[發明專利]一種基于混合學習的駕駛員轉向意圖預測方法

有效

• 申請號: 202011286713.0
• 申請日: 2020-11-17
• 公開（公告）號: CN112339766B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 劉亞輝;董晴;季學武;李亮;川原禎弘
• 申請（專利權）人: 清華大學;株式會社捷太格特
• 主分類號: B60W40/08
• 分類號: B60W40/08;B60W40/00;G06N3/04;G06N3/08
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 冀志華

本發明涉及一種基于混合學習的駕駛員轉向意圖預測方法，其特征在于包括以下步驟：1)在駕駛模擬平臺上進行多模式數據收集，并對收集的多模式數據進行預處理；2)基于預處理后的多模式數據建立混合學習時間序列模型；3)在智能車輛上裝載混合學習時間序列模型，并將在線采集的駕駛員肌電信號序列輸入到該混合學習時間序列模型進行預測，得到駕駛員連續轉向意圖預測和離散轉向意圖預測結果。本發明通過建立混合學習時間序列模型，實現了連續轉向力矩預測和離散意圖分類預測，并且通過歷史觀測參數的設置可以實現在一定的預測時間范圍內對轉向意圖的精確預測。本發明可以廣泛應用于駕駛員轉向意圖預測領域。

技術領域

本發明屬于智能駕駛技術領域，特別是一種基于混合學習的駕駛員轉向意圖預測的方法。

背景技術

自動駕駛技術的飛速發展給汽車工業和學術界提出了一系列具有挑戰性的問題。其中，探索人類駕駛員在未來自動駕駛車輛中可以扮演的角色以及人類和智能車輛如何有效協作是必不可少的任務之一。相互理解是多智能體組隊和協作的一個關鍵方面，通過理解雙方的意圖，使得人類駕駛員和智能車輛能夠有效地協作。在實現全自動駕駛汽車之前，駕駛員仍將需要與自動化設備共享部分車輛控制權限。在這種情況下，預測駕駛員的轉向意圖使智能車輛能夠提前優化與駕駛員的輔助和協作策略，從而為駕駛員與車輛之間的協作提供了一種智能的相互理解系統。

駕駛員轉向意圖對以人為中心的自動駕駛系統的發展起著至關重要的作用。具體來說，兩個重要的自動駕駛技術可以受益于駕駛員意圖預測。首先，駕駛員意圖預測可用于共享的控制和共享的轉向策略的優化。對轉向力矩等未來轉向意圖的連續預測，將為共享轉向控制系統提供必要的信息。補償和優化的轉向策略可以通過自動化預先確定，以保證在正常和關鍵環境下的駕駛安全。其次，對于部分自動化的駕駛車輛，控制權在人類駕駛員和自動化車輛之間的轉換應該是安全和平穩的。由于人類駕駛員經過一段時間的自動駕駛之后會出現駕駛技能退化的現象，因此評價人類駕駛員在接管操縱之后的駕駛性能至關重要。因此，預測駕駛員的轉向意圖將使自動化車輛評估未來的駕駛行為，評估駕駛風險，并為駕駛員提供必要的協助。

現有的駕駛員意向預測研究主要集中在駕駛員的駕駛意向推斷上，如剎車、換道和轉彎意向。結果表明，在高速公路和城市道路上，車道變更意向的預測精度可以達到3.5s以上，預測精度達到80％。目前大多數研究集中在基于視頻序列與內外環境、數字地圖、GPS和激光雷達信息融合做離散意圖分類和預測，這些方法通常需要進行復雜的傳感器融合和數據協調。結果表明，LDW系統在預測換道前0-1.5s的意圖非常有效，雖然駕駛意圖可以在較大的預測范圍內進行預測(通常為0s-3.5s)，但由于駕駛員生理狀態與駕駛行為之間缺乏聯系，只能估計出離散的意圖狀態。

駕駛員的神經肌肉動力學和肌電信號在過去的幾十年中得到了廣泛的研究。現有的研究主要集中在高級駕駛員輔助系統(ADAS)的轉向輔助系統設計、力覺共享控制和接收控制等方面。雖然肌電信號和神經肌肉動力學在駕駛行為建模和估計方面已經得到了廣泛的研究，但是對于連續和離散意圖預測，具有較長預測視野的駕駛意圖預測仍然需要開發和定量分析。

發明內容

針對上述問題，本發明的目的是提供一種基于混合學習的駕駛員轉向意圖預測方法，該方法基于肌電圖信號處理和時間序列建模，對駕駛員轉向意圖進行預測。

為實現上述目的，本發明采取以下技術方案：一種基于混合學習的駕駛員轉向意圖預測方法，其包括以下步驟：

1)在駕駛模擬平臺上進行多模式數據收集，并對收集的多模式數據進行預處理；

2)基于預處理后的多模式數據建立混合學習時間序列模型；

3)在智能車輛上裝載混合學習時間序列模型，并將在線采集的駕駛員肌電信號序列輸入到該混合學習時間序列模型進行預測，得到駕駛員連續轉向意圖預測和離散轉向意圖預測結果。

進一步地，所述步驟1)中，在駕駛模擬平臺上進行多模式數據收集，并對收集的數據進行預處理的方法，包括以下步驟：