[发明专利]驾驶行为预测方法和装置、无人车

说明书

本申请公开了驾驶行为预测方法和装置、无人车。所述方法的一具体实施方式包括：获取预定的连续时间段内的驾驶行为序列，各驾驶行为包括驾驶操作和与驾驶操作对应的场景信息；将驾驶行为序列映射生成驾驶行为向量，其中，驾驶行为向量的维数小于驾驶行为序列所包含的驾驶行为的数量；以及将驾驶行为向量作为训练样本训练预先建立的驾驶行为预测模型，其中，驾驶行为预测模型用于基于接收到的当前场景信息预测驾驶行为向量。该实施方式训练后的驾驶行为预测模型预测得到的驾驶行为向量具有多个在时间上连续且相互关联的驾驶行为的特征，从而可以确保基于预测得到的驾驶行为向量生成的驾驶行为序列中所包含的各个驾驶行为之间的相互关联性。

技术领域

本申请涉及计算机技术领域，具体涉及无人驾驶技术领域，尤其涉及驾驶行为预测方法和装置、无人车。

背景技术

无人驾驶汽车，是指主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目标的汽车。随着深度学习技术的迅速发展以及人工智能领域的深入研究，汽车工业特别是无人驾驶汽车领域，正在进行着革命性的变化。

在现有的应用深度学习技术的无人驾驶汽车中，车载大脑通常可以通过预先的对模型的训练和学习来根据具体驾驶场景的需求输出对车辆的控制指令。

一般而言，现有的无人驾驶汽车中，车载大脑通常可以通过学习单幅图像的特征来进行预测，从而得到单个驾驶行为。

然而，仅针对单幅图像的特征来预测，无法捕捉到图像之间的时序关联，相邻预测结果之间相互独立且不相关联，无法保证相邻预测结果的连续性。预测得到的多个行为之间具有较大的发散性，相互之间没有约束关系，使得预测结果不符合真实人的驾驶习惯。

发明内容

本申请的目的在于提出一种改进的驾驶行为预测方法和装置、无人车，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种驾驶行为预测方法，方法包括：获取预定的连续时间段内的驾驶行为序列，驾驶行为序列包括多个驾驶行为，各驾驶行为包括驾驶操作和与驾驶操作对应的场景信息；将驾驶行为序列映射生成驾驶行为向量，其中，驾驶行为向量的维数小于驾驶行为序列所包含的驾驶行为的数量；以及将驾驶行为向量作为训练样本训练预先建立的驾驶行为预测模型，其中，驾驶行为预测模型用于基于接收到的当前场景信息预测驾驶行为向量。

在一些实施例中，在将驾驶行为向量作为训练样本训练预先建立的驾驶行为预测模型之后，方法还包括：响应于接收到当前场景信息，将所接收到的当前场景信息输入训练后的驾驶行为预测模型，以得到与所接收到的当前场景信息对应的驾驶行为向量；以及将预测得到的驾驶行为向量反向映射生成驾驶行为序列。

在一些实施例中，获取预定的连续时间段内的驾驶行为序列还包括：将采集得到的连续驾驶行为切分成为多个预定的连续时间段内的驾驶行为序列。

在一些实施例中，将驾驶行为序列映射生成驾驶行为向量还包括：将驾驶行为序列输入预先训练的多层神经网络模型以得到与驾驶行为序列对应的驾驶行为向量。

在一些实施例中，将预测得到的驾驶行为向量反向映射生成驾驶行为序列还包括：将预测得到的驾驶行为向量输入预先训练的多层神经网络模型，以反向映射生成驾驶行为序列。

第二方面，本申请提供了一种驾驶行为预测装置，装置包括：获取模块，用于获取预定的连续时间段内的驾驶行为序列，驾驶行为序列包括多个驾驶行为，各驾驶行为包括驾驶操作和与驾驶操作对应的场景信息；映射模块，用于将驾驶行为序列映射生成驾驶行为向量，其中，驾驶行为向量的维数小于驾驶行为序列所包含的驾驶行为的数量；以及训练模块，用于将驾驶行为向量作为训练样本训练预先建立的驾驶行为预测模型，其中，驾驶行为预测模型用于基于接收到的当前场景信息预测驾驶行为向量。