[發明專利]一種基于貝葉斯網絡的目標障礙車軌跡預測方法

有效

• 申請號: 202010601327.X
• 申請日: 2020-06-29
• 公開（公告）號: CN111857134B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 江洪;蔣瀟杰
• 申請（專利權）人: 江蘇大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G06V10/84;G06Q10/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于貝葉斯網絡的目標障礙車軌跡預測方法，信息采集模塊采集當前地圖以及周圍道路環境信息S、當前地點歷史軌跡數據T、目標障礙車當前位置P_s、目標障礙車速度v₀、目標障礙車與其他障礙物之間的相對距離p、其他障礙物速度v₁和目標障礙車的航向角B信息并輸入到環境模型中，歷史軌跡數據T包括歷史路徑A、歷史速度D和歷史避讓障礙物速度E，其特征是包括以下步驟：

步驟(1)環境模型根據當前地圖以及周圍道路環境信息S將整個地圖空間劃分成大小相同的柵格，構建柵格地圖，分別計算出歷史路徑概率P_A、航向角概率P_B、目標障礙車與其他障礙物距離影響概率P_C、歷史速度概率P_D、歷史避讓障礙物速度概率P_E和目標障礙車速度概率P_F并輸入貝葉斯網絡模型；

所述的歷史路徑概率P_A為n_(k→u)為當前地點相似歷史路徑A中包括柵格號串{M_k，M_u}的路徑數目，n_k為所有包含柵格M_k號的路徑數目，M_k為目標障礙車當前所在柵格，M_u為目標障礙車即將到達的下一柵格，u∈{1,2,3,…,8}；

選取九個相鄰的柵格組成九宮格，以九宮格中心為圓心畫一個內切圓，與九宮格內線相交八個點，這八個交點分別連接圓心，內切圓被分成八個扇形，分別對應八個柵格號，由航向角B得到目標障礙車的車頭朝向和車輛中心線，得到車輛前輪轉角范圍∠C和前輪轉角范圍與不同扇形重疊部分角度∠A，則所述的航向角概率P_B為

所述的目標障礙車與其他障礙物距離影響概率P_C為p為目標障礙車與周圍其他障礙物的相對距離，p₀為障礙物影響范圍，v為目標障礙車與其他障礙物的相對速度，f為地面摩擦系數，a為安全系數，半徑為p₀+a的圓經過的柵格，其概率值最大，為55％；

所述的歷史速度概率n_vi為當前地點環境下統計各區間速度出現的頻次，n_v為歷史速度D總數；

所述的歷史避讓障礙物速度概率n_avi為避讓障礙物時各區間速度出現的頻次，n_av歷史避讓障礙物速度E總數；

當目標障礙車速度v₀屬于劃分的速度區間時，則所述的目標障礙車速度概率P_F為t為時間，其余區間目標障礙車速度概率P_F為10％；

步驟(2)貝葉斯網絡模型將所述的概率P_A、P_B、P_C、P_D、P_E、P_F作為子節點輸入，下一步路徑柵格概率G、下一步柵格速度概率H作為根節點，構建貝葉斯網絡結構，得到各節點的條件概率分布以及下一步路徑柵格概率G、下一步柵格速度概率H的先驗概率，運用貝葉斯公式得到從當前所在柵格M_k到周圍M₁到M₈號八個柵格的不同的后驗概率以及各柵格對應的速度的后驗概率；

當前所在柵格M_k到周圍M₁到M₈號柵格的不同的后驗概率各柵格對應的速度的后驗概率u∈(1,2,3…8)表示當前所在柵格周圍1號柵格到8號柵格，j∈(1,2,3…12)表示12個不同速度區間，當前地點相似歷史路徑概率P_A和下一步路徑柵格概率G的條件概率為P(A_u|G_u)，目標障礙車航向角概率P_B和下一步路徑柵格概率G的條件概率為P(B_u|G_u)，目標障礙車與其他障礙物距離影響概率P_C和下一步路徑柵格概率G的條件概率為P(C_u|G_u)，相似環境歷史速度概率P_D和下一步柵格速度概率H的條件概率為P(D_j|H_j)，當前地點歷史避讓障礙物速度概率P_E和下一步柵格速度概率H的條件概率為P(E_j|H_j)，目標障礙車速度概率P_F和下一步柵格速度概率H的條件概率為P(F_j|H_j)，下一步路徑柵格概率G的先驗概率分布為P_f(G_u)，下一步柵格速度概率H的先驗概率分布為P_f(H_j)；

步驟(3)貝葉斯網絡模型比較出后驗概率值最大的柵格及速度作為目標障礙車的下一軌跡點，所有軌跡點連接起來得到預測的目標障礙車軌跡。