本技术涉及辅助驾驶，更具体地说，本技术涉及一种驾驶轨迹规划方法及相关设备。
背景技术：
1、随着辅助驾驶技术的快速发展，轨迹规划作为车辆实现安全、稳定、智能行驶的关键环节，其性能直接决定了整车的决策质量与行驶安全性。在复杂交通环境下，辅助驾驶系统需要综合感知外部环境、识别动态目标、预测运动趋势，并据此生成合理的驾驶决策与规划轨迹。然而，由于交通场景的多样性与动态性，车辆在不同天气、道路、交通密度及突发事件等条件下的行为模式极为复杂，这使得轨迹规划算法面临着极高的计算与认知挑战。
2、相关技术中，传统的轨迹规划方法通常依赖基于规则的决策逻辑或深度学习模型进行路径预测与规划。基于规则的方法过度依赖人工设定的规则体系，难以适应多变、非结构化的道路场景；基于深度学习的端到端方法其内部决策过程难以解释，且模型往往只针对特定场景进行训练，泛化能力有限。也即，相关技术中普遍存在轨迹规划信息的场景适应性不强，导致辅助驾驶系统在复杂动态交通环境下产生轨迹预测不准、决策失误及行驶安全性下降等技术问题。
技术实现思路
1、在本技术
技术实现要素：
部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本技术的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
2、本技术提供的驾驶轨迹规划方法及相关设备，能够通过大语言模型融合感知数据与知识信息，实现从环境理解到任务规划再到轨迹生成的智能决策闭环，能够提升自动驾驶轨迹规划的准确性、合规性和安全性。
3、第一方面，本技术提供一种驾驶轨迹规划方法，包括：获取目标车辆的环境感知数据和行驶轨迹数据；通过目标大语言模型对所述环境感知数据和所述行驶轨迹数据进行融合推理，生成推理结果文本；通过所述目标大语言模型，从预设认知知识库中匹配出与所述推理结果文本相关的交通规则和驾驶经验；根据所述交通规则和所述驾驶经验，通过所述目标大语言模型生成针对所述目标车辆的任务规划指令；基于所述任务规划指令和所述环境感知数据，确定所述目标车辆的规划轨迹。
4、在一些实施方式中，获取所述环境感知数据的过程，包括：基于所述目标车辆的当前场景，通过所述目标大语言模型从预设感知算法库中确定目标感知算法，其中，所述当前场景包括天气、交通密度和道路类型中的至少一种；通过所述目标感知算法对所述目标车辆的车辆外部传感器数据进行解析处理，得到所述环境感知数据。
5、在一些实施方式中，所述通过目标大语言模型对所述环境感知数据和所述行驶轨迹数据进行融合推理，生成推理结果文本，包括：基于预定义推理模板对所述环境感知数据和所述行驶轨迹数据进行嵌入替换，得到预设提示词，其中，所述预定义推理模板包括对象输出约束和影响输出约束；将所述预设提示词输入至所述目标大语言模型，以获取所述目标大语言模型输出的所述推理结果文本，其中，所述推理结果文本包括道路参与对象和所述道路参与对象对所述目标车辆的影响可能性。
6、在一些实施方式中，所述通过所述目标大语言模型，从预设认知知识库中匹配出与所述推理结果文本相关的交通规则和驾驶经验，包括：对所述推理结果文本进行编码，得到文本矢量数据；通过预设相似性搜索算法，从所述预设认知知识库中检索与所述第一矢量数据相关的多个候选知识条目；通过所述目标大语言模型对所述多个候选知识条目进行语义分析，筛选出匹配所述目标车辆的当前场景的常识规则和驾驶经验。
7、在一些实施方式中，所述根据所述交通规则和所述驾驶经验，通过所述目标大语言模型生成针对所述目标车辆的任务规划指令，包括：基于所述推理结果文本，通过所述目标大语言模型生成初始任务规划指令；通过所述目标大语言模型，将所述初始任务规划指令与所述交通规则和所述驾驶经验进行匹配评估，得到评估结果；基于所述评估结果，通过所述目标大语言模型对所述初始任务规划指令进行修正优化，生成所述任务规划指令。
8、在一些实施方式中，所述基于所述任务规划指令和所述环境感知数据，确定所述目标车辆的规划轨迹，包括：基于所述任务规划指令和所述环境感知数据，生成所述目标车辆的初始规划轨迹；对所述初始规划轨迹进行安全性校验；若安全性校验未通过，则对所述初始规划轨迹进行优化处理，生成优化后轨迹作为所述规划轨迹；若安全性校验通过，则将所述初始规划轨迹确定为所述规划轨迹。
9、在一些实施方式中，所述基于所述任务规划指令和所述环境感知数据，生成所述目标车辆的初始规划轨迹，包括：若所述目标车辆存在导航指令或外部驾驶指令，则基于所述任务规划指令从预设奖励函数库中确定目标奖励函数，并基于所述目标奖励函数和历史的规划轨迹分布，通过预设扩散模型生成所述初始规划轨迹；若所述目标车辆不存在所述导航指令和所述外部驾驶指令，则通过所述目标大语言模型对所述环境感知数据、所述行驶轨迹数据、所述交通规则及所述驾驶经验进行分析处理，输出所述初始规划轨迹。
10、第二方面，本技术还提供一种驾驶轨迹规划装置，包括：数据获取单元，用于获取目标车辆的环境感知数据和行驶轨迹数据；文本生成单元，用于通过目标大语言模型对所述环境感知数据和所述行驶轨迹数据进行融合推理，生成推理结果文本；知识匹配单元，用于通过所述目标大语言模型，从预设认知知识库中匹配出与所述推理结果文本相关的交通规则和驾驶经验；指令生成单元，用于根据所述交通规则和所述驾驶经验，通过所述目标大语言模型生成针对所述目标车辆的任务规划指令；轨迹确定单元，用于基于所述任务规划指令和所述环境感知数据，确定所述目标车辆的规划轨迹。
11、第三方面，本技术还提供一种电子设备，包括：存储器和处理器，所述处理器用于执行所述存储器中存储的计算机程序时实现第一方面所述的驾驶轨迹规划方法的步骤。
12、第四方面，本技术还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的驾驶轨迹规划方法的步骤。
13、第五方面，本技术还提供一种计算机程序产品，包括计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时，实现本技术实施例提供的驾驶轨迹规划方法的步骤。
14、综上，本技术通过目标大语言模型对环境感知数据和行驶轨迹数据进行融合推理，够同时理解外部环境状况与车辆自身的动态信息，相比仅依赖单一传感器或固定模型的方案，这种融合方式能够更全面地反映车辆所处的实际驾驶场景，从而提高轨迹规划的准确性和场景适应能力；利用目标大语言模型从预设的认知知识库中匹配相关交通规则和驾驶经验，使轨迹规划过程具备知识支撑，在决策时能够遵守交通规范、借鉴合理的驾驶习惯，从而提升规划结果的合规性和实用性；通过大语言模型生成任务规划指令，能够在推理结果的基础上自动制定高层次的驾驶决策，使轨迹规划不仅仅依赖算法计算，还融入了基于语言理解的逻辑推理，使得任务生成过程更加灵活、具备解释性和可追溯性；根据生成的任务规划指令与环境感知数据，确定目标车辆的最终规划轨迹，轨迹规划结果能够动态适应当前环境变化与决策需求，确保车辆运动路径的合理性与安全性，从而有效降低潜在风险。综上所述，本技术提供的驾驶轨迹规划方法通过大语言模型融合感知数据与知识信息，实现从环境理解到任务规划再到轨迹生成的智能决策闭环，能够提升自动驾驶轨迹规划的准确性、合规性和安全性。