[发明专利]一种基于概率修正的驾驶员意图识别方法

说明书

本发明涉及一种基于概率修正的驾驶员意图识别方法，属于无人驾驶汽车领域。该方法包括：S1：采集驾驶行为的数据，并预处理；S2：获取环境道路信息，选取特征数据，并用MGHMM模型进行驾驶员意图的初步识别，计算得到观测序列对应于各驾驶员意图模型初始概率；S3：结合环境道路信息和采集的驾驶员数据对驾驶员意图模型初始概率P₁进行修正，分别得到修正概率P₂和P₃；S4：将修正后的驾驶员意图模型概率输入PSO‑SVM分类器进行分类识别，辨识出最终的驾驶员意图。本发明大大提高了驾驶员意图识别的精度和实用性。利用本发明可进行驾驶员辅助系统的开发设计，实现无人驾驶汽车的人车协同控制。

技术领域

本发明属于无人驾驶汽车领域，涉及驾驶员意图识别及机器学习领域，具体涉及一种基于概率修正的驾驶员意图识别方法。

背景技术

交通运输业的快速发展和汽车保有量的稳步增长，在给民众的出行和生活带来便利的同时，也对道路交通安全提出了严峻的考验。据统计，大部分的道路交通安全事故和驾驶员操作失误存在直接或间接的联系，所以，各个汽车厂商都在不断提高自身车辆的主动安全和被动安全能力，以此提高车辆的安全性能。进行驾驶员意图的精确快速识别，将能得到一个更加安全可靠的碰撞评估或碰撞预警，从而提高车辆的安全性能，保证驾驶员的生命财产安全。此外，驾驶员意图识别的结果，还可用于激活各种驾驶员辅助系统，如车道保持系统，换道辅助系统，定速巡航系统等。

近年来，在智能网联汽车蓬勃发展的大背景下，人车协同控制受到了国内外研究人员的广泛关注。一方面，实现完全自主驾驶的L5级别还有很多关键技术亟待突破，另一方面，不能忽略和剥夺有驾驶兴趣的驾驶员的驾驶意愿。现有的驾驶员意图识别方法识别信息单一，未充分利用人-车-路综合信息，识别方法精度低，实用性差等问题。因此驾驶员意图识别作为人车协同控制的关键技术，有待进一步完善和优化，以提升人车协同控制的安全性和可靠性。

发明内容

有鉴于此，本发明的目的在于针对现有的驾驶员意图识别方法识别信息单一，未充分利用人-车-路综合信息，识别方法精度低，实用性差等问题，提供一种基于概率修正的驾驶员意图识别方法，提高车辆的安全性能，保证驾驶员的生命财产安全，完善和优化人车协同控制方法，为无人驾驶技术的发展提供技术支持。

为达到上述目的，本发明提供如下技术方案：

一种基于概率修正的驾驶员意图识别方法，包括以下步骤：

S1：采集驾驶行为的数据，包括车辆数据和驾驶员数据，并进行相应的预处理；

S2：获取环境道路信息，选取特征数据，并用多维高斯隐马尔科夫模型(Multi-dimension Gaussian Hidden Markov Model，MGHMM)进行驾驶员意图的初步识别，计算得到观测序列对应于各驾驶员意图模型初始概率P₁；

S3：结合环境道路信息和采集的驾驶员数据对驾驶员意图模型初始概率P₁进行修正，分别得到修正概率P₂和P₃；

S4：将修正后的驾驶员意图模型概率P输入由粒子群优化算法(Particle swarmoptimization，PSO)优化参数后的SVM，由PSO-SVM分类器进行分类识别，从而辨识出最终的驾驶员意图。

进一步，所述步骤S1具体包括以下步骤：

S11：采集包括车辆数据和驾驶员数据的驾驶行为数据；车辆数据包括但不限于方向盘转角、方向盘转角变化率、油门开度、制动踏板力、速度、横向速度、纵向速度、横摆角速度、横摆角、俯仰角和侧倾角等；驾驶员数据包括但不限于驾驶员注视左、右后视镜注视次数、注视时间，驾驶员平均扫视时间、平均扫视角度、平均扫视速度，驾驶员眼部水平运动、垂直运动，驾驶员头部横摆运动、侧倾运动和俯仰运动等；