[發(fā)明專利]一種基于行車預(yù)測(cè)場(chǎng)和BP神經(jīng)網(wǎng)絡(luò)的智能車輛駕駛行為擬人化決策方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910071774.6
• 申請(qǐng)日: 2019-01-25
• 公開（公告）號(hào): CN109726804B
• 公開（公告）日: 2023-06-13
• 發(fā)明（設(shè)計(jì)）人: 蔡英鳳;邰康盛;劉擎超;梁軍;陳小波;李祎承;何友國(guó);陳龍;唐斌;王海
• 申請(qǐng)（專利權(quán)）人: 江蘇大學(xué)
• 主分類號(hào): G06N3/0475
• 分類號(hào): G06N3/0475;G06N3/084
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于行車預(yù)測(cè)場(chǎng)和BP神經(jīng)網(wǎng)絡(luò)的智能車輛駕駛行為擬人化決策方法，其特征在于，包括如下步驟：

步驟1：將周邊車輛行為根據(jù)橫向與縱向兩個(gè)方面組合劃分，離散化劃分為9個(gè)典型行為bi，擬合每個(gè)車輛行為b_i對(duì)應(yīng)的相似性軌跡，設(shè)目標(biāo)車輛依照相似性軌跡行駛過的區(qū)域?yàn)?/p>

步驟2：取智能車輛當(dāng)前車道的前后方車輛與相鄰車道的前后方車輛作為其周圍車輛，每輛交通環(huán)境參與車使用車載的GPS與IMU聯(lián)合定位系統(tǒng)實(shí)時(shí)獲取每個(gè)時(shí)刻自車的位置(x,y)、速度(V_x,V_y)、加速度(a_x,a_y)；

步驟3：根據(jù)相似性軌跡行駛過的區(qū)域?yàn)橐约爸苓呠囕v的狀態(tài)信息，建立行車預(yù)測(cè)場(chǎng)，包含安全預(yù)測(cè)場(chǎng)ES，效率預(yù)測(cè)場(chǎng)EE，駕駛舒適預(yù)測(cè)場(chǎng)EC；

所述步驟3中，安全預(yù)測(cè)場(chǎng)ES的建立方法為：

以智能車輛的前后向h輛周邊交通車輛為產(chǎn)生安全場(chǎng)勢(shì)的“電荷”，將前后向h輛周邊交通車輛的位置、速度與加速度作為影響安全勢(shì)值的主要變量；

寫出智能車輛行車區(qū)域內(nèi)任意一點(diǎn)位置受到周圍第j輛車影響所具有的單位安全勢(shì)值

其中，(X,Y)為智能車輛行車區(qū)域內(nèi)任意一點(diǎn)位置；G_S為行車安全預(yù)測(cè)場(chǎng)待定常數(shù)；δ_j周圍第j輛車的車輛類型系數(shù)；M_j為周圍第j輛車的等效質(zhì)量比，是第j輛車的長(zhǎng)、寬、高乘積的倒數(shù)；(x_[j],y_[j])為智能車輛周圍第j輛車當(dāng)前時(shí)刻的位置向量；為周圍第j輛車當(dāng)前時(shí)刻的速度向量；為周圍第j輛車當(dāng)前時(shí)刻的加速度向量；ΔT為智能車輛行為決策執(zhí)行時(shí)間；||?||₂為歐幾里德范數(shù)符號(hào)；

智能車輛行車區(qū)域內(nèi)任意一點(diǎn)位置所具有的單位安全勢(shì)值

則智能車輛某一行為bi的安全預(yù)測(cè)場(chǎng)場(chǎng)強(qiáng)和為

所述步驟3中，所述效率預(yù)測(cè)場(chǎng)EE的建立方法為：

以智能車輛為產(chǎn)生效率場(chǎng)勢(shì)的“電荷”，將智能車輛的縱向位置作為影響效率勢(shì)值的主要變量；

寫出智能車輛行車區(qū)域內(nèi)任意一點(diǎn)位置所具有的單位效率勢(shì)值

Y為智能車輛行車區(qū)域內(nèi)任意一點(diǎn)縱向位置；G_E為行車效率預(yù)測(cè)場(chǎng)待定常數(shù)；M₀為智能車輛的等效質(zhì)量比，是智能車輛的長(zhǎng)、寬、高乘積的倒數(shù)；y_[0]為智能車輛當(dāng)前時(shí)刻的縱向位置；

則智能車輛某一行為b_i的效率預(yù)測(cè)場(chǎng)場(chǎng)強(qiáng)和為

所述步驟3中，所述駕駛舒適預(yù)測(cè)場(chǎng)EC的建立方法為：

以智能車輛為產(chǎn)生駕駛舒適場(chǎng)勢(shì)的“電荷”，將智能車輛前往行駛區(qū)域某一位置的橫縱向加速度作為影響駕駛舒適勢(shì)值的主要變量；

寫出智能車輛行車區(qū)域內(nèi)任意一點(diǎn)位置所具有的單位駕駛舒適勢(shì)值

(X,Y)為智能車輛行車區(qū)域內(nèi)任意一點(diǎn)位置；G_C為行車駕駛舒適預(yù)測(cè)場(chǎng)待定常數(shù)；(x_[0],y_[0])為智能車輛當(dāng)前時(shí)刻的位置向量；為智能車輛當(dāng)前時(shí)刻的速度向量；ΔT為智能車輛行為決策執(zhí)行時(shí)間；||||₂為歐幾里德范數(shù)符號(hào)；

則智能車輛某一行為bi的駕駛舒適性預(yù)測(cè)場(chǎng)場(chǎng)強(qiáng)和為

步驟4：智能車輛依據(jù)實(shí)時(shí)獲取各行為b_i在行車預(yù)測(cè)場(chǎng)下的子預(yù)測(cè)場(chǎng)場(chǎng)強(qiáng)和，并歸一化處理后作為x向量輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)駕駛行為決策模型，輸出y向量解碼后得出最合理的駕駛行為決策結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于行車預(yù)測(cè)場(chǎng)和BP神經(jīng)網(wǎng)絡(luò)的智能車輛駕駛行為擬人化決策方法，其特征在于，所述步驟2中，智能車輛與周圍車輛之間構(gòu)建V2V通信網(wǎng)絡(luò)，智能車輛使用V2V通信技術(shù)中LTE模塊的D2D鄰近通信服務(wù)實(shí)時(shí)獲取所處交通環(huán)境周邊車輛的狀態(tài)信息。

3.根據(jù)權(quán)利要求1所述的一種基于行車預(yù)測(cè)場(chǎng)和BP神經(jīng)網(wǎng)絡(luò)的智能車輛駕駛行為擬人化決策方法，其特征在于，所述步驟4中，所述BP神經(jīng)網(wǎng)絡(luò)為三層27-16-9結(jié)構(gòu)。