[發明專利]一種集群車輛運動軌跡預測方法

在審

• 申請號: 202111474976.9
• 申請日: 2021-12-03
• 公開（公告）號: CN114372503A
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 趙聰;杜豫川;宋安迪
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q10/04;G06Q50/30;G06V20/54;G06V10/774
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 葉敏華

1.一種集群車輛運動軌跡預測方法，其特征在于，包括以下步驟：

S1、采集不同時段內的車輛軌跡時空信息數據，將車輛軌跡時空信息數據按照時間順序切分為多個短時片段，并生成每個片段內每輛車的行為數據，得到車輛時序特征數據，以隨機劃分得到訓練集和驗證集；

S2、基于循環神經網絡和圖神經網絡，構建車輛軌跡預測模型；

S3、利用訓練集對車輛軌跡預測模型進行迭代訓練、利用驗證集檢驗車輛軌跡預測模型的預測效果，以得到參數最優的車輛軌跡預測模型；

S4、將待預測場景中的集群車輛歷史軌跡時空信息數據輸入參數最優的車輛軌跡預測模型，輸出得到對應的集群車輛軌跡預測結果。

2.根據權利要求1所述的一種集群車輛運動軌跡預測方法，其特征在于，所述車輛軌跡時空信息數據包括車輛的時間信息以及車輛之間的空間信息，所述時間信息具體為集群中每輛車在過去時間段內運行的軌跡特征信息，所述軌跡特征信息包括位置、速度、加速度、車輛長度、車輛寬度和車輛類別信息；

所述車輛之間的空間信息為在過去時間段內車輛集群中車輛之間的相互位置信息。

3.根據權利要求2所述的一種集群車輛運動軌跡預測方法，其特征在于，所述步驟S1具體包括以下步驟：

S11、選取道路路段，逐幀采集設定時間段內通過該路段的所有車輛的特征信息，其中，車輛的特征信息包括幀序號、車輛序號、車輛位置、車輛長度、車輛寬度、車輛類型、車輛所處車道序號；

S12、將車輛位置轉換為以道路為平面的二維鳥瞰坐標，以得到經過路段內所有車輛的軌跡時空信息數據；

S13、將車輛軌跡時空信息數據按照時間順序切分為多個短時片段，并生成每個片段內每輛車的行為數據，得到車輛時序特征數據；

S14、將車輛時序特征數據隨機劃分得到訓練集和驗證集。

4.根據權利要求3所述的一種集群車輛運動軌跡預測方法，其特征在于，所述步驟S13中將車輛軌跡時空信息數據按照時間順序切分為多個短時片段的具體過程為：給定采樣長度T_Sample和采樣間隔T_Interval；

遍歷長序列的每一幀t₀，將編號t∈[t₀,t₀+T_Sample]，同時t mod T_Interval＝0的幀中所有車輛的軌跡特征信息抽取出來，構成一個短時片段，并按出現順序對每輛車重新賦予一個序號；

短時片段中，各幀內出現的車輛可能是不同的，因此將該片段所有幀中的車輛取并集，車輛未出現的幀對應數據部分填充0。

5.根據權利要求1所述的一種集群車輛運動軌跡預測方法，其特征在于，所述步驟S2中構建的車輛軌跡預測模型包括編碼層、行為推演層和解碼層，所述車輛軌跡預測模型的輸入為某個場景中所有車輛軌跡數據的集合Traj_history，通過編碼層獲取其時空信息；

行為推演層使用編碼后的信息預測每輛車的行為；

根據編碼層和行為推演層的輸出，解碼層預測輸出所有車輛的軌跡Traj_pred。

6.根據權利要求5所述的一種集群車輛運動軌跡預測方法，其特征在于，所述編碼層和解碼層均采用動態圖卷積門控神經單元構成的門控動態圖卷積層；

所述行為推演層采用全連接層。