CN117576950A - 一种预测车辆选择经过路口入口和路口出口的方法及装置 - Google Patents

一种预测车辆选择经过路口入口和路口出口的方法及装置 Download PDF

Info

Publication number
CN117576950A
CN117576950A CN202410057766.7A CN202410057766A CN117576950A CN 117576950 A CN117576950 A CN 117576950A CN 202410057766 A CN202410057766 A CN 202410057766A CN 117576950 A CN117576950 A CN 117576950A
Authority
CN
China
Prior art keywords
offset
target vehicle
sampling
intersection
data
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
Application number
CN202410057766.7A
Other languages
English (en)
Other versions
CN117576950B (zh
Inventor
张文军
黄筠捷
欧阳南
胡庭波
刘继宏
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.)
Pingxiang Shangli Firecracker Development Research Center
Changsha Xingshen Intelligent Technology Co Ltd
Original Assignee
Pingxiang Shangli Firecracker Development Research Center
Changsha Xingshen Intelligent Technology Co Ltd
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 Pingxiang Shangli Firecracker Development Research Center, Changsha Xingshen Intelligent Technology Co Ltd filed Critical Pingxiang Shangli Firecracker Development Research Center
Priority to CN202410057766.7A priority Critical patent/CN117576950B/zh
Publication of CN117576950A publication Critical patent/CN117576950A/zh
Application granted granted Critical
Publication of CN117576950B publication Critical patent/CN117576950B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G08G1/0125—Traffic data processing
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • 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

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Atmospheric Sciences (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种预测车辆选择经过路口入口和路口出口的方法及装置，属于车辆行为检测技术领域，其中方法包括：采集目标车辆的当前状态数据和地图数据；判断目标车辆是否存在采样轨迹，若否，则基于当前状态数据和地图数据生成采样轨迹；基于当前状态数据和地图数据获取目标车辆相对采样轨迹的综合偏移量；其中，综合偏移量基于目标车辆相对采样轨迹的历史偏移量、当前偏移量和未来偏移量所获得；基于综合偏移量确定出最优的采样轨迹，并基于最优的采样轨迹相关联的路口入口和/或路口出口作为目标车辆行经的预测结果。本发明基于多种数据综合计算出交通参与者行进路线的预测结果，更有效的提高了转运危险物品（如烟花爆竹）的安全性。

Description

一种预测车辆选择经过路口入口和路口出口的方法及装置
技术领域
本发明涉及车辆行为检测技术领域，尤其涉及一种预测车辆选择经过路口入口和路口出口的方法及装置。
背景技术
随着车辆与物联网、人工智能、信息通信等技术的融合发展，无人车已广泛应用在智能交通、物流配送等领域，尤其是在危险品（如烟花爆竹等）运输过程中，基于无人车不需要人工直接操作的优点，可以有效的减少人员与危险品的接触，从而对于提高运输过程的人员安全有益，由此可见，无人车在危险品的运输过程中具有广泛的应用前景。
由于无人车在自主行进的过程中，需要预测附近交通参与者的未来状态，尤其是周围车辆的行为和轨迹,这些信息可以帮助无人车在动态环境中安全地驾驶、同时避免发生碰撞。路口是多种驾驶行为发生极大改变的汇聚地，对于即将驶入或已经驶入路口的无人车而言，周围车辆所选择的入口、出口等信息能够很好的帮助无人车进行决策。例如在没有红绿灯的路口中，前方横向驶来直行通过路口的车辆，无人车为左转通过路口，此时无人车如果能够预测出前方车辆的意图是直行通过路口，则可以根据交规选择让行。现有技术中通常使用基于深度学习和强化学习的预测方法，可以表达复杂的运动模式，这些方法的一个缺点是需要大量的训练数据和计算资源，研发周期长。也有基于运动模型的传统方法，该方法基于当前的目标状态信息预测未来一段时间的轨迹，另外还会结合高精地图给出的车道信息对运动加以约束，该方法预测时间较短通常小于1秒，如果时间过长则目标的运动学相关的假设就不成立。路口中的车道往往都是人为添加的虚拟车道，实际车辆运动并不会严格受车道约束，所以往往使得预测结果不如预期或者失稳，针对运输危险品（如烟花爆竹等）的无人车而言这种传统方法仍存在很大的安全隐患。
发明内容
本发明的目的在于提供一种预测车辆选择经过路口入口和路口出口的方法及装置。
为实现上述发明目的，本发明提供一种预测车辆选择经过路口入口及路口出口的方法，包括以下步骤：
S1.采集目标车辆的当前状态数据和地图数据；
S2.判断所述目标车辆是否存在采样轨迹，若否，则基于所述当前状态数据和所述地图数据生成所述采样轨迹；
S3.基于所述当前状态数据和所述地图数据获取所述目标车辆相对所述采样轨迹的综合偏移量；其中，所述综合偏移量基于所述目标车辆相对所述采样轨迹的历史偏移量、当前偏移量和未来偏移量所获得；
S4.基于所述综合偏移量确定出最优的采样轨迹，并基于最优的所述采样轨迹相关联的路口入口和/或路口出口作为所述目标车辆行经的预测结果。
根据本发明的一个方面，基于所述当前状态数据和所述地图数据生成所述采样轨迹的步骤中，包括以下步骤：
S21.基于所述当前状态数据和所述地图数据采集用于生成所述采样轨迹的目标点集；
S22.基于所述目标点集、所述当前状态数据和所述地图数据生成所述采样轨迹。
根据本发明的一个方面，步骤S21中，基于所述当前状态数据和所述地图数据采集用于生成所述采样轨迹的目标点集的步骤中，包括：
S211.基于所述当前状态数据和所述地图数据确定所述目标车辆所处位置的路口，并判断所述目标车辆相对所述路口的行进阶段；其中，所述行进阶段包括：驶入路口阶段和驶出路口阶段；
S212.基于所述行进阶段生成所述目标车辆的目标点集，其中，若所述目标车辆处于驶入路口阶段，则所述目标点集基于所述目标车辆的行驶车道的第一路口入口点和所述行驶车道的左右相邻车道的第二路口入口点所构建；若所述目标车辆处于驶出路口阶段，则基于所述目标车辆的航向确定出相关的路口出口点并基于所述路口出口点构建所述目标点集。
根据本发明的一个方面，基于所述行进阶段生成所述目标车辆的目标点集的步骤中，若所述目标车辆处于驶入路口阶段，且所述目标车辆与所述第一路口入口点之间满足预设临近条件，则基于所述目标车辆的行驶车道的第一路口入口点，所述行驶车道的左右相邻车道的第二路口入口点，与所述第一路口入口点连接的路口出口点构建所述目标点集。
根据本发明的一个方面，基于所述当前状态数据和所述地图数据获取所述目标车辆相对所述采样轨迹的综合偏移量的步骤中，包括：
S31.基于当前的所述采样轨迹获取所述目标车辆相对所述采样轨迹的历史偏移量；
S32.判断当前的所述采样轨迹是否需要重采样，若否，则基于当前的所述采样轨迹获取所述目标车辆相对所述采样轨迹的当前偏移量；
S33.基于所述目标车辆的当前状态数据获取所述未来偏移量；
S34.基于所述历史偏移量、所述当前偏移量和所述未来偏移量获取所述综合偏移量；其中，所述综合偏移量表示为：
；
其中，Dtotal表示综合偏移量，Dhead表示目标车辆车头点相对采样轨迹的车头点横向偏移值，Dcenter表示目标车辆中心点相对采样轨迹的中心点横向偏移值，Dyaw表示目标车辆航向相对采样轨迹的航向角度偏移值，表示采样轨迹的条数，/>表示状态的总和，/>表示采样轨迹的序号，/>表示车头点横向偏移值、中心点横向偏移值、航向角度偏移值的状态序号。
根据本发明的一个方面，步骤S32中，若需要对当前的所述采样轨迹进行重采样，则重采样所获得的采样轨迹的起始点与当前的采样轨迹的起始点为相同的；
若所述当前偏移量和所述未来偏移量基于重采样后的所述采样轨迹获得，则在步骤S34，采用前一次获得的综合偏移量对当前获得的综合偏移量进行修正。
根据本发明的一个方面，基于所述综合偏移量确定出最优的采样轨迹的步骤中，所述采样轨迹为多条，则获得多个所述综合偏移量中最小的综合偏移量，并以最小的综合偏移量所对应的所述采样轨迹为最优的所述采样轨迹。
根据本发明的一个方面，还包括：
S5.采用忽略判定条件对除最优的所述采样轨迹以外的所述采样轨迹进行忽略判定，并将满足所述忽略判定条件的所述采样轨迹进行删除；其中，所述忽略判定条件为：
所述目标车辆中心点相对所述采样轨迹的中心点横向偏移值Dcenter大于或等于预设阈值，和/或，所述目标车辆相对所述采样轨迹的综合偏移增长率大于或等于预设阈值；
所述综合偏移增长率表示为：
；
其中，Rfinal表示综合偏移增长率，Rcenter表示中心点横向偏移值Dcenter归一化至区间[0,1]的增长率，Ryaw表示航向角度偏移值Dyaw归一化至区间[0,1]的增长率。
为实现上述发明目的，本发明提供一种用于前述的预测车辆选择经过路口入口及路口出口的方法的装置，包括：数据观测单元、地图数据单元、数据存储单元、数据计算单元；
所述数据观测单元用于按照指定的频率采集目标车辆的当前状态数据；
所述地图数据单元用于提供所述目标车辆所处静态环境的地图数据；
所述数据存储单元分别与所述数据观测单元、所述地图数据单元和所述数据计算单元相连接，用于储存所述数据观测单元、所述地图数据单元和所述数据计算单元的输出数据；
所述数据计算单元用于生成所述目标车辆的采样轨迹，以及计算出所述目标车辆相对所述采样轨迹的综合偏移量并确定出最优的采样轨迹。
根据本发明的一个方面，还包括：数据过滤单元；
所述数据过滤单元基于忽略判定条件对除最优的所述采样轨迹以外的所述采样轨迹进行忽略判定，并将满足所述忽略判定条件的所述采样轨迹进行删除。
根据本发明的一种方案，本发明不需要大量训练数据进行学习，相较基于传统的机器学习方法而言省去大量的时间成本及数据收集成本；同时还使用历史数据、当前数据、未来数据综合计算所得的结果具有较好的稳定性及正确性；在迭代的过程中，重采样操作抑制问题发散，过滤模块缩小问题的范围减少计算量，加快计算速度，具有很好的实效性。
根据本发明的一种方案，本发明不仅具有优良的稳定性、实时性和正确性，其还具有优秀的拓展性，可方便的在不同领域进行应用，基于本方案作为总体框架，只需计算过程中进行参数的适应性调整即可实现其在不同领域的匹配运行。
根据本发明的一种方案，本发明可有效的应用于无人车上，以提高无人车行驶过程的安全性，尤其是对于转运危险物品（如烟花爆竹）的过程，通过自主对周围交通参与者（如周围车辆）行进路线的提前预测，可及时的对周围交通参与者作出避让等动作，可更为有效的提高了整个转运过程的安全性。
附图说明
图1是根据本发明的一种实施方式的一种预测车辆选择经过路口入口和路口出口的方法的步骤图；
图2是根据本发明的一种实施方式的一种预测车辆选择经过路口入口和路口出口的方法的流程图；
图3是根据本发明的一种实施方式的路口图；
图4是根据本发明的一种实施方式的目标车辆的行进阶段图，其中，（a）表示驶入路口阶段图，（b）表示驶出路口阶段图；
图5是根据本发明的一种实施方式的目标车辆的采样轨迹图，其中，（a）表示驶入路口阶段的采样轨迹图，（b）表示驶出路口阶段的采样轨迹图。
具体实施方式
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
结合图1和图2所示，根据本发明的一种实施方式，本发明提供一种预测车辆选择经过路口入口及路口出口的方法，包括以下步骤：
S1.采集目标车辆的当前状态数据和地图数据；
S2.判断目标车辆是否存在采样轨迹，若否，则基于当前状态数据和地图数据生成采样轨迹；
S3.基于当前状态数据和地图数据获取目标车辆相对采样轨迹的综合偏移量；其中，综合偏移量基于目标车辆相对采样轨迹的历史偏移量、当前偏移量和未来偏移量所获得；
S4.基于综合偏移量确定出最优的采样轨迹，并基于最优的采样轨迹相关联的路口入口和/或路口出口作为目标车辆行经的预测结果。
结合图1和图2所示，根据本发明的一种实施方式，步骤S1中，采集目标车辆的当前状态数据和地图数据的步骤中，当前状态数据包括：目标车辆的位置、航向、速度、宽度、长度、观测时间戳。在本实施方式中，在采集的当前状态数据中还可在上述参数的基础上，进一步选择性的包含加速度、加加速度、角速度、角加速度等高层次度量指标。
在本实施方式中，地图数据基于当前状态数据匹配获得，其包括：目标车辆的行驶车道和行驶车道的行驶车道两边线，行驶车道的左右相邻车道和左右相邻车道的左右车道两边线，行驶车道的后继车道和后继车道的后继车道两边线，行驶车道的前继车道和前继车道的前继车道两边线，目标车辆的所在路口。
结合图1和图2所示，根据本发明的一种实施方式，步骤S2中，基于当前状态数据和地图数据生成采样轨迹的步骤中，包括以下步骤：
S21.基于当前状态数据和地图数据采集用于生成采样轨迹的目标点集；其中，包括：
S211.基于当前状态数据和地图数据确定出目标车辆所处位置的路口，并判断目标车辆相对路口的行进阶段；其中，行进阶段包括：驶入路口阶段和驶出路口阶段；在本实施方式中，参见图3所示，路口入口即为驶入路口前的画线区域与路口区域的连接处，路口出口为驶出路口后的画线区域与路口区域的连接处。进而，基于对路口入口和路口出口的划分即可用于进行目标车辆行进阶段的划分；具体的，驶入路口阶段定义为目标车辆处于路口前有实际画线的车道区域内，画线通常为白色实线，车辆经过入口点驶入路口，如图4（a）所示; 驶出路口阶段定义为车辆已处于路口区域内，车辆经过路口出口点驶出路口，如图4（b）所示。由此可知，完整的通过路口行为是驶入路口、驶出路口先后发生，对于目标车辆而言这两个阶段是否完整，取决于观测到目标车辆的时机。
S212.基于行进阶段生成目标车辆的目标点集，其中，若目标车辆处于驶入路口阶段，则目标点集基于目标车辆的行驶车道的第一路口入口点和行驶车道的左右相邻车道的第二路口入口点所构建；
若目标车辆处于驶出路口阶段，则基于目标车辆的航向确定出相关的路口出口点并基于路口出口点构建目标点集，其中，基于目标车辆的航向选取的路口出口点的步骤中，通过判断目标车辆的航向与路口出口点的航向的角度差是否低于预设阈值的方式进行路口出口点的确定，当角度差低于预设阈值则选取相应的路口出口点构建目标点集；其中，路口出口点的航向可以按照上北下南左西右东的方式进行设定，例如，在一个十字入口，正北90度，则路口的右边出口的航向角就是45度，直行的航向角为90度。
若目标车辆处于驶入路口阶段，且目标车辆与第一路口入口点之间满足预设临近条件，则基于目标车辆的行驶车道的第一路口入口点，行驶车道的左右相邻车道的第二路口入口点，与第一路口入口点连接的路口出口点构建目标点集；其中，预设临近条件可设置为：目标车辆2秒内会进入路口且与所在路口航向小于预设角度（例如，50°）；当然，预设临近条件还可以根据实际使用需求作进一步的调整，并不局限于上述条件。
需要注意的是，上述采集目标点集的过程中不适用于掉头路径，在掉头路径中需要结合地图连接关系、欧式距离等因素进行考虑，在此不再赘述。
S22.基于目标点集，当前状态数据和地图数据生成采样轨迹。在本实施方式中，由于前述步骤中已经获得了目标车辆的位置、速度、航向和目标点集（包括目的点的位置、目的点、航向，其可通过预设的地图模块或感知模块获取），进而可以方便的获得相应的采样轨迹，其中，驶入路口阶段的采样轨迹如图5（a）所示，驶出路口阶段的采样轨迹如图5（b）所示；
在本实施方式中，选择使用三次多项式描述所获得的采样轨迹，其表示为：
；
；
其中，是采样轨迹的起始点位置，/>是目标车辆在采样轨迹起始点的速度，/>是采样轨迹起始点到目的点的距离，/>是目标车辆在采样轨迹目的点的速度，/>是从采样轨迹起始点到目的点的所需时长，/>是目标车辆在采样轨迹起始点的时间，/>是目标车辆在采样轨迹目的点的时间。
当然，具体的轨迹生成方法不限于上述方法，可以根据实际情况选择。
结合图1和图2所示，根据本发明的一种实施方式，步骤S3中，基于当前状态数据和地图数据获取目标车辆相对采样轨迹的综合偏移量的步骤中，包括：
S31.基于当前的采样轨迹获取目标车辆相对采样轨迹的历史偏移量；在本实施方式中，历史偏移量可通过多个目标车辆的历史状态所获得，进而需要确定历史状态时间点和历史状态的个数，其中，历史状态的个数可根据采集目标车辆的当前状态数据的观测频率和实际使用需求进行灵活调整；例如，对于每秒10次的观测频率，选择从当前状态往前推600毫秒也就是6个历史状态，进而根据所获得的6个历史状态即可获得目标车辆的在该历史时段（即当前状态往前推600毫秒）的历史偏移量；在本实施方式中，历史偏移量包括：历史的中心点横向偏移值Dcenter、历史的车头点横向偏移值Dhead、历史的航向角度偏移值Dyaw；在本实施方式中，中心点横向偏移值Dcenter是指目标车辆中心点在采样轨迹上的投影距离，车头点横向偏移值Dhead是指目标车辆车头点在采样轨迹上的投影距离；
S32.判断当前的采样轨迹是否需要重采样，若否，则基于当前的采样轨迹获取目标车辆相对采样轨迹的当前偏移量；其中，当前偏移量包括：当前的中心点横向偏移值Dcenter、当前的车头点横向偏移值Dhead、当前的航向角度偏移值Dyaw；
S33.基于目标车辆的当前状态数据获取未来偏移量；在本实施方式中，未来偏移量基于多个未来状态所获得，而未来状态则基于当前状态数据进行推算获得且未来状态的个数根据实际使用情况确定，但占比不应超过0.4。例如，前述步骤建议设定了6个历史状态加上1个当前状态，则这里往后推0.3秒也就是3个未来状态即可。在本实施方式中，未来状态基于目标车辆的当前状态数据中的车头状态所获得，其表示为：
；
其中，下标表示时间，/>表示/>时间点的/>坐标值，/>表示/>时间点的/>坐标值，/>表示/>时间点的航向，/>表示/>时间点的/>坐标值，/>表示/>时间点的坐标值，/>表示/>时间点的航向，/>表示时间差，/>表示/>时间点的角速度，/>表示/>时间点的速度；
S34.基于历史偏移量、当前偏移量和未来偏移量获取综合偏移量；其中，综合偏移量表示为：
；
其中，Dtotal表示综合偏移量，Dhead表示目标车辆车头点相对采样轨迹的车头点横向偏移值，Dcenter表示目标车辆中心点相对采样轨迹的中心点横向偏移值，Dyaw表示目标车辆航向相对采样轨迹的航向角度偏移值，表示采样轨迹的条数，/>表示状态的总和（即历史、当前、未来状态的总数量，例如，以采样按0.1秒为步长，/>的取值为10，历史状态可取6，当前状态1，未来状态3），/>为西格玛公式内的下标，会从0增长到上限（即/>），其表示采样轨迹的序号；/>为西格玛公式内的下标，会从0增长到上限（即/>），其表示车头点横向偏移值D head 、中心点横向偏移值Dcenter、航向角度偏移值Dyaw的状态序号。
根据本发明的一种实施方式，步骤S32中，若需要对当前的采样轨迹进行重采样，则重采样所获得的采样轨迹的起始点与当前的采样轨迹的起始点为相同的，即重采样所获得的采样轨迹的起始点需要保持与前一采样轨迹的起始点的最早历史状态保持一致，例如，前一采样轨迹的历史状态按时间先后排序表示为，则重采样轨迹的起始点也为/>。
在本实施方式中，判断当前的所述采样轨迹是否需要重采样的步骤中，所采用的判断条件为：目标车辆的车中心相对所有采样轨迹的平均横向偏移值不超过50厘米则不需要重采样，否则需要重采样。
若当前偏移量和未来偏移量基于重采样后的采样轨迹获得，则在步骤S34中，采用前一次获得的综合偏移量对当前获得的综合偏移量进行修正。在本实施方式中，修正后的综合偏移量可表示为：
；
其中，Dcurtotal表示基于重采样的采样轨迹所获得的当前综合偏移量，Current_Weight表示当前综合偏移量的权重，Dlasttotal表示基于重采样前的采样轨迹所获得的前一次综合偏移量，Last_Weight表示前一次综合偏移量的权重。
根据本发明的一种实施方式，步骤S4中，基于综合偏移量确定出最优的采样轨迹的步骤中，采样轨迹为多条，则获得多个综合偏移量中最小的综合偏移量，并以最小的综合偏移量所对应的采样轨迹为最优采样轨迹。
如图2所示，根据本发明的一种实施方式，本发明的一种预测车辆选择经过路口入口及路口出口的方法还包括：
S5.采用忽略判定条件对除最优采样轨迹以外的采样轨迹进行忽略判定，并将满足忽略判定条件的采样轨迹进行删除；其中，忽略判定条件为：
目标车辆中心点相对采样轨迹的横向偏移量Dcenter大于或等于预设阈值，其中，预设阈值可设置为70厘米；和/或，目标车辆相对采样轨迹的综合偏移增长率大于或等于预设阈值；其中，综合偏移增长率表示为：
；
其中，Rfinal表示综合偏移增长率，Rcenter表示中心点横向偏移量Dcenter归一化至区间[0,1]的增长率，Ryaw表示航向角度偏移值Dyaw归一化至区间[0,1]的增长率。
在本实施方式中，增长率Rcenter的计算步骤如下：
基于确定的采样轨迹的历史数据时间点作为起始点以当前时间点为终止点，获取一系列的中心点横向偏移量Dcenter；
基于一系列的中心点横向偏移量Dcenter统计获得中心点横向偏移量Dcenter的连续增长性，并将其归一化至0到1之间以获得增长率Rcenter。
在本实施方式中，增长率Ryaw的计算步骤如下：
基于确定的采样轨迹的历史数据时间点作为起始点以当前时间点为终止点，获取一系列的航向角度偏移值Dyaw；
基于一系列的航向角度偏移值Dyaw统计获得航向角度偏移值Dyaw的连续增长性，并将其归一化至0到1之间以获得增长率Ryaw。
根据本发明的一种实施方式，本发明的提供一种用于前述的预测车辆选择经过路口入口及路口出口的方法的装置，包括：数据观测单元、地图数据单元、数据存储单元、数据计算单元。在本实施方式中，数据观测单元用于按照指定的频率采集目标车辆的当前状态数据；地图数据单元用于提供目标车辆所处静态环境的地图数据；数据存储单元分别与数据观测单元、地图数据单元和数据计算单元相连接，用于储存数据观测单元、地图数据单元和数据计算单元的输出数据；数据计算单元用于生成目标车辆的采样轨迹，以及计算出目标车辆相对采样轨迹的综合偏移量并确定出最优的采样轨迹。
在本实施方式中，数据计算单元通过所获得的最优的采样轨迹即可预测出目标车辆所行经的路口入口和/或路口出口，作为目标车辆的路口选择意图。
根据本发明的一种实施方式，本发明所提供的一种用于前述的预测车辆选择经过路口入口及路口出口的方法的装置，还包括：数据过滤单元。在本实施方式中，数据过滤单元基于忽略判定条件对除最优的采样轨迹以外的采样轨迹进行忽略判定，并将满足忽略判定条件的采样轨迹进行删除。
通过所设置的数据过滤单元，可以在迭代预测的过程中剔除冗余的计算数据，减少问题规模，加快计算速度，使得预测结果能够快速收敛。
根据本发明的一种实施方式，本发明用于前述的预测车辆选择经过路口入口及路口出口的方法的装置可设置在无人车上，以实现无人车在自主转运危险物品（如烟花爆竹）的过程中，对周围车辆行进路线进行提前预测，实现运输过程无人化化的同时，有效避免了与其余交通参与者的碰撞，充分提高了行驶过程的安全性。在本实施方式中，通过该装置与无人车的控制单元相连接，为控制单元提供与最优采样轨迹相关联的路口入口和/或路口出口，进而无人车按照控制单元所形成的控制指令行驶，直至到达目的地。在本实施方式中，控制单元用于实现无人车的行驶、转向、停车等功能，其可采用现有结构所实现，在此不再赘述。
上述内容仅为本发明的具体方案的例子，对于其中未详尽描述的设备和结构，应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种预测车辆选择经过路口入口及路口出口的方法，其特征在于，包括以下步骤：
S1.采集目标车辆的当前状态数据和地图数据；
S2.判断所述目标车辆是否存在采样轨迹，若否，则基于所述当前状态数据和所述地图数据生成所述采样轨迹；
S3.基于所述当前状态数据和所述地图数据获取所述目标车辆相对所述采样轨迹的综合偏移量；其中，所述综合偏移量基于所述目标车辆相对所述采样轨迹的历史偏移量、当前偏移量和未来偏移量所获得；
S4.基于所述综合偏移量确定出最优的采样轨迹，并基于最优的所述采样轨迹相关联的路口入口和/或路口出口作为所述目标车辆行经的预测结果。
2.根据权利要求1所述的方法，其特征在于，基于所述当前状态数据和所述地图数据生成所述采样轨迹的步骤中，包括以下步骤：
S21.基于所述当前状态数据和所述地图数据采集用于生成所述采样轨迹的目标点集；
S22.基于所述目标点集、所述当前状态数据和所述地图数据生成所述采样轨迹。
3.根据权利要求2所述的方法，其特征在于，步骤S21中，基于所述当前状态数据和所述地图数据采集用于生成所述采样轨迹的目标点集的步骤中，包括：
S211.基于所述当前状态数据和所述地图数据确定所述目标车辆所处位置的路口，并判断所述目标车辆相对所述路口的行进阶段；其中，所述行进阶段包括：驶入路口阶段和驶出路口阶段；
S212.基于所述行进阶段生成所述目标车辆的目标点集，其中，若所述目标车辆处于驶入路口阶段，则所述目标点集基于所述目标车辆的行驶车道的第一路口入口点和所述行驶车道的左右相邻车道的第二路口入口点所构建；若所述目标车辆处于驶出路口阶段，则基于所述目标车辆的航向确定出相关的路口出口点并基于所述路口出口点构建所述目标点集。
4.根据权利要求3所述的方法，其特征在于，基于所述行进阶段生成所述目标车辆的目标点集的步骤中，若所述目标车辆处于驶入路口阶段，且所述目标车辆与所述第一路口入口点之间满足预设临近条件，则基于所述目标车辆的行驶车道的第一路口入口点，所述行驶车道的左右相邻车道的第二路口入口点，与所述第一路口入口点连接的路口出口点构建所述目标点集。
5.根据权利要求4所述的方法，其特征在于，基于所述当前状态数据和所述地图数据获取所述目标车辆相对所述采样轨迹的综合偏移量的步骤中，包括：
S31.基于当前的所述采样轨迹获取所述目标车辆相对所述采样轨迹的历史偏移量；
S32.判断当前的所述采样轨迹是否需要重采样，若否，则基于当前的所述采样轨迹获取所述目标车辆相对所述采样轨迹的当前偏移量；
S33.基于所述目标车辆的当前状态数据获取所述未来偏移量；
S34.基于所述历史偏移量、所述当前偏移量和所述未来偏移量获取所述综合偏移量；其中，所述综合偏移量表示为：
；
其中，Dtotal表示综合偏移量，Dhead表示目标车辆车头点相对采样轨迹的车头点横向偏移值，Dcenter表示目标车辆中心点相对采样轨迹的中心点横向偏移值，Dyaw表示目标车辆航向相对采样轨迹的航向角度偏移值，表示采样轨迹的条数，/>表示状态的总和，/>表示采样轨迹的序号，/>表示车头点横向偏移值、中心点横向偏移值、航向角度偏移值的状态序号。
6.根据权利要求5所述的方法，其特征在于，步骤S32中，若需要对当前的所述采样轨迹进行重采样，则重采样所获得的采样轨迹的起始点与当前的采样轨迹的起始点为相同的；
若所述当前偏移量和所述未来偏移量基于重采样后的所述采样轨迹获得，则在步骤S34，采用前一次获得的综合偏移量对当前获得的综合偏移量进行修正。
7.根据权利要求5或6所述的方法，其特征在于，基于所述综合偏移量确定出最优的采样轨迹的步骤中，所述采样轨迹为多条，则获得多个所述综合偏移量中最小的综合偏移量，并以最小的综合偏移量所对应的所述采样轨迹为最优的所述采样轨迹。
8.根据权利要求7所述的方法，其特征在于，还包括：
S5.采用忽略判定条件对除最优的所述采样轨迹以外的所述采样轨迹进行忽略判定，并将满足所述忽略判定条件的所述采样轨迹进行删除；其中，所述忽略判定条件为：
所述目标车辆中心点相对所述采样轨迹的中心点横向偏移值Dcenter大于或等于预设阈值，和/或，所述目标车辆相对所述采样轨迹的综合偏移增长率大于或等于预设阈值；
所述综合偏移增长率表示为：
；
其中，Rfinal 表示综合偏移增长率，Rcenter表示中心点横向偏移值Dcenter归一化至区间[0,1]的增长率，Ryaw表示航向角度偏移值Dyaw归一化至区间[0,1]的增长率。
9.一种用于权利要求1至8任一项所述的预测车辆选择经过路口入口及路口出口的方法的装置，其特征在于，包括：数据观测单元、地图数据单元、数据存储单元、数据计算单元；
所述数据观测单元用于按照指定的频率采集目标车辆的当前状态数据；
所述地图数据单元用于提供所述目标车辆所处静态环境的地图数据；
所述数据存储单元分别与所述数据观测单元、所述地图数据单元和所述数据计算单元相连接，用于储存所述数据观测单元、所述地图数据单元和所述数据计算单元的输出数据；
所述数据计算单元用于生成所述目标车辆的采样轨迹，以及计算出所述目标车辆相对所述采样轨迹的综合偏移量并确定出最优的采样轨迹。
10.根据权利要求9所述的装置，其特征在于，还包括：数据过滤单元；
所述数据过滤单元基于忽略判定条件对除最优的所述采样轨迹以外的所述采样轨迹进行忽略判定，并将满足所述忽略判定条件的所述采样轨迹进行删除。
CN202410057766.7A 2024-01-16 2024-01-16 一种预测车辆选择经过路口入口和路口出口的方法及装置 Active CN117576950B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410057766.7A CN117576950B (zh) 2024-01-16 2024-01-16 一种预测车辆选择经过路口入口和路口出口的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410057766.7A CN117576950B (zh) 2024-01-16 2024-01-16 一种预测车辆选择经过路口入口和路口出口的方法及装置

Publications (2)

Publication Number Publication Date
CN117576950A true CN117576950A (zh) 2024-02-20
CN117576950B CN117576950B (zh) 2024-04-09

Family

ID=89864733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410057766.7A Active CN117576950B (zh) 2024-01-16 2024-01-16 一种预测车辆选择经过路口入口和路口出口的方法及装置

Country Status (1)

Country Link
CN (1) CN117576950B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6502033B1 (en) * 2000-10-05 2002-12-31 Navigation Technologies Corp. Turn detection algorithm for vehicle positioning
CN109878515A (zh) * 2019-03-12 2019-06-14 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110502012A (zh) * 2019-08-20 2019-11-26 武汉中海庭数据技术有限公司 一种他车轨迹预测方法、装置及存储介质
US20200103899A1 (en) * 2018-09-30 2020-04-02 Baidu Usa Llc Method and apparatus for calibrating a vehicle control parameter, vehicle controller and autonomous vehicle
CN112631276A (zh) * 2020-12-03 2021-04-09 长沙行深智能科技有限公司 一种无人车动态障碍决策方法、系统、介质及设备
CN113022580A (zh) * 2021-03-17 2021-06-25 地平线(上海)人工智能技术有限公司 轨迹预测方法、装置、存储介质及电子设备
CN113705636A (zh) * 2021-08-12 2021-11-26 重庆邮电大学 一种自动驾驶车辆轨迹预测方法、装置及电子设备
CN113895456A (zh) * 2021-09-08 2022-01-07 北京汽车研究总院有限公司 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质
CN114495489A (zh) * 2021-12-30 2022-05-13 中智行(上海)交通科技有限公司 一种路口车道拓扑连接关系生成方法
CN115022187A (zh) * 2022-01-20 2022-09-06 长沙理工大学 计及时序相关性的数据驱动电-气综合能源系统态势感知方法与模型
CN115195790A (zh) * 2022-09-15 2022-10-18 毫末智行科技有限公司 一种预测车辆轨迹的方法、装置、电子设备及存储介质
CN115257815A (zh) * 2022-08-25 2022-11-01 北斗星通智联科技有限责任公司 一种自动驾驶汽车右转弯的规划方法、装置和终端设备
CN115465296A (zh) * 2022-09-19 2022-12-13 中国邮政速递物流股份有限公司 一种基于长短时运动轨迹融合的周边车辆轨迹预测方法及系统
CN115523923A (zh) * 2022-09-21 2022-12-27 浙江海康智联科技有限公司 一种基于v2v环境下匹配前车弯道历史轨迹的方法和装置
CN115547053A (zh) * 2022-10-27 2022-12-30 上海人工智能创新中心 一种轨迹预测系统及方法
CN116424336A (zh) * 2022-12-23 2023-07-14 中信科智联科技有限公司 一种轨迹预测方法、装置及车联网设备
CN117002530A (zh) * 2023-08-03 2023-11-07 长沙行深智能科技有限公司 车辆未来运动轨迹预测方法、装置及无人驾驶设备
CN117389276A (zh) * 2023-11-05 2024-01-12 理工雷科智途(北京)科技有限公司 一种基于行驶风险预测的无人车行驶路径跟踪控制方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6502033B1 (en) * 2000-10-05 2002-12-31 Navigation Technologies Corp. Turn detection algorithm for vehicle positioning
US20200103899A1 (en) * 2018-09-30 2020-04-02 Baidu Usa Llc Method and apparatus for calibrating a vehicle control parameter, vehicle controller and autonomous vehicle
CN109878515A (zh) * 2019-03-12 2019-06-14 百度在线网络技术（北京）有限公司 预测车辆轨迹的方法、装置、存储介质和终端设备
CN110502012A (zh) * 2019-08-20 2019-11-26 武汉中海庭数据技术有限公司 一种他车轨迹预测方法、装置及存储介质
CN112631276A (zh) * 2020-12-03 2021-04-09 长沙行深智能科技有限公司 一种无人车动态障碍决策方法、系统、介质及设备
CN113022580A (zh) * 2021-03-17 2021-06-25 地平线(上海)人工智能技术有限公司 轨迹预测方法、装置、存储介质及电子设备
CN113705636A (zh) * 2021-08-12 2021-11-26 重庆邮电大学 一种自动驾驶车辆轨迹预测方法、装置及电子设备
CN113895456A (zh) * 2021-09-08 2022-01-07 北京汽车研究总院有限公司 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质
CN114495489A (zh) * 2021-12-30 2022-05-13 中智行(上海)交通科技有限公司 一种路口车道拓扑连接关系生成方法
CN115022187A (zh) * 2022-01-20 2022-09-06 长沙理工大学 计及时序相关性的数据驱动电-气综合能源系统态势感知方法与模型
CN115257815A (zh) * 2022-08-25 2022-11-01 北斗星通智联科技有限责任公司 一种自动驾驶汽车右转弯的规划方法、装置和终端设备
CN115195790A (zh) * 2022-09-15 2022-10-18 毫末智行科技有限公司 一种预测车辆轨迹的方法、装置、电子设备及存储介质
CN115465296A (zh) * 2022-09-19 2022-12-13 中国邮政速递物流股份有限公司 一种基于长短时运动轨迹融合的周边车辆轨迹预测方法及系统
CN115523923A (zh) * 2022-09-21 2022-12-27 浙江海康智联科技有限公司 一种基于v2v环境下匹配前车弯道历史轨迹的方法和装置
CN115547053A (zh) * 2022-10-27 2022-12-30 上海人工智能创新中心 一种轨迹预测系统及方法
CN116424336A (zh) * 2022-12-23 2023-07-14 中信科智联科技有限公司 一种轨迹预测方法、装置及车联网设备
CN117002530A (zh) * 2023-08-03 2023-11-07 长沙行深智能科技有限公司 车辆未来运动轨迹预测方法、装置及无人驾驶设备
CN117389276A (zh) * 2023-11-05 2024-01-12 理工雷科智途(北京)科技有限公司 一种基于行驶风险预测的无人车行驶路径跟踪控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张文军 等: "工业机器人的时间最优轨迹规划", 《南方农机》, vol. 47, no. 06, 30 June 2016 (2016-06-30), pages 80 *

Also Published As

Publication number Publication date
CN117576950B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
JP7194755B2 (ja) 軌道計画
JP6911214B1 (ja) 軌道計画
CN107792065B (zh) 道路车辆轨迹规划的方法
CN106114507B (zh) 用于智能车辆的局部轨迹规划方法和装置
CN110244713B (zh) 一种基于人工势场法的智能车辆换道轨迹规划系统及方法
CN111273668B (zh) 针对结构化道路的无人驾驶汽车运动轨迹规划系统及方法
EP4042252A1 (en) Methods and systems for topological planning in autonomous driving
CN108225364A (zh) 一种无人驾驶汽车驾驶任务决策系统及方法
CN107798861A (zh) 一种车辆协作式编队行驶方法及系统
CN111079590A (zh) 一种无人驾驶车辆的周边车辆行为预判方法
CN111006667B (zh) 高速场景下的自动驾驶轨迹生成系统
CN112373485A (zh) 一种考虑交互博弈的自动驾驶车辆决策规划方法
CN112965476A (zh) 一种基于多窗口抽样的高速无人车轨迹规划系统及方法
CN112644486B (zh) 一种基于驾驶安全场的智能车避障轨迹规划方法
Cai et al. Formation control with lane preference for connected and automated vehicles in multi-lane scenarios
CN114829226A (zh) 车辆控制方法、设备、存储介质和电子装置
CN114852076A (zh) 一种混行交通流环境下自动驾驶车辆轨迹规划方法
CN114898564A (zh) 一种非结构化场景下的交叉路口多车协同通行方法及系统
Coskun et al. Receding horizon Markov game autonomous driving strategy
CN115140096A (zh) 一种基于样条曲线与多项式曲线的自动驾驶轨迹规划方法
CN114228707B (zh) 一种无人驾驶车辆的防撞方法及系统
CN115116220A (zh) 一种用于矿区装卸场景的无人驾驶多车协同控制方法
CN117576950B (zh) 一种预测车辆选择经过路口入口和路口出口的方法及装置
Guo et al. Self-defensive coordinated maneuvering of an intelligent vehicle platoon in mixed traffic
Debada et al. Merging into single-lane roundabouts in the presence of uncertainty

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