The invention discloses a method for on-line classification and identification of driver acceleration characteristics, including step 1, collecting sample data, selecting multiple drivers for data acquisition; step two, pre processing of experimental data, that is, resampling and mean filtering of experimental data; step three, reading characteristic value data; step four, pair The eigenvalue data is normalized and preprocessed; step five, the characteristic values of the four indexes are classified by K means clustering algorithm. Step six, based on the obtained feature data classes, the identification model based on the Gauss mixed hidden Markov model HMM framework is established to get the identification results, and the invention can make the driver self Assessment of driving speed characteristics category.
【技术实现步骤摘要】
一种驾驶员加速特性在线分类与辨识方法
本专利技术涉及车辆控制
,尤其涉及一种驾驶员加速特性在线分类与辨识方法。
技术介绍
目前,在驾驶员加速特性辨识方面的研究,国内外的研究还处于起步阶段。国外研究机构研究了道路交叉口驾驶员意图辨识,基于稀疏贝叶斯方法建立了驾驶员行为预测系统,验证结果表明对交叉口驾驶员前1.25秒的转向行为识别率达到90%以上。根据驾驶员的操纵输入、本车到前车的距离以及车辆的响应状态等信息,提出操纵危险系数的概念,将驾驶员行为分为谨慎型、一般型、专业型和鲁莽型。国内研究人员以加速踏板开度和加速踏板开度变化率为输入层节点,建立了5层模糊神经网络层,利用某混合动力汽车的实际运行数据对模糊神经网络进行离线训练,现有技术中,中国专利申请号为201510316775.4,公告日为2015年11月11日,专利技术名称为一种驾驶员转向特性在线辨识方法及装置,该研究只对驾驶员的转向意图进行识别,没有涉及到驾驶员行为特性,其模型训练输入参数比较单一,当前纵向车速与加速度也属于参考数据,神经网络算法无法解决过度训练导致的发散问题。
技术实现思路
本专利技术设计开发了一种驾驶员加速特性在线分类与辨识方法,目的是提供一种驾驶车辆加速类型的判别方法,从可观察的参数中确定该过程的隐含参数,然后利用这些参数来做进一步的评估得到驾驶加速特性类别。本专利技术提供的技术方案为:一种驾驶员加速特性在线分类与辨识方法,包括:步骤一、采集样本数据:选取多名驾驶员进行数据采集,其中数据指标包括:加速踏板开度变化率、加速踏板开度、加速度和速度;步骤二、实验数据预处理:即对实验数据进行 ...
【技术保护点】
1.一种驾驶员加速特性在线分类与辨识方法,其特征在于,包括:步骤一、采集样本数据:选取多名驾驶员进行数据采集,其中数据指标包括:加速踏板开度变化率、加速踏板开度、加速度和速度;步骤二、实验数据预处理:即对实验数据进行重采样和均值滤波;步骤三、读取特征值数据:对预处理完成的数据提取特征值,得到汽车加速过程中加速踏板开度变化率峰值、加速踏板开度峰值、加速度峰值,以及加速踏板开度变化率达到峰值时刻对应的纵向车速;步骤四、对特征值数据进行归一化预处理;步骤五、采用k‑means聚类算法分别将四个指标的特征值分类;步骤六、根据得到的特征数据类建立基于高斯混合‑隐马尔可夫模型GM‑HMM框架的识别模型,得到识别结果;其中,所述基于高斯混合‑隐马尔可夫模型GM‑HMM框架的识别模型的表达式为:λ=(π,A,c,μ,∑);π为初始状态概率矩阵,A为状态转移概率矩阵,c为组合系数,μ为均值矢量,Σ为方差矩阵;所述辨识模型GM‑HMM的隐状态为3,观察序列为3,训练函数为隐马尔可夫模型函数,迭代次数最大值为100。
【技术特征摘要】
1.一种驾驶员加速特性在线分类与辨识方法,其特征在于,包括:步骤一、采集样本数据:选取多名驾驶员进行数据采集,其中数据指标包括:加速踏板开度变化率、加速踏板开度、加速度和速度;步骤二、实验数据预处理:即对实验数据进行重采样和均值滤波;步骤三、读取特征值数据:对预处理完成的数据提取特征值,得到汽车加速过程中加速踏板开度变化率峰值、加速踏板开度峰值、加速度峰值,以及加速踏板开度变化率达到峰值时刻对应的纵向车速;步骤四、对特征值数据进行归一化预处理;步骤五、采用k-means聚类算法分别将四个指标的特征值分类;步骤六、根据得到的特征数据类建立基于高斯混合-隐马尔可夫模型GM-HMM框架的识别模型,得到识别结果;其中,所述基于高斯混合-隐马尔可夫模型GM-HMM框架的识别模型的表达式为:λ=(π,A,c,μ,∑);π为初始状态概率矩阵,A为状态转移概率矩阵,c为组合系数,μ为均值矢量,Σ为方差矩阵;所述辨识模型GM-HMM的隐状态为3,观察序列为3,训练函数为隐马尔可夫模型函数,迭代次数最大值为100。2.根据权利要求1所述的驾驶员加速特性在线分类与辨识方法,其特征在于,所述步骤五中的k-means聚类算法,包括:(1)输入聚类数目k和待分类的样本数据Data;(2...
【专利技术属性】
技术研发人员:李刚,南丁,杨志,李高超,那晓翔,陈双,申彩英,
申请(专利权)人:辽宁工业大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。