[发明专利]一种行驶路况评价方法

权利要求书

1.一种行驶路况评价方法，其特征在于：所述方法包括如下步骤：

步骤1)：获取行驶路况图像；

步骤2)：道路图像预处理；

步骤3)：提取图像特征；

步骤4)：建立初始反向传播神经网络结构，并设定该网络相关参数和函数，基于提取的图像特征利用编码方式产生初始参数，同时利用蝙蝠算法获得最优权值和阈值；

步骤5)：通过蝙蝠算法-反向传播算法得到的最优权值和阈值优化反向传播神经网络，并且经过训练得到满足性能要求的最佳反向传播神经网络结构；

步骤6)：建立基于蝙蝠算法-反向传播神经网络的评价模型，对行驶路况进行评价。

2.如权利要求1所述的行驶路况评价方法，其特征在于：所述步骤1)中路况图像中疑似障碍物的信息有如下表达式：

其中，采集的前方物体的初始高宽值分别为h₀和w₀，车体和疑似障碍物的距离初始值为d₀，动态障碍物判定系数为γ；

若采集图像中感兴趣区域内疑似障碍物物体在整幅图像中轮廓大小不变或者越来越小，则d≥d₀，即运动体和疑似障碍物距离保持不变或者原来越远，排除障碍物嫌疑，γ＝0；反之，轮廓变大，d＜d₀确定为动态障碍物，此时γ＝1。

3.如权利要求2所述的行驶路况评价方法，其特征在于：所述步骤2)中图像特征包括路面平整度、路面弯曲度、障碍物宽高比、障碍物有效面积比和障碍系数。

4.如权利要求1所述的行驶路况评价方法，其特征在于：所述反向传播神经网络由3层节点组成：输入节点n个、隐含层节点p个、输出节点q个。

5.如权利要求4所述的行驶路况评价方法，其特征在于：所述蝙蝠算法-反向传播算法中设定调整因子和

其中，为输入变量的谱值。

6.如权利要求5所述的行驶路况评价方法，其特征在于：所述蝙蝠算法-反向传播算法为：

将反向传播神经网络的参数作为一个整体参数进行编码；随机生成n个蝙蝠，形成初始的蝙蝠种群，在搜索空间中随机初始化蝙蝠的位置x_i，速度v_i，响度A_i和脉冲频度r_i；将每只蝙蝠个体的位置与适应度f(x)联系起来；判断算法是否达到最大迭代次数，若满足条件，则算法结束，输出最优解，否则，进行下一步；根据飞行速度与位置更新公式f_i＝f_min+(f_max-f_min)β、和更新蝙蝠的速度和位置；产生一个随机数rand1，若rand1＞r_i，r_i为第i只蝙蝠的脉冲频度，利用式x_new(i)＝x_old+εA^t得到x_new；对位置的好坏进行评估；产生一个随机数rand2，如果rand2＜A_i，其中A_i为第i只蝙蝠的脉冲响度。同时有f(x_i)＜f(x^*)则进行蝙蝠个体更新，通过式A^t+1(i)＝αA^t(i)减小A_i，通过式r^t+1(i)＝r⁰(i)×[1-exp(-γ×t)]增大r_i；如果满足终止条件，则输出目标值并终止程序执行，否则转向将每只蝙蝠个体的位置与适应度f(x)联系起来；将蝙蝠算法优化得到的个体解码，结果作为反向传播神经网络的预选初始连接权值和阈值。根据所得的预选值，计算调整因子和若不满足或则转向随机生成n个蝙蝠，形成初始的蝙蝠种群，在搜索空间中随机初始化蝙蝠的位置x_i，速度v_i，响度A_i和脉冲频度r_i重新执行该程序；若同时满足及则预选值即作为反向传播神经网络的初始连接权值和阈值；

其中，β∈[0,1]是一个服从均匀分布随机向量，x_old为当前最优解集中随机选择的一个解，A^t为当前迭代次数下的所有蝙蝠的平均响度，ε为一个D维随机向量，ε∈[-1,1]，α为脉冲响度的衰减系数，α为常量，且0＜α＜1。