一种自然行驶环境下交通场景的提取方法技术

本发明专利技术属于交通系统领域，具体涉及一种自然行驶环境下交通场景的提取方法，包括S1获取自然驾驶数据集X，并对所述数据集进行预处理，S2通过自编码网络对处理过的自然驾驶数据集进行层级解耦，得到降维数据集Y

【技术实现步骤摘要】
一种自然行驶环境下交通场景的提取方法


[0001]本专利技术属于交通系统领域，具体涉及一种自然行驶环境下交通场景的提取方法。

技术介绍

[0002]分析了解自然行驶下的车路系统可以有效提升道路交通的安全性与通行效率，充分全面的测试是确保其规模化应用的重要前提。基于场景的测试，因其在测试效率及成本方面的优势，成为一种重要的测试方法。
[0003]然而，由于道路交通的影响因素众多，大部分研究都是针对常见的智能车路系统环境进行测评，对于智能车路系统进行测评虽然在一定程度上节省了投入的成本，但其结果的准确度没有在自然行驶环境下进行测评的结果的准确度高。
[0004]在先进车载传感器及实时数据采集系统的帮助下，人们获得了大量真实环境下高维度的自然驾驶数据，这些数据中蕴含了丰富的交通场景信息。现有研究主要从单车操纵角度出发，比如跟车和换道等操作，仅对某一特定场景进行分析，其提取场景并未充分利用现有自然驾驶数据的高维度特性。

技术实现思路

[0005]本专利正是基于现有技术的上述需求而提出的，本专利要解决的技术问题是提供一种自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自然行驶环境下交通场景的提取方法，其特征在于，包括S1获取自然驾驶数据集X，并对所述数据集进行预处理，所述自然驾驶数据集包括在不受实验设计限制的自然驾驶过程中各种传感器采集车辆的状态数据，所述状态数据包括车辆速度、车辆加速度、车辆方向盘的转角、在相同交通场景下车辆与参与车辆的相对速度和相对距离；S2通过自编码网络对处理过的自然驾驶数据集进行层级解耦，包括S201获取预处理后的自然驾驶数据集X
′
；S202得到新的自然驾驶数据集X
′
作为输入数据输入到输入层中，在所述输入层进行特征编码，得到特征编码矩阵H，所述特征编码的表达式为h
i
＝s1(w
i
x
i
+q1)，其中x
i
为X
′
中的第i个列向量，w
i
为自编码网络输入层到隐藏层对应于第i类数据的权重矩阵，q1为偏置量，h
i
是编码向量，s1()为激活函数，得到H＝{h
1 h2...h
i
...h
n
}；S203将得到的特征编码矩阵H输入到隐藏层中，以学习较为全面的智能车路测评要素数据特征，得到中间矩阵H
′
＝{h1′ꢀ
h2′
...h
n
′
}，其中h1′
为学习后的h1；S204将学习后的中间矩阵H
′
在输出层中进行特征解码，得到降维的数据集Y
’
，所述特征解码表示为y
i
＝s2(w
i
′
h
i
′
+q2)，其中h
i
′
为中间矩阵H
′
中的第i个列向量，w
i
′
为自编码网络隐藏层到输出层对应于第i类数据的权重矩阵；q2为偏置量；s2()为激活函数，且l＜n，得到降维的数据集Y
’
＝{y
1 y2...y
i
…
y
l
}；S3通过K
‑
means聚类法对降维数据集Y
’
进行处理以得到多个簇，所述簇中的数据能够还原交通场景，所述K
‑
means聚类法包括，S301随机选取k个数据对象作为初始聚类中心；S302得到数据集Y
’
中的数据与初始聚类中心的距离；S303将所述数据分配到与其相聚最近的聚类中心所在的簇中；S304计算簇内数据的平均值，将所述平均值作为簇的聚类中心，计算簇的误差平方和，当误差平方和收敛时，本次聚类完成；S305选择不同的k值重复S301～S304步骤，以得到最佳的k值，通过k个簇还原k个交通场景。2.根据权利要求1所述的一种自然行驶环境下交通场景的提取...

【专利技术属性】
技术研发人员：任毅龙，董承霖，于海洋，王吉祥，冯斌，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：