基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置制造方法及图纸

本发明专利技术公开了一种基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置，该方法包括：步骤1，根据乘员选取的换道轨迹个性化风格，生成可行换道轨迹簇；步骤2，利用换道舒适性评价模型对所述步骤1生成的每一条所述换道轨迹对应的舒适值进行评估；步骤3，根据所述步骤2计算得到的每一所述换道轨迹对应的评估值，选取最优换道轨迹，输出相应的车辆控制命令，操纵车辆底盘控制器执行换道操作，得到当前换道轨迹和车辆运动参数；步骤4，利用所述换道舒适性模型在线评估所述当前换道轨迹的舒适值是否满足设定值，如果是，则执行所述当前换道轨迹；反之，则返回步骤2，对所述当前换道轨迹的舒适值进行再评估。本发明专利技术构建出换道模型的舒适性评价模型，为智能汽车的换道决策合理性评估提供了有利条件。

【技术实现步骤摘要】
基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置
本专利技术涉及自动驾驶
，特别是关于一种基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置。
技术介绍
传感器和自动化技术的发展，有力推动了智能车技术的发展，在此基础上，无人驾驶正逐步变成现实，但目前的智能车仍面临着一些挑战，如何让智能车的决策更符合人类优秀驾驶员的判断是目前智能车技术遇到的技术瓶颈之一。人们对智能车赋予了模拟乃至于超越人类优秀驾驶员的期望，为了让设计的智能车更加节能、环保和安全，需要在大量的人类优秀驾驶员自然驾驶数据中提取出符合特定场景需求的数据，采用先进的人工智能方法对智能车的决策系统进行训练，获得满足人们不同需求的个性化决策系统参数，以更好地服务于交通系统。换道场景是最为常见的驾驶场景之一，现有无人驾驶汽车的换道决策大多基于安全性和效率性进行规划，很少考虑到换道的舒适性，而人体对换道时产生的侧向加速度极为敏感。若无人驾驶汽车的换道决策不能充分考虑乘客的乘坐舒适性，其大规模的市场化应用必将遇到更大的困难，因此，针对智能车的换道决策舒适性开展深入研究的工程需求是十分迫切的。
技术实现思路
本专利技术的目的在于提供一种基于支持向量机的智能车换道舒适性评估及其轨迹规划方法和装置来克服或至少减轻现有技术的上述缺陷中的至少一个。为实现上述目的，本专利技术提供一种基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，该方法包括：步骤1，根据乘员选取的换道轨迹个性化风格，生成可行换道轨迹簇；步骤2，利用式(2)描述的换道舒适性评价模型对所述步骤1生成的每一条所述换道轨迹对应的舒适值f(x)进行评估；式中，xi表示第i种样本，xj表示第j种样本，i≠j，n表示样本的总数，αi表示xi的拉格朗日乘子，表示xi的对偶样本的拉格朗日乘子，K(xi,xj)表示核函数，b表示截距；步骤3，根据所述步骤2计算得到的每一所述换道轨迹对应的评估值，选取最优换道轨迹，输出相应的车辆控制命令，操纵车辆底盘控制器执行换道操作，得到当前换道轨迹和车辆运动参数；步骤4，利用所述换道舒适性模型在线评估所述当前换道轨迹的舒适值是否满足设定值，如果是，则执行所述当前换道轨迹；反之，则返回步骤2，对所述当前换道轨迹的舒适值进行再评估。进一步地，所述步骤2中的所述换道舒适性评价模型的获取方法具体包括：步骤21，采集设定数量的离线驾驶数据训练样本，所述离线驾驶数据训练样本包括满足安全性约束的换道轨迹以及换道过程中的车辆状态信息；步骤22，对提取的所述离线驾驶数据训练样本进行滤波处理，剔除由于测量过程中的不确定性因素导致的数据缺失或异常的无效信号；步骤23，将所述离线驾驶数据训练样本输入驾驶模拟器，实时复现各所述换道轨迹，并对可行换道轨迹簇中的每一条可行轨迹的舒适性进行评分；步骤24，根据所述评分，采用支持向量机模型建立如所述式(2)所示的换道舒适性评价模型，其中的目标函数表示为式(3)；式中，ω为支持向量机模型核函数的系数，||·||2为2范数算符号，c为惩罚参数，ξi为xi的超平面阈值，为xi的对偶样本的超平面阈值，yi为人为通过主观判断给出的评分，φ(x)为所述离线驾驶数据训练样本的映射函数，n为所述离线驾驶数据训练样本的总数量，ε为预设的误差精度，s.t.表示约束条件；步骤25，将所述式(3)扩展为式(5)，获得K(xi,xj)和b的具体数值；式中，αj为xj的拉格朗日乘子，为xj的对偶样本的拉格朗日乘子。进一步地，所述步骤1中的所述可行换道轨迹簇通过式(1)表示的指数换道轨迹模型获得：式中，lon为换道过程中车辆的纵向位置，lat为换道过程中车辆的横向位置，ki,i＝1,2,3,4为标定参数。进一步地，所述K(xi,xj)采用径向基函数，其表示为式(6)：K(xi,xj)＝exp(-g||xi-xj||2)(6)式中，g为径向基核函数的参数。进一步地，所述c和g通过遗传算法进行优化，获取一组参数，使得支持向量机的训练均方误差最小，均方误差MSE表示为式(9)；式中，为支持向量机回归模型的预测获得的换道舒适性主观评价分数。进一步地，所述步骤23采用主观评价采取打分制，满分为10分，最低分为0分，舒适性最好的轨迹打分为10分，舒适性体验最差的打为0分，主观评价要求考虑评审员相关信息、换道轨迹数每种风格的数量以及有效评审数据，其中，评审员相关信息包括评审员的性别、年龄、驾龄因素以及评审人数。本专利技术还提供一种基于支持向量机的智能车换道舒适性评估及其轨迹规划装置，该装置包括：轨迹生成单元，其用于根据乘员选取的换道轨迹个性化风格，生成可行换道轨迹簇；舒适性评估单元，其用于利用式(2)描述的换道舒适性评价模型对所述轨迹生成单元生成的每一条所述换道轨迹对应的舒适值f(x)进行评估；式中，xi表示第i种样本，xj表示第j种样本，i≠j，n表示样本的总数，αi表示xi的拉格朗日乘子，表示xi的对偶样本的拉格朗日乘子，K(xi,xj)表示核函数，b表示截距；换道轨迹获取单元，其用于根据所述舒适性评估单元计算得到的每一所述换道轨迹对应的评估值，选取最优换道轨迹，输出相应的车辆控制命令，操纵车辆底盘控制器执行换道操作，得到当前换道轨迹和车辆运动参数；轨迹舒适值判断单元，其用于利用所述换道舒适性模型在线评估所述当前换道轨迹的舒适值是否满足设定值，如果是，则执行所述当前换道轨迹；反之，则由所述舒适性评估单元对所述当前换道轨迹的舒适值进行再评估。进一步地，所述换道舒适性评价模型的获取方法具体包括：步骤21，采集设定数量的离线驾驶数据训练样本，所述离线驾驶数据训练样本包括满足安全性约束的换道轨迹以及换道过程中的车辆状态信息；步骤22，对提取的所述离线驾驶数据训练样本进行滤波处理，剔除由于测量过程中的不确定性因素导致的数据缺失或异常的无效信号；步骤23，将所述离线驾驶数据训练样本输入驾驶模拟器，实时复现各所述换道轨迹，并对可行换道轨迹簇中的每一条可行轨迹的舒适性进行评分；步骤24，根据所述评分，采用支持向量机模型建立如所述式(2)所示的换道舒适性评价模型，其中的目标函数表示为式(3)；式中，ω为支持向量机模型核函数的系数，||·||2为2范数算符号，c为惩罚参数，ξi为样本的超平面阈值，为对偶样本的超平面阈值，yi为人为通过主观判断给出的评分，φ(x)为所述离线驾驶数据训练样本的映射函数，n为所述离线驾驶数据训练样本的总数量，ε为预设的误差精度，s.t.表示约束条件；步骤25，将所述式(3)扩展为式(5)，获得K(xi,xj)和b的具体数值；式中，αj为xj的拉格朗日乘子，为xj的对偶样本的拉格朗日乘子。进一步地，所述可本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，其特征在于，包括：/n步骤1，根据乘员选取的换道轨迹个性化风格，生成可行换道轨迹簇；/n步骤2，利用式(2)描述的换道舒适性评价模型对所述步骤1生成的每一条所述换道轨迹对应的舒适值f(x)进行评估；/n

【技术特征摘要】
1.一种基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，其特征在于，包括：
步骤1，根据乘员选取的换道轨迹个性化风格，生成可行换道轨迹簇；
步骤2，利用式(2)描述的换道舒适性评价模型对所述步骤1生成的每一条所述换道轨迹对应的舒适值f(x)进行评估；



式中，xi表示第i种样本，xj表示第j种样本，i≠j，n表示样本的总数，αi表示xi的拉格朗日乘子，表示xi的对偶样本的拉格朗日乘子，K(xi，xj)表示核函数，b表示截距；
步骤3，根据所述步骤2计算得到的每一所述换道轨迹对应的评估值，选取最优换道轨迹，输出相应的车辆控制命令，操纵车辆底盘控制器执行换道操作，得到当前换道轨迹和车辆运动参数；
步骤4，利用所述换道舒适性模型在线评估所述当前换道轨迹的舒适值是否满足设定值，如果是，则执行所述当前换道轨迹；反之，则返回步骤2，对所述当前换道轨迹的舒适值进行再评估。


2.如权利要求1所述的基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，其特征在于，所述步骤2中的所述换道舒适性评价模型的获取方法具体包括：
步骤21，采集设定数量的离线驾驶数据训练样本，所述离线驾驶数据训练样本包括满足安全性约束的换道轨迹以及换道过程中的车辆状态信息；
步骤22，对提取的所述离线驾驶数据训练样本进行滤波处理，剔除由于测量过程中的不确定性因素导致的数据缺失或异常的无效信号；
步骤23，将所述离线驾驶数据训练样本输入驾驶模拟器，实时复现各所述换道轨迹，并对可行换道轨迹簇中的每一条可行轨迹的舒适性进行评分；
步骤24，根据所述评分，采用支持向量机模型建立如所述换道舒适性评价模型，其中的目标函数表示为式(3)；






步骤25，将所述式(3)扩展为式(5)，获得K(xi，xj)和b的具体数值；



式中，ω为支持向量机模型核函数的系数，||·||2为2范数算符号，c为惩罚参数，ξi为xi的超平面阈值，为xi的对偶样本的超平面阈值，yi为人为通过主观判断给出的评分，φ(x)为所述离线驾驶数据训练样本的映射函数，n为所述离线驾驶数据训练样本的总数量，ε为预设的误差精度，s.t.表示约束条件，αj为xj的拉格朗日乘子，为xj的对偶样本的拉格朗日乘子。


3.如权利要求1或2所述的基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，其特征在于，所述步骤1中的所述可行换道轨迹簇通过式(1)表示的指数换道轨迹模型获得：



式中，lon为换道过程中车辆的纵向位置，lat为换道过程中车辆的横向位置，ki，i＝1，2，3，4为标定参数。


4.如权利要求3所述的基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，其特征在于，所述K(xi，xj)采用径向基函数，其表示为式(6)：
K(xi，xj)＝exp(-g||xi-xj||2)(6)
式中，g为径向基核函数的参数。


5.如权利要求4所述的基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，其特征在于，所述c和g通过遗传算法进行优化，获取一组参数，使得支持向量机的训练均方误差最小，均方误差MSE表示为式(9)；



式中，为支持向量机回归模型的预测获得的换道舒适性主观评价分数。


6.如权利要求3所述的基于支持向量机的智能车换道舒适性评估及其轨迹规划方法，其特征在于，所述步骤23采用主观评价采取打分制，满分为10分，最低分为0分，舒适性最好...

【专利技术属性】
技术研发人员：王雷，王更泽，王毅，
申请(专利权)人：紫清智行科技北京有限公司，
类型：发明
国别省市：北京;11