[發明專利]車輛變道的確定方法、裝置、存儲介質和電子設備

在審

• 申請號: 202010889856.4
• 申請日: 2020-08-28
• 公開（公告）號: CN112085077A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 牟童;孟健;何光宇;程萬軍
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06F16/29
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 魏云鹿

1.一種車輛變道的確定方法，其特征在于，應用于第一車輛，所述方法包括：

獲取軌跡數據集和相對運動數據集，所述軌跡數據集包括在預設時長內多個采集時刻采集的第二車輛的軌跡數據，所述相對運動數據集包括在所述預設時長內所述多個采集時刻采集的所述第二車輛與所述第一車輛之間的相對運動數據，所述多個采集時刻包括當前采集時刻，所述第二車輛為行駛在所述第一車輛所在車道的相鄰車道上，且位于所述第一車輛前方的車輛；

將所述軌跡數據集分別輸入預先訓練的軌跡識別模型和預先訓練的軌跡聚類模型，以根據所述軌跡識別模型輸出的軌跡識別結果，和所述軌跡聚類模型輸出的軌跡聚類結果，確定軌跡變道概率；

將所述相對運動數據集分別輸入預先訓練的相對運動識別模型和預先訓練的相對運動聚類模型，以根據所述相對運動識別模型輸出的相對運動識別結果，和所述相對運動聚類模型輸出的相對運動聚類結果，確定相對運動變道概率；

根據所述軌跡變道概率和所述相對運動變道概率，確定所述第二車輛的變道概率；

根據所述變道概率和預設的變道閾值，確定所述第二車輛是否將要變道。

2.根據權利要求1所述的方法，其特征在于，所述獲取軌跡數據集和相對運動數據集，包括：

獲取所述預設時長內每個所述采集時刻采集的所述軌跡數據和所述相對運動數據，所述軌跡數據包括：所述第二車輛的橫向位置和縱向位置，所述相對運動數據包括：所述第一車輛與所述第二車輛的相對縱向速度和相對縱向距離；

根據每個所述采集時刻采集的所述軌跡數據，確定該采集時刻對應的補充軌跡數據，所述補充軌跡數據包括：所述第二車輛的橫向速度和橫向加速度；

將每個所述采集時刻采集的所述軌跡數據和對應的所述補充軌跡數據，作為所述軌跡數據集；

按照預設規則處理每個所述采集時刻采集的所述相對運動數據，以得到所述相對運動數據集。

3.根據權利要求1所述的方法，其特征在于，所述將所述軌跡數據集分別輸入預先訓練的軌跡識別模型和預先訓練的軌跡聚類模型，以根據所述軌跡識別模型輸出的軌跡識別結果，和所述軌跡聚類模型輸出的軌跡聚類結果，確定軌跡變道概率，包括：

將所述軌跡數據集輸入所述軌跡識別模型，以獲取所述軌跡識別結果，并將所述軌跡數據集輸入所述軌跡聚類模型，以獲取軌跡聚類結果，所述軌跡識別結果用于指示直行或變道，所述軌跡聚類結果用于指示每個所述采集時刻采集的所述軌跡數據所屬的類別；

若所述軌跡識別結果指示直行，確定所述軌跡變道概率為零；

若所述軌跡識別結果指示變道，根據所述軌跡聚類結果確定所述軌跡變道概率。

4.根據權利要求3所述的方法，其特征在于，所述軌跡識別模型為Attention-LSTM模型，所述將所述軌跡數據集輸入所述軌跡識別模型，以獲取所述軌跡識別結果，包括：

將所述軌跡數據集輸入所述Attention-LSTM模型，以獲取所述Attention-LSTM模型輸出的所述軌跡識別結果，和每個所述采集時刻的注意力值；

所述根據所述軌跡聚類結果確定所述軌跡變道概率，包括：

根據所述軌跡聚類結果中包括的每個所述采集時刻采集的所述軌跡數據所屬的類別，和預設的類別和初始軌跡變道概率的對應關系，確定該采集時刻的初始軌跡變道概率；

根據每個所述采集時刻的所述初始軌跡變道概率，和每個所述采集時刻的所述注意力值，確定所述軌跡變道概率。

5.根據權利要求1所述的方法，其特征在于，所述將所述相對運動數據集分別輸入預先訓練的相對運動識別模型和預先訓練的相對運動聚類模型，以根據所述相對運動識別模型輸出的相對運動識別結果，和所述相對運動聚類模型輸出的相對運動聚類結果，確定相對運動變道概率，包括：

將所述相對運動數據集輸入所述相對運動識別模型，以獲取所述相對運動識別結果，并將所述相對運動數據集輸入所述相對運動聚類模型，以獲取相對運動聚類結果，所述相對運動識別結果用于指示直行或變道，所述相對運動聚類結果用于指示每個所述采集時刻采集的所述相對運動數據所屬的類別；

若所述相對運動識別結果指示直行，確定所述相對運動變道概率為零；

若所述相對運動識別結果指示變道，根據所述相對運動聚類結果確定所述相對運動變道概率。