【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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。