Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019047651) PROCÉDÉ ET DISPOSITIF DE PRÉDICTION DE COMPORTEMENT DE CONDUITE, ET VÉHICULE SANS CONDUCTEUR
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/047651 N° de la demande internationale : PCT/CN2018/098984
Date de publication : 14.03.2019 Date de dépôt international : 06.08.2018
CIB :
B60W 40/09 (2012.01) ,B60W 50/00 (2006.01) ,G06K 9/00 (2006.01)
B TECHNIQUES INDUSTRIELLES; TRANSPORTS
60
VÉHICULES EN GÉNÉRAL
W
COMMANDE CONJUGUÉE DE PLUSIEURS SOUS-ENSEMBLES D'UN VÉHICULE, DE FONCTION OU DE TYPE DIFFÉRENTS; SYSTÈMES DE COMMANDE SPÉCIALEMENT ADAPTÉS AUX VÉHICULES HYBRIDES; SYSTÈMES D'AIDE À LA CONDUITE DE VÉHICULES ROUTIERS, NON LIÉS À LA COMMANDE D'UN SOUS-ENSEMBLE PARTICULIER
40
Calcul ou estimation des paramètres de fonctionnement pour les systèmes d'aide à la conduite de véhicules routiers qui ne sont pas liés à la commande d'un sous-ensemble particulier
08
liés aux conducteurs ou aux passagers
09
Style ou comportement de conduite
B TECHNIQUES INDUSTRIELLES; TRANSPORTS
60
VÉHICULES EN GÉNÉRAL
W
COMMANDE CONJUGUÉE DE PLUSIEURS SOUS-ENSEMBLES D'UN VÉHICULE, DE FONCTION OU DE TYPE DIFFÉRENTS; SYSTÈMES DE COMMANDE SPÉCIALEMENT ADAPTÉS AUX VÉHICULES HYBRIDES; SYSTÈMES D'AIDE À LA CONDUITE DE VÉHICULES ROUTIERS, NON LIÉS À LA COMMANDE D'UN SOUS-ENSEMBLE PARTICULIER
50
Détails des systèmes d'aide à la conduite des véhicules routiers qui ne sont pas liés à la commande d'un sous-ensemble particulier
G PHYSIQUE
06
CALCUL; COMPTAGE
K
RECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9
Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
Déposants :
百度在线网络技术(北京)有限公司 BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) CO., LTD. [CN/CN]; 中国北京市 海淀区上地十街10号百度大厦三层 3/F Baidu Campus No. 10, Shangdi 10th Street, Haidian District Beijing 100085, CN
Inventeurs :
郁浩 YU, Hao; CN
闫泳杉 YAN, Yongshan; CN
郑超 ZHENG, Chao; CN
唐坤 TANG, Kun; CN
张云飞 ZHANG, Yunfei; CN
姜雨 JIANG, Yu; CN
Mandataire :
北京英赛嘉华知识产权代理有限责任公司 INSIGHT INTELLECTUAL PROPERTY LIMITED; 中国北京市 海淀区知春路甲48号盈都大厦A座19A 19 A, Tower A, InDo Building No. 48A Zhichun Road, Haidian District Beijing 100098, CN
Données relatives à la priorité :
201710791181.805.09.2017CN
Titre (EN) DRIVING BEHAVIOR PREDICTION METHOD AND DEVICE, AND UNMANNED VEHICLE
(FR) PROCÉDÉ ET DISPOSITIF DE PRÉDICTION DE COMPORTEMENT DE CONDUITE, ET VÉHICULE SANS CONDUCTEUR
(ZH) 驾驶行为预测方法和装置、无人车
Abrégé :
(EN) A driving behavior prediction method and device, and an unmanned vehicle. The method comprises: acquiring a driving behavior sequence within a predetermined continuous period of time (210), each driving behavior comprising a driving operation and scenario information corresponding to the driving operation; mapping the driving behavior sequence to generate a driving behavior vector (220), wherein the dimension of the driving behavior vector is less than the number of driving behaviors comprised in the driving behavior sequence; and training a pre-established driving behavior prediction model using the driving behavior vector as a training sample (230), wherein the driving behavior prediction model is used to predict a driving behavior vector on the basis of the received current scenario information. According to the method, the driving behavior vector predicted by the trained driving behavior prediction model is characterized by having a plurality of temporally continuous and interrelated driving behaviors, thereby being able to ensure the correlation between each driving behavior comprised in the driving behavior sequence generated on the basis of the driving behavior vector obtained by prediction.
(FR) L'invention concerne un procédé et un dispositif de prédiction de comportement de conduite, et un véhicule sans conducteur. Le procédé comprend les étapes suivantes : acquisition d'une séquence de comportements de conduite au sein d'une période continue prédéterminée (210), chaque comportement de conduite comprenant une opération de conduite et des informations de scénario correspondant à l'opération de conduite ; mise en correspondance de la séquence de comportement de conduite afin de générer un vecteur de comportement de conduite (220), la dimension du vecteur de comportement de conduite étant inférieure au nombre de comportements de conduite compris dans la séquence de comportements de conduite ; et formation d'un modèle de prédiction de comportement de conduite pré-établi en utilisant le vecteur de comportement de conduite en tant qu'échantillon de formation (230), le modèle de prédiction de comportement de conduite étant utilisé pour prédire un vecteur de comportement de conduite sur la base des informations de scénario courantes reçues. Selon le procédé, le vecteur de comportement de conduite prédit par le modèle de prédiction de comportement de conduite formé est caractérisé en ce qu'il possède une pluralité de comportements de conduite continus et interdépendants dans le temps, ce qui permet d'assurer la corrélation entre chaque comportement de conduite compris dans la séquence de comportements de conduite générée sur la base du vecteur de comportement de conduite obtenu par prédiction.
(ZH) 一种驾驶行为预测方法和装置、无人车。所述方法包括:获取预定的连续时间段内的驾驶行为序列(210),各驾驶行为包括驾驶操作和与驾驶操作对应的场景信息;将驾驶行为序列映射生成驾驶行为向量(220),其中,驾驶行为向量的维数小于驾驶行为序列所包含的驾驶行为的数量;以及将驾驶行为向量作为训练样本训练预先建立的驾驶行为预测模型(230),其中,驾驶行为预测模型用于基于接收到的当前场景信息预测驾驶行为向量。该方法训练后的驾驶行为预测模型预测得到的驾驶行为向量具有多个在时间上连续且相互关联的驾驶行为的特征,从而可以确保基于预测得到的驾驶行为向量生成的驾驶行为序列中所包含的各个驾驶行为之间的相互关联性。
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : chinois (ZH)
Langue de dépôt : chinois (ZH)