[发明专利]一种驾驶员转向意图连续预测方法和系统

说明书

本发明公开了一种驾驶员转向意图连续预测方法和系统，包括：数据采集层，用于在训练和测试阶段对模拟驾驶场景中驾驶员的肌电信号数据和转向力矩数据进行收集，或在在线使用阶段对真实驾驶场景中驾驶员的肌电信号数据进行收集，并发送到数据处理层；数据处理层，用于对收集的各类数据进行预处理，并发送到模型构建层或转向意图预测层；模型构建层，用于根据训练和测试阶段处理后的肌电信号数据和转向力矩数据建立深度时间序列模型，并发送到转向意图预测层；转向意图预测层，用于根据在线使用阶段处理后的驾驶员肌电信号数据以及深度时间序列模型对驾驶员转向意图进行连续预测，得到驾驶员转向预测结果。本发明可以广泛应用于智能驾驶技术领域。

技术领域

本发明属于智能驾驶技术领域，特别是涉及一种基于肌电信号处理和时间序列建模的驾驶员转向意图连续预测方法和系统。

背景技术

智能和自动驾驶车辆在提高交通安全性、效率和多样性方面已显示出巨大潜力。交通运输和环境效率方面的其他好处以及为老年人和残疾人提供机动性的机会，正在刺激全球对自动驾驶和驾驶员辅助技术的投资。尽管在过去的五年中取得了一系列成就，但是仍然需要回答一个具有挑战性的问题，那就是人类驾驶员/乘客如何在未来的自动驾驶汽车中与自动化设备进行协作和交互。在实现全自动驾驶汽车之前，驾驶员仍将需要与自动化设备共享部分车辆控制权限。在这种情况下，预测驾驶员的转向意图使智能车辆能够提前优化与驾驶员的辅助和协作策略，从而为驾驶员与车辆之间的协作提供了一种智能的相互理解系统。

现有的驾驶员转向意图主要依赖于驾驶员状态估计和车辆动力学识别。现有的大多数研究都集中在基于视觉的方法上，预测离散的转向和换道意图。然而，由于在驾驶员状态和转向扭矩之间缺乏直接的联系，这些方法都不能提供提前和连续的转向意图预测系统。

目前，肌电图(EMG)信号已广泛用于驾驶员转向行为的研究，但大多数研究集中在转向行为建模、驾驶疲劳和转向舒适性评估上。研究发现驾驶过程中人类感知的转向力可能不同于物理力，并且EMG信号可用于感知力估计，但很少有研究基于EMG信号开发精确的转向扭矩预测，以实现驾驶员与自动驾驶车辆之间的智能协作。

发明内容

针对上述问题，本发明的目的是基于肌电图(EMG)信号处理和深层时间序列建模，提供一种具有深层时间序列学习功能的驾驶员转向意图预测方法和系统。

为实现上述目的，本发明采取以下技术方案：

本发明的第一个方面，是提供一种驾驶员转向意图连续预测方法，其包括以下步骤：1)在驾驶模拟平台上进行多模式数据收集，并基于收集的多模式数据建立深度时间序列模型；2)在智能车辆上装载深度时间序列模型，并将在线采集的驾驶员肌电信号序列输入到该深度时间序列模型进行连续预测，得到驾驶员转向意图连续预测结果。

进一步地，所述步骤1)中，在驾驶模拟平台上进行多模式数据收集，并基于收集的数据建立深度时间序列模型的方法，包括以下步骤：1.1)在驾驶模拟平台上进行多模式数据收集，采集的数据包括单右手驾驶和双手驾驶两种驾驶模式下三种不同的驾驶姿势对应的肌电信号数据和转向力矩数据；1.2)对采集的多模式数据进行滤除噪声和平滑处理；1.3)对EMG信号、转向力矩和驾驶姿势之间的关系以及肌电信号与转向力矩之间的相关时间延迟进行分析；1.4)基于分析结果建立深度时间序列模型；1.5)根据现有的驾驶员转向意图预测模型对建立的深度时间序列模型进行评估和比较，并根据评估和比较结果对建立的深度时间序列模型进行修改或调整。

进一步地，所述步骤1.1)中，采集肌电信号数据时，电极放置位置为：对于双手驾驶模式，电极分别放置在：左锁骨部分前三角肌、右锁骨部分前三角肌、左三角肌前部、右三角肌前部、左三角肌后部、右三角肌后部、左大三头肌、右大三头肌、左肱三头肌长头和右肱三头肌长头；对于单右手驾驶模式，电极分别放置在：锁骨胸大肌、三角肌前部、三角肌中部外侧、三角肌后部、肱三头肌长头、肱三头肌外侧头、肱二头肌、冈下肌、胸大肌和大圆肌；各所述电极均放置在相关肌肉的中央。