[发明专利]一种基于AI的智能驾驶车辆周车的行为预测方法和系统

说明书

本发明提供了一种基于AI的智能驾驶车辆周车的行为预测方法，所述方法包括如下步骤：步骤S1：对智能驾驶车辆周车的运动信息数据进行采集，得到采集数据；步骤S2：对输入的采集数据进行处理；步骤S3：根据处理后的数据，采用具有注意力的编码器‑解码器结构的双向LSTM进行轨迹预测；步骤S4：根据轨迹预测输出智能驾驶车辆周车的预测位置。本发明可以提高预测时间以及预测的准确性；可以提高预测时间以及预测的准确性，对智能车辆周车的轨迹预测具有重要意义。

技术领域

本发明涉及智能驾驶的技术领域，具体地，涉及一种基于AI的智能驾驶车辆周车的行为预测方法和系统。

背景技术

智能驾驶作为战略性新兴产业的重要组成部分，发展智能驾驶，对于促进国家科技、经济、社会生活，以及综合国力有着重大的意义，智能驾驶可以弥补人类驾驶员存在的缺陷，实现智能驾驶，可以提高交通效率，保证安全率，缓解劳动力短缺的问题，同时，智能驾驶技术的研究可以增强我国在汽车相关产业方面的核心竞争力，对提升我国的学术以及工业能力具有重大的战略意义。

目标监测和行为预测可以被视为自动驾驶汽车感知系统的两个主要功能，虽然它们都依赖于传感器数据，但是前者旨在对自动驾驶汽车周围环境目标进行定位和分类，而后者则提供了对周围物体动力学的理解并预测了它们的未来行为，行为预测在自动驾驶应用中起着关键作用，因为它支持有效的决策，并能够进行风险评估。

LSTM是一种特殊的递归神经网络，能够学习长期依赖，它显示出很强的信息获取能力，并且在处理时间序列时能表现出内在的特征，此外，LSTM能够可靠地预测复杂场景中的轨迹，轨迹属于时间序列问题，因此利用LSTM通过历史运动数据预测未来轨迹是合理的，选择编码器-解码器作为轨迹预测模型的结构，有利于解决不同时间步长的输出不相关的问题，处理seq-seq问题，并且加入注意力机制能提高预测的准确性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于AI的智能驾驶车辆周车的行为预测方法和系统。

根据本发明提供的一种基于AI的智能驾驶车辆周车的行为预测方法，所述方法包括如下步骤：

步骤S1：对智能驾驶车辆周车的运动信息数据进行采集，得到采集数据；

步骤S2：对输入的采集数据进行处理；

步骤S3：根据处理后的数据，采用具有注意力的编码器-解码器结构的双向LSTM进行轨迹预测；

步骤S4：根据轨迹预测输出智能驾驶车辆周车的预测位置。

优选地，所述步骤S2包括：

以智能驾驶车辆自身为坐标原点，行进方向为Y轴正方向，构建坐标系，得到周车出现在智能驾驶车辆周围之后的位置坐标。

优选地，所述步骤S3包括如下步骤：

步骤S3.1：将目标车辆的运动信息输入到编码器中，通过非线性变换，输入序列被转换成中间语义表示，记为Context，Context是隐藏信息的总结；

步骤S3.2：将编码器的输出结果结合注意力之后输入到解码器中，解码器使用Context结合注意力之后的向量作为初始状态，得到下一时间步的预测位置；

步骤S3.3：循环输入前一步输出的结果获得新的位置，得到轨迹的预测序列，预测未来k个时间步长的位置信息。

优选地，所述编码器的转换过程包括：

输入X＝{X1,X2,…,Xt},其中Xt＝{xt,yt},向量X的长度表示可输入信息的长度，(xt,yt)表示t时刻目标车辆在以本车为坐标原点，行驶方向为y轴的坐标系中的位置；Xt输入双向LSTM后得到正向的输出为后向的输出为编码器的输出为表示的是对应元素相加。