(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210738098.5 (22)申请日 2022.06.27 (71)申请人 中国第一汽车股份有限公司 地址 130011 吉林省长 春市汽车 经济技术 开发区新红旗大街1号 (72)发明人 陈光　李曙光　李荣华　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 专利代理师 谢湘宁 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01)G06N 20/00(2019.01) (54)发明名称 车辆运动轨迹的预测方法、 装置、 存储介质 及电子装置 (57)摘要 本发明公开了一种车辆运动轨迹的预测方 法、 装置、 存储介质及电子装置。 其中， 该方法包 括： 获取目标车辆的车辆画像特征、 实时轨迹特 征和电子地图特征； 采用目标预测模 型对车辆画 像特征、 实时轨迹特征和电子地图特征进行预 测， 得到目标车辆的运动轨迹。 本发明解决了相 关技术中对于车辆运动轨迹的预测准确率低下 的技术问题。 权利要求书2页 说明书10页 附图3页 CN 115311461 A 2022.11.08 CN 115311461 A 1.一种车辆运动轨 迹的预测方法， 其特 征在于， 包括： 获取目标车辆的车辆画像特征、 实时轨迹特征和电子地图特征， 其中， 所述车辆画像特 征包括第一特征、 第二特征和 第三特征， 所述第一特征用于表征所述目标车辆的属性信息， 所述第二特征用于表征所述目标车辆的行程信息， 所述第三特征用于表征所述目标车辆的 状态信息， 所述电子地图特 征包括动态地图特 征和静态地图特 征； 采用目标预测模型对所述车辆画像特征、 所述实时轨迹特征和所述电子地图特征进行 预测， 得到所述目标车辆的运动轨迹， 其中， 所述目标预测模 型使用多组数据通过机器学习 训练得到， 所述多组数据中的每组数据均包括： 车辆画像样本特征、 实时轨迹样本特征和电 子地图样本特 征。 2.根据权利要求1所述的车辆运动轨迹的预测方法， 其特征在于， 采用所述目标预测模 型对所述车辆画像特征、 所述实时轨迹特征和所述电子地图特征进行预测， 得到所述 目标 车辆的运动轨 迹包括： 对所述所述车辆画像特征、 所述实时轨迹特征和所述电子地图特征进行编码处理， 得 到编码结果； 对所述编码结果进行 特征融合处 理， 得到融合结果； 对所述融合结果进行解码处 理， 得到解码结果； 基于所述 解码结果确定所述目标 车辆的运动轨 迹。 3.根据权利要求2所述的车辆运动轨迹的预测方法， 其特征在于， 对所述所述车辆画像 特征、 所述实时轨 迹特征和所述电子地图特 征进行编码处 理， 得到所述编码结果包括： 基于预设方式对所述车辆画像特征、 所述实时轨迹特征和所述电子地图特征进行增强 处理， 得到增强结果； 利用多层感知器结构和批量归一化结构对所述增强结果进行编码处理， 得到所述编码 结果。 4.根据权利要求2所述的车辆运动轨迹的预测方法， 其特征在于， 对所述编码结果进行 特征融合处 理， 得到所述融合结果包括： 采用转换器结构对所述编码结果的时间维度和车辆维度重复执行自注意力操作和交 叉注意力操作， 得到所述融合结果。 5.根据权利要求2所述的车辆运动轨迹的预测方法， 其特征在于， 对所述融合结果进行 解码处理， 得到所述 解码结果包括： 对所述融合结果增 加维度， 得到第一中间结果； 利用多层感知器结构对所述第一中间结果执 行变换操作， 得到变换 结果； 采用转换器结构对所述变换结果的时间维度和车辆维度重复执行自注意力操作， 得到 第二中间结果； 利用层归一 化结构对所述第二中间结果进行正则化处 理， 得到第三中间结果； 利用多层感知器结构和批量归一化结构对所述第 三中间结果进行解码处理， 得到所述 解码结果。 6.根据权利要求2所述的车辆运动轨迹的预测方法， 其特征在于， 基于所述解码结果确 定所述目标 车辆的运动轨 迹包括： 对所述解码结果进行相似度计算， 得到相似度结果；权　利　要　求　书 1/2 页 2 CN 115311461 A 2利用所述相似度结果对所述 解码结果进行合并处 理， 得到所述目标 车辆的运动轨 迹。 7.一种车辆运动轨 迹的预测装置， 其特 征在于， 包括： 获取模块， 用于获取目标车辆的车辆画像特征、 实时轨迹特征和电子地图特征， 其中， 所述车辆画像特征包括第一特征、 第二特征和第三特征， 所述第一特征用于表征所述 目标 车辆的属 性信息， 所述第二特征用于表征所述 目标车辆的行程信息， 所述第三特征用于表 征所述目标 车辆的状态信息， 所述电子地图特 征包括动态地图特 征和静态地图特 征； 预测模块， 用于采用目标预测模型对所述车辆画像特征、 所述实时轨迹特征和所述电 子地图特征进 行预测， 得到所述目标车辆的运动轨迹， 其中， 所述目标预测模型使用多组数 据通过机器学习训练得到， 所述多组数据中的每组数据均包括： 车辆画像样 本特征、 实时轨 迹样本特 征和电子地图样本特 征。 8.一种非易失性存储介质， 其特征在于， 所述存储介质中存储有计算机程序， 其中， 所 述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的车辆运动轨迹的预 测方法。 9.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序被设置为运行 时执行所述权利要求1至 6任一项中所述的车辆运动轨 迹的预测方法。 10.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行所述权利要求 1至6任一项中所述的车 辆运动轨 迹的预测方法。权　利　要　求　书 2/2 页 3 CN 115311461 A 3