[发明专利]轨迹预测方法、装置、设备及计算机可读存储介质

权利要求书

1.一种轨迹预测方法，其特征在于，包括：

获取第一时刻的环境数据，所述环境数据至少包括：预设范围内的障碍物车辆的速度和外形参数，本车辆的速度和外形参数，以及所述预设范围内任意两个车辆之间的距离；

根据所述环境数据，利用加速度预测模型，计算所述障碍物车辆在所述第一时刻的加速度；

根据所述障碍物车辆在所述第一时刻的加速度、速度和位置，计算所述障碍物车辆在第二时刻的位置；

所述根据所述环境数据，利用加速度预测模型，计算所述障碍物车辆在所述第一时刻的加速度，包括：

在获取到所述环境数据之后，将所述环境数据输入训练好的加速度预测模型，通过所述加速度预测模型预测所述障碍物车辆在所述第一时刻的加速度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述环境数据，利用加速度预测模型，计算所述障碍物车辆在所述第一时刻的加速度之前，还包括：

利用训练集对预设的神经网络模型进行模型训练，得到所述加速度预测模型。

3.根据权利要求2所述的方法，其特征在于，所述利用训练集对所述预设的神经网络模型进行模型训练，得到所述加速度预测模型之前，还包括：

获取所述训练集，所述训练集包括多条训练数据，每条训练数据包括第一历史时刻的真实环境数据，以及所述真实环境数据中的车辆在第二历史时刻的加速度。

4.根据权利要求3所述的方法，其特征在于，

用Δt表示所述第二历史时刻与所述第一历史时刻间的时间间隔，用Δt′表示所述第二时刻与所述第一时刻间的时间间隔，|Δt-Δt′|＜预设时间误差。

5.根据权利要求2-4任一项所述的方法，其特征在于，

所述神经网络模型包括：卷积层，ReLU层，最大池化层，全连接层，BN层，DropOut层，循环神经网络编码层和循环神经网络解码层。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述预设范围内包括多辆障碍物车辆，所述根据所述障碍物车辆在所述第一时刻的加速度、速度和位置，计算所述障碍物车辆在所述第二时刻的位置，包括：

分别将每个所述障碍物车辆作为目标车辆，根据所述目标车辆在所述第一时刻的加速度、速度和位置，计算所述目标车辆在所述第二时刻的位置，得到每辆所述障碍物车辆的在所述第二时刻的位置。

7.根据权利要求6所述的方法，其特征在于，根据所述目标车辆在所述第一时刻的加速度、速度和位置，计算所述目标车辆在所述第二时刻的位置，包括：

采用如下运动学方程，计算所述目标车辆在所述第二时刻的位置：

其中，p_t和p_t-1均为位置函数，p_t表示所述目标车辆在所述第二时刻的位置，p_t-1表示所述目标车辆在所述第一时刻的位置，v_t-1表示所述目标车辆在所述第一时刻的速度，a_t-1表示所述目标车辆在所述第一时刻的加速度，Δt'表示所述第一时刻与所述第二时刻之间的间隔时长，表示位置函数p_t-1的泰勒展开式的余项。

8.一种轨迹预测装置，其特征在于，包括：

环境数据获取模块，用于获取第一时刻的环境数据，所述环境数据至少包括：预设范围内的障碍物车辆的速度和外形参数，本车辆的速度和外形参数，以及所述预设范围内任意两个车辆之间的距离；

加速度计算模块，用于根据所述环境数据，利用加速度预测模型，计算所述障碍物车辆在所述第一时刻的加速度；

位置计算模块，用于根据所述障碍物车辆在所述第一时刻的加速度、速度和位置，计算所述障碍物车辆在第二时刻的位置；

所述加速度计算模型，具体用于在获取到所述环境数据之后，将所述环境数据输入训练好的加速度预测模型，通过所述加速度预测模型预测所述障碍物车辆在所述第一时刻的加速度。