本技术涉及车辆轨迹预测领域，具体是涉及一种轨迹预测模型优化方法、轨迹预测方法、装置及介质。
背景技术：
1、在现有技术中，自动驾驶的主要目的就是要对自车规划出安全舒适的未来行驶轨迹，为此就需要对自车周围的交通参与者的未来轨迹做出准确的预测。因此，轨迹预测算法的研究对于自动驾驶的安全性和舒适性都有着至关重要的作用。目前在学术界常用深度学习对车辆轨迹进行预测，随着数据量和计算机算力的不断增长，这种方法也逐渐应用到汽车工程领域。深度学习方法以数据为驱动，同时考虑车辆周边地图感知信息和周边车辆历史轨迹的特征信息，使得模型能够较好的适应复杂路况。但是，图神经网络模型将基于目标车、其他交通参与者的时间序列以及道路地图中包含的每个节点中的空间序列的编码结果，直接全部输入解码器并一次性输出完整的未来多条长轨迹及其对应的置信概率。这一结构导致对目标未来每一帧的预测都是仅仅基于目标车和其他交通参与者的当前和历史状态来做的，故而模型只能准确的预测未来较短时间内的轨迹，离当前时刻稍远的未来帧可能会有很大的误差。
2、因此，现有技术还有待改进和提高。
技术实现思路
1、本技术提供了一种轨迹预测模型优化方法、轨迹预测方法、装置及介质，以解决相关技术中在预测离当前时刻稍远的未来帧时容易产生很大的误差的技术问题。
2、为实现上述目的，本技术采用了以下技术方案：
3、本技术第一方面实施例提供一种基于未来轨迹迭代的轨迹预测模型优化方法，包括以下步骤：获取原始数据集，对所述原始数据集进行处理，得到目标训练集，所述原始数据集包括目标车辆集中的车辆在第一时长内的车辆信息及其对应的地图信息，所述目标车辆集为第一时长内出现在目标范围内的车辆的集合；构建车辆预测模型，基于所述目标训练集对所述车辆预测模型进行训练，得到目标预测模型，其中，所述目标预测模型包括迭代解码器，所述迭代解码器用于迭代输出多个未来多条短预测轨迹，并将所述多个未来多条短预测轨迹叠加为未来多条长预测轨迹。
4、根据上述技术手段，本技术实施例可以在图神经网络模型的基础上，将原有解码器修改为迭代解码器，能够得到利用目标车和其他交通参与者的当前和历史状态以及已经逐步预测出的短轨迹，来迭代的输出更准确的长预测轨迹的预测模型。
5、可选地，在本技术的一个实施例中，所述对所述原始数据集进行处理，得到目标训练集，包括：将所述原始数据集分割成多组目标数据集，每组所述目标数据集包括目标车辆集中的车辆在目标时长内的车辆信息及其对应的地图信息；基基于多组所述目标数据集生成多组目标序列信息组，每个所述目标序列信息组包括多个目标序列信息，所述目标序列信息包括车辆id、帧信息以及帧信息时刻对应的车辆状态；基于所述目标序列信息组获取所述目标训练集。
6、根据上述技术手段，本技术实施例可以更全面的对原始数据进行处理，得到更适合编码的数据组，更方便模型的训练。
7、可选地，在本技术的一个实施例中，所述车辆状态包括所述帧信息时刻的车辆大小、车辆位置、车辆速度和车辆航向角。
8、根据上述技术手段，本技术实施例可以基于车辆大小、车辆位置、车辆速度和车辆航向角更全面的了解车辆的当前状态，使训练后的模型更适用于真实情况。
9、可选地，在本技术的一个实施例中，所述基于所述目标序列信息组获取所述目标训练集，包括：获取目标帧，基于所述目标帧将所述目标序列信息组分割为历史信息组和未来信息组，所述历史信息组包括所述目标序列信息组中目标帧时刻以及目标帧时刻之前的所述目标序列信息，所述未来信息组包括所述目标序列信息组中所述目标帧时刻之后的所述目标序列信息；基于所述历史信息组生成多个目标训练组，所述目标训练组包括目标车辆和第一车辆对应的所述目标序列信息，所述目标车辆为所述目标车辆集中的车辆，所述第一车辆为在所述目标帧时刻出现在所述目标车辆的目标范围内的车辆；基于所述目标车辆在所述目标帧时刻的信息构建目标道路图作为所述目标训练组对应的地图信息；基于所述目标训练组、目标道路图以及未来信息组，组合成所述目标训练集。
10、根据上述技术手段，本技术实施例将获取到的序列信息基于时间进行更进一步地切割分组，并构建相应的地图信息，使得训练数据量更丰富，数据结构更清晰，训练后的模型更准确。
11、可选地，在本技术的一个实施例中，所述基于所述目标训练集对所述车辆预测模型进行训练，得到目标预测模型，包括：基于所述车辆预测模型中的目标编码器对所述目标训练组和所述目标道路图进行编码，得到目标序列特征；基于所述车辆预测模型中的目标迭代解码器和目标锚点对所述目标序列特征进行迭代解码，得到目标未来多条长预测轨迹及其对应的置信概率；基于所述未来信息组，对所述车辆预测模型进行训练，得到所述目标预测模型。
12、根据上述技术手段，本技术实施例通过采用迭代解码器，可以得到更适合预测未来多条长预测轨迹的预测模型，使得预测结果更准确。
13、可选地，在本技术的一个实施例中，所述基于所述目标编码器对所述目标训练组和所述目标道路图进行编码，得到目标序列特征，包括：基于所述目标道路图获取目标道路特征；基于所述目标训练组获取目标交互特征，所述目标交互特征由目标车辆特征和多个第一车辆特征组成；基于所述目标道路特征和所述目标交互特征，得到目标道路交互特征；基于所述目标车辆特征、所述目标交互特征和所述目标道路交互特征得到所述目标序列特征。
14、根据上述技术手段，本技术实施例可以将训练组和地图信息融合交互编码，使预测模型更适用于车辆轨迹的预测。
15、可选地，在本技术的一个实施例中，所述基于所述目标迭代解码器和所述目标锚点对所述目标序列特征进行迭代解码，得到目标未来多条长预测轨迹及其对应的置信概率，包括：基于所述目标序列特征和所述目标锚点获取目标轨迹编码及其对应的置信概率；将所述目标轨迹编码叠加至所述目标序列特征后重复执行基于所述目标序列特征和所述目标锚点获取目标轨迹编码及其对应的置信概率的步骤，直至得到目标数量个所述目标轨迹编码其对应的置信概率；将所述目标轨迹编码其对应的置信概率解码为目标未来多条短预测轨迹其对应的置信概率；将多个所述目标未来多条短预测轨迹及其对应的置信概率进行拼接，得到所述目标未来多条长预测轨迹及其对应的置信概率。
16、根据上述技术手段，本技术实施例采用迭代式解码器，将每一段得到短预测轨迹叠加至带预测特征序列中，一步一步地进行未来短轨迹的预测，最后叠加得到长预测轨迹，这样，相比于直接预测出长预测轨迹来说，本方案预测结果更加准确。
17、本技术第二方面实施例提供一种基于未来轨迹迭代的轨迹预测方法，包括以下步骤：获取待预测数据，所述待预测数据包括待预测车辆以及所述待预测车辆目标范围内的车辆在当前以及历史第二时长内的车辆信息及其对应的地图信息；基于所述目标预测模型和所述待预测数据对所述待预测车辆的未来行驶轨迹进行预测。
18、根据上述技术手段，本技术实施例可以通过所述目标预测模型以迭代的方式输出车辆的短预测轨迹并叠加成更准确的长预测轨迹，提高了行车的安全性。
19、本技术第三方面实施例提供一种基于未来轨迹迭代的轨迹预测模型优化装置，包括：
20、数据处理模块，用于获取原始数据集，对所述原始数据集进行处理，得到目标训练集，所述原始数据集包括目标车辆集中的车辆在第一时长内的车辆信息及其对应的地图信息，所述目标车辆集为第一时长内出现在目标范围内的车辆的集合；模型构建模块，构建车辆预测模型，基于所述目标训练集对所述车辆预测模型进行训练，得到目标预测模型，其中，所述目标预测模型包括迭代解码器，所述迭代解码器用于迭代输出多个未来多条短预测轨迹，并将所述多个未来多条短预测轨迹叠加为未来多条长预测轨迹。
21、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于未来轨迹迭代的轨迹预测模型优化程序，该程序被处理器执行时实现如上的基于未来轨迹迭代的轨迹预测模型优化方法。
22、本技术的有益效果：
23、(1)本技术实施例可以在图神经网络模型的基础上，将原有解码器修改为迭代解码器，利用目标车和其他交通参与者的当前和历史状态以及已经逐步预测出的短轨迹，来迭代的输出更准确的长预测轨迹。
24、(2)本技术实施例将获取到的序列信息基于时间进行更进一步地切割分组，并构建相应的地图信息，使得训练数据量更丰富，数据结构更清晰，训练后的模型更准确。
25、(3)本技术实施例采用迭代式解码器，将每一段得到短预测轨迹叠加至带预测特征序列中，一步一步地进行未来短轨迹的预测，最后叠加得到长预测轨迹，这样，相比于直接预测出长预测轨迹来说，本方案预测结果更加准确。
26、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
1.一种基于未来轨迹迭代的轨迹预测模型优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述对所述原始数据集进行处理，得到目标训练集，包括：
3.如权利要求2所述的方法，其特征在于，所述车辆状态包括所述帧信息时刻的车辆大小、车辆位置、车辆速度和车辆航向角。
4.如权利要求2所述的方法，其特征在于，所述基于所述目标序列信息组获取所述目标训练集，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述目标训练集对所述车辆预测模型进行训练，得到目标预测模型，包括：
6.如权利要求5所述的方法，其特征在于，所述基于所述目标编码器对所述目标训练组和所述目标道路图进行编码，得到目标序列特征，包括：
7.如权利要求5所述的方法，其特征在于，所述基于所述目标迭代解码器和所述目标锚点对所述目标序列特征进行迭代解码，得到目标未来多条长预测轨迹及其对应的置信概率，包括：
8.一种基于权利要求1-7任一项所述的基于未来轨迹迭代的轨迹预测方法，其特征在于，所述方法包括：
9.一种基于未来轨迹迭代的轨迹预测模型优化装置，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于未来轨迹迭代的车辆轨迹预测程序，所述基于未来轨迹迭代的轨迹预测模型优化程序被处理器执行时，实现如权利要求1-7任一项所述的基于未来轨迹迭代的轨迹预测模型优化方法的步骤。
