[发明专利]轨迹预测模型训练以及轨迹预测方法、装置、设备及介质

权利要求书

1.一种轨迹预测模型的训练方法，其特征在于，包括：

通过轨迹预测模型，对样本车辆的历史轨迹数据和所述样本车辆的周围车辆的历史轨迹数据进行处理，得到所述样本车辆的预测轨迹数据和所述样本车辆的预测驾驶行为数据；

根据所述样本车辆的预测轨迹数据、所述样本车辆的真实轨迹数据以及所述样本车辆的预测驾驶行为数据，确定损失函数；

根据所述损失函数，对所述轨迹预测模型进行训练。

2.根据权利要求1所述的方法，其特征在于，根据所述样本车辆的预测轨迹数据、所述样本车辆的真实轨迹数据以及所述样本车辆的预测驾驶行为数据，确定损失函数，包括：

根据所述样本车辆的预测轨迹数据和所述样本车辆的真实轨迹数据确定均方根误差损失函数；

根据所述样本车辆的预测驾驶行为数据和所述样本车辆的预测轨迹数据，确定驾驶行为损失函数。

3.根据权利要求1所述的方法，其特征在于，通过轨迹预测模型，对样本车辆的历史轨迹数据和所述样本车辆的周围车辆的历史轨迹数据进行处理，得到所述样本车辆的预测轨迹数据和所述样本车辆的预测驾驶行为数据，包括：

通过所述轨迹预测模型的编码器网络，对所述样本车辆的历史轨迹数据和所述样本车辆的周围车辆的历史轨迹数据进行处理，得到第一轨迹编码信息；

通过所述轨迹预测模型的池化卷积网络，对所述第一轨迹编码信息进行处理，得到第二轨迹编码信息；

通过所述轨迹预测模型的解码器网络，对所述第二轨迹编码信息进行处理，得到所述样本车辆的预测轨迹数据和所述样本车辆的预测驾驶行为数据。

4.根据权利要求3所述的方法，其特征在于，所述轨迹预测模型的池化卷积网络包括：池化网络和卷积网络；

相应的，所述通过所述轨迹预测模型的池化卷积网络，对所述第一轨迹编码信息进行处理，得到第二轨迹编码信息，包括：

通过所述池化网络，提取所述第一轨迹编码信息的空间约束特征；

通过所述卷积网络，从所述空间约束特征中提取局部约束特征，得到所述第二轨迹编码信息。

5.根据权利要求3所述的方法，其特征在于，所述通过所述轨迹预测模型的解码器网络，对所述第二轨迹编码信息进行处理，得到所述样本车辆的预测轨迹数据和所述样本车辆的预测驾驶行为数据，包括：

通过所述轨迹预测模型的解码器网络的线性变换函数和归一化指数函数，对第二轨迹编码信息进行处理，得到所述样本车辆的预测驾驶行为数据；

通过所述线性变换函数，对所述样本车辆的预测驾驶行为数据进行处理，得到所述样本车辆的预测轨迹数据。

6.一种轨迹预测方法，其特征在于，包括：

获取待预测车辆的历史轨迹数据和所述待预测车辆的周围车辆的历史轨迹数据；

通过轨迹预测模型，对所述待预测车辆的历史轨迹数据和所述待预测车辆的周围车辆的历史轨迹数据进行处理，得到所述待预测车辆的预测行驶轨迹；

其中，所述轨迹预测模型是根据如权利要求1至5中任一项所述的方法训练得到。

7.一种轨迹预测模型的训练装置，其特征在于，包括：

轨迹预测模块，用于通过轨迹预测模型，对样本车辆的历史轨迹数据和所述样本车辆的周围车辆的历史轨迹数据进行处理，得到所述样本车辆的预测轨迹数据和所述样本车辆的预测驾驶行为数据；

损失函数确定模块，用于根据所述样本车辆的预测轨迹数据、所述样本车辆的真实轨迹数据，以及所述样本车辆的预测驾驶行为数据，确定损失函数；

训练模块，用于根据所述损失函数，对所述轨迹预测模型进行训练。

8.一种轨迹预测装置，其特征在于，包括：

获取模块，用获取待预测车辆的历史轨迹数据和所述待预测车辆的周围车辆的历史轨迹数据；

预测模块，用于通过轨迹预测模型，对所述待预测车辆的历史轨迹数据和所述待预测车辆的周围车辆的历史轨迹数据进行处理，得到所述待预测车辆的预测行驶轨迹；

其中，所述轨迹预测模型是根据如权利要求1至5中任一项所述的方法训练得到。