[发明专利]一种基于支持向量机模型的车辆换道决策方法

权利要求书

1.一种基于支持向量机模型的车辆换道决策方法，其特征在于：包括支持向量机模型的训练过程和使用支持向量机模型进行换道识别的过程；包括以下步骤：

步骤1：通过毫米波测速雷达传感器获取样本数据，具体是原始车道上换道车辆与前车的距离G_PO、目标车道上换道车辆与前车的距离G_PT、目标车道上换道车辆与后车的距离G_FT、目标车道上前车与后车的距离D、换道车辆的速度V五个样本数据实时的获取；

步骤2：构建基于支持向量机的车辆换道决策模块，分别通过训练与测试样本的采集与处理、基于Matlab平台的支持向量机的模型的建立、模型精确度验证这几个环节来构建车辆换道决策模块；

步骤3：决策判断，将获取的五个样本数据实时地导入到车辆换道决策模块中，得到是否进行换道的决策判断。

2.根据权利要求1所述的基于支持向量机模型的车辆换道决策方法，其特征在于：所述步骤2中，训练与测试样本数据的选取与处理环节中的交通数据是由Next Generation Simulation(NGSIM)提供，NGSIM数据集中的轨迹数据提供每辆车的纵坐标、横坐标、速度、加速度和前后两车间隔时间，采样间隔为0.1秒;并对数据集进行划分。

3.根据权利要求1所述的基于支持向量机模型的车辆换道决策方法，其特征在于：所述步骤2中，所用的是NGSIM于2005年6月15日在美国洛杉矶101高速路上，位于Ventura和Cahuenga两个匝道囗之间约650米的直线道路上采集的车载数据，为了检验SVM模型在时间上的通用性，本文选取7：50－8：05和8：05－8：20两个时间段的数据集进行分析，一个作为训练集，一个作为检测集。

4.根据权利要求1所述的基于支持向量机模型的车辆换道决策方法，其特征在于：所述步骤2中，基于Matlab平台进行支持向量机模型的构建，将训练集样本进行训练得到模型。

5.根据权利要求1所述的基于支持向量机模型的车辆换道决策方法，其特征在于：所述步骤2中支持向量机模型的精确度验证环节，使用模型对检测集样本进行识别，并将识别结果与实际换道情况进行对比，用识别的准确性验证模型的有效性。