-
公开(公告)号：CN114996659B
公开(公告)日：2023-04-07
申请号：CN202210880748.X
申请日：2022-07-26
申请人： 北京理工大学 , 慧动星球(北京)科技有限公司
IPC分类号： G06F17/18 , G06V10/774 , G06V10/764 , B60W50/00
摘要： 本发明涉及一种具有持续学习能力的车辆轨迹预测方法及系统，先采集当前场景的交通数据并进行数据预处理，得到包含当前场景中各车辆的位置坐标、车辆ID以及时间戳信息的轨迹数据；保存部分当前场景轨迹数据至记忆模块并标注数据的场景来源，基于条件Kullback‑Leibler散度对记忆模块中所存储的各交通场景数据进行场景差异性分析；根据分析结果，获取各历史场景可用的记忆数据量；根据记忆数据量，通过动态梯度场景记忆方法训练车辆轨迹预测模型；在连续交通场景下，利用训练好的模型对周围车辆的未来轨迹进行预测。本发明使车辆轨迹预测模型在连续场景下具备持续学习轨迹预测任务的能力，有效缓解轨迹预测模型的灾难性遗忘。
-
公开(公告)号：CN114996659A
公开(公告)日：2022-09-02
申请号：CN202210880748.X
申请日：2022-07-26
申请人： 北京理工大学 , 慧动星球(北京)科技有限公司
摘要： 本发明涉及一种具有持续学习能力的车辆轨迹预测方法及系统，先采集当前场景的交通数据并进行数据预处理，得到包含当前场景中各车辆的位置坐标、车辆ID以及时间戳信息的轨迹数据；保存部分当前场景轨迹数据至记忆模块并标注数据的场景来源，基于条件Kullback‑Leibler散度对记忆模块中所存储的各交通场景数据进行场景差异性分析；根据分析结果，获取各历史场景可用的记忆数据量；根据记忆数据量，通过动态梯度场景记忆方法训练车辆轨迹预测模型；在连续交通场景下，利用训练好的模型对周围车辆的未来轨迹进行预测。本发明使车辆轨迹预测模型在连续场景下具备持续学习轨迹预测任务的能力，有效缓解轨迹预测模型的灾难性遗忘。
-
公开(公告)号：CN118651242A
公开(公告)日：2024-09-17
申请号：CN202410797162.6
申请日：2024-06-20
申请人： 北京理工大学
摘要： 本申请公开了一种风险地图模型构建方法、设备、介质及产品，涉及辅助驾驶领域，基于训练数据集，利用强化学习算法对深度后继表征强化学习模型进行训练，建立风险地图模型；强化学习算法的要素包括状态、策略、动作和奖励值；状态为任一驾驶场景下的换道数据；策略为驾驶策略；驾驶策略包括上层驾驶意图提取模型和下层驾驶动作预测模型，以进行驾驶意图识别和驾驶动作预测；动作为驾驶动作；驾驶动作为主车的横向加速度和纵向加速度；奖励值为主车与当前车道前车、当前车道后车、目标车道前车以及目标车道后车的碰撞风险的场景风险；场景风险是基于驾驶动作利用故障树分析方法和模糊度量方法确定的。本申请解决了人机共驾的问题。
-
公开(公告)号：CN113643542A
公开(公告)日：2021-11-12
申请号：CN202111189571.0
申请日：2021-10-13
申请人： 北京理工大学 , 北理慧动(北京)科技有限公司
摘要： 本发明公开了基于集成学习的多车交互环境下车辆轨迹预测方法及系统。该方法包括：采集车辆的行驶信息；对行驶信息进行预处理，得到空间网格信息和车辆驾驶模式信息；对训练集进行多次随机抽样得到多组含不同数据的训练集；通过多组含不同数据的训练集分别对LSTM编码‑解码器模型进行训练，得到多个基学习器；采用集成学习方法，对多个基学习器进行集成，得到集成学习器，对车辆的未来轨迹进行预测。本发明利用机器学习与深度学习的手段，实现对车辆交互信息的有效利用，并应用集成学习的方法实现对车辆轨迹的预测。且通过集成学习能够将多个模型进行结合，可获得比单一模型显著优越的泛化性能，解决了单一模型对训练数据敏感、精确度低等问题。
-
-
-
搜索结果
4 条记录 (耗时 0.042 秒)
