买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出了一种安全势场下基于informer神经网络的驾驶行为预测方法，包括对运动数据集中的数据进行预处理得到轨迹序列特征；将轨迹序列特征编码为潜在时空表示；将潜在时空表示输入到informer神经网络中，预测目标车辆未来的驾驶意图和驾驶轨迹；分别建立跟驰情况下和换道情况下的安全势场模型，计算安全势场范围；构建安全势场范围约束、预测的驾驶意图和驾驶轨迹的联合损失函数，利用Adam优化器优化得到预测模型；使用测试集对预测模型进行预测。本发明将安全势场模型和informer模型有机地结合在了一起，能够实现周围车辆的意图预测和多通道轨迹预测，在驾驶行为预测的实时性、准确性和安全性方面具有卓越的性能。

主权项：1.一种安全势场下基于informer神经网络的驾驶行为预测方法，其特征在于，其步骤如下：S1：对运动数据集中的数据进行预处理，得到轨迹序列特征；S2：将步骤S1得到的轨迹序列特征编码为潜在时空表示；S3：将步骤S2得到的潜在时空表示输入到informer神经网络中，预测目标车辆未来的驾驶意图和驾驶轨迹；S4：考虑车辆运动的安全性和可行性，分别建立跟驰情况下和换道情况下的安全势场模型，并计算安全势场范围；所述跟驰情况下的安全势场模型为： 其中，vx表示目标车辆的实时速度，ξ、λ为可调节的超参数，avpt表示衡量车辆是否处于加速行驶状态的阈值，x,y为周围车辆的坐标，x0,y0为自动驾驶车辆的坐标，σx,1和σy分别代表二维高斯分布的方差；σx,2为在x轴方向的加速度前倾影响的衰减过程的瑞利分布x＞0的方差；vx表示目标车辆的实时速度，amax表示汽车制动加速度的常量；ax表示目标车辆x轴的加速度；所述换道情况下的安全势场模型为： 其中，表示车辆的转向角；x*,y*是原始坐标x,y发生转向后对应偏转取值；ay为目标车辆的侧向加速度；sy为车辆换道所需的侧向位移；avpt表示衡量车辆是否处于加速行驶状态的阈值；S5：构建步骤S4中安全势场范围约束、步骤S3中预测的驾驶意图和车辆轨迹的联合损失函数并通过梯度下降法求解损失函数，利用Adam优化器优化包含安全势场的informer模型得到预测模型；S6：保存训练完成的预测模型，使用测试集对预测模型进行预测，得到车辆未来的轨迹坐标。

全文数据：

权利要求：

百度查询： 河南大学 安全势场下基于informer神经网络的驾驶行为预测方法