一种周车轨迹预测方法、设备、介质及产品

本发明涉及自动驾驶，特别是涉及一种周车轨迹预测方法、设备、介质及产品。

背景技术：

1、自动驾驶车辆有利于提升道路通行效率、减少能源消耗，并提升道路交通安全水平，是未来车辆的重要发展方向。自动驾驶车辆的软件架构包括感知层、决策层、规划层和控制层。感知层利用车辆传感器(如雷达、摄像头和通讯等)来感知周围环境和车辆运动状态。决策层根据感知到的障碍物确定最佳行驶决策。规划层基于感知和决策结果规划无碰撞、符合车辆动力学约束的行驶轨迹。控制层根据规划轨迹对执行器(如转向、制动驱动等)进行控制，以减小实际轨迹与规划轨迹的误差。预测层作为感知和规划之间的桥梁，接收感知模块的周车运动状态和高精度地图模块的道路结构信息，预测周车未来的驾驶行为或运动轨迹，为自动驾驶车辆的高效、准确决策提供了基础。因此轨迹预测结果的准确性直接影响着自动驾驶车辆的行车安全性。现有的轨迹预测方法还存在预测分布精度低、边界可解释性差、输入较长序列时计算量大以及推理速度慢的问题。

技术实现思路

1、本发明的目的是提供一种周车轨迹预测方法、设备、介质及产品，提高了周围车辆的预测轨迹的准确性，进而提高了自动驾驶的行车的安全性。

2、为实现上述目的，本发明提供了如下方案：

3、一种周车轨迹预测方法，包括：

4、对历史轨迹数据集中每条路径参考线，采用蒙特卡洛模拟法和五次多项式方法生成后验轨迹簇；

5、根据所述后验轨迹簇确定每条路径参考线的后验轨迹分布参数，并将后验轨迹分布参数作为标签数据；

6、以每条路径参考线中起点状态的时间序列为输入，后验轨迹分布参数为输出训练tcn-transformer网络，得到轨迹分布参数预测模型；

7、将目标车辆起点状态的时间序列输入所述轨迹分布参数预测模型，得到所述目标车辆的邻车的预测轨迹分布参数；所述目标车辆为自动驾驶车辆的周车之一。

8、可选地，对历史轨迹数据集中每条路径参考线，采用蒙特卡洛模拟法和五次多项式方法生成后验轨迹簇，具体包括：

9、以每条路径参考线的起点状态为采样中心，采用蒙特卡洛模拟法对预设时间范围内的终点状态进行多次随机采样；

10、利用五次多项式方法，根据每条路径参考线的起点状态和终点状态的多次随机采样结果，生成所述后验轨迹簇。

11、可选地，所述起点状态包括起点的位置、速度、加速度和与邻车的相对位置；

12、所述终点状态包括终点的位置、速度和加速度。

13、可选地，根据所述后验轨迹簇确定每条路径参考线的后验轨迹分布参数，具体包括：

14、采用约束条件对所述后验轨迹簇中轨迹进行筛选；

15、对筛选后的后验轨迹簇进行离散；

16、根据离散后的后验轨迹簇确定后验轨迹分布参数。

17、可选地，所述后验轨迹分布参数包括轨迹的均值、标准差和相关性系数。

18、可选地，所述tcn-transformer网络包括transformer编码器、时间卷积编码器、第一多头注意力层和transformer解码器；

19、所述transformer编码器和所述时间卷积编码器均用于输入时间序列；所述transformer编码器包括依次连接的第一注意力层和第二注意力层；所述时间卷积编码器包括依次连接的第一时间卷积层、第二时间卷积层、第三时间卷积层和第四时间卷积层，所述时间卷积编码器还包括1×1卷积层和第一线性层，所述第一时间卷积层和所述1×1卷积层均用于输入时间序列，所述1×1卷积层的输出和所述第四时间卷积层的输出求和后与所述第一线性层的输入连接，所述第一线性层的输出与所述第一多头注意力层的输入连接；所述第二注意力层和所述第一多头注意力层的输出均与所述transformer解码器连接；

20、所述transformer解码器包括依次连接的第三注意力层、第二多头注意力层、第四注意力层和第二线性层。

21、可选地，训练tcn-transformer网络的损失函数包括负对数似然项和分布参数正则项；所述负对数似然项为预测轨迹分布参数与位置真值之间的匹配程度；所述分布参数正则项根据预测轨迹分布参数和后验轨迹分布参数的均分误差确定。

22、本发明公开了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现所述的周车轨迹预测方法的步骤。

23、本发明公开了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的周车轨迹预测方法的步骤。

24、本发明公开了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现所述的周车轨迹预测方法的步骤。

25、根据本发明提供的具体实施例，本发明公开了以下技术效果：

26、本发明采用蒙特卡洛模拟法和五次多项式方法生成后验轨迹簇，增加了轨迹的随机性，根据后验轨迹簇确定每后验轨迹分布参数，并将后验轨迹分布参数作为标签数据；提高了轨迹分布参数预测的准确从，从而提高了周围车辆的预测轨迹的准确性，进而提高了自动驾驶的行车的安全性。

技术特征：

1.一种周车轨迹预测方法，其特征在于，包括：

2.根据权利要求1所述的周车轨迹预测方法，其特征在于，对历史轨迹数据集中每条路径参考线，采用蒙特卡洛模拟法和五次多项式方法生成后验轨迹簇，具体包括：

3.根据权利要求2所述的周车轨迹预测方法，其特征在于，所述起点状态包括起点的位置、速度、加速度和与邻车的相对位置；

4.根据权利要求1所述的周车轨迹预测方法，其特征在于，根据所述后验轨迹簇确定每条路径参考线的后验轨迹分布参数，具体包括：

5.根据权利要求1所述的周车轨迹预测方法，其特征在于，所述后验轨迹分布参数包括轨迹的均值、标准差和相关性系数。

6.根据权利要求1所述的周车轨迹预测方法，其特征在于，所述tcn-transformer网络包括transformer编码器、时间卷积编码器、第一多头注意力层和transformer解码器；

7.根据权利要求1所述的周车轨迹预测方法，其特征在于，训练tcn-transformer网络的损失函数包括负对数似然项和分布参数正则项；所述负对数似然项为预测轨迹分布参数与位置真值之间的匹配程度；所述分布参数正则项根据预测轨迹分布参数和后验轨迹分布参数的均分误差确定。

8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述的周车轨迹预测方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的周车轨迹预测方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的周车轨迹预测方法的步骤。

技术总结本发明公开一种周车轨迹预测方法、设备、介质及产品，涉及自动驾驶技术领域，方法包括：对历史轨迹数据集中每条路径参考线，采用蒙特卡洛模拟法和五次多项式方法生成后验轨迹簇；根据后验轨迹簇确定每条路径参考线的后验轨迹分布参数，并将后验轨迹分布参数作为标签数据；以每条路径参考线中起点状态的时间序列为输入，后验轨迹分布参数为输出训练神经网络，得到轨迹分布参数预测模型；将目标车辆起点状态的时间序列输入轨迹分布参数预测模型，得到目标车辆的邻车的预测轨迹分布参数；根据预测轨迹分布参数确定目标车辆的周围车辆的预测轨迹。本发明提高了周围车辆的预测轨迹的准确性，进而提高了自动驾驶的行车的安全性。技术研发人员：张雷,王震坡,袁恒受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/6/26