当前位置: 首页 > 专利查询>山西大学专利>正文

一种无人车的拟人驾驶员控制模型的建立方法和系统技术方案

技术编号:19320883 阅读:19 留言:0更新日期:2018-11-03 11:08
本发明专利技术公开了一种无人车的拟人驾驶员控制模型建立方法和系统,所述方法包括:获取使用者的个人属性数据和驾驶行为数据;所述个人属性数据包括性别、驾龄、年龄、情绪、个性、心率和血压,所述驾驶行为数据包括行驶速度和车头方向;根据所述驾驶行为数据计算驾驶行为标记;所述驾驶行为标记为变速、变向、变道和变灯;以所述个人属性数据作为输入,以所述驾驶行为标记作为输出,利用线性回归模型进行训练,得到基于所述驾驶行为标记与所述个人属性数据的关系的驾驶行为分类模型;根据所述驾驶行为分类模型确定拟人驾驶员控制模型。本发明专利技术能够使无人车的行驶状态因使用者的不同而改变,满足使用者的驾驶个性所需。

A method and system for establishing a humanoid driver control model for a driverless vehicle

The invention discloses a method and system for establishing anthropomorphic driver control model of an unmanned vehicle. The method includes: acquiring user's personal attribute data and driving behavior data; the personal attribute data includes gender, driving age, mood, personality, heart rate and blood pressure; and the driving behavior data includes driving. Speed and headway direction; driving behavior markers are calculated according to the driving behavior data; the driving behavior markers are speed change, direction change, lane change and lamp change; the driving behavior markers are trained using linear regression model with the personal attribute data as input and the driving behavior markers as output, and the driving behavior based on the driving behavior is obtained. The driving behavior classification model which marks the relationship between the personal attribute data and determines the anthropomorphic driver control model according to the driving behavior classification model. The driving state of the unmanned vehicle can be changed according to the different users, and the driving personality of the user can be satisfied.

【技术实现步骤摘要】
一种无人车的拟人驾驶员控制模型的建立方法和系统
本专利技术涉及无人车
,特别是涉及一种无人车的拟人驾驶员控制模型建立方法和系统。
技术介绍
现有的无人车驾驶控制模型都是根据出厂商的设定产生统一的行驶行为。试想不久的将来,城市无人车普及,其使用者则是现在车辆的驾驶者和使用者,而无人车若仅为现有的单一的机器人行为,道路上将出现诸多驾驶行为一样的无人车,很显然,这种单一化的驾驶行为无法满足不同使用者的需求,因此,如何根据无人车乘车人的需求进行驾驶,使其产生因人而异的驾驶行为,成为本领域亟需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种无人车的拟人驾驶员控制模型建立方法和系统,以使无人车的行驶状态因使用者的不同而改变,满足使用者的驾驶个性所需。为实现上述目的,本专利技术提供了一种无人车的拟人驾驶员控制模型的建立方法,包括:获取使用者的个人属性数据和驾驶行为数据;所述个人属性数据包括性别、驾龄、年龄、情绪、个性、心率和血压,所述驾驶行为数据包括行驶速度和车头方向;根据所述驾驶行为数据计算驾驶行为标记;所述驾驶行为标记为变速、变向、变道和变灯;以所述个人属性数据作为输入,以所述驾驶行为标记作为输出,利用线性回归模型进行训练,得到基于所述驾驶行为标记与所述个人属性数据的关系的驾驶行为分类模型;根据所述驾驶行为分类模型确定拟人驾驶员控制模型。可选的,所述获取使用者的个人属性数据和驾驶行为数据,具体包括:获取所述使用者输入的性别、驾龄、年龄;通过心率检测仪获取所述使用者的心率;通过血压检测仪获取所述使用者的血压;获取所述使用者驾驶车辆时的面部表情、肢体语言和声音;根据所述面部表情、肢体语言和声音利用情绪识别系统确定所述使用者的情绪和个性。可选的,所述获取使用者的个人属性数据和驾驶行为数据,具体包括:获取所述使用者输入的性别、驾龄、年龄;通过心率检测仪获取所述使用者的心率;通过血压检测仪获取所述使用者的血压;利用心理问卷对所述使用者进行测试,得到测试结果;根据所述测试结果确定所述使用者的情绪和个性。可选的,所述根据所述驾驶行为数据计算驾驶行为标记,具体包括:根据所述行驶速度计算相邻时刻的速度变化量;判断所述速度变化量是否大于2m/s,当所述速度变化量大于2m/s时确定为变速Cs(t);判断所述车头方向变化量是否大于45°且小于90°,当所述车头方向变化量大于45°且小于90°时确定为变道Cl(t);判断所述车头方向变化量是否大于90°,当所述车头方向变化量大于90°时确定为变向Cd(t);根据所述变道和/或所述变向,确定一次变灯Chl(t)。可选的,所述变速、变道和变灯采用布尔变量,所述变向Cd(t)=(l,r,0,1),其中l表示左变向,r表示右变向,0表示直行,1表示掉头。可选的,所述以所述个人属性数据作为输入,以所述驾驶行为标记作为输出,利用线性回归模型进行训练,得到基于所述驾驶行为标记与所述个人属性数据的关系的驾驶行为分类模型,具体包括:将所述个人属性数据:性别h1、驾龄h2、年龄h3、情绪h4(t)、个性h5(t)、心率h6(t)和血压h7(t)作为输入X,X是n*7的矩阵,n表示所述个人属性数据的样本个数,7表示所述个人属性数据的维度;将所述驾驶行为标记:变速Cs(t)、变向Cd(t)、变道Cl(t)和变灯Chl(t)作为输出利用线性回归模型确定驾驶行为分类模型;根据所述驾驶行为分类模型确定驾驶行为个人因子函数。可选的,所述根据所述驾驶行为分类模型确定拟人驾驶员控制模型具体包括:将所述驾驶行为个人因子函数与智能驾驶员模型结合,得到拟人驾驶员控制模型;所述拟人驾驶员控制模型为其中,p(h,t)为驾驶行为个人因子函数,p(h,t)=(Cs(t),Cd(t),Cl(t),Chl(t));an(t)为第n辆车t时刻的加速度;xn(t)为第n辆车在t时刻的位置;vn(t)为第n辆车在t时刻的速度;△v(t)为本车与前车的速度差;s*为当前状态下驾驶员的期望间距;w为起步加速度;d为舒适减速度;δ为加速度指数;s0为静止安全距离参数;s1为与速度相关的安全距离参数;T为安全车头间距;athr为阈值加速度;abias为偏向加速度;alnew为变道后加速度,asafe为安全加速度;al-a表示加速度的收益;表示当前车道尾随车辆的加速度的损失;表示新车道车辆的加速度的损失。本专利技术还提供了一种无人车的拟人驾驶员控制模型的建立系统,包括:数据获取单元,用于获取使用者的个人属性数据和驾驶行为数据;所述个人属性数据包括性别、驾龄、年龄、情绪、个性、心率和血压,所述驾驶行为数据包括行驶速度和车头方向;计算单元,用于根据所述驾驶行为数据计算驾驶行为标记;所述驾驶行为标记为变速、变向、变道和变灯;分类模型建立单元,用于以所述个人属性数据作为输入,以所述驾驶行为标记作为输出,利用线性回归模型进行训练,得到基于所述驾驶行为标记与所述个人属性数据的关系的驾驶行为分类模型;控制模型确定单元,用于根据所述驾驶行为分类模型确定拟人驾驶员控制模型。根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:本专利技术通过采集无人车使用者的个人属性信息和驾驶行为数据,在现有的单一的无人驾驶控制中通过利用个人属性信息和驾驶行为数据对使用者驾驶行为预学习或者输入后,通过机器学习方法产生新的驾驶模型,再与瞬时驾驶行为改变相结合,对每个无人车的使用者来说,其个人因素不同,驾驶习惯不同,通过该算法模型就会产生适合自身的最舒适的驾驶行为,使得无人车产生因人而异的驾驶行为,满足人们的驾驶个性需求。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的无人车的拟人驾驶员控制模型的建立方法的流程图;图2为本专利技术实施例提供的无人车的拟人驾驶员控制模型的建立系统的系统框图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。现有的无人车仿真采用的驾驶员控制模型中,对车辆行驶过程中的速度,加速度,和变道进行了笼统的定义,只是针对道路避让,车速限制,车辆跟踪进行了定义。流行的IDM(Intelligentdrivermodel,智能驾驶员模型)的模型形式为:其中,an(t)为第n辆车t时刻的加速度;xn(t)为第n辆车在t时刻的位置;vn(t)为第n辆车在t时刻的速度;△v(t)为本车与前车的速度差;s*为当前状态下驾驶员的期望间距;w为起步加速度;d为舒适减速度;δ为加速度指数;s0为静止安全距离参数;s1为与速度相关的安全距离参数;T为安全车头间距。从定义可以看出,此模型仅从加速度和速度上对车辆行驶过程进行了安全性的定义,可以保证与前车的安全距离,以及车辆本身在道路上行驶的安全问题,之后改善过的带有变道功能的IDM-LC模型中,对车辆行驶本文档来自技高网...

【技术保护点】
1.一种无人车的拟人驾驶员控制模型的建立方法,其特征在于,包括:获取使用者的个人属性数据和驾驶行为数据;所述个人属性数据包括性别、驾龄、年龄、情绪、个性、心率和血压,所述驾驶行为数据包括行驶速度和车头方向;根据所述驾驶行为数据计算驾驶行为标记;所述驾驶行为标记为变速、变向、变道和变灯;以所述个人属性数据作为输入,以所述驾驶行为标记作为输出,利用线性回归模型进行训练,得到基于所述驾驶行为标记与所述个人属性数据的关系的驾驶行为分类模型;根据所述驾驶行为分类模型确定拟人驾驶员控制模型。

【技术特征摘要】
1.一种无人车的拟人驾驶员控制模型的建立方法,其特征在于,包括:获取使用者的个人属性数据和驾驶行为数据;所述个人属性数据包括性别、驾龄、年龄、情绪、个性、心率和血压,所述驾驶行为数据包括行驶速度和车头方向;根据所述驾驶行为数据计算驾驶行为标记;所述驾驶行为标记为变速、变向、变道和变灯;以所述个人属性数据作为输入,以所述驾驶行为标记作为输出,利用线性回归模型进行训练,得到基于所述驾驶行为标记与所述个人属性数据的关系的驾驶行为分类模型;根据所述驾驶行为分类模型确定拟人驾驶员控制模型。2.根据权利要求1所述的无人车的拟人驾驶员控制模型的建立方法,其特征在于,所述获取使用者的个人属性数据和驾驶行为数据,具体包括:获取所述使用者输入的性别、驾龄、年龄;通过心率检测仪获取所述使用者的心率;通过血压检测仪获取所述使用者的血压;获取所述使用者驾驶车辆时的面部表情、肢体语言和声音;根据所述面部表情、肢体语言和声音利用情绪识别系统确定所述使用者的情绪和个性。3.根据权利要求1所述的无人车的拟人驾驶员控制模型的建立方法,其特征在于,所述获取使用者的个人属性数据和驾驶行为数据,具体包括:获取所述使用者输入的性别、驾龄、年龄;通过心率检测仪获取所述使用者的心率;通过血压检测仪获取所述使用者的血压;利用心理问卷对所述使用者进行测试,得到测试结果;根据所述测试结果确定所述使用者的情绪和个性。4.根据权利要求1所述的无人车的拟人驾驶员控制模型的建立方法,其特征在于,所述根据所述驾驶行为数据计算驾驶行为标记,具体包括:根据所述行驶速度计算相邻时刻的速度变化量;判断所述速度变化量是否大于2m/s,当所述速度变化量大于2m/s时确定为变速Cs(t);判断所述车头方向变化量是否大于45°且小于90°,当所述车头方向变化量大于45°且小于90°时确定为变道Cl(t);判断所述车头方向变化量是否大于90°,当所述车头方向变化量大于90°时确定为变向Cd(t);根据所述变道和/或所述变向,确定一次变灯Chl(t)。5.根据权利要求4所述的无人车的拟人驾驶员控制模型的建立方法,其特征在于,所述变速、变道和变灯采用布尔变量,所述变向Cd(t)=(l,r,0,1),其中l表示左变向,r表示右变向,0表示直行,1表示掉头。6.根据权利要求1所述的无人车的拟人驾驶员控制模型的建立方法,其特征在于,所述以所述个人属性数据作为输入,以所述驾驶行为标记作为输出,利用...

【专利技术属性】
技术研发人员:李琳王文剑
申请(专利权)人:山西大学
类型:发明
国别省市:山西,14

网友询问留言 已有0条评论
  • 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。

1