自动驾驶变道方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及自动驾驶技术领域，公开一种自动驾驶变道方法、装置、电子设备及存储介质。该方法包括：获取实时的路况信息和实时的车况信息；对驾驶员进行脑电采集，得到实时的脑电信息，所述脑电信息表征驾驶员驾驶意图；基于实时的路况信息和实时的车况信息，利用训练好的变道决策模型预测自车在当前路况行驶的行驶路线，得到路线预测结果；将路线预测结果和脑电信息所表征的驾驶员驾驶意图进行比较，在路线预测结果与驾驶员驾驶意图一致时，控制自车沿路线预测结果执行变道行驶动作。本发明专利技术实施例可以提升自动驾驶变道时的同步性和安全性。例可以提升自动驾驶变道时的同步性和安全性。例可以提升自动驾驶变道时的同步性和安全性。

【技术实现步骤摘要】
自动驾驶变道方法、装置、电子设备及存储介质


[0001]本专利技术涉及自动驾驶
，尤其是一种自动驾驶变道方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，道路交通伤害已成为人群的重要死亡原因之一，约95％的各类机动车事故在一定程度上是由驾驶员操作不当造成的，而完全由驾驶员不恰当的驾驶行为诱发的交通事故占到了事故总数的四分之三。因此，对驾驶员行为及驾驶员状态的分析是非常必要的。
[0003]目前自动驾驶多应用于特定场景，在复杂工况下还无法比拟人类驾驶员的决策控制能力，难以实现全工况应用。

技术实现思路

[0004]本专利技术的目的是提供一种自动驾驶变道方法、装置、电子设备及存储介质，旨在提高自动驾驶变道时的同步性和安全性。
[0005]第一方面，提供一种自动驾驶变道方法，包括：
[0006]获取实时的路况信息和实时的车况信息，所述路况信息包括车道数量、自车所在车道、行驶车辆以及表征自车与行驶车辆或障碍物相对距离的障碍间距，所述车况信息包括自车速度和自车定位；
[0007]对驾驶员进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶变道方法，其特征在于，包括：获取实时的路况信息和实时的车况信息，所述路况信息包括车道数量、自车所在车道、行驶车辆以及表征自车与行驶车辆或障碍物相对距离的障碍间距，所述车况信息包括自车速度和自车定位；对驾驶员进行脑电采集，得到实时的脑电信息，所述脑电信息表征驾驶员驾驶意图；基于实时的路况信息和实时的车况信息，利用训练好的变道决策模型预测自车在当前路况行驶的行驶路线，得到路线预测结果；将路线预测结果和脑电信息所表征的驾驶员驾驶意图进行比较，在路线预测结果与驾驶员驾驶意图一致时，控制自车沿路线预测结果执行变道行驶动作。2.根据权利要求1所述的自动驾驶变道方法，其特征在于，在所述获取路况信息和车况信息之前，还包括：获取离线训练信息，所述离线训练信息包括离线的路况信息和离线的车况信息；使用离线训练信息构造决策表；对决策表中的离线训练信息进行离散化处理，利用预设的神经网络模型对离散化后的离线训练信息进行分类，得到离散分类结果；依据离散分类结果对决策表进行属性约减，确定用于表达决策的最小条件属性集；整合表达决策结果相同的最小条件属性集，计算整合后的最小条件属性集的覆盖度和置信水平以确定离线决策规则；使用离线决策规则对变道决策模型进行训练，将变道决策模型的路线预测结果与离线的脑电信息进行比较。3.根据权利要求2所述的自动驾驶变道方法，其特征在于，所述依据离散分类对决策表进行属性约减，确定用于表达决策结果的最小条件属性集，包括：依据离线训练信息构建训练数据集，随机对训练数据集中的各个类型的离线训练信息进行编码；计算决策属性对决策所需离线训练信息的依赖程度；判断当前的依赖程度是否等于最小相对依赖值；若是，在连续若干代最优适应度的训练数据集不再提高时，输出最小条件属性集；若否，迭代地对训练数据集进行随机选择、交叉和变异处理，将最优适应度的训练数据集复制给下一代的训练数据集，直至连续若干代最优适应度的训练数据集不再提高并输出最小条件属性集。4.根据权利要求1所述的自动驾驶变道方法，其特征在于，所述对驾驶员进行脑电采集，得到表征驾驶员驾驶意图的脑电信息，包括：采集驾驶员驾驶时产生的脑电波信号，得到初始脑电信息；对初始脑电信息进行预处理，使用预设的脑电类比模板对预处理后的初始脑电信息进行比较，得到脑电类比结果；依据脑电类比结果确定预处理后的初始脑电信息中存在的错误电位并进行剔除处理，得到表征驾驶员驾驶意图的脑电信息。5.根据权利要...

【专利技术属性】
技术研发人员：颜莉蓉，詹君，尹智帅，颜伏伍，卢炽华，胡宇风，黄虎，
申请(专利权)人：佛山仙湖实验室，
类型：发明
国别省市：