[发明专利]车辆变道预测

权利要求书

1.一种用于变道预测的计算机实现的方法，其特征在于，所述方法包括：

收集原始驾驶数据；

从所收集的原始驾驶数据中提取多个特征集合；

获取相应的变道信息，所述变道信息指示车辆在每一个所提取的特征集合下的变道状态；

用所获取的相应的变道信息对所提取的多个特征集合中的每一个进行自动标记；以及

用经标记的多个特征集合来训练变道预测模型。

2.如权利要求1所述的方法，其特征在于，所述车辆的变道状态包括：向左变道、向右变道以及保持车道。

3.如权利要求1或2中任意一项所述的方法，其特征在于，所述原始驾驶数据进一步包括由地图供应商提供的驾驶数据和由自动汽车检测的驾驶数据中的至少一者。

4.如权利要求3中的任意一项所述的方法，其特征在于，所述由地图供应商提供的驾驶数据被用于一般深度神经网络模型训练，而所述由自动汽车检测的驾驶数据被用于模型改善。

5.如权利要求1－4中任意一项所述的方法，其特征在于，所提取的特征包括以下特征中的一项或多项：

绝对速度；

汽车中心线与当前车道左边界之间的垂直距离；

汽车中心线与当前车道右边界之间的垂直距离；

在当前车道的左侧是否有车道；

在当前车道的右侧是否有车道；

绝对加速度；

对象垂直于车道中心线的绝对速度；以及

对象相对于车道中心线的偏航角。

6.如权利要求1－6中任意一项所述的方法，其特征在于，用经标记的特征集合来训练变道预测模型进一步包括：

将经标记的特征集合输入到堆栈的LSTM；

使经训练的特征集合通过完全连接的层和softmax函数；以及

输出向左变道、向右变道或保持车道的相应概率。

7.一种车辆上的用于变道预测的计算机实现的方法，其特征在于，所述方法包括：

获取通过根据权利要求1－6中的任意一项所述的方法来训练的变道预测模型；

收集所述车辆的与用于所述变道预测模型的特征集合相对应的特征；以及

基于所收集的特征在车辆上应用所述变道预测模型以预测变道概率。

8.如权利要求7所述的方法，其特征在于，应用所述变道预测模型以预测变道概率包括：

将所收集的特征输入到所述变道预测模型；以及

获得由所述变道预测模型输出的向左变道、向右变道或保持车道的相应概率。

9.一种车辆上的用于基于变道预测来做出变道决策的计算机实现的方法，其特征在于，所述方法包括：

获取通过根据权利要求1－6中的任意一项所述的方法来训练的变道预测模型；

收集所述车辆的与用于所述变道预测模型的特征集合相对应的特征；

基于所收集的特征在车辆上应用所述变道预测模型以预测变道概率；以及

基于所预测的变道概率来做出变道决策。

10.一种用于变道预测的系统，其特征在于，所述系统包括：

数据收集模块，所述数据收集模块被配置成收集原始驾驶数据；

特征提取模块，所述特征提取模块被配置成从所收集的原始驾驶数据中提取多个特征集合；

变道信息获取模块，所述变道信息获取模块被配置成获取相应的变道信息，所述变道信息指示车辆在每一个所提取的特征集合下的变道状态；

标记模块，所述标记模块被配置成用所获取的相应的变道信息对所提取的多个特征集合中的每一个进行自动标记；以及

训练模块，所述训练模块被配置成用经标记的多个特征集合来训练变道预测模型。