[發明專利]基于動態人車環境協同推演的自由流狀態汽車駕駛傾向性辨識系統

無效

• 申請號: 201210183620.4
• 申請日: 2012-06-06
• 公開（公告）號: CN103077603A
• 公開（公告）日: 2013-05-01
• 發明（設計）人: 王曉原;張敬磊;吳磊;張元元;王曉輝;夏媛媛
• 申請（專利權）人: 王曉原
• 主分類號: G08G1/00
• 分類號: G08G1/00;G08G1/01;G06N3/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于動態人車環境協同推演的自由流狀態汽車駕駛傾向性辨識系統，按照如下方法進行建立：采用智能模式識別理論中基于BP神經網絡的特征提取方法對宏觀測得的駕駛員行車數據進行分析，提取出對駕駛傾向性類型分類能力較好的變量，以此數據為基礎建立駕駛傾向性辨識模型。

2.根據權利要求1所述的基于動態人車環境協同推演的自由流狀態汽車駕駛傾向性辨識系統，所述基于BP神經網絡的特征提取方法為：模型中選用靈敏度(反映特征參數對模式狀態變化的敏感程度)作為特征評價指標，所述的BP神經網絡，設隱含層與輸出層之間的變換函數采用線性函數，輸入層與隱含層之間的變換函數采用S型函數，以x_i(i＝1，2，…，L)、z_j(j＝1，2，…，M)、y_k(k＝1，2，…，N)分別代表輸入、隱含層的輸出和輸出層的輸出，γ_k和σ_j分別為隱含層和輸出層的閾值，則

yk=Σj=1Mυjkzj-γk---(6)]]>

zj=11+exp[-(Σi=1Lωijxi-σj)]---(7)]]>

由上式推導可得特征選擇的依據，即特征參數x_i對模式類別y_k的靈敏度：

ζikn→∞=|∂yk∂xi|∝|Σj=1Nωijυjk|.]]>

3.根據權利要求2所述的基于動態人車環境協同推演的自由流狀態汽車駕駛傾向性辨識系統，所述自由流狀態汽車駕駛辨識模型分為冒險型、謹慎型和保守型，該模型算法建立在1-v-1基礎上，對于k類樣本，包含有k(k-1)/2個節點，每個節點為一個1-v-1分類器，設計分類函數f_ij(x)用于判別i、j兩類樣本，若f_ij(x)＞0，則判定樣本x屬于第i類；從實驗數據中提取出各類型駕駛員特征參數(行車速度v等)作為傾向性類型識別模型建立和標定的樣本集；對樣本集，選擇線性核函數

K(X，X_i)＝(X·X_i)，求得冒險型(類別1)與保守型(類別3)、冒險型(類別1)與謹慎型(類別2)、謹慎型(類別2)與保守型(類別3)傾向性間的分類線分別為：

f13(v)=0.532v-10.9=0f12(v)=0.648v-14.58=0f23(v)=-0.579v+11.025=0]]>

定義分類線通式為f_mn(v)＝k_mnv+b_k＝0，(m＝1，2，n＝2，3，k＝1，2，3)，則分類標準可表示為：若f_mn(v)＞0，則該樣本對應類別m，若f_mn(v)＜0，則該樣本對應類別n。