[發明專利]一種基于GM-HMM的駕駛員加速意圖建模方法

在審

• 申請號: 202011336984.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112396118A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 趙蕊;蔡錦康;黃楷博;鄧偉文;丁娟
• 申請（專利權）人: 浙江天行健智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;B60W40/00;B60W40/107
• 代理公司: 蘇州根號專利代理事務所(普通合伙) 32276
• 代理人: 仇波

本發明公開了一種基于GM?HMM的駕駛員加速意圖建模方法，該建模方法的步驟包括：進行模擬駕駛試驗并采集數據，采集的數據包括加速踏板行程、加速踏板行程導數和縱向加速度；提取數據并進行歸一化處理；通過K?Means聚類算法進行聚類，得到三個加速意圖的中心點；根據三個加速意圖的中心坐標，得到緩慢加速數據集、正常加速數據集和激進加速數據集；使用訓練數據訓練GM?HMM模型，得到三個基于GM?HMM的加速意圖模型：緩慢加速意圖模型、正常加速意圖模型和激進加速意圖模型；測試模型。通過模擬駕駛試驗采集數據，建立基于GM?HMM的駕駛員加速意圖模型，具有預測準確度高，成本低廉的優點。

技術領域

本發明涉及車輛控制技術領域，特別涉及一種基于GM-HMM算法的駕駛員加速意圖建模方法。

背景技術

加速策略是車輛控制策略的重要組成部分，它直接影響到用戶的安全性和使用舒適性。然而，由于駕駛員的加速意圖是隨著周圍環境的變化而變化的，車輛的加速策略必須將駕駛員加速意圖納入考慮之中方可為用戶帶來更好的駕駛感受，提高產品競爭力。然而，駕駛員的加速意圖建模是一個很復雜的問題。

論文《基于GM-HMM的DCT車輛駕駛員起步意圖辨識研究》(劉海江，蘇博煒-《汽車技術》：2020)針對DCT控制系統對起步意圖辨識準確度不高的問題，提出了一種基于高斯混合隱馬爾科夫模型(GM-HMM)的起步意圖辨識方法：根據DCT車輛實車起步縱向加速度分布特性；將起步過程分為8個時段；基于K均值聚類算法對各時段內平緩起步、一般起步以及緊急起步進行定義；在此基礎上對各時段3類GM-HMM進行訓練；通過對比0.3s內油門踏板開度時間序列在不同模型中的對數似然概率確定當前駕駛員的起步意圖，而非駕駛員加速意圖建模，且其未將加速踏板導數納入考慮之中，得到的聚類結果可信度值得懷疑。目前，尚無關于駕駛員加速意圖建模方法相關的專利。

發明內容

本發明的主要目的在于提供一種基于GM-HMM的駕駛員加速意圖建模方法，以使用模擬駕駛器進行模擬駕駛試驗所得到的車輛行駛相關數據，得到基于GM-HMM的駕駛員加速意圖模型。

為了達到上述目的，本發明提供一種基于GM-HMM的駕駛員加速意圖建模方法，主要包括以下步驟：

進行駕駛員在環模擬駕駛試驗并采集數據，試驗中采集的數據包括加速踏板行程、加速踏板行程導數和縱向加速度；

提取出加速踏板連續增加時間段的數據并進行歸一化處理；

通過K-Means聚類算法對所有歸一化的數據進行聚類，得到三個加速意圖的中心點：緩慢加速中心點、正常加速中心點和激進加速中心點；

根據三個加速意圖的中心坐標，將屬于相同加速意圖的數據放入同一數據集，得到緩慢加速數據集、正常加速數據集和激進加速數據集，并對三個數據集進行分類得到訓練數據和測試數據；

使用訓練數據訓練GM-HMM模型，得到三個基于GM-HMM的加速意圖模型：緩慢加速意圖模型、正常加速意圖模型和激進加速意圖模型；

使用測試數據測試三個基于GM-HMM的加速意圖模型。

進一步地，模擬駕駛試驗中，虛擬環境為包含有隨機交通流的1:1城市道路。進一步地，數據采集頻率為100Hz。

進一步地，數據的歸一化處理根據以下公式進行：

其中，i為數據點編號；j為變量編號；X表示變量值；Y表示歸一化之后相關變量的數據；max為相關數據的最大值；min為相關數據的最小值。