[发明专利]一种基于前向神经网络的车辆速度和转向预测方法

权利要求书

1.一种基于前向神经网络的车辆速度和转向预测方法，其特征在于，包括以下步骤：

进行模拟驾驶试验并采集车辆数据，所述车辆数据包括与前车的距离、车速、方向盘转角和转向信号，所述转向信号分为直行、左转和右转三种状态，且以不同的三个数值对应表示；建立前向神经网络模型，使用采集的车辆数据训练前向神经网络模型，并经过测试合格后，获得用于预测车辆速度和转向的前向神经网络模型；根据车辆与前车的距离、车速、方向盘转角和转向信号，通过所建立的用于预测车辆速度和转向的前向神经网络模型进行车辆速度和转向的预测；其中：

建立前向神经网络模型前，还包括对采集的车辆数据进行处理，处理数据的方式是：将模拟驾驶试验采集的车辆数据中的不同变量整理放入同一个数据组中，每一组数据包含30个变量，即当前采样时刻的车辆与前车的距离，当前车速，当前方向盘转角，当前转向信号，以及前4个采样时刻对应的4个与前车的距离，车速、方向盘转角，转向信号；

建立的前向神经网络模型具有16个输入，3个输出，2个隐含层，每个隐含层包含40个节点；训练前向神经网络模型时，以建模数据集的每个建模数据点中前4个采样时刻对应的4个与前车的距离，车速、方向盘转角，转向信号为输入变量，以建模数据集的每个建模数据点中与前车的距离，当前车速，当前方向盘转角，当前转向信号作为输出变量，训练用于预测车辆速度和转向的前向神经网络模型。

2.根据权利要求1所述一种基于前向神经网络的车辆速度和转向预测方法，其特征在于，模拟驾驶试验中，模拟驾驶系统采用1:1虚拟城市路况，驾驶员驾驶模拟车辆的试验时长不小于2小时。

3.根据权利要求1所述一种基于前向神经网络的车辆速度和转向预测方法，其特征在于，模拟驾驶试验中，驾驶员驾驶的车辆正前方搭载有虚拟激光雷达，用于探测同车道前车的距离，探测的角度为90度，范围为100m。

4.根据权利要求1所述一种基于前向神经网络的车辆速度和转向预测方法，其特征在于，建立前向神经网络模型前，还包括对采集的车辆数据进行分类，将原始数据前90%时间段采集的车辆数据作为建模数据集，用于训练前向神经网络模型；将原始数据最后10%时间段采集的车辆数据作为测试数据集，用于测试经过训练的前向神经网络模型。

5.根据权利要求4所述一种基于前向神经网络的车辆速度和转向预测方法，其特征在于，测试所建立的用于预测车辆速度和转向的前向神经网络模型的方法是：以测试数据集的测试数据点中前4个采样时刻对应的4个与前车的距离，车速、方向盘转角，转向信号为训练好的用于预测车辆速度和转向的前向神经网络模型的输入变量，通过模型计算得到当前车速，当前方向盘转角，当前转向信号，若计算得到的转向信号正确，且车速相对误差小于15 %，方向盘转角误差小于10 %，则表示该测试数据点预测成功，否则失败。

6.根据权利要求5所述一种基于前向神经网络的车辆速度和转向预测方法，其特征在于，若用于预测车辆速度和转向的前向神经网络模型预测成功率大于75 %，则表示模型可接受，否则重新建模。