[发明专利]一种无人驾驶车辆与周边车辆的碰撞可能性预判方法

说明书

本发明涉及无人驾驶技术领域，提供一种无人驾驶车辆与周边车辆的碰撞可能性预判方法。首先获取目标车辆的轨迹数据和环境数据；然后对轨迹数据进行特征值添加及标准化处理，提取并标注变道、直行轨迹数据，构造第kLSTM数据集；接着对环境数据进行数据清洗，提取并标注变道、直行环境数据，构造Adaboost数据集；再构建并训练第kAttention‑LSTM深度神经网络模型及Adaboost机器学习模型，并结合三个模型对目标车辆进行行为预判；在预测出变道行为后，进行碰撞可能性预判，并在判断处于危险驾驶状态时采取避撞措施。本发明能够提高无人驾驶车辆与周边车辆的碰撞可能性预判的准确性、实时性和效率。

技术领域

本发明涉及无人驾驶技术领域，特别是涉及一种无人驾驶车辆与周边车辆的碰撞可能性预判方法。

背景技术

随着全球交通事故发生率的不断增长以及汽车保有量的不断增加，交通拥堵与交通安全问题日趋严峻，逐渐引起人们的广泛关注。并且，随着中国经济的稳定发展和人民生活水平的不断提高，我国的汽车保有量不断攀升。汽车保有量的迅速增加，使得交通事故、交通拥堵和污染等问题日益严重。在该背景下，人们对汽车的主动安全和智能化需求不断提高，无人驾驶技术在世界各地引起了人们的普遍关注，也成为了国内外研究的热点问题。

无人驾驶车辆即可以自主行驶的车辆，能够综合周围环境及自车信息，实现类似人类的驾驶行为。车辆跟驰和变道行为共同构成机动车驾驶人的基本驾驶行为。而与跟驰行为相比，车辆变道对驾驶人的判断能力和操作能力有着更高的要求。不当的变道行为易引起交通流中其他车辆的联动反应，引发交通事故和交通拥堵。据统计，2018年我国因车道变换引发的交通事故约占总事故数的6％，由此造成的交通延误占到总延误的10％。在轻微交通事故中，因随意变道、强行“加塞”引发的事故占比约3成。近年来，对变道行为的研究己成为交通流领域研究的热点问题之一。在无人驾驶车辆中，对于周边车辆驾驶行为的变化应保持时刻关注，尽早发现周边车辆的变道意图有助于无人驾驶汽车对可能出现的驾驶情况提前做出决策。车辆的轨迹常被用于车辆防碰撞预警，若能实时预测无人车周边车辆的变道行为和行进轨迹，则对于当前变道车辆的状态评估、危险警告以及车辆自主干预驾驶行为来实现无人驾驶车辆的避撞有很大的辅助意义。

现有对车辆变道行为的预测方法主要是基于规则的方法，如通过计算车辆前进方向和车道线方向的曲率差的阈值判断是否变道，不过这种方法过于依赖车辆的运动状态，虽然能判断出变道行为但实时性较差。还有基于机器学习模型的分类方法如SVM、贝叶斯和BP神经网络等，这类方法虽然能把预测转换成一个分类进行解决，但相应的对输入数据有很强的依赖性并且准确程度相对不高。常见的还有基于概率图模型的HMM方法，把车辆行为作为隐藏状态，根据当前车辆的显示表现进行驾驶行为预测，但HMM模型并不能保存距当前行为较长时间的历史信息，而且使用动态规划算法的时间复杂度为O(|S|2)，保存两个相邻时间的状态之间转移概率的转移表的大小为|S|2，当可能的隐藏状态节点过多时，HMM算法就变得不再可行。

发明内容

针对现有技术存在的准确性低、实时性差、方法过于复杂、效率低的问题，本发明提供一种无人驾驶车辆与周边车辆的碰撞可能性预判方法，能够提高无人驾驶车辆与周边车辆的碰撞可能性预判的准确性、实时性和效率。

本发明的技术方案为：

一种无人驾驶车辆与周边车辆的碰撞可能性预判方法，其特征在于，包括下述步骤：