[发明专利]驾驶意图确定方法及装置

说明书

本申请公开了一种驾驶意图确定方法及装置，属于交通技术领域。所述方法包括：获取所处的行车环境中的交通目标的状态信息，所述交通目标包括运动状态的交通目标和静止状态的交通目标，所述静止状态的交通目标的状态信息至少包括交通标识的指示信息和道路边界信息；基于行车环境中的交通目标的状态信息，确定行车环境的风险场；对于行车环境中的任一其它车辆，基于所述风险场确定所述其它车辆在行车环境中的行驶轨迹；基于所述其它车辆在行车环境中的行驶轨迹，确定所述其它车辆的驾驶意图。本申请可以简化驾驶意图确定过程，提高了其它车辆的驾驶意图确定效率和准确度，进而可以为车辆的合理决策和控制提供判断依据，提高车辆主动安全性。

技术领域

本申请涉及交通技术领域，特别涉及一种驾驶意图确定方法及装置。

背景技术

随着无人驾驶技术和驾驶辅助系统的飞速发展，为了提高无人驾驶车辆或使用驾驶辅助系统的车辆在行驶过程中的安全性，往往需要对该车辆所处的行车环境中的其它车辆的驾驶意图进行预测，以便可以根据其它车辆的驾驶意图，对该车辆进行合理安全的决策控制，该驾驶意图可以包括左换道、右换道、直线行驶等。

目前，提供了一种基于贝叶斯网络的驾驶意图确定方法。具体地，车辆对于所处的行车环境中的每个其它车辆，分别建立该其它车辆的目的地意图、轨迹意图和速度意图对应的贝叶斯网络模型；将该行车环境中的各个交通目标的状态信息作为这三个贝叶斯网络模型的输入，来得到这三个贝叶斯网络模型中的证据节点；对于这三个贝叶斯网络模型中的每个贝叶斯网络模型，通过该贝叶斯网络模型中各个证据节点间的条件概率分布，计算该贝叶斯网络模型中各个意图节点的概率(即将要发生各个意图的概率)，并从中选择概率最大的意图节点作为该贝叶斯网络模型的意图预测结果；基于这三个贝叶斯网络模型的意图预测结果，确定该其它车辆的驾驶意图。

然而，贝叶斯网络模型中各个节点间的条件概率分布往往难以准确获取，因而会导致上述方法中贝叶斯网络模型的意图预测结果的准确度较低，进而导致后续根据该意图预测结果确定的驾驶意图的准确度较低。另外，如果需要确定多个其它车辆的驾驶意图，则上述方法中对该多个其它车辆均需建立三个独立的贝叶斯网络模型，在此情况下，该多个其它车辆的驾驶意图的确定过程十分繁琐，确定效率较低。

发明内容

为了提高现有技术中确定的驾驶意图的准确度以及确定效率，本申请提供了一种驾驶意图确定方法及装置。所述技术方案如下：

第一方面，提供了一种驾驶意图确定方法，所述方法包括：

获取所处的行车环境中的交通目标的状态信息，所述交通目标包括运动状态的交通目标和静止状态的交通目标，所述静止状态的交通目标的状态信息至少包括交通标识的指示信息和道路边界信息；

根据所述行车环境中的交通目标的状态信息，确定所述行车环境的风险场，所述风险场的场强为所述行车环境中的风险程度值，所述风险场包括动能场和势能场，其中，基于所述交通目标在所述行车环境中的坐标、所述交通目标的类型对应的风险增益常数、所述交通目标的转向灯状态对应的驾驶意图表征向量、所述交通目标的等价质量、速度和加速度，通过第一公式得到所述交通目标的动能场；

所述第一公式：