[发明专利]基于跟驰模型与驾驶员特征的驾驶员感知距离建模方法

说明书

本发明涉及一种基于跟驰模型与驾驶员特征的驾驶员感知距离建模方法，具体包括以下步骤：S1、获取目标车辆和前方车辆的运行轨迹数据；S2、获取目标跟驰模型，计算驾驶员特征参数；S3、获取驾驶过程中目标车辆与前方车辆的感知距离与真实距离之间的误差概率分布；S4、建立误差概率分布、驾驶员特征参数与真实距离之间的关系函数；S5、根据运行轨迹数据对关系函数进行优化，得到关系函数的优化系数；S6、获取驾驶员感知距离误差模型，根据真实距离和优化后的关系函数计算得到基于跟驰模型与驾驶员特征的驾驶员感知距离模型。与现有技术相比，本发明具有同时考虑距离感知行为的影响因素与异质性特征、提高驾驶员感知距离模型的准确性等优点。

技术领域

本发明涉及驾驶行为技术领域，尤其是涉及一种基于跟驰模型与驾驶员特征的驾驶员感知距离建模方法。

背景技术

驾驶行为研究成果可以指导交通管理部门制定实施管制措施与政策，从而缓解交通拥挤与事故频发两大城市交通问题的严重程度。同时，驾驶行为规律也是自动驾驶技术发展的重要基础。从微观角度来看，驾驶行为可以看作是“感知-反应”的过程，因此，驾驶员感知机理是驾驶员行为研究中十分重要的内容。

驾驶员在驾驶过程中对本车与前车之间距离的感知值与真实距离存在差异，其差值可称为感知距离误差。通过感知距离误差规律与真实距离可以得到感知距离值，从而得到驾驶员距离感知行为规律。驾驶员在进行距离感知时，受真实距离、驾驶员特征、道路交通条件等多个因素影响，其误差具有随机性。此外，距离感知行为属于完全异质性行为，即不同驾驶员之间与同一驾驶员之间均存在异质性。

因此，距离感知行为研究必须考虑相应的影响因素以及异质性特征。随着车辆运行轨迹数据可获得性的提高，通过跟驰模型研究驾驶员距离感知行为成为重要的研究思路。在该研究思路下，现有的驾驶员感知行为研究方法是主要包括三种：

1)将感知误差看作是真实距离的固定比例；

2)将感知误差看作是随机过程；

3)将感知误差看作概率分布。

作为最新研究方法，将感知误差看作概率分布的研究方法考虑了真实距离对感知距离误差的影响，还实现了距离感知行为的异质性。然而，该方法由于未考虑考虑驾驶员特征对距离感知行为的影响，不仅不能充分考虑不同方面的影响，还导致不能区分不同驾驶员之间的异质性与同一驾驶员之间的异质性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于跟驰模型与驾驶员特征的驾驶员感知距离建模方法，对感知距离误差服从的分布进行建模，同时考虑距离感知行为的影响因素与异质性特征，提高驾驶员感知距离模型的准确性，更好地满足交通管控的要求。

本发明的目的可以通过以下技术方案来实现：

一种基于跟驰模型与驾驶员特征的驾驶员感知距离建模方法，具体包括以下步骤：

S1、获取目标车辆的运行轨迹数据，以及位于所述目标车辆前方的前方车辆的运行轨迹数据；

S2、获取目标跟驰模型，根据所述目标跟驰模型得到描述目标车辆的驾驶员特征参数；

S3、获取所述目标车辆的驾驶员在驾驶过程中目标车辆与前方车辆的感知距离与真实距离之间的误差概率分布；

S4、建立所述误差概率分布、驾驶员特征参数与真实距离之间的关系函数；

S5、根据所述目标车辆与前方车辆的运行轨迹数据对所述关系函数进行优化，得到关系函数的优化系数；

S6、获取目标车辆的驾驶员感知距离误差模型，根据所述真实距离和优化后的关系函数计算得到基于跟驰模型与驾驶员特征的驾驶员感知距离模型。

所述误差概率分布根据是否有边界分为无界分布与有界分布。