量输入至第二预设函数关系式中，得到第九关系式；

将未来时刻和未来行驶速度中第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第十关系式；

基于第六关系式、第七关系式、第九关系式和第十关系式，得到在第二方向上的修正后的预测行驶轨迹。

本实施例中的行驶轨迹确定方法，获取待修正车辆的当前所在位置和未来所在位置，未来所在位置位于目标行驶区域中，基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹，则能基于目标行驶区域修正预测行驶轨迹，提高预测的行驶轨迹的正确性。

在一个实施例中，获取待修正车辆的当前所在位置，包括：将目标行驶区域的中心线作为坐标系中的第一方向的坐标轴，垂直于第一方向的轴作为第二方向的坐标轴，建立车辆行驶坐标系；获取在车辆行驶坐标系下，待修正车辆的当前所在位置。获取待修正车辆的未来所在位置，包括：获取在车辆行驶坐标系下待修正车辆的未来所在位置。基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹，包括：在车辆行驶坐标系下，基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹。

其中，目标行驶区域的中心线是指目标行驶区域对应的车道的中心线。第一方向的坐标轴可以是纵向的坐标轴，第二方向的坐标轴可以是横向的坐标轴。或者第一方向的坐标轴可以是横向的坐标轴，第二方向的坐标轴可以是纵向的坐标轴。

以左换道区域轨迹生成为例说明生成方式：以左换道区域中心线为基准，建立Frenet–Serret坐标系。沿中心线方向为s方向，垂直中心线方向为l方向。则一条轨迹在该坐标系下可表示为pred=（s1,l1,s2,l2......sn,ln）。计算机设备获取在该车辆行驶坐标系下，待修正车辆的当前所在位置。计算机设备获取在该车辆行驶坐标系下待修正车辆的未来所在位置，在该车辆行驶坐标系下，基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹。

本实施例中的行驶轨迹确定方法，由于在世界坐标系下，车道是弯曲的，那么基于各种偏移量的计算则较为复杂，因此以目标行驶区域的中心线作为坐标系中的第一方向的坐标轴，垂直于第一方向的轴作为第二方向的坐标轴，建立车辆行驶坐标系，并确定在车辆行驶坐标系下的待修正车辆和当前所在位置和未来所在位置，基于车辆行驶坐标系进行计算，可以减少预测行驶轨迹的计算量。

在一个实施例中，预设函数关系式包括第一预设函数关系式和第二预设函数关系式，第一预设函数关系式中包含时间参数和第一方向的位置参数；第二函数关系式中包含时间参数和第二方向的位置参数。

基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹，包括：

获取待修正车辆的当前时刻和对应的当前行驶速度、当前行驶加速度，以及未来时刻和对应的未来行驶速度以及未来行驶加速度；

将当前所在位置中第一方向对应的位置参数值以及当前时刻输入第一预设函数关系式中，得到第一关系式；

将当前时刻和当前行驶速度的第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第二关系式；

将当前时刻和当前行驶加速度的第一方向分量输入至第一预设函数关系式的二阶导函数中，得到第三关系式；

将未来时刻和未来行驶速度中第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第四关系式；

将未来时刻和未来行驶加速度中的第一方向分量输入至第一预设函数关系式的二阶导函数中，得到第五关系式；

基于第一关系式、第二关系式、第三关系式、第四关系式和第五关系式，得到在第一方向上的修正后的预测行驶轨迹；

将当前所在位置中第二方向对应的位置参数值以及当前时刻输入第二预设函数关系式中，得到第六关系式；

将当前时刻和当前行驶速度的第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第七关系式；

将当前时刻和当前行驶加速度的第二方向分量输入至第二预设函数关系式的二阶导函数中，得到第八关系式；

将未来时刻以及未来所在位置对应的第二方向分量输入至第二预设函数关系式中，得到第九关系式；

将未来时刻和未来行驶速度中第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第十关系式；

将未来时刻和未来行驶加速度中的第二方向分量输入至第二预设函数关系式的二阶导函数中，得到第十一关系式；

基于第六关系式、第七关系式、第八关系式、第九关系式、第十关系式和第十一关系式，得到在第二方向上的修正后的预测行驶轨迹;

基于第一方向上的修正后的预测行驶轨迹和第二方向上的修正后的预测行驶轨迹得到待修正车辆的修正后的预测行驶轨迹。

其中，第一预设函数关系式是指目标行驶区域的中心线方向上的位置参数与时间参数之间的函数关系式。具体可以是指车辆行驶方向上的函数关系式。第一预设函数关系式用于表示t时刻时，待修正车辆在车辆行驶方向上的哪个位置。第二预设函数关系式是垂直于目标行驶区域的中心线方向上的位置参数与时间参数之间的函数关系式。具体可以是指垂直于车辆行驶方向上的函数关系式。第二预设函数关系式用于表示t时刻时，待修正车辆在垂直于车辆行驶方向上的哪个位置。第一方向上的修正后的预测行驶轨迹和第二方向上的修正后的预测行驶轨迹即为待修正车辆的修正后的预测行驶轨迹。

具体地，以一个例子进行说明，以左换道区域中心线为基准，建立Frenet–Serret坐标系。沿中心线方向为s方向，垂直中心线方向为l方向。则一条轨迹在该坐标系下可表示为pred=（s1,l1,s2,l2......sn,ln），

其中s = f(t)，l=g(t)，t为时刻。因此可通过f(t)表示第一方向上的修正后的预测行驶轨迹和通过g(t)表示第二方向上的修正后的预测行驶轨迹。

令

令0时刻为当前时刻，5秒时刻为未来时刻，s₀,ds₀,dds₀分别为0时刻车辆在s方向的位置、速度、加速度，ds₅,dds₅为5秒时刻车辆在s方向的速度、加速度。可得到

第一关系式：f（0）= s₀

第二关系式：f（0）’= ds₀

第三关系式：f（0）’’= dds₀

第四关系式：f（5）’= ds₅

第五关系式：f（5）’’= dds₅

那么当前行驶速度和当前行驶加速度可直接得知，在5秒的时间内，待修正车辆行驶可视为匀速行驶，因此将ds₅的值设为ds₀的值。将dds₅的值可设为0。由此可解得f(t)中的a、b、c、d、e的值，从而得到第一方向上的修正后的预测行驶轨迹。

同理令

令l₀,dl₀,ddl₀为0时刻车辆在l方向的位置、速度、加速度，l₅,dl₅,ddl₅为5秒时刻车辆在l方向的位置、速度、加速度，那么有：

第六关系式：g（0）= l₀

第七关系式：g（0）’= dl₀

第八关系式：g（0）’’= ddl₀

第九关系式：g（5）= l₅

第十关系式：g（5）’= dl₅

第十一关系式：g（5）’’= ddl₅

在第二预设函数关系式中，假设待修正车辆5秒到达目标区域的中心位置，那么则有l₅=0，dl₅=0，ddl₅=0，即未来所在位置为原点所在位置，未来横向速度分量为0，未来横向加速度分量也为0。因此求解方程组可以得到g（t）。

通过f(t)和g(t)得到pred=（s1,l1,s2,l2......sn,ln）后，基于左换道区域车道中心线将sl坐标作为xy坐标即可得到修正后的预测轨迹

。

本实施例中的行驶轨迹确定方法，基于当前时刻、当前所在位置、当前行驶速度、当前行驶加速度以及未来时刻、未来所在位置、未来行驶速度、未来行驶加速度这几个参数值确定得到两个方向上的预测行驶轨迹，能够得到更加精确的修正后的预测行驶轨迹。

在一个实施例中，该行驶轨迹确定方法还包括：当在可行驶区域集合中的可行驶区域的数量为一个时，将待修正车辆的可行驶区域所对应的预测行驶轨迹，作为待修正车辆的实际行驶轨迹。

具体地，当在可行驶区域集合中的可行驶区域的数量为一个时，则直接将待修正车辆的可行驶区域所对应的预测行驶轨迹，作为待修正车辆的实际行驶轨迹，待修正车辆按照该实际行驶轨迹进行自动驾驶或者指导驾驶员进行驾驶。

本实施例中的行驶轨迹确定方法，当在可行驶区域集合中的可行驶区域的数量为一个时，则直接将待修正车辆的可行驶区域所对应的预测行驶轨迹，作为待修正车辆的实际行驶轨迹，则不需要确定目标行驶区域，也无需对该待修正车辆进行行驶轨迹修正，提高行驶轨迹确定效率。

在一个实施例中，待修正车辆集合的获取方式，包括：以目标自动驾驶车辆为参照，确定与目标自动驾驶车辆所对应的预设距离范围；将在预设距离范围内的车辆添加至待修正车辆集合。该行驶轨迹确定方法还包括：基于待修正车辆集合中各待修正车辆的修正后的预测行驶轨迹修正目标自动驾驶车辆的预测行驶轨迹。

具体地，计算机设备位于目标自动驾驶车辆中。目标自动驾驶车辆可作为一个参照，计算机设备确定与目标自动驾驶车辆所对应的预设距离范围，将在预设距离范围内的车辆作为待修正车辆集合。计算机设备将在目标自动驾驶车辆的10米范围内的车辆添加至该目标自动驾驶车辆所对应的待修正车辆集合中。计算机设备基于待修正车辆集合中各待修正车辆的修正后的预测行驶轨迹修正目标自动驾驶车辆的预测行驶轨迹。例如，以目标自动驾驶车辆重心位置为中心，以自动驾驶车辆朝向为朝向，建立长宽分别为L，H的矩形区域Rec，将区域内的车辆作为待修正车辆集合V_Rec。

本实施例中的行驶轨迹确定方法，以自动驾驶车辆为参照，确定位于预设距离范围内的待修正车辆集合，由于待修正车辆的预测行驶轨迹已修正，那么目标自动驾驶车辆的预测行驶轨迹也应当修正，从而提高目标自动驾驶车辆的预测轨迹的准确性。

在一个实施例中，该行驶轨迹确定方法还包括：获取人类驾驶轨迹，将修正后的预测行驶轨迹与人类驾驶轨迹进行对比，得到对比结果；当对比结果在预设差距范围内时，确定该修正后的预测行驶轨迹为合格轨迹；当对比结果未在预设差距范围内时，确定该修正后的预测行驶轨迹为不合格轨迹，并将修正后的预测行驶轨迹上报。本实施例中，可通过人类驾驶轨迹与修正后的预测行驶轨迹进行对比以评估修正后的预测行驶轨迹，如果在预设差距范围内说明是一个比较好的轨迹，如果未在预设差距范围内，说明需要重新设计该预测行驶轨迹的算法。

在一个实施例中，如图5所示，为另一个实施例中行驶轨迹确定方法的流程示意图，其中包括：

步骤502，以目标自动驾驶车辆为参照，获取环境车辆信息。

步骤504，获取目标自动行驶车辆对应的待修正车辆集合。

步骤506，计算待修正车辆集合中各待修正车辆的异常状态指数，并按照异常程度从小到大排列。

步骤508，待修正车辆集合是否为空？

步骤510，当待修正车辆集合不为空时，获取待修正车辆集合中的首个车辆，根据环境信息确定修正后的预测行驶轨迹，并将该待修正车辆移出待修正车辆集合，返回执行步骤508。

步骤512，当待修正车辆集合为空时，输出个待修正车辆的修正后的预测行驶轨迹。

本实施例中，目前预测周围环境的未来轨迹,是一个较大的难题,尤其是在高度动态和交互性的场景下的行为和轨迹预测问题始终没有得到很好的解决,即使是再完美的决策,规划,控制在实际应用中都不可能是安全和高效的，所以在本申请实施例中会结合自动驾驶车辆的轨迹,修正当前输入周围预测物体的预测轨迹,确保得到安全可靠的决策规划。通过计算环境车辆的异常状态指数，建立车辆间的异常状态传递模型以描述车辆间的交互关系。并根据当前车辆交互关系修正环境车辆的预测结果。通过本申请实施例中的方案，可以基于异常状态传递模型快速建立环境车辆在复杂路况下的交互关系，避免出现因各车辆交互关系耦合而无法确定车流状态变化源头的问题。结合车辆交互关系和基于运动模型的车辆预测信息，可以获得更为准确的预测结果，进而提高决策规划模块的输入信息质量和输出指令质量。从异常程度小的车辆开始修正，一个是可以体现预知车流中的异常情况对正常行驶车辆造成的影响，其次异常程度小的车辆修正后的轨迹几乎对异常程度大的车辆无影响，而异常程度大的车辆在修正后会影响整个车流的轨迹，那么先进行异常程度小的车辆修正，在进行预测行驶轨迹的计算中可减少计算量；并且在轨迹预测中，异常程度小的车辆更容易离开异常场地，因此需要从异常程度小的车辆进行轨迹修正。本方案对周围车辆异常指数建模,根据异常指数建立周围车辆的交互关系,可以较为快速的找到车辆间的交互关系;选取周围部分车辆进行轨迹修正,节省计算资源;利用环境语义地图 ,提升轨迹修正精准度;根据感知车辆类型选取匹配的动力学模型验证修正轨迹的可行性 ;建立算法闭环验证评估标准,使得结果更加贴合实际。

在一个实施例中，如图6所示，为一个实施例中基于环境信息确定修正后的预测行驶轨迹的流程示意图，其中包括：

步骤602，针对每一待修正车辆，输入待修正车辆的环境信息。

步骤604，基于待修正车辆的环境区域信息确定待修正车辆的可行驶区域集合。

步骤606，可行驶区域集合中的可行驶区域的数量是否为1？

步骤608，当可行驶区域集合中的可行驶区域的数量为1时，将该待修正车辆的可行驶区域所对应的预测行驶轨迹，作为待修正车辆的实际行驶轨迹。

步骤610，当可行驶区域集合中的可行驶区域的数量不为1时，搜索与待修正车辆具有潜在交互关系的环境车辆集合。

步骤612，基于环境车辆信息计算各可行驶区域的行驶代价值，基于行驶代价值确定区域概率值。

步骤614，根据区域概率值确定目标区域，并拟合目标区域所对应的修正后的预测行驶轨迹。

本实施例中，在待修正车辆的预设距离范围内搜索得到与待修正车辆具有潜在交互关系的环境车辆集合，并确定位于各可行驶区域中的目标轨迹点，从而确定区域代价值，得到待修正车辆行驶到该可行驶区域所付出的代价，从而确定各可行驶区域所对应的区域概率值，从而确定目标行驶区域，提高预测行驶轨迹的准确性。

在一个实施例中，一种行驶轨迹确定方法，包括：

步骤（b1），以目标自动驾驶车辆为参照，确定与目标自动驾驶车辆所对应的预设距离范围。

步骤（b2），将在预设距离范围内的车辆添加至待修正车辆集合。

步骤（b3），获取待修正车辆集合中各待修正车辆的车辆行驶信息。

步骤（b4），基于各待修正车辆的距离所在车道中心线的横向距离确定各待修正车辆的横向距离偏差指数。

步骤（b5），基于各待修正车辆的当前车辆横向速度确定各待修正车辆的横向速度偏差指数。

步骤（b6），获取各待修正车辆所处车道所对应的车道限速。

步骤（b7），基于当前行驶速度以及车道限速确定各待修正车辆的速度偏差值。

步骤（b8），基于速度偏差值确定各待修正车辆的行驶速度偏差指数。

步骤（b9），基于各待修正车辆的当前车辆朝向与待修正车辆所在车道的中心线朝向确定各待修正车辆的朝向偏差指数。

步骤（b10），基于各待修正车辆的横向距离偏差指数、横向速度偏差指数、行驶速度偏差指数和朝向偏差指数确定各待修正车辆的异常状态指数。

步骤（b11），获取待修正车辆集合中各待修正车辆的环境信息。

步骤（b12），按照异常状态指数序列中异常状态指数的顺序，分别针对每一待修正车辆，以待修正车辆所在位置为起点，确定待修正车辆对应的直行区域和换道区域，将直行区域和换道区域添加至待修正车辆的可行驶区域集合中，异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

步骤（b13），将处于第一区域内的车辆作为待修正车辆的环境车辆，得到第一区域对应的环境车辆集合，第一区域是在预设距离范围内且在待修正车辆正侧方的区域以及与待修正车辆所在区域处于同一区域的区域。

步骤（b14），将各个第二区域中与待修正车辆距离最近的车辆作为环境车辆，得到第二区域对应的环境车辆集合，第二区域是在预设距离范围内除了第一区域之外的区域。

步骤（b15），将第一区域对应的环境车辆集合和第二区域对应的环境车辆集合作为待修正车辆的环境车辆集合；环境车辆集合中的环境车辆与待修正车辆具有潜在交互关系。

步骤（b16），对于在可行驶区域集合中的各可行驶区域，基于环境车辆集合中环境车辆的预测行驶轨迹，确定位于各可行驶区域中的目标轨迹点。

步骤（b17），获取目标轨迹点所对应的点权重。

步骤（b18），对于各环境车辆所对应的预测轨迹集合，获取每条预测轨迹所对应的轨迹概率值。

步骤（b19），对于每一环境车辆，基于每条预测行驶轨迹的目标轨迹点的点权重之和以及环境车辆的每条预测行驶轨迹的轨迹概率值，得到环境车辆对于可行驶区域的车辆行驶代价值。

步骤（b20），对于每一可行驶区域，获取待修正车辆相对于可行驶区域的换道代价值。

步骤（b21），获取待修正车辆的中心位置距离可行驶区域的中心线的横向距离值。

步骤（b22），基于换道代价值、横向距离值以及各环境车辆的车辆行驶代价值之和确定可行驶区域的区域代价值。

步骤（b23），根据各可行驶区域的区域代价值确定各可行驶区域所对应的区域概率值。

步骤（b24），基于各可行驶区域的区域概率值确定待修正车辆的目标行驶区域。

步骤（b25），将目标行驶区域的中心线作为坐标系中的第一方向的坐标轴，垂直于第一方向的轴作为第二方向的坐标轴，建立车辆行驶坐标系。

步骤（b26），获取在车辆行驶坐标系下，待修正车辆的当前所在位置。

步骤（b27），获取在车辆行驶坐标系下待修正车辆的未来所在位置，未来所在位置位于目标行驶区域中。

步骤（b28），在车辆行驶坐标系下，获取待修正车辆的当前时刻和对应的当前行驶速度、当前行驶加速度，以及未来时刻和对应的未来行驶速度以及未来行驶加速度。

步骤（b29），将当前所在位置中第一方向对应的位置参数值以及当前时刻输入第一预设函数关系式中，得到第一关系式。

步骤（b30），将当前时刻和当前行驶速度的第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第二关系式。

步骤（b31），将当前时刻和当前行驶加速度的第一方向分量输入至第一预设函数关系式的二阶导函数中，得到第三关系式。

步骤（b32），将未来时刻和未来行驶速度中第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第四关系式。

步骤（b33），将未来时刻和未来行驶加速度中的第一方向分量输入至第一预设函数关系式的二阶导函数中，得到第五关系式。

步骤（b34），基于第一关系式、第二关系式、第三关系式、第四关系式和第五关系式，得到在第一方向上的修正后的预测行驶轨迹。

步骤（b35），将当前所在位置中第二方向对应的位置参数值以及当前时刻输入第二预设函数关系式中，得到第六关系式。

步骤（b36），将当前时刻和当前行驶速度的第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第七关系式。

步骤（b37），将当前时刻和当前行驶加速度的第二方向分量输入至第二预设函数关系式的二阶导函数中，得到第八关系式。

步骤（b38），将未来时刻以及未来所在位置对应的第二方向分量输入至第二预设函数关系式中，得到第九关系式。

步骤（b39），将未来时刻和未来行驶速度中第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第十关系式。

步骤（b40），将未来时刻和未来行驶加速度中的第二方向分量输入至第二预设函数关系式的二阶导函数中，得到第十一关系式。

步骤（b41），基于第六关系式、第七关系式、第八关系式、第九关系式、第十关系式和第十一关系式，得到在第二方向上的修正后的预测行驶轨迹;

步骤（b42），基于第一方向上的修正后的预测行驶轨迹和第二方向上的修正后的预测行驶轨迹得到待修正车辆的修正后的预测行驶轨迹。

步骤（b43），当在可行驶区域集合中的可行驶区域的数量为一个时，将待修正车辆的可行驶区域所对应的预测行驶轨迹，作为待修正车辆的实际行驶轨迹。

步骤（b44），基于待修正车辆集合中各待修正车辆的修正后的预测行驶轨迹修正目标自动驾驶车辆的预测行驶轨迹。

应该理解的是，虽然上述各个步骤按照数字的指示依次显示，但是这些步骤并不是必然按照数字指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。

本实施例中的行驶轨迹确定方法，正常行驶车流中，异常程度高的车辆一般是导致车流发生变化的源头，比如前方一辆静止车辆会导致其后方车辆的减速且换道让行，异常状态会从源头开始随着时刻推移逐步传递从而影响到整个车流，即异常程度低的车辆会受到异常程度高的车辆的影响，而异常程度高的车辆受到异常程度低的车辆的影响较小，本实施例基于此原理，基于待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数，基于各待修正车辆的环境信息从异常程度低的车辆开始修正预测轨迹，以提前预知车流中的异常情况对正常行驶车辆造成的影响，从而确定待修正车辆集合中车辆的修正后的预测行驶轨迹，提高车辆的预测行驶轨迹的正确性。

应该理解的是，虽然图2、3、5和6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、3、5和6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供了一种行驶轨迹确定装置，包括：第一获取模块702、异常状态指数确定模块704、第二获取模块706和修正模块708，其中：

第一获取模块702，用于获取待修正车辆集合中各待修正车辆的车辆行驶信息；

异常状态指数确定模块704，用于基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数；

第二获取模块706，用于获取所述待修正车辆集合中各待修正车辆的环境信息；

修正模块708，用于按照异常状态指数序列中异常状态指数的顺序，分别基于所述各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹；所述异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

本实施例中的行驶轨迹确定装置，正常行驶车流中，异常程度高的车辆一般是导致车流发生变化的源头，比如前方一辆静止车辆会导致其后方车辆的减速且换道让行，异常状态会从源头开始随着时刻推移逐步传递从而影响到整个车流，即异常程度低的车辆会受到异常程度高的车辆的影响，而异常程度高的车辆受到异常程度低的车辆的影响较小，本实施例基于此原理，基于待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数，基于各待修正车辆的环境信息从异常程度低的车辆开始修正预测轨迹，以提前预知车流中的异常情况对正常行驶车辆造成的影响，从而确定待修正车辆集合中车辆的修正后的预测行驶轨迹，提高车辆的预测行驶轨迹的正确性。

在一个实施例中，车辆行驶信息包括距离所在车道中心线的横向距离、当前车辆横向速度、当前行驶速度和当前车辆朝向。异常状态指数确定模块704用于基于各待修正车辆的距离所在车道中心线的横向距离确定各待修正车辆的横向距离偏差指数；基于各待修正车辆的当前车辆横向速度确定各待修正车辆的横向速度偏差指数；基于各待修正车辆的当前行驶速度确定各待修正车辆的行驶速度偏差指数；基于各待修正车辆的当前车辆朝向与待修正车辆所在车道的中心线朝向确定各待修正车辆的朝向偏差指数；基于各待修正车辆的横向距离偏差指数、横向速度偏差指数、行驶速度偏差指数和朝向偏差指数确定各待修正车辆的异常状态指数。

本实施例中的行驶轨迹确定装置，由于在正常行驶状态下，车辆一般是沿着车道线行驶，并且符合交通法规；由于距离所在车辆中心线的横向距离、当前车辆横向速度和当前车辆朝向均可用于表征车辆是否有换道倾向、是否将会失控等，因此可将距离所在车辆中心线的横向距离作为异常状态考虑的一部分，得到横向距离偏差指数、横向速度偏差指数和朝向偏差指数；当前行驶速度可用于表征车辆行驶是否较快或者较慢等，因此也将当前行驶速度用于表征车辆是否行驶过快或过慢等，能够准确地确定车辆的异常程度，从而能够按照顺序确定车辆的修正后的预测行驶轨迹。

在一个实施例中，异常状态指数确定模块704用于获取各待修正车辆所处车道所对应的车道限速；基于当前行驶速度以及车道限速确定各待修正车辆的速度偏差值；基于速度偏差值确定各待修正车辆的行驶速度偏差指数。

本实施例中的行驶轨迹确定装置，车辆在车道上行驶，一般情况下在不同的路段有不同的限速，因此可基于车辆的当前行驶速度以及车道限速确定各待修正车辆的速度偏差值，从而确定待修正车辆的行驶速度偏差指数，从而准确得知车辆的异常程度。

在一个实施例中，修正模块708包括可行驶区域集合确定单元、区域概率值确定单元、目标行驶区域确定单元和轨迹确定单元，其中可行驶区域集合确定单元用于针对每一待修正车辆，基于待修正车辆的环境区域信息确定待修正车辆的可行驶区域集合；区域概率值确定单元用于基于待修正车辆的环境车辆信息确定可行驶区域集合中各可行驶区域的区域概率值；目标行驶区域确定单元用于基于各可行驶区域的区域概率值确定待修正车辆的目标行驶区域；轨迹确定单元用于基于目标行驶区域确定待修正车辆的修正后的预测行驶轨迹。

本实施例中的行驶轨迹确定装置，由于在待修正车辆周围环境的区域不全是可行驶的区域，如人行道等不是待修正车辆的可行驶区域，那么针对每一待修正车辆，基于环境区域信息确定待修正车辆的可行驶区域集合，能够得到待修正车辆在未来时刻可行驶的区域；再根据环境车辆信息确定各可行驶区域的概率值，从而确定目标行驶轨迹，基于目标行驶轨迹确定待修正车辆的修正后的预测行驶轨迹，则得到的修正后的预测行驶轨迹更加准确。

在一个实施例中，环境车辆信息包括环境车辆的行驶预测轨迹。区域概率值确定单元用于待修正车辆的预设距离范围内搜索得到待修正车辆的环境车辆集合，环境车辆集合中的环境车辆与待修正车辆具有潜在交互关系；对于在可行驶区域集合中的各可行驶区域，基于环境车辆集合中环境车辆的预测行驶轨迹，确定位于各可行驶区域中的目标轨迹点；基于位于各可行驶区域中的目标轨迹点，确定各可行驶区域的区域代价值；根据各可行驶区域的区域代价值确定各可行驶区域所对应的区域概率值。

本实施例中的行驶轨迹确定装置，在待修正车辆的预设距离范围内搜索得到与待修正车辆具有潜在交互关系的环境车辆集合，并确定位于各可行驶区域中的目标轨迹点，从而确定区域代价值，得到待修正车辆行驶到该可行驶区域所付出的代价，从而确定各可行驶区域所对应的区域概率值，从而确定目标行驶区域，提高预测行驶轨迹的准确性。

在一个实施例中，区域概率值确定单元用于获取目标轨迹点所对应的点权重；对于各环境车辆所对应的预测轨迹集合，获取每条预测轨迹所对应的轨迹概率值；对于每一环境车辆，基于每条预测行驶轨迹的目标轨迹点的点权重之和以及环境车辆的每条预测行驶轨迹的轨迹概率值，得到环境车辆对于可行驶区域的车辆行驶代价值；基于环境车辆集合中各环境车辆的车辆行驶代价值之和，确定各可行驶区域的区域代价值。

本实施例中的行驶轨迹确定装置，获取每条预测轨迹所对应的轨迹概率值，对应每一环境车辆，基于每条预测行驶轨迹的目标轨迹点的点权重之和以及环境车辆的每条预测行驶轨迹的概率值，得到环境车辆对于可行驶区域的车辆行驶代价值，总而言之，位于可行驶区域中的目标轨迹点是各环境车辆的预测行驶轨迹中的轨迹点，从而计算出位于各可行驶区域中的目标轨迹点所对应的值，得到可行驶区域的区域代价值，能够更加准确地计算出车辆行驶到该可行驶区域的代价，提高预测行驶轨迹的正确性。

在一个实施例中，区域概率值确定单元用于对于每一可行驶区域，获取待修正车辆相对于可行驶区域的换道代价值；获取待修正车辆的中心位置距离可行驶区域的中心线的横向距离值；基于换道代价值、横向距离值以及各环境车辆的车辆行驶代价值之和确定可行驶区域的区域代价值。

本实施例中的行驶轨迹确定装置，对于每一可行驶区域，获取待修正车辆相对于该可行驶区域的换道代价值，获取待修正车辆的中心位置距离可行驶区域的中心线的横向距离值，基于换道代价值、横向距离值以及各环境车辆的车辆行驶代价值之和确定可行驶区域的区域代价值，能够更加准确地计算出相对于某一可行驶区域的区域代价值，提高预测行驶轨迹的准确性。

在一个实施例中，区域概率值确定单元用于将处于第一区域内的车辆作为待修正车辆的环境车辆，得到第一区域对应的环境车辆集合；第一区域是在预设距离范围内且在待修正车辆正侧方的区域以及与待修正车辆所在区域处于同一区域的区域；将各个第二区域中与待修正车辆距离最近的车辆作为环境车辆，得到第二区域对应的环境车辆集合；第二区域是在预设距离范围内除了第一区域之外的区域；将第一区域对应的环境车辆集合和第二区域对应的环境车辆集合作为待修正车辆的环境车辆集合。

本实施例中的行驶轨迹确定装置，将处于预设距离范围内的区域分为第一区域和第二区域，其中，第一区域是在预设距离范围内且在待修正车辆正侧方的区域以及与待修正车辆所在区域处于同一区域的区域，即第一区域与待修正车辆之间有较大可能存在潜在交互关系，因此将在第一区域内的车辆作为待修正车辆的环境车辆；而第二区域中的车辆与待修正车辆存在的关系就比较弱，因此将各第二区域中与待修正车辆距离最近的车辆作为环境车辆，从而减少了环境车辆的轨迹的计算量，提高轨迹预测效率。

在一个实施例中，可行驶区域确定单元用于以待修正车辆所在位置为起点，确定待修正车辆对应的直行区域和换道区域，将直行区域和换道区域添加至待修正车辆的可行驶区域集合中。

本实施例中的行驶轨迹确定装置，以待修正车辆所在位置为起点，确定待修正车辆对应的直行区域和换道区域，将直行区域和换道区域添加至待修正车辆的可行驶区域集合中，则确定车辆的可行驶区域，从而能够进一步预测得到修正后的预测行驶轨迹。

在一个实施例中，修正模块708用于获取待修正车辆的当前所在位置；获取待修正车辆的未来所在位置，未来所在位置位于目标行驶区域中；基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹。

本实施例中的行驶轨迹确定装置，获取待修正车辆的当前所在位置和未来所在位置，未来所在位置位于目标行驶区域中，基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹，则能基于目标行驶区域修正预测行驶轨迹，提高预测的行驶轨迹的正确性。

在一个实施例中，修正模块708用于将目标行驶区域的中心线作为坐标系中的第一方向的坐标轴，垂直于第一方向的轴作为第二方向的坐标轴，建立车辆行驶坐标系；获取在车辆行驶坐标系下，待修正车辆的当前所在位置；获取在车辆行驶坐标系下待修正车辆的未来所在位置；在车辆行驶坐标系下，基于当前所在位置和未来所在位置确定待修正车辆的修正后的预测行驶轨迹。

本实施例中的行驶轨迹确定装置，由于在世界坐标系下，车道是弯曲的，那么基于各种偏移量的计算则较为复杂，因此以目标行驶区域的中心线作为坐标系中的第一方向的坐标轴，垂直于第一方向的轴作为第二方向的坐标轴，建立车辆行驶坐标系，并确定在车辆行驶坐标系下的待修正车辆和当前所在位置和未来所在位置，基于车辆行驶坐标系进行计算，可以减少预测行驶轨迹的计算量。

在一个实施例中，预设函数关系式包括第一预设函数关系式和第二预设函数关系式，第一预设函数关系式中包含时间参数和第一方向的位置参数；第二函数关系式中包含时间参数和第二方向的位置参数。修正模块708用于获取待修正车辆的当前时刻和对应的当前行驶速度、当前行驶加速度，以及未来时刻和对应的未来行驶速度以及未来行驶加速度；

将当前所在位置中第一方向对应的位置参数值以及当前时刻输入第一预设函数关系式中，得到第一关系式；

将当前时刻和当前行驶速度的第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第二关系式；

将当前时刻和当前行驶加速度的第一方向分量输入至第一预设函数关系式的二阶导函数中，得到第三关系式；

将未来时刻和未来行驶速度中第一方向分量输入至第一预设函数关系式的一阶导函数中，得到第四关系式；

将未来时刻和未来行驶加速度中的第一方向分量输入至第一预设函数关系式的二阶导函数中，得到第五关系式；

基于第一关系式、第二关系式、第三关系式、第四关系式和第五关系式，得到在第一方向上的修正后的预测行驶轨迹；

将当前所在位置中第二方向对应的位置参数值以及当前时刻输入第二预设函数关系式中，得到第六关系式；

将当前时刻和当前行驶速度的第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第七关系式；

将当前时刻和当前行驶加速度的第二方向分量输入至第二预设函数关系式的二阶导函数中，得到第八关系式；

将未来时刻以及未来所在位置对应的第二方向分量输入至第二预设函数关系式中，得到第九关系式；

将未来时刻和未来行驶速度中第二方向分量输入至第二预设函数关系式的一阶导函数中，得到第十关系式；

将未来时刻和未来行驶加速度中的第二方向分量输入至第二预设函数关系式的二阶导函数中，得到第十一关系式；

基于第六关系式、第七关系式、第八关系式、第九关系式、第十关系式和第十一关系式，得到在第二方向上的修正后的预测行驶轨迹;

基于第一方向上的修正后的预测行驶轨迹和第二方向上的修正后的预测行驶轨迹得到待修正车辆的修正后的预测行驶轨迹。

本实施例中的行驶轨迹确定装置，基于当前时刻、当前所在位置、当前行驶速度、当前行驶加速度以及未来时刻、未来所在位置、未来行驶速度、未来行驶加速度这几个参数值确定得到两个方向上的预测行驶轨迹，能够得到更加精确的修正后的预测行驶轨迹。

在一个实施例中，修正模块708还用于当在可行驶区域集合中的可行驶区域的数量为一个时，将待修正车辆的可行驶区域所对应的预测行驶轨迹，作为待修正车辆的实际行驶轨迹。

本实施例中的行驶轨迹确定装置，当在可行驶区域集合中的可行驶区域的数量为一个时，则直接将待修正车辆的可行驶区域所对应的预测行驶轨迹，作为待修正车辆的实际行驶轨迹，则不需要确定目标行驶区域，也无需对该待修正车辆进行行驶轨迹修正，提高行驶轨迹确定效率。

在一个实施例中，第一获取模块702用于以目标自动驾驶车辆为参照，确定与目标自动驾驶车辆所对应的预设距离范围；将在预设距离范围内的车辆添加至待修正车辆集合。修正模块708还用于基于待修正车辆集合中各待修正车辆的修正后的预测行驶轨迹修正目标自动驾驶车辆的预测行驶轨迹。

本实施例中的行驶轨迹确定装置，以自动驾驶车辆为参照，确定位于预设距离范围内的待修正车辆集合，由于待修正车辆的预测行驶轨迹已修正，那么目标自动驾驶车辆的预测行驶轨迹也应当修正，从而提高目标自动驾驶车辆的预测轨迹的准确性。

关于行驶轨迹确定装置的具体限定可以参见上文中对于行驶轨迹确定方法的限定，在此不再赘述。上述行驶轨迹确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件行驶内嵌于或独立于计算机设备中的处理器中，也可以以软件行驶存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种行驶轨迹确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种行驶，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (20)

1.一种行驶轨迹确定方法，其特征在于，所述方法包括：

获取待修正车辆集合中各待修正车辆的车辆行驶信息；

基于各待修正车辆的车辆行驶信息与车辆行驶参考值的对比结果确定各待修正车辆的异常状态指数，所述车辆行驶信息包括距离所在车道中心线的横向距离、当前车辆横向速度、当前行驶速度和当前车辆朝向；

获取所述待修正车辆集合中各待修正车辆的环境信息；及

按照异常状态指数序列中异常状态指数的顺序，分别基于所述各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹；所述异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

2.根据权利要求1所述的方法，其特征在于，所述车辆行驶信息包括距离所在车道中心线的横向距离、当前车辆横向速度、当前行驶速度和当前车辆朝向；

所述基于各待修正车辆的车辆行驶信息确定各待修正车辆的异常状态指数，包括：

基于各待修正车辆的所述距离所在车道中心线的横向距离确定各待修正车辆的横向距离偏差指数；

基于各待修正车辆的所述当前车辆横向速度确定各待修正车辆的横向速度偏差指数；

基于各待修正车辆的所述当前行驶速度确定各待修正车辆的行驶速度偏差指数；

基于各待修正车辆的所述当前车辆朝向与待修正车辆所在车道的中心线朝向确定各待修正车辆的朝向偏差指数；

基于各待修正车辆的所述横向距离偏差指数、所述横向速度偏差指数、所述行驶速度偏差指数和所述朝向偏差指数确定各待修正车辆的异常状态指数。

3.根据权利要求2所述的方法，其特征在于，所述基于各待修正车辆的所述当前行驶速度确定各待修正车辆的行驶速度偏差指数，包括：

获取各待修正车辆所处车道所对应的车道限速；

基于所述当前行驶速度以及所述车道限速确定各待修正车辆的速度偏差值；

基于所述速度偏差值确定各待修正车辆的行驶速度偏差指数。

4.根据权利要求1所述的方法，其特征在于，所述环境信息包括环境区域信息和环境车辆信息；

所述基于所述各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹，包括：

针对每一待修正车辆，基于所述待修正车辆的环境区域信息确定所述待修正车辆的可行驶区域集合；

基于所述待修正车辆的环境车辆信息确定所述可行驶区域集合中各可行驶区域的区域概率值；

基于所述各可行驶区域的区域概率值确定所述待修正车辆的目标行驶区域；

基于所述目标行驶区域确定所述待修正车辆的修正后的预测行驶轨迹。

5.根据权利要求4所述的方法，其特征在于，所述环境车辆信息包括环境车辆的行驶预测轨迹；

所述基于所述待修正车辆的环境车辆信息确定所述可行驶区域集合中各可行驶区域的区域概率值，包括：

在所述待修正车辆的预设距离范围内搜索得到所述待修正车辆的环境车辆集合，所述环境车辆集合中的环境车辆与所述待修正车辆具有潜在交互关系；

对于在所述可行驶区域集合中的各可行驶区域，基于所述环境车辆集合中环境车辆的预测行驶轨迹，确定位于各可行驶区域中的目标轨迹点；

基于位于各可行驶区域中的所述目标轨迹点，确定各可行驶区域的区域代价值；

根据各可行驶区域的区域代价值确定各可行驶区域所对应的区域概率值。

6.根据权利要求5所述的方法，其特征在于，所述基于位于各可行驶区域中的所述目标轨迹点，确定各可行驶区域的区域代价值，包括：

获取所述目标轨迹点所对应的点权重；

对于各环境车辆所对应的预测轨迹集合，获取每条预测轨迹所对应的轨迹概率值；

对于每一环境车辆，基于每条预测行驶轨迹的目标轨迹点的点权重之和以及所述环境车辆的每条预测行驶轨迹的轨迹概率值，得到所述环境车辆对于可行驶区域的车辆行驶代价值；

基于所述环境车辆集合中各环境车辆的车辆行驶代价值之和，确定各可行驶区域的区域代价值。

7.根据权利要求6所述的方法，其特征在于，所述基于所述各环境车辆的车辆行驶代价值之和，确定各可行驶区域的区域代价值，包括：

对于每一可行驶区域，获取所述待修正车辆相对于所述可行驶区域的换道代价值；

获取所述待修正车辆的中心位置距离所述可行驶区域的中心线的横向距离值；

基于所述换道代价值、所述横向距离值以及所述各环境车辆的车辆行驶代价值之和确定所述可行驶区域的区域代价值。

8.根据权利要求5所述的方法，其特征在于，所述在所述待修正车辆的预设距离范围内搜索得到所述待修正车辆的环境车辆集合，包括：

将处于第一区域内的车辆作为所述待修正车辆的环境车辆，得到所述第一区域对应的环境车辆集合；所述第一区域是在所述预设距离范围内且在所述待修正车辆正侧方的区域以及与所述待修正车辆所在区域处于同一区域的区域；

将各个第二区域中与所述待修正车辆距离最近的车辆作为环境车辆，得到所述第二区域对应的环境车辆集合；所述第二区域是在所述预设距离范围内除了所述第一区域之外的区域；

将所述第一区域对应的环境车辆集合和所述第二区域对应的环境车辆集合作为所述待修正车辆的环境车辆集合。

9.根据权利要求4所述的方法，其特征在于，所述基于所述待修正车辆的环境区域信息确定所述待修正车辆的可行驶区域集合，包括：

以所述待修正车辆所在位置为起点，确定所述待修正车辆对应的直行区域和换道区域，将所述直行区域和换道区域添加至所述待修正车辆的可行驶区域集合中。

10.根据权利要求4所述的方法，其特征在于，所述基于所述目标行驶区域确定所述待修正车辆的修正后的预测行驶轨迹，包括：

获取所述待修正车辆的当前所在位置；

获取所述待修正车辆的未来所在位置，所述未来所在位置位于所述目标行驶区域中；

基于所述当前所在位置和所述未来所在位置确定所述待修正车辆的修正后的预测行驶轨迹。

11.根据权利要求10所述的方法，其特征在于，所述获取所述待修正车辆的当前所在位置，包括：

将所述目标行驶区域的中心线作为坐标系中的第一方向的坐标轴，垂直于所述第一方向的轴作为第二方向的坐标轴，建立车辆行驶坐标系；

获取在所述车辆行驶坐标系下，所述待修正车辆的当前所在位置；

所述获取所述待修正车辆的未来所在位置，包括：

获取在所述车辆行驶坐标系下所述待修正车辆的未来所在位置；

所述基于所述当前所在位置和所述未来所在位置确定待修正车辆的修正后的预测行驶轨迹，包括：

在所述车辆行驶坐标系下，基于所述当前所在位置和所述未来所在位置确定待修正车辆的修正后的预测行驶轨迹。

12.根据权利要求11所述的方法，其特征在于，预设函数关系式包括第一预设函数关系式和第二预设函数关系式，所述第一预设函数关系式中包含时间参数和第一方向的位置参数；所述第二预设函数关系式中包含时间参数和第二方向的位置参数；

所述基于所述当前所在位置和所述未来所在位置确定待修正车辆的修正后的预测行驶轨迹，包括：

获取所述待修正车辆的当前时刻和对应的当前行驶速度、当前行驶加速度，以及未来时刻和对应的未来行驶速度以及未来行驶加速度；

将所述当前所在位置中所述第一方向对应的位置参数值以及所述当前时刻输入第一预设函数关系式中，得到第一关系式；

将所述当前时刻和所述当前行驶速度的第一方向分量输入至所述第一预设函数关系式的一阶导函数中，得到第二关系式；

将所述当前时刻和所述当前行驶加速度的第一方向分量输入至第一预设函数关系式的二阶导函数中，得到第三关系式；

将所述未来时刻和所述未来行驶速度中第一方向分量输入至所述第一预设函数关系式的一阶导函数中，得到第四关系式；

将所述未来时刻和所述未来行驶加速度中的第一方向分量输入至所述第一预设函数关系式的二阶导函数中，得到第五关系式；

基于所述第一关系式、所述第二关系式、所述第三关系式、所述第四关系式和所述第五关系式，得到在所述第一方向上的修正后的预测行驶轨迹；

将所述当前所在位置中所述第二方向对应的位置参数值以及所述当前时刻输入第二预设函数关系式中，得到第六关系式；

将所述当前时刻和所述当前行驶速度的第二方向分量输入至所述第二预设函数关系式的一阶导函数中，得到第七关系式；

将所述当前时刻和所述当前行驶加速度的第二方向分量输入至第二预设函数关系式的二阶导函数中，得到第八关系式；

将所述未来时刻以及未来所在位置对应的第二方向分量输入至第二预设函数关系式中，得到第九关系式；

将所述未来时刻和所述未来行驶速度中第二方向分量输入至所述第二预设函数关系式的一阶导函数中，得到第十关系式；

将所述未来时刻和所述未来行驶加速度中的第二方向分量输入至所述第二预设函数关系式的二阶导函数中，得到第十一关系式；

基于所述第六关系式、所述第七关系式、所述第八关系式、所述第九关系式、所述第十关系式和所述第十一关系式，得到在所述第二方向上的修正后的预测行驶轨迹;

基于所述第一方向上的修正后的预测行驶轨迹和所述第二方向上的修正后的预测行驶轨迹得到待修正车辆的修正后的预测行驶轨迹。

13.根据权利要求4所述的方法，其特征在于，所述方法还包括：

当在所述可行驶区域集合中的可行驶区域的数量为一个时，将所述待修正车辆的可行驶区域所对应的预测行驶轨迹，作为所述待修正车辆的实际行驶轨迹。

14.根据权利要求1至13任一项所述的方法，其特征在于，所述待修正车辆集合的获取方式，包括：

以目标自动驾驶车辆为参照，确定与所述目标自动驾驶车辆所对应的预设距离范围；

将在所述预设距离范围内的车辆添加至待修正车辆集合；

所述方法还包括：

基于所述待修正车辆集合中各待修正车辆的修正后的预测行驶轨迹修正所述目标自动驾驶车辆的预测行驶轨迹。

15.一种行驶轨迹确定装置，其特征在于，所述装置包括：

第一获取模块，用于获取待修正车辆集合中各待修正车辆的车辆行驶信息；

异常状态指数确定模块，用于基于各待修正车辆的车辆行驶信息与车辆行驶参考值的对比结果确定各待修正车辆的异常状态指数，所述车辆行驶信息包括距离所在车道中心线的横向距离、当前车辆横向速度、当前行驶速度和当前车辆朝向；

第二获取模块，用于获取所述待修正车辆集合中各待修正车辆的环境信息；

修正模块，用于按照异常状态指数序列中异常状态指数的顺序，分别基于所述各待修正车辆的环境信息确定各待修正车辆的修正后的预测行驶轨迹；所述异常状态指数序列按照各异常状态指数所表征的异常程度从弱到强排列构成。

16.根据权利要求15所述的装置，其特征在于，所述车辆行驶信息包括距离所在车道中心线的横向距离、当前车辆横向速度、当前行驶速度和当前车辆朝向；

所述异常状态指数确定模块用于基于各待修正车辆的所述距离所在车道中心线的横向距离确定各待修正车辆的横向距离偏差指数；

所述异常状态指数确定模块用于基于各待修正车辆的所述当前车辆横向速度确定各待修正车辆的横向速度偏差指数；

所述异常状态指数确定模块用于基于各待修正车辆的所述当前行驶速度确定各待修正车辆的行驶速度偏差指数；

所述异常状态指数确定模块用于基于各待修正车辆的所述当前车辆朝向与待修正车辆所在车道的中心线朝向确定各待修正车辆的朝向偏差指数；

所述异常状态指数确定模块用于基于各待修正车辆的所述横向距离偏差指数、所述横向速度偏差指数、所述行驶速度偏差指数和所述朝向偏差指数确定各待修正车辆的异常状态指数。

17.根据权利要求16所述的装置，其特征在于，所述异常状态指数确定模块用于获取各待修正车辆所处车道所对应的车道限速；基于所述当前行驶速度以及所述车道限速确定各待修正车辆的速度偏差值；基于所述速度偏差值确定各待修正车辆的行驶速度偏差指数。

18.根据权利要求15所述的装置，其特征在于，所述环境信息包括环境区域信息和环境车辆信息；

所述修正模块用于针对每一待修正车辆，基于所述待修正车辆的环境区域信息确定所述待修正车辆的可行驶区域集合；

所述修正模块用于基于所述待修正车辆的环境车辆信息确定所述可行驶区域集合中各可行驶区域的区域概率值；

所述修正模块用于基于所述各可行驶区域的区域概率值确定所述待修正车辆的目标行驶区域；

所述修正模块用于基于所述目标行驶区域确定所述待修正车辆的修正后的预测行驶轨迹。

19.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至14中任一项所述的方法的步骤。

20.一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，所述计算机程序被处理器执行时实现权利要求1至14中任一项所述的方法的步骤。

Images