[发明专利]基于灰色熵权和侧向椭圆阈的周围车辆驾驶意图识别方法

权利要求书

1.一种基于灰色熵权和侧向椭圆阈的周围车辆驾驶意图识别方法，其特征在于，包括：

步骤S1，通过本车上的传感器j接收来自于本车的周围车辆的多源传感器信息，j＝1，2，3，…，m为传感器编号；

步骤S2，处理所述多源传感器信息，并获取目标周围车辆的多源传感器信息的时间序列及其相应的残差矩阵；所述步骤S2中“处理所述多源传感器信息”的方法具体包括：

步骤S21，提取并跟踪目标周围车辆，并进行坐标系统一和时间对齐；

步骤S22，提取目标周围车辆的需求信息，形成多源传感器信息的时间序列；

步骤S23，选取拟合阶次，分别对所述多源传感器信息的时间序列进行多项式拟合，并将拟合结果与实测结果之差，作为拟合残差；

步骤S24，根据所述拟合残差，构造多源信息残差矩阵；

步骤S25，对所述多源信息残差矩阵进行归一化和标准化，标准化的公式如式(3)所示，归一化的公式如式(4)所示；

步骤S3，计算传感器j的信息熵E_j；通过式(5)计算获得概率，通过式(6)和式(7)计算获得信息熵E_j；

E_j＝1-e_j (7)式中，Δx_ji表示传感器j的第i个采样点，i＝1，2，3，…，n为采样点个数，max{}为求最大值函数，min{}为求最小值函数，p_ji为归一化和标准化后信息矩阵各元素的概率，e_j为信息熵效用值；

步骤S4，建立信息熵E_j的熵阶次k次方与熵权w_j之间的非线性映射函数，并调整熵阶次k；

步骤S5，给定熵阶次k，利用所述非线性映射函数计算多源传感器信息融合的给定熵权w_j；所述非线性映射函数被描述为下式之一；

式中，a、b为常数；

步骤S6，获取给定熵权下融合结果x_opt与所述多源传感器信息的时间序列之间的平均灰色关联度；其中，所述融合结果x_opt被描述为式(8b)：

式中，x_j为所述多源传感器信息中的传感器j的信息测量值；

步骤S7，判断平均灰色关联度是否最大，若是，则进入步骤S8，否则返回步骤S4；

步骤S8，将平均灰色关联度最大对应的权重作为最优融合权重再利用式(8b)计算最优的融合结果

步骤S9，根据所述最优的融合结果判断周围车辆的驾驶意图，步骤S9将驾驶意图分为车道保持和车道变换两种，所述最优的融合结果包括目标车周围的一车辆的侧向速度v_y和侧向加速度a_y，步骤S9具体包括：

步骤S91，根据v_y和a_y，判断该周围车辆的侧向运动学特性是否满足车道保持的驾驶意图对应的椭圆形区域内，若是，则判定该周围车辆处于车道保持阶段，若否，则进入步骤S92；

步骤S92，判断周围车辆侧向运动学参数是否处于车道变换的驾驶意图对应的椭圆阈边界范围以及车辆动力学约束内，若是，则判定该周围车辆的驾驶状态为车道变换工况，若否，则判定周围车辆属于危险失稳状态。

2.如权利要求1所述的基于灰色熵权和侧向椭圆阈的周围车辆驾驶意图识别方法，其特征在于，所述步骤S9还包括：

将目标周围车辆的驾驶状态划分为第一区域(A)、第二区域(B)和第三区域(C)，其中，所述第一区域(A)为长轴不大于车道保持时临界侧向加速度a₁、短轴不大于车道保持时的临界侧向速度b₁的椭圆形区域，被描述为式(9)，对应的所述驾驶意图为车道保持；所述第二区域(B)为长轴不大于由车辆动力学约束的临界侧向加速度a₂、短轴不大于由车辆动力学约束的临界侧向速度b₂、且所述第一区域(A)之外的椭圆形区域，被描述为式(10)，对应的所述驾驶意图为车道变换；所述第三区域(C)为所述第一区域(A)和第二区域(B)之外的区域，对应车辆状态为危险失稳状态；