[发明专利]一种自动驾驶车辆交通事件预测方法及装置

权利要求书

1.一种自动驾驶车辆交通事件预测方法，其特征在于，包括：

获取场景信息，根据所述场景信息对当前所处场景进行分类并确定分类后的场景下的所有场景事件和命题；

获取所述场景事件的历史数据，根据所述历史数据确定所述场景事件的先验概率以及确定每个命题的计算结果；

根据所述历史数据和每个命题的计算结果获取每个场景事件发生前的每个命题为真的第一条件概率以及所述场景事件未发生时每个命题为真的第二条件概率；

根据所述先验概率、第一条件概率以及第二条件概率计算得到事件发生概率；

根据所述事件发生概率生成规避措施。

2.根据权利要求1所述的方法，其特征在于，所述根据所述场景信息对当前所处场景进行分类，包括：

获取实时数据，采用预构建的神经网络模型对所述实时数据进行分类处理，得到场景分类结果；

其中，所述场景包括高速场景、十字路口场景、城区道路场景以及山区场景；所述命题包括车辆状态、车辆动作以及环境信息。

3.根据权利要求1或2所述的方法，其特征在于，所述获取所述场景事件的历史数据，根据所述历史数据确定所述场景事件的先验概率以及确定每个命题的计算结果，包括：

根据历史数据获取事故发生概率并保存至高精地图中，得到地图数据；

根据所述地图数据获取车辆在预设地点发生所述场景事件的先验概率。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述历史数据和每个命题的计算结果获取每个场景事件发生前的每个命题为真的第一条件概率以及所述场景事件未发生时每个命题为真的第二条件概率，包括：

根据历史数据和每个命题的计算结果获取每个场景事件发生前预设时间段内的每个命题为真的第一条件概率以及所述预设时间段内场景事件未发生的各个命题为真的第二条件概率。

5.根据权利要求3所述的方法，其特征在于，所述根据所述历史数据和每个命题的计算结果获取每个场景事件发生前的每个命题为真的第一条件概率以及所述场景事件未发生时每个命题为真的第二条件概率，包括：

根据历史数据和每个命题的计算结果获取每个场景事件发生的地点前预设距离内的每个命题为真的第一条件概率以及场景事件未发生时所述地点前预设距离内的每个命题为真的第二条件概率。

6.根据权利要求1所述的方法，其特征在于，

采用贝叶斯算法根据所述先验概率、第一条件概率以及第二条件概率计算得到事件发生概率。

7.根据权利要求6所述的方法，其特征在于，

如果命题包括多个，则通过序贯理性原则对多个命题之间的结合计算事件发生概率。

8.根据权利要求7所述的方法，其特征在于，所述通过序贯理性原则对多个命题之间的结合计算事件发生概率，包括：

获取目标场景事件的先验概率；

选取结合的命题中的一个并获取其在目标场景事件中的历史统计概率；

利用贝叶斯算法根据先验概率、历史统计概率计算得到后验概率；

将所述后验概率作为下一个命题的先验概率；

遍历所有命题，得到事件发生概率。

9.根据权利要求1所述的方法，其特征在于，所述根据所述事件发生概率生成规避措施，包括：

在所述事件发生概率高于预设阈值时，根据命题逆向控制车辆行为。

10.一种自动驾驶车辆交通事件预测装置，其特征在于，包括：

获取模块，用于获取场景信息，根据所述场景信息对当前所处场景进行分类并确定分类后的场景下的所有场景事件和命题；

确定模块，用于获取所述场景事件的历史数据，根据所述历史数据确定所述场景事件的先验概率以及确定每个命题的计算结果；

第一计算模块，用于根据所述历史数据和每个命题的计算结果获取每个场景事件发生前的每个命题为真的第一条件概率以及所述场景事件未发生时每个命题为真的第二条件概率；

第二计算模块，用于根据所述先验概率、第一条件概率以及第二条件概率计算得到事件发生概率；

生成模块，用于根据所述事件发生概率生成规避措施。