[发明专利]一种车辆意图和轨迹预测的方法

说明书

本发是一种车辆意图和轨迹预测的方法。包括以下步骤：步骤一、获取驾驶交通数据集；步骤二、插入间隙的定义；步骤三、相关信息信息提取；步骤四、对交通数据集进行特征相关信息提取和状态标记；步骤五、利用隐马尔可夫模型进行车辆行为识别；步骤六、基于意图的轨迹预测；步骤七、基于车辆动力学模型的轨迹预测；步骤八、基于意图和基于车辆动力学模型的轨迹预测结合；步骤九、指标收益计算；步骤十、未来行为推理；步骤十一、最终意图预测结果。本发明能准确预测周边车辆的意图和轨迹信息，以提高自动驾驶车辆的行驶安全性。

技术领域

本发明属于汽车技术领域，具体的说是一种车辆意图和轨迹预测的方法。

背景技术

智能汽车是未来交通工具的发展方向，它们在改善驾驶安全和交通通行效率方面有着巨大的潜力。其中智能车的决策模块接收外部感知系统获取的环境信息，并对周围车辆及环境中的障碍物的运动进行预测，从而决定车辆接下来的行为。准确预测周边车辆的意图和轨迹至关重要，因为它是有效避免碰撞，增加在复杂交通环境中行驶安全性的保证，同时也能保证决策出的行为安全且符合社会规范，从而在不过于保守的前提下也能保证行驶的安全性以及舒适性，避免交通事故的发生。

智能车辆所面临的一大挑战就是交通环境的高度复杂和不确定性，为了解决这个问题，智能车辆应该要具有预测未来交通环境变化的能力。准确的意图和轨迹预测可以帮助智能车辆更好地理解交通环境，同时有助于轨迹规划和轨迹跟踪。

现有的研究可以大概分为三类：基于物理的模型，基于机动的模型，感知交互模型。基于物理的模型认为车辆运动需要满足动力学和运动学的约束，利用特定的演化模型可以进行一定时间间隔内车辆运动的模拟。然而，这种预测方法限制于短期预测，对长期而言是不可靠的，因为车辆会受到周边车辆机动以及环境中各种不确定因素的影响。基于机动的模型，考虑了驾驶员打算执行的操作，一旦确定了驾驶意图之后，下一步的车辆运动将与之严格匹配。但是由于驾驶员会受到其他驾驶员的影响经常改变操作所以这种假设有可能失败。感知交互模型进一步考虑了两车之间的交互作用来对车辆运动进行更可靠的预测，但这种模型大多是人为建立，所以可能存在偏差，同时建模也比较困难。

预测其他交通参与者的轨迹也不是一个确定性任务，因为它取决于每个驾驶员的意图和驾驶习惯。但它仍是自动驾驶汽车的一项重要任务，指出其中最有可能的轨迹，从而避免在智能车辆规划轨迹上的碰撞。

故，如何准确预测周边车辆的意图和轨迹信息，以提高自动驾驶车辆的行驶安全性是亟待解决的技术问题。

发明内容

本发明提供了一种车辆意图和轨迹预测的方法，能准确预测周边车辆的意图和轨迹信息，以提高自动驾驶车辆的行驶安全性。

本发明技术方案结合附图说明如下：

一种车辆意图和轨迹预测的方法，包括以下步骤：

步骤一、获取驾驶交通数据集；

步骤二、插入间隙的定义；

通过语义的方法进行意图预测；人类驾驶员在驾驶过程中会为了完成一个个小目标，不断寻找并插入到不同的行驶区域中；因此预测人类驾驶行为可被简化为预测车辆会插入到哪个区域，从而实现车辆意图的语义表示。

步骤三、相关信息信息提取；

步骤四、对交通数据集进行特征相关信息提取和状态标记；

步骤五、利用隐马尔可夫模型进行车辆行为识别；

步骤六、基于意图的轨迹预测；

步骤七、基于车辆动力学模型的轨迹预测；

步骤八、基于意图和基于车辆动力学模型的轨迹预测结合；

步骤九、指标收益计算；

步骤十、未来行为推理；