基于交通状态预测的车辆分层运动规划方法、系统、设备及产品

本申请涉及智能网联汽车与自动驾驶，特别是涉及一种基于交通状态预测的车辆分层运动规划方法、系统、设备及产品。

背景技术：

1、随着通信、计算与传感技术的快速发展，智能网联车辆成为缓解交通拥堵、提升行车安全的重要方向。运动规划作为智能网联车辆的核心功能，旨在为车辆生成一条从起点到终点的、无碰撞且满足动力学约束的时空轨迹。动态高精度地图的发展为运动规划提供了数据基础，现有车辆运动规划方法主要分为路径规划与轨迹规划两个阶段。路径规划方法包括图搜索算法（如dijkstra、a）、概率采样算法（如快速随机树）以及人工智能算法。轨迹规划方法则包括基于预设曲线（如多项式曲线、贝塞尔曲线）的聚类规划策略和基于数值优化的方法。然而，现有技术存在以下技术缺陷：

2、现有图神经网络方法多基于预定义的静态路网拓扑，无法建模信号交叉口处由信号相位变化引起的动态空间相关性，未能充分利用车道段语义信息和车辆属性信息，导致车辆运动规划的预测精度降低；传统求解空间通常为整条道路，使得路径与速度规划的搜索空间巨大；现有方法在规划时未能充分利用预测信息来主动约束解空间，导致规划结果未融合预测信息而难以保证安全性和效率。

3、可见，现有运动规划方法多基于当前时刻的环境感知信息进行决策，缺乏对未来短时内交通态势的准确预测，无法将感知信息与车辆运动规划相结合，导致规划策略是被动的、反应式的，进而无法通过预测未来交通状态，有效规划车辆运动轨迹，难以应对动态、复杂的交通场景。

技术实现思路

1、本申请的目的是提供一种基于交通状态预测的车辆分层运动规划方法、系统、设备及产品，以解决无法预测未来交通状态，有效规划车辆运动轨迹的问题。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种基于交通状态预测的车辆分层运动规划方法，包括：

4、获取地图数据，以单个车道段为基本单元，构建动态道路拓扑图；所述地图数据包括车辆状态序列和车道段语义信息；

5、构建交通状态预测模型；交通状态预测模型包括车道编码器、道路编码器和时序解码器；

6、将车道段内所有车辆状态序列和车道段语义信息输入至所述车道编码器，生成车道段嵌入向量；

7、将所述动态道路拓扑图和所述车道段嵌入向量输入至所述道路编码器，生成历史某时刻的交通状态编码向量，并构成编码序列；

8、将所述编码序列输入至所述时序解码器，生成未来时刻的交通状态编码，获取未来交通状态预测序列；

9、基于所述未来交通状态预测序列，进行车辆分层运动规划，生成平滑路径曲线和连贯且符合车辆运动学特征的速度曲线；所述车辆分层运动规划包括路径规划和速度规划；

10、基于所述平滑路径曲线与连贯且符合车辆运动学特征的速度曲线进行时间同步和融合，生成车辆运动轨迹。

11、第二方面，本申请提供了一种基于交通状态预测与车辆分层运动规划系统，包括：

12、拓扑图构建模块，用于获取地图数据，以单个车道段为基本单元，构建动态道路拓扑图；

13、预测模型构建模块，用于基于车道编码器、道路编码器和时序解码器，构建交通状态预测模型；

14、车道编码器模块，用于将车道段内所有车辆状态序列和车道段语义信息输入至所述车道编码器，生成车道段嵌入向量；

15、道路编码器模块，用于将所述动态道路拓扑图和所述车道段嵌入向量输入至所述道路编码器，生成历史某时刻的交通状态编码向量，并构成编码序列；

16、时序解码器模块，用于将所述编码序列输入至所述时序解码器，生成未来时刻的交通状态编码，获取未来交通状态预测序列；

17、路径和速度规划模块，用于基于所述未来交通状态预测序列，对车辆进行分层预测性运动规划，生成平滑路径曲线和连贯且符合车辆运动学特征的速度曲线；

18、轨迹生成模块，用于基于所述平滑路径曲线与连贯且符合车辆运动学特征的速度曲线进行时间同步和融合，生成车辆运动轨迹。

19、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的基于交通状态预测的车辆分层运动规划方法的步骤。

20、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的基于交通状态预测的车辆分层运动规划方法的步骤。

21、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的基于交通状态预测的车辆分层运动规划方法的步骤。

22、根据本申请提供的具体实施例，本申请公开了以下技术效果：

23、本申请提供了一种基于交通状态预测的车辆分层运动规划方法、系统、设备及产品，通过以单个车道段为基本单元构建动态道路拓扑图，构建交通状态预测模型，将车道段内所有车辆状态序列和车道段语义信息输入至车道编码器，生成车道段嵌入向量，能够充分利用车道段语义信息和车辆属性信息，提高车辆运动规划的预测精度；将动态道路拓扑图和车道段嵌入向量依次通过道路编码器和时序解码器，获取未来交通状态预测序列，将未来交通状态预测序列同时用于路径规划和速度规划，大幅压缩了路径与速度规划的搜索空间，在保证安全性的前提下提高通行效率，有效规划车辆运动轨迹。本申请将感知信息与车辆运动规划相结合，预测未来交通状态，有效规划车辆运动轨迹，提升智能网联车辆在复杂交通环境中预测运动轨迹精度。

1.一种基于交通状态预测的车辆分层运动规划方法，其特征在于，包括：

2.根据权利要求1所述的基于交通状态预测的车辆分层运动规划方法，其特征在于，所述车辆状态序列包含车辆速度、车辆航向角和车型标签；

3.根据权利要求2所述的基于交通状态预测的车辆分层运动规划方法，其特征在于，将车道段内所有车辆状态序列和车道段语义信息输入至所述车道编码器，生成车道段嵌入向量，具体包括：所述车道编码器包括三个结构相同且相互独立的第一前馈神经网络以及第一多头注意力模块；

4.根据权利要求1所述的基于交通状态预测的车辆分层运动规划方法，其特征在于，将所述动态道路拓扑图和所述车道段嵌入向量输入至所述道路编码器，生成历史某时刻的交通状态编码向量，并构成编码序列，具体包括：所述道路编码器包括特征分解模块、第二前馈神经网络以及第二多头注意力模块；

5.根据权利要求1所述的基于交通状态预测的车辆分层运动规划方法，其特征在于，将所述编码序列输入至所述时序解码器，生成未来时刻的交通状态编码，获取未来交通状态预测序列，具体包括：

6.根据权利要求1所述的基于交通状态预测的车辆分层运动规划方法，其特征在于，所述路径规划，具体包括：

7.根据权利要求1所述的基于交通状态预测的车辆分层运动规划方法，其特征在于，所述速度规划具体包括：

8.一种基于交通状态预测与车辆分层运动规划系统，应用于权利要求1-7所述的基于交通状态预测的车辆分层运动规划方法，包括：

9.一种计算机设备，包括：存储器、处理器以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计算机程序以实现权利要求1-7中任一项所述的基于交通状态预测的车辆分层运动规划方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的基于交通状态预测的车辆分层运动规划方法。