[发明专利]一种基于道路环境智能识别的车辆轨迹填充方法

权利要求书

1.一种基于道路环境智能识别的车辆轨迹填充方法，其特征在于，包括以下步骤：

S1：采集数据，并数据预处理：

在车辆上安装GPS接收器和IMU传感器，进行轨迹数据采集；

通过IMU传感器测量车辆t时刻的加速度数据和角速度数据以表示在t时刻的车辆运动信息；

通过GPS接收器获取车辆的实时经纬度信息s_t＝(x_t,y_t)，并对GPS位置数据进行预处理，得到预处理GPS位置数据后的对应t时刻数据分别表示t时刻车辆的速度，方向角，加速度和角速度；

S2：进行道路环境分类及智能识别；

将道路环境分为三种基本类型：

I)“直线”路段；II)直角转弯；III)匝道；

利用采集的IMU数据对道路环境进行智能识别；

S3：利用机器学习模型，使用GPS信号未丢失时的GPS数据和IMU数据作为训练集进行训练，得到训练的学习模型；GPS丢失时，将GPS丢失时的IMU数据输入训练的学习模型得到预测的预处理GPS位置数据，进而得到车辆行驶轨迹作为填充轨迹；

其中，1)当得到GPS时，利用机器学习模型对t＝1时刻到t＝T时刻的训练得到训练的预测模型；当GPS丢失时，利用训练的预测模型预测并更新下一时刻输入数据再次预测；

其中，是在t时刻IMU的测量误差，其中，

2)基于IMU测量误差和车辆位置之间的关系，通过航位推测的数学计算填充轨迹；

填充轨迹的具体方法如下：

已知:观测的车辆位置轨迹信息表示车辆在T+1时刻缺失的x轴坐标，表示车辆在T+1时刻缺失的y轴坐标，表示车辆在T+N时刻缺失的x轴坐标，表示车辆在T+N时刻缺失的y轴坐标，N表示GPS中断的时间长度；

已知IMU预处理信息表示IMU在T+N+1时刻测量的车辆加速度，表示IMU在T+N+1时刻测量的车辆角速度；

所求:填充缺失轨迹

其中，(x_t,y_t)表示t时刻真实的车辆位置坐标；在t＝T+1时刻到t＝T+N时刻间，GPS发生中断，车辆轨迹缺失；表示预测的t时刻车辆位置坐标；

3)所述机器学习模型为GRU神经网络：

步骤一、对于直线路段和直角转弯路段，使用一个堆叠的GRU网络，包括输入层、输出层和两个堆叠的GRU层，两个堆叠的GRU层中，前一个GRU层有128个单元，后一个GRU层有64个单元，后一个GRU层与输出层之间添加一个全连接层即Dense层，神经单元数目与输出大小相同；

步骤二、对于匝道路段，在第一GRU层和Dense层之间添加一个NALU层。

2.根据权利要求1所述的一种基于道路环境智能识别的车辆轨迹填充方法，其特征在于，所述步骤S1中对GPS位置数据进行预处理过程如下：

在t-1时刻和t时刻的GPS位置数据s_t-1＝(x_t-1,y_t-1)，s_t＝(x_t,y_t)，得到两时刻之间的车辆位移d_t＝s_t-s_t-1；其中，s_t-1表示车辆在t-1时刻的坐标，x_t-1表示在t-1时刻车辆在x轴的坐标，y_t-1表示在t-1时刻车辆在y轴的坐标，s_t表示车辆在t时刻的坐标，x_t表示在t时刻车辆在x轴的坐标，y_t表示在t时刻车辆在y轴的坐标；

根据d_t，计算得到t-1时刻和t时刻的之间车辆的平均速度，记为方向角为令

3.根据权利要求1所述的一种基于道路环境智能识别的车辆轨迹填充方法，其特征在于，所述步骤S2中道路环境智能识别如下：

利用采集的IMU数据对道路环境进行智能识别：

1)将路段对应IMU测量方向角变化小于20°的视为“直线”路段；

2)IMU测量方向角变化在80°-100°的视为直角转弯；

3)IMU测量方向角变化在100°以上的视为匝道。