CN112966850A - 轨迹预测方法及设备 - Google Patents

轨迹预测方法及设备 Download PDF

Info

Publication number
CN112966850A
CN112966850A CN201911282110.0A CN201911282110A CN112966850A CN 112966850 A CN112966850 A CN 112966850A CN 201911282110 A CN201911282110 A CN 201911282110A CN 112966850 A CN112966850 A CN 112966850A
Authority
CN
China
Prior art keywords
moving object
trajectory
predicted
information
server
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911282110.0A
Other languages
English (en)
Inventor
梁津垚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to CN201911282110.0A priority Critical patent/CN112966850A/zh
Priority to EP20213666.9A priority patent/EP3836121A1/en
Publication of CN112966850A publication Critical patent/CN112966850A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种用于移动物体的轨迹预测方法，所述方法包括：从服务端接收所述移动物体的第一预测轨迹；至少基于与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹；以及将所述第二预测轨迹发送给所述服务端。本发明还涉及一种用于与移动物体进行通信的服务端的轨迹预测方法、用于移动物体的轨迹预测设备、用于与移动物体进行通信的服务端的轨迹预测设备、汽车、服务器以及计算机存储介质。本发明的轨迹预测方案将与所述移动物体关联的操作（例如驾驶者的操作或行人的动作）作为考量因素纳入轨迹预测方案中，从而使得最终的轨迹预测结果更为精确。

Description

轨迹预测方法及设备
技术领域
本发明涉及轨迹预测方法及设备，更具体地，涉及一种用于移动物体的轨迹预测方法及设备、用于与移动物体进行通信的服务端的轨迹预测方法及设备、汽车、服务器以及计算机存储介质。
背景技术
交通互联是指将不同的交通参与者连接在一起的想法。以车辆为例，它可以配备OBU（车载单元）以具有发送和接收功能。其他类型的交通参与者也可以具有将自己的数据发送到服务器/云/计算节点/边缘计算节点或者从服务器/云/计算节点/边缘计算节点接收数据的能力。例如，电动踏板车可以具有连接盒以发送自己的数据。在发送和接收期间，移动物体发送的数据可以包括：当前位置，与运动有关的信息（例如速度，加速度，转向，制动）等。在服务端，位置的历史数据可以用于预测该移动物体的未来位置。
在传统的轨迹预测方法中，服务端主要使用历史轨迹和模型来预测未来轨迹。该轨迹预测方法具有一个缺点，即该方法所获得的轨迹准确度较低，未能有效考虑与移动物体（例如车辆、行人等）关联的操作，但实际上与移动物体关联的操作（例如驾驶员的操作或行人的动作）将直接影响未来的移动物体的轨迹，而且该与移动物体关联的操作可能随时间而发生变化。
因此，期望一种改进的轨迹预测方案。
发明内容
根据本发明的一方面，提供了一种用于移动物体的轨迹预测方法，所述方法包括：从服务端接收所述移动物体的第一预测轨迹；至少基于与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹；以及将所述第二预测轨迹发送给所述服务端。
可选地，在上述轨迹预测方法中，所述方法还包括：从所述服务端接收所述移动物体的第三预测轨迹，所述第三预测轨迹至少基于所述第二预测轨迹来确定；至少基于与所述移动物体关联的操作对所述第三预测轨迹进行变更，以便获得第四预测轨迹；以及将所述第四预测轨迹发送所述服务端。
可选地，在上述轨迹预测方法中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
可选地，在上述轨迹预测方法中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
可选地，在上述轨迹预测方法中，所述第一预测轨迹由所述服务端基于所述移动物体的报告信息来确定。
可选地，在上述轨迹预测方法中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
可选地，在上述轨迹预测方法中，所述第一预测轨迹和/或所述第二预测轨迹包括以下至少一项或多项：预测位置，预测速度，预测航向以及预测加速度。
可选地，在上述轨迹预测方法中，所述至少与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹包括：基于所述移动物体的当前轨迹和所述驾驶者的操作两者来计算移动物体预测轨迹；利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
可选地，在上述轨迹预测方法中，所述至少基于与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹包括：基于所述移动物体的当前轨迹、所述驾驶者的操作以及所述移动物体的状态来计算移动物体预测轨迹；利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
可选地，在上述轨迹预测方法中，所述第二预测轨迹通过对所述移动物体预测轨迹与所述第一预测轨迹进行加权来确定。
可选地，在上述轨迹预测方法中，所述驾驶员的操作包括加速操作和制动操作。
可选地，在上述轨迹预测方法中，所述移动物体的状态包括发动机转速、电机转速和/或节气门状态。
根据本发明的另一个方面，提供了一种用于与移动物体进行通信的服务端的轨迹预测方法。所述方法包括：基于所述移动物体的报告信息来计算所述移动物体的第一轨迹信息；向所述移动物体发送所述第一轨迹信息； 以及从所述移动物体接收第二轨迹信息，其中，所述第二轨迹信息通过至少基于与所述移动物体关联的操作对所述第一轨迹信息进行变更而获得。
可选地，在上述轨迹预测方法中，所述方法还包括：至少基于所述第二轨迹信息来获得所述移动物体的第三轨迹信息；向所述移动物体发送所述第三轨迹信息；以及从所述移动物体接收第四轨迹信息，其中，所述第四轨迹信息通过至少基于与所述移动物体关联的操作对所述第三轨迹信息进行变更而获得。
可选地，在上述轨迹预测方法中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
可选地，在上述轨迹预测方法中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
可选地，在上述轨迹预测方法中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
根据本发明的又一个方面，提供了一种用于移动物体的轨迹预测设备。所述轨迹预测设备包括：第一接收装置，用于从服务端接收所述移动物体的第一预测轨迹；第一变更装置，用于至少基于与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹；以及第一发送装置，用于将所述第二预测轨迹发送给所述服务端。
可选地，所述轨迹预测设备还可包括：第二接收装置，用于从所述服务端接收所述移动物体的第三预测轨迹，所述第三预测轨迹至少基于所述第二预测轨迹来确定；第二变更装置，用于至少基于与所述移动物体关联的操作对所述第三预测轨迹进行变更，以便获得第四预测轨迹；以及第二发送装置，用于将所述第四预测轨迹发送所述服务端。
可选地，在上述轨迹预测设备中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
可选地，在上述轨迹预测设备中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
可选地，在上述轨迹预测设备中，所述第一预测轨迹由所述服务端基于所述移动物体的报告信息来确定。
可选地，在上述轨迹预测设备中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
可选地，在上述轨迹预测设备中，所述第一预测轨迹和/或所述第二预测轨迹包括以下至少一项或多项：预测位置，预测速度，预测航向以及预测加速度。
可选地，在上述轨迹预测设备中，所述第一变更装置配置成：基于所述移动物体的当前轨迹和所述驾驶者的操作两者来计算移动物体预测轨迹；以及利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
可选地，在上述轨迹预测设备中，所述第一变更装置配置成：基于所述移动物体的当前轨迹、所述驾驶者的操作以及所述移动物体的状态来计算移动物体预测轨迹；利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
可选地，在上述轨迹预测设备中，所述第一变更装置配置成通过对所述移动物体预测轨迹与所述第一预测轨迹进行加权来确定所述第二预测轨迹。
可选地，在上述轨迹预测设备中，所述驾驶员的操作包括加速操作和制动操作。
可选地，在上述轨迹预测设备中，所述移动物体的状态包括发动机转速、电机转速和/或节气门状态。
根据本发明的又一个方面，提供了一种用于与移动物体进行通信的服务端的轨迹预测设备。所述轨迹预测设备包括：第一获取装置，用于基于所述移动物体的报告信息来计算所述移动物体的第一轨迹信息；第一发送装置，用于向所述移动物体发送所述第一轨迹信息；以及第一接收装置，用于从所述移动物体接收第二轨迹信息，其中，所述第二轨迹信息通过至少基于与所述移动物体关联的操作对所述第一轨迹信息进行变更而获得。
可选地，所述轨迹预测设备还可包括：第二获取装置，用于至少基于所述第二轨迹信息来获得所述移动物体的第三轨迹信息；第二发送装置，用于向所述移动物体发送所述第三轨迹信息；以及第二接收装置，用于从所述移动物体接收第四轨迹信息，其中，所述第四轨迹信息通过至少基于与所述移动物体关联的操作对所述第三轨迹信息进行变更而获得。
可选地，在上述轨迹预测设备中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
可选地，在上述轨迹预测设备中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
可选地，在上述轨迹预测设备中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
根据本发明的又一个方面，提供了一种汽车，其包括如前所述的用于移动物体的轨迹预测设备或用于与移动物体进行通信的服务端的轨迹预测设备。
根据本发明的又一个方面，提供了一种服务器，包括如前所述的轨迹预测设备。
根据本发明的再一个方面，提供了一种计算机存储介质，所述介质包括指令，所述指令在运行时执行如前所述的轨迹预测方法。
本发明的轨迹预测方案至少具有如下效果：由于将与移动物体关联的操作（例如驾驶员的操作或行人的动作）纳入考量范围，使得最终的轨迹预测结果更为精确。
附图说明
从结合附图的以下详细说明中，将会使本发明的上述和其他目的及优点更加完整清楚，其中，相同或相似的要素采用相同的标号表示。
图1示出了根据本发明的一个实施例的用于移动物体的轨迹预测方法；
图2示出了根据本发明的一个实施例的用于移动物体的轨迹预测设备的结构示意图；
图3示出了根据本发明的一个实施例的用于与移动物体进行通信的服务端的轨迹预测方法；以及
图4示出了根据本发明的一个实施例的用于与移动物体进行通信的服务端的轨迹预测设备的结构示意图。
具体实施方式
在本发明的上下文中，虽然将示例性实施例描述为使用多个单元来执行示例性过程，但是应理解，这些示例性过程也可由一个或多个模块来执行。
而且，本发明的轨迹预测方法以可执行程序指令的形式包含在计算机可读介质上，该可执行程序指令由处理器等实施。计算机可读介质的实例包括，但不限于，ROM、RAM、光盘、磁带、软盘、闪盘驱动器、智能卡和光学数据存储装置。计算机可读记录介质也可分布在连接有网络的计算机***中，使得例如通过车载远程通信服务或者控制器局域网（CAN）以分布式方式储存并实施计算机可读介质。
除非具体地提到或者从上下文中显而易见，否则如这里使用的，将术语“大约”理解为在本领域中的正常公差的范围内，例如在平均值的2个标准差内。
在下文中，将参考附图详细地描述根据本发明的各示例性实施例的轨迹预测方案。
图1示出了一种根据本发明的一个实施例的用于移动物体的轨迹预测方法1000。如图1所示，方法1000包括如下步骤：
在步骤S110中，从服务端接收所述移动物体的第一预测轨迹；
在步骤S120中，至少基于与移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹；以及
在步骤S130中，将所述第二预测轨迹发送给所述服务端。
上述轨迹预测方法1000通过服务端将预测的轨迹发送到移动物体，并且由移动物体对接收到的轨迹进行变更（例如校准），随后将变更后的预测轨迹再次发送回服务端。由此，整个轨迹预测方案可充分利用服务端的高计算量以及移动物体的精确移动状态的优势。而且，在上述轨迹预测方法1000中，由于将与移动物体关联的操作（例如驾驶员的操作或行人的动作）纳入考量因素，使得最终获得的第二预测轨迹更为精确。
在本发明的上下文中，术语“服务端”指代任何可通信地连接到移动物体、具有为该移动物体服务能力的实体。作为举例，“服务端”可以是以下所示中的任一个：服务器、云、计算节点、边缘计算节点、车辆、路边单元（RSU）、行人、摩托车、具有通信设备的道路工人等。在一个实施例中，“服务端”为具有高计算能力的服务器。
术语“移动物体”顾名思义表示能够移动的物体。在本发明的上下文中，该术语特指交通参与方，包括各种车辆（例如非机动车辆、机动车辆等）以及行人。
术语“轨迹”（trajectory）又称为“行驶工况”，表示任何与移动物体的行驶状况相关的信息，至少包括以下一项或多项：位置、速度、航向、加速度等。
尽管图1中未具体示出，在一个实施例中，图1中所示的方法1000的各步骤可迭代重复进行。例如，上述轨迹预测方法1000还可包括：从所述服务端接收所述移动物体的第三预测轨迹，所述第三预测轨迹至少基于所述第二预测轨迹来确定；至少基于所述与移动物体关联的操作对所述第三预测轨迹进行变更，以便获得第四预测轨迹；以及将所述第四预测轨迹发送所述服务端。
由于上述轨迹预测方法1000迭代进行，从而使得每次服务端进行轨迹预测时的基准更贴近真实情况，从而服务端的预测轨迹可更精确。
在一个实施例中，在步骤S110中接收的第一预测轨迹由服务端基于移动物体的报告信息来确定。作为示例，移动物体的报告信息可包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
在步骤S110中接收的第一预测轨迹也可以由服务端基于其他信息来源而确定。作为示例，其他信息来源可以是路边设施，如摄像头，或雷达，激光雷达等。摄像头可以通过计算机视觉获得移动物体的轨迹信息。雷达可以通过感应成像获得移动物体的轨迹信息。其他信息来源提供的移动物体轨迹可以包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的历史位置、所述移动物体的历史运动信息。
例如，服务端可基于如下数据源中的至少一个来进行轨迹预测：（1）来自移动物体的报告（包括当前位置，运动，控制等）；（2）过去的移动物体轨迹报告。其中，来自移动物体的报告可以是标准化的报告，如遵循SAE J2735_2006.12标准的报告。服务端可具有存储器，其中保存有过去的移动物体轨迹报告。
服务端可使用各种模型来进行轨迹预测，包括但不限于机器学习模型、人工智能模型、回归模型、多项式模型等。需要指出的是，该模型的内容在本专利的上下文中不受限制。
在步骤S110中，移动物体通过服务端与该移动物体之间的通信接口从服务端接收数据。该通信端口可以例如是DSRC（专用短程通信）接口或LTE-V（长期演进车辆）Uu / PC5接口。需要指出的是，具体使用何种通信端口或通信方式在本专利的上下文中不受限制。
而且，在一个实施例中，服务端和移动物体可具有单播会话，因此服务端可以将特定消息帧内的预测数据发送到移动物体。在其他实施例中，服务端和移动物体进行广播/多播会话，从而服务端使用移动物体ID和信息进行广播/多播。
在一个实施例中，在上述轨迹预测方法1000中的第一预测轨迹和/或第二预测轨迹包括以下至少一项或多项：预测位置，预测速度，预测航向以及预测加速度。
在一个实施例中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。在另一个实施例中，在上述轨迹预测方法中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
在一个实施例中，步骤S120进一步包括：基于所述移动物体的当前轨迹和所述驾驶者的操作两者来计算移动物体预测轨迹；利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。作为可替换的实施例，步骤S120进一步包括：基于所述移动物体的当前轨迹、所述驾驶者的操作以及所述移动物体的状态来计算移动物体预测轨迹；利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
举例来说，移动物体从服务端接收服务器预测的该移动物体的轨迹（即第一预测轨迹，Tra1）。移动物体可以计算自己的预测轨迹：移动物体预测轨迹Tra2。Tra2的计算过程可不但使用其当前轨迹（例如位置和速度），而且还使用驾驶员的操作动作（例如，加速或减速或换挡）和/或移动物体的状态（例如，发动机转速，节气门状态）。移动物体通过考虑移动物体预测轨迹Tra2来变更第一预测轨迹Tra1并获得第二预测轨迹Tra1'。
变更方法（例如校准方法）既可以结合使用第一预测轨迹Tra1和移动物体预测轨迹Tra2来获得第二预测轨迹Tra1'（例如通过加权组合），也可以将移动物体预测轨迹Tra2作为基线并考虑驾驶员的操作行为（或驾驶员的操作行为与移动物体的状态的结合）来获得第二预测轨迹Tra1'，从而代替第一预测轨迹Tra1。需要指出的是，移动物体侧的变更方法在本专利的上下文中不受限制。
在步骤S130中，移动物体将第二预测轨迹Tra1'发送到服务端。传输端口或发送端口可以例如是DSRC（专用短程通信）接口或LTE-V（长期演进车辆）Uu / PC5接口，本发明对此不作限定。进一步，服务端可以使用第二预测轨迹Tra1'来变更第一预测轨迹Tra1，从而服务器端的进一步预测可以使用更准确的基准。服务端的变更方法可以例如使用第二预测轨迹Tra1'来取代第一预测轨迹Tra1，或者将第二预测轨迹Tra1'和第一预测轨迹Tra1按加权量合并为新的预测轨迹值。需要指出的是，服务器端的变更方法在本专利的上下文中不受限制。
在本发明的实施例中，预测轨迹信息的大小可以根据需要而进行相应的设置，例如根据需要的时间窗的大小而配置，或者根据通信数据包的大小限制而配置该预测轨迹信息的大小。例如，预测轨迹可以包括未来1秒的位置和速度。在这种情形下，如果采样率为每秒1个数据集，则可能意味着1个数据集（{position，speed}）。当然，本领域技术人员可以理解，该预测轨迹还可以覆盖更长的时间，例如未来的10秒。在采样率为每秒1个数据集时，这可能意味着10个数据集。
图2示出了根据本发明的一个实施例的用于移动物体的轨迹预测设备2000。如图2所示，所述轨迹预测设备2000包括：第一接收装置210、第一变更装置220以及第一发送装置230。其中，第一接收装置210用于从服务端接收所述移动物体的第一预测轨迹。第一变更装置220用于至少基于与移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹。第一发送装置230用于将所述第二预测轨迹发送给所述服务端。
在上述轨迹预测设备2000中，由于将与移动物体关联的操作（例如驾驶者的操作、行人的动作）纳入考虑范围，使得最终获得的第二预测轨迹更为精确。
尽管图2中未具体示出，在一个实施例中，所述轨迹预测设备2000还可包括：第二接收装置，用于从所述服务端接收所述移动物体的第三预测轨迹，所述第三预测轨迹至少基于所述第二预测轨迹来确定；第二变更装置，用于至少基于所述与移动物体关联的操作对所述第三预测轨迹进行变更，以便获得第四预测轨迹；以及第二发送装置，用于将所述第四预测轨迹发送所述服务端。
由于在确定第三预测轨迹的过程基于经移动物体端变更过的第二预测轨迹，使得服务端进行轨迹预测时的基准更贴近真实情况，从而服务端的预测轨迹可更精确。本领域技术人员可以理解，轨迹预测设备2000可包括更多的装置来迭代进行上述轨迹预测过程，从而使得每次服务端进行轨迹预测都能更贴近真实情况。
在一个实施例中，第一接收装置210所接收的第一预测轨迹由服务端基于移动物体的报告信息来确定。作为示例，移动物体的报告信息可包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
例如，服务端可基于如下数据源中的至少一个来进行轨迹预测：（1）来自移动物体的报告（包括当前位置，运动，控制等）；（2）过去的移动物体轨迹报告。其中，来自移动物体的报告可以是标准化的报告，如遵循SAE J2735_2006.12标准的报告。服务端可具有存储器，其中保存有过去的移动物体轨迹报告。
服务端可使用各种模型来进行轨迹预测，包括但不限于机器学习模型、人工智能模型、回归模型、多项式模型等。需要指出的是，该模型的内容在本专利的上下文中不受限制。
第一接收装置210通过服务端与该移动物体之间的通信接口从服务端接收数据。该通信端口可以例如是DSRC（专用短程通信）接口或LTE-V（长期演进车辆）Uu / PC5接口。需要指出的是，具体使用何种通信端口或通信方式在本专利的上下文中不受限制。
而且，在一个实施例中，服务端和移动物体可具有单播会话，因此服务端可以将特定消息帧内的预测数据发送到移动物体。在其他实施例中，服务端和移动物体进行广播/多播会话，从而服务端使用移动物体ID和信息进行广播/多播。
在一个实施例中，第一预测轨迹和/或第二预测轨迹包括以下至少一项或多项：预测位置，预测速度，预测航向以及预测加速度。
在一个实施例中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。在另一个实施例中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
在一个实施例中，所述第一变更装置220配置成：基于所述移动物体的当前轨迹和所述驾驶者的操作两者来计算移动物体预测轨迹；以及利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。在可替换的实施例中，所述第一变更装置220配置成：基于所述移动物体的当前轨迹、所述驾驶者的操作以及所述移动物体的状态来计算移动物体预测轨迹；利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
举例来说，第一接收装置210从服务端接收预测的轨迹（即第一预测轨迹，Tra1）。随后，第一变更装置220可以计算自己的预测轨迹：移动物体预测轨迹Tra2。该计算过程可不但使用其当前轨迹（例如位置和速度），而且还使用驾驶员的操作动作（例如，加速或减速）和/或移动物体的状态（例如，发动机转速，节气门状态）。最后，第一变更装置220通过考虑移动物体预测轨迹Tra2来变更第一预测轨迹Tra1并获得第二预测轨迹Tra1'。
变更方法既可以结合使用第一预测轨迹Tra1和移动物体预测轨迹Tra2来获得第二预测轨迹Tra1'（例如通过加权组合），也可以将移动物体预测轨迹Tra2作为基线并考虑驾驶员的操作行为（或驾驶员的操作行为与移动物体的状态的结合）来获得第二预测轨迹Tra1'，从而代替第一预测轨迹Tra1。需要指出的是，移动物体侧的变更方法在本专利的上下文中不受限制。
继续参考图2，移动物体的第一发送装置230将第二预测轨迹Tra1'发送到服务端。传输端口或发送端口可以例如是DSRC（专用短程通信）接口或LTE-V（长期演进车辆）Uu /PC5接口，本发明对此不作限定。进一步，服务端可以使用第二预测轨迹Tra1'来变更第一预测轨迹Tra1，从而服务器端的进一步预测可以使用更准确的基准。服务端的变更方法可以例如使用第二预测轨迹Tra1'来取代第一预测轨迹Tra1，或者将第二预测轨迹Tra1'和第一预测轨迹Tra1按加权量合并为新的预测轨迹值。需要指出的是，服务器端的变更方法在本专利的上下文中不受限制。
在本发明的实施例中，预测轨迹信息的大小可以根据需要而进行相应的设置，例如根据需要的时间窗的大小而配置，或者根据通信数据包的大小限制而配置该预测轨迹信息的大小。例如，预测轨迹可以包括未来1秒的位置和速度。在这种情形下，如果采样率为每秒1个数据集，则可能意味着1个数据集（{position，speed}）。当然，本领域技术人员可以理解，该预测轨迹还可以覆盖更长的时间，例如未来的10秒。在采样率为每秒1个数据集时，这可能意味着10个数据集。
参考图3，图3示出了根据本发明的一个实施例的用于与移动物体进行通信的服务端的轨迹预测方法3000。轨迹预测方法3000可包括如下步骤：
在步骤S310中，基于所述移动物体的报告信息来计算所述移动物体的第一轨迹信息；
在步骤S320中，向所述移动物体发送所述第一轨迹信息；以及
在步骤S330中，从所述移动物体接收第二轨迹信息，其中，所述第二轨迹信息通过至少基于与所述移动物体关联的操作对所述第一轨迹信息进行变更而获得。
尽管图3中未具体示出，在一个实施例中，所述轨迹预测方法3000还可包括：至少基于所述第二轨迹信息来获得所述移动物体的第三轨迹信息；向所述移动物体发送所述第三轨迹信息；以及从所述移动物体接收第四轨迹信息，其中，所述第四轨迹信息通过至少基于与所述移动物体关联的操作（例如驾驶者的操作）对所述第三轨迹信息进行变更而获得。
作为示例，移动物体的报告信息可包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
可见，与图1中所示的轨迹预测方法1000用于移动物体相对应，图3所示的轨迹预测方法3000实施在与移动物体进行通信的服务端，包括但不限于服务器、云、计算节点、边缘计算节点、车辆、路边单元（RSU）、行人、摩托车、具有通信设备的道路工人等。
图4示出了根据本发明的一个实施例的用于与移动物体进行通信的服务端的轨迹预测设备4000的结构示意图。如图4所示，轨迹预测设备4000包括：第一获取装置410、第一发送装置420以及第一接收装置430。其中，第一获取装置410用于基于所述移动物体的报告信息来计算所述移动物体的第一轨迹信息。第一发送装置420用于向所述移动物体发送所述第一轨迹信息。第一接收装置430用于从所述移动物体接收第二轨迹信息，其中，所述第二轨迹信息通过至少基于驾驶者的操作对所述第一轨迹信息进行变更而获得。
尽管图4中未具体示出，轨迹预测设备4000还可包括：第二获取装置，用于至少基于所述第二轨迹信息来获得所述移动物体的第三轨迹信息；第二发送装置，用于向所述移动物体发送所述第三轨迹信息； 以及第二接收装置，用于从所述移动物体接收第四轨迹信息，其中，所述第四轨迹信息通过至少基于驾驶者的操作对所述第三轨迹信息进行变更而获得。
在各种实施例中，用于移动物体的轨迹预测设备2000或用于服务端的轨迹预测设备4000可以硬件、软件或其结合的形式实现。例如，轨迹预测设备2000或4000可以配置为由预定程序操作的处理器和配置为储存程序的存储器的形式实施，并且可提供预定程序以实施构成根据本发明的各示例性实施例的轨迹预测方法的各个操作。
综上，本发明的轨迹预测方案通过服务端将预测的轨迹发送到移动物体，并且由移动物体变更接收到的轨迹，随后将变更后的预测轨迹再次发送回服务端。由此，整个轨迹预测方案可充分利用服务端的高计算量以及移动物体的精确移动状态的优势。而且，本发明的轨迹预测方法可迭代不断进行，从而使得每次进行轨迹预测时的基准更贴近真实情况。此外，本发明的轨迹预测方案将驾驶者的操作作为考虑因素纳入轨迹预测方案中，从而使得最终的轨迹预测结果更为精确。
需要说明的是，附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或者在一个或多个硬件模块或集成电路中实现这些功能实体，或者在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
以上例子主要说明了本发明的轨迹预测方案。尽管只对其中一些本发明的实施方式进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。

Claims (37)

1.一种用于移动物体的轨迹预测方法，其特征在于，所述方法包括：
从服务端接收所述移动物体的第一预测轨迹；
至少基于与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹；以及
将所述第二预测轨迹发送给所述服务端。
2.如权利要求1所述的轨迹预测方法，其中，所述方法还包括：
从所述服务端接收所述移动物体的第三预测轨迹，所述第三预测轨迹至少基于所述第二预测轨迹来确定；
至少基于与所述移动物体关联的操作对所述第三预测轨迹进行变更，以便获得第四预测轨迹；以及
将所述第四预测轨迹发送所述服务端。
3.如权利要求1或2所述的轨迹预测方法，其中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
4.如权利要求1或2所述的轨迹预测方法，其中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
5.如权利要求1所述的轨迹预测方法，其中，所述第一预测轨迹由所述服务端基于所述移动物体的报告信息来确定。
6.如权利要求5所述的轨迹预测方法，其中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
7.如权利要求1所述的轨迹预测方法，其中，所述第一预测轨迹和/或所述第二预测轨迹包括以下至少一项或多项：预测位置，预测速度，预测航向以及预测加速度。
8.如权利要求3所述的轨迹预测方法，其中，所述至少与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹包括：
基于所述移动物体的当前轨迹和所述驾驶者的操作两者来计算移动物体预测轨迹；
利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
9.如权利要求3所述的轨迹预测方法，其中，所述至少基于与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹包括：
基于所述移动物体的当前轨迹、所述驾驶者的操作以及所述移动物体的状态来计算移动物体预测轨迹；
利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
10.如权利要求8或9所述的轨迹预测方法，其中，所述第二预测轨迹通过对所述移动物体预测轨迹与所述第一预测轨迹进行加权来确定。
11.如权利要求8或9所述的轨迹预测方法，其中，所述驾驶员的操作包括加速操作和制动操作。
12.如权利要求9所述的轨迹预测方法，其中，所述移动物体的状态包括发动机转速、电机转速和/或节气门状态。
13.一种用于与移动物体进行通信的服务端的轨迹预测方法，其特征在于，所述方法包括：
基于所述移动物体的报告信息来计算所述移动物体的第一轨迹信息；
向所述移动物体发送所述第一轨迹信息； 以及
从所述移动物体接收第二轨迹信息，
其中，所述第二轨迹信息通过至少基于与所述移动物体关联的操作对所述第一轨迹信息进行变更而获得。
14.如权利要求13所述的轨迹预测方法，其中，所述方法还包括：
至少基于所述第二轨迹信息来获得所述移动物体的第三轨迹信息；
向所述移动物体发送所述第三轨迹信息； 以及
从所述移动物体接收第四轨迹信息，
其中，所述第四轨迹信息通过至少基于与所述移动物体关联的操作对所述第三轨迹信息进行变更而获得。
15.如权利要求13或14所述的轨迹预测方法，其中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
16.如权利要求13或14所述的轨迹预测方法，其中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
17.如权利要求13所述的轨迹预测方法，其中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
18.一种用于移动物体的轨迹预测设备，其特征在于，所述轨迹预测设备包括：
第一接收装置，用于从服务端接收所述移动物体的第一预测轨迹；
第一变更装置，用于至少基于与所述移动物体关联的操作对所述第一预测轨迹进行变更，以便获得第二预测轨迹；以及
第一发送装置，用于将所述第二预测轨迹发送给所述服务端。
19.如权利要求18所述的轨迹预测设备，其中，所述轨迹预测设备还包括：
第二接收装置，用于从所述服务端接收所述移动物体的第三预测轨迹，所述第三预测轨迹至少基于所述第二预测轨迹来确定；
第二变更装置，用于至少基于与所述移动物体关联的操作对所述第三预测轨迹进行变更，以便获得第四预测轨迹；以及
第二发送装置，用于将所述第四预测轨迹发送所述服务端。
20.如权利要求18或19所述的轨迹预测设备，其中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
21.如权利要求18或19所述的轨迹预测设备，其中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
22.如权利要求18所述的轨迹预测设备，其中，所述第一预测轨迹由所述服务端基于所述移动物体的报告信息来确定。
23.如权利要求22所述的轨迹预测设备，其中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
24.如权利要求18所述的轨迹预测设备，其中，所述第一预测轨迹和/或所述第二预测轨迹包括以下至少一项或多项：预测位置，预测速度，预测航向以及预测加速度。
25. 如权利要求20所述的轨迹预测设备，其中，所述第一变更装置配置成：
基于所述移动物体的当前轨迹和所述驾驶者的操作两者来计算移动物体预测轨迹；以及
利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
26.如权利要求20所述的轨迹预测设备，其中，所述第一变更装置配置成：
基于所述移动物体的当前轨迹、所述驾驶者的操作以及所述移动物体的状态来计算移动物体预测轨迹；
利用所述移动物体预测轨迹来对所述第一预测轨迹进行变更，从而获得所述第二预测轨迹。
27.如权利要求25或26所述的轨迹预测设备，其中，所述第一变更装置配置成通过对所述移动物体预测轨迹与所述第一预测轨迹进行加权来确定所述第二预测轨迹。
28.如权利要求25或26所述的轨迹预测设备，其中，所述驾驶员的操作包括加速操作和制动操作。
29.如权利要求26所述的轨迹预测设备，其中，所述移动物体的状态包括发动机转速、电机转速和/或节气门状态。
30.一种用于与移动物体进行通信的服务端的轨迹预测设备，其特征在于，所述轨迹预测设备包括：
第一获取装置，用于基于所述移动物体的报告信息来计算所述移动物体的第一轨迹信息；
第一发送装置，用于向所述移动物体发送所述第一轨迹信息；以及
第一接收装置，用于从所述移动物体接收第二轨迹信息，
其中，所述第二轨迹信息通过至少基于与所述移动物体关联的操作对所述第一轨迹信息进行变更而获得。
31.如权利要求30所述的轨迹预测设备，其中，所述轨迹预测设备还包括：
第二获取装置，用于至少基于所述第二轨迹信息来获得所述移动物体的第三轨迹信息；
第二发送装置，用于向所述移动物体发送所述第三轨迹信息； 以及
第二接收装置，用于从所述移动物体接收第四轨迹信息，
其中，所述第四轨迹信息通过至少基于与所述移动物体关联的操作对所述第三轨迹信息进行变更而获得。
32.如权利要求30或31所述的轨迹预测设备，其中，所述移动物体为机动车辆或非机动车辆，并且与所述移动物体关联的操作为驾驶者的操作。
33.如权利要求30或31所述的轨迹预测设备，其中，所述移动物体为行人，并且与所述移动物体关联的操作为行人的动作。
34.如权利要求30所述的轨迹预测设备，其中，所述移动物体的报告信息包括以下至少一项或多项：所述移动物体的当前位置、所述移动物体的当前运动信息、所述移动物体的当前控制信息、所述移动物体的历史位置、所述移动物体的历史运动信息以及所述移动物体的历史控制信息。
35.一种汽车，包括如权利要求18至29中任一项所述的用于移动物体的轨迹预测设备或如权利要求30至34中任一项所述的用于与移动物体进行通信的服务端的轨迹预测设备。
36.一种服务器，包括如权利要求30至34中任一项所述的轨迹预测设备。
37.一种计算机存储介质，其特征在于，所述介质包括指令，所述指令在运行时执行如权利要求1至17中任一项所述的轨迹预测方法。
CN201911282110.0A 2019-12-13 2019-12-13 轨迹预测方法及设备 Pending CN112966850A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911282110.0A CN112966850A (zh) 2019-12-13 2019-12-13 轨迹预测方法及设备
EP20213666.9A EP3836121A1 (en) 2019-12-13 2020-12-14 Trajectory prediction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911282110.0A CN112966850A (zh) 2019-12-13 2019-12-13 轨迹预测方法及设备

Publications (1)

Publication Number Publication Date
CN112966850A true CN112966850A (zh) 2021-06-15

Family

ID=74856539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911282110.0A Pending CN112966850A (zh) 2019-12-13 2019-12-13 轨迹预测方法及设备

Country Status (2)

Country Link
EP (1) EP3836121A1 (zh)
CN (1) CN112966850A (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110146100B (zh) * 2018-02-13 2021-08-13 华为技术有限公司 轨迹预测方法、装置及存储介质
US10235882B1 (en) * 2018-03-19 2019-03-19 Derq Inc. Early warning and collision avoidance
CN110176153B (zh) * 2019-05-20 2021-08-03 重庆大学 一种基于边缘计算的盲区车辆碰撞预警方法

Also Published As

Publication number Publication date
EP3836121A1 (en) 2021-06-16

Similar Documents

Publication Publication Date Title
CN110364006B (zh) 机器学习增强的车辆合流
CN110249609B (zh) 用于自主车辆的带宽约束图像处理
US10349011B2 (en) System and method for improved obstacle awareness in using a V2X communications system
CN109389832B (zh) 使用v2x通信***提高障碍意识的***和方法
US10613547B2 (en) System and method for improved obstacle awareness in using a V2X communications system
CN112738171B (zh) 车辆的控制方法、装置、***、设备及存储介质
DE102020128153A1 (de) Sampling von fahrszenarien zum trainieren/abstimmen maschineller lernmodelle für fahrzeuge
CN111123933A (zh) 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车
CN111357258A (zh) 用于交通工具应用程序编程接口的***及方法
CN114170803B (zh) 路侧感知***和交通控制方法
WO2021128278A1 (en) Driving safety systems
CN111866941B (zh) 一种网络资源调度方法及相关设备
CN110880235A (zh) 路况信息处理***中的路侧设备、处理方法及装置
CN112238862A (zh) 用于自主驾驶平台的开放和安全监视***
CN112150807B (zh) 车辆预警方法和装置、存储介质及电子设备
CN112233419A (zh) 一种数据处理方法、装置、设备及存储介质
CN113593221A (zh) 信息价值评估式驾驶***、网联车辆***和数据传输方法
EP3621327B1 (de) Verfahren zur vorausschauenden schätzung der übertragungsbedingungen für eine kommunikation zwischen zwei kommunikationspartnern, vorrichtung zur durchführung von verfahrensschritten des verfahrens, fahrzeug sowie computerprogramm
CN112966850A (zh) 轨迹预测方法及设备
CN115223144A (zh) 一种基于云端数据的无人驾驶矿车传感器数据筛选方法及装置
EP4046403B1 (de) Verfahren zum bereitstellen einer objektnachricht über ein in einer umgebung eines verkehrsteilnehmers erkanntes objekt in einem kommunikationsnetzwerk zur kommunikation mit anderen verkehrsteilnehmern
Lu et al. An anti-collision algorithm for self-organizing vehicular ad-hoc network using deep learning
CN112398932B (zh) 获取路况信息的方法、装置、设备及计算机可读存储介质
US11852496B2 (en) Predictable and delay tolerant traffic management system
CN110880254B (zh) 车内远程教育方法、车内远程教育***及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination