[发明专利]一种八车道高速公路小汽车驾驶员换道决策方法

权利要求书

1.一种八车道高速公路小汽车驾驶员换道决策方法，其特征在于，包括以下步骤：

步骤1，对八车道高速公路小汽车换道行为进行分析，选取基本换道指标，所述基本换道指标包括换道起止车道、换道起止时刻、换道执行阶段用时、纵向平均行驶速度、横向加速度均值和最大横向加速度；

步骤2，根据基本换道指标选取换道决策变量，变量集合为：

X＝{L,v₀,v₁,v₂,v₃,v₄,v₅,d₁,d₂,d₃,d₄,d₅}

其中，L表示车辆所在车道数编号，沿车辆前进方向最左侧车道至右分别为1、2、3、4；v₀表示实验车辆行驶速度；v₁表示实验车辆所在车道前方车辆行驶速度；v₂表示实验车辆左侧车道前方车辆行驶速度；v₃表示实验车辆左侧车道后方车辆行驶速度；v₄表示实验车辆右侧车道前方车辆行驶速度；v₅表示实验车辆右侧车道后方车辆行驶速度；d₁表示实验车辆车头与本车道前方车辆车尾间距离；d₂表示实验车辆车头与左侧车道前方车辆车尾间距离；d₃表示实验车辆车头与左侧车道后方车辆车头间距离；d₄表示实验车辆车头与右侧车道前方车辆车尾间距离；d₅表示实验车辆车头与右侧车道后方车辆车头间距离；

步骤3，构建八车道高速公路换道决策模型，利用换道决策变量训练换道决策模型；所述换道决策模型采用基于CRBM的DBN模型，以换道决策变量为输入，以换道决策为输出；所述换道决策包括保持车道、向左换道或向右换道；

步骤4，利用训练之后的换道决策模型确定驾驶员的换道决策。

2.根据权利要求1所述的换道决策方法，其特征在于，在利用换道决策变量训练换道决策模型之前包括：

获取换道决策变量集合后，对集合中的每一个数据进行归一化处理。

3.根据权利要求2所述的换道决策方法，其特征在于，所述DBN模型的隐藏层层数采用逐步试验法确定，具体步骤包括：

步骤31，首先设定DBN模型为具有一层隐藏层的三层结构，包括输入层、单隐藏层和输出层，对隐藏层设置不同的神经元个数、固定的学习率以及固定的迭代次数，计算不同神经元个数训练后DBN模型的误差指标RMSE与MAE，确定单隐藏层中神经元个数最优解IN₁；

步骤32，然后设定DBN模型为具有两层隐藏层的四层结构，固定第一层隐藏层神经元个数为IN₁，对第二层隐藏层设置不同神经元个数后对DBN模型分别进行训练，计算不同神经元个数训练后DBN模型的误差指标RMSE与MAE，确定第二层隐藏层中神经元个数最优解IN₂；

步骤33，以此类推，设定DBN模型为具有n层隐藏层的n+2层结构，固定前n-1层神经元个数分别为IN₁至IN_n-1，此时无论对第n层隐藏层的神经元个数如何设置，计算得到DBN模型的RMSE和MAE值均大于设置n-1层隐藏层的误差指标时，则n-1即为隐藏层层数的最优解，第n-1层隐藏层神经元个数为IN_n-1。

4.根据权利要求3所述的换道决策方法，其特征在于，在DBN模型确定隐藏层层数和各隐藏层神经元个数后，将换道成功数据和换道保持数据作为训练样本输入进DBN模型的输入层，设置学习率和迭代次数，最后一层隐藏层将输出变量输入进DBN模型的输出层，输出层将输出的误差方向传播至CRBM层，实现对模型参数的微调。