[发明专利]车辆切入场景预测方法、装置、车辆及存储介质

说明书

本申请涉及自动驾驶领域，特别涉及一种车辆切入场景预测方法、装置、车辆及存储介质，其中，方法包括：采集当前车辆周围的多个目标车辆的位置信息；将多个目标车辆的位置信息输入至预先训练的车辆切入场景预测模型，得到多个目标车辆的车辆切入分类结果，其中，车辆切入场景预测模型由训练样本训练多个机器学习模型得到；根据多个目标车辆的车辆切入分类结果得到当前车辆的车辆切入场景预测结果。由此，解决了当前自动驾驶领域的目标车辆切入预测算法实用性低，预测准确性难以保证等问题，提高车辆切入预测的准确性的同时提升用户体验。

技术领域

本申请涉及自动驾驶领域，特别涉及一种车辆切入场景预测方法、装置、车辆及存储介质。

背景技术

近年来，自动驾驶技术受到工业界和学术界的广泛关注，在实际生活中，交通场景复杂多变，其中车辆切入场景指的是目标车辆在行驶过程中周围车道的车辆突然换道至目标车辆前方从而影响目标车辆行驶的场景，是交通行为中发生事故较多的重点场景，同时也是自动驾驶车辆在算法开发过程中需要关注和应对的重点案例。

相关技术中，车辆切入场景的预测方法有：通过采集大规模的驾驶场景生成轨迹数据集，构建基于DR-Connect(Digital Receiver-Connect，数字接收机-连接)改进的Bi-LSTM(Behavior Identity-Long Short-Term Memory，行为识别系统-长短期神经网络)网络架构，实现对周围车辆切入轨迹的实时预测；或通过训练数据集的收集单元收集数据，然后采用深度神经网络训练模型进行训练，最后由执行单元通过无线通讯远程获取使用模型进行辅助驾驶。

然而，该方法实用性低，不便用于车端的部署，也不适用于对实时性要求较高的自动驾驶应用场景，并且预测的准确性难以保证，亟待解决。

发明内容

本申请提供一种车辆切入场景预测方法、装置、车辆及存储介质，以解决当前自动驾驶领域的目标车辆切入预测算法实用性低，预测准确性难以保证等问题，提高车辆切入预测的准确性的同时提升用户体验。

本申请第一方面实施例提供一种车辆切入场景预测方法，包括以下步骤：采集当前车辆周围的多个目标车辆的位置信息；

将所述多个目标车辆的位置信息输入至预先训练的车辆切入场景预测模型，得到所述多个目标车辆的车辆切入分类结果，其中，所述车辆切入场景预测模型由训练样本训练多个机器学习模型得到；以及

根据所述多个目标车辆的车辆切入分类结果得到所述当前车辆的车辆切入场景预测结果。

根据上述技术手段，本申请能够实现自动驾驶领域的目标车辆切入预测，有较高的车辆切入预测的准确性，同时满足数据算法模型的工程化应用需求。

进一步地，在将所述多个目标车辆的位置信息输入至所述预先训练的车辆切入场景预测模型之前，还包括：

获取目标训练车辆周围的多个待训练车辆的位置信息；

根据所述多个待训练车辆的位置信息生成所述训练样本；

利用所述训练样本分别训练所述多个机器学习模型，得到所述车辆切入场景预测模型。

根据上述技术手段，本申请通过构建车辆切入场景预测模型，实现自动驾驶领域的目标车辆的切入预测。

进一步地，所述利用所述训练样本分别训练所述多个机器学习模型，得到所述车辆切入场景预测模型，包括：

将所述训练样本输入至所述多个机器学习模型，得到每个机器学习模型对车辆切入场景的预测结果；

基于预设的融合策略，将所述每个机器学习模型对车辆切入场景的预测结果融合得到最终预测结果，以根据所述训练样本和所述最终预测结果得到所述车辆切入场景预测模型。