[发明专利]一种基于高斯混合模型的车辆轨迹预测方法、系统

权利要求书

1.一种基于高斯混合模型的车辆轨迹预测方法，其特征在于，包括如下步骤：

1)将采集得到的轨迹T表示为由：在车辆坐标系的2D平面中的N对时间t_i以及当前时间速度v_i和角偏量组成，

2)采用表示法描述轨迹，获得轨迹T的统一表示，

3)基于高斯混合模型分布进行轨迹T的预测，预测未来时刻的速度c_v和角偏量

4)通过计算条件分布p(X_f|X_h)的统计特性预测上述c_v和/或其中X_f为近似的未来轨迹，X_h为历史轨迹。

2.根据权利要求1所述的车辆轨迹预测方法，其特征在于，所述轨迹T表示具体为：

其中对于t_i＜t_i+1，i＝0，…，N-1。

3.根据权利要求1所述的车辆轨迹预测方法，其特征在于，所述轨迹T的统一表示具体包括如下步骤：

首先，通过使用表示法描述轨迹，将两个分量v_i、转换到区间[-1，1]，

其次，应用切比雪夫分解，得到近似系数的两个m维向量，分别用于速度c_v和偏向角

最终，得到特征向量其中系数m＝5。

4.根据权利要求1所述的车辆轨迹预测方法，其特征在于，所述高斯混合模型分布具体为：

其中，历史和未来轨迹片段近似为X_h和X_f，

通过计算条件混合密度进行预测件混合密度进行如下预测：

上述参数p(x_f|x_h)采用高斯混合模型的均值和协方差矩阵的划分表示，并根据平均值和协方差进行概率轨迹预测。

5.根据权利要求4所述的车辆轨迹预测方法，其特征在于，上述高斯混合模型的平均值

6.根据权利要求4所述的车辆轨迹预测方法，其特征在于，上述高斯混合模型的协方差公式

7.根据权利要求4所述的车辆轨迹预测方法，其特征在于，得到所述高斯混合模型分布前还包括如下操作：

假设速度的预测近似系数的高斯分布为：

其中，m(c_v，h)和cov(c_v，h)是描述历史的系数的平均值和协方差的函数。

8.一种基于高斯混合模型的车辆轨迹预测系统，其特征在于，包括：

轨迹预处理单元，用以将采集得到的轨迹T表示为由：在车辆坐标系的2D平面中的N对时间t_i以及当前时间速度v_i和角偏量组成，

采用表示法描述轨迹，获得轨迹T的统一表示，

轨迹预测单元，用以基于高斯混合模型分布进行轨迹T的预测，预测未来时刻的速度c_v和角偏量

通过计算条件分布p(X_f|X_h)的统计特性预测上述c_v和/或其中X_f为近似的未来轨迹，X_h为历史轨迹。

9.根据权利要求8所述的车辆轨迹预测系统，其特征在于，所述轨迹预处理单元还用以，通过使用表示法描述轨迹，将两个分量v_i、转换到区间[-1，1]，应用切比雪夫分解，得到近似系数的两个m维向量，分别用于速度c_v和偏向角得到特征向量其中系数m＝5。

10.根据权利要求8所述的车辆轨迹预测系统，其特征在于，还包括：一轨迹数据库，用以提取历史和未来的每个时刻的车辆运动模式。