[发明专利]一种基于GM-HMM的停车意图辨别方法

说明书

本发明公开了一种基于GM‑HMM的停车意图辨别方法，其步骤包括：进行模拟驾驶试验，驾驶员控制模拟车辆进行正常驾驶和停车，采集的试验数据包括车辆纵向加速度、纵向速度、车辆横摆角；处理试验数据，抽取停车意图产生时刻和停车意图终止时刻之间的数据得到停车数据集，将不属于停车数据集的数据归入非停车数据集；训练基于GM‑HMM的停车意图辨别模型；根据所获得的基于GM‑HMM的停车意图辨别模型进行驾驶员停车意图辨别。通过模拟驾驶试验采集数据，建立基于GM‑HMM的停车意图辨别模型，具有数据采集便捷，成本低廉，预测准确度高的优点，根据该模型识别驾驶员停车意图，可有效提升人机共驾时的安全性。

技术领域

本发明涉及车辆行为识别技术领域，特别涉及一种基于GM-HMM的停车意图辨别方法。

背景技术

随着计算机信息技术的发展，尤其是人工智能技术的发展，越来越多的智能化技术正在与传统的汽车行业融合，使汽车逐渐走上智能化、信息化的道路。尽管在近几年，车辆网技术、自动驾驶、辅助驾驶技术已经得到了很大程度的发展，并在简单工况下，如泊车，可实现无人化，但是，对于复杂的行驶环境，如现实城市道路中，无人驾驶技术尚且无法克服工况复杂性带来的难以决策的问题。因此，在人类完全不如无人驾驶时代之前，将在较长一段时间内处于人机共驾时代，即人控制的汽车和机器控制的汽车共享大陆行驶权。因此，对于无人驾驶或处于高度辅助驾驶状态的车辆而言，准确了解人类驾驶的车辆的意图十分重要。靠边停车是一个日常生活中非常常见的工况，对于人类而言，可根据经验判断前方车辆是否正准备靠边停车，从而为其让出空间，避免不必要的路权冲突。但是现有技术中，计算机系统还不能对人类操作车辆进行靠边停车的停车意图进行自动辨别。因此，需要开发一种能够让计算机系统快速识别人类靠边停车意图的方法。

申请号为CN201710490778.9，专利名称为“一种用于智能驾考的靠边停车判断方法”的中国专利，提出根据人脸信息结合转向灯信息以及速度传感器信息综合判断进行靠边停车科目考试人员的考试行为是否规范，实现考官在后台即可对考试道路停车环节的监督，这种方法并不能应用于人机共驾时期的对人类驾驶车辆的停车意图的辨别。

发明内容

本发明的主要目的在于提供一种基于GM-HMM(高斯混合隐马尔可夫模型)的停车意图辨别方法，以使用模拟驾驶器进行模拟驾驶试验所得到的车辆行驶相关数据，得到基于GM-HMM的驾驶员超车意图模型，从而根据该模型进行驾驶员停车意图的识别。

为了达到上述目的，本发明提供一种基于GM-HMM的停车意图辨别方法，主要包括以下步骤：

进行基于模拟驾驶器的驾驶员在环模拟驾驶试验，驾驶员控制模拟车辆进行正常驾驶和停车，模拟试验过程中全程录像，采集的试验数据包括车辆纵向加速度、纵向速度、车辆横摆角；

处理试验数据，抽取停车意图产生时刻和停车意图终止时刻之间的数据得到停车数据集，将不属于停车数据集的数据归入非停车数据集；

训练基于GM-HMM的停车意图辨别模型；

根据所获得的基于GM-HMM的停车意图辨别模型进行驾驶员停车意图辨别。

优选地，模拟驾驶试验中，驾驶员控制模拟车辆在采用1:1城市直行道路的虚拟道路环境中行驶，且驾驶员交替进行正常驾驶和停车。

优选地，模拟试验中，数据采样频率为0.1Hz。

优选地，处理试验数据时，处理试验数据的步骤包括：

1)回放录像，确定停车意图产生时刻和停车意图终止时刻；

2)使用如下公式，对所有数据进行归一化；

式中，Y为归一化后的数据，i为数据编号，j为第i个数据对应的第j个变量，X为归一化之前的数据，min为相关数据的最小值，max为相关数据的最大值；