一种碰撞风险预测方法及相关装置与流程

本技术涉及人工智能，尤其涉及一种碰撞风险预测方法及相关装置。

背景技术：

1、随着汽车安全技术的发展，如何识别车辆与障碍物之间的碰撞风险成为本领域的研究重点。

2、目前主要根据车辆的当前位置和障碍物的当前位置，预估未来是否存在碰撞风险，忽视了车辆和障碍物位置的动态变化，准确性较低。

技术实现思路

1、鉴于上述问题，本技术提供了一种碰撞风险预测方法及相关装置，基于隐马尔科夫的碰撞风险预测模型根据障碍物和车辆之间相对运动趋势能够实现对碰撞风险的准确预测。具体方案如下：

2、本技术第一方面提供一种碰撞风险预测方法，包括：

3、获取车辆行驶轨迹数据和至少一个障碍物的运行轨迹数据；

4、对所述障碍物的运行轨迹数据和所述车辆行驶轨迹数据进行时序关系分析，得到所述障碍物和车辆对应的轨迹点组合序列，所述轨迹点组合序列包括按照时序排列的多个轨迹点组合，每个所述轨迹点组合包括：车辆轨迹点和车辆轨迹点匹配的障碍物轨迹点；

5、分别计算每个所述轨迹点组合中车辆轨迹点和所述车辆轨迹点匹配的障碍物轨迹点之间的距离，得到所述障碍物和车辆对应的距离时间序列；

6、将所述障碍物和车辆对应的所述距离时间序列输入基于隐马尔科夫的碰撞风险预测模型，得到所述障碍物与车辆之间的碰撞风险预测结果。

7、在一种可能的实现中，训练所述基于隐马尔科夫的碰撞风险预测模型的方法，包括：

8、获取针对目标用户的历史数据样本，所述历史数据样本包括多个场景中车辆退出自动驾驶前后预设时间范围内的车辆行驶轨迹数据样本和至少一个障碍物的运行轨迹数据样本；

9、针对每个场景，对障碍物的运行轨迹数据样本和车辆行驶轨迹数据样本进行时序关系分析，得到障碍物和车辆对应的轨迹点组合序列样本，所述轨迹点组合序列样本包括按照时序排列的多个轨迹点组合，每个所述轨迹点组合包括：车辆轨迹点和车辆轨迹点匹配的障碍物轨迹点；分别计算每个所述轨迹点组合中车辆轨迹点和所述车辆轨迹点匹配的障碍物轨迹点之间的距离，得到障碍物和车辆对应的距离时间序列样本；

10、在已标注为存在动态碰撞风险的场景中，将存在动态碰撞风险的障碍物和车辆对应的距离时间序列样本确定为正样本，将场景中其他障碍物与车辆对应的距离时间序列样本确定为负样本；

11、在已标注为不存在动态碰撞风险的场景中，将障碍物和车辆对应的距离时间序列样本确定为所述负样本；

12、利用由所述正样本和所述负样本组成的训练数据集，对隐马尔科夫模型进行训练得到所述基于隐马尔科夫的碰撞风险预测模型。

13、在一种可能的实现中，所述利用由所述正样本和所述负样本组成的训练数据集，对隐马尔科夫模型进行训练得到所述基于隐马尔科夫的碰撞风险预测模型，包括：

14、构建隐马尔科夫模型，所述隐马尔科夫模型包括两个隐状态，两个所述隐状态包括存在碰撞风险和不存在碰撞风险；两个所述隐状态对应的观测状态为障碍物和车辆对应的距离时间序列样本；

15、对所述隐马尔科夫模型的模型参数进行初始化；

16、利用所述训练数据集对所述隐马尔科夫模型进行迭代训练，在每次迭代训练过程中更新所述模型参数，得到所述模型参数的变化量；

17、在所述模型参数的变化量小于第一阈值和/或所述隐马尔科夫模型的迭代次数达到预设最大迭代次数的情况下，结束对所述隐马尔科夫模型的训练，得到所述基于隐马尔科夫的碰撞风险预测模型。

18、在一种可能的实现中，在得到所述障碍物与车辆之间的碰撞风险预测结果之后，所述碰撞风险预测方法还包括：

19、在车辆为自动驾驶模式的情况下，若所述碰撞风险预测结果表征所述障碍物与车辆之间存在动态碰撞风险，则根据所述障碍物和车辆对应的距离时间序列确定所述障碍物与车辆的相对运动趋势；

20、根据所述障碍物与车辆的相对运动趋势，控制车辆的运行方向和速度。

21、在一种可能的实现中，在得到所述障碍物与车辆之间的碰撞风险预测结果之后，所述碰撞风险预测方法还包括：

22、在车辆为人工驾驶模式的情况下，若所述碰撞风险预测结果表征所述障碍物与车辆之间存在动态碰撞风险，则发出碰撞风险提示信息。

23、在一种可能的实现中，对所述障碍物的运行轨迹数据和所述车辆行驶轨迹数据进行时序关系分析，得到所述障碍物和车辆对应的轨迹点组合序列，包括：

24、针对所述车辆行驶轨迹数据中的每个车辆轨迹点，将所述障碍物的运行轨迹数据中与所述车辆轨迹点的时间差最小的障碍物轨迹点，确定为车辆轨迹点匹配的障碍物轨迹点；

25、将时间差小于等于第二阈值的车辆轨迹点和匹配的障碍物轨迹点确定为所述轨迹点组合，并按照时序对各个所述轨迹点组合进行排序，得到所述障碍物和车辆对应的所述轨迹点组合序列。

26、本技术第二方面提供一种碰撞风险预测装置，包括：

27、第一获取单元，用于获取车辆行驶轨迹数据和至少一个障碍物的运行轨迹数据；

28、分析单元，用于对所述障碍物的运行轨迹数据和所述车辆行驶轨迹数据进行时序关系分析，得到所述障碍物和车辆对应的轨迹点组合序列，所述轨迹点组合序列包括按照时序排列的多个轨迹点组合，每个所述轨迹点组合包括：车辆轨迹点和车辆轨迹点匹配的障碍物轨迹点；

29、计算单元，用于分别计算每个所述轨迹点组合中车辆轨迹点和所述车辆轨迹点匹配的障碍物轨迹点之间的距离，得到所述障碍物和车辆对应的距离时间序列；

30、预测单元，用于将所述障碍物和车辆对应的所述距离时间序列输入基于隐马尔科夫的碰撞风险预测模型，得到所述障碍物与车辆之间的碰撞风险预测结果。

31、本技术第三方面提供一种电子设备，包括至少一个处理器和与所述处理器连接的存储器，其中：

32、所述存储器用于存储计算机程序；

33、所述处理器用于执行所述计算机程序，以使所述电子设备能够实现上述第一方面或第一方面任一实现方式的碰撞风险预测方法。

34、本技术第四方面提供一种计算机程序产品，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现上述第一方面或第一方面任一实现方式的碰撞风险预测方法。

35、本技术第五方面提供一种计算机存储介质，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备上述第一方面或第一方面任一实现方式的碰撞风险预测方法。

36、借由上述技术方案，本技术提供的一种碰撞风险预测方法及相关装置，对障碍物的运行轨迹数据与车辆行驶轨迹数据进行时序关系分析，得到障碍物和车辆对应的轨迹点组合序列，从而根据轨迹点组合序列中按照时序排列的多个轨迹点组合中的车辆轨迹点和车辆轨迹点匹配的障碍物轨迹点，得到障碍物和车辆对应的距离时间序列，由于距离时间序列包括按照时序排列的障碍物和车辆之间的距离，表示障碍物和车辆之间相对运动趋势，通过将障碍物和车辆对应的距离时间序列输入基于隐马尔科夫的碰撞风险预测模型，基于隐马尔科夫的碰撞风险预测模型根据障碍物和车辆之间相对运动趋势能够实现对碰撞风险的准确预测，提升行车安全性，为自动驾驶提供数据支撑。