欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022105457361
申请人: 长安大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种车辆轨迹预测方法,其特征在于,包括:

获取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据;

通过预设的多维动态场景特征提取函数,提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据,得到待预测车辆的多维动态场景特征向量;

通过预设的信息提取神经网络提取待预测车辆的多维动态场景特征向量,得到待预测车辆的交通感知信息;

通过预设的时间特征编码器,编码待预测车辆的交通感知信息以及历史运动状态数据,得到待预测车辆的隐状态信息;

根据待预测车辆的隐状态信息,得到待预测车辆的混合注意力矩阵,并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重,然后依次通过最大池化处理和全连接处理,得到待预测车辆的轨迹预测值。

2.根据权利要求1所述的车辆轨迹预测方法,其特征在于,所述待预测车辆各相邻车辆包括待预测车辆的前、后、左、右、左前、左后、右前以及右后八个方向的相邻车辆。

3.根据权利要求1所述的车辆轨迹预测方法,其特征在于,所述通过预设的多维动态场景特征提取函数,提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据,得到待预测车辆的多维动态场景特征向量包括:通过预设的多维动态场景特征提取函数,提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据中,待预测车辆及待预测车辆各相邻车辆在行驶方向及行驶方向的垂直方向上的位置数据、速度数据和加速度数据,得到待预测车辆的多维动态场景特征向量。

4.根据权利要求3所述的车辆轨迹预测方法,其特征在于,所述信息提取神经网络包括依次连接的第一卷积层、第二卷积层、最大池化层和全连接层;

其中,第一卷积层用于融合待预测车辆及待预测车辆各相邻车辆在行驶方向及行驶方向的垂直方向上的位置数据、速度数据和加速度数据,得到待预测车辆及待预测车辆各相邻车辆的第一融合特征;

第二卷积层用于融合待预测车辆及待预测车辆各相邻车辆中任意相邻车辆的第一融合特征,得到第二融合特征;

最大池化层用于最大池化处理第二融合特征;

全连接层用于全连接处理最大池化处理后的第二融合特征,得到待预测车辆的交通感知信息。

5.根据权利要求1所述的车辆轨迹预测方法,其特征在于,所述预设的时间特征编码器为长短期记忆网络编码器。

6.根据权利要求1所述的车辆轨迹预测方法,其特征在于,所述根据待预测车辆的隐状态信息,得到待预测车辆的混合注意力矩阵包括:通过下式得到待预测车辆的混合注意力矩阵α:

αt=softmax(gt(H,ht+1))

αf=softmax(gf(H,ht+1))

α=αtαf

其中,softmax为归一化指数函数,αt为时间权重向量,αf为特征权重向量,gf(H,ht+1)=ht+1(WfH), gf为特征权重余弦相关度函数,gt为时间权重余弦相关度函数,Wf为历史Th帧待预测车辆的特征矩阵,H为历史Th帧待t预测车辆的隐状态信息,h为t时刻待预测车辆的隐状态数据,ht+1为t+1时刻待预测车辆的隐状态数据。

7.根据权利要求6所述的车辆轨迹预测方法,其特征在于,所述通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重,然后依次通过最大池化处理和全连接处理,得到待预测车辆的轨迹预测值包括:通过下式得到待预测车辆的轨迹预测值yt+1:

O=α⊙H

h't+1=contact(ht+1,ot,of)

yt+1=h't+1W2W1

其中,⊙为矩阵对应元素相乘,ot为对提高预测精度最有利的时刻, 为在时间维度进行最大池化,Oi,j为通过分配权重后的待预测车辆的隐状态信息,of为对提高预测精度最有利的特征, 为在特征维度进行最大池化处理,h't+1为将ot、of和ht+1进行全连接处理得到的t+1时刻待预测车辆的隐状态信息,contact为全连接处理,W1和W2为预设权重。

8.一种车辆轨迹预测系统,其特征在于,包括:

数据获取模块,用于获取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据;

数据预处理模块,用于通过预设的多维动态场景特征提取函数,提取待预测车辆及待预测车辆各相邻车辆的历史运动轨迹数据,得到待预测车辆的多维动态场景特征向量;

信息提取模块,用于通过预设的信息提取神经网络提取待预测车辆的多维动态场景特征向量,得到待预测车辆的交通感知信息;

编码模块,用于通过预设的时间特征编码器,编码待预测车辆的交通感知信息以及历史运动状态数据,得到待预测车辆的隐状态信息;

预测模块,用于根据待预测车辆的隐状态信息,得到待预测车辆的混合注意力矩阵,并通过待预测车辆的混合注意力矩阵为待预测车辆的隐状态信息分配权重,然后依次通过最大池化处理和全连接处理,得到待预测车辆的轨迹预测值。

9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述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时实现如权利要求1至

7任一项所述车辆轨迹预测的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述车辆轨迹预测的步骤。