[发明专利]基于HMM算法的驾驶行为分类方法和装置

说明书

本申请公开了一种基于HMM算法的驾驶行为分类方法，包括：获取驾驶观测数据；采用前向forward算法计算所述驾驶观测数据在正常驾驶模型下的正常驾驶似然值，以及采用所述forward算法计算所述驾驶行为数据在所述危险驾驶模型下的危险驾驶似然值；根据所述正常驾驶似然值和所述危险驾驶似然值确定贝叶斯因子；根据所述贝叶斯因子与阈值进行比较确定驾驶行为类别，实施本申请能提高识别驾驶行为的准确性。

技术领域

本申请涉及计算机领域，尤其涉及一种基于HMM算法的驾驶行为分类方法和装置。

背景技术

换道是驾驶过程中最常见同时也是危险程度较高的驾驶行为。根据美国高速公路安全管理局研究数据表明,由于换道过程引发的交通事故在所有统计的交通事故中占比高达27％。在对本车和周围车辆运行状态感知的基础上,研究危险换道驾驶行为的预测方法,有助于实现辅助驾驶系统准确、及时地换道预警或干预。现有的大量换道预警研究均是以基于车速和相对距离的碰撞时间，或基于车辆制动运动学分析的最小安全车距作为预警参数,通过确定预警参数的阈值建立不同的预警策略。而实际上,危险换道从换道开始到发生危险冲突的整个过程很难用单一的预警参数进行描述,需要采用更复杂的算法和模型进行研究。为此,本文中选取了支持向量机模型算法,建立了基于算法的危险换道驾驶行为预测模型。目前,SVM已在驾驶员意图/行为(如直行、转向、变换车道等)识别方面取得了良好的预测效果并广泛应用于车辆辅助驾驶系统中，但在换道驾驶行为危险性预测方面研究较少。

发明内容

本申请实施例所要解决的技术问题在于，提供一种驾驶行为的分类方法和装置，能有效预测换道行为是否为危险行为。

为了解决上述技术问题，本申请提供了一种基于HMM算法的驾驶行为分类方法，包括：获取驾驶观测数据，驾驶观测数据是一定时间段内采集到的观测值序列，观测值序列中的每个元素包括采集时间。采用forward算法计算驾驶观测数据在正常驾驶模型下的正常驾驶似然值，以及采用所述forward算法计算驾驶观测数据在危险驾驶模型下的危险驾驶似然值，根据所述正常驾驶似然值和所述危险驾驶似然值确定贝叶斯因子，根据贝叶斯因子和阈值进行比较确定驾驶观测数据对应的驾驶行为类别。

本申请实施例，对驾驶观测数据在正常驾驶模型和危险驾驶模型下分别得到的似然值，通过对两个似然值得到的贝叶斯因子与阈值进行比较判别驾驶行为类别，能提高识别驾驶行为的准确性，提高驾驶的安全性。

在一种可能的设计中，获取驾驶观测数据之前，还包括：根据正常驾驶运行训练集采用HMM算法建立正常驾驶模型，以及根据危险驾驶运行训练集采用HMM算法建立危险驾驶模型。其中，正常驾驶运行训练集包括多个正常驾驶行为样本数据，危险驾驶运行训练集包括多个危险驾驶行为样本数据，危险驾驶行为样本数据对应的驾驶行为类别是危险驾驶行为，正常驾驶行为样本数据对应的驾驶行为类别是正常驾驶行为，危险驾驶行为样本数据和正常驾驶行为样本数据是一个时间序列。

在一种可能的设计中，所述正常驾驶运行训练集和所述危险驾驶运行训练集中的数据包括相邻两车之间的横向速度差、相邻两车之间的纵向速度差、相邻两车之间的横向加速度差、相邻两车之间的纵向加速度差、相邻两车之间的运行方向夹角、相邻两车之间的质心距离中的一种或多种。

在一种可能的设计中，正常驾驶模型和危险驾驶模型与隐含状态序列、样本观测值序列、状态转移概率、状态输出事件的随机分布函数和初始状态分布有关。

所述驾驶观测数据的模型后验概率i＝0或1，z为所述驾驶观测数据，P(z|λ₀)表示所述正常驾驶似然值，p(z)表示所述驾驶观测数据的概率，P(z|λ₁)表示所述危险驾驶似然值，所述贝叶斯因子

第二方面，本申请提供了一种驾驶行为的分类装置，包括：

获取单元，用于获取驾驶观测数据；