考虑未来空间交互的合流区车辆换道轨迹预测系统及方法

本发明属于智能驾驶的，具体涉及考虑未来空间交互的合流区车辆换道轨迹预测系统及方法。

背景技术：

1、随着智能驾驶技术的不断发展，自动驾驶车辆在各种复杂道路场景下的表现成为研究的重点。特别是在高速公路、城市主干道等道路合流区，车辆换道行为频繁且复杂，极易引发交通事故。

2、车辆在合流区的换道行为复杂，涉及多个车辆的动态交互，传统的换道轨迹预测方法大多依赖于单一车辆的历史轨迹数据和基本的物理模型，对周围受影响的车辆的行为考虑不足，难以全面准确地预测车辆的换道轨迹。现有的方法对于车辆的未来短期分布预测可以达到很高的轨迹预测精度，但是在长期轨迹预测和车辆分布方面(3～5s)，往往有很大的误差。现有的方法往往忽略了车辆间的未来轨迹的相互影响和道路环境的复杂性，导致长距离的预测精度和实时性受到限制，难以满足智能驾驶技术对高安全性和高可靠性的要求。

3、在合流区，车辆的换道行为受到周围车辆的显著影响，这种相互影响关系具有复杂的图结构特征。传统的基于单车数据的轨迹预测方法难以有效捕捉这种复杂的交互关系，导致预测误差较大。此外，现有方法在处理动态交通环境时，计算复杂度高，难以实现实时预测，限制了其在实际智能驾驶场景中的应用。

技术实现思路

1、为了解决上述背景技术中提出的问题，本发明提供考虑未来空间交互的合流区车辆换道轨迹预测系统及方法。

2、本发明所提供的具体技术方案包括：

3、考虑未来空间交互的合流区车辆换道轨迹预测系统，其特征在于：所述系统包括：

4、数据获取模块，所述数据获取模块获取路侧传感器数据并对数据进行预处理；

5、数据处理模块，所述数据处理模块连接数据获取模块，以获取合流区的道路几何特征、交通流密度、周围车辆参数以及车辆历史驾驶行为模式，并根据车辆历史驾驶行为模式构建周围车辆轨迹数据库；

6、轨迹预测模块，所述轨迹预测模块连接数据处理模块，通过运动学模型生成目标车辆与附近车辆的短期轨迹与未来空间交互特征，采用融合方法以及晶体图卷积算法对历史驾驶行为模式和物理模型生成的未来短期车辆分布进行学习，结合提取到的合流区的道路几何特征、交通流密度及周围车辆参数，得到车辆的未来长期行驶轨迹以及设定场景范围内车辆的时空交互特征，并根据预测轨迹进行路线优化；

7、路线优化模块，所述路线优化模块连接轨迹预测模块，以根据优化后的路线进行实时预测和预警，同时获取车辆的实时驾驶参数，并根据车辆的实时驾驶参数优化算法模型。

8、作为本发明的进一步优选实施方式，

9、所述数据获取模块中，所述路侧传感器数据至少包括车辆位置、速度、加速度及转向角；

10、所述数据处理模块中，

11、所述道路几何特征至少包括车道宽度和曲率；

12、所述周围车辆参数至少包括相对位置和速度；

13、所述路线优化模块中，所述实时驾驶参数至少包括车辆实时位置和实时速度。

14、作为本发明的进一步优选实施方式，

15、所述数据处理模块包括：

16、环境特征单元，所述环境特征单元获取合流区的道路几何特征、交通流密度及周围车辆参数；

17、图像处理单元，所述图像处理单元通过计算机视觉算法从摄像头捕获的图像中提取合流区范围内的车道线、交通标志及车辆信息，所述计算机视觉算法采用yolo算法，建立以最内侧的车道路肩线与主干道拍摄路段最外侧车辆起始线的交点为原点，以快速路主干道最内侧的车道路肩线为纵轴，以过该原点与纵轴垂直的线为横轴的二维坐标系；以及

18、历史驾驶行为获取单元，所述历史驾驶行为获取单元获取车辆历史驾驶行为模式，所述历史驾驶行为模式包括换道前车辆数据变化；获取自车与周围车辆的运行参数和历史行驶轨迹，并预处理轨迹信息；确定周围车辆的位置、运动和道路轨迹特性表征参量；基于原始数据提取周围车辆轨迹数据信息，对周围车辆轨迹数据进行预处理，建立周围车辆轨迹数据库。

19、作为本发明的进一步优选实施方式，

20、所述轨迹预测模块包括：

21、物理模型单元，所述物理模型单元使用运动学模型结合当前车辆状态预测短期轨迹以及未来车辆空间分布；

22、融合单元，所述融合单元对历史驾驶行为模式和物理模型生成的未来短期车辆分布进行学习，结合提取到的合流区的道路几何特征、交通流密度及周围车辆参数，提取并融合车辆的历史时空交互特征与未来空间交互特征；

23、图卷积单元，所述图卷积单元基于晶体图卷积神经网络构建车辆轨迹预测模型中的轨迹预测模块，并使用构建的轨迹预测模块对获得的时空交互特征与未来短期空间交互特征的融合特征序列进行解码，得到设定场景范围内所有车辆的未来长期运动分布；

24、轨迹优化生成单元，所述轨迹优化生成单元结合物理模型和学习模型对预测轨迹进行路线优化，并将优化后的路线发送至终端，接受终端的确认信号。

25、作为本发明的进一步优选实施方式，

26、所述路线优化模块包括：

27、预警单元，所述预警单元根据优化后的路线进行实时预测和预警，并发送预警信息至终端；

28、优化单元，所述优化单元获取车辆的实时驾驶参数，并根据实时驾驶参数优化图卷积算法模型；

29、轨迹重新生成单元，所述轨迹重新生成单元根据优化后的模型重新生成车辆的预测轨迹。

30、进一步地，本发明还提供考虑未来空间交互的合流区车辆换道轨迹预测系统的预测方法，其特征在于：包括以下步骤：

31、s100：获取路侧传感器数据并对数据进行预处理；

32、s200：获取合流区的道路几何特征、交通流密度、周围车辆参数以及车辆历史驾驶行为模式，构建周围车辆轨迹数据库；

33、s300：结合物理模型和学习模型的优点，构建图卷积算法模型，提取车辆未来短期轨迹与空间交互特征，结合提取到的合流区的道路几何特征、交通流密度、周围车辆参数，得到车辆的未来长期预测轨迹，并根据预测轨迹进行路线优化；

34、s400：根据优化后的路线进行实时预测和预警，同时获取车辆的实时驾驶参数，并根据实时驾驶参数优化算法模型。

35、作为本发明的进一步优选实施方式，

36、所述步骤s100中，所述路侧传感器数据至少包括车辆位置、速度、加速度及转向角；

37、所述步骤s200中，所述道路几何特征包括车道宽度和曲率；所述周围车辆参数包括相对位置和速度；

38、所述步骤s400中，所述实时驾驶参数包括车辆实时位置和实时速度。

39、作为本发明的进一步优选实施方式，

40、所述步骤s200中，包括以下步骤：

41、s201：获取合流区的道路几何特征、交通流密度及周围车辆参数；

42、s202：建立以最内侧的车道路肩线与主干道拍摄路段最外侧车辆起始线的交点为原点，以快速路主干道最内侧的车道路肩线为纵轴，以过该原点与纵轴垂直的线为横轴的二维坐标系；

43、s203：获取自车与周围车辆的运行参数和历史行驶轨迹，并预处理轨迹信息；建立周围车辆轨迹数据库；

44、s204：获取车辆历史驾驶行为模式，所述历史驾驶行为模式包括换道前车辆数据变化。

45、作为本发明的进一步优选实施方式，

46、所述步骤s300中，包括以下步骤：

47、s301：使用运动学模型结合当前车辆状态预测短期轨迹以及未来车辆空间分布；

48、s302：结合提取到的合流区的道路几何特征、交通流密度、周围车辆参数，采用基于融合方法的模型对历史驾驶行为模式和物理模型生成的未来短期车辆分布进行学习，提取并融合车辆的历史时空交互特征与未来空间交互特征；

49、s303：基于晶体图卷积神经网络构建车辆轨迹预测模型中的轨迹预测模块，并使用构建的轨迹预测模块对获得的历史时空交互特征与未来短期空间交互特征的融合特征序列进行解码，拟合物理模型初步预测的短期轨迹，得到设定场景范围内所有车辆的未来长期运动分布；

50、s304：根据预测轨迹进行路线优化，并将优化后的路线发送至终端，接受终端的确认信号。

51、作为本发明的进一步优选实施方式，

52、所述步骤s400中，包括以下步骤：

53、s401：根据优化后的路线进行实时预测和预警，发送预警信息至终端；

54、s402：获取车辆的实时驾驶参数，根据实时驾驶参数进行优化图卷积算法模型；

55、s403：根据优化后的模型重新生成车辆的预测轨迹。

56、相较于现有技术，本发明能够取得的有益效果包括：

57、1)本发明提供考虑未来空间交互的合流区车辆换道轨迹预测系统及方法，通过获取路侧传感器数据，实时采集车辆的位置信息、速度、加速度、环境图像和周围障碍物数据，获取合流区的道路几何特征、交通流密度及周围车辆参数，提供车辆周围环境的详细信息，帮助模型更准确地预测车辆行为，获取车辆历史驾驶行为模式。

58、2)本发明提供考虑未来空间交互的合流区车辆换道轨迹预测系统及方法，考虑到未来车辆空间交互特征，采用融合方法与晶体图卷积算法对历史驾驶行为模式与未来车辆未来空间分布与轨迹运行特征进行学习，可以有效地捕捉轨迹数据中的时空关系，从而实现对未来长期轨迹的精准预测。

59、3)本发明提供考虑未来空间交互的合流区车辆换道轨迹预测系统及方法，结合运动学模型得到车辆的预测轨迹，根据预测轨迹进行路线优化，根据优化后的路线进行实时预测和预警，获取车辆的实时驾驶参数，根据实时驾驶参数进行优化算法模型，解决了不能够及时分析预判周围车辆的移动轨迹，难以预测未来轨迹的问题。

技术特征：

1.考虑未来空间交互的合流区车辆换道轨迹预测系统，其特征在于：所述系统包括：

2.根据权利要求1所述的考虑未来空间交互的合流区车辆换道轨迹预测系统，其特征在于：

3.根据权利要求1所述的考虑未来空间交互的合流区车辆换道轨迹预测系统，其特征在于：所述数据处理模块包括：

4.根据权利要求1所述的考虑未来空间交互的合流区车辆换道轨迹预测系统，其特征在于：所述轨迹预测模块包括：

5.根据权利要求1所述的考虑未来空间交互的合流区车辆换道轨迹预测系统，其特征在于：所述路线优化模块包括：

6.根据权利要求1-5中任一项所述的考虑未来空间交互的合流区车辆换道轨迹预测系统的预测方法，其特征在于：包括以下步骤：

7.根据权利要求6所述的考虑未来空间交互的合流区车辆换道轨迹预测系统的预测方法，其特征在于：

8.根据权利要求6所述的考虑未来空间交互的合流区车辆换道轨迹预测系统的预测方法，其特征在于：所述步骤s200中，包括以下步骤：

9.根据权利要求6所述的考虑未来空间交互的合流区车辆换道轨迹预测系统的预测方法，其特征在于：所述步骤s300中，包括以下步骤：

10.根据权利要求6所述的考虑未来空间交互的合流区车辆换道轨迹预测系统的预测方法，其特征在于：所述步骤s400中，包括以下步骤：

技术总结
本发明提供了考虑未来空间交互的合流区车辆换道轨迹预测系统及方法，包括数据获取模块，数据处理模块，轨迹预测模块及路线优化模块，通过获取路侧传感器数据，实时采集车辆的位置信息、速度、加速度、环境图像和周围障碍物数据，获取合流区的道路几何特征、交通流密度及周围车辆参数，提供车辆周围环境的详细信息，帮助模型更准确地预测车辆行为，获取车辆历史驾驶行为模式；考虑到未来车辆空间交互特征，采用融合方法与晶体图卷积算法对历史驾驶行为模式与未来车辆未来空间分布与轨迹运行特征进行学习，可以有效地捕捉轨迹数据中的时空关系，从而实现对未来长期轨迹的精准预测。

技术研发人员：杨晓峰,刘智,许淼,杨红波,沈钰杰,刘雁玲,张天一
受保护的技术使用者：江苏大学
技术研发日：
技术公布日：2024/12/5