[发明专利]一种实验性质的适应不同情感模式的驾驶意图辨识方法

权利要求书

1.一种实验性质的适应不同情感模式的驾驶意图辨识方法，其特征在于，包括以下步骤：

步骤S1、根据预先确定的情感模式，获取每一种情感模式下目标车的驾驶意图特征数据；

步骤S2、根据预先确定的每一种情感模式下驾驶意图特征向量提取规则和所述每一种情感模式下目标车的驾驶意图特征数据，获取每一种情感模式下驾驶意图特征向量；

步骤S3、将所述每一种情感模式下驾驶意图特征向量输入每一种情感模式下驾驶意图辨识模型，输出每一种情感模式下目标车的驾驶意图，所述每一种情感模式下驾驶意图辨识模型是根据预先构建的BP神经网络训练得到的；

所述目标车为车辆跟驰状态单元中的后车。

2.根据权利要求1所述的实验性质的适应不同情感模式的驾驶意图辨识方法，其特征在于，步骤S2中，所述每一种情感模式下驾驶意图特征向量提取规则的获取包括以下步骤：

S21、获取每一种情感模式下的驾驶意图特征实验数据；

S22、根据所述每一种情感模式下的驾驶意图特征实验数据，构建表示每一种情感模式下驾驶员驾驶意图辨识信息系统的第一决策表，根据第一决策表构建连续变量离散化的第二决策表；

S23、根据启发式贪心算法和所述第二决策表，获得每一种情感模式下驾驶意图特征向量。

3.根据权利要求2所述的实验性质的适应不同情感模式的驾驶意图辨识方法，其特征在于，步骤S22还包括：

根据最小信息熵方法对每一种情感模式下的驾驶意图特征实验数据中的连续变量进行处理，得到离散变量。

4.根据权利要求1所述的实验性质的适应不同情感模式的驾驶意图辨识方法，其特征在于，

所述情感模式包括愤怒、惊奇、恐惧、焦虑、无助、蔑视、轻松和愉悦中的一种或几种；

所述每一种情感模式下驾驶意图特征向量提取规则为：愤怒情感模式下驾驶意图特征向量为目标车驾驶员性别、目标车加速度、目标车驾驶员期望间距、目标车速度和前后车相对距离；

惊奇情感模式下驾驶意图特征向量为目标车驾驶员驾龄、目标车驾驶员驾驶倾向、目标车速度、前后车相对速度、前后车相对加速度和前后车相对距离；

恐惧情感模式下驾驶意图特征向量为目标车驾驶员性别、目标车驾驶员年龄、目标车驾驶员期望车速、目标车制动频率、目标车速度和前后车相对距离；

焦虑情感模式下驾驶意图特征向量为目标车驾驶员驾驶倾向、目标车驾驶员操作反应时间、目标车速度、目标车方向盘转向力度、目标车制动频率、前后车相对速度；

无助情感模式下驾驶意图特征向量为目标车驾驶员性别、目标车驾驶员驾龄、目标车加速度、目标车速度、前车速度、前后车相对速度；

蔑视情感模式下驾驶意图特征向量为目标车驾驶员驾驶倾向、目标车驾驶员期望车速、目标车驾驶员期望间距、目标车速度、前后车相对加速度、前后车相对距离；

轻松情感模式下驾驶意图特征向量为目标车驾驶员性别、目标车驾驶员驾龄、目标车驾驶员期望车速、目标车驾驶员期望间距、目标车速度、目标车加速度、前后车相对距离；

愉悦情感模式下驾驶意图特征向量为目标车驾驶员年龄、目标车驾驶员操作反应时间、目标车驾驶员期望车速、目标车驾驶员期望间距、目标车速度、目标车加速度、前车速度、前后车相对距离。

5.根据权利要求1所述的实验性质的适应不同情感模式的驾驶意图辨识方法，其特征在于，步骤S3中，每一种情感模式下驾驶意图辨识模型的训练包括以下步骤：

S31、选取每一种情感模式下多个样本的驾驶意图特征向量和目标车驾驶意图作为每一种情感模式下驾驶意图辨识模型的训练集；

S32、通过所述每一种情感模式下驾驶意图辨识的训练集对BP神经网络进行循环往复训练，获得每一种情感模式下驾驶意图辨识模型。

6.根据权利要求5所述的实验性质的适应不同情感模式的驾驶意图辨识方法，其特征在于，

所述BP神经网络的网络神经元的激励函数为

其中，x为网络神经元的输入信号，收敛速度随着参数θ的变化而变化。