【技术实现步骤摘要】
本专利技术涉及交通控制领域，尤其涉及基于环境感知和行为预测的智能驾驶辅助系统及方法。
技术介绍
1、随着自动驾驶和智能交通系统的快速发展，如何提高驾驶安全和效率成为了一个日益重要的问题。尽管现有的驾驶辅助系统在一定程度上有助于提高驾驶安全，但它们通常只能在特定场景或条件下有效。例如，一些系统可能仅在高速公路环境下表现良好，而在复杂的城市交通环境中则不够准确或响应迅速。此外，现有系统往往忽略了驾驶员行为和环境因素的综合影响，导致预测和响应不够准确。
2、因此，有必要开发一个基于环境感知和行为预测的智能驾驶辅助系统，该系统能够在各种驾驶环境和条件下提供高度准确和实时的支持。这样的系统需要能够实时分析大量的传感器数据，包括但不限于摄像头、雷达、超声波传感器等，以及驾驶员的行为数据。此外，系统还需要具有高度的自适应性，以便能够根据实时的环境和交通条件进行动态调整。
3、我国专利申请号：cn202111474434.1，公开日：2022.03.18，公开了一种智能辅助驾驶行为的安全教育系统和一种电子设备，其特征在于，包括车辆数据处理模块、评分模块、学习模块、以及消息触达模块；车辆数据处理模块用于获取并分析智能辅助驾驶数据，以确定不规范的智能辅助驾驶行为；评分模块用于获取车辆数据处理模块确定的不规范的智能辅助驾驶行为，并基于预设的评分机制，对不规范的智能辅助驾驶行为评分，以确定用户的安全驾驶分；学习模块用于获取评分模块确定的安全驾驶分，并安全驾驶分，推送相应的安全驾驶学习内容；消息触达模块用于接收基于安全驾驶学习内容
4、但上述技术至少存在如下技术问题：现有技术在接收到传感器数据后，处理和响应的时间较长，这可能导致在紧急情况下的反应不够及时，增加了事故风险；只依赖于单一的传感器，障碍物识别的准确性下降；在分析驾驶员行为时，没有考虑到外部环境的影响，导致预测的不准确；传统的驾驶辅助系统往往是基于固定的算法和参数，而不是根据实时数据进行自适应调整，系统的表现不佳。
技术实现思路
1、本申请实施例通过提供基于环境感知和行为预测的智能驾驶辅助系统及方法，解决了现有技术在接收到传感器数据后，处理和响应的时间较长，这可能导致在紧急情况下的反应不够及时，增加了事故风险；只依赖于单一的传感器，障碍物识别的准确性下降；在分析驾驶员行为时，没有考虑到外部环境的影响，导致预测的不准确；传统的驾驶辅助系统往往是基于固定的算法和参数，而不是根据实时数据进行自适应调整，系统的表现不佳。实现了基于环境感知和行为预测的智能驾驶辅助系统及方法，通过深度学习和多传感器融合技术，实时分析驾驶员行为和环境数据，为驾驶员提供最优路径建议并准确识别障碍物，从而大大提高驾驶的安全性和效率。
2、本申请提供了基于环境感知和行为预测的智能驾驶辅助系统及方法，具体包括以下技术方案：
3、基于环境感知和行为预测的智能驾驶辅助系统，包括以下部分：
4、数据采集模块、驾驶员行为识别模块、传感器分析模块、障碍物识别模块、预警模块和动态路径规划模块；
5、所述驾驶员行为识别模块，用于对驾驶员的行为数据进行深入的分析，使用驾驶员的行为数据和环境数据来计算加权特征；所述驾驶员行为识别模块还将驾驶员的行为特征与车辆的传感器数据进行融合；驾驶员行为识别模块通过数据传输的方式与动态路径规划模块相连；
6、所述传感器分析模块，用于为每个传感器数据设计一个环状的时间延迟结构，捕获数据的固有模式和变化趋势，传感器分析模块通过数据传输的方式与障碍物识别模块相连；
7、所述障碍物识别模块，将雷达、摄像头和超声波多种传感器的数据融合；当检测到障碍物或除自身以外的车辆时，所述障碍物识别模块将信息传输到预警模块；障碍物识别模块通过数据传输的方式与预警模块和动态路径规划模块相连；
8、所述动态路径规划模块，用于根据驾驶员的行为和实时交通信息，提供最佳驾驶建议；引入启发式函数模拟交通流量对速度的影响，并根据实时交通信息进行路径的微调。
9、基于环境感知和行为预测的智能驾驶辅助方法，应用于基于环境感知和行为预测的智能驾驶辅助系统，包括以下步骤：
10、s100：对驾驶员的行为数据进行深入分析，融合驾驶员的行为特征和车辆的传感器数据，预测驾驶员的下一步动作；
11、s200：设计环状的时间延迟结构，捕获数据的固有模式和变化趋势，将传感器特征映射到高维特征空间中；
12、s300：引入启发式函数模拟交通流量对速度的影响，根据实时交通信息进行路径的微调。
13、优选的，所述s100，具体包括：
14、通过驾驶员行为识别模块对驾驶员的行为数据进行深入的分析，使用驾驶员的行为数据x(t)和环境数据e(t)来计算加权特征f(t)，加权特征的计算公式为：
15、
16、其中，t表示时间，ω(t)是时间依赖的加权因子，所述ω(t)的计算公式为：
17、
18、其中，k是正数，用于控制函数的斜率，θ是阈值，用于决定环境因素的敏感度；ω(t)的计算公式来源于逻辑函数，可以将任何输入映射到0和1之间，得到介于0和1之间的权重。
19、优选的，所述s100，还包括：
20、将驾驶员的行为特征和车辆的传感器数据进行特征融合，使用差分方程来描述驾驶员的动态响应，预测驾驶员的下一步动作。
21、优选的，所述s200，具体包括：
22、采用时间延迟嵌入理论，基于时间序列的内在动力学，为每个传感器数据设计一个环状的时间延迟结构，捕获数据的固有模式和变化趋势。
23、优选的，所述s200，还包括：
24、为每个传感器定义一个特征向量，所述特征向量不仅是原始数据的简单表示，也是通过考虑数据的历史信息来得到的；对于雷达传感器，不仅要考虑当前的数据，还要考虑过去几秒钟的数据；从而捕获到物体的运动信息，包括速度和加速度。
25、优选的，所述s200，还包括：
26、从所有传感器中提取特征后，将传感器特征映射到高维的统一特征空间中。
27、优选的，所述s200，还包括：
28、基于已扩张映射的特征进行进一步的优化。
29、优选的，所述s300，具体包括：
30、引入启发式函数，所述启发式函数考虑了车辆的当前速度、目标方向、周围车辆的平均速度和交通流量，使用逻辑斯蒂函数来模拟交通流量对速度的影响；速度随着交通流量的增加而减少。
31、优选的，所述s300，还包括：
32、使用启发式函数对a*算法进行修改；基于滑动窗口的思想，在初始路径上定义一个窗口，所述窗口内的路径根据实时交通信息进行微调。
33、有益效果：
34、本申请实施例中提供的本文档来自技高网...
【技术保护点】
1.基于环境感知和行为预测的智能驾驶辅助系统，其特征在于，包括以下部分：
2.基于环境感知和行为预测的智能驾驶辅助方法，应用于权利要求1所述的基于环境感知和行为预测的智能驾驶辅助系统，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述S100，具体包括：
4.根据权利要求3所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述S100，还包括：
5.根据权利要求2所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述S200，具体包括：
6.根据权利要求5所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述S200，还包括：
7.根据权利要求6所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述S200，还包括：
8.根据权利要求7所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述S200，还包括：
9.根据权利要求2所述的基于环境感知和行为预测的智能驾驶辅助方法，其特
10.根据权利要求9所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述S300，还包括：
...【技术特征摘要】
1.基于环境感知和行为预测的智能驾驶辅助系统，其特征在于，包括以下部分：
2.基于环境感知和行为预测的智能驾驶辅助方法，应用于权利要求1所述的基于环境感知和行为预测的智能驾驶辅助系统，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述s100，具体包括：
4.根据权利要求3所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述s100，还包括：
5.根据权利要求2所述的基于环境感知和行为预测的智能驾驶辅助方法，其特征在于，所述s200，具体包括：
【专利技术属性】
技术研发人员：江晓，
申请(专利权)人：海识烟台信息科技有限公司，
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。