[发明专利]一种基于隐马尔可夫模型的行车危险度预测方法有效
| 申请号： | 201711215460.6 | 申请日： | 2017-11-28 |
| 公开（公告）号： | CN107958269B | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 熊晓夏;陈龙;梁军;蔡英凤;马世典;曹富贵;陈建锋;江晓明;陈小波 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q50/30 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于隐马尔可夫模型的行车危险度预测方法，一、基于车辆运行特征通过聚类分析方法对行车风险状态进行划分；二、对于不同的行车风险状态，通过多项logistic模型估计驾驶员行为和周围交通环境特征对行车风险状态之间转移概率的影响；三、以风险状态为隐含状态，以实际观测的车辆运动变量为状态输出值，以多项logistic模型参数为状态转移概率矩阵的参数初始值，建立反映行车状态演变规律的隐马尔可夫链模型；四、实时获取车辆运行特征，并以隐马尔可夫链模型为基础，实时预测未来风险状态。本发明建立了可反映以上特征实时变化的具有可变状态转移概率的隐马尔可夫模型，提高了行车风险模型的准确性和预测精度，并可满足防碰撞预警实时性要求。 | ||
| 搜索关键词： | 一种 基于 隐马尔可夫 模型 行车 危险 预测 方法 | ||
【主权项】：
1.一种基于隐马尔可夫模型的行车危险度预测方法，其特征在于，包括如下步骤：/nS1：基于车辆运行特征通过聚类分析方法对行车风险状态进行划分；/nS2：对于不同的行车风险状态，通过多项logistic模型估计驾驶员行为和周围交通环境特征对行车风险状态之间转移概率的影响；/nS3：以S1得到的风险状态为隐含状态，以实际观测的车辆运动变量为状态输出值，以S2得到的多项logistic模型参数为状态转移概率矩阵的参数初始值，建立反映行车状态演变规律的隐马尔可夫链模型；/n建立反映行车状态演变规律的隐马尔可夫链模型的方法为：/nS3.1：以S1得到的风险状态为隐含状态，以实际观测的车辆运动变量向量为状态输出值，定义具有连续观测值的基于高斯混合的隐马尔可夫链模型；/nS3.2：以S2得到的多项logistic模型参数作为状态转移概率矩阵参数的初始值，其余初始模型参数根据实际样本统计特征确定，通过Baum-Welch算法迭代得到模型参数的最优解；/n考虑驾驶员、道路和环境信息后修正的状态转移概率矩阵参数A＝{a
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏大学，未经江苏大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711215460.6/，转载请声明来源钻瓜专利网。
