对道路使用者的行为的预测制造技术

本发明专利技术的一个方面涉及一种用于预测道路使用者的行为的装置，其中该装置被设置用于：提供对道路使用者的行为的至少一个假设，为每个假设提供一个隐马尔可夫模型，其中隐马尔可夫模型对于相应的假设包括两个隐藏状态，其中隐藏状态中的一个隐藏状态表示道路使用者遵循假设，并且隐藏状态中的另一个隐藏状态表示道路使用者不遵循假设，并且其中相应的假设的隐马尔可夫模型的可能观测结果表征道路使用者的至少一个特征，并且根据至少一个假设的隐马尔可夫模型的隐藏状态预测道路使用者的行为。为。为。

【技术实现步骤摘要】
【国外来华专利技术】对道路使用者的行为的预测


[0001]本专利技术涉及一种用于预测道路使用者的行为的装置和方法。

技术介绍

[0002]在本文件的范畴中，术语“自动驾驶”可以理解为具有自动纵向或横向引导的驾驶，或者具有自动纵向和横向引导的自主驾驶。术语“自动驾驶”包括具有任意自动化程度的自动驾驶。示例性的自动化程度为辅助驾驶、部分自动驾驶、高度自动驾驶或全自动驾驶。这些自动化程度由联邦公路研究所(BASt)定义(请参阅BASt出版物“研究报告”，版本11/2012)。在辅助驾驶中，驾驶员持续地执行纵向或横向引导，而系统则在一定限制范围内接管相应的其他功能。在部分自动驾驶(TAF)中，系统在一定时间段内和/或在特定情况下接管纵向和横向引导，其中驾驶员必须如在辅助驾驶中一样持续地监控系统。在高度自动驾驶(HAF)中，系统在一定时间段内接管纵向和横向引导，而无需驾驶员持续地监控系统；然而驾驶员必须能够在一定时间内接管车辆引导。在全自动驾驶(VAF)中，系统可对于特定应用场合在所有情况下自动管理驾驶；该应用场合不再需要驾驶员。根据BASt定义的上述四个自动化程度相应于SAE J3016标准(SAE
‑
美国汽车工程师协会)的SAE级别1至4。例如，根据BASt的高度自动驾驶(HAF)相应于SAE J3016标准的3级。此外，在SAE J3016中还规定了SAE 5级作为最高自动化程度，其未包含在BASt的定义中。SAE 5级相应于无人驾驶，其中系统可在整个行驶期间如人类驾驶员一样自动处理所有情况；一般不再需要驾驶员。
[0003]为了可实现高质量的自动化驾驶，有必要预测自动化车辆周围的道路使用者的行为。
[0004]对此已知多种方法，这些方法例如利用人工智能、特别是神经网络来工作。然而，这些方法通常存在目标冲突，即对道路使用者的行为的最准确预测与确定预测结果所需的最低资源需求之间的冲突。

技术实现思路

[0005]本专利技术的目的在于，提出一种用于以高质量和低资源需求来预测道路使用者的行为的装置和方法。
[0006]该目的通过独立权利要求的特征实现。在从属权利要求中说明了有利的实施方式。应指出的是，从属于独立权利要求的权利要求的附加特征在没有独立权利要求的特征或者仅在与独立权利要求的特征子集相组合的情况下可构成独立于独立权利要求的所有特征组合的单独专利技术，其可成为独立权利要求、分案申请或后续申请的主题。这同样适用于说明书中所述的技术理论，其可形成独立于独立权利要求的特征的专利技术。
[0007]本专利技术的第一方面涉及一种用于预测道路使用者的行为的装置，特别是作为道路使用者的机动车。
[0008]用于预测道路使用者行为的装置特别是自动化机动车的驾驶员辅助系统或驾驶系统的组成部分，并且向驾驶员辅助系统或驾驶系统提供所预测的道路使用者的行为，作
为用于移动规划和移动控制的信息。
[0009]道路使用者的行为特别是包括道路使用者在解决其驾驶任务时的至少一个决定，例如道路使用者关于沿车道行驶或离开车道的决定。
[0010]该装置被设置用于提供对道路使用者的行为的至少一个假设。在此，假设确切地描述了道路使用者的可能行为。换言之，该假设针对有限时间范围规定了一个场景：道路使用者在应对驾驶任务时将做出哪些决定。
[0011]此外，该装置被设置用于为每个假设提供一个隐马尔可夫模型(英语：hidden markov model)。
[0012]隐马尔可夫模型对于相应的假设刚好包含两个隐藏状态，其中一个隐藏状态表示道路使用者遵循假设，另一个隐藏状态表示道路使用者不遵循假设。
[0013]在此，本专利技术基于以下认知，即隐马尔可夫模型的算法复杂度受到仅限于两个隐藏状态的限制，因为这通常随着所有状态的数量呈二次增长。
[0014]相应的假设的两个隐藏状态描述了逻辑上相反的可能性，从而就道路使用者的实际行动选择而言是完整的。道路使用者要么遵循假设，要么不遵循假设。由此，道路使用者始终处于两种状态之一。
[0015]相应的假设的隐马尔可夫模型的可能观测结果表征了道路使用者的至少一个特征。在至少一个特征的表现形式和隐藏状态之间，特别是存在呈概率密度函数形式的关联性，从而特征的每个表现形式代表当前存在相应隐藏状态的特定概率。
[0016]至少一个特征特别是道路使用者的绝对特征，其表现形式通过观测道路使用者就可以确定。
[0017]替代地，该至少一个特征特别是道路使用者的相对特征，其表现形式通过观测道路使用者与参考对象的关系才可以确定，例如与车道、另一道路使用者或本车辆的关系。
[0018]该装置被设置用于根据至少一个假设的隐马尔可夫模型的隐藏状态预测道路使用者的行为。
[0019]特别是通过确定对道路使用者的行为的至少一个假设的隐马尔可夫模型的最可能隐藏状态，进行对道路使用者的行为的预测。
[0020]在此，对道路使用者的行为的预测例如可以包括：建立至少一个假设，并且确定隐马尔可夫模型的最可能隐藏状态。替代地，对道路使用者的行为的预测也可以仅包括确定隐马尔可夫模型的最可能隐藏状态。
[0021]通过确定隐马尔可夫模型的最可能隐藏状态，可以为每个假设确定道路使用者是否遵循该假设，即其行为是否符合该假设。
[0022]在多个假设以及多个隐马尔可夫模型的情况下，多个隐马尔可夫模型的最可能状态可以相当于道路使用者遵循相应的假设。在这种情况下，或者在相反的情况下，即对于任何隐马尔可夫模型都无法明确地确定最可能状态的情况，可以将道路使用者的行为归类为不可分类，这在驾驶员辅助系统中例如可能导致与相应道路使用者的安全距离的增大。
[0023]在一个有利的实施方式中，道路使用者的至少一个特征是道路使用者的可量化特征。特别是，如果特征的表现形式可以被转化为可测量的量和数值，则其是可量化的。例如，如果特征的表现形式可以利用数值来表示，而在此基本不会丢失信息内容或甚至不会丢失任何信息内容，则该特征是可量化的。由此，例如道路使用者的轨迹并不是可量化的特征。
[0024]在另一有利的实施方式中，相应假设的隐马尔可夫模型的可能观测结果表征了至少两个彼此独立的特征。特别是，如果利用特征的表现形式可以推断出隐藏状态的概率与其他特征的表现形式无关，则特征是独立的。
[0025]例如可以假设，对于在交叉口右转的道路使用者，该道路使用者到车道中心的距离与车道朝向的角距离无关。该假设可能实际上并不总是正确的，但由此极大地限制了模型的复杂性。
[0026]在另一有利的实施方式中，相应假设的隐马尔可夫模型的可能观测结果包括道路使用者到道路使用者所在车道的中心的距离作为特征。
[0027]在此，本专利技术所基于的认知是，对于道路使用者的某些行为，道路使用者到道路使用者所在车道中心的距离是非常确切的。由此，可以从道路使用者到道路使用者所在车道中心的距离获取关于假设的信息，例如道路使用者沿车道行驶或者从车道转向。
[0028]在另一有利的实施方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于预测道路使用者(VT)的行为的装置(PV)，其中所述装置(PV)被设置用于：
·
提供对所述道路使用者(VT)的行为的至少一个假设(h1、h2、h3)，
·
为每个假设(h1、h2、h3)提供一个隐马尔可夫模型，其中所述隐马尔可夫模型对于相应的所述假设包括两个隐藏状态(s1,1
‑
s3,2)，其中所述隐藏状态中的一个隐藏状态(s1,1；s2,1；s3,1)表示所述道路使用者(VT)遵循所述假设(h1、h2、h3)，并且所述隐藏状态中的另一个隐藏状态(s1,2；s2,2；s3,2)表示所述道路使用者(VT)不遵循所述假设(h1、h2、h3)，并且其中相应的所述假设(h1、h2、h3)的隐马尔可夫模型的可能观测结果(b1
‑
b6)表征所述道路使用者(VT)的至少一个特征，并且
·
根据所述至少一个假设(h1、h2、h3)的隐马尔可夫模型的隐藏状态(s1,1
‑
s3,2)预测所述道路使用者(VT)的行为。2.根据权利要求1所述的装置(PV)，其中所述道路使用者(VT)的至少一个特征是所述道路使用者(VT)的可量化特征。3.根据前述权利要求中任一项所述的装置(PV)，其中相应的所述假设(h1、h2、h3)的隐马尔可夫模型的可能观测结果(b1
‑
b4)表征至少两个彼此独立的特征组(m1、m2)。4.根据前述权利要求中任一项所述的装置(PV)，其中相应的所述假设(h1、h2、h3)的隐马尔可夫模型的可能观测结果(b1
‑
b6)包括以下项作为特征：所述道路使用者(VT)到所述道路使用者(VT)所在车道的中心的距离。5.根据前述权利要求中任一项所述的装置(PV)，其中相应的所述假设(h1、h2、h3)的隐马尔可夫模型的可能观测结果(b1
‑
b6)包括以下项作为特征：所述道路使用者(VT)...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：宝马汽车股份有限公司，
类型：发明
国别省市：