[发明专利]车辆动作预测方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种车辆动作预测方法、装置、电子设备及存储介质。该方法包括：获取车辆驾驶的样本数据；根据样本数据中多张样本状态图构建多个样本四元组；根据多个样本四元组和每张样本状态图对应的车辆动作真实值，训练预设的车辆神经网络初始模型，得到车辆动作预测模型；根据车辆动作预测模型预测车辆动作。本发明实施例通过车辆驾驶的样本数据中的样本状态图构建样本四元组，来训练预设的车辆神经网络初始模型，得到车辆动作预测模型，即训练车辆神经网络初始模型的数据不是直接获取的样本数据，而是构建的样本四元组，使得后续利用车辆动作预测模型对待车辆动作进行预测时，提升了预测准确度及鲁棒性。

技术领域

本发明涉及车辆控制技术领域，具体涉及一种车辆动作预测方法、装置、电子设备及存储介质。

背景技术

车辆自动控制或者车辆自动驾驶，其实就是将一些自动控制的技术运用到汽车中，由以往的提高机械性能发展为辅助或部分取代或全部取代人的操纵，达到减少由于人的局限性造成的事故，减轻驾驶强度提高交通效率。

车辆自动控制包括横向控制和纵向控制，纵向控制是在行车速度方向上的控制，即车速以及本车与前后车或障碍物距离的自动控制巡航控制就是一种纵向控制。这类控制问题可归结为对发动机输出和刹车的控制，各种发动机模型、汽车运行模型和刹车过程模型与不同的控制器算法结合，构成了各种各样的纵向控制模式。横向控制指垂直于运动方向上的控制，对于汽车也就是转向控制。目标是控制汽车自动保持期望的行车路线，并在不同的车速、载荷、风阻、路况下有很好的乘坐舒适性。横向控制有两种基本设计方法，一种是基于驾驶员模拟的方法；另一种是给予汽车横向运动力学模型的控制方法。

当实现了车辆纵向和横向的自动控制，就可以按给定目标和约束自动控制车运行。所以，从车辆本身来说.自动驾驶就是综合纵向和横向控制。但要真正实现点到点的自动驾驶运行，车辆控制系统必须获取道路和周边交通情况的详细动态信息和具有高度智能的控制性能。

传统的车辆横纵向控制需要显示对车辆周边环境建模，而由于环境的复杂性，显示的环境建模存在一定的局限性，算法鲁棒性不强，适应场景单一，从而导致其后的控制策略需要不断地添加以处理某些新出现的情景，且由于人工设计的控制策略终究有限，不能覆盖所有可能的场景。

发明内容

本发明实施例提供一种车辆动作预测方法、装置、电子设备及存储介质，使得后续利用车辆动作预测模型对待车辆动作进行预测时，提升了预测准确度及鲁棒性。

第一方面，本申请提供一种车辆动作预测方法，所述车辆动作预测方法包括：

获取车辆驾驶的样本数据，所述样本数据中包括车辆外部环境的连续多张样本状态图，以及每张样本状态图对应的车辆动作真实值；

根据所述多张样本状态图构建多个样本四元组；

根据所述多个样本四元组和所述每张样本状态图对应的车辆动作真实值，训练预设的车辆神经网络初始模型，得到车辆动作预测模型；

根据所述车辆动作预测模型预测车辆动作。

在本申请一些实施例中，所述根据所述样本状态图构建多个样本四元组，包括：

从所述多张样本状态图中分别提取车辆状态信息；

依次以所述多张样本状态图中每张样本状态图为目标样本状态图，根据所述目标样本状态图对应的车辆状态信息构建样本四元组；

其中，所述样本四元组为(s,a,r,s_)，其中，s为从当前样本状态图提取得到的车辆状态信息，a为当前车辆状态下车辆执行的第一动作；r为当前车辆状态下执行第一动作a后获得的即时奖励，s_为当前车辆状态下执行第一动作a并延时预设时间后，所得样本状态图经提取得到的车辆状态信息。

在本申请一些实施例中，所述根据所述目标样本状态图对应的车辆状态信息构建样本四元组，包括：