[发明专利]一种车辆行驶轨迹处理方法及相关装置

权利要求书

1.一种车辆行驶轨迹处理方法，其特征在于，所述方法包括：

获取目标车辆当前所在的目标路径；

将所述目标路径输入轨迹预测模型，得到与所述目标路径相连接的各连通路径的行驶概率；

针对每一连通路径，对所述连通路径的实时拥堵率和所述行驶概率加权求和，得到预测结果；或，确定所述连通路径的实时拥堵率对应的非拥堵率，将所述非拥堵率与所述行驶概率的乘积作为预测结果；其中，所述预测结果表示所述目标车辆从所述目标路径行驶到所述连通路径的概率。

2.根据权利要求1所述的方法，其特征在于，所述连通路径的行驶概率是通过以下方式确定的：

从样本数据集中获取包含所述目标路径的样本数据的第一样本数量，并从所述样本数据集中获取包含所述目标路径和所述连通路径的样本数据的第二样本数量；其中，所述样本数据集是用于对原始模型进行训练得到所述轨迹预测模型过程中使用的样本数据集；

将所述第二样本数量与所述第一样本数量的比值作为所述连通路径的行驶概率。

3.根据权利要求1或2中所述的方法，其特征在于，所述轨迹预测模型是基于样本数据集对原始模型进行训练得到的；

所述样本数据集是通过以下方式确定的：

获取所述目标车辆的历史行程数据集，所述历史行程数据集是所述目标车辆的多条历史行驶路线的集合，所述历史行程数据包括采集到所述目标车辆图像的采集点和采集时间；

针对每一历史行程数据，将所述历史行程数据中每相邻两个采集点构成相邻采集点对，并基于所述相邻采集点对中各采集点的采集时间确定所述相邻采集点对的时间间隔；

根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据。

4.根据权利要求3所述的方法，其特征在于，所述相邻采集点对表示一段路径，所述根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据，包括：

基于所述历史行程数据中包含的各相邻采集点对，将所述历史行程数据划分为多段相连接的路径数据；

若所述相邻采集点对的时间间隔大于时间阈值，则确定所述相邻采集点对表示的路径数据为无效数据，并将所述无效数据从所述历史行程数据中剔除；

针对剔除所述无效数据后的所述历史行程数据，将相连接的路径数据作为一条所述样本数据。

5.根据权利要求3所述的方法，其特征在于，将所述历史行程数据中每相邻两个采集点构成相邻采集点对之前，所述方法还包括：

基于所述采集点的位置信息和采集时间确定所述目标车辆在每相邻两个采集点间的行驶速度；

根据所述行驶速度确定所述历史行程数据中的异常采集点，并将所述异常采集点剔除。

6.根据权利要求1或2中所述的方法，其特征在于，所述获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果之后，所述方法还包括：

响应于训练指示，获取用户选取的参考路径；

基于所述参考路径和所述预测结果确定损失信息，采用所述损失信息调整所述轨迹预测模型的模型参数。

7.一种车辆行驶轨迹处理装置，其特征在于，所述装置包括：

目标路径获取模块，被配置为执行获取目标车辆当前所在的目标路径；

行驶概率确定模块，被配置为执行将所述目标路径输入轨迹预测模型，得到与所述目标路径相连接的各连通路径的行驶概率；

预测结果输出模块，被配置为执行针对每一连通路径，对所述连通路径的实时拥堵率和所述行驶概率加权求和，得到预测结果；或，确定所述连通路径的实时拥堵率对应的非拥堵率，将所述非拥堵率与所述行驶概率的乘积作为预测结果；其中，所述预测结果表示所述目标车辆从所述目标路径行驶到所述连通路径的概率。