一种车辆轨迹多模态预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113657433A(43)申请公布日2021.11.16(21)申请号202110746125.9(22)申请日2021.07.01(71)申请人华南理工大学地址510640广东省广州市天河区五山路381号(72)发明人罗玉涛钟智梁伟强(74)专利代理机构广州市华学知识产权代理有限公司44245代理人李斌(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06Q10/04(2012.01)G06Q50/30(2012.01)权利要求书2页说明书5页附图3页(54)发明名称一种车辆轨迹多模态预测方法(57)摘要本发明公开了一种车辆轨迹多模态预测方法，包括以下步骤：S1、对预测场景、预测目标以及预测目标的行为风格进行分类；S2、利用全概率公式将先验预测模型分为行为模态预测模型和基于行为模态的轨迹预测模型；S3、建立多模态轨迹先验预测模型,对车辆进行先验的多模态轨迹预测形成先验轨迹库；S4、依据道路约束、动力学约束以及交通规则约束对先验轨迹库进行过滤、筛选以及优化；S5、利用基于贝叶斯纳什均衡理论的多智能体交互博弈过程作为后验模型，对先验模型中的轨迹概率进行修正，最终实现对车辆的未来轨迹预测。本发明能够提高智能车辆对交通环境中交通车辆的轨迹预测的稳定性与精确度。CN113657433ACN113657433A权利要求书1/2页1.一种车辆轨迹多模态预测方法，其特征在于，包括以下步骤：S1、对预测场景、预测目标以及预测目标的行为风格进行分类；S2、利用全概率公式将先验预测模型分为行为模态预测模型和基于行为模态的轨迹预测模型，提取行为模态特征作为多模态控制量；S3、利用LSTM‑CVAE生成模型将序列预测与序列生成相结合，针对不同的预测目标轨迹的不确定性，建立多模态轨迹先验预测模型,对车辆进行先验的多模态轨迹预测形成先验轨迹库；S4、依据道路约束、动力学约束以及交通规则约束对先验轨迹库进行过滤、筛选以及优化；S5、利用基于贝叶斯纳什均衡理论的多智能体交互博弈过程作为后验模型，对先验模型中的轨迹概率进行修正，最终实现对车辆的未来轨迹预测。2.根据权利要求1所述的一种车辆轨迹多模态预测方法，其特征在于，步骤S1具体为：根据外界环境信息，将预测场景分为路口和非路口；将预测目标分为机动车、非机动车以及人，由此建立预测输入信息；依据不同的道路工况和预测目标的当前速度、朝向以及历史轨迹进行行为风格预测并生成由碰撞权重、快速权重以及舒适权重三者组成的风格因子，同时创建地图道路约束、动力学约束以及交通规则约束，将地图按照约束情况划分为通行与不可通行区域。3.根据权利要求1所述的一种车辆轨迹多模态预测方法，其特征在于，步骤2中，先验预测模型中，假设X为输入信息，Y为需要预测的轨迹，则对先验预测模型Pθ(Y|X)进行求解，利用全概率公式：将历史轨迹到未来轨迹预测任务分解为历史轨迹‑行为‑未来轨迹的任务，同时提取出行为作为多模态化输出的模态控制量，分别建立历史轨迹‑多模态行为的行为预测模型PθM(Mn|X)，多模态行为‑未来轨迹的轨迹预测模型PθY(Yn|X,Mn)。4.根据权利要求1所述的一种车辆轨迹多模态预测方法，其特征在于，先验模型具体为依据不同的预测场景、预测目标以及行为概率，采用CVAE编码解码网络作为模型框架，在框架中结合LSTM序列网络，建立基于可控模态和历史轨迹输入的隐变量分布和基于隐变量分布的轨迹生成网络，从而形成多模态轨迹先验预测模型来进行先验预测轨迹生成和先验概率计算，多模态轨迹先验预测模型不考虑预测目标间的互动信息，负责依据道路工况、预测目标以及可能的行为建立多模态先验轨迹及先验概率。5.根据权利要求2所述的一种车辆轨迹多模态预测方法，其特征在于，先验轨迹库具体为，利用划分的通行与不可通行区域对多模态轨迹先验预测模型输出的轨迹集合进行过滤，去除不合理的轨迹，形成当前时刻的目标先验轨迹库。6.根据权利要求1所述的一种车辆轨迹多模态预测方法，其特征在于，后验模型具体为多智能体交互博弈后验模型，多智能体交互博弈后验模型将预测目标都视为博弈的智能体，将多模态轨迹先验预测模块输出的轨迹集合作为博弈的可选动作，将先验概率视为博弈初始的动作选择概率，建立起博弈环境，得到后验轨迹作为最终的预测轨迹。2CN113657433A权利要求书2/2页7.根据权利要求6所述的一种车辆轨迹多模态预测方法，其特征在于，在多智能体交互博弈后验模型中，对每个目标对象i建立深度Q网络模型，利用先验轨迹库作为目标对象的可选动作，再利用先验概率初始化Q网络，建立与碰撞、快速性以及舒适性相关的奖励函数；依据Q值概率反复进行轨迹的选择、奖励函数计算、Q网络反馈