[发明专利]一种自动驾驶车辆交通事件预测方法及装置

说明书

本发明涉及一种自动驾驶车辆交通事件预测方法及装置，包括根据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；获取场景事件的历史数据，确定场景事件的先验概率以及确定每个命题的计算结果；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的每个命题为真的第一条件概率以及场景事件未发生时每个命题为真的第二条件概率；根据先验概率、第一条件概率以及第二条件概率计算得到事件发生概率；根据事件发生概率生成规避措施。本发明可以根据自车状态(车速、车辆位置、是否故障等)和环境(是否拥堵、是否红灯)等信息计算出预设时间段或预设距离内发生事件的概率，可以获取规避事故的方法，从而避免危险。

技术领域

本发明属于自动驾驶技术领域，具体涉及一种自动驾驶车辆交通事件预测方法及装置。

背景技术

自动汽车，也称为机器人汽车，自动驾驶汽车，或无人驾驶汽车，是一种能够感知其环境并在很少或完全没有人工输入的情况下行驶的汽车。自动驾驶汽车结合了多种传感器来感知周围环境，例如雷达,激光雷达,声纳,全球定位系统,里程计和惯性测量单元。先进的控制系统对传感信息进行解释，以识别适当的导航路径，障碍物和相关标志。

感知预测或者事件预测，是自动驾驶系统的重要组成部分。通过预测某个时间的发生，例如行人横穿马路、前车并线等，自动驾驶车辆可以提前预知风险，并调整驾驶策略，达到规避事故、减少违规、提供车辆的稳定度和舒适度的目的。自动驾驶车辆在行驶过程中，需要通过其行为数据，具体采用数字化交规判定自动地判定车辆是否有违规行为。

相关技术中，一般采用两种方式实现事件预测方法，其中一种是基于数据驱动的事件预测方法，数据驱动的方法，指的是根据统计学、或者基于统计学的算法演变而成的方法。通过分析大量的历史数据，并综合利用当前场景的信息，可以推断出后续事件的走向，从而预测事件。例如，共有3条车道，而车辆的路径由一连串的轨迹点组成，可见该数据统计了多个车辆轨迹信息。此时如果有新的车辆进入相应车道时，可以根据这类统计信息推断出该车将会去往各个车道的概率。或者，首先利用标注数据对CNN进行训练，然后通过输入气象图等环境信息，即可预测未来天气的类别。同理，在自动驾驶领域，可以训练一个神经网络模型，对未来发生的事件进行分类预测。

另一种是自动驾驶系统(ADS)运行过程中，会根据感知信息获取周围各个车辆的位置、速度等信息。ADS利用车辆动力学模型，可以给周围车辆进行建模，从而计算出这些车辆的行驶轨迹，从而预测出可能的碰撞或者违规时间。这种方法的优势是能把交规、安全距离等约束条件加入到轨迹预测模块中，得到更贴近现实的预测模型。

综上所述，现有的两种方式均是采集现场数据，以现场数据作为基础，其只能得出当前环境下事件的发生概率，确定可能出现的危险事件，但是危险事件往往跟多种条件因素有关，上述方法均无法近一步计算条件概率。例如，数据驱动方法可以得出在十字路口发生碰撞事故的概率；但是，事实上每次事故的发生条件各不相同，用这种方法无法在直接计算出闯红灯情况下计算出条件概率况，再计算事故发生的概率，因此，上述两种方式均存在无法对多重风险的条件因素进行计算评估，准确性较低的问题。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种自动驾驶车辆交通事件预测方法及装置，以解决现有技术中无法对多重风险的条件因素进行计算评估，准确性较低的问题。

为实现以上目的，本发明采用如下技术方案：一种自动驾驶车辆交通事件预测方法，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；