CN119611428A - 周围车辆的预测轨迹优化方法、装置、车辆及存储介质 - Google Patents

Abstract

本申请实施例公开了一种周围车辆的预测轨迹优化方法、装置、车辆及存储介质，涉及车辆控制技术领域，包括：获取当前车辆的周围车辆的初始预测轨迹，确定初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道；根据起点车道的位置和终点车道的位置确定终点车道的优化车道，并根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹；根据中间预测轨迹确定周围车辆的前车；基于中间预测轨迹确定周围车辆与前车的交互轨迹点，并移动交互轨迹点得到交互轨迹点的优化轨迹点；基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹，提高了预测轨迹的合理性和准确性，并且提高了自动驾驶车辆的行驶安全性。

Description

周围车辆的预测轨迹优化方法、装置、车辆及存储介质

技术领域

本申请实施例涉及车辆控制技术领域，尤其涉及一种周围车辆的预测轨迹优化方法、装置、车辆及存储介质。

背景技术

自动驾驶车辆在进行自车的决策和规划时，需要对周围车辆的运动轨迹进行预测，以此保证自动驾驶车辆的安全行驶。

目前，利用神经网络模型预测周围车辆在未来一段时间内的运动轨迹，但是基于神经网络模型的预测结果，依赖数据集对神经网络模型的训练结果，可能对车道线、环境车辆以及车辆行驶的合理性考虑不足，使得预测结果可能出现不合理的行驶场景，比如变换三条车道的行驶轨迹以及与环境车辆发生碰撞等情况，进而导致周围车辆的运动轨迹的预测准确性低下，降低了自动驾驶车辆的行驶安全性。

发明内容

本申请实施例提供了一种周围车辆的预测轨迹优化方法、装置、车辆及存储介质，实现了预测轨迹的优化方法，提高了周围车辆的运动轨迹的预测准确性，以解决现有技术中基于神经网络模型确定的预测轨迹的预测准确性低下的问题。

第一方面，本申请实施例提供了一种周围车辆的预测轨迹优化方法，该方法包括：

获取当前车辆的周围车辆的初始预测轨迹，确定初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道；

根据起点车道的位置和终点车道的位置确定终点车道的优化车道，并根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹；

根据中间预测轨迹确定周围车辆的前车；

基于中间预测轨迹确定周围车辆与前车的交互轨迹点，并移动交互轨迹点得到交互轨迹点的优化轨迹点；

基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹。

第二方面，本申请实施例提供了一种周围车辆的预测轨迹优化装置，该装置包括：

车道确定模块，用于获取当前车辆的周围车辆的初始预测轨迹，确定初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道；

方向优化模块，用于根据起点车道的位置和终点车道的位置确定终点车道的优化车道，并根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹；

前车确定模块，用于根据中间预测轨迹确定周围车辆的前车；

轨迹点优化模块，用于基于中间预测轨迹确定周围车辆与前车的交互轨迹点，并移动交互轨迹点得到交互轨迹点的优化轨迹点；

速度优化模块，用于基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹。

第三方面，本申请实施例提供了一种车辆，该车辆包括：

至少一个处理器；以及与至少一个处理器通信连接的存储器；

其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本申请任一实施例的周围车辆的预测轨迹优化方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请任一实施例的周围车辆的预测轨迹优化方法。

本申请实施例中，可以获取当前车辆的周围车辆的初始预测轨迹，并确定初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道，其次根据起点车道的位置和终点车道的位置确定终点车道的优化车道，并根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹，接着根据中间预测轨迹确定周围车辆的前车，然后基于中间预测轨迹确定周围车辆与前车的交互轨迹点，并移动交互轨迹点得到交互轨迹点的优化轨迹点，之后基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹，实现了周围车辆的预测轨迹优化功能；通过初始预测轨迹的起点车道和终点车道确定优化车道，并基于优化车道进行方向优化，使得中间预测轨迹更加符合实际交通规则和驾驶习惯，不会出现一次性变换两条或两条以上车道等危险情况，有效地避免了现有技术中预测结果对车道线和车辆行驶的合理性考虑不足而可能出现不合理的行驶场景的问题，进而提高了目标预测轨迹的合理性和准确性；通过引入周围车辆的前车、移动交互轨迹点得到优化轨迹点以及基于优化轨迹点进行速度优化，使得目标预测轨迹更加贴近实际行驶场景，不会出现周围车辆与前车发生碰撞等危险情况，有效地避免了现有技术中预测结果对环境车辆(即周围车辆的前车)考虑不足而可能出现不合理的行驶场景的问题，进而提高了目标预测轨迹的合理性和准确性；通过对初始预测轨迹进行多层次的优化，当前车辆可以更好地应对各种不确定性和变化因素，并且可以提前规划避障路径，优化行车速度与路线，使得自动驾驶系统更加可靠和稳定，进而提高了自动驾驶车辆的行驶安全性，从而提升了用户的使用体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的周围车辆的预测轨迹优化方法的一个流程示意图；

图2是本申请实施例提供的周围车辆的预测轨迹优化方法的另一个流程示意图；

图3是本申请实施例提供的车道网络的一个示例图；

图4是本申请实施例提供的方向优化初始预测轨迹的一个示例图；

图5是本申请实施例提供的方向优化初始预测轨迹的另一个示例图；

图6是本申请实施例提供的周围车辆的预测轨迹优化方法的又一个流程示意图；

图7是本申请实施例提供的速度优化中间预测轨迹的一个示例图；

图8是本申请实施例提供的周围车辆的预测轨迹优化装置的一个结构示意图；

图9是本申请实施例提供的车辆的一个结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”“目标”以及“原始”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够实施除了在这里图示或描述之外的顺序。此外，术语“包括”“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1是本申请实施例提供的周围车辆的预测轨迹优化方法的一个流程示意图，本实施例可应用于需要对当前车辆的周围车辆的预测轨迹进行优化的场景中。本实施例提供的一种周围车辆的预测轨迹优化方法可以由本申请实施例提供的周围车辆的预测轨迹优化装置来执行，该装置可以通过软件和/或硬件的方式实现。在一个具体的实施例中，该周围车辆的预测轨迹优化装置可以集成在车辆中，例如该车辆可以是自动驾驶车辆，该车辆可以包括整车控制器。执行本方法的执行主体可以为车辆的整车控制器(即当前车辆的整车控制器)，参见图1，本实施例的周围车辆的预测轨迹优化方法包括但不限于如下步骤：

S110、获取当前车辆的周围车辆的初始预测轨迹，确定初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道。

其中，当前车辆为正在执行自动驾驶任务的车辆，可以根据周围车辆的运动轨迹规划自车的行驶路径，并控制自车行驶。周围车辆为在当前车辆附近的其他车辆，周围车辆可能对当前车辆的行驶造成影响。

初始预测轨迹为基于当前车辆的传感器(如摄像头、激光雷达和毫米波雷达等)收集到的周围车辆数据，利用神经网络模型初步预测出的周围车辆在未来一段时间内的可能行驶路径。神经网络模型用于预测车辆的行驶轨迹。

可选的，初始预测轨迹可以包括多个轨迹点以及每个轨迹点的状态数据；轨迹点的状态数据可以包括轨迹点对应的位置、轨迹点对应的距离、轨迹点对应的时间、轨迹点对应的速度、轨迹点对应的转向角和轨迹点对应的行驶方向；轨迹点对应的距离为该轨迹点与轨迹起点之间的距离；轨迹点对应的时间为周围车辆从轨迹起点行驶至该轨迹点所需的时间；轨迹点对应的速度为周围车辆行驶至该轨迹点时的速度；轨迹点对应的转向角为周围车辆在行驶至该轨迹点时，周围车辆的中心线与车道线之间的夹角；轨迹点对应的行驶方向为周围车辆在该轨迹点时的行驶方向，比如向北行驶、向南行驶、向东行驶或者向西行驶。

轨迹起点为初始预测轨迹的起始位置，即，在当前时刻，周围车辆所在的位置；轨迹起点是根据当前车辆的传感器实时确定的。起点车道为轨迹起点所在的车道。

轨迹终点为初始预测轨迹的结束位置，即，预测时间段结束时周围车辆预计到达的位置。终点车道为轨迹终点所在的车道。

具体地，在需要对当前车辆的周围车辆的预测轨迹进行优化时，可以获取当前车辆的周围车辆的初始预测轨迹，即，可以利用当前车辆的传感器(比如摄像头、激光雷达和毫米波雷达等)实时收集周围车辆的状态数据，例如周围车辆的位置、速度和加速度等状态数据，以及道路结构和交通标志等环境信息，接着基于收集到的数据，利用预先训练好的神经网络模型对周围车辆的未来行驶轨迹进行预测，得到周围车辆的预测轨迹，并将该预测轨迹确定为初始预测轨迹。其中，神经网络模型可以是循环神经网络(Recurrent NeuralNetwork，RNN)和长短期记忆网络(Long Short-Term Memory，LSTM)等。

之后，可以从初始预测轨迹中提取轨迹起点和轨迹终点，接着基于轨迹起点的位置和高精地图信息，利用车道线检测算法确定轨迹起点对应的车道，得到起点车道，并基于轨迹终点的位置和高精地图信息，利用车道线检测算法确定轨迹终点对应的车道，得到终点车道。

S120、根据起点车道的位置和终点车道的位置确定终点车道的优化车道，并根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹。

其中，优化车道为根据交通规则(比如变道规则)选择出的最佳终点车道，可以提供更好的行驶条件和更低的潜在风险。

中间预测轨迹为在对初始预测轨迹进行方向优化后得到的轨迹，可以在起点车道和优化车道之间提供了一个平滑且满足交通规则的行驶路径。可选的，中间预测轨迹可以包括多个轨迹点以及每个轨迹点的状态数据；轨迹点的状态数据可以包括轨迹点对应的位置、轨迹点对应的距离、轨迹点对应的时间、轨迹点对应的速度、轨迹点对应的转向角和轨迹点对应的行驶方向；并且，方向优化并未改变轨迹点对应的时间和轨迹点对应的速度。

具体地，在得到起点车道和终点车道之后，可以根据起点车道的位置和终点车道的位置确定终点车道的优化车道，例如，可以基于起点车道的位置和终点车道的位置，利用当前车辆的传感器收集起点车道的属性信息和终点车道的属性信息，比如车道宽度、车道标记、交通流量和道路曲率等信息，接着基于收集到的属性信息，确定终点车道的通行状况和交通规则限制(比如禁止变道区域、单向区域和连续变道等规则限制)，然后基于终点车道的通行状况和交通规则限制，为终点车道选择一个最优的车道作为优化车道，此时的优化车道可以最大程度地减少与其他车辆的冲突，提高行驶安全性和效率。

之后，可以根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹，例如，可以基于起点车道和优化车道的位置关系，计算初始预测轨迹中各个轨迹点需要调整的转向角，然后在保证预测轨迹安全且满足交通规则限制的基础上，对初始预测轨迹中的各个轨迹点进行方向调整，生成中间预测轨迹，此时的中间预测轨迹可以平滑地连接起点车道和优化车道，并且中间预测轨迹中每个轨迹点对应的时间和速度并未发生改变，仍然与初始预测轨迹中对应轨迹点的时间和速度相同。

S130、根据中间预测轨迹确定周围车辆的前车。

其中，前车为位于周围车辆的左右侧以及前面的车辆。示例性的，当周围车辆处于左变道状态时，将位于周围车辆左侧以及左前侧的车辆确定为前车；当周围车辆处于右变道状态时，将位于周围车辆右侧以及右前侧的车辆确定为前车；当周围车辆处于保持道状态(即未变道状态)时，将位于周围车辆正前方的车辆确定为前车。

具体地，在得到中间预测轨迹之后，可以根据中间预测轨迹确定周围车辆的前车，即，可以根据中间预测轨迹确定周围车辆的横向意图，比如左变道、右变道和保持车道，然后根据横向意图确定周围车辆的前车。

具体而言，当中间预测轨迹中起点车道与终点对应的车道是同一个车道时，可以确定周围车辆的横向意图为保持车道，此时将位于周围车辆正前方的车辆确定为前车；当中间预测轨迹中终点对应的车道位于起点车道的左侧时，可以确定周围车辆的横向意图为左变道，此时将位于周围车辆左侧以及左前侧的车辆确定为前车；当中间预测轨迹中终点对应的车道位于起点车道的右侧时，可以确定周围车辆的横向意图为右变道，此时将位于周围车辆右侧以及右前侧的车辆确定为前车。

S140、基于中间预测轨迹确定周围车辆与前车的交互轨迹点，并移动交互轨迹点得到交互轨迹点的优化轨迹点。

其中，交互轨迹点为在中间预测轨迹包括的多个轨迹点中，周围车辆与前车可能发生交互的轨迹点。

优化轨迹点为通过对交互轨迹点进行微调或者移动后得到的，更加合理和安全的预测位置点，考虑了交通规则、道路条件、车辆动力学特性以及安全性等因素，旨在减少车辆之间的碰撞风险。

具体地，在确定周围车辆的前车之后，可以基于中间预测轨迹确定周围车辆与前车的交互轨迹点，即，可以利用当前车辆的传感器获取周围环境信息，比如前车的位置和速度等行驶数据，然后基于周围环境信息和中间预测轨迹，从中间预测轨迹包括的多个轨迹点中识别出周围车辆与前车可能发生交互的轨迹点，并将该轨迹点确定为交互轨迹点。

之后，可以移动交互轨迹点得到交互轨迹点的优化轨迹点，即，可以从中间预测轨迹中获取交互轨迹点对应的位置，然后确定交互轨迹点的移动策略，并基于移动策略对交互轨迹点对应的位置进行移动，比如，可以将交互轨迹点对应的位置向轨迹终点方向移动随机距离，以避免周围车辆与前车在交互轨迹点发生碰撞。其中，随机距离可以在确保周围车辆与前车不发生碰撞的基础上，根据实际情况进行随机设置。

S150、基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹。

其中，目标预测轨迹为基于优化后的交互轨迹点，对中间预测轨迹中各个轨迹点的速度进行优化之后得到的最终预测轨迹。可选的，目标预测轨迹可以包括多个轨迹点以及每个轨迹点的状态数据；轨迹点的状态数据可以包括轨迹点对应的位置、轨迹点对应的距离、轨迹点对应的时间、轨迹点对应的速度、轨迹点对应的转向角和轨迹点对应的行驶方向；速度优化并未改变轨迹点对应的时间和轨迹点对应的行驶方向。

具体地，在得到优化轨迹点之后，可以基于优化轨迹点对中间预测轨迹进行速度优化，例如，可以基于移动距离(即交互轨迹点和优化轨迹点之间的距离)对每个轨迹点的位置进行移动，比如将每个轨迹点对应的位置向轨迹终点方向移动该移动距离，得到每个轨迹点对应的目标距离(即轨迹点与轨迹起点之间的距离)，此时无需移动轨迹起点对应的位置，然后分别计算每个轨迹点对应的目标距离与每个轨迹点对应的时间之间的比值，得到周围车辆在每个轨迹点上的目标速度，接着分别对每个轨迹点对应的目标速度进行平滑处理，确保速度变化在合理范围内，避免急加速或急减速对乘客舒适性和安全性的影响，然后将平滑处理后的目标速度与每个轨迹点对应的目标距离相结合，重构出周围车辆的目标预测轨迹，此时既考虑了车辆间的交互影响，又保证了行驶的平稳性和安全性；之后，可以对生成的目标预测轨迹进行验证，确保其符合交通规则、道路条件和车辆动力学特性等要求。

可选的，在得到目标预测轨迹之后，当前车辆的整车控制器可以基于目标预测轨迹确定当前车辆的控制策略(即当前车辆在未来一段时间内的控制操作)，比如调整车速和变道等控制操作，以此进行自车的决策和规划，使得当前车辆可以提前规划避障路径，优化行车速度与路线，并且可以有效应对突发状况，减少交通事故，进而确保了当前车辆在行驶过程中的安全性和效率，从而提高了自动驾驶车辆的行驶安全性。

本申请实施例的技术方案，通过初始预测轨迹的起点车道和终点车道确定优化车道，并基于优化车道进行方向优化，使得中间预测轨迹更加符合实际交通规则和驾驶习惯，不会出现一次性变换两条或两条以上车道等危险情况，有效地避免了现有技术中预测结果对车道线和车辆行驶的合理性考虑不足而可能出现不合理的行驶场景的问题，进而提高了目标预测轨迹的合理性和准确性；通过引入周围车辆的前车、移动交互轨迹点得到优化轨迹点以及基于优化轨迹点进行速度优化，使得目标预测轨迹更加贴近实际行驶场景，不会出现周围车辆与前车发生碰撞等危险情况，有效地避免了现有技术中预测结果对环境车辆(即周围车辆的前车)考虑不足而可能出现不合理的行驶场景的问题，进而提高了目标预测轨迹的合理性和准确性；通过对初始预测轨迹进行多层次的优化，当前车辆可以更好地应对各种不确定性和变化因素，并且可以提前规划避障路径，优化行车速度与路线，使得自动驾驶系统更加可靠和稳定，进而提高了自动驾驶车辆的行驶安全性，从而提升了用户的使用体验。

下面进一步描述本申请实施例提供的一种周围车辆的预测轨迹优化方法，图2是本申请实施例提供的周围车辆的预测轨迹优化方法的另一个流程示意图。本申请实施例是对“根据起点车道的位置和终点车道的位置确定终点车道的优化车道，并根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹”的具体细化。参见图2，本实施例的方法包括但不限于如下步骤：

S201、根据起点车道的位置和终点车道的位置确定变道情况。

其中，变道情况为车辆在行驶过程中，由于道路条件交通规则或者行驶需求等因素，需要从当前车道变换到另一个车道的情况；变道情况可以包括单次变道、连续变道和未变道。

具体地，可以根据起点车道的位置和终点车道的位置，确定起点车道与终点车道之间的位置关系，并根据位置关系确定变道情况。

具体而言，如果起点车道与终点车道是同一车道，则表明即周围车辆处于保持车道状态，此时可以确定变道情况为未变道；如果起点车道与终点车道不是同一车道，并且终点车道与起点车道相邻，则表明周围车辆处于单次变道状态，此时可以确定变道情况为单次变道；如果起点车道与终点车道不是同一车道，并且终点车道不与起点车道相邻，则表明周围车辆处于连续变道状态，此时可以确定变道情况为连续变道。

示例性的，如图3所示是本申请实施例提供的车道网络的一个示例图，图3中的周围车辆所在位置即为初始预测轨迹的轨迹起点，此时轨迹起点对应的起点车道为车道2；如果初始预测轨迹的轨迹终点在车道4，则表明终点车道为车道4，变道情况为连续变道；如果初始预测轨迹的轨迹终点在车道3，则表明终点车道为车道3，变道情况为单次变道；如果初始预测轨迹的轨迹终点在车道2，则表明终点车道为车道2，变道情况为未变道。

S202、确定变道情况是否为未变道。

具体地，在得到变道情况之后，可以确定变道情况是否为未变道，如果变道情况为未变道，则表明初始预测轨迹满足变道规则，此时可以执行S203；如果变道情况不是未变道，则可以执行S207，以继续确定初始预测轨迹是否满足变道规则。

S203、在变道情况为未变道时，确定初始预测轨迹的轨迹中间点对应的中间点车道。

其中，中间点车道为初始预测轨迹中的轨迹中间点所在的车道；轨迹中间点不包括轨迹起点和轨迹终点。

具体地，在变道情况为未变道时，表明周围车辆处于保持车道状态，此时可以确定初始预测轨迹的轨迹中间点对应的中间点车道，即，可以遍历初始预测轨迹中的每个轨迹中间点，并基于每个轨迹中间点的位置和高精地图信息，利用车道线检测算法分别确定每个轨迹中间点对应的中间点车道。

S204、确定中间点车道与起点车道是否是同一车道。

具体地，在确定每个轨迹中间点对应的中间点车道之后，可以确定中间点车道与起点车道是否是同一车道，如果每个中间点车道都与起点车道是同一车道，则可以执行S206；如果存在中间点车道与起点车道不是同一车道，则可以执行S205。

S205、在中间点车道与起点车道不是同一车道时，根据起点车道和终点车道对初始预测轨迹进行方向优化，得到中间预测轨迹。

其中，中间预测轨迹中的各轨迹点分别对应的车道与起点车道相同。

具体地，当存在中间点车道与起点车道不是同一车道时，可以根据起点车道和终点车道对初始预测轨迹进行方向优化，得到中间预测轨迹，即，可以基于起点车道和终点车道，计算初始预测轨迹中各个轨迹中间点需要调整的转向角，然后在保证预测轨迹安全且满足交通规则限制的基础上，对初始预测轨迹中的各个轨迹中间点进行方向调整，生成中间预测轨迹，并且中间预测轨迹中的各轨迹点分别对应的车道与起点车道相同，此时的中间预测轨迹可以平滑地连接起点车道和终点车道，并且中间预测轨迹中每个轨迹中间点对应的时间和速度并未发生改变，仍然与初始预测轨迹中对应轨迹中间点的时间和速度相同。

示例性的，如图4所示是本申请实施例提供的方向优化初始预测轨迹的一个示例图，在图4的a中的橙色曲线为初始预测轨迹，初始预测轨迹的轨迹起点对应的起点车道为车道2，轨迹终点对应的终点车道为车道2，此时的初始预测轨迹的变道情况为未变道，并且基于起点车道和终点车道对初始预测轨迹进行方向优化，得到的中间预测轨迹为图4的b中的橙色直线，即中间预测轨迹中的各个轨迹点对应的车道为车道2。

S206、在中间点车道与起点车道是同一车道时，将初始预测轨迹确定为中间预测轨迹。

具体地，当每个中间点车道都与起点车道是同一车道时，表明无需对初始预测轨迹进行方向优化，此时可以直接将初始预测轨迹确定为中间预测轨迹。

S207、在变道情况不是未变道时，确定变道情况是否为连续变道。

具体地，在变道情况不是未变道时，可以确定变道情况是否为连续变道，如果变道情况为连续变道，则表明初始预测轨迹不满足变道规则(即不可以一次变更两条或者两条以上的车道)，此时可以执行S208；如果变道情况为单次变道，则表明变道情况不是连续变道，即初始预测轨迹满足变道规则，此时可以执行S211。

S208、在变道情况为连续变道时，根据起点车道的位置和终点车道的位置确定变道方向。

其中，变道方向为周围车辆在进行变道时所选择的方向；变道方向可以包括左变道和右变道。

具体地，在变道情况为连续变道时，可以根据起点车道的位置和终点车道的位置确定变道方向，即，如果终点车道在起点车道的左侧，则可以确定变道方向为左变道；如果终点车道在起点车道的右侧，则可以确定变道方向为右变道。

示例性的，如图3所示，轨迹起点对应的起点车道为车道2；如果终点车道为车道4，则变道方向为左变道。

S209、基于变道方向确定起点车道的相邻车道，并将相邻车道确定为优化车道。

其中，相邻车道为在变道方向上，与起点车道相邻的车道。

具体地，在确定变道方向之后，可以将起点车道在变道方向上的相邻车道确定为优化车道。示例性的，如图3所示，如果轨迹起点对应的起点车道为车道2，轨迹终点对应的终点车道为车道4，则变道方向为左变道，此时可以确定车道3为车道2在左变道上的相邻车道，并将车道3确定为优化车道。

S210、根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹。

其中，中间预测轨迹中的终点对应的车道为优化车道。

具体地，在得到优化车道之后，可以根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹，例如，可以基于起点车道和优化车道的位置关系，计算初始预测轨迹中各个轨迹点需要调整的转向角，然后在保证预测轨迹安全且满足交通规则限制的基础上，对初始预测轨迹中的各个轨迹点进行方向调整，生成中间预测轨迹，并且中间预测轨迹中的终点对应的车道为优化车道，此时的中间预测轨迹可以平滑地连接起点车道和优化车道，并且中间预测轨迹中每个轨迹点对应的时间和速度并未发生改变，仍然与初始预测轨迹中对应轨迹点的时间和速度相同。

示例性的，如图5所示是本申请实施例提供的方向优化初始预测轨迹的另一个示例图，在图5的c中的橙色曲线为初始预测轨迹，即初始预测轨迹的轨迹起点对应的起点车道为车道2，轨迹终点对应的终点车道为车道4，此时的初始预测轨迹的变道情况为连续变道，变道方向为左变道，基于变道方向确定的优化车道为车道3，并且基于起点车道和优化车道对初始预测轨迹进行方向优化，得到的中间预测轨迹为图5的d中的橙色曲线，即中间预测轨迹的轨迹起点对应的起点车道为车道2，终点对应的车道为车道3(即中间预测轨迹中的终点对应的车道为优化车道)。

S211、在变道情况为单次变道时，将初始预测轨迹确定为中间预测轨迹。

具体地，当变道情况为单次变道时，表明初始预测轨迹满足变道规则，无需对初始预测轨迹进行方向优化，此时可以直接将初始预测轨迹确定为中间预测轨迹。

需要说明的是，S203至S206，与，S207至S211的执行无明显先后顺序，可根据实际情况决定执行顺序，本实施例对此不做具体限定；S205与S206的执行无明显先后顺序，可根据实际情况决定执行顺序，本实施例对此不做具体限定；S208至S210，与S211的执行无明显先后顺序，可根据实际情况决定执行顺序，本实施例对此不做具体限定。

本申请实施例的技术方案，可以根据起点车道的位置和终点车道的位置确定变道情况，即单次变道、连续变道和未变道，并在变道情况为未变道时，确定初始预测轨迹的轨迹中间点对应的中间点车道，然后在中间点车道与起点车道不是同一车道时，根据起点车道和终点车道对初始预测轨迹进行方向优化，得到中间预测轨迹，此时中间预测轨迹中的各轨迹点分别对应的车道与起点车道相同，可以保持车辆在当前车道上的稳定行驶，避免不必要的变道情况，进而减少了因车道变化而引发的安全隐患，有效地提高了中间预测轨迹在未变道时的合理性，从而提高了中间预测轨迹的确定准确性，为后续确定目标预测轨迹提供了数据支撑；在变道情况为连续变道时，根据起点车道的位置和终点车道的位置确定变道方向，接着基于变道方向确定起点车道的相邻车道，并将相邻车道确定为优化车道，然后根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹，通过确定变道方向和优化车道，可以提高中间预测轨迹在变道情况时的合理性，有效地避免了连续变道情况的发生，进而提高了中间预测轨迹的确定准确性，为后续确定目标预测轨迹提供了数据支撑，并且为自动驾驶车辆的行驶安全和交通效率提供了有力保障，从而提高了自动驾驶车辆的行驶安全性。

下面进一步描述本申请实施例提供的一种周围车辆的预测轨迹优化方法，图6是本申请实施例提供的周围车辆的预测轨迹优化方法的又一个流程示意图。本申请实施例是对“基于中间预测轨迹确定周围车辆与前车的交互轨迹点，并移动交互轨迹点得到交互轨迹点的优化轨迹点；基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹”的具体细化，以及在基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹之后，确定周围车辆的纵向意图的详细解释说明。参见图6，本实施例的方法包括但不限于如下步骤：

S601、基于中间预测轨迹确定周围车辆与前车的交互轨迹点。

S602、获取周围车辆在交互轨迹点的第一速度，并获取前车在交互轨迹点的第二速度。

其中，第一速度为周围车辆行驶至交互轨迹点时的速度。第二速度为前车行驶至交互轨迹点时的速度。

具体地，在得到交互轨迹点之后，可以从中间预测轨迹中获取交互轨迹点对应的速度，并将该速度确定为第一速度，然后利用当前车辆的传感器(比如摄像头、激光雷达和毫米波雷达等)，获取前车在交互轨迹点的速度，并将该速度确定为第二速度。

S603、确定第一速度是否大于第二速度。

具体地，在得到第一速度和第二速度之后，可以确定第一速度是否大于第二速度；如果第一速度大于第二速度，则表明周围车辆和前车之间存在碰撞风险，此时可以执行S604；如果第一速度不大于第二速度，则表明周围车辆和前车之间不存在碰撞风险，此时可以执行S609。

S604、在第一速度大于第二速度时，将交互轨迹点向轨迹起点方向移动预设距离得到优化轨迹点。

其中，预设距离为预先设置的数值，用于表征交互轨迹点的移动距离，用户可以根据实际使用需求调整并设置该预设距离，本申请实施例对此不做具体限定。

示例性的，如图7所示是本申请实施例提供的速度优化中间预测轨迹的一个示例图，在图7的e中的橙色曲线为中间预测轨迹，并且基于中间预测轨迹确定周围车辆与前车的交互轨迹点为s_pre；当周围车辆在交互轨迹点的第一速度为60km/h，前车在交互轨迹点的第二速度为55km/h，预设距离为2m时，第一速度大于第二速度，即周围车辆与前车之间存在碰撞风险，此时可以将交互轨迹点向轨迹起点方向移动2m得到优化轨迹点，即图7的f中的s_new。

S605、根据交互轨迹点和优化轨迹点确定轨迹收缩比例。

其中，轨迹收缩比例为描述中间预测轨迹与目标预测轨迹之间关系的一个参数，反映了需要对中间预测轨迹进行收缩的程度。

具体地，在得到优化轨迹点之后，可以从中间预测轨迹中提取交互轨迹点对应的位置和距离，接着根据预设距离和交互轨迹点对应的位置确定优化轨迹点对应的位置，然后根据优化轨迹点对应的位置和轨迹起点对应的位置，确定优化轨迹点与轨迹起点之间的目标距离，之后计算目标距离与交互轨迹点对应的距离之间的比值，得到轨迹收缩比例。

可选的，基于轨迹收缩比例分别对中间预测轨迹中的每个轨迹点进行速度优化，得到周围车辆的目标预测轨迹，并且每个轨迹点不包括轨迹起点，即不对中间预测轨迹中的轨迹起点进行速度优化。本申请实施例中，基于轨迹收缩比例对中间预测轨迹进行速度优化，可以有效地避免周围车辆与前车之间发生碰撞的情况，进而提高了目标预测轨迹的准确性和合理性，从而提高了当前车辆的行驶安全性。

S606、基于轨迹收缩比例分别对每个轨迹点对应的距离进行等比例收缩，得到每个轨迹点对应的修正距离。

其中，修正距离为对中间预测轨迹中的轨迹点进行等比例收缩之后，轨迹点与轨迹起点之间的新距离。

具体地，在得到轨迹收缩比例之后，可以从中间预测轨迹的多个轨迹点中选取任一轨迹点为当前轨迹点，接着，计算当前轨迹点对应的距离与轨迹收缩比例之间的乘积，并将该乘积确定为当前轨迹点对应的修正距离；之后，可以选取其他轨迹点为当前轨迹点，并重复上述过程，以此得到每个轨迹点对应的修正距离。需要说明的是，从中间预测轨迹的多个轨迹点中选取的轨迹点不包括轨迹起点。

S607、分别对每个轨迹点对应的速度进行优化，得到每个轨迹点对应的修正速度。

其中，修正速度为对中间预测轨迹中的轨迹点进行速度优化之后，轨迹点对应的新速度。

具体地，分别对每个轨迹点对应的速度进行优化，得到每个轨迹点对应的修正速度，包括Sa1-Sa3：

Sa1、针对每个轨迹点，确定当前轨迹点对应的距离是否小于交互轨迹点对应的距离。

具体地，针对中间预测轨迹中的每个轨迹点，可以从除轨迹起点之外的轨迹点中选取任一轨迹点为当前轨迹点，并且确定当前轨迹点对应的距离是否小于交互轨迹点对应的距离，如果当前轨迹点对应的距离小于交互轨迹点对应的距离，则表明当前轨迹点为周围车辆进入交互区域前的轨迹点，此时可以执行Sa2；如果当前轨迹点对应的距离不小于交互轨迹点对应的距离，则表明当前轨迹点为周围车辆进入交互区域后的轨迹点，此时可以执行Sa3。

Sa2、在当前轨迹点对应的距离小于交互轨迹点对应的距离时，根据每个轨迹点对应的修正距离确定当前轨迹点对应的修正速度。

具体地，一种实现方式中，在当前轨迹点对应的距离小于交互轨迹点对应的距离时，可以在发生交互之前对周围车辆进行减速预测，即，可以从中间预测轨迹中获取当前轨迹点对应的时间，然后根据当前轨迹点对应的修正距离和当前轨迹点对应的时间，确定当前轨迹点对应的修正速度，即，计算当前轨迹点对应的修正距离与当前轨迹点对应的时间之间的比值，并将该比值确定为当前轨迹点对应的修正速度，此时当前轨迹点对应的修正距离小于当前轨迹点对应的距离，因此当前轨迹点对应的修正速度小于当前轨迹点对应的速度。

具体地，另一种实现方式中，根据每个轨迹点对应的修正距离确定当前轨迹点对应的修正速度，包括Sb1-Sb3：

Sb1、从当前轨迹点向轨迹起点方向选取第一预设距离对应的轨迹点，得到第一轨迹点。

其中，第一预设距离为预先设置的数值，用于确定从当前轨迹点向轨迹起点方向搜索时，需要达到的距离，用户可以根据实际使用情况调整并设置，本申请实施例对此不做具体限定。

第一轨迹点为从当前轨迹点对应的位置开始，向轨迹起点方向移动第一预设距离后到达的轨迹点。

具体地，可以从当前轨迹点对应的位置开始，向轨迹起点方向遍历轨迹点，对于每个遍历到的轨迹点，计算其与当前轨迹点之间的距离，当查找到距离大于或者等于第一预设距离的第一个轨迹点时，停止搜索，并将该轨迹点确定为第一轨迹点。

Sb2、从当前轨迹点向轨迹终点方向选取第二预设距离对应的轨迹点，得到第二轨迹点。

其中，第二预设距离预先设置的数值，用于确定从当前轨迹点向轨迹终点方向搜索时，需要达到的距离，用户可以根据实际使用情况调整并设置，本申请实施例对此不做具体限定。需要说明的是，第一预设距离和第二预设距离可以相等，也可以不相等。

第二轨迹点为从当前轨迹点对应的位置开始，向轨迹终点方向移动第二预设距离后到达的轨迹点。

具体地，可以从当前轨迹点对应的位置开始，向轨迹终点方向遍历轨迹点，对于每个遍历到的轨迹点，计算其与当前轨迹点之间的距离，当查找到距离大于或者等于第二预设距离的第一个轨迹点时，停止搜索，并将该轨迹点确定为第二轨迹点。

Sb3、根据第一轨迹点对应的修正距离、第一轨迹点对应的时间、第二轨迹点对应的修正距离和第二轨迹点对应的时间，确定当前轨迹点对应的修正速度。

其中，第一轨迹点对应的时间为周围车辆从轨迹起点行驶至第一轨迹点所需的时间，即中间预测轨迹中第一轨迹点对应的时间。第二轨迹点对应的时间为周围车辆从轨迹起点行驶至第二轨迹点所需的时间，即中间预测轨迹中第二轨迹点对应的时间。

具体地，在得到第一轨迹点和第二轨迹点之后，可以获取第一轨迹点对应的修正距离、第一轨迹点对应的时间、第二轨迹点对应的修正距离和第二轨迹点对应的时间，然后计算第二轨迹点对应的修正距离与第一轨迹点对应的修正距离之间的差值(记为距离差值)，并计算第二轨迹点对应的时间与第一轨迹点对应的时间之间的差值(记为时间差值)，之后计算距离差值与时间差值之间的比值，并将该比值确定为当前轨迹点对应的修正速度。

本申请实施例中，基于第一轨迹点和第二轨迹点的信息确定修正速度，可以保持修正速度的平滑性，避免了速度突变导致的不适感，进而提高了目标预测轨迹的合理性；并且，提高了修正速度的确定准确性，为后续确定目标预测轨迹提供了数据支撑，进而提高了目标预测轨迹的准确性。

Sa3、在当前轨迹点对应的距离不小于交互轨迹点对应的距离时，根据前车在交互轨迹点的第二速度确定当前轨迹点对应的修正速度。

具体地，在当前轨迹点对应的距离不小于交互轨迹点对应的距离时，表明当前轨迹点为周围车辆进入交互区域后的轨迹点，并且在进入交互区域之前已经对周围车辆进行了减速预测，由此周围车辆在到达交互轨迹点时已经与前车保持了安全车距，无需继续减速，因此可以直接将前车在交互轨迹点的第二速度确定为当前轨迹点对应的修正速度。

之后，可以从除轨迹起点之外的轨迹点中选取其他轨迹点为当前轨迹点，并重复执行Sa1-Sa3，以此得到每个轨迹点对应的修正速度。

示例性的，中间预测轨迹为{轨迹起点，中间点1，中间点2，中间点3，轨迹终点}，中间预测轨迹中每个轨迹点对应的距离为{0，2，4，6，8}，距离的单位为米(m)，中间预测轨迹中每个轨迹点对应的修正距离为{0，1，2，3，4}，中间预测轨迹中每个轨迹点对应的时间为{0，0.1，0.2，0.3，0.4}，时间的单位为秒(s)，如果交互轨迹点为中间点3，前车在交互轨迹点的第二速度为20m/s，则中间点1对应的距离(即2m)和中间点2对应的距离(即4m)小于交互轨迹点对应的距离(即6m)，中间点3对应的距离(即6m)和轨迹终点对应的距离(即8m)不小于交互轨迹点对应的距离(即6m)。

在第一预设距离为2m，并且第二预设距离为2m的情况下，中间点1对应的修正速度的确定过程可以为：可以确定第一轨迹点为轨迹起点，第二轨迹点为中间2，然后可以确定距离差值为4m(即4-0)，时间差值为0.2s(即0.2-0)，之后可以确定中间点1对应的修正速度为20m/s；中间点2对应的修正速度的确定过程可以为：可以确定第一轨迹点为中间点1，第二轨迹点为中间3，然后可以确定距离差值为4m(即6-2)，时间差值为0.2s(即0.3-0.1)，之后可以确定中间点2对应的修正速度为20m/s；中间点3对应的修正速度为前车在交互轨迹点的第二速度，即20m/s；轨迹终点对应的修正速度为前车在交互轨迹点的第二速度，即20m/s。

本申请实施例中，在当前轨迹点对应的距离小于交互轨迹点对应的距离时，根据修正距离确定修正速度，可以适当降低进入交互区域前的轨迹点对应的速度，保持周围车辆与前车的安全距离，进而有效地避免了碰撞情况的发生；在当前轨迹点对应的距离不小于交互轨迹点对应的距离时，根据第二速度确定修正速度，可以使得进入交互区域后的轨迹点对应的速度更加贴近实际交通流的速度；通过合理调整不同距离条件下的修正速度，提高了修正速度的确定准确性，进而提高了目标预测轨迹的合理性和准确性。

S608、根据每个轨迹点对应的修正距离和每个轨迹点对应的修正速度确定目标预测轨迹。

具体地，在得到每个轨迹点对应的修正速度之后，可以将每个轨迹点对应的修正距离和每个轨迹点对应的修正速度，与中间预测轨迹中每个轨迹点对应的时间和行驶方向相结合，重构出周围车辆的目标预测轨迹。之后，可以执行S610。

示例性的，如图7所示，图7的f中的橙色曲线为对中间预测轨迹进行速度优化之后得到的目标预测轨迹，在周围车辆按照目标预测轨迹行驶时，周围车辆与前车之间不存在交互轨迹点。

S609、在第一速度不大于第二速度时，将中间预测轨迹确定为目标预测轨迹。

具体地，在第一速度不大于第二速度时，表明周围车辆和前车之间不存在碰撞风险，无需对中间预测轨迹进行速度优化，此时可以直接将中间预测轨迹确定为目标预测轨迹。之后，可以执行S610。

S610、获取周围车辆在轨迹起点的起点速度，并确定目标预测轨迹中目标轨迹点的目标距离和目标时间。

其中，起点速度为周围车辆在当前时刻的速度，即周围车辆在轨迹起点时的速度。

目标轨迹点为从目标预测轨迹的多个轨迹点中随机选取的一个轨迹点，并且目标轨迹点不是目标预测轨迹的轨迹起点；目标距离为目标轨迹点对应的修正距离，即目标轨迹点与轨迹起点之间的距离；目标时间为周围车辆从轨迹起点行驶至目标轨迹点所需的时间，即目标预测轨迹中目标轨迹点对应的时间。

具体地，在得到目标预测轨迹之后，可以利用当前车辆的传感器(比如摄像头、激光雷达和毫米波雷达等)实时收集周围车辆的当前速度，得到周围车辆在轨迹起点的起点速度；然后，可以从目标预测轨迹的多个轨迹点中，随机选取一个除轨迹起点之外的轨迹点为目标轨迹点，之后从目标预测轨迹中获取目标轨迹点对应的距离(即修正距离)和目标轨迹点对应的时间，并将目标轨迹点对应的距离确定为目标距离，将目标轨迹点对应的时间确定为目标时间。

S611、计算周围车辆按照起点速度从轨迹起点行驶目标时间的距离，得到预定距离。

其中，预定距离为周围车辆按照起点速度匀速行驶目标时间所行驶的距离。

具体地，在得到起点速度、目标距离和目标时间之后，可以计算起点速度与目标时间的乘积，并将该乘积确定为预定距离。

S612、根据目标距离和预定距离确定周围车辆的纵向意图。

其中，纵向意图为周围车辆在纵向(即行驶方向)上的行驶意图。

具体地，在得到预定距离之后，可以确定目标距离和预定距离之间的大小关系，并根据该大小关系确定周围车辆的纵向意图，即，在目标距离大于预定距离与设定阈值之和时，确定周围车辆的纵向意图为加速；在目标距离小于预定距离与设定阈值之和时，确定周围车辆的纵向意图为减速；在目标距离等于预定距离与设定阈值之和时，确定周围车辆的纵向意图为匀速。其中，设定阈值为预先设置的数值，用于表征安全距离或者缓冲距离，可以在判断周围车辆的纵向意图时提供额外的考虑因素，用户可以根据实际使用情况调整并设置，本申请实施例对此不做具体限定。本申请实施例中，设定阈值提供了一种容错机制，可以在面对车辆速度微小变化、测量误差或者道路条件变化时，仍然能够做出相对准确的判断，进而确保了纵向意图的准确性和可靠性；通过调整设定阈值的大小，可以平衡判断的敏感性和稳健性，以适应不同的应用场景和需求。

可选的，在确定纵向意图之后，当前车辆的整车控制器可以基于周围车辆的纵向意图确定当前车辆的控制策略，以此进行自车的决策和规划。

本申请实施例提供的技术方案中，可以基于中间预测轨迹确定周围车辆与前车的交互轨迹点，其次获取周围车辆在交互轨迹点的第一速度，并获取前车在交互轨迹点的第二速度，接着在第一速度大于第二速度时，将交互轨迹点向轨迹起点方向移动预设距离得到优化轨迹点，可以确保周围车辆与前车之间保持足够的安全距离，有效地避免了周围车辆与前车发生碰撞的情况，为后续确定轨迹收缩比例提供了数据支撑，进而提高了速度优化的合理性和准确性；然后，可以根据交互轨迹点和优化轨迹点确定轨迹收缩比例，并基于轨迹收缩比例分别对每个轨迹点对应的距离进行等比例收缩，得到每个轨迹点对应的修正距离，之后分别对每个轨迹点对应的速度进行优化，得到每个轨迹点对应的修正速度，并根据每个轨迹点对应的修正距离和每个轨迹点对应的修正速度确定目标预测轨迹，通过对每个轨迹点对应的距离和速度优化，使得目标预测轨迹更加接近实际行驶情况，进而提高了目标预测轨迹的准确性和合理性，从而提高了自动驾驶车辆的行驶安全性。

之后，获取周围车辆在轨迹起点的起点速度，并确定目标预测轨迹中目标轨迹点的目标距离和目标时间，然后计算周围车辆按照起点速度从轨迹起点行驶目标时间的距离，得到预定距离，并根据目标距离和预定距离确定周围车辆的纵向意图，实现了纵向意图的确定功能，通过目标距离和预定距离之间的大小关系，可以准确判断出周围车辆在行驶方向上的行驶意图，进而提高了纵向意图的确定准确性和确定效率；并且，自动驾驶车辆可以根据纵向意图调整自身的行驶策略，提前做出避让和减速等安全驾驶决策，进而降低了交通事故发生的风险，从而提高了自动驾驶车辆的行驶安全性。

图8是本申请实施例提供的周围车辆的预测轨迹优化装置的一个结构示意图，参照图8，该周围车辆的预测轨迹优化装置可以包括：

车道确定模块810，用于获取当前车辆的周围车辆的初始预测轨迹，确定初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道；

方向优化模块820，用于根据起点车道的位置和终点车道的位置确定终点车道的优化车道，并根据起点车道和优化车道对初始预测轨迹进行方向优化，得到中间预测轨迹；

前车确定模块830，用于根据中间预测轨迹确定周围车辆的前车；

轨迹点优化模块840，用于基于中间预测轨迹确定周围车辆与前车的交互轨迹点，并移动交互轨迹点得到交互轨迹点的优化轨迹点；

速度优化模块850，用于基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹。

一实施例中，该周围车辆的预测轨迹优化装置还包括连续变道优化模块，连续变道优化模块具体用于：在根据起点车道的位置和终点车道的位置确定终点车道的优化车道之前，根据起点车道的位置和终点车道的位置确定变道情况；在变道情况为连续变道时，触发执行根据起点车道的位置和终点车道的位置确定终点车道的优化车道。

一实施例中，该周围车辆的预测轨迹优化装置还包括未变道优化模块，未变道优化模块具体用于：在根据起点车道的位置和终点车道的位置确定变道情况之后，在变道情况为未变道时，确定初始预测轨迹的轨迹中间点对应的中间点车道；在中间点车道与起点车道不是同一车道时，根据起点车道和终点车道对初始预测轨迹进行方向优化，得到中间预测轨迹；中间预测轨迹中的各轨迹点分别对应的车道与起点车道相同。

一实施例中，方向优化模块820根据起点车道的位置和终点车道的位置确定终点车道的优化车道，包括：根据起点车道的位置和终点车道的位置确定变道方向；基于变道方向确定起点车道的相邻车道，并将相邻车道确定为优化车道；对应的，中间预测轨迹中的终点对应的车道为优化车道。

一实施例中，该周围车辆的预测轨迹优化装置还包括碰撞优化模块，碰撞优化模块具体用于：在移动交互轨迹点得到交互轨迹点的优化轨迹点之前，获取周围车辆在交互轨迹点的第一速度，并获取前车在交互轨迹点的第二速度；在第一速度大于第二速度时，触发执行移动交互轨迹点得到交互轨迹点的优化轨迹点。

一实施例中，轨迹点优化模块840移动交互轨迹点得到交互轨迹点的优化轨迹点，包括：将交互轨迹点向轨迹起点方向移动预设距离得到优化轨迹点。

一实施例中，速度优化模块850基于优化轨迹点对中间预测轨迹进行速度优化，得到周围车辆的目标预测轨迹，包括：根据交互轨迹点和优化轨迹点确定轨迹收缩比例；基于轨迹收缩比例分别对中间预测轨迹中的每个轨迹点进行速度优化，得到周围车辆的目标预测轨迹，每个轨迹点不包括轨迹起点。

一实施例中，速度优化模块850基于轨迹收缩比例分别对中间预测轨迹中的每个轨迹点进行速度优化，得到周围车辆的目标预测轨迹，包括：基于轨迹收缩比例分别对每个轨迹点对应的距离进行等比例收缩，得到每个轨迹点对应的修正距离，每个轨迹点对应的距离为每个轨迹点与轨迹起点之间的距离；分别对每个轨迹点对应的速度进行优化，得到每个轨迹点对应的修正速度；根据每个轨迹点对应的修正距离和每个轨迹点对应的修正速度确定目标预测轨迹。

一实施例中，速度优化模块850分别对每个轨迹点对应的速度进行优化，得到每个轨迹点对应的修正速度，包括：针对每个轨迹点，在当前轨迹点对应的距离小于交互轨迹点对应的距离时，根据每个轨迹点对应的修正距离确定当前轨迹点对应的修正速度；在当前轨迹点对应的距离不小于交互轨迹点对应的距离时，根据前车在交互轨迹点的第二速度确定当前轨迹点对应的修正速度。

一实施例中，速度优化模块850根据每个轨迹点对应的修正距离确定当前轨迹点对应的修正速度，包括：从当前轨迹点向轨迹起点方向选取第一预设距离对应的轨迹点，得到第一轨迹点；从当前轨迹点向轨迹终点方向选取第二预设距离对应的轨迹点，得到第二轨迹点；根据第一轨迹点对应的修正距离、第一轨迹点对应的时间、第二轨迹点对应的修正距离和第二轨迹点对应的时间，确定当前轨迹点对应的修正速度，第一轨迹点对应的时间为周围车辆从轨迹起点行驶至第一轨迹点所需的时间，第二轨迹点对应的时间为周围车辆从轨迹起点行驶至第二轨迹点所需的时间。

一实施例中，该周围车辆的预测轨迹优化装置还包括意图确定模块，意图确定模块具体用于：获取周围车辆在轨迹起点的起点速度，并确定目标预测轨迹中目标轨迹点的目标距离和目标时间，目标距离为目标轨迹点对应的修正距离，目标时间为周围车辆从轨迹起点行驶至目标轨迹点所需的时间；计算周围车辆按照起点速度从轨迹起点行驶目标时间的距离，得到预定距离；根据目标距离和预定距离确定周围车辆的纵向意图。

一实施例中，意图确定模块根据目标距离和预定距离确定周围车辆的纵向意图，包括：在目标距离大于预定距离与设定阈值之和时，确定周围车辆的纵向意图为加速；在目标距离小于预定距离与设定阈值之和时，确定周围车辆的纵向意图为减速；在目标距离等于预定距离与设定阈值之和时，确定周围车辆的纵向意图为匀速。

本领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本实施例提供的周围车辆的预测轨迹优化装置可适用于上述任意实施例提供的周围车辆的预测轨迹优化方法，具备相应的功能和有益效果。

图9是本申请实施例提供的车辆的一个结构示意图。图9示出了适于用来实现本申请实施方式的示例性车辆11的框图。图9显示的车辆11仅仅是一个示例，不应对本实施例的功能和使用范围带来任何限制。

如图9所示，车辆11以通用计算电子设备的形式表现。车辆11的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

车辆11典型地包括多种计算机系统可读介质。这些介质可以是任何能够被车辆11访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。车辆11可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。

车辆11也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该车辆11交互的设备通信，和/或与使得该车辆11能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，车辆11还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。

如图9所示，网络适配器20通过总线18与车辆11的其它模块通信。应当明白，尽管图9中未示出，可以结合车辆11使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及页面显示，例如实现本申请任意实施例所提供的一种周围车辆的预测轨迹优化方法。

本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现例如本申请任意实施例所提供的一种周围车辆的预测轨迹优化方法。

本实施例的计算机存储介质，可以采用一个或者多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或者半导体的系统、装置或者器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或者多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或者闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或者存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或者上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或者多种程序设计语言或者其组合来编写用于执行本申请操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或者类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或者广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

本领域普通技术人员应该明白，上述的本申请的各模块或者各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或者步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件的结合。

另外，本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请发明构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (15)

1.一种周围车辆的预测轨迹优化方法，其特征在于，所述方法包括：

获取当前车辆的周围车辆的初始预测轨迹，确定所述初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道；

根据所述起点车道的位置和所述终点车道的位置确定所述终点车道的优化车道，并根据所述起点车道和所述优化车道对所述初始预测轨迹进行方向优化，得到中间预测轨迹；

根据所述中间预测轨迹确定所述周围车辆的前车；

基于所述中间预测轨迹确定所述周围车辆与所述前车的交互轨迹点，并移动所述交互轨迹点得到所述交互轨迹点的优化轨迹点；

基于所述优化轨迹点对所述中间预测轨迹进行速度优化，得到所述周围车辆的目标预测轨迹。

2.根据权利要求1所述的周围车辆的预测轨迹优化方法，其特征在于，在根据所述起点车道的位置和所述终点车道的位置确定所述终点车道的优化车道之前，还包括：

根据所述起点车道的位置和所述终点车道的位置确定变道情况；

在所述变道情况为连续变道时，触发执行所述根据所述起点车道的位置和所述终点车道的位置确定所述终点车道的优化车道。

3.根据权利要求2所述的周围车辆的预测轨迹优化方法，其特征在于，在根据所述起点车道的位置和所述终点车道的位置确定变道情况之后，还包括：

在所述变道情况为未变道时，确定所述初始预测轨迹的轨迹中间点对应的中间点车道；

在所述中间点车道与所述起点车道不是同一车道时，根据所述起点车道和所述终点车道对所述初始预测轨迹进行方向优化，得到所述中间预测轨迹；所述中间预测轨迹中的各轨迹点分别对应的车道与所述起点车道相同。

4.根据权利要求2所述的周围车辆的预测轨迹优化方法，其特征在于，所述根据所述起点车道的位置和所述终点车道的位置确定所述终点车道的优化车道，包括：

根据所述起点车道的位置和所述终点车道的位置确定变道方向；

基于所述变道方向确定所述起点车道的相邻车道，并将所述相邻车道确定为所述优化车道；

对应的，所述中间预测轨迹中的终点对应的车道为所述优化车道。

5.根据权利要求1所述的周围车辆的预测轨迹优化方法，其特征在于，在移动所述交互轨迹点得到所述交互轨迹点的优化轨迹点之前，还包括：

获取所述周围车辆在所述交互轨迹点的第一速度，并获取所述前车在所述交互轨迹点的第二速度；

在所述第一速度大于所述第二速度时，触发执行所述移动所述交互轨迹点得到所述交互轨迹点的优化轨迹点。

6.根据权利要求5所述的周围车辆的预测轨迹优化方法，其特征在于，所述移动所述交互轨迹点得到所述交互轨迹点的优化轨迹点，包括：

将所述交互轨迹点向所述轨迹起点方向移动预设距离得到所述优化轨迹点。

7.根据权利要求5或6所述的周围车辆的预测轨迹优化方法，其特征在于，所述基于所述优化轨迹点对所述中间预测轨迹进行速度优化，得到所述周围车辆的目标预测轨迹，包括：

根据所述交互轨迹点和所述优化轨迹点确定轨迹收缩比例；

基于所述轨迹收缩比例分别对所述中间预测轨迹中的每个轨迹点进行速度优化，得到所述周围车辆的目标预测轨迹，所述每个轨迹点不包括所述轨迹起点。

8.根据权利要求7所述的周围车辆的预测轨迹优化方法，其特征在于，所述基于所述轨迹收缩比例分别对所述中间预测轨迹中的每个轨迹点进行速度优化，得到所述周围车辆的目标预测轨迹，包括：

基于所述轨迹收缩比例分别对所述每个轨迹点对应的距离进行等比例收缩，得到所述每个轨迹点对应的修正距离，所述每个轨迹点对应的距离为所述每个轨迹点与所述轨迹起点之间的距离；

分别对所述每个轨迹点对应的速度进行优化，得到所述每个轨迹点对应的修正速度；

根据所述每个轨迹点对应的修正距离和所述每个轨迹点对应的修正速度确定所述目标预测轨迹。

9.根据权利要求8所述的周围车辆的预测轨迹优化方法，其特征在于，所述分别对所述每个轨迹点对应的速度进行优化，得到所述每个轨迹点对应的修正速度，包括：

针对所述每个轨迹点，在当前轨迹点对应的距离小于所述交互轨迹点对应的距离时，根据所述每个轨迹点对应的修正距离确定所述当前轨迹点对应的修正速度；

在当前轨迹点对应的距离不小于所述交互轨迹点对应的距离时，根据所述前车在所述交互轨迹点的第二速度确定所述当前轨迹点对应的修正速度。

10.根据权利要求9所述的周围车辆的预测轨迹优化方法，其特征在于，所述根据所述每个轨迹点对应的修正距离确定所述当前轨迹点对应的修正速度，包括：

从所述当前轨迹点向所述轨迹起点方向选取第一预设距离对应的轨迹点，得到第一轨迹点；

从所述当前轨迹点向所述轨迹终点方向选取第二预设距离对应的轨迹点，得到第二轨迹点；

根据所述第一轨迹点对应的修正距离、所述第一轨迹点对应的时间、所述第二轨迹点对应的修正距离和所述第二轨迹点对应的时间，确定所述当前轨迹点对应的修正速度，所述第一轨迹点对应的时间为所述周围车辆从所述轨迹起点行驶至所述第一轨迹点所需的时间，所述第二轨迹点对应的时间为所述周围车辆从所述轨迹起点行驶至所述第二轨迹点所需的时间。

11.根据权利要求8所述的周围车辆的预测轨迹优化方法，其特征在于，所述方法还包括：

获取所述周围车辆在所述轨迹起点的起点速度，并确定所述目标预测轨迹中目标轨迹点的目标距离和目标时间，所述目标距离为所述目标轨迹点对应的修正距离，所述目标时间为所述周围车辆从所述轨迹起点行驶至所述目标轨迹点所需的时间；

计算所述周围车辆按照所述起点速度从所述轨迹起点行驶所述目标时间的距离，得到预定距离；

根据所述目标距离和所述预定距离确定所述周围车辆的纵向意图。

12.根据权利要求11所述的周围车辆的预测轨迹优化方法，其特征在于，所述根据所述目标距离和所述预定距离确定所述周围车辆的纵向意图，包括：

在所述目标距离大于所述预定距离与设定阈值之和时，确定所述周围车辆的纵向意图为加速；

在所述目标距离小于所述预定距离与设定阈值之和时，确定所述周围车辆的纵向意图为减速；

在所述目标距离等于所述预定距离与设定阈值之和时，确定所述周围车辆的纵向意图为匀速。

13.一种周围车辆的预测轨迹优化装置，其特征在于，所述装置包括：

车道确定模块，用于获取当前车辆的周围车辆的初始预测轨迹，确定所述初始预测轨迹的轨迹起点对应的起点车道和轨迹终点对应的终点车道；

方向优化模块，用于根据所述起点车道的位置和所述终点车道的位置确定所述终点车道的优化车道，并根据所述起点车道和所述优化车道对所述初始预测轨迹进行方向优化，得到中间预测轨迹；

前车确定模块，用于根据所述中间预测轨迹确定所述周围车辆的前车；

轨迹点优化模块，用于基于所述中间预测轨迹确定所述周围车辆与所述前车的交互轨迹点，并移动所述交互轨迹点得到所述交互轨迹点的优化轨迹点；

速度优化模块，用于基于所述优化轨迹点对所述中间预测轨迹进行速度优化，得到所述周围车辆的目标预测轨迹。

14.一种车辆，其特征在于，所述车辆包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至12中任一所述的周围车辆的预测轨迹优化方法。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至12中任一所述的周围车辆的预测轨迹优化方法。