驾驶员跟车行为分析中的期望跟车距离计算方法技术

本发明专利技术涉及一种驾驶员跟车行为分析中的期望跟车距离计算方法。基于驾驶员在环汽车仿真测试平台，在采集数据时，设计多种不同的驾驶场景，针对多个驾驶员进行驾驶数据的采集；从中提取每个驾驶员的跟车行为特征参数数据集；对所有驾驶员的特征行为参数数据集进行聚类，聚类为几种不同的驾驶类别，作为训练数据集；然后利用上述训练数据集，对待分类的当前驾驶员进行类别判断。既实现了对不同跟车行为进行分类，又提高了采集跟车行为数据的效率，而且成本低、安全性好。本发明专利技术还利用高斯过程模拟驾驶员的纵向驾驶行为，能够为当前驾驶员提供个性化的期望跟车距离，提升了辅助驾驶系统对不同驾驶员的主动适应能力。

Calculation method of expectation and vehicle distance in behavior analysis of driver following vehicle

The invention relates to a method for calculating expectation and following distance in behavior analysis of driver following vehicle. The car driver in the loop simulation test platform based on the data acquisition, design a variety of different driving scenarios, for a plurality of driver data acquisition; extracting each driver car following behavior parameters from data sets; cluster the feature data of all the driver behavior parameters set, clustering into several different categories of driving as the training data set; and then, using the training data set, with current driver classification category judgment. The utility model not only realizes the classification of different vehicle following behavior, but also improves the efficiency of collecting and following the vehicle behavior data, and has the advantages of low cost and good safety. The present invention also longitudinal driving behavior by using the Gauss process simulation of the driver, to provide personalized expectations for the current distance from the vehicle driver, enhance the ability to adapt to the active auxiliary driving system for different drivers.

【技术实现步骤摘要】
驾驶员跟车行为分析中的期望跟车距离计算方法
本专利技术涉及智能驾驶领域，具体涉及一种驾驶员跟车行为分析中的期望跟车距离计算方法。
技术介绍
现有的先进驾驶辅助系统(AdvancedDriverAssistantSystem，ADAS)没有考虑驾驶员个性化要求，导致多数驾驶员对其无法完全信任，在驾驶过程中常常会多次介入甚至关闭辅助驾驶系统。因此对驾驶员行为进行学习分类，特别是对于纵向驾驶行为的分析可以为ADAS中的自适应巡航控制、碰撞预警系统等提供个性化支持，实现驾驶辅助系统对不同驾驶员的主动适应能力，增强驾驶舒适性体验，提高驾驶员对驾驶辅助系统的信心。基于实车的驾驶员跟车行为数据采集工作往往需要消耗巨大的人力和财力，经济性差；同时一些激进驾驶员的跟车操作往往会带来交通安全隐患，安全性差；此外，由于外界交通环境时刻发生着变化，导致试验的可重复性极差，对于不同时间同一路段采集到的同一个驾驶员的跟车行为数据可能完全不一致，这为分析驾驶员跟车行为带来了极大的不确定性；最后，采集驾驶员跟车行为数据需要激光雷达、毫米波雷达等昂贵的传感器和满足实时性要求的数据采集设备，以及繁杂的安装调试工作，过程本文档来自技高网...

【技术保护点】
一种驾驶员跟车行为分析中的期望跟车距离计算方法，其特征在于，包括以下步骤：步骤A1，采用仿真环境采集当前驾驶员的驾驶数据；步骤A2，针对当前驾驶员的驾驶数据，根据预设的片段数量，选取近似稳态跟车的数据片段；分别对各数据片段进行预处理，得到该驾驶员纵向行为特征参数数据集；步骤A3，根据当前驾驶员的所述纵向行为特征参数数据集，基于分类方法的训练数据集，对当前驾驶员进行分类；步骤A4，根据步骤A3的分类结果，计算当前驾驶员在不同车速下的期望跟车距离。

【技术特征摘要】
1.一种驾驶员跟车行为分析中的期望跟车距离计算方法，其特征在于，包括以下步骤：步骤A1，采用仿真环境采集当前驾驶员的驾驶数据；步骤A2，针对当前驾驶员的驾驶数据，根据预设的片段数量，选取近似稳态跟车的数据片段；分别对各数据片段进行预处理，得到该驾驶员纵向行为特征参数数据集；步骤A3，根据当前驾驶员的所述纵向行为特征参数数据集，基于分类方法的训练数据集，对当前驾驶员进行分类；步骤A4，根据步骤A3的分类结果，计算当前驾驶员在不同车速下的期望跟车距离。2.根据权利要求1所述的方法，其特征在于，所述仿真环境，为驾驶员在环汽车仿真测试平台，包括：数据采集设备、实时仿真设备、计算机和三维显示屏；所述数据采集设备，包括力反馈方向盘、油门踏板和刹车踏板，用于采集驾驶员操作数据；所述实时仿真设备，基于dSPACE硬件仿真系统，计算汽车模型与环境模型的运行状态，并发送给所述计算机；所述计算机，用于对当前的运行状态数据进行记录、采集与分析，并根据汽车运行状态，构建汽车在道路中运行的三维动画数据，通过所述三维显示屏显示。3.根据权利要求1所述的方法，其特征在于，在步骤A4以后，还包括利用个性化学习模式，校正所述当前驾驶员在不同车速下的期望跟车距离的方法，该方法包括以下步骤：步骤C1，将驾驶员纵向行为建模为高斯过程回归模型；步骤C2，将步骤A4得到的所述当前驾驶员在不同车速下的期望跟车距离，作为高斯过程先验知识，对所述高斯过程回归模型进行初始化；步骤C3，采用所述高斯过程回归模型拟合当前驾驶员不同车速下的期望跟车距离。4.根据权利要求2所述的方法，其特征在于，所述训练数据集，生成方法为：步骤B1，基于所述仿真环境，设计预设数量的跟车驾驶场景；针对每个跟车驾驶场景，根据预设的驾驶员人数，采集驾驶员的驾驶数据；步骤B2，针对各驾驶员的驾驶数据，根据预设的片段数量，选取数据片段；分别对各数据片段进行预处理，得到该驾驶员纵向行为特征参数数据集；步骤B3，将所有驾驶员的所述纵向行为特征参数数据集，合并为样本数据集；步骤B4，对所述样本数据集进行聚类，得到所述训练数据集。5.根据权利要求4所述的方法，其特征在于，所述驾驶员纵向行为特征参数包括：跟车时距、避撞时间倒数；所述跟车时距，为宿主车辆前部边缘行驶至前车后部边缘的当前位置所需的时间：其中，d为宿主车辆与前车之间的距离，vh为宿主车辆速度；所述...

【专利技术属性】
技术研发人员：赵冬斌，张启超，夏中谱，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11