基于改进型组合核函数高斯过程回归的车速预测方法技术

一种基于改进型组合核函数高斯过程回归的车速预测方法，属智能网联车辆自动驾驶控制技术领域。本发明专利技术的目的是引入平方指数和Matern的组合核函数，并改进了组合核函数为SEM*，有效地平衡了单一核函数对车速预测优缺点的基于改进型组合核函数高斯过程回归的车速预测方法。本发明专利技术基于高斯过程回归（GPR）技术，提出了一种新颖的实时车速预测方法。该方法引入平方指数（SE）和Matern（M）的组合核函数（SEM），并改进了组合核函数为（SEM*）。本发明专利技术有效地平衡了单一核函数对车速预测的优缺点，并且在超参数寻优时采用了粒子群实时求解方法。FTP75瞬态工况下1秒时长车速预测的仿真分析表明，SEM*方法的车速误差MAE和RMSE指标相比其他方法都有很大改进。

【技术实现步骤摘要】

本专利技术属智能网联车辆控制。

技术介绍

1、随着智能交通技术的发展，越来越多的车和路端都融入网络并共享信息，为车与车之间的互联通讯提供了更多的可能性。通过获取的前车车速信息预测前车的车速状态，对本车的行驶安全性以及节能减排控制都有着重要的意义，特别是在车辆编队跟车场景中。有学者利用车辆地理坐标、瞬时速度、交通等信息，可以预测未来的前车速度。但是，车速是一个高度非线性的时序变量，可能受到交通、环境、驾驶习惯等因素影响，精准预测难度较高。

2、针对上述车速预测问题，国内外学者开展了大量的研究，大体上分为基于模型和基于机器学习两种方法。但是，车辆动态具有主观性和随机性，任何车速预测都是存在着不确定性，在准确有效预测前车速度的同时量化预测的不确定性是一个难题。上个世纪90年代高斯过程回归(guassian process regression,gpr)方法逐渐开始应用到各个领域。该方法确定了连续输入空间中的每个点都与正态分布的随机变量相关联，在非线性系统建模领域得到了广泛的应用。gpr方法能够在给出预测结果的同时提供置信区间，即能够给出具有概率意义的本文档来自技高网...

【技术保护点】

1.一种基于改进型组合核函数高斯过程回归的车速预测方法，其特征在于：其步骤是：

2.根据权利要求1所述的基于改进型组合核函数高斯过程回归的车速预测方法，其特征在于：包括下列步骤：

【技术特征摘要】

1.一种基于改进型组合核函数高斯过程回归的车速预测方法，其特征在于：其步骤是：

2....

【专利技术属性】
技术研发人员：赵靖华，闻龙，丛飚，逯洋，赵铠楠，王浩男，
申请(专利权)人：吉林师范大学，
类型：发明
国别省市：