CN116923455A - 一种行驶轨迹生成方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本公开提供了一种行驶轨迹生成方法、装置、计算机设备及存储介质，应用于目标车辆，其中，该方法包括：获取所述目标车辆行驶过程中采集的环境信息；基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果；基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

Description

一种行驶轨迹生成方法、装置、计算机设备及存储介质

技术领域

本公开涉及计算机技术领域，具体而言，涉及一种行驶轨迹生成方法、装置、计算机设备及存储介质。

背景技术

随着人工智能技术的快速发展，具有自动驾驶功能的智能汽车逐渐走进了人们的日常生活。在自动驾驶功能中，可以根据车辆采集的环境信息进行驾驶行为决策，并根据决策结果进行行驶轨迹规划。

相关技术中，在根据车辆采集的环境信息进行驾驶行为决策时，往往会根据环境信息和决策规则进行驾驶行为决策，但基于规则进行驾驶行为决策在复杂多变的交通场景下，比如在车速较快的高速公路，可能存在安全隐患，使得驾驶安全性有待提升。

发明内容

本公开实施例至少提供一种行驶轨迹生成方法、装置、计算机设备及存储介质。

第一方面，本公开实施例提供了一种行驶轨迹生成方法，应用于目标车辆，包括：

获取所述目标车辆行驶过程中采集的环境信息；

基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果；

基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

一种可能的实施方式中，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

将所述目标车辆对应的行驶参数和所述目标车辆行驶过程中采集的环境信息，输入至预先训练好的第一安全诊断模型，得到所述第一安全诊断模型输出的与所述目标车辆对应的第二行为决策结果；

在所述第一行为决策结果与所述第二行为决策结果匹配的情况下，确定安全诊断结果为安全诊断通过。

一种可能的实施方式中，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆当前时刻采集的环境信息输入至预先训练好的第二安全诊断模型，得到所述第二安全诊断模型输出的第一安全诊断结果；其中，所述第一安全诊断结果用于表征所述目标车辆在当前时刻下，按照所述第一行为决策结果进行行驶的安全程度。

一种可能的实施方式中，所述方法还包括：

获取车辆内的乘员信息，并确定与所述乘员信息对应的目标安全等级；

所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

基于预先训练好的第三安全诊断模型，按照所述目标安全等级对所述第一行为决策结果进行安全诊断。

一种可能的实施方式中，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

在检测到满足预设的安全行驶检测条件下，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断；其中，所述安全行驶检测条件包括以下至少一种：

检测到障碍物与所述目标车辆的距离小于预设距离、检测到所述目标车辆的行驶速度超过预设的第一速度阈值、检测到障碍物对应的障碍物运动速度超过预设的第二速度阈值、检测到所述目标车辆与障碍物之间的速度差值超过预设的第三速度阈值、检测到所述目标车辆驶入预先设置的事故多发区域、安全行驶诊断功能被启用。

一种可能的实施方式中，所述方法还包括根据以下步骤对所述第一安全诊断模型进行训练：

获取样本数据；其中，所述样本数据包括测试车辆在各测试时刻分别对应的样本行驶参数，以及所述测试车辆在各测试时刻采集的样本环境信息，所述样本行驶参数中包括测试车辆在各测试时刻分别对应的位置信息；

针对任一所述测试时刻，将该测试时刻对应的样本行驶参数和样本环境信息输入至待训练的第一安全诊断模型中，得到所述第一安全诊断模型输出的该测试时刻的下一测试时刻对应的样本决策结果；

基于各测试时刻分别对应的样本决策结果和所述测试车辆的位置信息，确定目标损失值，并基于所述目标损失值对所述待训练的第一安全诊断模型的模型参数进行调整。

一种可能的实施方式中，所述样本环境信息中包括样本障碍物对应的障碍物运动参数；

所述方法还包括根据以下步骤对确定样本障碍物：

针对任一所述测试时刻，对该测试时刻对应的样本环境信息进行识别，确定在该测试时刻下所述测试车辆的周围物体检测结果；其中，所述周围物体检测结果中包括各待筛选物体与所述测试车辆之间的相对位置关系；

基于各待筛选物体与所述测试车辆之间的相对位置关系，确定位于所述测试车辆各预设方位上的样本障碍物。

一种可能的实施方式中，所述基于所述第一行为决策结果生成第一行驶轨迹，包括：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述第一行为决策结果匹配的第一行驶轨迹。

一种可能的实施方式中，所述方法还包括：

在安全诊断不通过的情况下，基于所述第二行为决策结果生成第二行驶轨迹；或者，

在安全诊断不通过的情况下，基于预设的直行决策结果生成第三行驶轨迹。

第二方面，本公开实施例还提供一种行驶轨迹生成装置，包括：

获取模块，用于获取所述目标车辆行驶过程中采集的环境信息；

确定模块，用于基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果；

安全诊断模块，用于基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

一种可能的实施方式中，所述安全诊断模块，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

将所述目标车辆对应的行驶参数和所述目标车辆行驶过程中采集的环境信息，输入至预先训练好的第一安全诊断模型，得到所述第一安全诊断模型输出的与所述目标车辆对应的第二行为决策结果；

在所述第一行为决策结果与所述第二行为决策结果匹配的情况下，确定安全诊断结果为安全诊断通过。

一种可能的实施方式中，所述安全诊断模块，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆当前时刻采集的环境信息输入至预先训练好的第二安全诊断模型，得到所述第二安全诊断模型输出的第一安全诊断结果；其中，所述第一安全诊断结果用于表征所述目标车辆在当前时刻下，按照所述第一行为决策结果进行行驶的安全程度。

一种可能的实施方式中，所述安全诊断模块还用于：

获取车辆内的乘员信息，并确定与所述乘员信息对应的目标安全等级；

所述安全诊断模块，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

基于预先训练好的第三安全诊断模型，按照所述目标安全等级对所述第一行为决策结果进行安全诊断。

一种可能的实施方式中，所述安全诊断模块，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

在检测到满足预设的安全行驶检测条件下，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断；其中，所述安全行驶检测条件包括以下至少一种：

检测到障碍物与所述目标车辆的距离小于预设距离、检测到所述目标车辆的行驶速度超过预设的第一速度阈值、检测到障碍物对应的障碍物运动速度超过预设的第二速度阈值、检测到所述目标车辆与障碍物之间的速度差值超过预设的第三速度阈值、检测到所述目标车辆驶入预先设置的事故多发区域、安全行驶诊断功能被启用。

一种可能的实施方式中，所述安全诊断模块还用于根据以下步骤对所述第一安全诊断模型进行训练：

获取样本数据；其中，所述样本数据包括测试车辆在各测试时刻分别对应的样本行驶参数，以及所述测试车辆在各测试时刻采集的样本环境信息，所述样本行驶参数中包括测试车辆在各测试时刻分别对应的位置信息；

针对任一所述测试时刻，将该测试时刻对应的样本行驶参数和样本环境信息输入至待训练的第一安全诊断模型中，得到所述第一安全诊断模型输出的该测试时刻的下一测试时刻对应的样本决策结果；

基于各测试时刻分别对应的样本决策结果和所述测试车辆的位置信息，确定目标损失值，并基于所述目标损失值对所述待训练的第一安全诊断模型的模型参数进行调整。

一种可能的实施方式中，所述样本环境信息中包括样本障碍物对应的障碍物运动参数；

所述安全诊断模块还用于根据以下步骤对确定样本障碍物：

针对任一所述测试时刻，对该测试时刻对应的样本环境信息进行识别，确定在该测试时刻下所述测试车辆的周围物体检测结果；其中，所述周围物体检测结果中包括各待筛选物体与所述测试车辆之间的相对位置关系；

基于各待筛选物体与所述测试车辆之间的相对位置关系，确定位于所述测试车辆各预设方位上的样本障碍物。

一种可能的实施方式中，所述安全诊断模块，在基于所述第一行为决策结果生成第一行驶轨迹时，用于：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述第一行为决策结果匹配的第一行驶轨迹。

一种可能的实施方式中，所述安全诊断模块还用于：

在安全诊断不通过的情况下，基于所述第二行为决策结果生成第二行驶轨迹；或者，

在安全诊断不通过的情况下，基于预设的直行决策结果生成第三行驶轨迹。

第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

第四方面，本公开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上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

本公开实施例提供的行驶轨迹生成方法、装置、计算机设备及存储介质，通过在基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果之后，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，再基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。这样，可以在不改变原有的行为决策结果的生成方式的情况下，对已生成的第一行为决策结果进行验证，相较于仅使用决策规则进行决策的方式，使用训练好的安全诊断模型能够充分利用网络模型强大的拟合能力，对已得到的行为决策结果进行安全诊断，并在安全诊断通过的情况下进行轨迹生成和车辆控制，提高了驾驶安全性。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本公开实施例所提供的一种行驶轨迹生成方法的流程图；

图2示出了本公开实施例所提供的行驶轨迹生成方法中，各待筛选物体与测试车辆之间的相对位置关系的示意图；

图3示出了本公开实施例所提供的一种行驶轨迹生成装置的架构示意图；

图4示出了本公开实施例所提供的一种计算机设备的结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

经研究发现，在根据车辆采集的环境信息进行驾驶行为决策时，往往会根据环境信息和决策规则进行驾驶行为决策，但基于规则进行驾驶行为决策在复杂多变的交通场景下，比如在车速较快的高速公路，可能存在安全隐患，使得驾驶安全性有待提升。

基于上述研究，本公开提供了一种行驶轨迹生成方法、装置、计算机设备及存储介质，通过在基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果之后，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，再基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。这样，可以在不改变原有的行为决策结果的生成方式的情况下，对已生成的第一行为决策结果进行验证，相较于仅使用决策规则进行决策的方式，使用训练好的安全诊断模型能够充分利用网络模型强大的拟合能力，对已得到的行为决策结果进行安全诊断，并在安全诊断通过的情况下进行轨迹生成和车辆控制，提高了驾驶安全性。

为便于对本实施例进行理解，首先对本公开实施例所公开的一种车辆控制方法进行详细介绍，本公开实施例所提供的车辆控制方法的执行主体一般为部署在目标车辆上的具有一定计算能力的计算机设备，所述目标车辆可以为具有智能驾驶功能的车辆，所述智能驾驶功能可以包括自动驾驶、辅助驾驶等，该计算机设备例如可以是目标车辆的车载终端。

参见图1所示，为本公开实施例提供的行驶轨迹生成方法的流程图，所述方法包括S101～S103，其中：

S101：获取所述目标车辆行驶过程中采集的环境信息。

S102：基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果。

S103：基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

以下是对上述步骤的详细介绍。

针对S101和S102，所述环境信息可以包括障碍物参数，所述障碍物参数可以包括障碍物运动速度、障碍物加速度、障碍物急动度、障碍物位置、障碍物所在车道等；由于采集环境信息需要消耗较多的计算资源，因此可以间歇的采集环境信息，而不是一直连续的对环境信息进行采集，以降低目标车辆的计算资源消耗；所述决策规则可以包含多个决策语句，所述决策语句用于表征环境信息与各第一行为决策之间的映射关系，所述决策语句例如可以为，在环境信息为“左后方和右后方均有车辆快速行驶”的情况下，则行为决策可以为“保持直行”；所述第一决策结果可以包括保持直行、直行超车、直行让行、左转、左转超车、左转让行、右转、右转超车、右转让行等。

一种可能的实施方式中，在基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果时，可以基于所述环境信息和所述决策规则中包含的多个决策语句进行匹配，从所述多个决策语句中确定与所述环境信息匹配的目标决策语句，并将所述目标决策语句中包含的行为决策，作为与所述环境信息对应的第一行为决策。

具体的，在从所述多个决策语句中确定与所述环境信息匹配的目标决策语句时，针对任一决策语句，可以基于该决策语句的决策前提中包含的环境信息，与所述目标车辆行驶过程中采集的环境信息之间的相似度，确定所述目标车辆行驶过程中采集的环境信息，与该决策语句的匹配程度；基于所述目标车辆行驶过程中采集的环境信息，与各决策语句分别对应的匹配程度，从所述多个决策语句中确定与所述环境信息匹配的目标决策语句。

针对S103、

这里，所述第二决策结果可以包括保持直行、直行超车、直行让行、左转、左转超车、左转让行、右转、右转超车、右转让行等；所述安全诊断模型的模型类型可以为神经网络模型，相较于使用决策规则进行行为决策，由于神经网络模型具有更强大的拟合能力，因为可以得到更符合需求的输出结果，因此可以使用安全诊断模型对所述第一行为决策结果进行安全诊断，以确定第一行为决策结果是否符合安全需求；所述按照所述第一行驶轨迹进行车辆控制，包括按照所述第一行驶轨迹控制目标车辆加速、减速、转向、制动等，或者可以播放语音提示信息，以提示驾驶员控制目标车辆加速、减速、转向、制动等。

一种可能的实施方式中，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，可以是在检测到满足预设的安全行驶检测条件下，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断；其中，所述安全行驶检测条件包括以下至少一种：

条件1、检测到障碍物与所述目标车辆的距离小于预设距离。

这里，若检测到障碍物与所述目标车辆的距离小于预设距离，则表明此时目标车辆存在于障碍物发生碰撞的风险，也即存在安全行驶检测的需求，此时可以基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，以提高目标车辆在行驶过程中的安全性。

条件2、检测到所述目标车辆的行驶速度超过预设的第一速度阈值。

这里，若检测到所述目标车辆的行驶速度超过预设的第一速度阈值，则表明此时目标车辆存在于障碍物发生碰撞的风险，也即存在安全行驶检测的需求，此时可以基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，以提高目标车辆在行驶过程中的安全性。

条件3、检测到障碍物对应的障碍物运动速度超过预设的第二速度阈值。

这里，若检测到障碍物对应的障碍物运动速度超过预设的第二速度阈值，则表明此时障碍物正在快速运动，存在发生碰撞的风险和安全行驶检测的需求，此时可以基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，以提高目标车辆在行驶过程中的安全性。

条件4、检测到所述目标车辆与障碍物之间的速度差值超过预设的第三速度阈值。

这里，若检测到所述目标车辆与障碍物之间的速度差值超过预设的第三速度阈值，则表明此时障碍物的运动速度超过了目标车辆(也即障碍物正在相对于目标车辆进行快速运动)，此时存在发生碰撞的风险和安全行驶检测的需求，因此可以基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，以提高目标车辆在行驶过程中的安全性。

条件5、检测到所述目标车辆驶入预先设置的事故多发区域。

这里，所述事故多发区域可以是基于各区域的事故发生频率预先设置的，若检测到所述目标车辆驶入预先设置的事故多发区域，则表明此时存在发生碰撞的风险和安全行驶检测的需求，因此可以基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，以提高目标车辆在行驶过程中的安全性。

条件6、安全行驶诊断功能被启用。

这里，由于安全行驶诊断功能需要耗费额外的时间和计算资源对已得到的行为决策结果进行验证，可能会影响到所述目标车辆行驶过程中的其他功能，因此是否启用安全行驶诊断功能可以由用户决定，比如可以设置安全行驶诊断开启按钮和安全行驶诊断关闭按钮，当用户预先触发所述安全行驶诊断开启按钮后，则可以启用所述安全行驶诊断功能，也即基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断；而当用户预先触发所述安全行驶诊断关闭按钮后，则可以关闭所述安全行驶诊断功能，以减少所述目标车辆的实时负载。

这样，通过设置安全行驶检测条件，并在满足安全行驶检测条件的情况下基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，可以在由安全检测需求的情况下才进行安全诊断，从而可以兼顾车辆在行驶过程中的安全性和实时负载。

其中，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，可以通过以下方式中的至少一种：

方式1、使用输出结果为决策结果的第一安全诊断模型进行安全诊断。

这里，所述第一安全诊断模型的网络类型可以为Transformer模型、卷积神经网络(Convolutional Neural Networks，CNN)、深度残差网络(Deep Residual Network，ResNet)、循环神经网络(Recurrent Neural Network，RNN)等。

具体的，在使用第一安全诊断模型进行安全诊断时可以通过以下步骤A1～A2：

A1：将所述目标车辆对应的行驶参数和所述目标车辆行驶过程中采集的环境信息，输入至预先训练好的第一安全诊断模型，得到所述第一安全诊断模型输出的与所述目标车辆对应的第二行为决策结果。

A2：在所述第一行为决策结果与所述第二行为决策结果匹配的情况下，确定安全诊断结果为安全诊断通过。

这里，所述第一行为决策结果与所述第二行为决策结果匹配，可以是所述第一行为决策结果与所述第二行为决策结果相同，比如第一行为决策结果和第二行为决策结果均为左转；或者，所述第一行为决策结果与所述第二行为决策结果匹配，也可以是所述第二行为决策结果中包括所述第一行为决策结果，比如所述第二行为决策结果包括左转和右转，所述第一行为结果为左转，所述第二行为决策结果中包括第一行为决策结果“左转”。

一种可能的实施方式中，在对所述第一安全诊断模型进行训练时，可以通过以下步骤B1～B3：

B1：获取样本数据；其中，所述样本数据包括测试车辆在各测试时刻分别对应的样本行驶参数，以及所述测试车辆在各测试时刻采集的样本环境信息，所述样本行驶参数中包括测试车辆在各测试时刻分别对应的位置信息。

这里，所述样本环境信息中包括样本障碍物对应的障碍物运动参数。

一种可能的实施方式中，可以通过以下步骤C1～C2确定样本障碍物：

C1：针对任一所述测试时刻，对该测试时刻对应的样本环境信息进行识别，确定在该测试时刻下所述测试车辆的周围物体检测结果；其中，所述周围物体检测结果中包括各待筛选物体与所述测试车辆之间的相对位置关系。

C2：基于各待筛选物体与所述测试车辆之间的相对位置关系，确定位于所述测试车辆各预设方位上的样本障碍物。

这里，所述预设方位可以包括前、后、左、右、左前、右前、左后、右后8个方位，在基于各待筛选物体与所述测试车辆之间的相对位置关系，确定位于所述测试车辆各预设方位上的样本障碍物时，可以针对任一预设方位，可以基于各待筛选物体与所述测试车辆之间的相对位置关系，将在该预设方位上距离所述测试车辆最近的物体作为该预设方位上的样本障碍物。

示例性的，各待筛选物体与所述测试车辆之间的相对位置关系的示意图可以如图2所示，图2中，测试车辆与周围5辆待筛选物体的相对位置关系通过待筛选物体与测试车辆的连线表示，连线的实际长度用于表征待筛选物体与所述测试车辆之间的距离，连线与所述测试车辆的行驶方向之间的夹角用于表征待筛选物体相对于所述测试车辆的方位。

B2：针对任一所述测试时刻，将该测试时刻对应的样本行驶参数和样本环境信息输入至待训练的第一安全诊断模型中，得到所述第一安全诊断模型输出的该测试时刻的下一测试时刻对应的样本决策结果。

B3：基于各测试时刻分别对应的样本决策结果和所述测试车辆的位置信息，确定目标损失值，并基于所述目标损失值对所述待训练的第一安全诊断模型的模型参数进行调整。

这里，在基于各测试时刻分别对应的样本决策结果和所述测试车辆的位置信息，确定目标损失值时，可以基于目标损失函数、各测试时刻分别对应的样本决策结果以及所述测试车辆的位置信息，确定目标损失值，并基于所述目标损失值对所述待训练的第一安全诊断模型的模型参数进行调整。

具体的，在确定目标损失值时，针对任一测试时刻，可以先基于该测试时刻的下一测试时刻中所述测试车辆的位置信息，确定该测试时刻对应的实际决策结果，并基于该测试时刻对应的实际决策结果、样本决策结果以及所述目标损失函数，确定该测试时刻对应的损失值，各测试时刻分别对应的损失值构成所述目标损失值。

方式2、使用输出结果表征车辆行驶安全程度的第二安全诊断模型进行安全诊断。

这里，所述第二安全诊断模型的网络类型可以为Transformer模型、CNN模型、ResNet模型、RNN模型等。

具体的，在使用输出结果表征车辆行驶安全程度的第二安全诊断模型进行安全诊断时，可以将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆当前时刻采集的环境信息输入至预先训练好的第二安全诊断模型，得到所述第二安全诊断模型输出的第一安全诊断结果；其中，所述第一安全诊断结果用于表征所述目标车辆在当前时刻下，按照所述第一行为决策结果进行行驶的安全程度。

其中，所述目标车辆当前时刻采集的环境信息可以是在进行安全诊断时采集的环境信息，其与在基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果时使用的环境信息是不同的，因此可以在基于决策规则做出驾驶行为决策后，基于重新采集的环境信息对第一行为决策结果的安全性进行诊断。

一种可能的实施方式中，所述第二安全诊断模型的训练过程可以参照上文第一安全诊断模型的训练过程，在对所述第二安全诊断模型进行训练的过程中，可以根据下一测试时刻中测试车辆的实际位置，对当前测试时刻对应的决策结果的安全程度进行标记(也即使用标记的安全程度作为监督数据)，从而可以基于监督数据对所述第二安全诊断模型进行有监督训练，以得到训练好的第二安全诊断模型。

方式3、使用与车辆内乘员的乘员信息对应的目标安全等级和第三安全诊断模型进行安全诊断。

这里，所述第三安全诊断模型的网络类型可以为Transformer模型、CNN模型、ResNet模型、RNN模型等；安全等级用于表征乘员对应的安全需求，比如孕妇、幼儿等群体的安全需求较高，则相应的安全等级也就越高。

一种可能的实施方式中，在使用与车辆内乘员的乘员信息对应的目标安全等级和安全诊断模型进行安全诊断时，可以通过以下步骤D1～D2：

D1：获取车辆内的乘员信息，并确定与所述乘员信息对应的目标安全等级。

这里，所述乘员信息中可以包括在乘员授权后存储的年龄、性别、是否处于妊娠状态等与乘员属性相关的非实时乘员信息；或者，还可以包括用户授权后实时采集并识别的实时乘员信息，比如乘员在所述目标车辆的实时位姿信息。

具体的，在所述目标车辆中包含多名乘员(或者驾驶员和至少一名乘员)的情况下，在确定与所述乘员信息对应的目标安全等级时，可以基于所述目标车辆中各乘员分别对应的乘员信息(包括实时乘员信息和/或非实时乘员信息)，以及预设的乘员信息与安全等级之间的第一映射关系，确定与各乘员分别对应的第一安全等级；以及，根据预设的驾驶员对应的驾驶员信息(与上述乘员信息包含的内容相同)与安全等级之间的第二映射关系，确定驾驶员对应的第二安全等级；基于所述驾驶员对应的第二安全等级和所述各乘员分别对应的第一安全等级，确定所述目标安全等级；所述第一映射关系和第二映射关系可以不同，也即驾驶员的安全等级评价标准可以与乘客的安全评价标准不同，比如驾驶员的安全等级评级标准可以更为严格，孕妇作为驾驶员时对应的安全等级可以比孕妇在作为乘员时对应的安全等级的级别高。

其中，在基于所述第一安全等级和所述第二安全等级，确定目标安全等级时，可以将所述第一安全等级和所述第二安全等级中，对应的安全等级的级别最高的安全等级作为所述目标安全等级；或者，由于主驾驶位的安全措施往往最高，因此也可以将至少一个所述第一安全等级中，对应的安全等级的级别最高的安全等级作为所述目标安全等级。

D2：基于预先训练好的第三安全诊断模型，按照所述目标安全等级对所述第一行为决策结果进行安全诊断。

这里，所述第三安全诊断模型可以根据输入的当前时刻的环境信息、所述目标车辆对应的行驶参数以及第一行为决策结果，输出当前时刻对应的决策安全等级，并基于模型输出的决策安全等级和所述目标安全等级进行安全诊断。

其中，所述第三安全诊断模型的训练过程可以参照所述第二安全诊断模型的训练过程，在此不再赘述。

一种可能的实施方式中，在基于所述第一行为决策结果生成第一行驶轨迹时，可以将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述第一行为决策结果匹配的第一行驶轨迹。

这里，所述轨迹规划模型的网络类型可以为Transformer模型、CNN模型、ResNet模型、RNN模型等。

具体的，所述轨迹规划模型可以根据输入的第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息，生成在所述第一行为决策结果约束下，满足所述目标车辆对应的行驶参数和所述目标车辆采集的环境信息对应的实时行驶需求的第一行驶轨迹。

进一步的，在安全诊断不通过的情况下，还可以通过以下方式中的任一种生成行驶轨迹：

方式1、基于所述第二行为决策结果生成第二行驶轨迹。

这里，由于所述第二行为决策结果为基于安全诊断模型生成的，因此安全程度较高，可以直接基于所述第二行为决策结果生成安全程度更高的第二行驶轨迹。

具体的，在基于所述第二行为决策结果生成第二行驶轨迹时，可以将所述第二行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述第二行为决策结果匹配的第二行驶轨迹。

方式2、基于预设的直行决策结果生成第三行驶轨迹。

这里，若第一行为决策结果的安全程度较低，则可以按照默认的直行决策结果生成较为保守的第三行驶轨迹，也即不进行变道等可能存在较高风险的操作。

具体的，在基于预设的直行决策结果生成第三行驶轨迹时，可以将所述直行决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述直行决策结果匹配的第三行驶轨迹。

本公开实施例提供的行驶轨迹生成方法，通过在基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果之后，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，再基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。这样，可以在不改变原有的行为决策结果的生成方式的情况下，对已生成的第一行为决策结果进行验证，相较于仅使用决策规则进行决策的方式，使用训练好的安全诊断模型能够充分利用网络模型强大的拟合能力，对已得到的行为决策结果进行安全诊断，并在安全诊断通过的情况下进行轨迹生成和车辆控制，提高了驾驶安全性。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

基于同一发明构思，本公开实施例中还提供了与行驶轨迹生成方法对应的行驶轨迹生成装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述行驶轨迹生成方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参照图3所示，为本公开实施例提供的一种行驶轨迹生成装置的架构示意图，所述装置包括：获取模块301、确定模块302、安全诊断模块303；其中，

获取模块301，用于获取所述目标车辆行驶过程中采集的环境信息；

确定模块302，用于基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果；

安全诊断模块303，用于基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

一种可能的实施方式中，所述安全诊断模块303，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

将所述目标车辆对应的行驶参数和所述目标车辆行驶过程中采集的环境信息，输入至预先训练好的第一安全诊断模型，得到所述第一安全诊断模型输出的与所述目标车辆对应的第二行为决策结果；

在所述第一行为决策结果与所述第二行为决策结果匹配的情况下，确定安全诊断结果为安全诊断通过。

一种可能的实施方式中，所述安全诊断模块303，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆当前时刻采集的环境信息输入至预先训练好的第二安全诊断模型，得到所述第二安全诊断模型输出的第一安全诊断结果；其中，所述第一安全诊断结果用于表征所述目标车辆在当前时刻下，按照所述第一行为决策结果进行行驶的安全程度。

一种可能的实施方式中，所述安全诊断模块303还用于：

获取车辆内的乘员信息，并确定与所述乘员信息对应的目标安全等级；

所述安全诊断模块303，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

基于预先训练好的第三安全诊断模型，按照所述目标安全等级对所述第一行为决策结果进行安全诊断。

一种可能的实施方式中，所述安全诊断模块303，在基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断时，用于：

在检测到满足预设的安全行驶检测条件下，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断；其中，所述安全行驶检测条件包括以下至少一种：

检测到障碍物与所述目标车辆的距离小于预设距离、检测到所述目标车辆的行驶速度超过预设的第一速度阈值、检测到障碍物对应的障碍物运动速度超过预设的第二速度阈值、检测到所述目标车辆与障碍物之间的速度差值超过预设的第三速度阈值、检测到所述目标车辆驶入预先设置的事故多发区域、安全行驶诊断功能被启用。

一种可能的实施方式中，所述安全诊断模块303还用于根据以下步骤对所述第一安全诊断模型进行训练：

获取样本数据；其中，所述样本数据包括测试车辆在各测试时刻分别对应的样本行驶参数，以及所述测试车辆在各测试时刻采集的样本环境信息，所述样本行驶参数中包括测试车辆在各测试时刻分别对应的位置信息；

针对任一所述测试时刻，将该测试时刻对应的样本行驶参数和样本环境信息输入至待训练的第一安全诊断模型中，得到所述第一安全诊断模型输出的该测试时刻的下一测试时刻对应的样本决策结果；

基于各测试时刻分别对应的样本决策结果和所述测试车辆的位置信息，确定目标损失值，并基于所述目标损失值对所述待训练的第一安全诊断模型的模型参数进行调整。

一种可能的实施方式中，所述样本环境信息中包括样本障碍物对应的障碍物运动参数；

所述安全诊断模块303还用于根据以下步骤对确定样本障碍物：

针对任一所述测试时刻，对该测试时刻对应的样本环境信息进行识别，确定在该测试时刻下所述测试车辆的周围物体检测结果；其中，所述周围物体检测结果中包括各待筛选物体与所述测试车辆之间的相对位置关系；

基于各待筛选物体与所述测试车辆之间的相对位置关系，确定位于所述测试车辆各预设方位上的样本障碍物。

一种可能的实施方式中，所述安全诊断模块303，在基于所述第一行为决策结果生成第一行驶轨迹时，用于：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述第一行为决策结果匹配的第一行驶轨迹。

一种可能的实施方式中，所述安全诊断模块303还用于：

在安全诊断不通过的情况下，基于所述第二行为决策结果生成第二行驶轨迹；或者，

在安全诊断不通过的情况下，基于预设的直行决策结果生成第三行驶轨迹。

本公开实施例提供的行驶轨迹生成装置，通过在基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果之后，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，再基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。这样，可以在不改变原有的行为决策结果的生成方式的情况下，对已生成的第一行为决策结果进行验证，相较于仅使用决策规则进行决策的方式，使用训练好的安全诊断模型能够充分利用网络模型强大的拟合能力，对已得到的行为决策结果进行安全诊断，并在安全诊断通过的情况下进行轨迹生成和车辆控制，提高了驾驶安全性。

关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图4所示，为本公开实施例提供的计算机设备400的结构示意图，包括处理器401、存储器402、和总线403。其中，存储器402用于存储执行指令，包括内存4021和外部存储器4022；这里的内存4021也称内存储器，用于暂时存放处理器401中的运算数据，以及与硬盘等外部存储器4022交换的数据，处理器401通过内存4021与外部存储器4022进行数据交换，当计算机设备400运行时，处理器401与存储器402之间通过总线403通信，使得处理器401在执行以下指令：

获取所述目标车辆行驶过程中采集的环境信息；

基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果；

基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

一种可能的实施方式中，所述处理器401的指令中，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

将所述目标车辆对应的行驶参数和所述目标车辆行驶过程中采集的环境信息，输入至预先训练好的第一安全诊断模型，得到所述第一安全诊断模型输出的与所述目标车辆对应的第二行为决策结果；

在所述第一行为决策结果与所述第二行为决策结果匹配的情况下，确定安全诊断结果为安全诊断通过。

一种可能的实施方式中，所述处理器401的指令中，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆当前时刻采集的环境信息输入至预先训练好的第二安全诊断模型，得到所述第二安全诊断模型输出的第一安全诊断结果；其中，所述第一安全诊断结果用于表征所述目标车辆在当前时刻下，按照所述第一行为决策结果进行行驶的安全程度。

一种可能的实施方式中，所述处理器401的指令中，还包括：

获取车辆内的乘员信息，并确定与所述乘员信息对应的目标安全等级；

所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

基于预先训练好的第三安全诊断模型，按照所述目标安全等级对所述第一行为决策结果进行安全诊断。

一种可能的实施方式中，所述处理器401的指令中，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

在检测到满足预设的安全行驶检测条件下，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断；其中，所述安全行驶检测条件包括以下至少一种：

检测到障碍物与所述目标车辆的距离小于预设距离、检测到所述目标车辆的行驶速度超过预设的第一速度阈值、检测到障碍物对应的障碍物运动速度超过预设的第二速度阈值、检测到所述目标车辆与障碍物之间的速度差值超过预设的第三速度阈值、检测到所述目标车辆驶入预先设置的事故多发区域、安全行驶诊断功能被启用。

一种可能的实施方式中，所述处理器401的指令中，还包括根据以下步骤对所述第一安全诊断模型进行训练：

获取样本数据；其中，所述样本数据包括测试车辆在各测试时刻分别对应的样本行驶参数，以及所述测试车辆在各测试时刻采集的样本环境信息，所述样本行驶参数中包括测试车辆在各测试时刻分别对应的位置信息；

针对任一所述测试时刻，将该测试时刻对应的样本行驶参数和样本环境信息输入至待训练的第一安全诊断模型中，得到所述第一安全诊断模型输出的该测试时刻的下一测试时刻对应的样本决策结果；

基于各测试时刻分别对应的样本决策结果和所述测试车辆的位置信息，确定目标损失值，并基于所述目标损失值对所述待训练的第一安全诊断模型的模型参数进行调整。

一种可能的实施方式中，所述处理器401的指令中，所述样本环境信息中包括样本障碍物对应的障碍物运动参数；

还包括根据以下步骤对确定样本障碍物：

针对任一所述测试时刻，对该测试时刻对应的样本环境信息进行识别，确定在该测试时刻下所述测试车辆的周围物体检测结果；其中，所述周围物体检测结果中包括各待筛选物体与所述测试车辆之间的相对位置关系；

基于各待筛选物体与所述测试车辆之间的相对位置关系，确定位于所述测试车辆各预设方位上的样本障碍物。

一种可能的实施方式中，所述处理器401的指令中，所述基于所述第一行为决策结果生成第一行驶轨迹，包括：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述第一行为决策结果匹配的第一行驶轨迹。

一种可能的实施方式中，所述处理器401的指令中，还包括：

在安全诊断不通过的情况下，基于所述第二行为决策结果生成第二行驶轨迹；或者，

在安全诊断不通过的情况下，基于预设的直行决策结果生成第三行驶轨迹。

本公开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上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的行驶轨迹生成方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。

本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的行驶轨迹生成方法的步骤，具体可参见上述方法实施例，在此不再赘述。

其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述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网络单元上。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，在本公开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。

所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开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(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (12)

1.一种行驶轨迹生成方法，其特征在于，应用于目标车辆，包括：

获取所述目标车辆行驶过程中采集的环境信息；

基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果；

基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

2.根据权利要求1所述的方法，其特征在于，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

将所述目标车辆对应的行驶参数和所述目标车辆行驶过程中采集的环境信息，输入至预先训练好的第一安全诊断模型，得到所述第一安全诊断模型输出的与所述目标车辆对应的第二行为决策结果；

在所述第一行为决策结果与所述第二行为决策结果匹配的情况下，确定安全诊断结果为安全诊断通过。

3.根据权利要求1所述的方法，其特征在于，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆当前时刻采集的环境信息输入至预先训练好的第二安全诊断模型，得到所述第二安全诊断模型输出的第一安全诊断结果；其中，所述第一安全诊断结果用于表征所述目标车辆在当前时刻下，按照所述第一行为决策结果进行行驶的安全程度。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取车辆内的乘员信息，并确定与所述乘员信息对应的目标安全等级；

所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

基于预先训练好的第三安全诊断模型，按照所述目标安全等级对所述第一行为决策结果进行安全诊断。

5.根据权利要求1所述的方法，其特征在于，所述基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，包括：

在检测到满足预设的安全行驶检测条件下，基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断；其中，所述安全行驶检测条件包括以下至少一种：

检测到障碍物与所述目标车辆的距离小于预设距离、检测到所述目标车辆的行驶速度超过预设的第一速度阈值、检测到障碍物对应的障碍物运动速度超过预设的第二速度阈值、检测到所述目标车辆与障碍物之间的速度差值超过预设的第三速度阈值、检测到所述目标车辆驶入预先设置的事故多发区域、安全行驶诊断功能被启用。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括根据以下步骤对所述第一安全诊断模型进行训练：

获取样本数据；其中，所述样本数据包括测试车辆在各测试时刻分别对应的样本行驶参数，以及所述测试车辆在各测试时刻采集的样本环境信息，所述样本行驶参数中包括测试车辆在各测试时刻分别对应的位置信息；

针对任一所述测试时刻，将该测试时刻对应的样本行驶参数和样本环境信息输入至待训练的第一安全诊断模型中，得到所述第一安全诊断模型输出的该测试时刻的下一测试时刻对应的样本决策结果；

基于各测试时刻分别对应的样本决策结果和所述测试车辆的位置信息，确定目标损失值，并基于所述目标损失值对所述待训练的第一安全诊断模型的模型参数进行调整。

7.根据权利要求6所述的方法，其特征在于，所述样本环境信息中包括样本障碍物对应的障碍物运动参数；

所述方法还包括根据以下步骤对确定样本障碍物：

针对任一所述测试时刻，对该测试时刻对应的样本环境信息进行识别，确定在该测试时刻下所述测试车辆的周围物体检测结果；其中，所述周围物体检测结果中包括各待筛选物体与所述测试车辆之间的相对位置关系；

基于各待筛选物体与所述测试车辆之间的相对位置关系，确定位于所述测试车辆各预设方位上的样本障碍物。

8.根据权利要求1所述的方法，其特征在于，所述基于所述第一行为决策结果生成第一行驶轨迹，包括：

将所述第一行为决策结果、所述目标车辆对应的行驶参数、所述目标车辆采集的环境信息输入至预先训练好的轨迹规划模型中，得到所述轨迹规划模型输出的与所述第一行为决策结果匹配的第一行驶轨迹。

9.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在安全诊断不通过的情况下，基于所述第二行为决策结果生成第二行驶轨迹；或者，

在安全诊断不通过的情况下，基于预设的直行决策结果生成第三行驶轨迹。

10.一种行驶轨迹生成装置，其特征在于，应用于目标车辆，包括：

获取模块，用于获取所述目标车辆行驶过程中采集的环境信息；

确定模块，用于基于所述环境信息和决策规则确定所述目标车辆对应的第一行为决策结果；

安全诊断模块，用于基于预先训练好的安全诊断模型对所述第一行为决策结果进行安全诊断，并在安全诊断通过的情况下，基于所述第一行为决策结果生成第一行驶轨迹，以按照所述第一行驶轨迹进行车辆控制。

11.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至9任一所述的行驶轨迹生成方法的步骤。

12.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至9任一所述的行驶轨迹生成方法的步骤。