行驶行为的预测方法、装置、存储介质和电子装置与流程

1.本技术涉及自动驾驶领域，具体而言，涉及一种行驶行为的预测方法、装置、存储介质和电子装置。

背景技术：

2.随着高精地图在自动驾驶领域的应用，自动驾驶技术将不断提升，同时，自动驾驶系统需要面对与处理的环境信息将越来越复杂。在室外复杂的环境下，障碍物的运动存在高度不确定性，对环境中其他交通参与者的运动进行预测是轨迹规划结果安全、可行的必要保证。目前对环境中其他交通参与者的运动进行预测的方式一般是基于深度学习，卷积神经网络提取特征等方法，这些方式不仅需要搭建庞大的运算模型，还需要使用大量对精确度要求极高的数据来对模型进行训练，就导致最终需要部署在行驶工具上的模型更加庞大复杂，占用了行驶工具上大量的资源。
3.针对相关技术中，行驶工具的行为预测过程的复杂度较高等问题，尚未提出有效的解决方案。

技术实现要素：

4.本技术实施例提供了一种行驶行为的预测方法、装置、存储介质和电子装置，以至少解决相关技术中，行驶工具的行为预测过程的复杂度较高等问题。
5.根据本技术实施例的一个实施例，提供了一种行驶行为的预测方法，包括：根据目标对象的目标对象数据确定所述目标对象的目标对象状态，其中，所述目标对象是与目标行驶工具的行驶行为具有关联关系的对象，所述目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，所述判定结果的类型包括对象状态类型和行驶行为类型；在所述目标判定结果属于所述行驶行为类型的情况下，根据所述目标判定结果预测所述目标行驶工具的目标行驶行为，其中，所述目标行驶行为用于预测所述目标行驶工具的行驶线路，预测出的所述目标行驶工具的行驶线路用于规划所述当前驾驶的行驶工具的行驶路线。
6.在一个示例性实施例中，所述将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，包括：将所述目标对象状态作为初始的当前对象状态，重复执行以下步骤，直至得到属于所述行驶行为类型的判定结果：遍历每个所述前提条件；将所述当前对象状态与当前的所述前提条件进行匹配；
在所述当前对象状态中包括当前的所述前提条件中的全部条件分支的情况下，确定当前的所述前提条件所对应的当前判定结果所属于的类型；在所述当前判定结果属于所述对象状态类型的情况下，将所述当前判定结果添加到所述当前对象状态中作为下一个当前对象状态。
7.在一个示例性实施例中，所述确定当前的所述前提条件所对应的当前判定结果所属于的类型，包括：在当前的所述前提条件用于指示使用目标分类器预测所述目标行驶工具的行驶行为的情况下，从所述目标对象数据中获取所述目标分类器对应的目标预测数据；将所述目标预测数据带入所述目标分类器，得到所述目标分类器输出的预测结果作为所述当前判定结果，其中，所述预测结果属于所述对象状态类型。
8.在一个示例性实施例中，在所述从所述目标对象数据中获取所述目标分类器对应的目标预测数据之前，所述方法还包括：在当前的所述前提条件中包括第一对象状态的情况下，确定所述目标分类器为第一分类器，其中，所述第一对象状态用于指示所述目标行驶工具与其他行驶工具之间的纵向距离小于或者等于目标阈值，所述第一分类器所对应的预测数据包括航向角数据和与车道线距离数据，所述航向角数据用于指示所述目标行驶工具的航向角，所述与车道线距离数据用于指示所述目标行驶工具与车道线之间的距离；在当前的所述前提条件中包括第二对象状态的情况下，确定所述目标分类器为第二分类器，其中，所述第二对象状态用于指示所述目标行驶工具与其他行驶工具之间的纵向距离大于所述目标阈值，所述第二分类器所对应的预测数据包括横向速度数据和所述与车道线距离数据，所述横向速度数据用于指示所述目标行驶工具的横向速度。
9.在一个示例性实施例中，所述将所述目标预测数据带入所述目标分类器，得到所述目标分类器输出的预测结果作为所述当前判定结果，包括：获取每种行驶行为对应的先验概率，并计算在每种行驶行为下每种目标预测数据所对应的条件概率，其中，所述条件概率用于指示在测量值为所述每种目标预测数据的条件下，所述目标行驶工具的行驶行为为所述每种行驶行为的概率；将全部目标预测数据所对应的所述条件概率相乘，得到第一乘积值；将所述第一乘积值与所述先验概率相乘，得到第二乘积值作为所述每种行驶行为对应的行为概率；将所对应的所述行为概率最高的行驶行为确定为所述预测结果。
10.在一个示例性实施例中，在所述根据所述目标判定结果预测所述目标行驶工具的目标行驶行为之后，所述方法还包括：获取目标周期内所述目标对象的参考对象数据以及所述目标行驶工具的实际行驶行为；根据所述参考对象数据和所述实际行驶行为更新所述先验概率和所述条件概率的概率分布参数。
11.在一个示例性实施例中，所述根据目标对象的目标对象数据确定所述目标对象的目标对象状态，包括：采集所述目标对象上产生的所述目标对象数据，其中，所述目标对象包括以下至
少之一：所述目标行驶工具，所述目标行驶工具的行驶场景，位于所述目标行驶工具所在范围内的行驶工具；从具有对应关系的对象数据和对象状态中获取所述目标对象数据所对应的目标对象状态。
12.根据本技术实施例的另一个实施例，还提供了一种行驶行为的预测装置，包括：第一确定模块，用于根据目标对象的目标对象数据确定所述目标对象的目标对象状态，其中，所述目标对象是与目标行驶工具的行驶行为具有关联关系的对象，所述目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；匹配模块，用于将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，所述判定结果的类型包括对象状态类型和行驶行为类型；预测模块，用于在所述目标判定结果属于所述行驶行为类型的情况下，根据所述目标判定结果预测所述目标行驶工具的目标行驶行为，其中，所述目标行驶行为用于预测所述目标行驶工具的行驶线路，预测出的所述目标行驶工具的行驶线路用于规划所述当前驾驶的行驶工具的行驶路线。
13.根据本技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述行驶行为的预测方法。
14.根据本技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的行驶行为的预测方法。
15.通过本技术，首先根据与目标行驶工具的行驶行为具有关联关系的目标对象的目标对象数据确定目标对象的目标对象状态，再将目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与目标对象状态匹配的目标前提条件所对应的目标判定结果，如果匹配出的目标判定结果属于行驶行为类型，则可以根据该目标判定结果来预测出目标行驶工具的目标行驶行为。可见，只需在当前驾驶的行驶工具上部署具有对应关系的前提条件和判定结果，在对位于当前驾驶的行驶工具所在范围内的目标行驶工具的行驶行为进行预测时，依据目标行驶工具所关联的目标对象的目标对象数据确定出目标对象的目标对象状态，即可通过前提条件匹配的方式准确预测出目标行驶工具的目标行驶行为，不仅降低了在当前驾驶的行驶工具上所部署内容的复杂度，同时也降低了处理过程的复杂度。因此，可以解决行驶工具的行为预测过程的复杂度较高等问题，实现了降低行驶工具的行为预测过程的复杂度的效果。
附图说明
16.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
17.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1是根据本技术实施例的一种行驶行为的预测方法的硬件环境示意图；图2是根据本技术实施例的一种行驶行为的预测方法的流程图；图3是根据本技术可选的实施方式的一种行驶行为的预测过程的应用场景的示意图；图4是根据本技术可选的实施方式的一种前提条件的匹配过程的示意图；图5是根据本技术可选实施例的一种当前驾驶车辆的行驶路线规划系统的示意图；图6是根据本技术可选实施例的一种当前驾驶车辆的行驶路线规划系统中预测单元的示意图；图7是根据本技术实施例的一种行驶行为的预测装置的结构框图。
具体实施方式
19.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，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，都应当属于本技术保护的范围。
20.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”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，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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。
21.本技术实施例所提供的方法实施例可以在计算机终端、设备终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是根据本技术实施例的一种行驶行为的预测方法的硬件环境示意图。如图1所示，计算机终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置）和用于存储数据的存储器104，在一个示例性实施例中，上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
22.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的消息推送的发送方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包
括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
23.传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器（network interface controller，简称为nic），其可通过与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频（radio frequency，简称为rf）模块，其用于通过无线方式与互联网进行通讯。
24.在本实施例中提供了一种行驶行为的预测方法，图2是根据本技术实施例的一种行驶行为的预测方法的流程图，如图2所示，该流程包括如下步骤：步骤s202，根据目标对象的目标对象数据确定目标对象的目标对象状态，其中，目标对象是与目标行驶工具的行驶行为具有关联关系的对象，目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；步骤s204，将目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，判定结果的类型包括对象状态类型和行驶行为类型；步骤s206，在目标判定结果属于行驶行为类型的情况下，根据目标判定结果预测目标行驶工具的目标行驶行为，其中，目标行驶行为用于预测目标行驶工具的行驶线路，预测出的目标行驶工具的行驶线路用于规划当前驾驶的行驶工具的行驶路线。
25.通过上述步骤，首先根据与目标行驶工具的行驶行为具有关联关系的目标对象的目标对象数据确定目标对象的目标对象状态，再将目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与目标对象状态匹配的目标前提条件所对应的目标判定结果，如果匹配出的目标判定结果属于行驶行为类型，则可以根据该目标判定结果来预测出目标行驶工具的目标行驶行为。可见，只需在当前驾驶的行驶工具上部署具有对应关系的前提条件和判定结果，在对位于当前驾驶的行驶工具所在范围内的目标行驶工具的行驶行为进行预测时，依据目标行驶工具所关联的目标对象的目标对象数据确定出目标对象的目标对象状态，即可通过前提条件匹配的方式准确预测出目标行驶工具的目标行驶行为，不仅降低了在当前驾驶的行驶工具上所部署内容的复杂度，同时也降低了处理过程的复杂度。因此，可以解决行驶工具的行为预测过程的复杂度较高等问题，实现了降低行驶工具的行为预测过程的复杂度的效果。
26.可选地，在本实施例中，上述行驶行为的预测方法可以但不限于应用于上述当前驾驶的行驶工具上，或者也可以应用于当前驾驶的行驶工具对应的服务器上，由该服务器对当前驾驶的行驶工具进行控制。
27.可选地，在本实施例中，行驶工具可以但不限于包括任何种类任何功能的移动轨迹允许被控制的工具，比如：交通工具（车辆，船只，飞机等等），测量工具（无人机，探测车等等）。
28.可选地，在本实施例中，当前驾驶的行驶工具为当前移动轨迹被控制的工具，目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具，位于当前驾驶的行驶工具所在范围内的行驶工具的行驶行为会影响到当前驾驶的行驶工具的移动轨迹，可以先预测出这类目标行驶工具的行驶行为，再依据预测出的目标行驶工具的行驶行为来规划当前驾驶的行驶工具的行驶轨迹。比如：当前驾驶的行驶工具为道路上行驶的车辆，那么可以依据预
测出的其周围车辆的行驶行为来指导该驾驶车辆的行驶轨迹。或者，当前驾驶的行驶工具为无人机，那么可以依据预测出的其周围无人机的行驶行为来指导该驾驶的无人机的飞行轨迹。
29.需要说明的是，在本实施例中，以行驶工具为车辆为例进行行驶行为的预测过程的说明和描述，其他类型的行驶工具的处理过程与之类似，在此不再赘述。
30.在上述步骤s202提供的技术方案中，当前驾驶的行驶工具可以为驾驶车辆（人为驾驶，或者自动驾驶），当前驾驶的行驶工具所在范围可以但不限于是设定的当前驾驶的行驶工具周围能够对当前驾驶的行驶工具的轨迹造成影响的范围。目标行驶工具可以是进入驾驶车辆所在范围内的其他车辆。
31.可选地，在本实施例中，目标对象是与目标行驶工具的行驶行为具有关联关系的对象，换句话说，如果目标行驶工具是道路上在当前驾驶的车辆周围行驶的其他车辆，那么目标对象可以是道路环境中能够对该其他车辆的行驶行为产生影响的任何对象，比如：车辆，行人，障碍物，交通设施，道路，交通标记等等。
32.可选地，在本实施例中，目标对象的目标对象数据可以但不限于包括能够感知或者采集到的目标对象上任何能够用于判断其对象状态的数据。比如：图像数据，地图数据，车速数据，加速度数据，转向数据等等。与目标行驶工具的行驶行为具有关联关系的对象可以但不限于包括一个或者多个对象，这一个或者多个对象中可以但不限于包括目标行驶工具本身。也就是说，对于目标行驶工具的行驶行为的预测可以用来规划当前驾驶的行驶工具的行驶路线，而目标行驶工具的行驶行为是依据与目标行驶工具的行驶行为具有关联关系的目标对象的对象状态预测出的。
33.可选地，在本实施例中，目标对象的目标对象数据可以但不限于包括通过车辆上部署的各种传感器采集到的数据，比如：通过摄像头（可以但不限于包括前视、后视和环视等）、雷达（可以但不限于包括前雷达和角雷达等）、激光雷达等传感器感知采集到的数据。
34.可选地，在本实施例中，目标对象的目标对象状态可以但不限于包括能够对目标行驶工具的行驶行为产生影响的状态。比如：导航地图状态，行驶道路状态，行驶参数状态等等。
35.在一个可选的实施方式中，提供了一种上述行驶行为的预测过程在道路上车辆驾驶上的应用场景，图3是根据本技术可选的实施方式的一种行驶行为的预测过程的应用场景的示意图，如图3所示，车辆3为当前驾驶的行驶工具，车辆2和车辆4都可以作为车辆3对应的目标行驶工具，对于车辆2来说，与其具有关联关系的目标对象可以但不限于包括：车辆2本身，车辆2的前车车辆1以及车辆2所行使的车道，车道旁的障碍物，道路上的标记，道路上的指示牌等等。
36.可选地，在本实施例中，在目标对象上采集和感知到的不同目标对象数据能够体现出目标对象所处于的不同目标对象状态，可以但不限于采用数据融合或者数据解析等方式来确定出目标对象的目标对象状态。比如：可以但不限于通过车辆上部署的信息融合算法来对获取到的目标对象数据进行融合处理，从而得到目标对象状态。
37.在一个示例性实施例中，根据目标对象的目标对象数据可以但不限于采用以下方式确定目标对象的目标对象状态：采集目标对象上产生的目标对象数据，其中，目标对象包括以下至少之一：目标行驶工具，目标行驶工具的行驶场景，位于目标行驶工具所在范围内
的行驶工具；从具有对应关系的对象数据和对象状态中获取目标对象数据所对应的目标对象状态。
38.可选地，在本实施例中，目标行驶工具的行驶场景可以但不限于包括车辆的行驶道路，位于目标行驶工具所在范围内的行驶工具可以但不限于包括：车辆的前车，后车，侧方位来车等等进入到目标行驶工具所在范围内的车辆。
39.可选地，在本实施例中，可以但不限于预先存储具有对应关系的对象数据和对象状态，从而用来依据目标对象的目标对象数据判断目标对象的目标对象状态，或者，具有对应关系的对象数据和对象状态还可以是算法函数，将目标对象数据带入到算法函数中即可得到输出的目标对象状态。
40.在上述步骤s204提供的技术方案中，行驶行为的预测过程中可以但不限于提前在知识库中部署具有对应关系的前提条件和判定结果，这些具有对应关系的前提条件和判定结果可以但不限于相当于是对于不同驾驶环境下车辆驾驶操作的合理决策，其可以但不限于是依据大量的驾驶经验总结出的。
41.比如：车辆在驾驶环境a中适合加速，车辆在驾驶环境b中适合减速，车辆在左车道加速时采用公式1计算加速度，车辆在左车道减速时采用公式2计算加速度等等的驾驶经验可以记录为以下具有对应关系的前提条件和判定结果存储在知识库中：车辆在驾驶环境a中适合加速对应的前提条件为驾驶环境a，对应的判定结果为可以加速；车辆在驾驶环境b中适合减速对应的前提条件为驾驶环境b，对应的判定结果为可以减速；车辆在左车道加速时采用公式1计算加速度对应的前提条件为左车道和可以加速，对应的判定结果为公式1计算加速度；车辆在左车道减速时采用公式2计算加速度对应的前提条件为左车道和可以减速，对应的判定结果为公式2计算加速度。
42.可选地，在本实施例中，判定结果的类型包括对象状态类型和行驶行为类型，如果判定结果的类型为对象状态类型，则该判定结果可以继续进行匹配，直至匹配到能够用于预测目标行驶行为的判定结果，如果判定结果的类型为行驶行为类型，则该判定结果可以用于预测目标行驶行为。
43.比如：上述可以减速和可以加速的判定结果属于对象状态类型，上述公式1计算加速度和公式2计算加速度的判定结果属于行驶行为类型，即如果判定结果为可以减速，那么如果可以确定出车辆行驶在左车道，那么可以继续依据左车道和可以减速作为前提条件，得到判定结果为公式2计算加速度，该判定结果可以用于预测目标行驶行为。
44.在一个示例性实施例中，可以但不限于采用以下方式将目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与目标对象状态匹配的目标前提条件所对应的目标判定结果：将目标对象状态作为初始的当前对象状态，重复执行以下步骤，直至得到属于行驶行为类型的判定结果：遍历每个前提条件；将当前对象状态与当前的前提条件进行匹配；在当前对象状态中包括当前的前提条件中的全部条件分支的情况下，确定当前的前提条件所对应的当前判定结果所属于的类型；在当前判定结果属于对象状态类型的情况下，将当前判定结果添加到当前对象状态中作为下一个当前对象状态。
45.可选地，在本实施例中，行驶工具的行驶行为可以但不限于包括：保持车道、向左变道和向右变道等等。也就是说，具有对应关系的前提条件和判定结果属于行驶行为类型的判定结果可以但不限于包括：保持车道、向左变道和向右变道等等，可以通过上述循环匹
配的方式来使用当前对象状态反复到具有对应关系的前提条件和判定结果中进行前提条件的匹配，直至得到属于行驶行为类型的判定结果。
46.可选地，在本实施例中，具有对应关系的前提条件和判定结果可以但不限于包括以下方面的对象状态：导航地图状态，目标对象的信息融合状态，判断变道可行性的状态（比如：左车道存在，右车道存在，左右车道均存在），左右车道上是否有障碍物的状态，目标行驶工具所在车道与左右车道中间是否有栅栏、草坪等障碍物的状态，目标行驶工具横向速度的状态，目标行驶工具横向位置的状态，目标行驶工具所在纵向位置及对应航向角的状态，目标行驶工具与后方来车距离是否超过阈值的状态，分类器计算概率最大的类别等等。
47.可选地，在本实施例中，前提条件中可以但不限于包括一个或者多个条件分支，如果当前对象状态中包括某个前提条件中的全部条件分支，则可以确定该当前对象状态与该前提条件匹配成功。比如：上述具有对应关系的前提条件：左车道和可以加速，判定结果：公式1计算加速度，其中，前提条件具有两个条件分支：分支1为左车道，分支2为可以加速。
48.可选地，在本实施例中，以行驶行为包括：保持车道、向左变道和向右变道为例，知识库中存储的具有对应关系的前提条件和判定结果可以但不限于包括以下内容：关系1：地图视觉∩左车道存在∩所在车道与左车道无电子围栏信息∩左车道无障碍物 = 左车道可供变道关系2：地图导航∩左车道存在∩无障碍物 = 左车道可供变道关系3：左车道不存在∪左车道有障碍物 = 不可左变道关系4：融合前视∩目标距离≤80∩变道窗口满足条件 = 选择分类器（航向角+与车道线距离）关系5：左车道可供变道∩分类器（航向角+与车道线距离）判断结果为左变道 = 目标左变道关系6：融合前视∩目标距离＞80∩变道窗口满足条件 = 选择分类器（横向速度+与车道线距离）关系7：左车道可供变道∩分类器（横向速度+与车道线距离）判断结果为左变道= 目标左变道关系8：不可左变道∩不可右变道 = 保持车道关系9：不可左变道∩分类器（航向角+与车道线距离）判断结果为保持车道 = 目标保持车道其中，地图信息状态可以分为上述地图导航和地图视觉两个状态：地图导航状态可以是gps（global positioning system，全球定位系统）可信度较高的状态，在该状态下可以结合自车传感器等信息输出目标行驶工具的融合定位结果；地图视觉状态可以是gps可信度较低的状态，在该状态下可以依靠自车摄像头等传感器信息输出目标行驶工具的融合定位结果。上述目标距离可以但不限于为目标行驶工具与其他行驶工具之间的纵向距离。其他行驶工具可以但不限于为目标行驶工具的前车或者后车。
49.在一个可选的实施方式中，提供了一种前提条件的匹配过程，图4是根据本技术可选的实施方式的一种前提条件的匹配过程的示意图，如图4所示，将目标对象状态作为初始的当前对象状态，匹配当前对象状态与当前的前提条件，比如：当前的前提条件为地图视觉
∩左车道存在∩所在车道与左车道无电子围栏信息∩左车道无障碍物，在当前对象状态中包括该前提条件中的全部条件分支的情况下，确定当前的前提条件所对应的当前判定结果（左车道可供变道）所属于的类型，该当前判定结果属于对象状态类型，则将该当前判定结果添加到当前对象状态中作为下一个当前对象状态。
50.在一个示例性实施例中，可以但不限于采用以下方式确定当前的前提条件所对应的当前判定结果所属于的类型：在当前的前提条件用于指示使用目标分类器预测目标行驶工具的行驶行为的情况下，从目标对象数据中获取目标分类器对应的目标预测数据；将目标预测数据带入目标分类器，得到目标分类器输出的预测结果作为当前判定结果，其中，预测结果属于对象状态类型。
51.可选地，在本实施例中，对于前提条件中指示的不同情况，可以使用适合该情况的目标分类器来预测各个行驶行为对应的概率得到预测结果作为当前判定结果。通过目标分类器所得到预测结果属于对象状态类型，可以继续使用预测结果匹配前提条件。
52.可选地，在本实施例中，不同的目标分类器使用的目标预测数据不同，每种目标分类器所使用的目标预测数据与前提条件所指示的情况相适应。比如：如上述关系4所示，如果目标距离≤80，那么更适合使用航向角数据和与车道线距离数据确定各个行驶行为的概率。如上述关系6所示，如果目标距离＞80，则更适合使用横向速度数据以及与车道线距离数据确定各个行驶行为的概率。
53.在一个示例性实施例中，在从目标对象数据中获取目标分类器对应的目标预测数据之前，可以但不限于采用以下方式：在当前的前提条件中包括第一对象状态的情况下，确定目标分类器为第一分类器，其中，第一对象状态用于指示目标行驶工具与其他行驶工具之间的纵向距离小于或者等于目标阈值，第一分类器所对应的预测数据包括航向角数据和与车道线距离数据，航向角数据用于指示目标行驶工具的航向角，与车道线距离数据用于指示目标行驶工具与车道线之间的距离；在当前的前提条件中包括第二对象状态的情况下，确定目标分类器为第二分类器，其中，第二对象状态用于指示目标行驶工具与其他行驶工具之间的纵向距离大于目标阈值，第二分类器所对应的预测数据包括横向速度数据和与车道线距离数据，横向速度数据用于指示目标行驶工具的横向速度。
54.可选地，在本实施例中，如果当前的前提条件中包括用于指示目标行驶工具与其他行驶工具之间的纵向距离小于或者等于目标阈值的第一对象状态，则可以使用航向角数据和与车道线距离数据来作为预测数据，并使用第一分类器作为目标分类器。如果当前的前提条件中包括用于指示目标行驶工具与其他行驶工具之间的纵向距离大于目标阈值的第二对象状态，那么可以使用横向速度数据和与车道线距离数据作为预测数据，使用第二分类器作为目标分类器。
55.通过上述过程，可以根据传感器特性，随着车距的变化，使用不同的分类器和阈值对车辆行为进行预测，从而提高行驶行为预测的准确性和适应性。
56.在一个示例性实施例中，可以但不限于采用以下方式将目标预测数据带入目标分类器，得到目标分类器输出的预测结果作为当前判定结果，包括：获取每种行驶行为对应的先验概率，并计算在每种行驶行为下每种目标预测数据所对应的条件概率，其中，条件概率用于指示在测量值为每种目标预测数据的条件下，目标行驶工具的行驶行为为每种行驶行为的概率；将全部目标预测数据所对应的条件概率相乘，得到第一乘积值；将第一乘积值与
先验概率相乘，得到第二乘积值作为每种行驶行为对应的行为概率；将所对应的行为概率最高的行驶行为确定为预测结果。
57.可选地，在本实施例中，可以但不限于通过先验概率与条件概率结合的算法来确定目标分类器输出的预测结果。
58.比如：在目标距离≤80m的情况下，选取分类器（航向角+与车道线距离），在目标距离＞80m的情况下，选取分类器（横向速度+与车道线距离），以分类器（航向角+与车道线距离）的计算过程为例，分类器（航向角+与车道线距离）的预测结果h（x）可以表示为：其中，h表示分类器判断结果，x1表示航向角测量值，x2表示与车道线距离测量值，y={c1，c2，c3}为类别标签集合，其中，c1，c2，c3分别表示左变道、保持车道、右变道，p（ck）为先验概率，p（x1|ck）为当航向角测量值为x1时，类别为ck的条件概率。
59.类别为ck的样本在x1，x2属性上概率分布满足，计算公式如下：其中，和分别是分布的期望和方差。
60.在上述步骤s206提供的技术方案中，可以但不限于直接把目标判定结果确认为目标行驶行为，比如：目标判定结果为向左变道，则将目标行驶行为确定为向左变道。或者，还可以结合其他可以获取到的目标行驶工具的信息来预测出更加准确的目标行驶工具的目标行驶行为。
61.可选地，在本实施例中，目标行驶行为用于预测目标行驶工具的行驶线路，预测出的目标行驶工具的行驶线路用于规划当前驾驶的行驶工具的行驶路线。也就是说，在上述步骤s206之后，还可以根据目标行驶行为预测目标行驶工具的行驶线路，即对目标行驶工具进行轨迹预测，再根据预测出的目标行驶工具的行驶线路来规划当前驾驶的行驶工具的行驶路线，从而根据规划出的行驶路线对当前驾驶的行驶工具进行控制。
62.在一个示例性实施例中，在上述步骤s206之后，可以但不限于采用以下方式更新先验概率和条件概率的概率分布参数：获取目标周期内目标对象的参考对象数据以及目标行驶工具的实际行驶行为；根据参考对象数据和实际行驶行为更新先验概率和条件概率的概率分布参数。
63.可选地，在本实施例中，上述知识库可以根据一定时间内的数据以及检测到的目标行驶工具的实际行为结果（即上述实际行驶行为），对上述目标分类器各类别的先验概率及条件概率分布参数进行实时动态更新。通过知识库的更新可减小车辆差异及测量误差对行为判断准确率的影响。
64.在一个可选实施例中，提供了一种结合了上述行驶行为的预测过程的当前驾驶车辆的行驶路线规划系统，图5是根据本技术可选实施例的一种当前驾驶车辆的行驶路线规划系统的示意图，如图5所示，该系统包括：系统输入部分，系统信息处理和决策规划部分，以及，系统执行部分。
65.系统输入部分可以但不限于包括：感知单元（摄像头、雷达、激光雷达），用于获取障碍物信息、交通指示灯及车道标线信息；导航和地图定位单元，用于获得全局路径，道路信息、定位信息、车道中心线信息及天气状况；车身单元，用于获得驾驶员请求、设置和车速等信息。
66.系统信息处理和决策规划部分可以但不限于包括：融合单元，用于对上述的系统输入部分的输出信息做融合处理，获得车道线信息、障碍物信息、包含择路信息的全局路径信息和所在车道信息、变道优先请求等；目标选择单元，用于筛选邻近目标及相对位置信息，得到上述目标行驶工具；预测单元，包括行为预测与轨迹预测，用于对自车邻近的目标（即上述目标行驶工具）的行驶行为进行预测；决策和规划单元，用于对融合单元及预测单元的信息进行处理，获得方向盘转角请求、加减速请求和转向灯请求。
67.系统执行部分：执行单元，用于执行上述的决策和规划单元输出的请求指令。
68.可选的，本系统中单元之间参数传输方式可以但不限于包括can（controller area network，控制器局域网）总线，以太网等等。
69.图6是根据本技术可选实施例的一种当前驾驶车辆的行驶路线规划系统中预测单元的示意图，如图6所示，该预测单元包括：行为预测部分和轨迹预测部分，行为预测部分的预测过程可以但不限于基于被预测的目标行驶工具所在的车道中心线参考系。
70.行为预测部分的输入可以但不限于包括：地图信息及道路边界等信息，融合单元给出的目标及障碍物信息，车道及车道边界信息等，以及还可以包括目标行驶工具周围车辆类型、外形，目标行驶工具的邻近车辆与目标行驶工具之间纵向距离和速差等数据。上述信息存储在数据库中，推理机可以使用上述信息确定出目标行驶工具所关联的目标对象的目标对象状态，再根据该目标对象状态到知识库中记录的具有对应关系的前提条件和判定结果中进行匹配，最终得到如保持车道、向左变道、向右变道等属于行驶行为类型的目标判定结果作为行为预测结果输入给轨迹预测，轨迹预测依据该行为预测结果对目标行驶工具的行驶路线（即轨迹）进行预测。
71.可选的，可以通过车辆上部署的ota（over-the-air technology，空中下载技术）单元在线获取专业知识并更新知识库。
72.通过上述过程，考虑被预测的目标行驶工具与周围车辆之间的交互关系，目标行驶工具所在车道的相邻左右车道车辆的交互，根据实际情景进行目标行驶工具的变道可行性判断。并基于规则与分类器结合的方式对车辆的行驶行为进行预测，可解释性强，针对不同情况使用不同的分类器进行车辆行为预测，适应性强。
73.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如rom/ram、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本技术各个实施例的方法。
74.图7是根据本技术实施例的一种行驶行为的预测装置的结构框图；如图7所示，包括：第一确定模块72，用于根据目标对象的目标对象数据确定所述目标对象的目标对
象状态，其中，所述目标对象是与目标行驶工具的行驶行为具有关联关系的对象，所述目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；匹配模块74，用于将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，所述判定结果的类型包括对象状态类型和行驶行为类型；预测模块76，用于在所述目标判定结果属于所述行驶行为类型的情况下，根据所述目标判定结果预测所述目标行驶工具的目标行驶行为，其中，所述目标行驶行为用于预测所述目标行驶工具的行驶线路，预测出的所述目标行驶工具的行驶线路用于规划所述当前驾驶的行驶工具的行驶路线。
75.通过上述实施例，首先根据与目标行驶工具的行驶行为具有关联关系的目标对象的目标对象数据确定目标对象的目标对象状态，再将目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与目标对象状态匹配的目标前提条件所对应的目标判定结果，如果匹配出的目标判定结果属于行驶行为类型，则可以根据该目标判定结果来预测出目标行驶工具的目标行驶行为。可见，只需在当前驾驶的行驶工具上部署具有对应关系的前提条件和判定结果，在对当前驾驶的行驶工具具有关联关系的目标对象的行驶行为进行预测时，依据目标对象的目标对象数据确定出目标对象的目标对象状态，即可通过前提条件匹配的方式准确预测出目标对象的目标行驶行为，不仅降低了在当前驾驶的行驶工具上所部署内容的复杂度，同时也降低了处理工程的复杂度。因此，可以解决车辆行为预测过程的复杂度较高等问题，实现了降低车辆行为预测过程的复杂度的效果。
76.在一个示例性实施例中，所述匹配模块，包括：执行单元，用于将所述目标对象状态作为初始的当前对象状态，重复执行以下步骤，直至得到属于所述行驶行为类型的判定结果：遍历每个所述前提条件；将所述当前对象状态与当前的所述前提条件进行匹配；在所述当前对象状态中包括当前的所述前提条件中的全部条件分支的情况下，确定当前的所述前提条件所对应的当前判定结果所属于的类型；在所述当前判定结果属于所述对象状态类型的情况下，将所述当前判定结果添加到所述当前对象状态中作为下一个当前对象状态。
77.在一个示例性实施例中，所述执行单元，用于：在当前的所述前提条件用于指示使用目标分类器预测所述目标行驶工具的行驶行为的情况下，从所述目标对象数据中获取所述目标分类器对应的目标预测数据；将所述目标预测数据带入所述目标分类器，得到所述目标分类器输出的预测结果作为所述当前判定结果，其中，所述预测结果属于所述对象状态类型。
78.在一个示例性实施例中，所述装置还包括：第二确定模块，用于在所述从所述目标对象数据中获取所述目标分类器对应的目标预测数据之前，在当前的所述前提条件中包括第一对象状态的情况下，确定所述目标分类器为第一分类器，其中，所述第一对象状态用于指示所述目标行驶工具与其他行驶工具之间的纵向距离小于或者等于目标阈值，所述第一分类器所对应的预测数据包括航向角数据和与车道线距离数据，所述航向角数据用于指示所述目标行驶工具的航向角，所述与车
道线距离数据用于指示所述目标行驶工具与车道线之间的距离；第三确定模块，用于在当前的所述前提条件中包括第二对象状态的情况下，确定所述目标分类器为第二分类器，其中，所述第二对象状态用于指示所述目标行驶工具与其他行驶工具之间的纵向距离大于所述目标阈值，所述第二分类器所对应的预测数据包括横向速度数据和所述与车道线距离数据，所述横向速度数据用于指示所述目标行驶工具的横向速度。
79.在一个示例性实施例中，所述执行单元，用于：获取每种行驶行为对应的先验概率，并计算在每种行驶行为下每种目标预测数据所对应的条件概率，其中，所述条件概率用于指示在测量值为所述每种目标预测数据的条件下，所述目标行驶工具的行驶行为为所述每种行驶行为的概率；将全部目标预测数据所对应的所述条件概率相乘，得到第一乘积值；将所述第一乘积值与所述先验概率相乘，得到第二乘积值作为所述每种行驶行为对应的行为概率；将所对应的所述行为概率最高的行驶行为确定为所述预测结果。
80.在一个示例性实施例中，所述装置还包括：获取模块，用于在所述根据所述目标判定结果预测所述目标行驶工具的目标行驶行为之后，获取目标周期内所述目标对象的参考对象数据以及所述目标行驶工具的实际行驶行为；更新模块，用于根据所述参考对象数据和所述实际行驶行为更新所述先验概率和所述条件概率的概率分布参数。
81.在一个示例性实施例中，所述第一确定模块，包括：采集单元，用于采集所述目标对象上产生的所述目标对象数据，其中，所述目标对象包括以下至少之一：所述目标行驶工具，所述目标行驶工具的行驶场景，位于所述目标行驶工具所在范围内的行驶工具；获取单元，用于从具有对应关系的对象数据和对象状态中获取所述目标对象数据所对应的目标对象状态。
82.本技术的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。
83.可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：s1，根据目标对象的目标对象数据确定所述目标对象的目标对象状态，其中，所述目标对象是与目标行驶工具的行驶行为具有关联关系的对象，所述目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；s2，将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，所述判定结果的类型包括对象状态类型和行驶行为类型；s3，在所述目标判定结果属于所述行驶行为类型的情况下，根据所述目标判定结果预测所述目标行驶工具的目标行驶行为，其中，所述目标行驶行为用于预测所述目标行驶工具的行驶线路，预测出的所述目标行驶工具的行驶线路用于规划所述当前驾驶的行驶
工具的行驶路线。
84.本技术的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
85.可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
86.可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：s1，根据目标对象的目标对象数据确定所述目标对象的目标对象状态，其中，所述目标对象是与目标行驶工具的行驶行为具有关联关系的对象，所述目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；s2，将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，所述判定结果的类型包括对象状态类型和行驶行为类型；s3，在所述目标判定结果属于所述行驶行为类型的情况下，根据所述目标判定结果预测所述目标行驶工具的目标行驶行为，其中，所述目标行驶行为用于预测所述目标行驶工具的行驶线路，预测出的所述目标行驶工具的行驶线路用于规划所述当前驾驶的行驶工具的行驶路线。
87.可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器（read-only memory，简称为rom）、随机存取存储器（random access memory，简称为ram）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
88.可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
89.显然，本领域的技术人员应该明白，上述的本技术的各模块或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的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算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，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，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步骤制作成单个集成电路模块来实现。这样，本技术不限制于任何特定的硬件和软件结合。
90.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。

技术特征：

1.一种行驶行为的预测方法，其特征在于，包括：根据目标对象的目标对象数据确定所述目标对象的目标对象状态，其中，所述目标对象是与目标行驶工具的行驶行为具有关联关系的对象，所述目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，所述判定结果的类型包括对象状态类型和行驶行为类型；在所述目标判定结果属于所述行驶行为类型的情况下，根据所述目标判定结果预测所述目标行驶工具的目标行驶行为，其中，所述目标行驶行为用于预测所述目标行驶工具的行驶线路，预测出的所述目标行驶工具的行驶线路用于规划所述当前驾驶的行驶工具的行驶路线。2.根据权利要求1所述的方法，其特征在于，所述将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，包括：将所述目标对象状态作为初始的当前对象状态，重复执行以下步骤，直至得到属于所述行驶行为类型的判定结果：遍历每个所述前提条件；将所述当前对象状态与当前的所述前提条件进行匹配；在所述当前对象状态中包括当前的所述前提条件中的全部条件分支的情况下，确定当前的所述前提条件所对应的当前判定结果所属于的类型；在所述当前判定结果属于所述对象状态类型的情况下，将所述当前判定结果添加到所述当前对象状态中作为下一个当前对象状态。3.根据权利要求2所述的方法，其特征在于，所述确定当前的所述前提条件所对应的当前判定结果所属于的类型，包括：在当前的所述前提条件用于指示使用目标分类器预测所述目标行驶工具的行驶行为的情况下，从所述目标对象数据中获取所述目标分类器对应的目标预测数据；将所述目标预测数据带入所述目标分类器，得到所述目标分类器输出的预测结果作为所述当前判定结果，其中，所述预测结果属于所述对象状态类型。4.根据权利要求3所述的方法，其特征在于，在所述从所述目标对象数据中获取所述目标分类器对应的目标预测数据之前，所述方法还包括：在当前的所述前提条件中包括第一对象状态的情况下，确定所述目标分类器为第一分类器，其中，所述第一对象状态用于指示所述目标行驶工具与其他行驶工具之间的纵向距离小于或者等于目标阈值，所述第一分类器所对应的预测数据包括航向角数据和与车道线距离数据，所述航向角数据用于指示所述目标行驶工具的航向角，所述与车道线距离数据用于指示所述目标行驶工具与车道线之间的距离；在当前的所述前提条件中包括第二对象状态的情况下，确定所述目标分类器为第二分类器，其中，所述第二对象状态用于指示所述目标行驶工具与其他行驶工具之间的纵向距离大于所述目标阈值，所述第二分类器所对应的预测数据包括横向速度数据和所述与车道线距离数据，所述横向速度数据用于指示所述目标行驶工具的横向速度。
5.根据权利要求3所述的方法，其特征在于，所述将所述目标预测数据带入所述目标分类器，得到所述目标分类器输出的预测结果作为所述当前判定结果，包括：获取每种行驶行为对应的先验概率，并计算在每种行驶行为下每种目标预测数据所对应的条件概率，其中，所述条件概率用于指示在测量值为所述每种目标预测数据的条件下，所述目标行驶工具的行驶行为为所述每种行驶行为的概率；将全部目标预测数据所对应的所述条件概率相乘，得到第一乘积值；将所述第一乘积值与所述先验概率相乘，得到第二乘积值作为所述每种行驶行为对应的行为概率；将所对应的所述行为概率最高的行驶行为确定为所述预测结果。6.根据权利要求5所述的方法，其特征在于，在所述根据所述目标判定结果预测所述目标行驶工具的目标行驶行为之后，所述方法还包括：获取目标周期内所述目标对象的参考对象数据以及所述目标行驶工具的实际行驶行为；根据所述参考对象数据和所述实际行驶行为更新所述先验概率和所述条件概率的概率分布参数。7.根据权利要求1所述的方法，其特征在于，所述根据目标对象的目标对象数据确定所述目标对象的目标对象状态，包括：采集所述目标对象上产生的所述目标对象数据，其中，所述目标对象包括以下至少之一：所述目标行驶工具，所述目标行驶工具的行驶场景，位于所述目标行驶工具所在范围内的行驶工具；从具有对应关系的对象数据和对象状态中获取所述目标对象数据所对应的目标对象状态。8.一种行驶行为的预测装置，其特征在于，包括：第一确定模块，用于根据目标对象的目标对象数据确定所述目标对象的目标对象状态，其中，所述目标对象是与目标行驶工具的行驶行为具有关联关系的对象，所述目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；匹配模块，用于将所述目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与所述目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，所述判定结果的类型包括对象状态类型和行驶行为类型；预测模块，用于在所述目标判定结果属于所述行驶行为类型的情况下，根据所述目标判定结果预测所述目标行驶工具的目标行驶行为，其中，所述目标行驶行为用于预测所述目标行驶工具的行驶线路，预测出的所述目标行驶工具的行驶线路用于规划所述当前驾驶的行驶工具的行驶路线。9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至7中任一项所述的方法。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通过所述计算机程序执行权利要求1至7中任一项所述的方法。

技术总结

本申请公开了一种行驶行为的预测方法、装置、存储介质和电子装置，该行驶行为的预测方法包括：根据目标对象的目标对象数据确定目标对象的目标对象状态，其中，目标对象是与目标行驶工具的行驶行为具有关联关系的对象，目标行驶工具是位于当前驾驶的行驶工具所在范围内的行驶工具；将目标对象状态与具有对应关系的前提条件和判定结果进行匹配，得到与目标对象状态匹配的目标前提条件所对应的目标判定结果，其中，判定结果的类型包括对象状态类型和行驶行为类型；在目标判定结果属于行驶行为类型的情况下，根据目标判定结果预测目标行驶工具的目标行驶行为，采用上述技术方案，解决了相关技术中，行驶工具的行为预测过程的复杂度较高等问题。度较高等问题。度较高等问题。