基于支持向量机的路口智能驾驶方法及其系统技术方案

本发明专利技术提供一种基于支持向量机的路口智能驾驶方法及其系统，基于支持向量机的路口智能驾驶方法应用于一车辆且包含提供支持向量机提供步骤、数据处理步骤以及决策步骤。于支持向量机提供步骤中，提供一支持向量机，支持向量机预先经过训练过程，在训练过程中，提供训练数据予支持向量机，训练数据由原始数据经过维度降低模块及时间补值模块处理后获得；于数据处理步骤中，将环境感测单元所获取的p个特征经由维度降低模块及时间补值模块处理后，提供予支持向量机进行分类；于决策步骤中，以支持向量机的分类结果决定车辆的驾驶行为。借此，可有效提升支持向量机的决策准确度。

Intersection intelligent driving method and system based on support vector machine

【技术实现步骤摘要】
基于支持向量机的路口智能驾驶方法及其系统
本专利技术是有关于一种路口智能驾驶方法及其系统，且尤其是有关一种基于支持向量机的路口智能驾驶方法及其系统。
技术介绍
一般而言，十字路口或道路交会处具有多方向的车辆转弯或直行交会，因此在通过路口时，需要依驾驶的判断来进行加速、减速或定速行驶，一旦驾驶判断错误，交通事故便会发生。根据美国统计局的统计，2008年于十字路口或道路交会处发生交通事故的比例高达40％；而根据德国联邦统计局的统计，2013于十字路口或道路交会处发生交通事故的比例高达47.5％，在部分国家，发生交通事故的比例甚至高达98％。为了辅助驾驶通过路口时的决策判断，有业/学者发展出高度自动化车辆(highlyautomatedvehicle，HAV)，其包含人工智能方式进行机器学习，以辅助驾驶决策，而支持向量机便是其中一种机器学习方式，其透过建构模型进行预测或估计，便可进行决策。例如通过路口时，何时该加速、减速或定速。在实际的情况下，驾驶会依据过去几个单位时间内的周遭信息，做出适合当下的驾驶行为，也就是说，真实的驾驶情况是具有时间相依关系的。然而，在习知的支持向量机的训练过程中，用来训练的数据虽然是依照连续的时间点来录制，但每一个时间所观察的数据皆被当作一笔独立的数据，而未考虑变数有时间相依性，因此判断出来的决策准确度仍有改善空间。有鉴于此，如何有效的提升支持向量机的决策准确度，遂成相关业者努力的目标。
技术实现思路
本专利技术提供一种基于支持向量机的路口智能驾驶方法及其系统，其透过维度降低处理及时间补值处理后，可有效提升支持向量机的决策准确度。依据本专利技术的一态样的一实施方式提供一种基于支持向量机的路口智能驾驶方法，其应用于一车辆且包含一支持向量机提供步骤、一数据处理步骤以及一决策步骤。于支持向量机提供步骤中，提供一支持向量机，所提供的支持向量机预先经过一训练过程，在训练过程中，提供一训练数据予支持向量机，训练数据由一原始数据经过一维度降低模块及一时间补值模块处理后获得，其中，原始数据包含多个训练样本，各训练样本包含通过一路口的一时间总值，及在时间总值内的多个取样时点中每一取样时点所对应的p个特征及一当下决策；维度降低模块将p个特征整合为k个新特征，时间补值模块提供一预设时间，时间补值模块将任一训练样本中任一取样时点及在前述任一取样时点之前的其他取样时点所分别对应的新特征视为一待扩展数列，当待扩展数列的长度小于预设时间内所具有的取样时点的数目时，于待扩展数列补入一预估值后形成一新待扩展数列，其中以待扩展数列的联合分配及所有新特征值的数据服从高斯分配求出预估值的条件分配，且时间补值模块将新待扩展数列重整为一扩展数列，扩展数列的长度等于预设时间内所具有的取样时点的数目，其中，p、k为正整数，且p>k；于数据处理步骤中，将一环境感测单元所获取的p个特征经由维度降低模块及时间补值模块处理后，提供予支持向量机进行分类；于决策步骤中，以支持向量机的分类结果决定车辆的驾驶行为。借此，训练数据及驾驶当下所获取的特征在经过维度降低模块及时间补值模块处理后，会具有时间相依关系，而能提升预测结果的准确度。依据前述的基于支持向量机的路口智能驾驶方法的多个实施例，其中维度降低模块可采用一主成分分析法。或时间补值模块可采用一均匀缩放法。或预设时间可等于时间总值中的最大者。依据前述的基于支持向量机的路口智能驾驶方法的多个实施例，其中p个特征可包含车辆相对一来车的一横向速度、车辆相对来车的一横向加速度、车辆相对来车的一纵向速度、车辆相对来车的一纵向加速度、车辆与来车的一距离、车辆与路口的一距离，及来车的一速度。原始数据中的多个特征可由环境感测单元取得，环境感测单元包含一雷达、一摄影机及一GPS定位装置中至少其中之一。依据本专利技术的一态样的另一实施方式提供一种基于支持向量机的路口智能驾驶方法，其应用于一车辆且包含一支持向量机提供步骤、一数据处理步骤及一决策步骤。于支持向量机提供步骤中，提供一支持向量机，所提供的支持向量机预先经过一训练过程，在训练过程中，提供一训练数据予支持向量机，训练数据由一原始数据经过一维度降低模块及一时间补值模块处理后获得，其中，原始数据包含多个训练样本，各训练样本包含通过一路口的一时间总值，及在时间总值内的多个取样时点中每一取样时点所对应的p个特征及一当下决策；维度降低模块将p个特征整合为k个新特征，时间补值模块提供一预设时间，时间补值模块将任一训练样本中任一取样时点及在前述任一取样时点之前的其他取样时点所分别对应的新特征视为一待扩展数列，且当待扩展数列的长度小于预设时间内所具有的取样时点的数目时，于待扩展数列补入一预估值后形成一新待扩展数列，且时间补值模块将新待扩展数列重整为一扩展数列，扩展数列的长度等于预设时间内所具有的取样时点的数目，其中，p、k为正整数，且p>k；于数据处理步骤中，将一环境感测单元所获取的p个特征经由维度降低模块及时间补值模块处理后，提供予支持向量机进行分类；于决策步骤中，以支持向量机的分类结果决定车辆的行为。依据前述的基于支持向量机的路口智能驾驶方法的多个实施例，其中，时间补值模块可使用一主成分分析法。或时间补值模块可使用一均匀缩放法。依据本专利技术的另一态样的一实施方式提供一种基于支持向量机的路口智能驾驶系统，其应用于一车辆，基于支持向量机的路口智能驾驶系统包含一处理单元以及一环境感测单元；处理单元设置于车辆且包含一维度降低模块、一时间补值模块及一支持向量机。维度降低模块将多个取样时点中每一取样时点所对应的p个特征整合为k个新特征，其中，p、k为正整数，且p>k；时间补值模块提供一预设时间，时间补值模块将任一取样时点及在前述任一取样时点之前的其他取样时点所分别对应的新特征视为一待扩展数列，且当待扩展数列的长度小于预设时间内所具有的取样时点的数目时，于待扩展数列补入一预估值后形成一新待扩展数列，且时间补值模块将新待扩展数列重整为一扩展数列，扩展数列的长度等于预设时间内所具有的取样时点的数目；支持向量机经过一训练数据训练，训练数据由一原始数据经过维度降低模块及时间补值模块处理后获得，原始数据包含多个训练样本，各训练样本包含通过一路口的一时间总值，及在时间总值内的各取样时点所对应的p个特征及一当下决策。环境感测单元设置于车辆且信号连接处理单元，环境感测单元用以取得p个特征；其中，环境感测单元所获取的p个特征经由处理单元的维度降低模块及时间补值模块处理后，提供予支持向量机进行分类，支持向量机的分类结果用以决定车辆的驾驶行为。依据前述的基于支持向量机的路口智能驾驶系统的多个实施例，其中p个特征包含：车辆相对一来车的一横向速度、车辆相对来车的一横向加速度、车辆相对来车的一纵向速度、车辆相对来车的一纵向加速度、车辆与来车的一距离、车辆与路口的一距离及来车的一速度。或环境感测单元可包含一雷达、一摄影机及一GPS定位装置中至少其中之一。或当下决策可包含加速、减速或定速中至少其中之一。附图说明图1绘示依照本专利技术第本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的路口智能驾驶方法，其应用于一车辆，其特征在于，该基于支持向量机的路口智能驾驶方法包含：/n一支持向量机提供步骤，提供一支持向量机，该支持向量机预先经过一训练过程，在该训练过程中，提供一训练数据予该支持向量机，该训练数据由一原始数据经过一维度降低模块及一时间补值模块处理后获得，其中，该原始数据包含多个训练样本，各该训练样本包含通过一路口的一时间总值，及在该时间总值内的多个取样时点中每一该取样时点所对应的p个特征及一当下决策，该维度降低模块将该p个特征整合为k个新特征，该时间补值模块提供一预设时间，该时间补值模块将任一该训练样本中任一该取样时点及在该任一取样时点之前的其他该取样时点所分别对应的该些新特征视为一待扩展数列，当该待扩展数列的长度小于该预设时间内所具有的该些取样时点的数目时，于该待扩展数列补入一预估值后形成一新待扩展数列，其中以该待扩展数列的联合分配及该些新特征值的数据服从高斯分配求出该预估值的条件分配，且该时间补值模块将该新待扩展数列重整为一扩展数列，该扩展数列的长度等于该预设时间内所具有的该些取样时点的数目，其中，p、k为正整数，且p>k；/n一数据处理步骤，将一环境感测单元所获取的该p个特征经由该维度降低模块及该时间补值模块处理后，提供予该支持向量机进行分类；以及/n一决策步骤，以该支持向量机的分类结果决定该车辆的驾驶行为。/n...

【技术特征摘要】
1.一种基于支持向量机的路口智能驾驶方法，其应用于一车辆，其特征在于，该基于支持向量机的路口智能驾驶方法包含：
一支持向量机提供步骤，提供一支持向量机，该支持向量机预先经过一训练过程，在该训练过程中，提供一训练数据予该支持向量机，该训练数据由一原始数据经过一维度降低模块及一时间补值模块处理后获得，其中，该原始数据包含多个训练样本，各该训练样本包含通过一路口的一时间总值，及在该时间总值内的多个取样时点中每一该取样时点所对应的p个特征及一当下决策，该维度降低模块将该p个特征整合为k个新特征，该时间补值模块提供一预设时间，该时间补值模块将任一该训练样本中任一该取样时点及在该任一取样时点之前的其他该取样时点所分别对应的该些新特征视为一待扩展数列，当该待扩展数列的长度小于该预设时间内所具有的该些取样时点的数目时，于该待扩展数列补入一预估值后形成一新待扩展数列，其中以该待扩展数列的联合分配及该些新特征值的数据服从高斯分配求出该预估值的条件分配，且该时间补值模块将该新待扩展数列重整为一扩展数列，该扩展数列的长度等于该预设时间内所具有的该些取样时点的数目，其中，p、k为正整数，且p>k；
一数据处理步骤，将一环境感测单元所获取的该p个特征经由该维度降低模块及该时间补值模块处理后，提供予该支持向量机进行分类；以及
一决策步骤，以该支持向量机的分类结果决定该车辆的驾驶行为。


2.根据权利要求1所述的基于支持向量机的路口智能驾驶方法，其特征在于，该维度降低模块采用一主成分分析法。


3.根据权利要求1所述的基于支持向量机的路口智能驾驶方法，其特征在于，该时间补值模块采用一均匀缩放法。


4.根据权利要求1所述的基于支持向量机的路口智能驾驶方法，其特征在于，该预设时间等于该些时间总值中的最大者。


5.根据权利要求1所述的基于支持向量机的路口智能驾驶方法，其特征在于，该p个特征包含该车辆相对一来车的一横向速度、该车辆相对该来车的一横向加速度、该车辆相对该来车的一纵向速度、该车辆相对该来车的一纵向加速度、该车辆与该来车的一距离、该车辆与该路口的一距离及该来车的一速度。


6.根据权利要求1所述的基于支持向量机的路口智能驾驶方法，其特征在于，该原始数据中的该些特征由该环境感测单元取得，该环境感测单元包含一雷达、一摄影机及一GPS定位装置中至少其中之一。


7.一种基于支持向量机的路口智能驾驶方法，其应用于一车辆，其特征在于，该基于支持向量机的路口智能驾驶方法包含：
一支持向量机提供步骤，提供一支持向量机，该支持向量机预先经过一训练过程，在该训练过程中，提供一训练数据予该支持向量机，该训练数据由一原始数据经过一维度降低模块及一时间补值模块处理后获得，其中，该原始数据包含多个训练样本，各该训练样本包含通过一路口的一时间总值，及在该时间总值内的多个取样时点中每一该取样时点所对应的p个特征及一当下决策，该维度降低模块将该p个特征整合为k个新特征，该时间补值模块...

【专利技术属性】
技术研发人员：许琮明，王正贤，
申请(专利权)人：财团法人车辆研究测试中心，
类型：发明
国别省市：中国台湾;71