[發明專利]一種基于LSTM神經網絡的駕駛員制動強度預測方法

在審

• 申請號: 202010518920.8
• 申請日: 2020-06-09
• 公開（公告）號: CN111783943A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 劉利鋒;王春燕;曹銘純;趙萬忠;張自宇;何鵬;王一松;吳子涵
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

本發明公開了一種基于LSTM神經網絡的駕駛員制動強度預測方法，步驟如下：采集車速信息、加速度信息、行駛路程信息、制動踏板位移信息以及踏板速度信息，并對采集到的數據進行預處理；訓練LSTM神經網絡，得到訓練模型；得到的訓練模型，實時對駕駛員需求的制動強度進行預測，以提前預測到駕駛員的制動需求。本發明的方法可以針對特定駕駛員在某一段固定路程中的制動行為進行預測，將駕駛員和道路狀況等歷史因素加入到制動強度的預測中，更好地實現駕駛員制動強度的預測。

技術領域

本發明屬于車輛智能駕駛技術領域，具體指代一種基于LSTM神經網絡的駕駛員制動強度預測方法。

背景技術

隨著智能交通的發展，人機協同智能輔助駕駛系統的需求越來越大，而對于駕駛員的駕駛意圖的預測以及駕駛行為的模擬則是實現人機協同的重要基礎，因此對于駕駛員意圖的預測的研究有重要的意義。對于制動意圖的預測可以有效提高汽車的制動性能，提高制動穩定性和安全性。對于制動意圖的預測的研究目前有神經網絡，模糊控制，邏輯門限，線性擬合算法等方法。在現階段主要采用無監督或監督的機器學習包括神經網絡，支持向量機，隱馬爾可夫模型，貝葉斯算法等進行制動意圖的識別和預測。

目前對駕駛員制動強度預測的神經網絡算法為簡單神經網絡，如中國發明專利申請號為201610232598.6，專利名稱為“基于模糊神經網絡的駕駛員制動意圖辨識方法”中提出了基于ANFIS編輯器設定模糊神經網絡對制動強度離線辨識，提高了駕駛員制動意圖辨識的精確性；中國發明專利申請號為201910530742.8，專利名稱為“一種對駕駛人制動意圖進行辨識的GHMM/GGAP-RBF混合模型及辨識方法”中將GHMM與廣義生長剪枝徑向基函數神經網絡模型結合，彌補了神經網絡在獲取時序信息方面的不足，提高駕駛人制動意圖識別的準確率。

在神經網絡預測制動強度方面，目前所采用的神經網絡算法大多為簡單BP神經網絡，RBF神經網絡等，這些神經網絡采用大量的駕駛員駕駛數據來進行普遍的制動強度預測，沒有采用深度學習的神經網絡算法，因此并不能考慮到駕駛員本身的影響因素，駕駛員本身的歷史制動習慣會影響到制動的強度。

發明內容

針對于上述現有技術的不足，本發明的目的在于提供一種基于LSTM神經網絡的駕駛員制動強度預測方法，本發明的方法可以針對特定駕駛員在某一段固定路程中的制動行為進行預測，將駕駛員和道路狀況等歷史因素加入到制動強度的預測中，更好地實現駕駛員制動強度的預測。

為達到上述目的，本發明采用的技術方案如下：

本發明的一種基于LSTM神經網絡的駕駛員制動強度預測方法，步驟如下：

步驟1)：采集車速信息、加速度信息、行駛路程信息、制動踏板位移信息以及踏板速度信息，并對采集到的數據進行預處理；

步驟2)：根據步驟1)中處理得到的數據，訓練LSTM神經網絡，得到訓練模型；

步驟3)：根據步驟2)得到的訓練模型，實時對駕駛員需求的制動強度進行預測，以提前預測到駕駛員的制動需求。

進一步地，所述步驟1)中數據預處理過程，具體步驟如下：

步驟1.1)對采集到的數據進行處理，得到制動時的初始車速、前3s內的平均車速、前3s內的踏板位移、踏板速度、已行駛的路程以及制動強度；

步驟1.2)對上述步驟1.1)得到的數據進行平滑性處理，消除奇異值；對訓練數據進行歸一化處理：

式中，X_i為歸一化后的數據，x_max為特征向量的最大值，x_min為特征向量的最小值。

進一步地，所述步驟1.1)中數據處理步驟如下：