考虑环境参数和感知风险的驾驶员信任度预测方法及系统技术方案

本发明专利技术公开了考虑环境参数和感知风险的驾驶员信任度预测方法及系统，通过采集实际环境数据构建接管场景特征集，基于接管场景特征集，构建多个自动驾驶接管场景，以进行自动驾驶接管仿真测试，获取在不同自动驾驶接管场景下，接管过程中的多模态数据；对多模态数据进行特征提取，并量化主观感受特征；通过计算主观感受特征分别与客观特征集和接管场景特征集的相关性，以进行特征筛选，通过多个特征集构建并训练LSTM算法模型组；本发明专利技术通过相关性分析算法和聚类算法对实际接管场景中的环境数据进行特征提取，构建高度逼真的仿真环境，采集驾驶员的多模态数据，为LSTM算法模型组提供多维度数据支持，提升了预测模型的可靠性。

【技术实现步骤摘要】

本专利技术涉及自动驾驶，尤其是指一种考虑环境参数和感知风险的驾驶员信任度预测方法及系统。

技术介绍

1、随着智能驾驶技术的不断进步，智能驾驶系统已经展现出越来越强的自主驾驶能力。然而，在可预见的未来，驾驶员仍需随时准备接管车辆，以确保行车安全，这既是为了弥补技术可能存在的局限性，也是驾驶员主动承担安全行驶责任的表现；因此，驾驶员的警惕性和参与度在当前的自动驾驶体验中仍然扮演着至关重要的角色，对于行车安全具有决定性的影响。

2、在人机共驾的模式下，驾驶员对智能驾驶系统的信任度是一个关键因素，信任度不但决定了驾驶员是否愿意依赖智能驾驶系统进行驾驶辅助，还影响了驾驶员在紧急情况下对系统响应的预期和判断；驾驶员的信任度与感知的风险密切相关，驾驶员在不同环境中对风险的感知会影响他们对自动驾驶系统的接受度和信任程度。

3、为了提升自动驾驶系统的安全性和舒适性，需要深入理解驾驶员在不同场景下的信任度变化及其感知风险的变化。传统的驾驶员信任度分析方法往往只考虑了车辆特征或驾驶员特征作为变量，但在实际驾驶过程中，驾驶员的信任度和感知风险会受到多种因素本文档来自技高网...

【技术保护点】

1.一种考虑环境参数和感知风险的驾驶员信任度预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，还包括S9：获取自动驾驶车辆的当前环境数据，并输入至训练完成的LSTM算法模型组中，以获得感知风险预测值和信任度预测值，将感知风险预测值和信任度预测值反馈至自动驾驶系统。

3.根据权利要求1所述的方法，其特征在于，所述S2具体包括以下步骤：

4.根据权利要求1所述的方法，其特征在于，所述S3具体包括以下步骤：

5.根据权利要求1所述的方法，其特征在于，所述S5具体包括以下步骤：

6.根据权利要求1所述的方法，其特征...

【技术特征摘要】

1.一种考虑环境参数和感知风险的驾驶员信任度预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，还包括s9：获取自动驾驶车辆的当前环境数据，并输入至训练完成的lstm算法模型组中，以获得感知风险预测值和信任度预测值，将感知风险预测值和信任度预测值反馈至自动驾驶系统。

3.根据权利要求1所述的方法，其特征在于，所述s2具体包括以下步骤：

4.根据权利要求1所述的方法，其特征在于，所述s3具体包括以下步骤：

5.根据权利要求1所述的方法，其特征在于，所述s5具体包括以下步骤：

...

【专利技术属性】
技术研发人员：胡林，王晨旭，黄晶，王兴华，邓桦坤，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：