[发明专利]车辆路径预测

权利要求书

1.一种用于预测车辆(1)的近期路径的方法，所述方法包括：

-收集(S502)至少指示所述车辆的速度和横摆率的车辆驾驶数据，

-收集(S506)指示所述车辆附近目标(5,9,13,17)存在的传感器数据，

-收集(S507)指示所述车辆当前占据道路(3)上车行道的道路数据，

-预处理(S508)所述传感器数据和所述车辆驾驶数据从而提供包括各个目标相对于所述车辆的先前位置的时间序列、所述目标的先前航向的时间序列以及每个目标相对于所述车辆的先前速度的时间序列的目标数据的集，

-在深度神经网络中处理(S510)所述目标数据、所述车辆驾驶数据和所述道路数据以基于所述目标数据、所述车辆驾驶数据和所述道路数据预测所述车辆的近期路径，以及

-基于深度神经网络中的处理提供预测路径输出。

2.根据权利要求1所述的方法，其中预处理包括：

-形成所述目标数据、所述车辆驾驶数据和所述道路数据的矩阵(30)，所述矩阵包括各个目标相对于所述车辆的先前位置的时间序列(31a)、所述目标的先前航向的时间序列(31b)以及每个目标相对于所述车辆的先前速度的时间序列(31c)，其中在深度神经网络中处理所述矩阵。

3.根据权利要求1或2所述的方法，其中预处理包括：

-基于所述目标数据和所述车辆驾驶数据形成图示，所述图示包括图像(300a-c)的时间序列，每个图像指示各个目标相对于所述车辆的先前位置以及各个目标的先前航向，其中在深度神经网络中处理所述图像的时间序列。

4.根据前述权利要求任意一项所述的方法，其中所述预处理包括：

-基于所述目标数据和所述车辆驾驶数据形成图示，所述图示包括指示各个目标相对于所述车辆的先前位置以及各个目标的先前航向的图像，其中在深度神经网络中处理所述图像。

5.根据权利要求3或4所述的方法，其中所述图像是包括所述车辆及所述车辆和目标附近周围环境的情景的鸟瞰图(300a-c)。

6.根据前述权利要求任意一项所述的方法，其中预处理包括：

-基于所述目标数据、所述车辆驾驶数据和所述道路数据形成图形，所述图形包括先前目标位置和速度曲线，其中在深度神经网络中处理所述图形。

7.根据前述权利要求任意一项所述的方法，包括：

-收集(S503)指示道路环境和合法道路特性的地图数据，

-收集(S504)指示所述车辆的位置的位置数据，以及

-在深度神经网络中处理所述地图数据以预测近期路径。

8.根据前述权利要求任意一项所述的方法，包括：

-收集(S505)指示所述车辆的预定目的地的目的地数据，

-在深度神经网络中处理所述目的地数据以预测近期路径。

9.根据前述权利要求任意一项所述的方法，其中通过基于来自路上的人类驾驶员记录的或来自路上自动化驾驶员记录的目标值和路径的监督学习来训练所述深度神经网络。

10.根据前述权利要求任意一项所述的方法，其中通过基于安全和自然驾驶的定义的无监督学习训练所述深度神经网络。

11.根据权利要求9或10任意一项所述的方法，其中通过分析在所述车辆的正常使用过程中所述车辆的运行期间记录的目标值和路径进一步在线训练所述深度神经网络。

12.根据前述权利要求任意一项所述的方法，其中时间序列包括从当前时间之前的0到1秒、0到2秒、0到3秒、0到4秒或0到5秒的位置数据和速度数据。