[发明专利]车辆变道预测方法、装置及电子设备

权利要求书

1.一种车辆变道预测方法，其特征在于，包括：

获取目标车辆的运动矢量，所述运动矢量包括切速度和/或位移；

计算所述运动矢量的矢量熵，所述矢量熵用于描述所述目标车辆的运动趋势的稳定程度；

获取所述目标车辆的RSSI；

将所述运动矢量、所述矢量熵以及所述RSSI输入已训练的决策树模型，得到所述已训练的决策树模型输出的用于指示所述目标车辆是否变道的预测结果，其中，所述已训练的决策树模型根据一组已知是否变道的车辆对应的数据集训练得到，所述数据集包括所述已知是否变道的车辆的运动矢量样本、矢量熵样本以及RSSI样本。

2.如权利要求1所述的车辆变道预测方法，其特征在于，还包括：

分别计算所述运动矢量样本、所述矢量熵样本以及所述RSSI样本的变道概率和不变道概率；

根据所述运动矢量样本的变道概率和不变道概率确定所述运动矢量样本的类熵，其中，类熵是对信息熵修正后得到的值；

根据所述矢量熵样本的变道概率和不变道概率确定所述矢量熵样本的类熵；

根据所述RSSI样本的变道概率和不变道概率确定所述RSSI样本的类熵；

根据所述运动矢量样本的类熵、所述矢量熵样本的类熵以及所述RSSI样本的类熵的大小，确定作为根节点的目标属性和作为子节点的其他属性，其中，所述目标属性属于预设的属性集，所述预设的属性集包括运动矢量属性、矢量熵属性和RSSI属性，且所述目标属性为最小的类熵对应的属性，所述其他属性为所述预设的属性集中不是所述目标属性的属性；

根据所述作为根节点的目标属性和作为子节点的其他属性生成待训练的决策树模型。

3.如权利要求2所述的车辆变道预测方法，其特征在于，所述根据所述运动矢量样本的类熵、所述矢量熵样本的类熵以及所述RSSI样本的类熵的大小，确定作为根节点的目标属性和作为子节点的其他属性，包括：

根据所述运动矢量样本的类熵、所述矢量熵样本的类熵以及所述RSSI样本的类熵的大小，确定作为根节点的目标属性；

以所述目标属性为条件，计算其他属性的变道概率和不变道概率；

根据所述其他属性的变道概率和不变道概率确定所述其他属性对应的类熵；

将其他属性对应的类熵中的最小类熵所对应的属性确定作为下一个节点的属性，若所述预设的属性集仍存在没有作为节点的属性，则将所述作为下一个节点的属性设置为新的目标属性，并返回所述以所述目标属性为条件，计算其他属性的变道概率和不变道概率的步骤以及后续步骤，直到所述预设的属性集中的属性均作为节点。

4.如权利要求1所述的车辆变道预测方法，其特征在于，所述计算所述运动矢量的矢量熵，包括：

若所述运动矢量包括切速度，则根据所述切速度的变道概率和不变道概率计算所述切速度的矢量熵；

若所述运动矢量包括位移，则根据所述位移的变道概率和不变道概率计算所述位移的矢量熵。

5.如权利要求1至4任一项所述的车辆变道预测方法，其特征在于，在所述预测结果指示所述目标车辆变道之后，还包括：

输出预变道列表，所述预变道列表包括所述目标车辆的车牌、所述目标车辆当前的车道号、欲前往的车道号和位置信息。