[发明专利]一种高泛化能力的交互车辆驾驶意图预测方法和装置

权利要求书

1.一种高泛化能力的交互车辆驾驶意图预测方法，其特征在于，所述方法包括：

获取车辆交互驾驶的交互场景信息，根据所述交互场景信息确定交互场景类型；所述交互环境信息包括本车与交互车辆间的航向关系信息、参考路线信息和道路结构信息；所述交互场景类型包括同向场景驾驶，逆向场景驾驶和横向场景驾驶；

采用特征提取算法根据不同的交互场景类型对所述交互场景信息进行特征提取，将提取到的特征作为节点，特征值作为节点状态输入到预先设计的交互车辆驾驶意图预测模型中；所述交互车辆驾驶意图预测模型为动态贝叶斯网络；所述动态贝叶斯网络包括证据层、意图层和诊断层；

通过所述证据层根据道路结构相关特征和多车交互相关特征评估执行特定意图的可行性，通过所述意图层根据所述证据层的输出，以及上一时刻意图层的输出执行当前时刻的驾驶操作，通过所述诊断层根据所述意图层的输出得到当前车辆行驶状态发生特定变化的概率；

通过预先构建的训练数据对所述交互车辆驾驶意图预测模型进行训练，得到训练好的交互车辆驾驶意图预测模型；

通过训练好的交互车辆驾驶意图预测模型进行交互车辆驾驶意图预测，并将预测结果通过人机交互的方式进行呈现。

2.根据权利要求1所述的方法，其特征在于，所述同向场景驾驶对应的驾驶意图包括：左换道、右换道和车道保持；所述逆向场景驾驶对应的驾驶意图包括占道与让行；所述横向场景驾驶对应的驾驶意图包括：抢先通过与让行。

3.根据权利要求2所述的方法，其特征在于，当所述交互场景类型为同向场景驾驶时，采用特征提取算法根据不同的交互场景类型对所述交互场景信息进行特征提取，还包括：

当所述交互场景类型为同向场景驾驶时，采用特征提取算法对所述交互场景信息进行特征提取，提取的特征包括：交互车辆前一时刻离参考线的距离特征、交互车辆当前时刻离参考线的距离特征、交互车辆最侧方车道特征、交互车辆横向速度特征以及交互车辆偏离角特征。

4.根据权利要求3所述的方法，其特征在于，将提取到的特征作为节点，特征值作为节点状态输入到预先设计的交互车辆驾驶意图预测模型中，包括：

以所述交互车辆最侧方车道特征为证据层节点，以所述交互车辆前一时刻离参考线的距离特征、所述交互车辆当前时刻离参考线的距离特征、所述交互车辆横向速度特征和所述交互车辆偏离角特征为诊断层节点，并以特征对应的特征值作为节点状态输入到预先设计的交互车辆驾驶意图预测模型中。

5.根据权利要求2所述的方法，其特征在于，当所述交互场景类型为逆向场景驾驶时，采用特征提取算法根据不同的交互场景类型对所述交互场景信息进行特征提取，还包括：

当所述交互场景类型为逆向场景驾驶时，采用特征提取算法对所述交互场景信息进行特征提取，提取的特征包括：交互车辆离本车参考线的距离特征、交互车辆横向速度特征、交互车辆横向加速度特征、交互车辆纵向速度特征、交互车辆纵向加速度特征以及交互车辆偏离角特征。

6.根据权利要求5所述的方法，其特征在于，将提取到的特征作为节点，特征值作为节点状态输入到预先设计的交互车辆驾驶意图预测模型中，包括：

以所述交互车辆离本车参考线的距离特征为证据层节点，以所述交互车辆横向速度特征、交互车辆横向加速度特征、交互车辆纵向速度特征、交互车辆纵向加速度特征以及交互车辆偏离角特征为诊断层节点，并以特征对应的特征值作为节点状态输入到预先设计的交互车辆驾驶意图预测模型中。

7.根据权利要求2所述的方法，其特征在于，当所述交互场景类型为横向场景驾驶时，采用特征提取算法根据不同的交互场景类型对所述交互场景信息进行特征提取，还包括：

当所述交互场景类型为横向场景驾驶时，采用特征提取算法对所述交互场景信息进行特征提取，提取的特征包括：交互车辆离本车参考线的距离特征、纵向速度特征、交互车辆纵向加速度特征、以及交互车辆与本车参考线交点距离。