[发明专利]可犯错的拟人化随机跟车驾驶行为建模方法

权利要求书

1.一种可犯错的拟人化随机跟车驾驶行为建模方法，

S1、自然行驶数据原始采集，以SPMD数据集作为自然行驶大数据；

S2、跟车场景提取，生成跟车轨迹片段数据库；

S3、跟车数据预处理；

其特征在于：

S4、建立一种可犯错的拟人化随机跟车模型；

S41、建立与两车距离、速度差、车头距以及前车速度相关的名义驾驶员跟车概率模型，其中名义是指不犯错名义；

S411、名义驾驶员跟车模型期望加速度公式如下：

P(R(t))＝P₃·(R³(t))+P₂·(R²(t))+P₁·(R(t))+P₀ (2)

其中：a_d(t)为第t时刻期望加速度，R(t)为第t时刻两车车距，T_h为车头距，V_F为后车车速，P(R(t))为速度差比例增益，P₀、P₁、P₂、P₃为系数，该系数从SPMD数据集中标定得到的；其标定的方法为：首先提取跟车数据集中根据不同R(t)的范围分为13类并在不同类内提取两车车速差以及加速度。具体分类为：0＜R(t)≤10为一类；10＜R(t)≤20为一类；

20＜R(t)≤30为一类；30＜R(t)≤40为一类；40＜R(t)≤50为一类；50＜R(t)≤60为一类；60＜R(t)≤70为一类；70＜R(t)≤80为一类；80＜R(t)≤90为一类；90＜R(t)≤100为一类；100＜R(t)≤110为一类；

110＜R(t)≤120为一类；120＜R(t)≤130为一类；针对每一类，通过最小二乘法求出两车车速差与加速度的斜率，然后通过最小二乘法，拟合出公式(2)的系数P₀、P₁、P₂、P₃；S412、名义驾驶员跟车模型期望加速度分布公式如下：

σ(R(t))＝Q₅·(R⁵(t))+Q₄·(R⁴(t))+Q₃·(R³(t))+Q₂·(R²(t))+Q₁·(R(t))+Q₀ (3)

其中：σ(R(t))为在两车距离为R(t)时期望加速度的标准差；R(t)为第t时刻两车车距；Q₀、Q₁、Q₂、Q₃、Q₄、Q₅为系数，该系数从SPMD数据集中标定得到的，其标定的方法为：首先提取跟车数据集中根据不同R(t)的范围分为13类；13类的具体分类如下：0＜R(t)≤10、10＜R(t)≤20、20＜R(t)≤30、30＜R(t)≤40、40＜R(t)≤50、50＜R(t)≤60、60＜R(t)≤70、70＜R(t)≤80、80＜R(t)≤90、90＜R(t)≤100、100＜R(t)≤110、110＜R(t)≤120、120＜R(t)≤130；针对每一类，计算加速度分布的标准差，然后通过最小二乘法，拟合出公式(3)的Q₀、Q₁、Q₂、Q₃、Q₄、Q₅系数；

S413、名义驾驶员跟车模型实际加速度公式如下：

a(t)＝f(a_d(t)，σ(R(t))) (4)

其中：a(t)为名义驾驶员跟车模型实际加速度；f(·)从SPMD数据集中标定得到的加速度概率密度分布；其具体标定方法为：提取不同跟车距离的加速度频率分布直方图，并采用各种概率密度函数进行拟合并选取最切合频率分布直方图的概率密度函数作为公式(4)的概率密度函数；

S42、基于抗饱和速度差来描述人类驾驶员感知受限的犯错机制并建立基于感知受限的跟车模型：通过两车相对速度来模拟人类驾驶员感知受限的机制，其公式为：

其中：为第t时刻两车速度差，为第t时刻感知范围率；

S43、基于人类驾驶员驾驶过程中注意力分散的情况描述人类驾驶员分心驾驶的犯错机制并建立基于分心驾驶的跟车模型：

驾驶员在制动响应时制动响应时间为1.5-3.5秒，故对驾驶员反应延迟的时长设置最长为3s，即30个延迟步长，首先获取跟车的序列数据，采用具有不同延迟步骤的三十个ARMA模型同时预测跟车的序列数据，并与实际数据点进行比较，误差最小的ARMA模型的延迟步长即为该数据的反应延迟步长；

S44、基于分心域约束来描述人类驾驶员反应延迟的犯错机制并建立基于反应延迟的跟车模型：从实际跟车数据获取当前时刻名义跟车模型的输入；根据步骤S41所设计的名义驾驶员跟车模型预测下一个车辆状态的均值及标准差，其均值及标准差所确定的区域为分心域；从实际跟车数据中获取下一时刻车辆的真实状态，若车辆真实状态处于分心域以外，我们将其定义为驾驶员的分心驾驶行为，同理，若车辆真实状态处于分心域以内，我们将其定义为驾驶员的正常驾驶行为，对所有真实数据进行上述步骤的判断，并提取所有真实跟车数据中的分心驾驶数据。