[發明專利]車輛軌跡預測模型構建方法、車輛軌跡預測方法及系統

有效

• 申請號: 202010742540.2
• 申請日: 2020-07-29
• 公開（公告）號: CN112037506B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 陳柘;汪玥晗;劉歡;趙斌;段宗濤
• 申請（專利權）人: 長安大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 史玫

本發明公開了一種車輛軌跡預測模型構建方法、車輛軌跡預測方法及系統。所公開的方案包括采用嵌入向量表示城市區域中的路段信息，分別對車輛的軌跡信息和目的地信息進行編碼，以便能夠將數目眾多的道路信息送入深度神經網絡中，然后分別將軌跡信息和目的地信息的嵌入表達送入長短期記憶網絡生成包含所有已知軌跡信息的長向量，利用多任務學習中的參數軟共享方式將歷史軌跡信息與目的地信息進行融合，通過全連接層進行解析與特征提取，進行軌跡預測。本發明采用多任務學習的方式，充分利用了已知軌跡信息與目的地信息，能有效提升軌跡預測的準確性。

技術領域

本發明屬于軌跡預測技術領域，具體涉及一種融合了目的地信息與軌跡信息的車輛軌跡預測模型構建方法、車輛軌跡預測方法及系統。

背景技術

軌跡預測軌跡預測是指采用對象的歷史軌跡數據，對于出租車而言，主要是GPS定位數據，基于大量的歷史軌跡建立軌跡預測模型，以軌跡的已知部分作為預測模型的輸入，通過模型的推演運算，得出軌跡的下一時刻所在道路。其本質也屬于位置預測的一種。出租車的軌跡預測可以改善城市交通安全，屬于智能交通的一部分。對于交管部門來說可以有效提高對于出租車這一公共交通資源的控制與利用，同時有助于緩解城市的擁堵狀況，提高城市道路的利用狀況并為廣大市民帶來切實利益。

目前根據已有的軌跡片段進行軌跡預測的方法不斷涌現，但由于歷史軌跡的多樣性和場景的多樣性，導致很多模型不能取得很好的性能或是缺乏可遷移性。且目前的出租車軌跡預測方法多是在小區劃分的基礎上進行，這種粗粒度的劃分可能會不滿足某些任務場景下的特殊需要。

發明內容

針對現有技術的缺陷或不足，本發明提供了一種車輛軌跡預測模型構建方法。

為此，本發明所提供的車輛軌跡預測模型構建方法包括：

步驟一，對目標區域待預測n+1時刻之前合理時間范圍內的車輛軌跡數據進行清洗和校正，得到預處理數據，該預處理數據包括多條軌跡數據，任意條軌跡數據中包括多個軌跡點，各軌跡點的坐標為經緯度坐標；

步驟二，將預處理數據中的各軌跡點的經緯度坐標與目標區域地圖數據中的道路ID對應，得到包含道路ID信息的軌跡數據集，其中任意條軌跡數據為：T＝{r₁,r₂,...,r_i,...,r_n}，其中r_i表示在i時刻車輛所在的道路ID，i＝1,2,....,n；i＝1表示所述合理時間范圍的起始時刻，每個時刻對應一個采樣點；

步驟三，構建軌跡數據集中每一條軌跡數據的軌跡信息向量和目的地信息向量，構成軌跡數據向量集；構建每一條軌跡數據軌跡信息向量的標簽和目的地信息向量的標簽，構成標簽數據集；

其中，任意軌跡數據T＝{r₁,r₂,...,r_i,...,r_n}的軌跡信息向量T'＝{r_i-k,r_i-k+1,...,r_i-1,r_i}，目的地信息向量T”＝{r₁,r₂,...,r_i-k,r_i-k+1,...,r_i-1,r_i},1≤i-k≤i-1，1≤k≤10；T'的標簽為r_i+1；T”的標簽為r_n；

初始時2≤i≤11，且i-k≥1；

步驟四，利用軌跡數據向量集和標簽數據集對上一次訓練得到的Traj-MTL網絡模型進行訓練得到車輛軌跡車輛軌跡預測模型；