【技术实现步骤摘要】
一种基于驾驶意图的周车换道行为动态识别方法
本专利技术属于无人驾驶汽车自主决策
,特别涉及一种针对自车周围驾驶人车辆的换道行为动态识别方法,帮助自车更好地理解周车行为,更好地做行为决策和轨迹规划。
技术介绍
无人驾驶汽车的一大应用场景是混合交通流道路,即无人驾驶汽车和有人驾驶汽车并存在道路上。在该场景中,无人驾驶汽车会受到来自有人驾驶汽车的影响。尽管目前有关传感器、车载计算机、控制器和执行机构的技术日渐成熟,无人驾驶汽车仍然面临一大挑战,即无人驾驶汽车(自车)与周围环境的交互,尤其是与有人驾驶汽车行为的互相影响。为了保证道路安全性,自车基于车载传感器(如摄像头、激光雷达等)和车联网信息(LongTermEvolution(LTE)、DedicatedShortRangeCommunications(DSRC)等),需要在考虑周围动态交通流等复杂环境的情况下,安全高效的抵达目的地。因此自车需要对环境中周围车辆的行为进行准确识别,才能更快更好地预测周车未来轨迹(即所占据的空间),从而构造自车在未来一定时间内的可行域,对自车的行为决策和轨迹规划有着极大的作用。传统的保守换道策略,如“预见碰撞即紧急刹车(AEB)”,在大多数情况下往往不是最优的换道策略(虽然在一些特定的情况下必须这么做)。如果将周围车辆的动态运动特性和未来行驶轨迹纳入考虑,那么自车将拥有更多的即能保证安全性,又不失合理性和舒适性的换道策略选择,比如“降低车速保持安全车头时距直到其达到安全阈值”,“左换道或右换道以避免碰撞”,甚至是“加速驶离危险 ...
【技术保护点】
1.一种基于驾驶意图识别的周车换道行为识别方法,其特征在于,包括以下步骤:/nS110构建训练样本集:从NGSIM数据库中,提取了换道数据和直行数据共计N例数据,从该N例数据中选定N
【技术特征摘要】
1.一种基于驾驶意图识别的周车换道行为识别方法,其特征在于,包括以下步骤:
S110构建训练样本集:从NGSIM数据库中,提取了换道数据和直行数据共计N例数据,从该N例数据中选定NRF例数据作为训练样本构成训练样本集;每一例数据包含了时间信息、位置信息和换道行为类别;
S120特征选取:将周车与所在车道中心线的横向偏离、横向速度和横向加速度作为周车基本特征,利用历史同步时间滑动窗和统计指标对周车基本特征进行扩展得到多类扩展特征,将该多类扩展特征及3类周车基本特征作为候选特征构成周车候选特征集合该集合内含有的候选特征总类别为其中,3代表采用3类基本特征,NSTA为采用的统计指标的总个数,Lmax为同步时间滑动窗的最大长度;
S130特征优选:利用基于条件互信息的最大似然度方法,对训练样本集中每个周车的换道行为类别,通过对步骤S120确定的候选特征之间的共同信息及其关联程度进行排序,得到若干优选特征;
S140初步识别:基于随机森林方法构建一分类器,该分类器的输入为以步骤S130确定的优选特征从步骤S110选定的各训练样本中分别均提取对应的优选特征值,输出为对训练样本识别的各时刻周车换道行为类别的概率,作为初步识别结果;
S150识别结果优化:利用DS证据理论,将步骤S140中分类器输出的各时刻相同周车换道行为类别的概率进行融合,计算各周车换道行为类别的信度函数,若各周车换道行为的信度函数均相等则输出无法判断,否则选取信度函数最大的周车换道行为类别作为最终的周车换道行为类别。
2.根据权利要求1所述的周车换道行为识别方法,其特征在于,步骤S120中,所述统计指标包括平均数、标准差、变异系数、均方根、香农熵和正态熵。
3.根据权利要求1所述的周车换道行为识别方法,其特征在于,步骤S130特征优选,具体包括以下步骤:
对于候选特征集合S中的任一候选特征SK以及某一换道行为类别B,LK、LLC和RLC分别表示直行、左换道和右换道;令条件互信息CMI(SK;B)表示候选特征SK与候选特征集合中的所有其他候选特征含有的关于驾驶行为类别B的共同信息,令条件互信息CMI(SK,SL;B)表示候选特征集合中候选特征SK与候选特征SL含有的关于驾驶行为类别B的共同信息,计算公式如下:
式中:
H(SK;B)为候选特征SK关于周车换道行为B的信息熵,用于表征候选特征SK含有周车换道行为B相关信息的多少,利用信息熵可以描述一个复杂的时序特征的特性,计算公式如下:
其中,SK,k是候选特征SK的某一取值,设候选特征SK有n个所有可取值的状态SK,k,k=1,...n;p(SK,k|B)为驾驶行为类别B的候选特征SK取值SK,k的概率,即在训练样本集中SK,k出现的频率;令I(SK,k)=-logp(SK,k)为候选特征SK的取值SK,k的自信息量,表征该特征值的不确定性,I(SK,k)≥0;
MI(SK,SL)为互信息,用于量化候选特征SK和SL之间的相关性和冗余性,计算公式如下:
其中,p(SK,k,SL,l)为候选特征值SK,k,SL,l同时出现的概率;
MI(SK,SL|B)用于...
【专利技术属性】
技术研发人员:李升波,李克强,成波,孔艺婷,忻隆,孙琪,
申请(专利权)人:清华大学,
类型:发明
国别省市:北京;11
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。