[发明专利]一种驾驶员加速意图建模方法及识别方法

权利要求书

1.一种驾驶员加速意图建模方法，其特征在于，包括以下步骤：

进行模拟驾驶试验并采集数据：驾驶员使用模拟驾驶器进行模拟驾驶试验，采集多组试验数据，每组试验数据包括加速踏板行程、加速踏板行程导数和纵向加速度；

试验数据预处理：对原始试验数据进行归一化处理后进行聚类，得到3个群落及3个中心点，包括：缓慢加速中心点、正常加速中心点和激进加速中心点；其中，中心点坐标值为加速踏板行程、加速踏板行程导数和纵向加速度；

划分数据集：根据多个中心点坐标，将属于相同加速意图的数据放入同一数据集，得到缓慢加速数据集、正常加速数据集和激进加速数据集；根据时间连续性，将属于同一数据集的数据按照时间连续性进行切分，得到切分后的数据集；并将切分后的所有数据组划分为训练数据集和测试数据集；

训练并测试驾驶员加速意图模型：采用缓慢加速意图状态、正常加速意图状态和激进加速意图状态这3种加速意图状态类型，对不同时间段的驾驶员驾驶状态进行分类，将拥有相同加速意图状态类型的数据组逐组输入GM-HMM模型，GM-HMM模型的输入变量为数据所属群落编号，输出变量为加速意图状态类型；训练得到基于GM-HMM算法的驾驶员加速意图模型；训练结束后进行模型测试。

2.根据权利要求1所述驾驶员加速意图建模方法，其特征在于，进行模拟驾驶试验时，虚拟环境为包含有随机交通流的1:1城市道路，数据采集频率为100Hz。

3.根据权利要求1所述驾驶员加速意图建模方法，其特征在于，试验数据预处理步骤中：模拟驾驶试验后提取出加速踏板行程连续增加时间段的数据作为原始试验数据，并根据以下公式对原始试验数据进行归一化处理，得到归一化后试验数据：

其中，i为数据点编号；j为变量编号；X表示变量值；Y表示归一化后的变量值；max为相关数据的最大值；min为相关数据的最小值；参与归一化的变量包括加速踏板行程、加速踏板行程导数和纵向加速度。

4.根据权利要求1或3所述驾驶员加速意图建模方法，其特征在于，试验数据预处理步骤中：使用K-Medoids算法对归一化后试验数据聚类。

5.根据权利要求1所述驾驶员加速意图建模方法，其特征在于，划分数据集步骤还包括：从切分后的缓慢加速数据集、切分后的正常加速数据集和切分后的激进加速数据集中分别随机抽取一定数量比例的拥有连续时间序列的数据作为测试数据集，剩余的数据作为训练数据集；

训练驾驶员加速意图模型时，使用所述训练数据集中的数据对GM-HMM模型进行训练；模型测试时，使用所述测试数据集中的数据对训练得到的基于GM-HMM算法的驾驶员加速意图模型进行测试。

6.根据权利要求5所述驾驶员加速意图建模方法，其特征在于，划分数据集步骤还包括：所述数量比例为三分之一。

7.根据权利要求1或5所述驾驶员加速意图建模方法，其特征在于，训练驾驶员加速意图模型时，将数据所属群落的编号作为可观测状态，可观测状态数量取k，k为大于等于3的自然数；将数据对应的加速意图状态作为隐含状态，隐含状态数量为3；高斯混合度取10，使用Baum-Welch算法进行迭代优化得到模型参数。

8.根据权利要求5所述驾驶员加速意图建模方法，其特征在于，使用测试数据集测试基于GM-HMM算法的加速意图模型时，按照时序将测试数据集中测试数据点所属群落的编号输入加速意图模型，得到相应测试数据点对应的预测加速意图状态类型；若一组数据中，预测加速意图类型与实际加速意图类型相同的数据点比例超过该组数据总量的90％，则表示该组预测成功，否则该组预测失败；若预测成功的测试数据组占测试数据组总量的比例超过90％，则该基于GM-HMM算法的加速意图模型可接受，否则需要重新进行模拟驾驶试验。

9.一种驾驶员加速意图识别方法，其特征在于，使用权利要求1-8任意一项得到的基于GM-HMM算法的加速意图模型对行驶中车辆的驾驶员加速意图进行识别。

10.根据权利要求9所述驾驶员加速意图识别方法，其特征在于，使用基于GM-HMM算法的加速意图模型的步骤包括：

1)实时地检测车辆的加速踏板行程、加速踏板行程导数和纵向加速度，并进行归一化；

2)计算归一化后的加速踏板行程、加速踏板行程导数和纵向加速度组成的数据点与3个中心点坐标的欧氏距离，其中欧氏距离最小的中心点坐标对应的群落编号即为当前的可观测状态；

3)将当前的可观测状态输入与之对应的基于GM-HMM算法的加速意图模型中，计算得到当前加速意图状态类型。