本车道前向目标切出概率预测方法、装置及存储介质与流程

1.本发明属于自动驾驶技术领域，具体涉及本车道前向目标切出概率预测方法、装置及存储介质。


背景技术：

2.自动驾驶系统采用先进的通信、计算机、网络和控制技术，对列车实现实时、连续控制。采用现代通信手段，直接面对列车，可实现车地间的双向数据通信，传输速率快，信息量大，后续追踪列车和控制中心可以及时获知前行列车的确切位置，使得运行管理更加灵活，控制更为有效，更加适应列车自动驾驶的需求。
3.自动驾驶技术主要包括环境感知、决策规划和控制执行三个部分。在当前传感器能力不足，环境感知精度有限的情况下，决策规划是保障自动驾驶车辆安全可靠行驶的最关键步骤。为提高复杂交通场景下的决策规划能力，需要对交通状况，特别是对本车周边其他目标的行为(如图1所示)进行预测，这样才能保证决策规划的合理性，为控制执行部分预留充足的处理时间并提高舒适性。
4.现目前对于目标行为的预测算法主要有两种，第一种是基于单个目标的预测，第二种是基于周围车辆交互行为的预测。但是在预测本车道前向目标车辆切出概率的过程中，这两种预测方法均具有一定的缺陷，没有同时兼顾考虑目标本身的运动规律以及周边车辆的驾驶行为，导致预测结果准确率较低。


技术实现要素：

5.本发明的目的是：旨在提供本车道前向目标切出概率预测方法、装置及存储介质，用来解决背景技术中指出的，现有技术中预测本车道前向目标车辆切出概率的过程中，没有同时兼顾考虑目标本身的运动规律以及周边车辆的驾驶行为，导致预测结果准确率较低的问题。
6.为实现上述技术目的，本发明采用的技术方案如下：
7.第一方面，提供一种本车道前向目标切出概率预测方法，所述预测方法包括：
8.步骤s1、筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；
9.步骤s2、根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；
10.步骤s3、筛选出影响所述目标车辆切出概率的交互车辆；
11.步骤s4、对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；
12.步骤s5、基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；
13.步骤s6、对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所
述相对横向速度，并基于目标物理运动计算出所述目标车辆的在预测时长内的预测横向相对位置；
14.步骤s7、根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；
15.步骤s8、根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；
16.步骤s9、根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。
17.结合第一方面，在步骤s3中，所述交互车辆包括目标前向的车辆、本车道相邻车道上的车辆和本车。
18.结合第一方面，在步骤s4中，所述语义行为根据所述交互车辆相对于所述目标车辆的纵向位置、速度和加速度进行划分；在步骤s5中，所述第一变化速率由划分后的所述语义行为组合后进行树形检索得到。
19.结合第一方面，在步骤s6中，所述预测横向相对位置的计算公式如下：
20.l_lat_pred＝l_lat+v_lat*time，
21.其中，l_lat_pred表示预测横向相对位置，l_lat表示所述目标车辆的当前横向相对位置，v_lat为卡尔曼滤波处理后的所述相对横向速度，time表示预测时长。
22.结合第一方面，在步骤s8中，所述第二变化速率的计算公式如下：
23.p_rate_lat＝(p_lat_pred-p_lat)/time，
24.其中，p_rate_lat表示第二变化速率，p_lat_pred表示预测切出概率值，p_lat表示初始切出概率值，time表示预测时长。
25.结合第一方面，在步骤s9中，所述目标车辆的切出概率的计算公式如下：
26.p＝p_pre+p_rate，
27.p_rate＝p_rate_lat+p_rate_beh，
28.其中，p表示所述目标车辆的切出概率，p_pre表示所述目标车辆上一周期的切出概率，p_rate表示变化速率，p_rate_lat表示第一变化速率，p_rate_beh表示第二变化速率。
29.结合第一方面，当所述变化速率p_rate大于o时，设置当前时刻所述目标车辆的切出概率p的上限为所述预测切出概率值p_lat_pred，下限为所述初始切出概率值p_lat；
30.当所述变化速率p_rate小于o时，设置当前时刻所述目标车辆的切出概率p的上限为所述初始切出概率值p_lat，下限为所述预测切出概率值p_lat_pred；
31.所述切出概率p的初始化值为0，并且当所述切出概率p超过上限或者下限时，所述切出概率p等于限值。
32.第二方面，提供一种本车道前向目标切出概率预测装置，所述预测装置包括：
33.第一筛选模块，用于筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；
34.规划模块，用于根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；
35.第二筛选模块，用于筛选出影响所述目标车辆切出概率的交互车辆；
36.行为划分模块，用于对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；
37.第一获取模块，用于基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；
38.第一处理模块，用于对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所述相对横向速度，计算出所述目标车辆的在预测时长内的预测横向相对位置；
39.第二获取模块，用于根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；
40.第二处理模块，用于根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；
41.第三处理模块，用于根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。
42.第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如第一方面中任一项所述的预测方法。
43.采用上述技术方案的发明，具有如下优点：
44.本技术中的预测方法既考虑了目标车辆周边的复杂交通环境，划分了交互车辆的多种语义行为，并且还考虑了目标车辆基于物理运动的实际情况，使得最终计算出的目标车辆的切出概率更加准确，并且可快速响应，具有较高的灵敏性，可辅助自动驾驶车辆及时规划合理的驾驶行为，降低发生交通事故的风险。
附图说明
45.本发明可以通过附图给出的非限定性实施例进一步说明；
46.图1为背景技术中描述的交通示意图；
47.图2为本发明实施例中预测方法的流程示意图。
具体实施方式
48.以下将结合附图和具体实施例对本发明进行详细说明，需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，实施例中提到的方向用语，例如“上”、“下”、“顶”、“底”、“左”、“右”、“前”、“后”等，仅是参考附图的方向，并非用来限制本发明的保护范围。
49.本技术实施例提供一种本车道前向目标切出概率预测方法，该预测方法可以包括如下步骤：
50.步骤s1、筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；
51.步骤s2、根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位
置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；
52.步骤s3、筛选出影响所述目标车辆切出概率的交互车辆；
53.步骤s4、对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；
54.步骤s5、基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；
55.步骤s6、对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所述相对横向速度，并基于目标物理运动计算出所述目标车辆的在预测时长内的预测横向相对位置；
56.步骤s7、根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；
57.步骤s8、根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；
58.步骤s9、根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。
59.通过上述的实施步骤，该方法既考虑了目标车辆周边的复杂交通环境，划分了交互车辆的多种语义行为，并且还考虑了目标车辆基于物理运动的实际情况，使得最终计算出的目标车辆的切出概率更加准确，并且可快速响应，具有较高的灵敏性。
60.以下对各个实施步骤作详细阐述，如下：
61.在步骤s1中，本车道上本车前向距离最近的车辆，即挡在本车前方的车辆。在自动驾驶的过程中，本车只有在及时了解了目标车辆的切出概率，才能够及时地规划本车的驾驶行为，如加速、减速、变道等驾驶行为。
62.在步骤s2中，横向相对位置具体指的是，在历史指定时长内，目标车辆最近点与本车道的车道线距离的均值。历史指定时长通常设置为0.2s。而与不同横向相对位置对应的横向区域和切出概率值，一般通过测试标定和实验规划而得出，具体的规划表如下：
[0063][0064]
在上述的规划表中，clv指代目标车辆的横向相对位置，当横向相对位置clv在一个区间内时，直接取较大的数值，例如当横向相对位置clv的数值处于0-0.1m内时，直接取0.1m。切出概率值为百分比数值。
[0065]
当横向相对位置clv为负值时，表示目标车辆最近点处于本车道内，横向相对位置clv对应的切出概率值比较低；而当横向相对位置clv为正值时，表示目标车辆最近点已经切入相邻的车道内，横向相对位置clv对应的切出概率值比较高。
[0066]
需要说明的是，若目标车辆所在的车道只有一条相邻车道可以切出时，可直接参照上述的规划表。若目标车辆所在的车道同时具有左右两条相邻车道可以切出时，首先参考目标车辆横向移动方向的趋势。若目标车辆横向移动方向的趋势为左向，则判定目标车辆即将切出左侧车道，此时目标车辆的横向相对位置为目标车辆最近点与本车道左侧车道
线距离的均值；若目标车辆横向移动方向的趋势为右向，则判定目标车辆即将切出右侧车道，此时目标车辆的横向相对位置为目标车辆最近点与本车道右侧车道线距离的均值。
[0067]
在步骤s3中，由于目标车辆的切出概率会受到周边复杂交通环境的影响，因此，必须筛选出会影响目标车辆切出概率的交互车辆。
[0068]
在本实施例中，交互车辆主要包括目标前向的车辆、本车道相邻车道上的车辆和本车。
[0069]
在步骤s4中，由于每个交互车辆的驾驶行为可能都不一致，这些因素都会影响目标车辆的切出概率，因此，需要对交互车辆的语义行为进行划分和定义。
[0070]
在本实施例中，语义行为可根据交互车辆相对于目标车辆的纵向位置、速度和加速度进行划分。具体的，语义行为可以包括：交互车辆的纵向位置远于/稍远于/并排/稍落后/远落后目标车辆、交互车辆的速度高/低于目标车辆以及交互车辆的加速度高/低于该车。
[0071]
在步骤s5中，根据实际的驾驶经验可知，交互车辆的上述各种语义行为都影响着目标车辆的切出概率，这种影响使得目标车辆的切出概率值存在一个波动范围，及步骤s5中获取的第一变化速率。
[0072]
而在本实施例中，第一变化速率可以由划分后的语义行为组合后进行树形检索得到。需要说明的是，第一变化速率可以是上升或者下降的概率。当第一变化速率为上升值时，第一变化速率的取值范围可以设置为1至5之间的百分比数值；当第一变化速率为下降值时，第一变化速率的取值范围可以设置为-1至-5的百分比数值。
[0073]
在步骤s6中，本车可通过滤波器测量目标车辆的相对横向速度，并对目标车辆的相对横向速度进出卡尔曼滤波处理，处理后的结果更加准确。并且可以根据目标车辆的相对横向速度、目标车辆的当前横向相对位置以及本车对目标车辆的预测时长，具体计算出目标车辆的预测横向相对位置，该预测横向相对位置可作为步骤8中计算第二变化速率的参照值。
[0074]
在本实施例中，预测横向相对位置的计算公式如下：
[0075]
l_lat_pred＝l_lat+v_lat*time，
[0076]
其中，l_lat_pred表示预测横向相对位置，l_lat表示所述目标车辆的当前横向相对位置，v_lat为卡尔曼滤波处理后的相对横向速度，time表示预测时长。
[0077]
在步骤s7中，在步骤s2中规划得到规划表中，可以查询目标车辆的横向相对位置与切出概率值的关系，因此，可以在规划表中直接获取与当前横向相对位置对应的初始切出概率值，以及获取与预测横向相对位置对应的预测切出概率值。
[0078]
在步骤s8中，由于目标车辆在从本车道切出时存在一个横向的物理运动，这个物理运动也会影响目标车辆的切出概率值。因此，在该步骤中，以初始切出概率值、预测切出概率值和预测时长作为参考量，计算出基于目标车辆物理运动的、并影响目标车辆的切出概率值的第二变化速率。
[0079]
第二变化速率的计算公式如下：
[0080]
p_rate_lat＝(p_lat_pred-p_lat)/time，
[0081]
其中，p_rate_lat表示第二变化速率，p_lat_pred表示预测切出概率值，p_lat表示初始切出概率值，time表示预测时长。
[0082]
在步骤s9中，本车会周期性地预测目标车辆的切出概率值，在现有技术中，这个周期大概为0.02s。当然，实验人员可通过后台设置，更改这个周期时间。由于预测切出概率值的周期比较短，本实施例中的每一次计算的切出概率值均参考上一周期计算的切出概率值，并以上述步骤中获取的第一变化速率和第二变化速率作为修正参数，计算出目标车辆本周期计算的切出概率。
[0083]
在本实施例中，目标车辆的切出概率的计算公式如下：
[0084]
p＝p_pre+p_rate，
[0085]
p_rate＝p_rate_lat+p_rate_beh，
[0086]
其中，p表示目标车辆的切出概率，p_pre表示目标车辆上一周期的切出概率，p_rate表示变化速率，p_rate_lat表示第一变化速率，p_rate_beh表示第二变化速率。
[0087]
当变化速率p_rate大于o时，设置当前时刻目标车辆的切出概率p的上限为预测切出概率值p_lat_pred，下限为初始切出概率值p_lat；
[0088]
当变化速率p_rate小于o时，设置当前时刻目标车辆的切出概率p的上限为初始切出概率值p_lat，下限为预测切出概率值p_lat_pred；
[0089]
切出概率p的初始化值为0，并且当切出概率p超过上限或者下限时，切出概率p等于限值。
[0090]
本技术实施例还提供一种本车道前向目标切出概率预测装置，应用于上述的预测方法，该预测装置包括第一筛选模块、规划模块、第二筛选模块、行为划分模块、第一获取模块、第一处理模块、第二获取模块、第二处理模块和第三处理模块，各个模块的作用如下：
[0091]
第一筛选模块，用于筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；
[0092]
规划模块，用于根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；
[0093]
第二筛选模块，用于筛选出影响所述目标车辆切出概率的交互车辆；
[0094]
行为划分模块，用于对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；
[0095]
第一获取模块，用于基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；
[0096]
第一处理模块，用于对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所述相对横向速度，计算出所述目标车辆的在预测时长内的预测横向相对位置；
[0097]
第二获取模块，用于根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；
[0098]
第二处理模块，用于根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；
[0099]
第三处理模块，用于根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。
[0100]
本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述的预测方法。
[0101]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本技术可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本技术的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，制动设备，或者网络设备等)执行本技术各个实施场景所述的方法。
[0102]
以上对本发明提供的本车道前向目标切出概率预测方法、装置及存储介质进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

技术特征：
1.一种本车道前向目标切出概率预测方法，其特征在于，所述预测方法包括：步骤s1、筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；步骤s2、根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；步骤s3、筛选出影响所述目标车辆切出概率的交互车辆；步骤s4、对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；步骤s5、基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；步骤s6、对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所述相对横向速度，并基于目标物理运动计算出所述目标车辆的在预测时长内的预测横向相对位置；步骤s7、根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；步骤s8、根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；步骤s9、根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。2.根据权利要求1所述的预测方法，其特征在于，在步骤s3中，所述交互车辆包括目标前向的车辆、本车道相邻车道上的车辆和本车。3.根据权利要求2所述的预测方法，其特征在于，在步骤s4中，所述语义行为根据所述交互车辆相对于所述目标车辆的纵向位置、速度和加速度进行划分；在步骤s5中，所述第一变化速率由划分后的所述语义行为组合后进行树形检索得到。4.根据权利要求3所述的预测方法，其特征在于，在步骤s6中，所述预测横向相对位置的计算公式如下：l_lat_pred＝l_lat+v_lat*time，其中，l_lat_pred表示预测横向相对位置，l_lat表示所述目标车辆的当前横向相对位置，v_lat为卡尔曼滤波处理后的所述相对横向速度，time表示预测时长。5.根据权利要求4所述的预测方法，其特征在于，在步骤s8中，所述第二变化速率的计算公式如下：p_rate_lat＝(p_lat_pred-p_lat)/time，其中，p_rate_lat表示第二变化速率，p_lat_pred表示预测切出概率值，p_lat表示初始切出概率值，time表示预测时长。6.根据权利要求5所述的预测方法，其特征在于，在步骤s9中，所述目标车辆的切出概率的计算公式如下：p＝p_pre+p_rate，p_rate＝p_rate_lat+p_rate_beh，其中，p表示所述目标车辆的切出概率，p_pre表示所述目标车辆上一周期的切出概率，p_rate表示变化速率，p_rate_lat表示第一变化速率，p_rate_beh表示第二变化速率。
7.根据权利要求6所述的预测方法，其特征在于，当所述变化速率p_rate大于o时，设置当前时刻所述目标车辆的切出概率p的上限为所述预测切出概率值p_lat_pred，下限为所述初始切出概率值p_lat；当所述变化速率p_rate小于o时，设置当前时刻所述目标车辆的切出概率p的上限为所述初始切出概率值p_lat，下限为所述预测切出概率值p_lat_pred；所述切出概率p的初始化值为0，并且当所述切出概率p超过上限或者下限时，所述切出概率p等于限值。8.一种本车道前向目标切出概率预测装置，其特征在于，所述预测装置包括：第一筛选模块，用于筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；规划模块，用于根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；第二筛选模块，用于筛选出影响所述目标车辆切出概率的交互车辆；行为划分模块，用于对所述交互车辆进行语义行为划分，定义所述交互车辆相对所述目标车辆的语义行为；第一获取模块，用于基于所述交互车辆的语义行为，获取所述目标车辆切出概率的第一变化速率；第一处理模块，用于对所述目标车辆的相对横向速度进出卡尔曼滤波处理，根据处理后的所述相对横向速度，计算出所述目标车辆的在预测时长内的预测横向相对位置；第二获取模块，用于根据所述目标车辆的当前横向相对位置，从所述规划表中获取初始切出概率值，根据所述目标车辆的在预测时长内的预测横向相对位置，从所述规划表中获取所述目标车辆的预测切出概率值；第二处理模块，用于根据所述初始切出概率值、所述预测切出概率值和所述预测时长，计算出所述目标车辆基于物理运动的切出概率的第二变化速率；第三处理模块，用于根据所述第一变化速率、所述第二变化速率以及所述目标车辆上一周期的切出概率，计算出所述目标车辆的切出概率。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-7中任一项所述的预测方法。

技术总结
本发明属于自动驾驶技术领域，提供一种本车道前向目标切出概率预测方法、装置及存储介质，预测方法包括：步骤S1、筛选出本车道上本车前向距离最近的车辆，作为预测切出概率的目标车辆；步骤S2、根据历史指定时长内所述目标车辆与所述本车道的车道线的横向相对位置，规划出与不同所述横向相对位置对应的横向区域和切出概率值，并形成规划表；步骤S3、筛选出影响所述目标车辆切出概率的交互车辆。本申请的预测方法既考虑了目标车辆周边的复杂交通环境，划分了交互车辆的多种语义行为，并且还考虑了目标车辆基于物理运动的实际情况，使得最终计算出的目标车辆的切出概率更加准确，并且可快速响应，具有较高的灵敏性。具有较高的灵敏性。具有较高的灵敏性。


技术研发人员：王晟 周晓宇 任凡 陶小松 邱利宏
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2022.11.28
技术公布日：2023/7/11