详情

原文传递一种车辆运动状态预测方法及装置

专利名称：	一种车辆运动状态预测方法及装置
摘要：	本说明书公开了一种车辆运动状态预测方法及装置，获取包括当前时刻在内的若干指定时刻该无人车的运动状态以及控制量，以确定特征向量，通过将特征向量输入预测模型的第一时间序列层，确定注意力加权向量，该注意力加权向量用于表征各指定时刻的控制量对下一时刻的运动状态的影响程度，然后根据注意力加权向量，对获取的各指定时刻的控制量进行加权处理，最后将注意力加权结果以及当前时刻的运动状态输入第二时间序列层，预测下一时刻该无人车的运动状态。利用若干指定时刻的控制量进行加权后的加权结果，使得预测运动状态考虑到了历史时刻的控制量对当前时刻运动状态的影响，增加了运动状态预测的准确性，提高了无人车控制准确程度。
专利类型：	发明专利
申请人：	北京三快在线科技有限公司
发明人：	田润;任冬淳;夏华夏;樊明宇
专利状态：	有效
申请日期：	1900-01-20T07:00:00+0805
发布日期：	1900-01-20T15:00:00+0805
申请号：	CN202010262382.0
公开号：	CN111152796A
代理机构：	北京曼威知识产权代理有限公司
代理人：	方志炜
分类号：	B60W50/00;G06N3/04;G06N3/08;G07C5/08;B;G;B60;G06;G07;B60W;G06N;G07C;B60W50;G06N3;G07C5;B60W50/00;G06N3/04;G06N3/08;G07C5/08
申请人地址：	100080 北京市海淀区北四环西路9号2106-030
主权项：	1.一种车辆运动状态预测方法，其特征在于，包括：获取无人车在各指定时刻的运动状态以及控制量，所述指定时刻包含当前时刻和若干历史时刻；根据获取的各指定时刻的运动状态以及控制量，确定特征向量；将确定出的特征向量作为输入，输入预先训练的预测模型第一时间序列层，得到所述第一时间序列层输出的注意力加权向量，所述注意力加权向量表征各指定时刻的控制量对所述无人车下一时刻的运动状态的影响程度；根据所述注意力加权向量，对各指定时刻的控制量进行注意力加权；将注意力加权结果、所述无人车当前时刻的运动状态输入所述预测模型的第二时间序列层，得到所述第二时间序列层输出的所述无人车下一时刻的运动状态的预测结果。 2.如权利要求1所述的方法，其特征在于，根据获取的各指定时刻的运动状态以及控制量，确定特征向量，具体包括：按照距离当前时刻从近到远的顺序，从当前时刻和若干历史时刻中，确定指定数量的时刻，作为指定时刻；根据时间先后顺序，对确定出的各指定时刻的运动状态进行组合，得到运动状态向量，以及对确定出的各指定时刻的控制量进行组合，得到控制量向量；根据所述运动状态向量和所述控制量向量，确定特征向量。 3.如权利要求2所述的方法，其特征在于，将确定出的特征向量作为输入，输入预先训练的预测模型第一时间序列层，得到所述第一时间序列层输出的注意力加权向量，具体包括：确定预先训练的预测模型的第一时间序列层上一时刻的隐层特征；将确定出的隐层特征以及所述特征向量作为输入，输入所述第一时间序列层，确定交互向量；将所述交互向量输入所述预测模型的解码层，进行解码确定解码向量；将所述解码向量输入所述预测模型的注意力层，确定注意力加权向量；其中，所述解码向量以及所述注意力加权向量的维度数量为所述指定数量。 4.如权利要求3所述的方法，其特征在于，将确定出的隐层特征以及所述特征向量作为输入，输入所述第一时间序列层，确定交互向量，具体包括：将所述特征向量作为输入，输入所述预测模型的编码层，确定编码向量；将所述编码向量以及所述隐层特征作为输入，输入所述第一时间序列层，确定交互向量。 5.如权利要求1所述的方法，其特征在于，获取无人车在各指定时刻的运动状态，具体包括：获取所述无人车分别在各指定时刻的速度以及加速度；根据获取各指定时刻的速度以及加速度，分别确定各指定时刻的运动状态。 6.如权利要求5所述的方法，其特征在于，得到所述第二时间序列层输出的所述无人车下一时刻的运动状态的预测结果，具体包括：得到所述第二时间序列层输出的所述无人车下一时刻的速度；根据预测得到的速度，确定所述无人车下一时刻的加速度；根据所述下一时刻的速度以及加速度，确定所述无人车下一时刻的运动状态的预测结果。 7.如权利要求1所述的方法，其特征在于，通过以下方法训练所述预测模型，其中：获取若干历史行驶过程中各时刻车辆的运动状态以及控制量；针对每个时刻，确定以该时刻对应的各指定时刻的运动状态以及控制量，作为训练样本，以该时刻的下一时刻车辆的运动状态为该训练样本的标签；针对各训练样本，确定该训练样本对应的特征向量，并将确定出的特征向量输入待训练的预测模型，得到所述预测模型输出的预测结果；以最小化预测结果与标签的差为优化目标，调整所述待训练的预测模型的模型参数。 8.一种车辆运动状态预测装置，其特征在于，包括：获取模块，获取无人车在各指定时刻的运动状态以及控制量，所述指定时刻包含当前时刻和若干历史时刻；特征确定模块，根据获取的各指定时刻的运动状态以及控制量，确定特征向量；权重确定模块，将确定出的特征向量作为输入，输入预先训练的预测模型第一时间序列层，得到所述第一时间序列层输出的注意力加权向量，所述注意力加权向量表征各指定时刻的控制量对所述无人车下一时刻的运动状态的影响程度；注意力模块，根据所述注意力加权向量，对各指定时刻的控制量进行注意力加权；预测模块，将注意力加权结果、所述无人车当前时刻的运动状态输入所述预测模型的第二时间序列层，得到所述第二时间序列层输出的所述无人车下一时刻的运动状态的预测结果。 9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一所述的方法。 10.一种无人车，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法。
所属类别：	发明专利