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: 2025101954693
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
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:

1.一种考虑时空交互信息的车辆多模态轨迹预测方法,其特征在于,包括如下步骤:采集车辆行驶时的场景信息;所述场景信息包括自身车辆的轨迹信息以及同向行驶下相邻车道前后预定范围内的周围车辆的轨迹信息;所述场景信息I包括自身车辆的轨迹信息以及同向行驶下相邻车道前后预定范围内的周围车辆的轨迹信息:自身车辆的轨迹信息;

其中,x表示车辆横坐标信息,y表示车辆纵坐标信息,分别为车辆在横纵两个方向上的速度分量,分别为车辆在横纵两个方向上的加速度分量,表示车道编号;

选取开源的时空注意力模型作为基模型,将所述场景信息导入所述基模型进行编码,得到融合时空注意力机制的编码信息以及周围车辆的社交网格信息;将所述场景信息导入所述基模型进行编码,具体包括:将自身车辆的轨迹信息通过编码器进行嵌入式表征得到自身车辆的嵌入状态:将周围车辆的轨迹信息通过编码器进行嵌入式表征得到周围车辆的嵌入状态:式中,为多层感知机,为嵌入层的权重系数;

将自身车辆的嵌入状态和周围车辆的嵌入状态分别输入LSTM层进行轨迹特征编码得到各自的隐藏层特征向量:式中,表示通过LSTM层进行编码;表示自身车辆经过LSTM编码后的隐藏层特征向量;表示周围车辆经过LSTM编码后的隐藏层特征向量;

选取开源的自动驾驶意图预测模型,融合编码信息和社交网格信息并输入至所述自动驾驶意图预测模型中,得到未来时域内自身车辆的意图预测概率P;所述未来时域内自身车辆的意图预测概率;

其中,表示纵向行驶意图概率,包含加速、保持车速、减速的概率;表示横向行驶意图概率,包含左换道、右换道、直行的概率;

构建解码器;将拼接后的意图预测概率P和编码信息输入至所述解码器,解码得到对应意图下的预测轨迹。

2.根据权利要求1所述的考虑时空交互信息的车辆多模态轨迹预测方法,其特征在于,将所述场景信息导入所述基模型进行编码,得到融合时空注意力机制的编码信息:式中,h为时间注意力机制的输出,为空间注意力机制的输出,为课学习的权重参数,用于控制各部分的贡献度。

3.根据权利要求1所述的考虑时空交互信息的车辆多模态轨迹预测方法,其特征在于,将所述场景信息导入所述基模型进行编码,得到周围车辆的社交网格信息,具体包括:利用掩码矩阵mask对经过层归一化后的周围车辆隐藏层特征向量进行稀疏提取,得到周围车辆的社交网格信息:其中,归一化后的周围车辆隐藏层特征向量;为第i个时间步的周围车辆隐藏层特征向量,为隐藏向量均值,表示方差,ϵ为常数。

4.根据权利要求1或2或3所述的考虑时空交互信息的车辆多模态轨迹预测方法,其特征在于,所述得到未来时域内自身车辆的意图预测概率P,具体包括:通过注意力机制融合编码信息和社交网格信息:

式中,表示融合后特征,为注意力机制;

通过全连接层对融合后特征进行特征提取:

式中,表示提取后特征,是全连接层的权重矩阵,是偏置向量,为激活函数;

预测交通参与者的高层次意图类别:

为高层次意图分类的权重矩阵,为偏置向量;

基于高层次意图类别,细化得到纵向行驶意图概率、横向行驶意图概率:其中,为低层次意图分类的权重矩阵,为偏置向量。

5.根据权利要求1所述的考虑时空交互信息的车辆多模态轨迹预测方法,其特征在于,所述解码器有六个分支,每个分支对应一个意图;

六个分支接收共享特征后独立解码生成对应的未来轨迹,每个分支的结构如下:式中,分别为分支在时间步的隐藏状态和记忆状态,表示第个分支的LSTM网络,为分支在时间步的预测输出坐标;为输出的映射参数;

经过T时间步的递归生成,整合得到6个意图下的多模态轨迹预测结果:式中,分别为左换道意图、右换道意图、左加速换道意图、右加速换道意图、直行匀速意图、执行减速意图。

6.一种车辆多模态轨迹预测系统,其特征在于,包括:至少一个处理模块,

以及存储有计算机程序指令的存储器;

至少一个处理模块执行所述计算机程序指令时实现如权利要求1至5中任一项所述的考虑时空交互信息的车辆多模态轨迹预测方法。

7.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一个可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如权利要求1至5中任一项所述的考虑时空交互信息的车辆多模态轨迹预测方法。