一种基于车辆行为识别的轨迹预测方法及系统

专利主权项内容

1.一种基于车辆行为识别的轨迹预测方法，其特征在于，所述方法包括：基于HighD数据集获取各个目标车辆的车辆特征，以基于Savitzky-Golay滤波器对所述车辆特征进行预处理获得训练数据集；将各车道所对应的训练数据集中的样本输入，基于多类型LSTM网络和自注意力机制构建的初始行为识别模型中，以训练确定符合要求的行为识别模型；将当前目标车辆的车辆特征输入所述行为识别模型，获得当前目标车辆的当前车辆行为，以将所述当前车辆行为与所述当前目标车辆以及所述当前目标车辆周围车辆的历史车辆特征，作为轨迹数据输入预置双向LSTM网络；基于所述预置双向LSTM网络中的双向LSTM编码层与单向LSTM编码层依次编码提取所述轨迹数据的时序特征；基于所述时序特征预测上一时间步的预测值，并根据上一时间步的预测值对当前时间步的隐藏层输出向量分配对应的注意力权重，基于多层时间维度全连接层输出当前时间步的预测值，确定所述当前目标车辆的轨迹预测结果; 其中，基于HighD数据集获取各个目标车辆的车辆特征，以基于Savitzky-Golay滤波器对所述车辆特征进行预处理获得训练数据集，具体包括：获取HighD数据集中的记录数据，以基于所述记录数据与所述车辆特征所对应的物理公式计算获得车辆特征数据；基于Savitzky-Golay滤波器对所述车辆特征数据进行平滑处理，获得过滤后的车辆特征数据，基于词嵌入方式进行向量转换获得车辆特征数据集；根据所述车辆特征数据集中各车辆特征所对应的车道进行分组，获得多个车道所对应的车辆特征数据集；基于预设划分比例对所述车辆特征数据集进行划分，获得训练数据集与测试数据集；将各车道所对应的训练数据集中的样本输入，基于多类型LSTM网络和自注意力机制构建的初始行为识别模型中，以训练确定符合要求的行为识别模型，具体包括：确定不同类型LSTM网络中循环层各单元的二分类器，并向所述循环层添加自注意力机制构建初始行为识别模型；其中，所述二分类器基于输入门、遗忘门与输出门串联构成；将各车道所对应的训练数据集中的样本输入所述初始行为识别模型，以基于所述二分类器的处理逻辑对所述样本进行数据处理，获得循环层的输出数据；将所述输出数据表示为矩阵形式的时间序列数据，以基于自注意力机制对所述时间序列数据之间的相似性进行建模，迭代循环层的超参数，以学习所述循环层的输出数据不同维度的注意力权重分布，获得各类型LSTM网络所对应的行为识别模型；其中，所述超参数包括：损失函数、回调函数；基于所述测试数据集中的样本获取各类型LSTM网络所对应的行为识别模型的评估值，以基于所述评估值确定最优行为识别模型为符合要求的行为识别模型；其中，所述评估值包括：精确率，召回率，准确率以及精确率与召回率的调和平均值。 来自：