车辆实时轨迹预测方法及预测系统技术方案

本发明专利技术公开一种基于车辆实时轨迹预测方法及预测系统，该方法包括：从GNSS动态数据中采集车辆实时参数，其中参数中包括车辆实时航向角、时间及实时速度，由处于连续状态的所述航向角的变化率和上述实时速度，获得车辆行驶路径半径；根据上述参数计算反应车辆行驶路径变化状态的置信率，并比较置信率与预设的置信率区间，如果置信率落在置信率区间内，则进行轨迹预测，如果置信率不在置信率区间内，则结束本次数据预测；根据上述参数以及获得的车辆行驶半径获得下一时刻车辆行驶轨迹。本方案依赖车辆自身GNSS动态数据信息来预测下一时刻车辆行驶轨迹，无须经过大量数学运算，且计算精度更高。

Vehicle real-time trajectory prediction method and prediction system

The invention discloses a prediction and prediction system based on real-time vehicle trajectory, the method includes: collecting real-time vehicle parameters from the GNSS dynamic data, including vehicle real-time heading angle, time and speed of the parameter, the change rate of the course in a continuous state angle and the real-time speed of vehicle moving path radius; confidence rate according to the parameter calculation of response vehicle path change, and compare the confidence rate and the default rate confidence interval, if the confidence rate falls on the rate of confidence interval, trajectory prediction, if the confidence rate in confidence rate range, then the end of this forecast data; and according to the above parameters. The vehicle for the next time the radius of vehicle trajectory. The scheme relies on the vehicle's own GNSS dynamic data to predict the vehicle trajectory at the next moment, without a large number of mathematical operations, and the calculation accuracy is higher.

【技术实现步骤摘要】

本专利技术涉及车联网通信技术，尤其是一种车辆实时轨迹预测方法及预测系统。
技术介绍
目前，在智能交通系统(IntelligentTransportSystem或者IntelligentTransportationSystem，简称ITS)发展过程中，实现精确高效安全的驾驶是智能交通终极目标。驾驶首要目标就是实现汽车驾驶的高度安全性，发现潜在的安全事故，及时精确的提出预警和驾驶辅助，有效的规避事故和规划行驶路径。目前车辆位置信息都是由全球导航卫星系统(GlobalNavigationSatelliteSystem，以下简称GNSS)提供的，基于GNSS的车辆轨迹预测技术目前有较多的版本，基本原理就是根据历史数据拟合汽车行驶状态，进而对车辆的行驶轨迹进行预测。车辆在行驶过程中，大量的GNSS数据记录可以作为拟合车辆行驶轨迹的来源，但是从人工智能角度来看，大量车辆GNSS数据可以作为挖掘车辆行驶状态的基础。目前现有的轨迹预测技术较多，如基于马尔可夫链法、惯性导航法、卡尔曼滤波法、粒子滤波法、最小二乘法、高斯混合模型、神经网络、机器学习法、拓扑学理论以及其他较为复杂的轨迹预测方法。以上各种轨迹预测方法存在于理论研究水平，真正能用于车辆轨迹预测的算法较少。因为在嵌入式系统中存在着计算资源、GNSS飘移、存储资源、实效性、依赖于地理信息、依赖于其他车辆位置信息等要求，上述算法需要经过大量的数学运算，造成资源浪费。
技术实现思路
本专利技术的主要目的是提供一种车辆实时轨迹预测方法及预测系统，旨在简化运算过程，减少资源浪费，并提高预测的精确度。为实现上述目的，本专利技术提出的车辆实时轨迹预测方法，包括以下步骤：S1，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度，根据所述航向角及时间，获得航向角变化率，由处于连续状态的所述航向角的变化率和上述实时速度，获得车辆行驶路径半径；S2，根据所述时间及实时航向角计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；S3，如果置信率落在预设的置信率区间内，则根据所述车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。优选地，所述步骤S1包括以下步骤：S1a，按照预设频率从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度；S1b，由航向角及时间通过计算获得车辆实时航向角变化率；S1c，对上述实时航向角变化率进行滤波处理，以过滤掉处于非连续状态的航向角变化率；S1d，根据上述处于连续状态的航向角变化率以及实时速度，获得车辆行驶路径半径。优选地，所述步骤S1c中，采用二阶低通滤波器进行滤波处理。优选地，所述步骤S2包括以下步骤：S2a，对经过上述步骤S1c后的航向角变化率的差分值进行计算；S2b，选定置信率区间，并根据航向角变化率的差分值与置信率区间之间的映射关系确定航向角变化率的差分值的预设阈值；S2c，如果航向角变化率的差分值小于上述预设阈值，则认为在置信率区间范围内，则进行步骤S3；如果航向角变化率的差分值大于或等于预设阈值，则认为不在置信率区间范围内，则结束本次数据预测。优选地，所述步骤S3中，从步骤S1中获得的参数中包括车辆实时经度、实时纬度、车辆行驶的弧度，根据辆实时经度、实时纬度、车辆行驶的弧度以及步骤S1获得的车辆行驶半径获得下一时刻车辆行驶轨迹。本专利技术还提供一种车辆实时轨迹预测系统，包括：半径获取模块，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度，根据所述航向角及时间，获得航向角变化率，由处于连续状态的所述航向角变化率和上述参数中的实时速度，获得车辆行驶路径半径；置信率筛选模块，根据所述车辆实时航向角及时间计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；所述轨迹预测模块，如果置信率落在置信率区间内，根据半径获取模块输入的所述车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。优选地，所述半径获取模块包括：采集单元，按照预设频率从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度；转换单元，由所述航向角及时间通过计算获得车辆实时航向角变化率；过滤单元，对上述实时航向角变化率进行滤波处理，以过滤掉处于非连续状态的航向角变化率；计算单元，根据上述处于连续状态的航向角变化率以及所述实时速度，获得车辆行驶路径半径。优选地，所述过滤单元采用二阶低通滤波器进行滤波处理。优选地，所述置信率筛选模块包括：置信率获取单元，对经过上述过滤单元过滤后的航向角变化率的差分值进行计算；并根据航向角变化率的差分值与置信率区间之间的映射关系确定当前航向角变化率的差分值对应的置信率区间；阈值模块，选定置信率区间，根据选定置信率区间以及航向角变化率的差分值与置信率区间之间的映射关系的确定航向角变化率的差分值的预设阈值；筛选单元，如果航向角变化率的差分值小于上述预设阈值，则认为在选定的置信率区间范围内，则将上述车辆行驶路径半径作为半径信号向轨迹预测模块输入；如果航向角变化率的差分值大于或等于预设阈值，则认为不在置信率区间范围内；则不向所述轨迹获预测模块输入半径信号，结束本次数据预测。优选地，所述阈值模块中选定的置信率区间在50％～100％之间。本专利技术技术方案中，车辆在地球上行驶，地球近似球体，车辆的行驶轨迹可近似用一段圆弧表示，本方案中假定车辆的行驶轨迹是一段圆弧，首先从GNSS动态数据中采集车辆实时参数，这些参数中包括车辆实时航向角、时间及实时速度车辆实时经度、实时纬度、车辆行驶的弧度；首先根据航向角及时间，获得航向角变化率，由处于连续状态的所述航向角的变化率和实时速度，能够获得车辆行驶路径半径；再由时间参数及处于连续状态的所述航向角的变化率能够计算出反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；如果置信率落在预设的置信率区间内，则根据上述参数中的车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。本方案依赖车辆自身GNSS动态数据信息来预测下一时刻的车辆行驶轨迹，相对现有技术，无须依赖其他车辆地理位置信息，不用考虑GNSS漂移、实效性等因素，因此无须经过大量的数学运算，节约了计算机和存储资源；且本申请中半径预测的步骤中，由于采用的是处于连续状态的所述航向角的变化率，即航向角变化率处于非连续状态的航向角数据认为是受设备、路况或操作等因素影响较大的数据，如果采用则会导致预测半径失真，为提高预测的准确性，因此这些数据不作为半径预测数据；同时，引入置信率概念，对于车辆的行驶路径变化状态与于考虑，如果置信率在预定区间内，则认定车辆处于稳定行驶状态，为提高预测的准确性，过滤掉处于非稳定行驶状态的数据；通过两次对预测数据的过滤，提高预测精度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下本文档来自技高网...

【技术保护点】
一种车辆实时轨迹预测方法，其特征在于，该方法包括以下步骤：S1，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度，根据所述航向角及时间，获得航向角变化率，由处于连续状态的所述航向角的变化率和所述实时速度，获得车辆行驶路径半径；S2，根据所述时间及实时航向角计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；S3，如果置信率落在预设的置信率区间内，则根据所述车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。

【技术特征摘要】
1.一种车辆实时轨迹预测方法，其特征在于，该方法包括以下步骤：S1，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度，根据所述航向角及时间，获得航向角变化率，由处于连续状态的所述航向角的变化率和所述实时速度，获得车辆行驶路径半径；S2，根据所述时间及实时航向角计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；S3，如果置信率落在预设的置信率区间内，则根据所述车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。2.根据权利要求1所述的车辆实时轨迹预测方法，其特征在于，所述步骤S1包括以下步骤：S1a，按照预设频率从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度；S1b，由航向角及时间通过计算获得车辆实时航向角变化率；S1c，对上述实时航向角变化率进行滤波处理，以过滤掉处于非连续状态的航向角变化率；S1d，根据上述处于连续状态的航向角变化率以及实时速度，获得车辆行驶路径半径。3.根据权利要求2所述的车辆实时轨迹预测方法，其特征在于，所述步骤S1c中，采用二阶低通滤波器进行滤波处理。4.根据权利要求1所述的车辆实时轨迹预测方法，其特征在于，所述步骤S2包括以下步骤：S2a，对经过上述步骤S1c后的航向角变化率的差分值进行计算；S2b，选定置信率区间，并根据航向角变化率的差分值与置信率区间之间的映射关系确定航向角变化率的差分值的预设阈值；S2c，如果航向角变化率的差分值小于上述预设阈值，则认为在置信率区间范围内，则进行步骤S3；如果航向角变化率的差分值大于或等于预设阈值，则认为不在置信率区间范围内，则结束本次数据预测。5.根据权利要求1-4任一所述的车辆实时轨迹预测方法，其特征在于，所述步骤S2b中，选定的置信率区间在50％～100％之间。6.一种车辆实时轨迹预测系统，其特征在于，该系统包括：半径获取模块，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数...

【专利技术属性】
技术研发人员：刘均，李磊，
申请(专利权)人：深圳市元征科技股份有限公司，
类型：发明
国别省市：广东;44