[发明专利]考虑驾驶风格的车辆行驶危险度评价方法

权利要求书

1.一种考虑驾驶风格的车辆行驶危险度评价方法,其特征在于，所述的考虑驾驶风格的车辆行驶危险度评价方法包括步骤如下：

1)采用历史驾驶操纵数据对驾驶员激进程度进行评估；

2)基于实时车辆运行数据并利用隐马尔科夫模型对自由行驶、跟驰和换道三种行驶状态进行预测：

实时车辆运行数据包括速度、纵向加速度、侧向加速度、车头时距，并使用数据采集模块进行数据采集，获取车辆自由行驶、跟驰、换道三种状态的车辆运行数据样本，其中自由行驶状态定义为在本车道没有前车下的车辆直行状态；利用车辆行驶状态预测模块，以上述三种行驶状态为隐含状态，车辆运行数据样本为观测序列，隐马尔可夫模型算法如下所示， 观测序列V＝{v₁,v₂,…,v_M}，M为可观测状态的数量，t时刻的观测事件为O_t，隐状态S＝{q₁,q₂,q₃,…,q_N}，N为隐藏状态的数量，t时刻所处的状态为q_t，模型参数λ＝(π，A，B)，其中A＝{α_ij}为状态转移概率矩阵，B＝{b_j(k)}为状态j的观察概率矩阵，π＝{π_i}为初始化状态分布，利用Baum-Welch理论进行参数优化，过程是将观测序列和模型初始参数λ＝(π，A，B)带入到以下的参数重估公式:

式中：ξ_t(i，j)表示给定O和λ的情况下，t时刻状态为S_i且t+1时刻状态变为S_j的概率，γ_t(i)表示给定O和λ的情况下，t时刻状态为S_i的概率；

通过参数重估得到一组更加理想的参数一般情况下时循环终止，经过多次带入重估后就能得到隐马尔可夫模型的最大似然解；

基于训练后的隐马尔科夫模型，使用车辆的实际运行数据通过Viterbi算法进行隐状态的解码，以最大概率对应的观测向量的隐状态为当前的驾驶状态；

3)针对自由行驶、跟驰和换道三种行驶状态，建立不同模糊控制器进行行驶危险度评估：

4)利用驾驶员激进程度对行驶危险度进行修正：

将驾驶风格修正模块对于驾驶风险度在[0.3,0.7]范围内的值与进行驾驶风格模糊推理模块得到的驾驶员激进程度的值求和，得到最终的行驶风险度输出结果；因此对于激进程度高的驾驶员，行驶风险度在[0.3,0.7]之内的值将增大，对于激进程度低的驾驶员，行驶风险度在[0.3,0.7]之内的值将减小。

2.按照权利要求1所述的考虑驾驶风格的车辆行驶危险度评价方法,其特征在于，所述的采用历史驾驶操纵数据对驾驶员激进程度进行评估是指：

1)历史驾驶操纵数据包括加速度变化率Jerk的绝对值和方向盘转速，并使用数据采集模块进行数据采集；

2)针对驾驶风格建立模糊控制器，输入加速度变化率Jerk绝对值的均值和方向盘转速的均值得到驾驶员激进程度的输出，加速度变化率Jerk绝对值均值的论域为[0,2]，模糊子集为{Low，Medium，High}，方向盘转速均值的论域为[0,40]，模糊子集为{Low，Medium，High}，输出论域为[-0.3,0.3]，模糊子集为{Low，Medium，High}，见表1。

表1模糊规则

3.按照权利要求1所述的考虑驾驶风格的车辆行驶危险度评价方法,其特征在于，所述的针对自由行驶、跟驰和换道三种行驶状态，建立不同模糊控制器进行行驶危险度评估是指：

1)利用行驶风险度模糊推理模块对于自由行驶状态选择纵向加速度绝对值和横向加速度绝对值为特征参量，作为输入建立二输入单输出模糊控制器，输出值为驾驶风险度，纵向加速度绝对值论域为[0,8]，模糊子集为{Low，Medium，High}，横向加速度绝对值论域为[0,3]，模糊子集为{Low，Medium，High}，输出论域为[0,1]，模糊子集为{Low，Medium，High}，见表2；

表2模糊规则

2)利用行驶风险度模糊推理模块对于跟驰状态选择车头时距和纵向加速度为特征参量，作为输入建立二输入单输出模糊控制器，输出值为驾驶风险度，车头时距论域为[0,40]，模糊子集为{Low，Medium，High}，纵向加速度论域为[-6,6]，模糊子集为{NB，ZO，PB}，输出论域为[0,1]，模糊子集为{Low，Medium，High}，见表3；

表3模糊规则

3)利用行驶风险度模糊推理模块对于换道状态选择速度、纵向加速度为特征参量，作为输入建立二输入单输出模糊控制器，输出值为驾驶风险度，速度论域为[0,40]，模糊子集为{Low，Medium，High}，纵向加速度论域为[-5,5]，模糊子集为{NB，ZO，PB}，输出论域为[0,1]，模糊子集为{Low，Medium，High}，见表4。

表4模糊规则