本发明涉及轨迹预测领域，具体涉及根据车辆轨迹语义分析和深度信念网络的轨迹预测方法。
背景技术：
1、各类地图软件（app）的广泛应用，为车辆轨迹数据的采集提供了极大的便利。而大量的车辆轨迹数据的采集对于轨迹预测有着重要的意义。
2、现有的轨迹预测方法，经常会存在如下技术问题：
3、第一，现有的轨迹预测方法往往是通用的轨迹预测方法，缺乏适用于特殊用车场景的轨迹预测方法。具体来说，校车接送场景为实践中常见的一个用车场景。校车接送场景的特殊性表现在有着相对固定的起点和终点、行驶过程需要有多个停车点、相对固定的时间等等。通用的轨迹预测方法并未充分考虑这些特殊性，因此与特定用车场景的适配度不高，无法满足特殊用车场景的需求；
4、第二，在校车接送场景下，由于乘车用户往往是未成年人，如何通过技术手段保证乘车用户的安全是亟待解决的问题；
5、第三，在对历史行驶轨迹集合进行语义分析得到驻留点的过程中，存在驻留点冗余的问题。
技术实现思路
1、本
技术实现要素：
部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、本发明提出了根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，来解决以上背景技术部分提到的技术问题中的一项或多项。
3、本发明提供了根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，包括：获取目标车辆在历史时间段内的历史行驶轨迹集合，历史行驶轨迹集合中的各条历史行驶轨迹满足以下至少一项：包含目标起点、包含目标终点；对于历史行驶轨迹集合中的每条历史行驶轨迹进行语义分析，得到每条历史行驶轨迹对应的多个驻留点，历史行驶轨迹集合中各条历史行驶轨迹分别对应的多个驻留点组成驻留点集合；确定驻留点集合中的驻留点对应的平均驻留时长和驻留频次，并根据平均驻留时长和驻留频次进行排序，得到驻留点序列，从驻留点序列中选取排序靠前的第一数量个驻留点，并将第一数量个驻留点确定为候选驻留点集合；基于候选驻留点集合，生成提示信息，并将提示信息发送至多个乘车用户分别对应的终端设备，以使多个乘车用户分别选择对应的目标驻留点，得到多个目标驻留点以及每个目标驻留点对应的乘车用户人数；根据目标起点、目标终点、多个目标驻留点和预先配置的路网数据进行路径规划，得到多条规划路径；获取实时车流量热力图并将实时车流量热力图输入预先训练的深度信念网络，得到实时路况信息；根据实时路况信息从多条规划路径中选取目标规划路径；将目标规划路径作为预测轨迹发送至多个乘车用户分别对应的终端设备。
4、可选的，在将目标规划路径作为预测轨迹发送至多个乘车用户分别对应的终端设备之前，轨迹预测方法还包括：根据实时路况信息、目标规划路径、每个目标驻留点对应的乘车用户人数，生成到达每个目标驻留点的预测时间；以及将目标规划路径作为预测轨迹发送至多个乘车用户分别对应的终端设备，包括：对于多个乘车用户中的每个乘车用户，将乘车用户所选择的目标驻留点对应的预测时间和目标规划路径发送至乘车用户对应的终端设备。
5、可选的，终端设备还用于在乘车用户选择目标驻留点时，采集乘车用户的人脸图像作为预留人脸图像；以及轨迹预测方法还包括：当检测到目标车辆到达每个目标驻留点时，通过设置于目标车辆的上车门处的图像采集设备采集目标驻留点的每个实际乘车用户的人脸图像，得到多个实际人脸图像；将多个实际人脸图像与选择目标驻留点的多个乘车用户的预留人脸图像进行比对，得到比对结果；若比对结果表征选择目标驻留点的多个乘车用户中存在未上车的乘车用户，将未上车的乘车用户确定为目标乘车用户，根据目标乘车用户的用户信息判断目标乘车用户是否为未成年用户，若目标乘车用户是未成年用户，向目标乘车用户的关联用户所对应的终端发送表征目标乘车用户未上车的提示信息。
6、可选的，轨迹预测方法还包括：在目标车辆行驶过程中，通过设置于目标车辆的驾驶位的图像采集设备和语音采集设备采集驾驶人员图像和驾驶人员语音数据；分别对驾驶人员图像和驾驶人员语音数据进行特征提取，得到图像特征和语音特征；根据图像特征和语音特征进行安全性评估，得到安全性评估分数，若安全性评估分数小于预设分数阈值，生成表征存在安全风险的风险提示信息。
7、可选的，每条历史行驶轨迹包括轨迹点序列，轨迹点序列中的轨迹点为三元组，三元组包括经度、纬度和时间戳；以及对于历史行驶轨迹集合中的每条历史行驶轨迹进行语义分析，得到每条历史行驶轨迹对应的多个驻留点，包括：对于每条历史行驶轨迹，确定历史行驶轨迹所包括的轨迹点序列中是否存在满足第一预设条件的预设数量个轨迹点，其中，第一预设条件为预设数量个轨迹点为连续的轨迹点且预设数量个轨迹点中任意两个相邻的轨迹点之间的距离小于预设距离阈值；若存在，确定预设数量个轨迹点所对应的驻留点，得到每条历史行驶轨迹对应的多个驻留点。
8、可选的，确定驻留点集合中的驻留点对应的平均驻留时长和驻留频次，并根据平均驻留时长和驻留频次进行排序，得到驻留点序列，包括：从驻留点集合中选取一个驻留点，确定驻留点集合中是否存在与所选取的驻留点之间的距离小于第一距离的至少一个驻留点，若存在，将所选取的驻留点以及至少一个驻留点确定为一个驻留点组，确定驻留点组中驻留点的个数与历史行驶轨迹集合中历史行驶轨迹的个数之间的比值，并将比值确定为驻留频次，并计算驻留点组中各个驻留点对应的驻留时长的平均值，得到平均驻留时长；将驻留点组中的各个驻留点进行合并，得到更新驻留点集合；对更新驻留点集合中的各个驻留点按照平均驻留时长和驻留频次进行排序，得到驻留点序列。
9、本发明具有如下有益效果：通过对历史行驶轨迹集合进行语义分析，从而提取对应的多个驻留点，进而确定候选驻留点，从而实现更加精准的驻留点识别和自动提取，满足校车接送场景的需求。在此过程中，充分考虑到驻留点的平均驻留时长和驻留频次，从而实现驻留点的合理规划，无需由人工设定驻留点，为自动驾驶在校车接送场景中的应用奠定了基础。除此之外，在生成预测轨迹的过程中，使用深度信念网络对实时车流量热力图进行实时路况信息提取，从而可以提取到图像中的高阶特征，进而通过实时路况信息辅助路径选择，从而生成预测轨迹。在此过程中，由于深度信念网络可以充分提取实时车流量热力图的高阶特征，从而生成更加准确的实时路况信息，从而使得生成的预测轨迹更加准确。
1.根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，其特征在于，包括：
2.根据权利要求1所述的根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，其特征在于，在将所述目标规划路径作为预测轨迹发送至所述多个乘车用户分别对应的终端设备之前，所述轨迹预测方法还包括：
3.根据权利要求2所述的根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，其特征在于，所述终端设备还用于在乘车用户选择目标驻留点时，采集所述乘车用户的人脸图像作为预留人脸图像；以及所述轨迹预测方法还包括：
4.根据权利要求3所述的根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，其特征在于，所述轨迹预测方法还包括：
5.根据权利要求4所述的根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，其特征在于，所述每条历史行驶轨迹包括轨迹点序列，所述轨迹点序列中的轨迹点为三元组，所述三元组包括经度、纬度和时间戳；以及
6.根据权利要求5所述的根据车辆轨迹语义分析和深度信念网络的轨迹预测方法，其特征在于，所述确定所述驻留点集合中的驻留点对应的平均驻留时长和驻留频次，并根据所述平均驻留时长和驻留频次进行排序，得到驻留点序列，包括：
