[发明专利]基于变结构贝叶斯网络的智能车辆威胁估计系统及方法

说明书

本发明请求保护一种基于变结构贝叶斯网络的智能车辆威胁估计系统及方法，用于评估运动目标对车辆的威胁程度，涉及智能车辆认知技术领域。该系统包括威胁建模、数据采集与威胁估计模块。威胁建模阶段，确定影响智能车辆威胁估计的因素，包括外部环境因素、目标特征及驾驶员因素，然后构造贝叶斯网络模型的拓扑结构，再确定模型的局部条件概率表。车辆行驶过程中，数据采集模块利用传感器采集各影响因素的实时数据，威胁估计模块根据各因素变化率，只针对快速变化的因素重构其对应的变量节点，得到变结构贝叶斯网络模型，再进行推理计算得到目标威胁指数。本发明能有效改善智能车辆威胁估计的性能。

技术领域

本发明属于智能车辆技术领域，特别是智能车辆的态势估计技术领域，具体涉及一种基于变结构贝叶斯网络的智能车辆威胁估计方法。

背景技术

对外部环境中的各类目标进行威胁估计是智能车辆环境认知的关键技术之一。在辅助驾驶系统中，通过威胁估计能有效分辨出危险目标并提醒驾驶员避免碰撞。在自动驾驶系统中，威胁估计是安全的路径规划的基础。

在现有的威胁估计方法中，中国专利申请：一种语音播报式智能车辆路径规划装置与实施方法(申请号：2014100504696)中仅考虑了障碍物的距离、角度，并未考虑其运动状态、身份特征、尺寸等因素。中国专利申请：基于动态贝叶斯网络的威胁估计方法(申请号：CN201710227379.3)利用动态贝叶斯网络模型分析作战双方、环境、天气等因素学习推理得到威胁等级，不属于智能车辆威胁估计。中国专利申请：基于威胁估计的智能车辆路径规划方法(申请号：CN201610050880.2)，根据目标的速度、距离以及环境、天气等威胁因素构造车辆威胁估计的贝叶斯网络模型，并通过推理算法推理得到威胁指数，但并未考虑驾驶员因素对威胁的影响。

本发明针对智能车辆威胁估计问题，提出一种基于变结构贝叶斯网络的智能车辆威胁估计方法，构造包含多种影响因素的贝叶斯网络模型，并通过变结构化处理提高计算效率，实现有效改善智能车辆威胁估计的性能。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种有效改善智能车辆威胁估计的性能的基于变结构贝叶斯网络的智能车辆威胁估计系统及方法。本发明的技术方案如下：

一种基于变结构贝叶斯网络的智能车辆威胁估计系统，其包括威胁建模模块、数据采集模块及威胁估计模块，其中

威胁建模模块：用于分析并确定智能车辆威胁估计的影响因素，包括外部环境因素、目标特征以及驾驶员因素在内的影响因素；根据影响因素之间的相互关系，构造出用于威胁估计的基于贝叶斯网络的威胁估计模型；分析各影响因素对智能车辆威胁估计模型的影响程度，确定局部条件概率表；

数据采集模块：用于在车辆行驶过程中，利用传感器采集各影响因素的实时数据；

威胁估计模块：根据数据采集模块获得的各影响因素的实时数据，计算各因素变化率，只针对快速变化的因素重构其对应的变量节点，得到变结构贝叶斯网络模型；再根据新的贝叶斯网络模型进行推理计算得到目标威胁指数。

进一步的，所述威胁建模模块提取影响车辆威胁指数的因素，主要包括目标特征、环境因素以及驾驶员因素，目标特征的子因素包括目标的速度、目标与本车辆的距离以及目标类型；环境因素的子因素包括路面状况和能见度；驾驶员因素的子因素包括心理因素和生理因素。

一种基于变结构贝叶斯网络的智能车辆威胁估计方法，其包括以下阶段：

(1)威胁建模阶段：分析并确定智能车辆威胁估计的影响因素，包括外部环境因素、目标特征以及驾驶员因素等；根据影响因素之间的相互关系，构造出用于威胁估计的贝叶斯网络模型的拓扑结构；分析各因素对智能车辆威胁估计的影响程度，确定局部条件概率表；