分类交通参与者行为的方法、控制车辆的方法及计算单元技术

本发明专利技术涉及对本车辆周围环境中的交通参与者的行驶行为分类的方法，包括接收本车辆周围环境中的交通参与者的行驶轨迹的轨迹数据，其包括行驶轨迹的位置信息；求取行驶轨迹在隐空间中的隐空间表示，行驶轨迹的隐空间表示由轨迹数据的降维表示给出；求取行驶轨迹的隐空间表示与正常轨迹在隐空间中的隐空间表示的距离，正常轨迹被分类为基于正常行驶行为的行驶轨迹；和如果行驶轨迹的隐空间表示与正常轨迹在隐空间中的隐空间表示的距离低于边界值，则将行驶行为分类为正常行驶行为；如果行驶轨迹的隐空间表示与正常轨迹在隐空间中的隐空间表示的距离超过边界值，则将行驶行为分类为异常行驶行为；和输出分类信息。本发明专利技术还涉及控制车辆的方法。控制车辆的方法。控制车辆的方法。

【技术实现步骤摘要】
分类交通参与者行为的方法、控制车辆的方法及计算单元


[0001]本专利技术涉及一种用于对本车辆周围环境中的交通参与者的行驶行为进行分类的方法。本专利技术还涉及一种用于控制本车辆的方法、一种计算单元以及计算机程序产品。

技术介绍

[0002]对于车辆、尤其是能自主控制的车辆的控制，正确估计其他交通参与者的未来行驶行为至关重要。为了实现车辆的可靠控制，能够区分正常的行驶行为(在该正常的行驶行为情况下不考虑不可预见的行动)与偏离正常行驶行为的异常行驶行为(在该异常的行驶行为情况下必须考虑采取将来不可预见的行动)尤为重要，以便能够在必要时调整要控制的车辆的行驶行为。

技术实现思路

[0003]因此，本专利技术的任务是，提供一种用于对本车辆周围环境中的交通参与者的行驶行为(Fahrverhalten)进行分类的改进方法以及一种用于控制本车辆的改进方法。
[0004]该任务通过本专利技术的用于对本车辆周围环境中的交通参与者的行驶行为进行分类的方法和用于控制本车辆的方法来解决。本专利技术的有利构型由优选实施方式得到。
[0005]根据本专利技术的一个方面，提供一种用于对本车辆周围环境中的交通参与者的行驶行为进行分类的方法，所述方法包括：
[0006]接收位于本车辆周围环境中的交通参与者的行驶轨迹的轨迹数据，其中，轨迹数据至少包括交通参与者所遵循的行驶轨迹的位置信息；
[0007]求取交通参与者的行驶轨迹在隐空间(latenter Raum)中的隐空间表示其中，行驶轨迹的隐空间表示由轨迹数据的降维表示给出；
[0008]求取交通参与者的行驶轨迹的隐空间表示与至少一个正常轨迹在隐空间中的隐空间表示之间的距离，其中，正常轨迹被分类为基于正常行驶行为的行驶轨迹；和
[0009]如果交通参与者的行驶轨迹的隐空间表示与至少一个正常轨迹在隐空间中的隐空间表示之间的距离低于预先确定的边界值，则将交通参与者的行驶行为分类为正常的行驶行为；或者
[0010]如果交通参与者的行驶轨迹的隐空间表示与至少一个正常轨迹在隐空间中的隐空间表示之间的距离超过预先确定的边界值，则将交通参与者的行驶行为分类为异常的行驶行为；和
[0011]输出分类信息。
[0012]由此，可以实现以下技术优点：可以提供一种用于对本车辆周围环境中的交通参与者的行驶行为进行分类的改进方法。为此，根据本专利技术，接收交通参与者的行驶轨迹的轨迹数据，并且针对相应的轨迹数据求取隐空间表示。在此，隐空间表示是轨迹数据在隐空间中的表示并且描述了轨迹数据的降维表示。
[0013]根据本专利技术，通过经相应训练的人工智能基于交通参与者的行驶轨迹的所接收的轨迹数据来计算隐空间中的相应表示。例如，这些表示可以以矢量表示来构造，并且表示对轨迹数据的信息的降维描述。因此，将行驶轨迹的轨迹数据转换成相应的隐空间表示可以解释为对轨迹数据的信息的编码。隐空间表示包括相应所属轨迹数据的信息或信息的大部分，但与原始轨迹数据的表示相比具有降维表示。隐空间在此被视为轨迹数据的所有隐空间表示的集合，并且可以根据隐空间表示的维度以多维的方式构造。
[0014]本专利技术现在基于以下思想：经相应训练的人工智能在将轨迹数据转换成相应的隐空间表示时，按照相关准则对隐空间表示进行这种计算，并因此相似或相同的轨迹数据导致相似或相同的隐空间表示。而基于非常不同的行驶轨迹的不同轨迹数据将会具有彼此明显不同的隐空间表示。隐空间表示在本申请的范畴内构造为向量表示。因此，相同或相似的隐空间表示是具有相同或仅略有不同的条目的向量表示。略有不同的条目在此导致较小的差异，而相同的条目具有的差异为零。由于相似或相同的向量表示导致小的或消失的差异，因此相似或相同的隐空间表示在隐空间内彼此非常靠近地布置。而基于非常不同的行驶轨迹的明显不同的轨迹数据导致在隐空间中彼此相距较远地布置的隐空间表示。
[0015]由于隐空间表示优选以向量表示来构造，因此可以通过对隐空间内的各个隐空间表示进行简单的距离确定来求取相应所属的轨迹数据或相应的行驶轨迹的相似性。因此，相似或相同的行驶轨迹导致在隐空间中具有非常小距离的隐空间表示，而明显不同的行驶轨迹具有以下隐空间表示，这些隐空间表示在隐空间中相对彼此具有相应较大距离。
[0016]此外，本专利技术基于以下思想：基于正常行驶行为的行驶轨迹彼此具有非常大的相似性，而基于异常行驶行为的行驶轨迹与正常行驶行为的行驶轨迹相比将会具有非常大的差异。
[0017]在此，正常行驶行为的特征在于遵守交通规则。因此，相应的车辆在行驶道路的相应规定的车道上以规定的行驶方向行驶。不会执行不可预见的行驶操作。然而，车辆均匀地遵循行驶道路的走向，而没有突然的转向运动并且具有均匀的速度曲线。此外，车辆仅在为此设置的车道上行驶，并且不超出行驶道路边界，或者例如不会在人行道上行驶。
[0018]因此，对于这种正常行驶的车辆的行驶轨迹将会彼此具有高度相似性，因为相应行驶轨迹的走向在很大程度上由所行驶的行驶道路的走向和现行交通规则限定。
[0019]然而，另一方面不遵守行驶道路的走向或现行交通规则的车辆的行驶轨迹与正常行驶行为的行驶轨迹将会具有大的差异。这些行驶轨迹与上述正常行驶车辆的行为方式可能具有任意偏差。例如，这些轨迹可能与所行驶的行驶道路的走向具有偏离。可能实施突然的转向运动或蛇线形(Schlagenlinie)或之字形运动(Zick
‑
Zack
‑
Bewegung)。可以识别出非常大的速度差异或普遍不遵守现行交通规则的情况。相应的车辆可能偏离所设置的车道，并且例如可能在人行道上行驶或沿错误的行驶方向行驶。
[0020]虽然正常行驶行为的行驶轨迹因此具有相同或非常相似的、在隐空间中彼此布置得非常靠近的隐空间表示，但是基于异常行驶行为的行驶轨迹具有这样的隐空间表示，这些隐空间表示与正常行驶行为的隐空间表示明显不同并且相应地远离隐空间中的这些隐空间表示布置。
[0021]基于该思想，本专利技术的方法现在设置，基于交通参与者的相应行驶轨迹，通过确定交通参与者的行驶轨迹的轨迹数据的隐空间表示与以已知方式基于正常行驶行为且在本
申请中称为正常轨迹的行驶轨迹的已知隐空间表示之间的距离将本车辆周围环境中的交通参与者的行驶行为分类为正常的行驶行为或异常的行驶行为。
[0022]对本车辆周围环境中的交通参与者的行驶轨迹的隐空间表示与基于正常行驶行为的正常轨迹在隐空间中的隐空间表示之间的距离确定因此使得能够简单且精确地对在本车辆周围环境中的交通参与者的行驶行为进行分类。在此，如果交通参与者的行驶轨迹的相应隐空间表示与正常轨迹在隐空间中的隐空间表示之间的距离小于预先确定的边界值，则在本车辆周围环境中的交通参与者的行驶行为被分类为正常的行驶行为。然而，如果交通参与者的行驶轨迹的隐空间表示与正常轨迹在隐空间中的隐空间表示之间的距离大于预先确定的边界值，则交通参与者的导致相应行驶轨迹的行驶行为被分类为异常的行驶行为。
[0023]基于对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于对本车辆(301)的周围环境(305)中的交通参与者(303)的行驶行为进行分类的方法(100)，所述方法包括：接收(101)位于所述本车辆(301)的周围环境(305)中的交通参与者(303)的行驶轨迹(T1)的轨迹数据(311)，其中，所述轨迹数据(311)至少包括所述交通参与者(303)所遵循的行驶轨迹(T1)的位置信息；求取(103)所述交通参与者(303)的行驶轨迹(T1)在隐空间(333)中的隐空间表示(334)，其中，所述行驶轨迹(T1)的隐空间表示(334)由所述轨迹数据(311)的降维表示给出；求取(105)所述交通参与者(303)的行驶轨迹(T1)的隐空间表示(334)与至少一个正常轨迹(T2)在所述隐空间(333)中的隐空间表示(335)之间的距离(D)，其中，所述正常轨迹(T2)被分类为基于正常行驶行为的行驶轨迹；和如果所述交通参与者(303)的行驶轨迹(T1)的隐空间表示(334)与所述至少一个正常轨迹(T2)在隐空间(333)中的隐空间表示(335)之间的距离(D)低于预先确定的边界值，则将所述交通参与者(303)的行驶行为分类(107)为正常的行驶行为；或者如果所述交通参与者(303)的行驶轨迹(T1)的隐空间表示(334)与所述至少一个正常轨迹(T2)在隐空间(333)中的隐空间表示(335)之间的距离(D)超过预先确定的边界值，则将所述交通参与者(303)的行驶行为分类(109)为异常的行驶行为；和输出(111)分类信息。2.根据权利要求1所述的方法(100)，其中，由预先确定的测距法确定所述距离(D)，其中，所述测距法由所述隐空间(333)内的隐空间表示(325、326、334、334)的欧几里德距离函数或对数似然函数给出。3.根据权利要求1或2所述的方法(100)，其中，由分类模块(309)执行所述分类，其中，所述分类模块(309)包括自动编码器架构(315)的经相应训练的编码器模块(317)，用于求取所述交通参与者(303)的行驶轨迹(T2)的隐空间表示(334)，其中，所述自动编码器架构(315)被训练成用于求取行驶轨迹在所述隐空间(333)中的隐空间表示(325、326)并将所述隐空间表示识别并分类为基于正常行驶行为的行驶轨迹。4.根据上述权利要求中任一项所述的方法(100)，所述方法还包括：接收(113)描绘所述本车辆(301)的周围环境(305)的地图表示的地图数据(329)；求取(115)所述地图表示的地图数据(329)在所述隐空间(333)中的隐空间表示(347)，其中，所述行驶轨迹(T1)的隐空间表示(334)由所述地图数据(329)的降维表示给出；并且其中，在考虑所述地图表示的地图数据(329)的隐空间表示(347)的情况下求取所述距离(D)和/或对所述交通参与者(303)的行为进行分类(107、109)。5.根据权利要求1至3中任一项所述的方法(100)，所述方法还包括：将所述轨迹数据(327)转换为所述轨迹数据(327)的图像数据(339)和/或将所述地图数据(329)转换为所述地图数据(329)的图像数据(343)；并且其中，基于所述轨迹数据(327)的图像数据(339)和/或基于所述地图数据(329)的图像数据(343)求取所述距离(D)和/或对所述交通参与者(303)的行为进行分类(107、109)。6.根据权利要求3至5中任一项所述的方法(100)，其中，所述分类模块(309)还包括连接网络(345)，其中，所述连接网络(345)设置为用于将所
述轨迹数据(327)的多个图像数据(339)和/或所述地图数据(329)的多个图像数据(341)组合成呈矢量表示形式的用于所述编码器模块(317)的输入数据(321)，和/或，其中，所述分类模块(309)还包括地图网络(343)，其中，所...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：罗伯特，
类型：发明
国别省市：