[发明专利]车辆变道预测

说明书

本公开的各示例描述了用于变道预测的方法和系统。该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来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。本公开的各示例还描述了用于应用变道预测模型的方法、系统和车辆。

技术领域

本发明总体涉及自动驾驶车辆，更具体地，涉及车辆变道预测。

背景技术

自动驾驶车辆(也称为无人驾驶汽车、自动驾驶汽车、机器人汽车)是一种能够感测其环境并且在无需人类输入的情况下导航的车辆。自动化汽车使用各种技术来检测其周边环境，诸如使用雷达、激光、GPS、测程法以及计算机视觉。高级的控制系统对感测信息进行解读以标识合适的导航路径，以及障碍物和相关路标。

基于驾驶自动化的程度，存在从完全手动到完全自动化系统的若干个等级。诸如自适应巡航控制(ACC)、泊车辅助、车道保持辅助(LKA)以及盲点监测系统之类的一些低等级自动化特征已经被广泛装备在汽车上。然而，具有更高程度自动化(当被人类驾驶员激活时，汽车完全接管驾驶的所有方面)的汽车仍然处于开发中。只有非常有限数量的测试汽车被批准在某些受限区域中在道路上试跑。高度自动驾驶(HAD)汽车需要极其高的安全性、可靠性以及稳健性。与之前提到的驾驶辅助特征相比，HAD系统明显更为复杂，因为该系统本身不得不做出关于驾驶的所有决策，包括路径规划、方向控制、速度控制等等。为了帮助HAD系统做出恰当的决策，全世界的公司和技术团队针对可能发生在道路上的各种情形开发和训练各种各样的决策模型。

随着自动驾驶技术的蓬勃发展，对高准确度变道预测模型的要求也提高了。关于变道预测领域的目前成就，一些团队使用由自己的HAD汽车收集的数据，而其他团队则使用经验模型来进行变道预测。

由于HAD汽车的高昂费用，从这些汽车收集的驾驶数据大小非常有限。此外，在某些国家，使用HAD汽车在道路上收集驾驶数据还可能会引起法律问题。对于经验模型，诸如到左车道边界的距离和汽车的偏航方向等参数被直接用于判断是否将要发生变道，这会导致错误的预测。

发明内容

本公开旨在提供一种用于变道预测的方法和系统，该方法和系统可解决有限的驾驶数据大小以及低质量预测模型的问题。

根据本公开的第一示例实施例，提供了一种用于变道预测的计算机实现的方法，其中所述方法包括：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。

根据本公开的第二示例实施例，提供了一种车辆上的用于变道预测的计算机实现的方法，其中所述方法包括：获取通过根据第一示例实施例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。

根据本公开的第三示例实施例，提供了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，其中所述方法包括：获取通过根据第一示例实施例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。