[發明專利]用于確定目標車輛變道相關信息的方法和設備、用于確定車輛舒適性度量用以預測目標車輛的駕駛機動操縱的方法和設備以及計算機程序

在審

• 申請號: 201980035107.0
• 申請日: 2019-05-28
• 公開（公告）號: CN112203916A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: N·S·納加拉賈;O·謝爾;L·施瓦茨
• 申請（專利權）人: 寶馬股份公司
• 主分類號: B60W50/00
• 分類號: B60W50/00;G06N3/04;G06N3/08;G06N20/10;G06N20/20;B60W30/18
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 董華林

一些實施方式涉及一種用于確定與目標車輛的變道相關的信息的方法和設備、一種用于確定車輛舒適性度量用以預測目標車輛駕駛機動操縱的方法以及一種計算機程序。用于確定與目標車輛的變道相關的信息的方法包括：獲取(110)與目標車輛的環境相關的信息。與環境相關的信息涉及目標車輛的環境的多個特征。所述多個特征被劃分成兩個或更多個特征組。所述方法還包括：確定(120)用于所述兩個或更多個特征組的兩個或更多個加權因子。注意力機制被用于確定所述兩個或更多個加權因子。所述方法還包括：利用機器學習網絡，基于與目標車輛的環境相關的信息，確定(130)與目標車輛的變道相關的信息。在機器學習網絡內目標車輛的環境的所述多個特征的加權基于用于所述兩個或更多個特征組的所述兩個或更多個加權因子。

技術領域

一些實施方式涉及一種用于確定與目標車輛的變道相關的信息的方法和設備，涉及一種用于確定車輛舒適性度量用于預測目標車輛的駕駛機動操縱的方法和設備，以及涉及一種計算機程序，更具體地、而非排他地涉及預測目標車輛的變道，其中利用具有注意力機制的機器學習網絡。

背景技術

自主駕駛是在汽車研究中的主要焦點。在自主駕駛中，預測其他車輛將要怎樣行為是關鍵特征。基于這些預測，自主車輛可以確定，在自主車輛周圍形成怎樣的交通情形，并且自主車輛可以被允許針對變化的交通情形來調整其駕駛。一個重要的預測是預測其他車輛的變道。如果在自主車輛前方的目標車輛在多車道道路上變道，例如從坡道上到高速公路或者沿著高速公路的多個車道變道，存在高的可能性，自主車輛需要調整其速度和前進方向，要么因為其被正在變道的車輛阻擋，要么因為引起其他車輛的變道。

發明內容

可以存在以下需求：提供一種改進的用于預測目標車輛的變道的方案。

這種需求可以通過權利要求的主題來滿足。

至少一些實施方式涉及一種用于車輛的方法。所述方法可以被用于在利用機器學習網絡的情況下預測目標車輛的變道。在機器學習網絡內，注意力機制例如注意力層被用于選擇性地關注于網絡的輸入特征，所述輸入特征被認為有提高的重要性。例如，如果目標車輛接近道路坡道，提高的關注點可以被設置在去往機器學習網絡的映射數據輸入特征上；在密集的交通情形中，提高的關注點可以是(直接地)圍繞目標車輛的車輛。附加地，在至少一些實施方式中，機器學習網絡可以是循環的機器學習網絡，例如循環的神經網絡，使得變道可能不僅僅基于機器學習網絡的當前輸入特征被預測，而是也基于機器學習網絡的先前狀態被預測。為了該效果，機器學習網絡例如可以包括長短期記憶網絡(LSTM)單元。

一些實施方式提供一種用于車輛的方法。該方法適用于確定與目標車輛的變道相關的信息。與目標車輛的變道相關的信息表明，是否目標車輛被預期執行變道。所述方法包括：獲取與目標車輛的環境相關的信息。與環境相關的信息涉及目標車輛的環境的多個特征。所述多個特征被劃分成兩個或更多個特征組。所述方法還包括：為所述兩個或更多個特征組確定兩個或更多個加權因子。注意力機制被用于確定所述兩個或更多個加權因子。所述方法還包括：利用機器學習網絡，基于與目標車輛的環境相關的信息，確定與目標車輛的變道相關的信息。在機器學習網絡內目標車輛的環境的所述多個特征的加權基于用于所述兩個或更多個特征組的所述兩個或更多個加權因子。

利用具有注意力機制的機器學習網絡可以不進允許變道的預測的更好的質量，而且允許預測的更好的可解釋性，因為預測的評價可以顯示哪些輸入特征具有提高的影響。

例如，所述兩個或更多個特征組包括與目標車輛的駕駛參數相關的一組特征、與在目標車輛附近的一個或多個其他車輛相關的一組特征以及與目標車輛的靜態環境相關的一組特征之中的至少兩個元素。將輸入特征分組成多個特征組可以允許根據分組例如利用用于所述兩個或更多個特征組的兩個或更多個LSTM將機器學習網絡分開。