[發明專利]一種車輛變道識別方法

在審

• 申請號: 202211559485.9
• 申請日: 2022-12-06
• 公開（公告）號: CN115878998A
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 鄔裕茗;張雷
• 申請（專利權）人: 同濟大學
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/2413;G06F18/213;G06F18/24
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 馬文巧

1.一種車輛變道識別方法，其特征在于，包括以下步驟：

對車輛的變道數據和不變道數據分別進行特征提取，獲得對應的特征數據集，所述特征數據集包括方差和最大偏移值；

對所述特征數據集進行歸一化處理后進行合并，基于合并后的數據訓練最鄰近分類算法，獲得訓練后的最鄰近分類算法；

基于所述訓練后的最鄰近分類算法對車輛變道行為進行識別。

2.根據權利要求1所述的車輛變道識別方法，其特征在于，

獲取車輛的變道數據和不變道數據的過程包括：從HighD數據集中提取車道id變化前后的若干行數據，并提取若干行數據中的x向加速度數據、y向加速度數據、車道id和車輛id進行存儲；若所述車道id和車輛id的數字未發生變化，則提取的數據為不變道數據；若所述車道id和車輛id的數字發生變化，則提取的數據為變道數據。

3.根據權利要求1所述的車輛變道識別方法，其特征在于，

進行歸一化處理的過程包括：從所述特征數據集中分別提取所述變道數據和不變道數據的x方差、y方差、x最大值偏移值、y最大值偏移值，并分別進行歸一化處理。

4.根據權利要求1所述的車輛變道識別方法，其特征在于，

訓練最鄰近分類算法之前還包括：按照預設比例將合并后的數據劃分為訓練集和測試集。

5.根據權利要求4所述的車輛變道識別方法，其特征在于，

訓練最鄰近分類算法的過程包括：基于所述訓練集訓練最鄰近分類算法，并獲取所述測試集的準確率，基于所述準確率獲得所述最鄰近分類算法的最佳k值，進而獲得訓練后的最鄰近分類算法。

6.根據權利要求1所述的車輛變道識別方法，其特征在于，

對車輛變道行為進行預測的過程包括：獲取應用數據的若干行數據，進行歸一化處理后輸入到訓練后的最鄰近分類算法中，基于所述訓練后的最鄰近分類算法中的預測函數識別每行數據的變道行為；所述應用數據為待預測的數據。

7.根據權利要求6所述的車輛變道識別方法，其特征在于，

對應用數據進行歸一化處理的過程包括：對應用數據的若干行數據進行特征提取，獲取應用數據的x方差、y方差、x最大值偏移值和y最大值偏移值，并對所述x方差、y方差、x最大值偏移值和y最大值偏移值進行歸一化處理。