[发明专利]基于GM-HMM的驾驶员超车意图识别方法

权利要求书

1.一种基于GM-HMM的驾驶员超车意图识别方法，其特征在于，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，试验过程中全程录像，采集的试验数据包括主车速度、前车相对车速、后车相对速度、前车相对距离、后车相对距离、驾驶员面部横摆角、方向盘转角；

处理试验数据；

将处理后的试验数据划分为左转超车试验数据、右转超车试验数据和非超车试验数据，并在数据中标记相应超车意图的意图标签；

训练基于GM-HMM的超车意图识别模型；

根据所获得的基于GM-HMM的超车意图识别模型进行驾驶员超车意图识别。

2.根据权利要求1所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：模拟驾驶试验中，由多位驾驶员使用模拟驾驶器进行模拟驾驶试验，虚拟环境为包含有干扰交通的1:1城市道路。

3.根据权利要求2所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：驾驶员的数量50人以上，年龄在18岁以上，男女比例1:1；每位驾驶员进行3次试验，每次试验时长在1-2小时之间；数据采样频率为20Hz。

4.根据权利要求1所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：处理试验数据时，去除异常点，具体方式为：求取每位驾驶员每次驾驶试验所得相关试验数据的均方差，并删除有一个或一个以上试验数据位于相关变量正负3倍均方差范围以外的数据点。

5.根据权利要求1所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：划分试验数据时，抽取所有超车时间段的试验数据，每个数据点均包含主车速度、前车相对车速、后车相对速度、前车相对距离、后车相对距离、驾驶员面部横摆角、方向盘转角；

将抽取所得超车时间段的试验数据分为左转超车试验数据和右转超车试验数据；将不属于超车时间段的试验数据视为非超车试验数据；

所述左转超车试验数据和右转超车试验数据和非超车试验数据均保持原有时间序列。

6.根据权利要求5所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：所述超车时间段为超车意图起始时刻与超车意图结束时刻之间的时间段，所述超车意图起始时刻是驾驶员根据录像确定产生超车意图的时刻，所述超车意图结束时刻是主车重新返回原车道时刻。

7.根据权利要求1所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：训练基于GM-HMM的超车意图识别模型时，将试验数据分为建模数据集和测试数据集，使用建模数据集对GM-HMM模型进行训练时，以主车速度、前车相对车速、后车相对速度、前车相对距离、后车相对距离、驾驶员面部横摆角、方向盘转角为观察序列变量，以相关训练数据点的意图标签为隐含意图变量；使用测试数据集对训练得到的基于GM-HMM的超车意图识别模型进行测试。

8.根据权利要求7所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：在训练过程中，使用Baum-Welch算法对GM-HMM模型获得超参值。

9.根据权利要求7所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于：使用测试数据集对GM-HMM模型进行测试时，将拥有同一意图标签的测试数据点的主车速度、前车相对车速、后车相对速度、前车相对距离、后车相对距离、驾驶员面部横摆角、方向盘转角按照时序输入GM-HMM模型中，从而得到基于GM-HMM的超车意图识别模型计算得到的预测意图标签；若该预测意图标签与实际意图标签相同，则该测试数据点预测成功，否则预测失败。

10.根据权利要求9所述基于GM-HMM的驾驶员超车意图识别方法，其特征在于，计算预测成功的测试数据点占测试数据集中数据点总量的比例超过80％，则建模成功，否则需要重新进行模拟驾驶试验并采集试验数据。