[发明专利]一种基于BiLSTM-CRF模型的车辆变道意图预测的方法

权利要求书

1.一种基于BiLSTM-CRF模型的车辆变道意图预测方法，其特征在于，所述方法包括：

遍历所述车辆的历史交通数据，得到所述车辆变道意图的历史信息；

对所述车辆变道意图的历史信息进行预处理，提取反映驾驶员意图变化的车辆变道意图特征；

根据诱导性规则将所述车辆变道意图特征组成所述车辆变道意图特征序列；

对所述车辆变道意图特征序列进行标注得到所述车辆变道意图特征的标签；

对所述车辆变道意图特征的标签进行模糊化处理后，将所述车辆变道意图特征分为训练集和测试集；

利用所述车辆变道意图特征的训练集及所述车辆变道意图特征的标签训练车辆变道意图预测模型的BiLSTM-CRF模型；

利用绝对性规则训练所述车辆变道意图预测模型的后置规则层；

利用所述车辆变道意图特征的测试集测试所述车辆变道意图预测模型，将实时车辆变道意图特征输入到所述车辆变道意图预测模型预测得到车辆变道意图。

2.根据权利要求1所述的车辆变道意图预测的方法，其特征在于，所述车辆变道意图的历史信息H包括：车辆相对最左侧车道的距离X、车辆进入起始采集点界面的距离Y和车辆的机动意图。

3.根据权利要求2所述的车辆变道意图预测的方法，其特征在于，所述反映驾驶员意图变化的车辆变道意图特征包括：车辆在预置时间长度内的横向速度的平方和、转航角的和，以及车辆左右位移次数；

其中，所述横向速度的平方和和转航角的和为所述车辆变道意图特征的基本特征，所述车辆左右位移次数为所述车辆变道意图特征的规则特征。

4.根据权利要求1所述的车辆变道意图预测的方法，其特征在于，所述对所述车辆变道意图特征的标签进行模糊化处理，包括：

统计所述车辆变道意图特征的标签数值，根据所述车辆变道意图特征的标签数值划分N个区间；

根据所述车辆变道意图特征的标签数值和每个区间长度判断所述车辆变道意图特征的标签所在区间；

将所述区间的下边界作为所述车辆变道意图特征的标签模糊化后的值。

5.根据权利要求1所述的车辆变道意图预测的方法，其特征在于，所述车辆变道意图特征分为基本特征与规则特征两类。基本特征的标签包括向左变道、向右变道、保持直行或向左变道、保持直行或向右变道四类，规则特征的标签为对规则的遵守程度。

6.根据权利要求5所述的车辆变道意图预测的方法，其特征在于，所述车辆变道意图预测模型包括两个BiLSTM-CRF模型，所述BiLSTM-CRF模型分为BiLSTM层与CRF层；

其中，所述BiLSTM层，用于输出每个所述车辆变道意图特征的每个标签的分值；

所述CRF层，用于计算所述车辆变道意图特征的标签之间的转移概率。

7.根据权利要求5所述的车辆变道意图预测的方法，其特征在于，所述一个BiLSTM-CRF模型用来预测车辆向左变道和保持直行或向右变道，另一个BiLSTM-CRF模型用来预测车辆向右变道和保持直行或向左变道。

8.根据权利要求1所述的车辆变道意图预测的方法，其特征在于，所述绝对性规则包括交通规则和物理约束。