[发明专利]一种抗环境干扰的驾驶意图在线辨识方法

说明书

一种抗环境干扰的驾驶意图在线辨识方法，包括以下步骤：步骤一：设计抗干扰的快速聚类算法和在线自标注算法，构成驾驶意图在线辨识模型；步骤二：利用实车历史数据，训练在线辨识模型；步骤三：将训练好的在线辨识模型置入实车控制器中，实现驾驶意图的在线辨识。本发明可实现高效、快速、准确的驾驶意图在线辨识。

技术领域

本发明涉及汽车电子控制领域，具体的说是一种抗环境干扰的驾驶意图 在线辨识方法。

背景技术

目前的汽车工业的发展已经达到了一定水平，汽车底盘的基本性能发展 已日趋成熟。随着近年来环境污染、全球变暖、能源危机以及越来越多的交通拥 堵和事故，使汽车更安全、更环保、更智能的愿望变得愈加迫切。

毫无疑问，所有这些对于汽车的要求都有赖于更加先进的汽车电子控制 技术。先进驾驶辅助系统、自动驾驶系统和先进能源管理系统被认为是解决上述 问题的关键。在这些系统中，电子传感器、控制器和执行器为在紧急情况下实现 车辆自动控制、监视驾驶员不当操纵和节约能源提供了可能。研究人员认为，将 驾驶员意图引入先进驾驶辅助系统和先进能源管理系统中有助于优化动力传动 系统控制效果，提高运输效率，避免许多致命的人为干预及人机之间的冲突操作， 保证交通安全。由此，驾驶意图识别的研究得到了广泛的关注。

发明内容

本发明旨在提供抗环境干扰的驾驶意图在线辨识方法，以实现高效、快 速、准确的驾驶意图在线辨识。

为了解决以上技术问题，本发明采用的具体方案为：一种抗环境干扰的 驾驶意图在线辨识方法，包括以下步骤：步骤一：设计抗干扰的快速聚类算法和 在线自标注算法，构成驾驶意图在线辨识模型；步骤二：利用实车历史数据，训 练在线辨识模型；步骤三：将训练好的在线辨识模型置入实车控制器中，实现驾 驶意图的在线辨识。

优选的，步骤一包括以下内容：

1)、设计基于K-means思想的HADANOC大样本快速聚类算法，流程如 下：

S1：将整个样本空间分割成n×n个小方格；

S2:逐个检测所有方格，并找到含样本点数最少的一个或多个非空方格；

S3:以找出的方格为中心，向外逐层扩张，并计算熵值：

S4:重复S3，直到熵值低于阈值e且此时扩张后的区域中所含数据点数 量等于初始数量时，删除数据点即噪声；

S5:将某一样本数据作为初始聚类中心C_i；

S6:计算各样本x_i与聚类中心之间的最小距离minD(x_i)，计算最小距离 之和sum(minD(x_i))；

S7:在0到sum(minD(x_i))之间随机选择一个值R，并迭代计算 R＝R-minD(x_i)；

S8:重复S6和S7，直到R≤0，将样本x_i作为聚类中心，并放入聚类中 心集中；并重复S5-8，直到聚类中心数等于设定值K，随后执行S9；

S9:找到属于聚类中心c_k所属的所有样本x_p：

S10:重复S9，直到所有样本都找到稳定的聚类中心；

2)、设计基于SVM和NN的HSL-SVM/NN在线自标注算法，流程如下：

建立一个N个样本M个类别的多分类SVM模型：