本发明涉及人工智能，特别是涉及一种基于人工智能的车辆行驶轨迹监控系统。
背景技术：
1、随着人工智能技术的快速发展，具备环境感知、决策规划和控制执行能力的智能车辆已成为交通领域的重要研究方向。人工智能车辆旨在通过集成传感器、算法与控制系统，实现自主或辅助的安全、高效行驶，其核心在于对行驶轨迹的智能监控与动态调整。
2、现有技术中，基于人工智能的车辆轨迹监控通常采用分层控制架构，通过环境感知模块获取周边障碍物信息，由规划模块依据预设规则或简单代价函数生成局部避障路径，最终由控制模块跟踪该路径。此类系统的工作原理主要依赖于对即时障碍物的静态避让，其路径规划多基于当前时刻的环境快照，缺乏对车辆与动态目标对象持续交互风险的量化评估以及对偏离路径后能否回归主路线的前瞻性判断。
3、然而，现有技术存在明显缺陷：第一，系统对风险的评估多为静态或单点判断，难以对动态交通场景中多个运动物体与自身车辆构成的复杂、时变风险进行持续量化和综合评估，导致决策依据不充分；第二，生成的局部路径往往缺乏与全局原始主路线的协同性判断，无法保证车辆在执行避障等调整动作后能平滑、安全地回归预定主路线，影响行驶的连贯性与整体效率。因此亟需提供一种基于人工智能的车辆行驶轨迹监控系统来解决上述问题。
技术实现思路
1、本发明所要解决的技术问题在于克服上述现有技术第一，系统对风险的评估多为静态或单点判断，难以对动态交通场景中多个运动物体与自身车辆构成的复杂、时变风险进行持续量化和综合评估，导致决策依据不充分；第二，生成的局部路径往往缺乏与全局原始主路线的协同性判断，无法保证车辆在执行避障等调整动作后能平滑、安全地回归预定主路线，影响行驶的连贯性与整体效率的缺点，提供一种基于人工智能的车辆行驶轨迹监控系统。
2、为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于人工智能的车辆行驶轨迹监控系统，包括环境感知模块、轨迹分析模块、判断模块及控制执行模块；
3、环境感知模块，用于实时采集车辆周围环境的动态数据流，并从所述动态数据流中识别并跟踪交通场景中的运动物体及障碍物，生成环境感知信息；
4、轨迹分析模块，用于根据所述环境感知信息判断车辆是否需要进行运行轨迹调整，若需要进行运行轨迹调整，则生成备选调整子路线；
5、判断模块，用于接收所述备选调整子路线，并判断每一所述备选调整子路线与自身车辆预先设定的原始主路线的一致性；若一致，则输出一致性确认信号及最优的所述备选调整子路线；若不一致，输出不一致信号并反馈至所述轨迹分析模块；
6、控制执行模块，用于接收所述一致性确认信号及最优所述备选调整子路线，生成车辆控制指令，驱动自身车辆沿最优所述备选调整子路线行驶。
7、本发明进一步设置为：所述环境感知模块中的所述动态数据流通过预设的车载传感单元与路侧监测设备采集；
8、所述动态数据流包括通过车载传感单元采集的车辆实时定位数据、速度加速度信息及周边物体雷达点云数据，以及通过路侧监测设备采集的交通信号状态、道路障碍物信息及周边车辆协同通信数据。
9、本发明进一步设置为：所述环境感知信息包括运动物体类型、位置、速度及运动趋势；
10、所述环境感知信息的生成步骤如下：
11、s1、对通过车载传感单元与路侧监测设备采集的所述动态数据流进行融合处理，形成标准数据流，基于所述标准数据流中的所述周边物体雷达点云数据与所述交通信号状态信息，提取初步的物体轮廓与交通状态特征；
12、s2、基于所述初步的物体轮廓与所述交通状态特征，结合所述车辆实时定位数据与所述速度加速度信息，通过预设算法与预设预测模型，对所述动态数据流中识别出的运动物体及障碍物进行持续跟踪与状态估计，生成环境感知信息；
13、所述环境感知信息包含运动物体及障碍物的物体类型、位置、速度及运动趋势。
14、本发明进一步设置为：所述轨迹分析模块的具体内容为：
15、q1、基于所述环境感知信息，从中提取与自身车辆存在交互风险的目标对象，并生成所述目标对象的风险评估参数；
16、所述目标对象的提取步骤为：
17、q101、基于所述环境感知信息中所有运动物体及障碍物的位置与运动趋势，划定一个以自身车辆为中心的动态交互空间区域，将位于所述动态交互空间区域内的运动物体及障碍物初步筛选为潜在交互对象集；
18、q102、计算所述潜在交互对象集中每一潜在交互对象相对于自身车辆的接近速率与轨迹交叉角度，并基于所述接近速率与所述轨迹交叉角度生成动态交互权重，并将所有所述动态交互权重分别赋予每一所述潜在交互对象，选取所述动态交互权重大于预设阈值的所述潜在交互对象，确认为目标对象；
19、步骤q1中的所述风险评估参数包括自身车辆与周围车辆的相对距离、相对速度及方位角；
20、所述目标对象的所述风险评估参数的生成步骤为：基于持续更新的所述环境感知信息，计算每一所述目标对象与自身车辆之间的实时相对距离、实时相对速度以及在自身车辆的坐标系下的实时方位角，将所述实时相对距离、所述实时相对速度及所述实时方位角与预设的动态风险计算因子进行融合，生成所述风险评估参数；
21、q2、基于所述风险评估参数，结合预设的安全跟车距离阈值与实时动态数据流，对每一所述目标对象进行碰撞风险估算，生成综合风险评估结果；
22、所述步骤q2中的所述综合风险评估结果的生成步骤为：
23、q201、基于每一所述目标对象的所述风险评估参数中的所述实时相对距离与所述实时相对速度，计算得到即时碰撞时间估值，同时结合所述实时方位角确定每一所述目标对象与自身车辆的碰撞点的分布区域，将所述即时碰撞时间估值与预设的紧急阈值进行比对生成即时风险指标，并将所述碰撞点的分布区域与自身车辆的预期原始主路线行驶区域进行重叠度分析生成区域冲突指标；
24、q202、通过预设的处理单元依据所述动态风险计算因子对所述即时风险指标与所述区域冲突指标进行加权评估，当所述即时风险指标低于预设最低阈值且所述区域冲突指标显示无重叠时，判定为低风险；当所述即时风险指标介于预设最低阈值与预设最高阈值之间或所述区域冲突指标显示存在可控重叠时，判定为中风险；当所述即时风险指标超过预设最高阈值且所述区域冲突指标显示存在严重重叠时，判定为高风险，最终输出包含低风险、中风险或高风险等级的所述综合风险评估结果；
25、q3、根据所述综合风险评估结果，若存在所述高风险的所述目标对象或所述中风险的所述目标对象，则依据所述环境感知信息所提供的可通行空间信息，生成若干备选调整子路线；若不存在所述高风险的所述目标对象或所述中风险的所述目标对象，则维持自身车辆的当前行驶状态，保持原始主路线不变。
26、本发明进一步设置为：所述步骤q3中的若干所述备选调整子路线的生成方法为：
27、q301、基于所述环境感知信息所提供的可通行空间信息，结合存在所述高风险或所述中风险的所述目标对象的分布，在原始主路线周围避开所述高风险及所述中风险的目标对象所在的区域，识别出多个可通行的安全走廊区域，并以自身车辆当前位置为起点、以原始主路线上越过所述高风险及所述中风险的所述目标对象的影响范围后的第一个预设前瞻点为终点，在每个所述安全走廊区域内生成一条满足自身车辆预定义的最小转弯半径约束的初始路径，形成初始路径集合；
28、q302、针对所述初始路径集合中的每条初始路径，计算其与所有所述高风险及所述中风险的所述目标对象保持的实时最小距离，并结合所述初始路径的曲率变化率与预期速度损失，生成每条所述初始路径的初步代价评分，并基于所述初步代价评分对所述初始路径进行平滑优化与速度曲线规划，生成若干条可行候选路径；
29、q303、根据所述可行候选路径的所述初步代价评分及所述可行候选路径的路径点序列与原始主路线相应的路径点序列之间的横向位置偏差进行综合排序，选取所述初步代价评分的数值小于第一预设值且所述横向位置偏差小于第二预设值的所述可行候选路径作为备选调整子路线。
30、本发明进一步设置为：所述判断模块中的每一所述备选调整子路线与自身车辆预先设定的原始主路线的一致性的判断方法为：
31、若所述备选调整子路线与原始主路线的所述横向位置偏差小于第二预设值且预计最终回归原始主路线，则判定为一致；
32、若所述备选调整子路线与所述原始主路线的所述横向位置偏差超过第二预设值或无法保证回归原始主路线，则判定为不一致。
33、本发明进一步设置为：所述判断模块中的预计最终回归原始主路线及无法保证回归原始主路线的识别方法如下：
34、w1、针对每一所述备选调整子路线，提取其路径点序列中与原始主路线距离最短的路径点作为回归参考点，并沿原始主路线行驶方向选取所述回归参考点之后预设距离内的一个原始主路线路径点作为回归目标点，将所述回归参考点与所述回归目标点连线生成理论回归路径；
35、w2、基于所述理论回归路径的走向，结合自身车辆的动力学约束与当前所述环境感知信息中的可通行空间，在所述回归参考点与所述回归目标点之间生成平滑连接路径，并将所述平滑连接路径与所述备选调整子路线在所述回归参考点处进行衔接，形成完整的回归路线；
36、w3、计算所述完整回归路线与所述原始主路线从所述回归参考点到所述回归目标点之间的路径重合度，若所述路径重合度高于预设基准值且所述平滑连接路径的曲率变化率符合自身车辆稳定行驶要求，则判定所述备选调整子路线最终回归原始主路线；若所述路径重合度低于预设基准值或所述平滑连接路径的曲率变化率不符合自身车辆稳定行驶要求，则判定为无法保证回归原始主路线。
37、本发明进一步设置为：所述判断模块中的所述一致性信号及最优的所述备选子路线的生成步骤为：
38、w4、针对所有被判定为与所述原始主路线一致的所述备选调整子路线，提取所述路径重合度数值与所述平滑连接路径的曲率变化率的评估结果，并结合所述轨迹分析模块生成的所述备选调整子路线的所述初步代价评分，通过预设的多目标优化函数计算每条判定为一致的所述备选调整子路线的综合评估分值；
39、w5、根据所述综合评估分值对所有判定为一致的所述备选调整子路线进行排序，选取所述综合评估分值最高的路线作为最优备选调整子路线，并生成包含所述最优备选调整子路线的路线标识及路径信息的一致性确认信号输出至所述控制执行模块。
40、本发明进一步设置为：所述判断模块中的输出不一致信号并反馈至所述轨迹分析模块的具体内容为：当判定所述备选调整子路线与原始主路线不一致时，生成包含所述横向位置偏差的具体数值及无法保证回归原因的不一致信号，并将所述不一致信号反馈至所述轨迹分析模块，所述轨迹分析模块根据所述不一致信号中的所述横向位置偏差的具体数值及无法保证回归原因，调整生成所述备选调整子路线时所使用的所述高风险及所述中风险的所述目标对象的分布范围或所述可通行空间信息的约束条件，重新执行所述步骤q3生成新的备选调整子路线。
41、本发明进一步设置为：所述控制执行模块的具体内容为：接收所述一致性确认信号及所述最优备选调整子路线，解析所述一致性确认信号中包含的所述最优备选调整子路线的路径点序列及预期速度曲线，基于解析出的所述路径点序列及所述预期速度曲线生成转向角度指令、动力输出指令及制动压力指令，并将所述转向角度指令、所述动力输出指令及所述制动压力指令发送至自身车辆的转向执行机构、动力系统控制器及制动系统控制器，驱动自身车辆沿所述最优备选调整子路线行驶。
42、本发明的有益效果如下：
43、1.本发明通过环境感知模块对多源动态数据流进行融合处理与持续跟踪，轨迹分析模块基于环境感知信息提取目标对象并融合动态风险计算因子生成综合风险评估参数，实现了对动态交通场景中复杂时变风险的持续量化与综合评估，为轨迹决策提供了充分依据；
44、2.本发明通过判断模块对备选调整子路线与原始主路线进行一致性判断，具体包括横向位置偏差检查及基于回归路径构建与评估的回归可行性判断，确保了局部调整路径与全局主路线的协同性，保证了车辆在执行避障等动作后能平滑、安全地回归预定主路线，提升了行驶连贯性与整体效率；
45、3.本发明通过解析一致性确认信号中的最优备选调整子路线信息，精准生成转向、动力及制动指令并驱动车辆执行，实现了从风险感知、轨迹规划到车辆控制的闭环自动化，有效提升了车辆沿最优轨迹行驶的精准性与安全性。