CN120299251A 一种车辆行车轨迹预测方法、系统、设备及介质 （浪潮智慧科技有限公司）

进行预处理及特征序列提取；使用Transformer过程中使用以轨迹预测精度和不确定性估计构化过程中以车辆动力学约束和道路约束为约束2S1.采集车辆的历史轨迹确定每个轨迹点，采集每个轨迹点的车辆状态信息以及环境S2.使用Transformer结合图神经网络构建轨迹预测S3.使用轨迹预测模型进行车辆轨迹预测，对预测的车辆轨迹以最小化预测误差为目步骤S1中使用卷积神经网络模型对轨迹数据进行S22.基于提取的特征序列中相关车辆位置计S34.使用随机树搜索算法从多组候选轨迹中搜索满足道路约束和车辆动力学约束的3S343.计算每个采样轨迹点与最近节点的连接路径，确保连接路径满足道路约束和车S344.评估每条连接路径的路径长度和路径曲率惩罚，选择路径长度最短且曲率最小S351.对随机树搜索算法输出的优化路S352.对需修正路径采用二次规划优化器进行局部调整，确保修正后的轨迹满足车辆S362.使用模型预测控制算法对车辆当前轨迹点的车辆状态信息进行控制，确保车辆数据采集及特征提取模块，用于采集车辆的历史轨迹确定每个轨迹优化模块，用于使用轨迹预测模型进行车辆轨迹预测，对预测行时实现如权利要求1至7任一项所述车辆行车轨迹预测方4[0002]随着智能交通系统和自动驾驶的快速发展，车辆行车轨迹预测在提高道路安全、S1.采集车辆的历史轨迹确定每个轨迹点，采集每个轨迹点的车辆状态信息以及环境信息作为轨迹数据，并使用深度学习去噪算法对轨迹数据进行预处理及特征序列提S3.使用轨迹预测模型进行车辆轨迹预测，对预测的车辆轨迹以最小化预测误差5S22.基于提取的特征序列中相关车辆位置计算当前车辆与相关车辆的相对位置，中以多任务损失函数值最小为目标来调整轨迹预测模型参数。通过Transformer的位置编S34.使用随机树搜索算法从多组候选轨迹中搜索满足道路约束和车辆动力学约S343.计算每个采样轨迹点与最近节点的连接路径，确保连接路径满足道路约束S344.评估每条连接路径的路径长度和路径曲率惩罚，选择路径长度最短且曲率6S351.对随机树搜索算法输出的优化路S352.对需修正路径采用二次规划优化器进行局部调整，确保修正后的轨迹满足S362.使用模型预测控制算法对车辆当前轨迹点的车辆状态信息进行控制，确保7机程序被处理器执行时实现如第一方面所述车辆行车轨迹预测方法短时记忆网络能够对时间序列数据进行建模，但它们在处理长时依赖关系方面存在不足。8[0022]针对上述问题，本实施例提供一种[0024]请参阅图1所示是一具体实施例中车辆行车轨迹预测方法的流程图，方法包括如S1.采集车辆的历史轨迹确定每个轨迹点，采集每个轨迹点的车辆状态信息以及环境信息作为轨迹数据，并使用深度学习去噪算法对轨迹数据进行预处理及特征序列提S3.使用轨迹预测模型进行车辆轨迹预测，对预测的车辆轨迹以最小化预测误差S1.采集车辆的历史轨迹确定每个轨迹点，采集每个轨迹点的车辆状态信息以及环境信息作为轨迹数据，并使用深度学习去噪算法对轨迹数据进行预处理及特征序列提步骤S1中使用卷积神经网络模型对轨迹数据进9[0031]S22.基于提取的特征序列中相关车辆位置计算当前车辆-x-x大于等于设定iKL是Kullback_Leibler散度，用于衡量模型预测分需要说明的是，通过Transformer的位置编码与注意力机制可捕捉长时序轨迹依S3.使用轨迹预测模型进行车辆轨迹预测，对预测的车辆轨迹以最小化预测误差是找到使f(d,λ)最小的d和λ;penaltym是一个交通规则惩罚项，确保优化后的轨迹符合交通规则和道路约fbest是当前已评估点中的最优函数值，即当前已知的最佳S34.使用随机树搜索算法从多组候选轨迹中搜索满足道路约束和车辆动力学约具体地，在状态空间中随机采样轨迹点prand，而状态空间可以是车辆的配置空S343.计算每个采样轨迹点与最近节点的连接路径，确保连接路径满足道路约束S344.评估每条连接路径的路径长度和路径曲率惩罚，选择路径长度最短且曲率评估路径pnew是否满足道路约束和车辆动[0040]新节点pnew通过如下公式计算：S351.对随机树搜索算法输出的优化路S352.对需修正路径采用二次规划优化器进行局部调整，确保修正后的轨迹满足；S362.使用模型预测控制算法对车辆当前轨迹点的车辆状态信息进行控制，确保的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限[0062]处理器可以包括一个或多个处理单元，比如：处理器可以包括中央处理器（imagesignalprocessor，ISP）、控制器、存储器、视频编解码器、数字信号处理器（digitalsignalprocessor，DSP）、基带处理器、和/或神经网络处理器（neural_一个或多个处理器中。[0065]上述电子设备实现了本申请车辆行车轨迹预测方法的采集车辆的历史轨迹确定习去噪算法对轨迹数据进行预处理及特征序列提取；使用Transformer结合图神经网络构程中使用以轨迹预测精度和不确定性估计构建的多任务损失函数来调整轨迹预测模型参[0066]在本申请提供的存储介质中，存储有能够实现车辆行车轨迹预测方法的程序产习去噪算法对轨迹数据进行预处理及特征序