一种考虑驾驶员异质性的个性化换道决策方法技术

本发明专利技术公开了一种考虑驾驶员异质性的个性化换道决策方法，包括：获取历史驾驶数据，并对数据进行预处理；利用得到的预处理后的数据对驾驶员进行风格辨识；基于

【技术实现步骤摘要】
一种考虑驾驶员异质性的个性化换道决策方法


[0001]本专利技术属于自动驾驶
，具体涉及一种考虑驾驶员异质性的个性化换道决策方法
。

技术介绍

[0002]随着高速发展的通信技术和计算机科学，汽车正逐步向智能网联化快速变革
。
智能网联车辆具有提高驾驶安全
、
缓解交通堵塞
、
降低能源消耗等优点，是当前汽车行业的一个热点研究方向
。
传统车辆仅靠驾驶员视觉感知周围环境，具有较大的局限性，比如视野盲区
、
大雾天气行驶
、
紧急避障等
。
而智能网联车辆能够通过车
‑
车
、
车
‑
路
、
车
‑
云端的信息共享，实时高效地获取周围的交通状况并及时做出相应的决策
。
[0003]变道是驾驶过程中的基本任务之一，由于与周围车辆的复杂相互作用，其对交通流量和交通安全产生了重大影响
。
一般来说，变道机动分为两种类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种考虑驾驶员异质性的个性化换道决策方法，其特征在于，步骤如下：步骤1：使用车载传感器获取历史驾驶数据，并对数据进行预处理；步骤2：利用步骤1中预处理后的数据对驾驶员进行风格辨识，通过归一化处理，将驾驶员风格量化为驾驶偏好辨识度；步骤3：选用停车距离指数作为风险评估，基于
Logit
模型对数据进行异质性分析，得到不同变量对换道风险的影响度；步骤4：通过影响度计算换道风险值，基于风险值的大小并考虑驾驶员的驾驶偏好和驾驶能力进行个性化换道决策，得到换道期望度
E
；再根据不同驾驶偏好，调节换道期望阈度
e
，当
E
＞
e
时，则进行换道
。2.
根据权利要求1所述的考虑驾驶员异质性的个性化换道决策方法，其特征在于，所述步骤1具体如下：步骤
11
：使用车载传感器，包括但不限于激光雷达
、
毫米波雷达
、
摄像头获取周围车辆的驾驶数据；使用加速度传感器
、
方向盘转角传感器
、
油门开度传感器获取自车驾驶数据；数据具体包含：目标车辆
SV、
当前车道的前导车辆
CLV、
目标车道的跟随车辆
TFV
和目标车道的前导车辆
TLV
的历史位置
、
历史速度
、
历史加速度信息；步骤
12
：对各传感器获得的数据进行进一步处理；通过对目标车辆
、
当前车道前导车辆
、
目标车道的跟随车辆
、
目标车道的前导车辆的历史信息进行处理，计算出碰撞时间
TTC
，具体公式如下：式中，
SV_CLV_dis
为目标车辆
SV
与当前车道的前导车辆
CLV
的纵向相对距离，
SV_v
为目标车辆
SV
的速度大小，
CLV_v
为当前车道的前导车辆
CLV
的速度大小
。3.
根据权利要求2所述的考虑驾驶员异质性的个性化换道决策方法，其特征在于，所述步骤2具体如下：步骤
21
：从步骤1中获取目标车辆
SV
在换道开始时刻的纵向相对距离
SV_CLV_dis
和碰撞时间
TTC
，以及换道过程中目标车辆
SV
的平均速度
Ave_SV_v、
平均纵向加速度
Ave_SV_acc
和平均横向加速度
Ave_SV_lacc
；并进行线性归一化处理，具体公式如下：式中，
x
′
为归一化的结果，
x
′
∈[0,1]
；
x
为待处理的变量；
max(x)
为所有数据中的最大值；
min(x)
为所有数据中的最小值；得到归一化后的
SV_CLV_dis
′
、TTC
′
、Ave_SV_v
′
、Ave_SV_acc
′
、Ave_SV_lacc
′
；步骤
22
：利用步骤
21
中得到的归一化结果，对驾驶员的驾驶偏好进行识别；根据归一化后的数值确定每个变量所在坐标位置，然后将其用直线连接起来，再根据设置好的驾驶偏好阈值
ε1、
ε2来确定目标车辆
SV
驾驶员的驾驶偏好，
ε1<
ε2；具体公式如下：式中，
DS
为驾驶偏好辨识度，
x1,x2,x3,x4,x5分别为
Ave_SV_lacc
′
，
Ave_SV_v
′
，
Ave_SV_acc
′
，
SV_CLV_dis
′
，
TTC
′
；
当
DS∈[0,
ε1)
时，驾驶员被辨识为谨慎型驾驶偏好；当
DS∈[
ε1,
ε2)
时，驾驶员被辨识为平稳型驾驶偏好；当
DS∈[
ε2,2.378)
时，驾驶员被辨识为谨慎型驾驶偏好
。4.
根据权利要求3所述的考虑驾驶员异质性的个性化换道决策方法，其特征在于，所述步骤3具体如下：步骤
31
：选用停车距离指数评估风险状态，具体公式如下，：选用停车距离指数评估风险状态，具体公式如下，：选用停车距离指数评估风险状态，具体公式如下，：选用停车距离指数评估风险状态，具体公式如下，式中，
havenocollisionrisk
表示无碰撞风险，
havecollisionrisks
表示有碰撞风险，
SDI1为目标车辆
SV
与当前车道的前导车辆
CLV
之间的风险状态，
SDI2为目标车辆
SV
与目标车道的前导车辆
TLV
之间的风险状态，
SDI3为目标车辆
SV
与目标车道的跟随车辆
TFV
之间的风险状态；
SV_CLV_dis
为目标车辆
SV
与当前车道的前导车辆
CLV
之间的相对距离，
SV_TLV_dis
为目标车辆
SV
与目标车道的前导车辆
TLV
之间的相对距离，
SV_TFV_dis
为目标车辆
SV
与目标车道的跟随车辆
TFV
之间的相对...

【专利技术属性】
技术研发人员：周小川，舒佳豪，王春燕，赵万忠，栾众楷，梁为何，
申请(专利权)人：南京航空航天大学秦淮创新研究院，
类型：发明
国别省市：