[發明專利]一種基于概率修正的駕駛員意圖識別方法

有效

• 申請號: 202010624121.9
• 申請日: 2020-06-30
• 公開（公告）號: CN111717217B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 唐小林;陽鑫;蒲華燕;陳佳信;胡曉松;張志強;李佳承
• 申請（專利權）人: 重慶大學
• 主分類號: B60W50/00
• 分類號: B60W50/00;B60W40/08;B60W40/09
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 楊柳岸

1.一種基于概率修正的駕駛員意圖識別方法，其特征在于，該方法包括以下步驟：

S1：采集駕駛行為的數據，包括車輛數據和駕駛員數據，并進行相應的預處理；

S2：根據高精度地圖和環境感知系統獲取環境道路信息，選取用于駕駛員意圖識別的特征數據，并用多維高斯隱馬爾科夫模型(Multi-dimension Gaussian Hidden MarkovModel，MGHMM)進行駕駛員意圖的初步識別，計算得到觀測序列對應于各駕駛員意圖模型初始概率P₁；

從高精度地圖中提取的特征數據包括道路的坡度、平整度和附著系數，從環境感知系統中提取的特征數據包括周圍車輛的位置、行駛速度和方向；如在坡度變化較大時油門開度將不作為特征數據；當道路凹凸不平時，俯仰角從特征數據中剔除；

S3：結合環境道路信息和采集的駕駛員數據對駕駛員意圖模型初始概率P₁進行修正，分別得到修正概率P₂和P₃；

S4：將修正后的駕駛員意圖模型概率P輸入由粒子群優化算法(Particle swarmoptimization，PSO)優化參數后的SVM，由PSO-SVM分類器進行分類識別，從而辨識出最終的駕駛員意圖。

2.根據權利要求1所述的基于概率修正的駕駛員意圖識別方法，其特征在于，所述步驟S1具體包括以下步驟：

S11：采集包括車輛數據和駕駛員數據的駕駛行為數據；車輛數據包括方向盤轉角、方向盤轉角變化率、油門開度、制動踏板力、速度、橫向速度、縱向速度、橫擺角速度、橫擺角、俯仰角和側傾角；駕駛員數據包括駕駛員注視左、右后視鏡注視次數、注視時間，駕駛員平均掃視時間、平均掃視角度、平均掃視速度，駕駛員眼部水平運動、垂直運動，駕駛員頭部橫擺運動、側傾運動和俯仰運動；

S12：對采集到的數據進行預處理。

3.根據權利要求1所述的基于概率修正的駕駛員意圖識別方法，其特征在于，所述步驟S2具體包括以下步驟：

S21：根據高精度地圖和環境感知系統獲取環境道路信息，選取用于駕駛員意圖識別的特征數據；

S22：用訓練數據對多種駕駛員意圖模型進行訓練，采用Baum-Welch算法求解MGHMM模型的參數λ＝(π,A,C,μ,U)，其中π為初始狀態概率分布，A為狀態轉移矩陣，C混合高斯元協方差矩陣，μ為混合高斯元均值矩陣，U為混合高斯元協方差矩陣；

S23：采用前向概率計算觀察序列對于MGHMM模型的輸出概率P₁(o|λ)，進行駕駛員意圖的初步識別，計算得到觀測序列對應于各駕駛員意圖模型概率：

其中，α_T(i)表示前向概率，N為模型中的狀態數，T為觀測序列長度。

4.根據權利要求3所述的基于概率修正的駕駛員意圖識別方法，其特征在于，所述步驟S3具體包括以下步驟：

S31：利用環境感知系統和高精度地圖獲取的環境道路信息，計算駕駛員修正概率P₂；

S32：利用駕駛員數據得到駕駛員意圖修正概率P₃；

S33：利用MGHMM模型輸出的初始概率P₁和修正概率P₂、P₃，得到最終的駕駛員意圖模型概率P為：P＝P₁+P₂+P₃。

5.根據權利要求4所述的基于概率修正的駕駛員意圖識別方法，其特征在于，所述步驟S32具體包括：用統計學方法獲得各運動狀態和特征與駕駛意圖的關聯性，并選取關聯性強的運動狀態和特征作為特征數據，使用MGHMM模型識別駕駛員意圖，得到駕駛員意圖修正概率P₃。

6.根據權利要求4所述的基于概率修正的駕駛員意圖識別方法，其特征在于，所述步驟S4具體包括以下步驟：

S41：采用PSO算法優化支持向量機的懲罰參數c和核函數參數g，得到最優的分類器參數，其中PSO算法中粒子通過下式來比較更新速度和位置：

其中，i為任意第i個粒子，i＝1,2,…,n；m為解空間的維度，m＝1,2,…,M，k表示當前迭代進行的次數，第i個粒子的位置為x_i＝(x_i1,x_i2,...,x_iM)^T，速度為v_i＝(v_i1,v_i2,...,v_iM)^T，個體極值為p_i＝(p_i1,p_i2,...,p_iM)^T，群體極值為p_g＝(p_g1,p_g2,...,p_gM)^T，r₁、r₂為[0,1]之間的一個隨機數，ω為非負的慣性權重因子，c₁、c₂為學習因子；

S42：利用支持向量機，以多種駕駛員最終意圖概率值數組作為輸入特征向量，輸入到PSO-SVM分類器中進行分類識別，得到最終的駕駛員意圖識別結果，支持向量機的決策函數如下：

其中，在已知樣本集G＝{(x_i,y_i),i＝1,…,l}中，(x_i，y_i)表示任意第i個樣本，α_i為拉格朗日乘子，K(x,x_i)為支持向量機核函數，b為偏差。