CN115512540A - 车辆的信息处理方法、装置、存储介质和处理器 - Google Patents

车辆的信息处理方法、装置、存储介质和处理器 Download PDF

Info

Publication number
CN115512540A
CN115512540A CN202211144745.6A CN202211144745A CN115512540A CN 115512540 A CN115512540 A CN 115512540A CN 202211144745 A CN202211144745 A CN 202211144745A CN 115512540 A CN115512540 A CN 115512540A
Authority
CN
China
Prior art keywords
vehicle
information
lane change
lane
layer
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.)
Pending
Application number
CN202211144745.6A
Other languages
English (en)
Inventor
王艺蒙
吕颖
高延熹
韩佳琪
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202211144745.6A priority Critical patent/CN115512540A/zh
Publication of CN115512540A publication Critical patent/CN115512540A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Abstract

本发明公开了一种车辆的信息处理方法、装置、存储介质和处理器。其中，该方法包括：获取预设时间范围内车辆的信息采集范围内采集到的道路信息；基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息；基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息；将累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息。本发明解决了车辆变道安全性较低的技术问题。

Description

车辆的信息处理方法、装置、存储介质和处理器
技术领域
本发明涉及车辆技术领域，具体而言，涉及一种车辆的信息处理方法、装置、存储介质和处理器。
背景技术
车辆在行驶过程中，可以通过模糊逻辑算法对车辆的变道行为进行预测，以此来提升车辆自主换道的安全性，但是利用该方法对车辆的变道行为进行预测时，预测准确率主要依赖于使用的规则是否全面，输入变量所考虑的指标是否全面，基于此，在面对一些突发情况时，由于可使用的规则有限，可能导致无法准确的预测车辆的变道行为。
针对上述车辆变道安全性较低的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种车辆的信息处理方法、装置、存储介质和处理器，以至少解决车辆变道安全性较低的技术问题。
根据本发明实施例的一个方面，提供了一种车辆的信息处理方法。该方法可以包括：获取预设时间范围内车辆的信息采集范围内采集到的道路信息，其中，道路信息包括车辆的当前车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象之间的距离信息、车辆的速度信息以及道路对象的速度信息；基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息；基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息；将累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，其中，目标换道信息用于指示车辆是否需要换道。
可选地，基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息，包括：将预设时间范围内每一时刻采集到的距离信息和速度信息确定为第一输入变量，得到多个第一输入变量；将多个第一输入变量输入累积换道意图提取模块进行特征提取，得到累积换道信息。
可选地，基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息，包括：将距离信息确定为瞬时换道意图提取模块的第二输入变量；将第二输入变量输入瞬时换道意图模块进行多级处理，得到瞬时换道信息。
可选地，瞬时换道意图提取模块包括输入层、模糊化层、模糊推理层、去模糊化层和输出层，将第二输入变量输入瞬时换道意图提取模块进行多级处理，包括：通过输入层将第二输入变量传输至模糊化层，其中，模糊化层用于根据隶属度函数获取第二输入变量对应的隶属函数值；基于模糊化层中每个节点输出的隶属函数值，确定模糊推理层的第三输入变量；将第三输入变量输入模糊推理层进行处理，得到模糊推理结果；基于去模糊化层对模糊推理结果进行归一化处理，得到归一化结果；基于输出层对所述归一化结果进行融合，得到累积换道信息。
可选地，换道意图提取模块还包括全连接层，将累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，包括：将累积换道信息和瞬时换道信息进行融合，得到融合数值；基于融合数数值和目标阈值，确定车辆的所述目标换道信息。
可选地，基于融合数值和目标阈值，确定车辆的目标换道信息，包括：响应于融合数值大于目标阈值，确定目标换道信息用于指示车辆换道；响应于融合数值不大于目标阈值，确定目标换道信息用于指示车辆不换道。
根据本发明实施例的另一方面，还提供了一种车辆的控制装置，包括：获取模块，用于获取预设时间范围内车辆的信息采集范围内采集到的道路信息，其中，道路信息包括车辆的当前车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象之间的距离信息、车辆的速度信息以及道路对象的速度信息；第一确定模块，用于基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息；第二确定模块，用于基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息；融合模块，用于将累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，其中，目标换道信息用于指示车辆是否需要换道。
根据本发明实施例的另一方面，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包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行本发明实施例的车辆的信息处理方法。
根据本发明实施例的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的车辆的信息处理方法。
根据本发明实施例的另一方面，还提供了一种车辆，该车辆用于执行本发明实施例的车辆的信息处理方法。
在本发明实施例中，通过获取预设时间范围内车辆的信息采集范围内采集到的道路信息，该道路信息中包括距离信息和速度信息，进而基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息，基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息，之后，将获取到的累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息。也就是说，本发明实施例提供的车辆的信息处理方法，不仅获取了车辆的累积换道信息，还获取了车辆的瞬时换掉意图，通过将累积换道信息与瞬时换道信息融合，获取车辆的目标换道信息，由于该目标换道信息是基于累积换道信息和瞬时换道信息得到的，因此，在面对一些突发情况时，该目标换道信息可以准确的指示车辆是否换道，达到了车辆安全换道的目的，进而实现了提升车辆换道安全性的技术效果，解决了车辆换道安全性较差的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种车辆的信息处理方法的流程图；
图2是根据本发明实施例的一种距离信息和速度信息的示意图；
图3是根据本发明实施例的一种梯形函数的示意图；
图4是根据本发明实施例的另一种车辆的信息处理方法的流程图；
图5是根据本发明实施例的一种换道意图提取模块的示意图；
图6是根据本发明实施例的一种车辆的信息处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种车辆的信息处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种车辆的信息处理方法的流程图，如图1所示，该方法可以包括如下步骤：
步骤S101，获取预设时间范围车辆的信息采集范围内采集到的道路信息，其中，道路信息包括车辆的当前车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象之间的距离信息、车辆的速度信息以及道路对象的速度信息。
在本发明上述步骤S101提供的技术方案中，车辆的雷达和/或图像采集设备可以以预设时间间隔来采集车辆的信息采集范围内的道路信息，其中，该道路信息中可以包括距离信息和速度信息，其中，距离信息中可以包括车辆的当前车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象之间的距离信息、速度信息中可以包括车辆的速度信息以及车辆的信息采集范围内车辆的当前车道上的道路对象的速度信息和车辆的相邻车道上的道路对象的速度信息，基于此，可以获取预设时间范围内采集到道路信息。其中，预设时间间隔可以为0.5s或0.7s，此处不做具体限制，预设时间范围可以为当前时刻之前的一段时间。
可选地，由于车辆的雷达和/或图像采集设备是每隔预设时间间隔来采集车辆的信息采集范围内的道路信息的，基于此，获取到的预设时间范围内的车辆的信息采集范围内的道路信息中包括多个时刻采集到的道路信息。其中，每一时刻采集到的道路信息均包括相应时刻所采集到的距离信息和速度信息。
作为一种可选的示例，采集到的距离信息中的车辆的当前车道上的道路对象与车辆之间的距离信息中至少包括车辆的当前车道上位于车辆前方的车辆与车辆之间的距离信息，车辆的相邻车道上的道路对象与车辆之间的距离信息至少包括车辆的相邻车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆后方的车辆与车辆之间的距离信息，车辆的相邻车道上的道路对象之间的距离信息至少包括车辆的相邻车道上位于车辆前方的车辆与位于车辆后方的车辆之间的距离信息。采集到的速度信息中至少包括车辆的速度信息，车辆的当前车道上位于车辆前方的车辆的速度信息，车辆的相邻车道上位于车辆前方的车辆的速度信息以及车辆的相邻车道上位于车辆后方的车辆的速度信息。
步骤S102，基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息。
在本发明上述步骤S102提供的技术方案中，由于获取到的预设时间范围内车辆的信息采集范围内的道路信息中包括多个时刻采集到的道路信息，基于此，可以从每一时刻采集到的道路信息中获取累积换道意图提取模块的第一输入变量，进而将获取到的第一输入变量输入至累积换道意图提取模块中进行特征提取，得到累积换道信息。
可选地，由前述介绍可知，每一时刻采集到的道路信息中均包括距离信息和速度信息，基于此，可以将预设时间范围内获取到的每一时刻的距离信息中车辆的当前车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆后方的车辆与车辆之间的距离信息，车辆的相邻车道上位于车辆前方的车辆与位于车辆后方的车辆之间的距离信息，速度信息中车辆的速度信息，车辆的当前车道上位于车辆前方的车辆的速度信息，车辆的相邻车道上位于车辆前方的车辆的速度信息以及车辆的相邻车道上位于车辆后方的车辆的速度信息作为一个第一输入变量，得到多个第一输入变量。其中，每个第一输入变量中均可以包括上述距离信息和速度信息。
举例而言，图2是根据本发明实施例一种距离信息和速度信息的示意图，如图2所示，车辆S与车辆的当前车道上位于车辆S前方的车辆F之间的距离信息可以用GF来表示，车辆S的相邻车道上位于车辆S前方的车辆NF与车辆S之间的距离可以用GNF来表示，车辆S的相邻车道上位于车辆S后方的车辆NB与车辆S之间的距离可以用GNB来表示，车辆S的相邻车道上位于车辆S前方的车辆NB与位于车辆S后方的车辆NB之间的距离可以用GNFB来表示。车辆S的速度可以用Vs来表示，车辆S的当前车道上位于车辆S前方的车辆F的速度可以用VF来表示，车辆S的相邻车道上位于车辆S前方的车辆NF的速度可以用VNF来表示，车辆S的相邻车道上位于车辆S后方的车辆NB的速度可以用VNB来表示。基于此，可以将预设时间间隔范围内每一时刻获取到的GF、GNF、GNB、GNFB、Vs、VF、VNF、VNB作为一个第一输入变量，得到多个第一输入变量。
可选地，在得到多个第一输入变量后，可以将多个第一输入变量输入至累积换道意图提取模块进行特征提取，其中，该累积换道意图提取模块中包括二维卷积层、长短期记忆网络层(Long Short Term Memory，简称为LSTM)和全连接层。
作为一种可选的示例，假设获取到的第一输入变量为w个，每个第一输入变量中包括n的元素，也即该第一输入变量可以构成一个w*n的矩阵，则可以将该w*n的矩阵输入至累积换道意图提取模块的二维卷积层，二维卷积层可以对该w*n的矩阵进行卷积处理，以获得该多个第一输入变量的空间分布关系。例如，该二维卷积层的卷积核可以为1*8，这样卷积后的多个第一输入变量可以为一个w*1的矩阵，可以将该w*1的矩阵作为多个第一输入变量的空间分布关系。
作为一种可选的示例，在基于二维卷积层获取到的多个第一输入变量的空间分布关系之后，可以将该空间分布关系输入至LSTM层提取多个第一输入变量的时间依赖关系。在获取到多个第一输入变量的时间依赖关系后，可以将该时间依赖关系输入至全连接层进行融合处理，得到累积换道信息。其中，该累积换道信息对应的数值可以为[0，1]中的任意值。
步骤S103，基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息。
在本发明上述步骤S103提供的技术方案中，由于预设时间范围为当前时刻之前的一段时间，且预设时间范围内包含多个时刻采集到的道路信息，基于此，可以从多个时刻采集到的道路信息中获取当前时刻的前一时刻采集到的距离信息，进而将该当前时刻的前一时刻获取到的距离信息作为瞬时换道意图提取模块的第二输入变量，并将该第二输入变量输入至瞬时换道意图提取模块进行多级处理，得到瞬时换道信息。
作为一种可选的示例，可以将当前时刻的前一时刻获取到的车辆的当前车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆后方的车辆与车辆之间的距离信息以及车辆的相邻车道上位于车辆前方的车辆与位于车辆后方的车辆之间的距离信息作为第二输入变量，也即将当前时刻的前一时刻获取到的GF、GNF、GNB、GNFB作为第二输入变量。
可选地，瞬时换道意图提取模块可以包括输入层、模糊化层、模糊推理层、去模糊化层和输出层。其中，输入层可以为第一层，其用于将第二输入变量传输至模糊化层；模糊化层可以为第二层，其用于根据隶属度函数获取第二输入变量对应的隶属函数值；模糊推理层可以为第三层，其用于对隶属函数值进行模糊化处理，得到模糊推理结果，去模糊化层可以为第四层，其用于对模糊推理结果进行归一化处理；输出层可以为第五层，其用于对去模糊化层输出的归一化结果进行融合处理，得到瞬时换道信息。其中，该瞬时换道信息对应的数值可以为[0，1]中的任意值。
作为一种可选的示例，输入层可以对应有4个节点，其中每个节点对应第二输入变量中的一个元素，也即，可以将第二输入变量中的GF、GNF、GNB和GNFB分别输入输入层的4个节点中，每个节点可以将自身对应的元素传输至模糊化层。
作为一种可选的示例，可以根据模糊化层的输入元素的个数，为每个输入元素划分多个模糊度，该模糊度用于表示输入元素的不确定性。例如，当模糊化层的输入元素的个数为4个时，可以为每个输入元素划分3个模糊度，基于此，4个输入元素可以对应12个模糊度，每个模糊度对应一个节点，也即模糊化层可以包括12个节点，其中，每个节点的输入为各个模糊度对应的隶属度函数，每个节点的输出为各个模糊度对应的隶属函数值，其中隶属函数值的取值范围为[0，1]。
可选地，输入的隶属度函数可以为梯形函数，其中，隶属度函数可以用下述公式来表示。
Figure BDA0003855143710000071
其中，x用于表示每个节点的输入元素，a、b、c、d用于表示该隶属度函数的相关参数，其中，a和d可以为隶属度函数对应的梯形函数的底部两个点对应的数值，b和c可以为隶属度函数对应的梯形函数的顶部两个点对应的取值，基于此，可以根据输入元素和上述隶属函数确定每个输入元素对应的隶属函数值。
作为一种可选的示例，图3是根据本发明实施例的一种梯形函数的示意图。如图3所示，输入元素GF对应的梯形函数为图3(a)，输入元素GNF对应的梯形函数为图3(b)，输入元素GNF对应的梯形函数为图3(c)，输入元素GNFB对应的梯形函数为图3(d)。其中，每个输入元素可以对应3个模糊度，以输入元素为GF为例，该输入元素对应的3个模糊度分别为in1mf1、in1mf2、in2mf3。
可选地，模糊推理层中的每个节点与模糊化层中的每个节点连接，其中，该模糊推理层中的节点用于对模糊化层中每个节点输出的元素进行模糊处理，得到模糊推理结果。
作为一种可选的示例，由于模糊化层中每个元素对应3个模糊度，每个模糊度对应一个节点，这样，输入的4个元素对应有12个节点，由于模糊推理层中的每个节点与模糊化层中的每个节点连接，基于此，可以确定该模糊推理层中包含的节点数为34个。因此，该模糊推理层对应有81种推理规则，其中，输入的元素不同，使用的推理规则也不同，基于此，可以根据输入的元素组合从81种推理规则中查找每组输入元素对应的模糊推理结果。
可选地，在确定出每组输入元素对应的模糊推理结果之后，可以基于去模糊化层对多个推理结果进行归一化处理，得到多个归一化结果。
可选地，在得到多个归一化结果之后，可以将该多个归一化结果输入至输出层，输出层可以对多个归一化结果进行融合处理，得到瞬时换道信息。
步骤S104，将累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，其中，目标换道信息用于指示车辆是否需要换道。
在本发明上述步骤S104提供的技术方案中，该换道意图提取模块中还可以包括全连接层，基于此，在确定出车辆的累积换道信息和瞬时换道信息之后，可以将获取到的累积换道信息和瞬时换道信息输入至全连接层中进行融合处理，得到融合数值，进而基于融合数值与目标阈值确定车辆的目标换道信息。
可选地，在将累积换道信息和瞬时换道信息进行融合，得到的融合数值后，可以将该融合数值与目标阈值进行比较，如果该融合数值大于目标阈值，则确定目标换道信息用于指示车辆换道；如果该融合数值不大于目标阈值，则确定目标换道信息用于指示车辆部换道。其中，该目标阈值可以预先设置，例如，该目标阈值可以为0.5，此处不做具体限制。
本申请上述步骤S101至步骤S104，车辆的信息处理系统中可以包括累积换道意图提取模块和瞬时换道意图提取模块，通过获取预设时间范围内车辆的信息采集范围内的道路信息，该道路信息中包括距离信息和速度信息，进而基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息，基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息，之后，将获取到的累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，也就是说，本发明实施例提供的车辆的信息处理方法，不仅获取了车辆的累积换道信息，还获取了车辆的瞬时换掉意图，通过将累积换道信息与瞬时换道信息融合，获取车辆的目标换道信息，由于该目标换道信息是基于累积换道信息和瞬时换道信息得到的，因此，在面对一些突发情况时，该目标换道信息可以准确的指示车辆的目标换道意图，达到了车辆安全换道的目的，进而实现了提升车辆换道安全性的技术效果，解决了车辆换道安全性较差的技术问题。
下面对该实施例的上述方法进行进一步介绍。
作为一种可选的实施例方式，步骤S102，基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息，包括：将预设时间范围内每一时刻采集到的距离信息和速度信息确定为第一输入变量，得到多个第一输入变量；将多个第一输入变量输入累积换道意图提取模块进行特征提取，得到累积换道信息。
在该实施例中，由于获取到的预设时间范围内的道路信息中多个时刻采集到的道路信息，且每一时刻采集到的道路信息中均包括距离信息和速度信息，基于此，可以将预设时间范围内获取到的每一时刻的距离信息和速度信息作为一个第一输入变量，进而得到多个第一输入变量。
作为一种可选的示例，可以将车辆的当前车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆后方的车辆与车辆之间的距离信息以及车辆的相邻车道上位于车辆前方的车辆与位于车辆后方的车辆之间的距离信息以及速度信息中车辆的速度信息，车辆的当前车道上位于车辆前方的车辆的速度信息，车辆的相邻车道上位于车辆前方的车辆的速度信息以及车辆的相邻车道上位于车辆后方的车辆的速度信息作为一个第一输入变量，得到多个第一输入变量。其中，每个第一输入变量中均可以包括上述距离信息和速度信息。
可选地，在得到多个第一输入变量后，可以将多个第一输入变量输入至累积换道意图提取模块进行特征提取，其中，该累积换道意图提取模块中包括二维卷积层、LSTM层和全连接层。
作为一种可选的示例，假设获取到的第一输入变量为w个，每个第一输入变量中包括n的元素，则可以将该w个第一输入变量输入至累积换道意图提取模块的二维卷积层，也即二维卷积层输入的是一个w*n的矩阵。二维卷积层可以对该多个第一输入变量进行卷积处理，进而获得该多个第一输入变量的空间分布关系。例如，该二维卷积层的卷积核可以为1*8，这样卷积后的多个第一输入变量可以为一个w*1的矩阵，可以将该w*1的矩阵作为多个第一输入变量的空间分布关系。
作为一种可选的示例，在基于二维卷积层获取到的多个第一输入变量的空间分布关系之后，可以将该空间分布关系输入至LSTM层提取多个第一输入变量的时间依赖关系。在获取到多个第一输入变量的时间依赖关系后，可以将该时间依赖关系输入至全连接层进行融合处理，得到累积换道信息。其中，该累积换道信息对应的数值可以为[0，1]中的任意值。
作为一种可选的实施例方式，步骤S103，基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息，包括：将距离信息确定为瞬时换道意图提取模块的第二输入变量，将第二输入变量输入瞬时换掉意图提取模块进行多级处理，得到瞬时换道信息。
在该实施例中，可以将当前时刻的前一时刻获取到的车辆的当前车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆前方的车辆与车辆之间的距离信息、车辆的相邻车道上位于车辆后方的车辆与车辆之间的距离信息以及车辆的相邻车道上位于车辆前方的车辆与位于车辆后方的车辆之间的距离信息作为第二输入变量，进而将该第二输入变量输入至瞬时换道意图提取模块中进行处理。
可选地，瞬时换道意图提取模块可以包括输入层、模糊化层、模糊推理层、去模糊化层和输出层。其中，输入层用于将第二输入变量传输至模糊化层；模糊化层用于根据隶属度函数获取第二输入变量对应的隶属函数值；模糊推理层用于对隶属函数值进行模糊化处理，得到模糊推理结果；去模糊化层用于对模糊推理结果进行归一化处理；输出层用于对去模糊化层输出的归一化结果进行融合处理，得到瞬时换道信息。
举例而言，输入层可以对应有4个节点，其中每个节点对应第二输入变量中的一个元素，其中，每个节点可以将自身对应的元素传输至模糊化层。
作为一种可选的示例，根据模糊化层的输入元素的个数，可以为每个输入元素划分多个模糊度，该模糊度用于表示输入元素的不确定性。例如，当模糊化层的输入元素的个数为4个时，可以为每个输入元素划分3个模糊度，基于此，4个输入元素可以对应12个模糊度，也即模糊化层可以包括12个节点，其中，每个节点的输入为各个模糊度对应的隶属度函数，每个节点的输出即为各个模糊度对应的隶属函数值，其中隶属函数值的取值范围为[0，1]。
可选地，输入的隶属度函数可以为梯形函数，其中，隶属度函数可以用下述公式来表示。
Figure BDA0003855143710000111
其中，x为每个节点的输入元素，a、b、c、d为该隶属度函数的相关参数，其中，a和d可以为隶属度函数对应的梯形函数的底部两个点对应的数值，b和c可以为隶属度函数对应的梯形函数的顶部两个点对应的取值，基于此，可以根据输入元素和上述隶属函数确定每个输入元素对应的隶属函数值。
可选地，模糊推理层中的每个节点与模糊化层中的每个节点连接，其中，该模糊推理层中的节点用于对模糊化层中每个节点输出的元素进行模糊处理，得到模糊推理结果。作为一种可选的示例，模糊化层中每个元素对应3个模糊度，每个模糊度对应一个节点，这样，输入的4个元素对应有12个节点，由于模糊推理层中的每个节点与模糊化层中的每个节点连接，基于此，可以确定该模糊推理层中包含的节点数为34个。因此，该模糊推理层对应有81种推理规则，其中，输入的元素不同，使用的推理规则也不同，基于此，可以将模糊化层中每个节点输出的元素作为模糊推理层的第三输入变量，进而可以根据第三输入变量从81种推理规则中查找对应的模糊推理结果。假设，输入元素分别为GF、GNF、GNB、GNFB，每个输入元素对应3个模糊度，例如，GF对应的模糊度可以为in1mf1、in1mf2、in1mf3，GNF对应的迷糊度可以为in2mf2、in2mf2、in2mf3，GNB对应的模糊度可以为in3mf1、in3mf2、in3mf3，GNB对应的模糊度可以为in4mf1、in4mf2、in4mf3，基于此，该81种推理规则可以如表1所示。
表1 81种推理规则
Figure BDA0003855143710000112
Figure BDA0003855143710000121
Figure BDA0003855143710000131
Figure BDA0003855143710000141
Figure BDA0003855143710000151
可选地，当确定输入元素对应的模糊度时，可以基于每个节点输入的模糊度从上述表1中示出的81种推理规则中查找输入元素所对应的模糊推理结果。
可选地，在确定出每组输入元素对应的模糊推理结果之后，可以基于去模糊化层对多个推理结果进行归一化处理，得到多个归一化结果。
可选地，在得到多个归一化结果之后，可以将该多个归一化结果输入至输出层，输出层可以对多个归一化结果进行融合处理，得到瞬时换道信息。
作为一种可选的实施例方式，步骤S104，将累计换道信息和瞬时换道信息融合，得到车辆的目标换道信息，包括：将累积换道信息和瞬时换道信息输入至全连接层进行融合，得到融合数值；基于融合数值和目标阈值，确定车辆的目标换道信息。
在该实施例中，可以将累积换道信息和瞬时换道信息通过全连接层进行融合，得到的融合数值。之后，可以将该融合数值与目标阈值进行比较，如果该融合数值大于目标阈值，则确定目标换道信息用于指示车辆换道；如果该融合数值不大于目标阈值，则确定目标换道信息用于指示车辆不换道。其中，该目标阈值可以预先设置，例如，该目标阈值可以为0.5，此处不做具体限制。
本实施例通过获取预设时间范围内车辆的信息采集范围内的道路信息，该道路信息中包括距离信息和速度信息，进而基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息，基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息，之后，将获取到的累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，也就是说，本发明实施例提供的车辆的信息处理方法，不仅获取了车辆的累积换道信息，还获取了车辆的瞬时换掉意图，通过将累积换道信息与瞬时换道信息融合，获取车辆的目标换道信息，由于该目标换道信息是基于累积换道信息和瞬时换道信息得到的，因此，在面对一些突发情况时，该目标换道信息可以准确的指示车辆的目标换道意图，达到了车辆安全换道的目的，进而实现了提升车辆换道安全性的技术效果，解决了车辆换道安全性较差的技术问题。
实施例2
下面结合优选的实施方式对本发明实施例的技术方案进行举例说明。
车辆在行驶过程中，换道主要取决于驾驶员的生理状态和心理活动，很多交通事故都是人为不合理换道所导致的，基于此，在自动驾驶领域，可自主换道是考验自动驾驶车辆的一项重要指标，可自主换道的研究可以极大程度预防此类交通事故的发生。
目前，主要通过模糊逻辑算法对车辆的变道行为进行预测，以此来提升车辆自主换道的安全性，但是利用该方法对车辆的变道行为进行预测时，预测准确率主要依赖于使用的规则是否全面，输入变量所考虑的指标是否全面，基于此，在面对一些复杂的交通场景时，由于可使用规则有限，可能导致车辆换道安全性较低。
然而，本发明实施例提出的车辆的信息处理方法，可以通过获取预设时间范围内车辆的信息采集范围内的道路信息，来确定累积换道意图提取模块的多个第一输入变量和瞬时换道意图提取模块的第二输入变量，进而基于累积换道意图提取模块来确定车辆的累积换道信息，基于瞬时换道意图提取模块来确定车辆的瞬时换道信息，将累积换道信息和瞬时换道信息融合，获取车辆的目标换道信息，该目标换道信息可以用于指示车辆是否换道。也就是说，本发明实施例既可以基于预设时间范围内采集到的道路信息来确定车辆的累积换道信息，也可以基于当前时刻的前一时刻的道路信息来确定车辆的瞬时换道信息，最后将累积换道信息和瞬时换道信息融合来获取车辆的目标换道信息，这样即使在面对一些突发情况，目标换道信息可以准确的指示车辆是否换道，达到了车辆安全换道的目的，进而实现了提升车辆换道安全性的技术效果，解决了车辆换道安全性较差的技术问题。
下一步对本发明实施例所提供的车辆的信息处理方法做进一步举例介绍，图4是根据本发明实施例的另一种车辆的信息处理方法的流程图，在该方法可以包括以下步骤：
步骤S401，获取预设时间范围内车辆的信息采集范围内采集到的道路信息。
在该实施例中，车辆的雷达和/或图像采集设备可以以预设时间间隔不断获取车辆的信息采集范围内的道路信息，其中，如图2所示，获取到的道路信息中包括车辆的当前车道上位于车辆S前方的车辆F与车辆S之间的距离信息GF，车辆的相邻车道上位于车辆S前方的车辆NF与车辆S之间的距离信息GNF、车辆的相邻车道上位于车辆后方的车辆NB与车辆S之间的距离信息GNB，车辆的相邻车道上位于车辆前方的车辆NF与位于车辆后方的车辆NB之间的距离信息GNFB，另外，获取到的道路信息中包括车辆S的速度信息Vs，车辆的当前车道上位于车辆S前方的车辆F的速度信息VF，车辆的相邻车道上位于车辆S前方的车辆的速度信息VNF以及车辆的相邻车道上位于车辆后方的车辆的速度信息VNB。
步骤S402，获取累积换道意图提取模块的第一输入变量。
在该实施例中，可以获取预设时间范围内车辆的信息采集范围内的道路信息，其中，该预设时间范围内可以包括多个时刻获取到的道路信息，其中，每个时刻获取到的道路信息中均包括GF、GNF、GNB、GNFB、Vs、VF、VNF、VNB，基于此，可以将每一时刻获取到的道路信息作为累积换道意图提取模块的第一输入变量，进而得到多个第一输入变量。
步骤S403，将第一输入变量输入累积换道意图提取模块进行特征提取，得到累积换道信息。
在该实施例中，可以将多个第一输入变量输入至累积换道意图提取模块中进行处理，其中该累积换道意图提取模块包括二维卷积层、LSTM层、全连接层。
可选地，图5是根据本发明实施例的一种换道意图提取模块的示意图。如图5所示，该换道意图提取模块中包括累积换道意图提取模，累积换道意图提取模块的多个司仪输入变量可以构成一个w*n的矩阵，可以将该w*n的矩阵输入至二维卷积层，该二维卷积层可以对该w*n的矩阵进行卷积处理，进而得到一个w*1的矩阵。之后，可以将该w*1的矩阵输入至LSTM层进行处理，得到多个第一输入变量的时间依赖关系。之后，可以将该LSTM层的输入结果输入至全连接层进行融合处理，得到累积换道信息。
步骤S404，获取瞬时换道意图提取模块的第二输入变量。
在该实施例中，可以从预设时间范围获取到的车辆的信息采集范围内的道路信息中获取当前时刻的前一时刻采集到的距离信息，其中，该距离信息中可以包括GF、GNF、GNB、GNFB，基于此，可以将该当前时刻的前一时刻获取到的距离信息作为第二输入变量。
步骤S405，将第二输入变量输入至瞬时换道意图提取模块中进行多级处理，得到瞬时换道信息。
在该实施例中，在获取到第二输入变量之后，可以将第二输入变量输入至瞬时换道意图提取模块中进行处理，其中，如图5所示，该瞬时换道意图提取模块包括输入层、模糊化层、模糊推理层、去模糊化层、输出层。基于此，可以通过输入层、模糊化层、模糊推理层、去模糊化层、输出层依次对第二输入变量进行处理，得到瞬时换道信息。
可选地，如图5所示，该瞬时换道意图提取模块的输入层包括4个节点，4个节点分别对应第二输入变量中的4个参数GF、GNF、GNB和GNFB。该输入层中的每个节点用于将第二输入变量中的参数传输至模糊化层。
可选地，模糊化层对应有4个输入变量input1、input2、input3、input4。其中，可以将每个输入变量划分为3个模糊度，例如当输入变量为input1时，对应的3个模糊度可以为in1mf1、in1mf2、in1mf3，当输入变量为input2时，对应的3个模糊度可以为in2mf1、in2mf2、in2mf3，当输入变量为input3时，对应的3个模糊度可以为in3mf1、in3mf2、in3mf3，当输入变量为input4时，对应的3个模糊度可以为in4mf1、in4mf2、in4mf3。其中，如图5所示，每个模糊度可以对应一个节点，则4个输入变量对应的12个模糊度可以对应有12个节点。其中，每个节点的输入为各个模糊度对应的隶属度函数，每个节点的输出为各个模糊度对应的隶属函数值。其中，每个隶属函数值的取值范围为[0,1]。
可选地，模糊推理层的每个节点与模糊化层中的每个节点相连接，基于此，模糊推理层可以对应有81个节点，其中，每个节点对应一种推理规则，也即共对应有81种推理规则。该模糊推理层中的每个节点用于对模糊化层中的每个节点输出的结果进行模糊处理，得到模糊推理结果。
可选地，去模糊化层中的每个节点与模糊推理层中的节点数对应，去模糊化层中的每个节点用于对模糊推理层输出的结果进行归一化处理，得到归一化结果。
可选地，输出层用于对去模糊化层中的每个节点输出的归一化结果进行融合处理，得到瞬时换道信息。
步骤S406，将累积换道信息和瞬时换道信息输入至全连接层进行融合处理，得到目标换道信息。
在该实施例中，如图5所示，可以将累积换道信息和瞬时换道信息输入至全连接层进行融合处理，得到融合数值。之后，将融合数值与目标阈值进行比较，如果融合数值大于目标阈值，则确定目标换道信息用于指示车辆换道；如果融合数值不大于目标阈值，则确定目标换道信息用于指示车辆不换道。
在该实施例中，通过获取预设时间范围内车辆的信息采集范围内的道路信息，该道路信息中包括距离信息和速度信息，进而基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息，基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息，之后，将获取到的累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，也就是说，本发明实施例提供的车辆的信息处理方法，不仅获取了车辆的累积换道信息，还获取了车辆的瞬时换掉意图，通过将累积换道信息与瞬时换道信息融合，获取车辆的目标换道信息，由于该目标换道信息是基于累积换道信息和瞬时换道信息得到的，因此，在面对一些突发情况时，该目标换道信息可以准确的指示车辆的目标换道意图，达到了车辆安全换道的目的，进而实现了提升车辆换道安全性的技术效果，解决了车辆换道安全性较差的技术问题。
实施例3
根据本发明实施例，还提供了一种车辆的信息处理装置。需要说明的是，该车辆的信息处理装置可以用于执行实施例1中的车辆的信息处理方法。
图6是根据本发明实施例的一种车辆的信息处理装置的示意图。如图6所示，车辆的信息处理装置600可以包括：获取模块601、第一确定模块602、第二确定模块603和融合模块604。
获取模块601，用于获取预设时间范围内车辆的信息采集范围内采集到的道路信息，其中，道路信息包括车辆的当前车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象与车辆之间的距离信息、车辆的相邻车道上的道路对象之间的距离信息、车辆的速度信息以及道路对象的速度信息。
第一确定模块602，用于基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息。
第二确定模块603，用于基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息。
融合模块604，用于将累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，其中，目标换道信息用于指示车辆是否需要换道。
可选地，第一确定模块602包括：第一确定单元，用于将预设时间范围内每一时刻采集到的距离信息和速度信息确定为第一输入变量，得到多个第一输入变量；特征提取单元，用于将多个第一输入变量输入累积换道意图提取模块进行特征提取，得到累积换道信息。
可选地，第二确定模块603包括：第二确定单元，用于将距离信息确定为瞬时换道意图提取模块的第二输入变量；处理单元，用于将第二输入变量输入瞬时换道意图模块进行多级处理，得到瞬时换道信息。
可选地，瞬时换道意图提取模块包括输入层、模糊化层、模糊推理层、去模糊化层和输出层，处理单元包括：传输子单元，用于通过输入层将第二输入变量传输至模糊化层，其中，模糊化层用于根据隶属度函数获取第二输入变量对应的隶属函数值；确定子单元，用于基于模糊化层中每个节点输出的隶属函数值，确定模糊推理层的第三输入变量；处理子单元，用于基于去模糊化层对模糊推理结果进行归一化处理，得到归一化结果；融合子单元，用于基于输出层对归一化结果进行融合，得到累积换道信息。
可选地，融合模块604包括：融合单元，用于将累积换道信息和瞬时换道信息进行融合，得到融合数值；第三确定单元，用于基于融合数数值和目标阈值，确定车辆的目标换道信息。
可选地，第三确定单元还用于，响应于融合数值大于目标阈值，确定目标换道信息用于指示车辆换道；响应于融合数值不大于标阈值，确定目标换道信息用于指示车辆不换道。
在该实施例中，获取模块，用于获取预设时间范围内车辆的信息采集范围内采集到的道路信息；第一确定模块，用于基于累积换道意图提取模块和预设时间范围内采集到的距离信息和速度信息确定车辆的累积换道信息；第二确定模块，用于基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的距离信息确定车辆的瞬时换道信息；融合模块，用于将累积换道信息和瞬时换道信息融合，得到车辆的目标换道信息，其中，目标换道信息用于指示车辆是否需要换道。也就是说，本发明实施例提供的车辆的信息处理方法，不仅获取了车辆的累积换道信息，还获取了车辆的瞬时换掉意图，通过将累积换道信息与瞬时换道信息融合，获取车辆的目标换道信息，由于该目标换道信息是基于累积换道信息和瞬时换道信息得到的，因此，在面对一些突发情况时，该目标换道信息可以准确的指示车辆的目标换道意图，达到了车辆安全换道的目的，进而实现了提升车辆换道安全性的技术效果，解决了车辆换道安全性较差的技术问题。
实施例4
根据本发明实施例，还提供了一种计算机可读存储介质，该存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行实施例1中的车辆的信息处理方法。
实施例5
根据本发明实施例，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中的车辆的信息处理方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如模块的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种车辆的信息处理方法，其特征在于，所述方法包括：
获取预设时间范围内车辆的信息采集范围内采集到的道路信息，其中，所述道路信息包括所述车辆的当前车道上的道路对象与所述车辆之间的距离信息、所述车辆的相邻车道上的道路对象与所述车辆之间的距离信息、所述车辆的相邻车道上的道路对象之间的距离信息、所述车辆的速度信息以及所述道路对象的速度信息；
基于累积换道意图提取模块和所述预设时间范围内采集到的所述距离信息和所述速度信息确定所述车辆的累积换道信息；
基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的所述距离信息确定所述车辆的瞬时换道信息；
将所述累积换道信息和所述瞬时换道信息融合，得到所述车辆的目标换道信息，其中，所述目标换道信息用于指示所述车辆是否需要换道。
2.根据权利要求1所述的方法，其特征在于，所述基于累积换道意图提取模块和所述预设时间范围内采集到的所述距离信息和所述速度信息确定所述车辆的累积换道信息，包括：
将所述预设时间范围内每一时刻采集到的所述距离信息和所述速度信息确定为第一输入变量，得到多个第一输入变量；
将所述多个第一输入变量输入所述累积换道意图提取模块进行特征提取，得到所述累积换道信息。
3.根据权利要求1所述的方法，其特征在于，所述基于瞬时换道意图提取模块和所述当前时刻的前一时刻采集到的所述距离信息确定所述车辆的瞬时换道信息，包括：
将所述距离信息确定为所述瞬时换道意图提取模块的第二输入变量；
将所述第二输入变量输入所述瞬时换道意图模块进行多级处理，得到所述瞬时换道信息。
4.根据权利要求3所述的方法，其特征在于，所述瞬时换道意图提取模块包括输入层、模糊化层、模糊推理层、去模糊化层和输出层，所述将所述第二输入变量输入所述瞬时换道意图提取模块进行多级处理，包括：
通过所述输入层将所述第二输入变量传输至所述模糊化层，其中，所述模糊化层用于根据隶属度函数获取所述第二输入变量对应的隶属函数值；
基于所述模糊化层中每个节点输出的所述隶属函数值，确定所述模糊推理层的第三输入变量；
将所述第三输入变量输入所述模糊推理层进行处理，得到模糊推理结果；
基于所述去模糊化层对所述模糊推理结果进行归一化处理，得到归一化结果；
基于所述输出层对所述归一化结果进行融合，得到所述累积换道信息。
5.根据权利要求4所述的方法，其特征在于，所述换道意图提取模块还包括全连接层，所述将所述累积换道信息和所述瞬时换道信息融合，得到所述车辆的目标换道信息，包括：
将所述累积换道信息和所述瞬时换道信息进行融合，得到所述融合数值；
基于所述融合数数值和目标阈值，确定所述车辆的所述目标换道信息。
6.根据权利要求5所述的方法，其特征在于，所述基于所述融合数值和目标阈值，确定所述车辆的所述目标换道信息，包括：
响应于所述融合数值大于所述目标阈值，确定所述目标换道信息用于指示所述车辆换道；
响应于所述融合数值不大于所述目标阈值，确定所述目标换道信息用于指示所述车辆不换道。
7.一种车辆的信息处理装置，其特征在于，包括：
获取模块，用于获取预设时间范围内车辆的信息采集范围内采集到的道路信息，其中，所述道路信息包括所述车辆的当前车道上的道路对象与所述车辆之间的距离信息、所述车辆的相邻车道上的道路对象与所述车辆之间的距离信息、所述车辆的相邻车道上的道路对象之间的距离信息、所述车辆的速度信息以及所述道路对象的速度信息；
第一确定模块，用于基于累积换道意图提取模块和所述预设时间范围内采集到的所述距离信息和所述速度信息确定所述车辆的累积换道信息；
第二确定模块，用于基于瞬时换道意图提取模块和当前时刻的前一时刻采集到的所述距离信息确定所述车辆的瞬时换道信息；
融合模块，用于将所述累积换道信息和所述瞬时换道信息融合，得到所述车辆的目标换道信息，其中，所述目标换道信息用于指示所述车辆是否需要换道。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的方法。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被所述处理器运行时执行权利要求1至6中任意一项所述的方法。
10.一种车辆，其特征在于，所述车辆用于执行权利要求1至6中任意一项所述的方法。
CN202211144745.6A 2022-09-20 2022-09-20 车辆的信息处理方法、装置、存储介质和处理器 Pending CN115512540A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211144745.6A CN115512540A (zh) 2022-09-20 2022-09-20 车辆的信息处理方法、装置、存储介质和处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211144745.6A CN115512540A (zh) 2022-09-20 2022-09-20 车辆的信息处理方法、装置、存储介质和处理器

Publications (1)

Publication Number Publication Date
CN115512540A true CN115512540A (zh) 2022-12-23

Family

ID=84504646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211144745.6A Pending CN115512540A (zh) 2022-09-20 2022-09-20 车辆的信息处理方法、装置、存储介质和处理器

Country Status (1)

Country Link
CN (1) CN115512540A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110733506A (zh) * 2019-10-17 2020-01-31 上海舵敏智能科技有限公司 无人驾驶车辆的车道变更方法及设备
CN111413973A (zh) * 2020-03-26 2020-07-14 北京汽车集团有限公司 车辆的换道决策方法及装置、电子设备、存储介质
CN112053589A (zh) * 2020-08-18 2020-12-08 北京航空航天大学 一种目标车辆换道行为自适应识别模型构建方法
CN112498354A (zh) * 2020-12-25 2021-03-16 郑州轻工业大学 考虑个性化驾驶体验的多时间尺度自学习变道方法
CN113848913A (zh) * 2021-09-28 2021-12-28 北京三快在线科技有限公司 一种无人驾驶设备的控制方法及控制装置
CN113954836A (zh) * 2020-07-20 2022-01-21 广州汽车集团股份有限公司 分段式导航换道方法及其系统、计算机设备、存储介质
CN114170789A (zh) * 2021-10-20 2022-03-11 南京理工大学 基于时空图神经网络的智能网联车换道决策建模方法
CN114228747A (zh) * 2022-01-25 2022-03-25 同济大学 基于贝叶斯网络的高速公路换道决策方法
CN114612867A (zh) * 2022-01-17 2022-06-10 北京理工大学 一种基于BiLSTM-CRF模型的车辆变道意图预测的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110733506A (zh) * 2019-10-17 2020-01-31 上海舵敏智能科技有限公司 无人驾驶车辆的车道变更方法及设备
CN111413973A (zh) * 2020-03-26 2020-07-14 北京汽车集团有限公司 车辆的换道决策方法及装置、电子设备、存储介质
CN113954836A (zh) * 2020-07-20 2022-01-21 广州汽车集团股份有限公司 分段式导航换道方法及其系统、计算机设备、存储介质
CN112053589A (zh) * 2020-08-18 2020-12-08 北京航空航天大学 一种目标车辆换道行为自适应识别模型构建方法
CN112498354A (zh) * 2020-12-25 2021-03-16 郑州轻工业大学 考虑个性化驾驶体验的多时间尺度自学习变道方法
CN113848913A (zh) * 2021-09-28 2021-12-28 北京三快在线科技有限公司 一种无人驾驶设备的控制方法及控制装置
CN114170789A (zh) * 2021-10-20 2022-03-11 南京理工大学 基于时空图神经网络的智能网联车换道决策建模方法
CN114612867A (zh) * 2022-01-17 2022-06-10 北京理工大学 一种基于BiLSTM-CRF模型的车辆变道意图预测的方法
CN114228747A (zh) * 2022-01-25 2022-03-25 同济大学 基于贝叶斯网络的高速公路换道决策方法

Similar Documents

Publication Publication Date Title
EP3272611B1 (en) Information processing system, information processing method, and program
CN111860561A (zh) 网约车的异常停留行为识别方法、装置、设备及存储介质
CN109243181A (zh) 交通事故预警方法、装置、终端设备及存储介质
EP1548678A1 (de) Verfahren und Computerprogramm zum Erkennen von Unaufmerksamkeiten des Fahrers eines Fahrzeugs
CN111301404B (zh) 车辆的控制方法及装置、存储介质及处理器
CN107323458B (zh) 基于驾驶员性别的家庭用车驾驶辅助方法
CN112257542B (zh) 障碍物感知方法、存储介质及电子设备
CN112141098A (zh) 一种智能驾驶汽车避障决策方法及装置
CN116331221A (zh) 辅助驾驶方法、装置、电子设备及存储介质
CN115512540A (zh) 车辆的信息处理方法、装置、存储介质和处理器
CN113674317A (zh) 一种高位视频的车辆跟踪方法及装置
CN113232668B (zh) 一种驾驶辅助方法、系统、介质及终端
CN110758398A (zh) 驾驶风险的检测方法及装置
CN111833621A (zh) 车道导向线生成方法、装置、存储介质及计算机设备
CN115014366A (zh) 一种目标融合方法、装置、车辆及存储介质
CN113077638B (zh) 用于车速推荐的方法、装置及设备
CN113537087A (zh) 一种智慧交通信息处理方法、装置及服务器
CN112918463A (zh) 车辆自动跟车的方法、设备及车辆
Ma et al. Lane change analysis and prediction using mean impact value method and logistic regression model
CN111483463A (zh) 基于车载单元和路侧单元的预判超车方法、存储介质
CN114287008A (zh) 用于压缩神经网络的方法
CN109447127A (zh) 数据处理方法及装置
CN114056425B (zh) 车辆转向控制方法、装置、车辆及存储介质
CN111443621B (zh) 一种模型生成方法、模型生成装置及电子设备
DE102018131455A1 (de) Kollisionsvermeidung zwischen Verkehrsteilnehmern

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