基于混合高斯-隐马尔科夫模型的换道模型参数优化方法技术

本发明专利技术涉及一种基于混合高斯‑隐马尔科夫模型的换道模型参数优化方法，通过对本车和周围车辆运行状态的分析，建立了基于隐马尔可夫模型的驾驶换道意图识别方法，即用可观测的换道表征参数观测状态来实现隐含的驾驶员换道意图的预测；并以NGSIM数据集中的高速公路车辆数据库为基础，提取换道表征参数样本，并应用MATLAB中HMM工具箱编写算法进行对隐马尔科夫模型的训练和验证，以及利用粒子群算法进行混合高斯模型个数和状态个数的优化，利用粒子群算法进行混合高斯模型个数和状态个数的优化，以此来提高驾驶员换道意图识别的准确率；最终对驾驶员换道意图的预测结果取得到了较好的准确率。

Parameter optimization of lane-changing model based on Gaussian Mixture-Hidden Markov model

The present invention relates to a parameter optimization method of lane-changing model based on mixture Gauss-Hidden Markov model. Through the analysis of the running state of the vehicle and the surrounding vehicles, a method of lane-changing intention recognition based on Hidden Markov model is established, which uses observable lane-changing to represent the observed state of parameters to realize the implicit prediction of driver lane-changing intention and uses NGSIM data set. On the basis of expressway vehicle database, we extract the sample of lane change characterization parameters, train and validate hidden Markov model with HMM toolbox in MATLAB, optimize the number of Mixed Gauss models and states with particle swarm optimization, and optimize the number of Mixed Gauss models and states with particle swarm optimization to improve driving performance. The accuracy of the driver's intention recognition and the prediction result of the driver's intention to change lanes have achieved a better accuracy.

【技术实现步骤摘要】
基于混合高斯-隐马尔科夫模型的换道模型参数优化方法
本专利技术涉及一种无人驾驶技术，特别涉及一种基于混合高斯-隐马尔科夫模型的换道模型参数优化方法。
技术介绍
无人驾驶是未来汽车的主要发展方向之一，无人驾驶车辆研究对于保证道路交通安全，提高道路通行能力，保护人民财产安全具有重要意义。无人驾驶是集环境感知与认知、动态规划与决策、行为控制与执行等多项功能于一体的综合技术，其中感知和认知是无人驾驶中最关键的环节之一，是进行正确规划与决策的前提。然而在实际应用中很难通过建立准确的驾驶员认知行为模型，特别是换道行为模型，它属于常用的但很难提前识别的驾驶行为，尤其是在高速公路环境中，如果驾驶人操作失误更容易引发严重的交通事故。所以提前识别驾驶员的换道意图行为，且并可能的提高识别的准确率变得尤为重要。统计资料显示，车辆不恰当的换道行为是道路交通事故和交通拥堵的主要因素，尤其在复杂动态的交通环境下，车辆的换道空间具有明显的差异性。同时，无人驾驶是当前汽车的主要研究方向，在无人驾驶中面临着，最为重要的研究问题是在什么样的交通场景下应该进行换道操作？在未来无人驾驶必然面临如何进行智能换道决策的问题。如果本文档来自技高网...

【技术保护点】
1.一种基于混合高斯‑隐马尔科夫模型的换道模型参数优化方法，其特征在于，具体包括如下步骤：1)换道意图识别模型的建立：1.1)设定观测状态参数：换道车辆速度v、换道车辆与换道车辆前方车辆之间的直线距离Gfo、换道车辆与换道车辆后方车辆之间的直线距离Gro、目标车道上换道车辆S前方车辆与换道车辆之间的直线距离Gft、为目标车道上换道车辆后方车辆与换道车辆的直线距离Grt、换道车辆前方车辆与换道车辆的速度差vfo、换道车辆后方车辆与换道车辆的速度差vro、为目标车道上换道车辆前方车辆与换道车辆的速度差vft、为目标车道上换道车辆后方车辆与换道车辆的速度差vrt共9个量作为观测状态参数；1.2)换道...

【技术特征摘要】
1.一种基于混合高斯-隐马尔科夫模型的换道模型参数优化方法，其特征在于，具体包括如下步骤：1)换道意图识别模型的建立：1.1)设定观测状态参数：换道车辆速度v、换道车辆与换道车辆前方车辆之间的直线距离Gfo、换道车辆与换道车辆后方车辆之间的直线距离Gro、目标车道上换道车辆S前方车辆与换道车辆之间的直线距离Gft、为目标车道上换道车辆后方车辆与换道车辆的直线距离Grt、换道车辆前方车辆与换道车辆的速度差vfo、换道车辆后方车辆与换道车辆的速度差vro、为目标车道上换道车辆前方车辆与换道车辆的速度差vft、为目标车道上换道车辆后方车辆与换道车辆的速度差vrt共9个量作为观测状态参数；1.2)换道数据的提取及处理：从公开数据库提取车辆轨迹数据，然后采用对称指数移动平均法对轨迹数据进行平滑处理，最后设定筛选规则，筛选出满足要求的换道轨迹数据，将其分为两组，一组用于训练，一组用于验证；2)基于隐马尔科夫模型算法的建立：2.1)隐马尔科夫模型及参数：隐马尔科夫模型包含两组状态集合和三组概率集合，表示为λ＝{N,M,A,B,π}，其中，N代表HMM的隐含状态数目，S＝{s1,s2,...,sN}为状态集合；M表示可观察值的数目，观察值组合的集合V＝{v1,v2,...,vm}；A＝[aij]，aij＝p(qt+1＝sj/qt＝si)表示状态转移概率，aij表示由状态si转移到状态sj的概率，且满足aij>0，B＝[bik]，bik表示在状态si下出现观...

【专利技术属性】
技术研发人员：孙涛，李洁，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31