一种基于不同期间的轨迹数据的动态驾驶设置方法及系统

本发明涉及电数字数据处理领域。具体而言，涉及一种基于不同期间的轨迹数据的动态驾驶设置方法及系统。

背景技术：

1、在公共道路上部署网联自动驾驶车辆能够提高道路交通效率和安全性。网联自动驾驶车辆通过引入自动化和智能化组件，减少了人工驾驶固有的视野范围、注意力分散和反应时间长等问题。此外，在网联自动驾驶车辆中添加的通信组件进一步提高了其感知周围环境的能力，并为大规模协调与合作决策创造了机会。

2、尽管近年来网联自动驾驶车辆领域取得了长足的进步，但网联自动驾驶车辆在与人工驾驶车辆交互方面依然效率低下且受到限制。当前网联自动驾驶车辆主要依靠显式的通信、状态机或几何推理进行驾驶互动，忽略了社会性线索和驾驶人个性等驾驶人驾驶偏好属性。这导致网联自动驾驶车辆无法理解不同驾驶人驾驶偏好的差异性，并使其行为保守，自动—人工驾驶车辆交互被限制为简单的道路交互。

3、与此同时，由于网联道路基础设施难以覆盖等问题，在发展自动驾驶过程中必然存在网联自动驾驶车辆与人工驾驶车辆混行场景。因此，亟需扩展网联自动驾驶车辆的推理能力，使其能够处理依赖于交互的更复杂的道路场景，实现对于其他车辆行为的精准预测。

技术实现思路

1、本发明正是基于现有技术的上述需求而提出的，本发明要解决的技术问题是提出一种基于不同期间的轨迹数据的动态驾驶设置方法及系统以实现自动驾驶车辆和手动驾驶车辆的精准交互。

2、为了解决上述问题，本发明是采用如下技术方案实现的：

3、一种基于不同期间的轨迹数据的动态驾驶设置方法，该方法包括：自动驾驶车辆获取目标车辆的轨迹数据；所述目标车辆为与自动驾驶车辆处于同一驾驶环境中的手动驾驶车辆，所述轨迹数据包括历史轨迹数据和实时轨迹数据；对所述历史轨迹数据通过嵌套时间窗映射处理得到第一驾驶数据，对所述实时轨迹数据通过嵌套时间窗映射处理得到第二驾驶数据；所述映射处理包括：对输入的轨迹数据进行预处理，得到对应的特征数据；利用第一时间窗对特征数据处理得到第一时间窗处理结果；在第一时间窗内，利用第二时间窗对特征数据处理得到第二时间窗处理结果；整合第一时间窗处理结果和第二时间窗处理结果得到历史轨迹数据对应的第一驾驶数据或实时轨迹数据对应的第二驾驶数据；利用第一卷积网络提取第一驾驶数据的特征，获得全面反映驾驶人驾驶特点的第一特征信息；利用第二卷积网络提取第二驾驶数据的特征，获得实时反映驾驶人驾驶特点的第二特征信息；确定多个动态驾驶偏好类别对应的最终簇中心点，包括：获取多个手动驾驶车辆的历史轨迹数据，并进行嵌套时间窗映射处理和第一卷积网络处理得到第三特征信息；将第三特征信息划分为多簇，获得最终簇中心点；计算每簇中第三特征信息对应的历史轨迹数据的参考量，所述参考量包括均值、峰值和方差；参考量从高到低的簇分别对应多个不同的动态驾驶偏好类别；融合第一特征信息和第二特征信息，并根据融合结果与最终簇中心点的距离，确定对应的动态驾驶偏好类别；自动驾驶车辆基于实时得到的目标车辆的动态驾驶偏好类别，确定实时驾驶策略以控制车辆在驾驶环境中行驶。

4、可选地，对输入的轨迹数据进行预处理，得到对应的特征数据，包括：所述轨迹数据包括横向速度、纵向速度、横向加速度和纵向加速度，以及目标车辆的中心相对于第二时间窗内起始时刻对应的轨迹位置的相对横坐标、相对纵向坐标、车头间距和车头时距；计算所述轨迹数据中各参数的平均值、标准差、中位数、25%百分位数、75%百分位数、最小值和最大值；并归一化，获得特征数据。

5、可选地，利用第一时间窗对特征数据处理得到第一时间窗处理结果，包括：当对历史轨迹数据对应的特征数据处理时，将历史轨迹数据对应的时间段进行分割，获得多个第一时间段，每个第一时间段对应多个驾驶操作矩阵；所述驾驶操作矩阵的行表示轨迹数据，列表示与轨迹数据对应的特征数据；控制第一时间窗从第一个第一时间段开始以第一步长滑动，直至滑动最后一个第一时间段，得到第一时间窗处理结果；所述第一时间窗的长度与所述第一时间段的长度相同，所述第一步长为第一时间窗的二分之一；当对实时轨迹数据对应的特征数据处理时，设置一个第一时间窗，第一时间窗区域内包括全部实时轨迹数据和对应的特征数据组成的驾驶操作矩阵。

6、可选地，在第一时间窗内，利用第二时间窗对特征数据处理得到第二时间窗处理结果，包括：当对历史轨迹数据对应的特征数据处理时，控制第二时间窗从第一时间窗的初始位置以第二步长滑动，滑动至第一时间窗的终止位置，然后跳转到移动第一步长的第一时间窗内进行滑动，以此类推，直至第一时间窗滑动完成，得到对应的第二时间窗处理结果；所述第二步长为第二时间窗的三分之二；当对实时轨迹数据对应的特征数据处理时，控制第二时间窗从第一时间窗的初始位置以第三步长滑动至第一时间窗的终止位置，得到对应的第二时间窗处理结果；所述第三步长为第二时间窗的三分之一。

7、可选地，利用第一卷积网络提取第一驾驶数据的特征，获得第一特征信息，包括：对原始卷积核的大小进行处理，获得第一卷积核的感受野；基于第一卷积核的感受野对第一驾驶数据进行处理，获得第一卷积结果，所述第一卷积结果的分辨率基于第一卷积核的感受野、预设填补值和步长确定；将所述卷积结果输入至全连接网络中，获得第一特征信息。

8、可选地，利用第二卷积网络提取第二驾驶数据的特征，获得第二特征信息，包括：对原始卷积核进行第一变换处理，获得第二卷积核，其表达式包括：，其中， u表示第二卷积核， g表示第一变换矩阵，， k表示原始卷积核，表示第一变换矩阵的逆矩阵；对第二驾驶数据进行第二变换处理，获得变换后数据，其表达式包括：，其中， v表示变换后数据，表示第二变换矩阵，， e表示第二驾驶数据， b表示第二变换矩阵的逆矩阵；对第二卷积核和变换后数据进行外积计算，获得外积结果，其表达式包括：，其中， m为外积结果，为哈达玛乘积；对所述外积结果进行加速卷积计算，获得第二卷积结果，其表达式包括：，其中， 表示第二卷积结果，表示第三变换矩阵，， a表示第三变换矩阵的逆矩阵；将所述第二卷积结果输入至全连接网络中，获得第二特征信息。

9、可选地，将第三特征信息划分为多簇，获得最终簇中心点，包括：步骤一：确定初始簇中心点；步骤二：根据第三特征信息与初始簇中心点之间的距离，确定第三特征信息对应的簇；步骤三：根据每个簇中所有第三特征信息的均值，更新簇中心点；步骤四：重复执行步骤二至步骤三多次，直至每个簇的簇中心点的变化值在预设范围内，则确定最终簇中心点。

10、可选地，确定初始簇中心点，包括：步骤一：随机从第三特征信息中选取一个初始簇中心点；步骤二：计算第三特征信息与初始簇中心点的最小距离；步骤三：确定最小距离占全部最小距离之和的权重，选择最大权重对应的第三特征信息作为下一个初始簇中心点；步骤四：重复执行步骤二和步骤三多次，次数与多个不同的动态驾驶偏好类别相对应，得到多个初始簇中心点。

11、可选地，利用交叉熵损失函数、自适应矩估计优化器和修正线性单元激活函数对第一卷积网络和第二卷积网络进行修正。

12、一种基于不同期间的轨迹数据的动态驾驶设置系统，该系统包括：获取模块，自动驾驶车辆获取目标车辆的轨迹数据；所述目标车辆为与自动驾驶车辆处于同一驾驶环境中的手动驾驶车辆，所述轨迹数据包括历史轨迹数据和实时轨迹数据；第一处理模块，对所述历史轨迹数据通过嵌套时间窗映射处理得到第一驾驶数据，对所述实时轨迹数据通过嵌套时间窗映射处理得到第二驾驶数据；所述映射处理包括：对输入的轨迹数据进行预处理，得到对应的特征数据；利用第一时间窗对特征数据处理得到第一时间窗处理结果；在第一时间窗内，利用第二时间窗对特征数据处理得到第二时间窗处理结果；整合第一时间窗处理结果和第二时间窗处理结果得到历史轨迹数据对应的第一驾驶数据或实时轨迹数据对应的第二驾驶数据；第二处理模块，利用第一卷积网络提取第一驾驶数据的特征，获得全面反映驾驶人驾驶特点的第一特征信息；利用第二卷积网络提取第二驾驶数据的特征，获得实时反映驾驶人驾驶特点的第二特征信息；第三处理模块，确定多个动态驾驶偏好类别对应的最终簇中心点，包括：获取多个手动驾驶车辆的历史轨迹数据，并进行嵌套时间窗映射处理和第一卷积网络处理得到第三特征信息；将第三特征信息划分为多簇，获得最终簇中心点，计算每簇中第三特征信息对应的历史轨迹数据的参考量，所述参考量包括均值、峰值和方差；参考量从高到低的簇分别对应多个不同的动态驾驶偏好类别；融合模块，融合第一特征信息和第二特征信息，得到融合结果；输出模块，根据融合结果与最终簇中心点的距离，确定动态驾驶偏好类别；自动驾驶车辆基于实时得到的目标车辆的动态驾驶偏好类别，确定实时驾驶策略以控制车辆在驾驶环境中行驶。

13、与现有技术相比，本发明提供的一种基于不同期间的轨迹数据的动态驾驶设置方法及系统，通过结合手动驾驶车辆的历史轨迹数据和实时轨迹数据的特点及所蕴含驾驶行为特征信息的差异，实现自动驾驶车辆根据实时路网状态作出及时的操作，具体地，通过实时预判同一驾驶环境下的手动驾驶车辆的驾驶偏好，从而实时预测手动驾驶车辆的驾驶行为，进一步根据预测的驾驶行为实时确定自动驾驶车辆的驾驶策略；例如，通过实时预判自动驾驶车辆的前后相邻手动驾驶车辆的驾驶偏好，预测如果自动驾驶车辆进行换道或者超车等驾驶策略时，相邻手动驾驶车辆的驾驶人是否会控制车辆使自动驾驶车辆完成换道或者超车操作，如果可以，自动驾驶车辆及时进行相应的驾驶策略。并且通过嵌套时间窗提取得到的驾驶数据更加多样，使后续卷积网络处理和划分簇的种类更加准确；另外，本发明具有多个偏好表征指标，能够对驾驶偏好进行全面、准确的分类。