[發明專利]一種基于軌跡預測的城市動態車輛云構建方法及系統

在審

• 申請號: 202211286196.6
• 申請日: 2022-10-20
• 公開（公告）號: CN115631629A
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 王曉偉;歐陽文杰;馬貴福;秦曉輝;謝國濤;徐彪;邊有鋼;秦洪懋;秦兆博;胡滿江;丁榮軍
• 申請（專利權）人: 湖南大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;H04W4/40;G06N3/0442;G06N3/08;G06F18/23
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 顏勇

本發明公開了一種基于軌跡預測的城市動態車輛云構建方法，其步驟為：聯合考慮車輛歷史行駛信息與未來交通燈相位信息，對車輛歷史數據和未來數據進行編碼以及歸一化處理，構建基于長短期記憶單元車輛軌跡預測模型，采用數據集車輛軌跡預測模型進行訓練，保存訓練好的車輛軌跡預測模型，利用車輛軌跡預測模型對城市交叉口的車輛軌跡預測；根據車輛軌跡預測結果，尋找軌跡近似車輛進行聚類，構建城市環境下的動態車輛云。本發明能保證車輛云在未來一定時間內的穩定性，且在選取候選服務車輛時僅需考慮車輛的位置坐標，不用考慮車輛行駛方向等其他因素，降低聚類的復雜度。另外，能以預測的時間步長作為周期進行車輛云構建，有效減少計算資源消耗。

技術領域

本發明屬于自動駕駛技術領域，具體涉及一種基于軌跡預測的城市動態車輛云構建方法及系統。

背景技術

隨著車聯網技術的迅速發展，車載應用豐富多樣，而車端的硬件算力難以匹配其所需計算資源需求。邊緣服務器在路側為車端用戶提供實時的計算服務，使車輛能通過任務卸載的方式緩解計算壓力，是智能交通系統的重要一環。然而城市環境車輛密度大，且邊緣服務器的算力終歸有限，仍難以滿足巨大的算力需求。因此車輛云的構想被提出，即基于時空位置關系將鄰近車輛的計算資源進行共享，形成動態的車輛間資源互補。

邊緣服務器為車輛提供車輛云構建方案，通過收集車輛的歷史軌跡與未來交通特征等信息，分析未來一段時間內軌跡近似的車輛，并將其聚類為一個車輛云。然而不同于停車場、高速公路等車輛位置或移動方向在一段時間內穩定的場景，城市環境多交叉口、多紅綠燈，車輛移動具有較大的不確定性，簡單地通過當前速度與時間估計車輛未來位置的預測方法難以適用，進而導致難以構建出穩定可用的車輛云。此外，還需要考慮如何將車輛云構建與車輛任務卸載需求結合，以避免出現所構建的車輛云中沒有需要任務卸載的車輛等無效聚類造成資源浪費的情況。

專利文獻CN110264721A(申請號：201910584818.5)公開了一種城市交叉口周邊車輛軌跡預測方法，主要包括以下步驟：獲取車輛狀態信息，利用穿行/讓行意圖識別模型確定目標車輛運動模式；針對每種運動模式，建立對應的加速度預測模型，并進行加速度預測；得到目標車輛的預測加速度后，采用勻加速模型計算下一步車輛的運動狀態；最后通過結合無跡卡爾曼濾波方法降低預測模型誤差。

上述的基于運動模式的軌跡預測方法，通過一個穿行意圖識別模型來判斷車輛左轉、右轉和直行意圖，而轉向信息包含在車輛行駛車道中，可以作為先驗知識來降低預測任務復雜度。此外交叉口環境的重要特征——交通燈相位沒有被考慮在技術一中，增加了預測任務的難度。

專利文獻CN113467851A(申請號：202110563668.7)公開了一種基于車輛聚類的動態車輛計算任務卸載方法和裝置，其中車輛聚類主要包括以下步驟：計算所有車輛的可達距離并構建最小生成樹；將最小生成樹轉化為層次聚類樹并進行壓縮；基于簇的穩定性對車輛節點進行聚類；對簇內節點進行優先級排序，按照排序結果選擇簇頭。

上述基于層次聚類的思想進行車輛聚類，通過一個優先級評估值確定簇頭，沒有將聚類過程與車輛的實際任務卸載需求相結合，可能會出現一個簇中沒有車輛需要進行任務卸載，即無效車輛云。

均值聚類與密度聚類的思想也常用于車輛聚類。均值算法衍生了出如模糊c均值(FCM)等變體算法，其核心思想為預先指定聚類的數量，隨機選擇初始均值向量形成初始簇，基于每個簇的所有節點計算新的均值向量，多次迭代得到穩定的簇劃分。密度聚類以DBSCAN算法為代表，選取簇頭車輛后，基于鄰域參數找出候選車輛，形成對應簇。

基于均值聚類的方法，在聚類之前，還需另外通過算法來確定符合當前場景的簇個數，且此類方法難以與車輛任務卸載需求相結合。

現有基于密度聚類的方法多基于當前時間步的車輛運動模式與車輛間相對關系選擇簇頭，保證簇的穩定性，同樣會構建出無效的車輛云。此外，每個時間步都進行新的聚類，對服務器的計算時延要求很高，且當車輛沒有卸載需求時，聚類計算是一種資源浪費。

發明內容