[发明专利]一种驾驶行为意图判断与预测方法

说明书

本发明涉及交通安全领域，特别涉及基于隐式马尔可夫模型(HMM)的驾驶行为意图判断与预测方法。现有驾驶行为意图辨识与预测技术没有考虑驾驶行为的动态性和连续性，以及变道、跟车和刹车等复杂行为。本发明对从动态驾驶数据聚类分析得到的时间序列分割数据，分别训练直线方向HMM、横向HMM和速度分级模型，并将得到的辨识结果作为行为识别层观测序列，再分别离线训练对应正常/紧急刹车、正常/紧急变道、正常/危险跟车的驾驶行为多维离散HMM模型，根据模型参数和观测序列，可预测下一时间步驾驶行为。本发明考虑了驾驶行为的复杂性和连续性，能够对驾驶行为意图进行动态判断和预测，并对危险行为进行预警，可具体应用于驾驶行为评价和驾驶辅助系统。

技术领域

本发明涉及交通安全领域，特别涉及一种基于隐式马尔可夫模型(Hidden MarkovModel,HMM)的驾驶行为意图判断与预测方法。

背景技术

随着机动车保有量的激增，交通安全事故居高不下。大量研究表明，驾驶员的不当行为是引起交通事故的主要原因，驾驶行为直接影响道路通行能力和交通安全。因此，研究辨识与预测驾驶行为意图，具有重要的现实意义。

现有研究集中于两个方面。一方面，从驾驶员心理角度出发，运用离散选择模型(如Logistic模型)描述驾驶员行为，这些模型将驾驶员的决策行为抽象为单次决策，不能刻画驾驶员一系列的复杂行为过程；另一方面，主要集中于驾驶意图的静态识别，如根据操作和控制经验，应用模糊推理的方法辨识驾驶意图。然而，驾驶行为是一个动态过程，这些方法不能刻画基于动态数据的时间序列问题。

2014年3月29日公开的中国专利CN201310640000.3(公告号CN103640532A)，提出一种基于驾驶员制动与加速意图辨识的行人防碰撞预警方法。该发明运用隐式马尔科夫模型对驾驶行为意图辨识和预测，分析驾驶员在遇到前方存在行人时可能采取的加速通过或制动停车以避碰行人等操纵行为和策略，并判断是否存在危险，对驾驶员和前方行人进行预警。该发明虽然采用了具有时间序列特性的隐式马尔科夫模型，但仅从直线加减速单一情况出发，未能考虑车辆行驶中变道、跟车和刹车等复杂行为。

2016年9月21日公开的中国专利CN201610389825.6(公告号CN105946861A)，提出一种基于驾驶意图识别的NAR神经网络车速预测方法。该发明采用NAR神经网络，并引入驾驶意图与车速时间序列共同作为网络的输入，该发明虽然优化了多步动态的车速预测效果，但是在驾驶意图辨识方面采用的是传统模糊识别，未能反映驾驶行为的动态性和连续性。

有鉴于此，本发明提供一种基于隐式马尔可夫模型的驾驶行为意图判断和预测方法，提出驾驶行为辨识预测的三层复合模型。

发明内容

鉴于现有技术的不足，本发明的目的是提供一种基于隐式马尔科夫模型的驾驶员行为意图判断与预测方法，通过分析驾驶员的变道、跟车和刹车等复杂行为的特征，运用具有时间序列特性的隐式马尔科夫模型辨识驾驶行为意图，据此做出短时行为预测，并判断是否存在危险，对驾驶员进行预警和干预，从而降低驾驶行为的危险性，提高车辆行驶的安全性。

为了实现上述目的，本发明提出的一种基于隐式马尔科夫模型的驾驶员行为意图判断与预测方法，具体包括以下三个层面：

1)下层是行为分割层，采用聚类方法对动态驾驶数据进行分段处理，在某个时间点对车辆的不同运动行为进行分割，得到时间序列的分割数据。

2)中间层是变量提取层，采用直线方向HMM对直线方向变量进行提取；采用横向HMM对横向变量进行提取；采用速度分级模型对速度变量进行提取。整合直线方向变量、横向变量和速度变量，得到上层行为识别层的观测序列。

3)上层是行为识别层，将从变量提取层中得到的3个辨识结果作为驾驶意图层HMM的观测序列，训练对应正常刹车，紧急刹车，正常变道，紧急变道，正常跟车，危险跟车6种驾驶行为的多维离散HMM模型。