本发明专利技术公开了一种驾驶状态估计方法、装置、电子设备及存储介质，其中，方法包括：将第一观测变量在当前时刻的取值输入训练好的驾驶状态估计模型得到当前时刻的条件概率表；其中，训练好的驾驶状态估计模型为贝叶斯网络模型；根据当前时刻的条件概率表和第二观测变量在当前时刻的取值预测隐藏变量在下一时刻的取值作为驾驶状态先验概率；将第一观测变量在下一时刻的取值和驾驶状态先验概率输入训练好的驾驶状态估计模型得到隐藏变量在下一时刻的取值作为驾驶状态后验概率；根据驾驶状态后验概率生成驾驶状态估计结果。本发明专利技术能够有效提高自车驾驶意图状态估计的准确性，提高车辆巡航控制的自适应性。辆巡航控制的自适应性。辆巡航控制的自适应性。
【技术实现步骤摘要】
一种驾驶状态估计方法、装置、电子设备及存储介质
[0001]本专利技术涉及自动驾驶
，具体涉及一种驾驶状态估计方法、装置、电子设备及存储介质。
技术介绍
[0002]智能驾驶为出行提供了便利，近年来逐步得到了生产和应用。一些级别的驾驶自动化系统存在需要驾驶人接管的情况。在人机共驾过程可能需要驾驶员接管车辆，在由自动驾驶系统到驾驶人的控制权切换过程中，接管的及时性、有效性对安全的影响很大，因此，自车驾驶状态的估计对于判断自车行为有着重要的作用，估计结果会影响到常见驾驶辅助功能的性能，比如驾驶员的意图的判断会影响到定速巡航目标的选择，以及在紧急情况下是否采集紧急性措施，比如常见的AEB、AES等。对于驾驶员注意力的估计可以是触发报警功能相应的重要的因素。
[0003]现有的驾驶意图估计中，主要存在的缺点是：1)驾驶员意图评测维度过于单一，只考虑了驾驶员车速、距离或者转向灯是否打开的影响；2)判断方法过于局限，现有的方法大多采用传统基于规则的方法，通过挑选相应的阈值和设置条件进行逻辑判断，没有考虑到多因素耦合对驾驶意图估计结果的影响。
技术实现思路
[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术第一方面提出一种驾驶状态估计方法，包括：
[0005]将第一观测变量在当前时刻的取值输入训练好的驾驶状态估计模型得到当前时刻的条件概率表；其中，所述训练好的驾驶状态估计模型为贝叶斯网络模型，所述当前时刻的条件概率表包括用于驾驶状态估计的各随机变量在当前时刻的概率分布，所述第一观测变量包括自车相对于车道线的速度变量和转向灯状态变量；
[0006]根据所述当前时刻的条件概率表和第二观测变量在当前时刻的取值预测隐藏变量在下一时刻的取值，将所述隐藏变量在下一时刻的取值作为驾驶状态先验概率；其中，所述第二观测变量包括路由信息变量和交通密度信息变量，所述隐藏层变量包括驾驶员注意力集中程度变量、驾驶员意图状态变量和驾驶员行为类别变量；
[0007]将所述第一观测变量在下一时刻的取值和所述驾驶状态先验概率输入所述训练好的驾驶状态估计模型得到所述隐藏变量在下一时刻的取值，将所述隐藏变量在下一时刻的取值作为驾驶状态后验概率；
[0008]根据所述驾驶状态后验概率生成驾驶状态估计结果。
[0009]进一步地，所述将第一观测变量在当前时刻的取值输入训练好的驾驶状态估计模型得到当前时刻的概率表之前，还包括：
[0010]获取自车车速和车道线信息，所述车道线信息包括车道线航向角和自车车辆距离车道线的距离；
[0011]根据所述自车车速和所述车道线航向角计算第一相对速度；
[0012]根据所述自车车辆距离车道线的距离在当前时刻的取值和所述自车车辆距离车道线的距离在上一时刻的取值计算第二相对速度；
[0013]判断所述自车车辆距离车道线的距离在当前时刻的取值与所述自车车辆距离车道线的距离在上一时刻的取值之差是否小于预设阈值；
[0014]若是，根据所述第一相对速度和所述第二相对速度计算自车相对于车道线的速度。
[0015]进一步地，所述根据所述第一相对速度和所述第二相对速度计算所述自车相对于车道线的速度之后，还包括：
[0016]对所述自车相对于车道线的速度做低通滤波处理。
[0017]进一步地，所述根据所述自车车速和所述车道线航向角计算第一相对速度的计算方法如下：
[0018]V1
y
＝Vego*tan(heding)
[0019]其中，V
1y
为第一相对速度；
[0020]V
ego
为自车车速；
[0021]heding为车道线航向角。
[0022]进一步地，所述根据所述自车车辆距离车道线的距离在当前时刻的取值和所述自车车辆距离车道线的距离在上一时刻的取值计算第二相对速度的计算方法如下：
[0023][0024]其中，V
2y
为第二相对速度；
[0025]d
t
为自车车辆距离车道线的距离在当前时刻的取值；
[0026]d
t
‑1为自车车辆距离车道线的距离在上一时刻的取值；
[0027]Δt为当前时刻与上一时刻的间隔时长。
[0028]进一步地，所述将第一观测变量在当前时刻的取值输入训练好的驾驶状态估计模型得到当前时刻的条件概率表之前，还包括：
[0029]构建贝叶斯网络模型的有向无环图；所述有向无环图包括用于驾驶状态估计的观测层变量、隐藏层变量、所述隐藏层变量之间的依赖关系以及所述观测层变量与所述隐藏层变量之间的依赖关系；
[0030]采用样本数据集对所述贝叶斯网络模型进行驾驶状态估计训练，在驾驶状态估计训练中调整所述贝叶斯网络模型的条件概率表至所述贝叶斯网络模型输出的驾驶状态估计结果与输入的样本数据相匹配；
[0031]将当前模型对应的所述贝叶斯网络模型作为驾驶状态估计模型。
[0032]进一步地，所述隐藏层变量之间的依赖关系包括：所述驾驶员注意力集中程度变量是所述驾驶员行为类别变量的父节点，所述驾驶员意图状态变量是所述驾驶员行为类别变量的父节点；
[0033]所述观测层变量与所述隐藏层变量之间的依赖关系包括：所述交通密度信息变量和所述路由信息变量是所述驾驶员意图状态变量的父节点，所述驾驶员意图状态变量是所述转向灯状态变量的父节点；所述驾驶员行为类别是所述自车相对于车道线速度的父节
点。
[0034]本专利技术第二方面提出一种驾驶状态估计装置，包括：
[0035]条件概率计算模块，用于将第一观测变量在当前时刻的取值输入训练好的驾驶状态估计模型得到当前时刻的条件概率表；其中，所述训练好的驾驶状态估计模型为贝叶斯网络模型，所述当前时刻的条件概率表包括用于驾驶状态估计的各随机变量在当前时刻的概率分布，所述第一观测变量包括自车相对于车道线的速度变量和转向灯状态变量；
[0036]先验概率计算模块，用于根据所述当前时刻的条件概率表和第二观测变量在当前时刻的取值预测隐藏变量在下一时刻的取值，将所述隐藏变量在下一时刻的取值作为驾驶状态先验概率；其中，所述第二观测变量包括路由信息变量和交通密度信息变量，所述隐藏层变量包括驾驶员注意力集中程度变量、驾驶员意图状态变量和驾驶员行为类别变量；
[0037]后验概率计算模块，用于将所述第一观测变量在下一时刻的取值和所述驾驶状态先验概率输入所述训练好的驾驶状态估计模型得到所述隐藏变量在下一时刻的取值，将所述隐藏变量在下一时刻的取值作为驾驶状态后验概率；
[0038]估计结果生成模块，用于根据所述驾驶状态后验概率生成驾驶状态估计结果。
[0039]本专利技术第三方面提出一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种驾驶状态估计方法，其特征在于，包括：将第一观测变量在当前时刻的取值输入训练好的驾驶状态估计模型得到当前时刻的条件概率表；其中，所述训练好的驾驶状态估计模型为贝叶斯网络模型，所述当前时刻的条件概率表包括用于驾驶状态估计的各随机变量在当前时刻的概率分布，所述第一观测变量包括自车相对于车道线的速度变量和转向灯状态变量；根据所述当前时刻的条件概率表和第二观测变量在当前时刻的取值预测隐藏变量在下一时刻的取值，将所述隐藏变量在下一时刻的取值作为驾驶状态先验概率；其中，所述第二观测变量包括路由信息变量和交通密度信息变量，所述隐藏层变量包括驾驶员注意力集中程度变量、驾驶员意图状态变量和驾驶员行为类别变量；将所述第一观测变量在下一时刻的取值和所述驾驶状态先验概率输入所述训练好的驾驶状态估计模型得到所述隐藏变量在下一时刻的取值，将所述隐藏变量在下一时刻的取值作为驾驶状态后验概率；根据所述驾驶状态后验概率生成驾驶状态估计结果。2.根据权利要求1所述的方法，其特征在于，所述将第一观测变量在当前时刻的取值输入训练好的驾驶状态估计模型得到当前时刻的概率表之前，还包括：获取自车车速和车道线信息，所述车道线信息包括车道线航向角和自车车辆距离车道线的距离；根据所述自车车速和所述车道线航向角计算第一相对速度；根据所述自车车辆距离车道线的距离在当前时刻的取值和所述自车车辆距离车道线的距离在上一时刻的取值计算第二相对速度；判断所述自车车辆距离车道线的距离在当前时刻的取值与所述自车车辆距离车道线的距离在上一时刻的取值之差是否小于预设阈值；若是，根据所述第一相对速度和所述第二相对速度计算自车相对于车道线的速度。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一相对速度和所述第二相对速度计算所述自车相对于车道线的速度之后，还包括：对所述自车相对于车道线的速度做低通滤波处理。4.根据权利要求2所述的方法，其特征在于，所述根据所述自车车速和所述车道线航向角计算第一相对速度的计算方法如下：V1
y
＝Vego*tan(heding)其中，V
1y
为第一相对速度；V
ego
为自车车速；heding为车道线航向角。5.根据权利要求2所述的方法，其特征在于，所述根据所述自车车辆距离车道线的距离在当前时刻的取值和所述自车车辆距离车道线的距离在上一时刻的取值计算第二相对速度的计算方法如下：其中，V
2y
为第二相对速度；d
t
为自车车辆距离车道线的距离在当前时刻的取值；
d
t
‑1为自车车辆距离车道线的距离在上一时刻的取值；Δt为当前时刻与上一时刻的间隔时长。6.根据权利要求1所述的方法，其特征在于，所述将第一观测...
【专利技术属性】
技术研发人员：李丰军，周剑光，秦洪洲，
申请(专利权)人：中汽创智科技有限公司，
类型：发明
国别省市：
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。