[發明專利]一種駕駛行為意圖判斷與預測方法

有效

• 申請號: 201710022725.4
• 申請日: 2017-01-12
• 公開（公告）號: CN106740864B
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 李娟;劉渤海;劉博;萬志遠;王蔓琦;邵春福
• 申請（專利權）人: 北京交通大學
• 主分類號: B60W40/09
• 分類號: B60W40/09
• 代理公司: 北京衛平智業專利代理事務所(普通合伙) 11392
• 代理人: 董琪

本發明涉及交通安全領域，特別涉及基于隱式馬爾可夫模型(HMM)的駕駛行為意圖判斷與預測方法。現有駕駛行為意圖辨識與預測技術沒有考慮駕駛行為的動態性和連續性，以及變道、跟車和剎車等復雜行為。本發明對從動態駕駛數據聚類分析得到的時間序列分割數據，分別訓練直線方向HMM、橫向HMM和速度分級模型，并將得到的辨識結果作為行為識別層觀測序列，再分別離線訓練對應正常/緊急剎車、正常/緊急變道、正常/危險跟車的駕駛行為多維離散HMM模型，根據模型參數和觀測序列，可預測下一時間步駕駛行為。本發明考慮了駕駛行為的復雜性和連續性，能夠對駕駛行為意圖進行動態判斷和預測，并對危險行為進行預警，可具體應用于駕駛行為評價和駕駛輔助系統。

技術領域

本發明涉及交通安全領域，特別涉及一種基于隱式馬爾可夫模型(Hidden MarkovModel,HMM)的駕駛行為意圖判斷與預測方法。

背景技術

隨著機動車保有量的激增，交通安全事故居高不下。大量研究表明，駕駛員的不當行為是引起交通事故的主要原因，駕駛行為直接影響道路通行能力和交通安全。因此，研究辨識與預測駕駛行為意圖，具有重要的現實意義。

現有研究集中于兩個方面。一方面，從駕駛員心理角度出發，運用離散選擇模型(如Logistic模型)描述駕駛員行為，這些模型將駕駛員的決策行為抽象為單次決策，不能刻畫駕駛員一系列的復雜行為過程；另一方面，主要集中于駕駛意圖的靜態識別，如根據操作和控制經驗，應用模糊推理的方法辨識駕駛意圖。然而，駕駛行為是一個動態過程，這些方法不能刻畫基于動態數據的時間序列問題。

2014年3月29日公開的中國專利CN201310640000.3(公告號CN103640532A)，提出一種基于駕駛員制動與加速意圖辨識的行人防碰撞預警方法。該發明運用隱式馬爾科夫模型對駕駛行為意圖辨識和預測，分析駕駛員在遇到前方存在行人時可能采取的加速通過或制動停車以避碰行人等操縱行為和策略，并判斷是否存在危險，對駕駛員和前方行人進行預警。該發明雖然采用了具有時間序列特性的隱式馬爾科夫模型，但僅從直線加減速單一情況出發，未能考慮車輛行駛中變道、跟車和剎車等復雜行為。

2016年9月21日公開的中國專利CN201610389825.6(公告號CN105946861A)，提出一種基于駕駛意圖識別的NAR神經網絡車速預測方法。該發明采用NAR神經網絡，并引入駕駛意圖與車速時間序列共同作為網絡的輸入，該發明雖然優化了多步動態的車速預測效果，但是在駕駛意圖辨識方面采用的是傳統模糊識別，未能反映駕駛行為的動態性和連續性。

有鑒于此，本發明提供一種基于隱式馬爾可夫模型的駕駛行為意圖判斷和預測方法，提出駕駛行為辨識預測的三層復合模型。

發明內容

鑒于現有技術的不足，本發明的目的是提供一種基于隱式馬爾科夫模型的駕駛員行為意圖判斷與預測方法，通過分析駕駛員的變道、跟車和剎車等復雜行為的特征，運用具有時間序列特性的隱式馬爾科夫模型辨識駕駛行為意圖，據此做出短時行為預測，并判斷是否存在危險，對駕駛員進行預警和干預，從而降低駕駛行為的危險性，提高車輛行駛的安全性。

為了實現上述目的，本發明提出的一種基于隱式馬爾科夫模型的駕駛員行為意圖判斷與預測方法，具體包括以下三個層面：

1)下層是行為分割層，采用聚類方法對動態駕駛數據進行分段處理，在某個時間點對車輛的不同運動行為進行分割，得到時間序列的分割數據。

2)中間層是變量提取層，采用直線方向HMM對直線方向變量進行提取；采用橫向HMM對橫向變量進行提取；采用速度分級模型對速度變量進行提取。整合直線方向變量、橫向變量和速度變量，得到上層行為識別層的觀測序列。

3)上層是行為識別層，將從變量提取層中得到的3個辨識結果作為駕駛意圖層HMM的觀測序列，訓練對應正常剎車，緊急剎車，正常變道，緊急變道，正常跟車，危險跟車6種駕駛行為的多維離散HMM模型。