[发明专利]CACC驾驶员肢体肌电信号表征的操纵意图预测方法

说明书

本发明公开了一种CACC驾驶员肢体肌电信号表征的操纵意图预测方法，将CACC驾驶员肢体肌电信号特征数据作为深入学习算法进行训练，从CACC驾驶员肢体肌电信号特征数据预测出CACC驾驶员下一时刻肢体的操纵动作模式A_i，最后通过增益因子的线性拉普拉斯传递函数得到CACC汽车下一时刻的位置、速度和加速度。通过构建CACC工况下的驾驶员肢体肌电特征参数与不同操纵动作模式的映射关系，采用误差反馈在线自学习的方式准确识别出驾驶员肢体的不同操纵动作模式，进而预知自车下一时刻的行驶状态。

技术领域

本发明涉及汽车协同式自适应巡航控制领域，具体涉及一种CACC驾驶员肢体信号表征的操作意图预测方法。

背景技术

汽车协同式自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)是实现汽车自主驾驶、多辆汽车队列行驶的关键技术，从全面信息交互的多车协同以保证行驶安全和性能的角度出发，实施对汽车驱动、制动和转向的智能控制，使多辆汽车进行同道同向队列行驶时保持更短的车间距，达到行驶性能的综合最优化。CACC可以带来诸多方面的改善，比如：减少驾驶员操纵负担，增强道路上的行驶安全性，简化交通管理与控制的复杂程度，减缓交通拥堵，并在此基础上提高了汽车燃油经济性，减少环境污染。

在CACC中，其中一个较为重要的方面为对操纵意图进行预测，只有准确地识别出驾驶员肢体的不同操纵动作模式，从而预知自车下一时刻的行驶状态，才能实现有效的汽车协同式自适应巡航控制，但是目前所采用的操纵意图预测方法在准确度上都并不理想。

发明内容

针对现有技术的不足，本发明旨在提供一种CACC驾驶员肢体肌电信号表征的操纵意图预测方法，构建CACC工况下的驾驶员肢体肌电特征参数与不同操纵动作模式的映射关系，准确识别出驾驶员肢体的不同操纵动作模式，进而预知自车下一时刻的行驶状态。

为了实现上述目的，本发明采用如下技术方案：

CACC驾驶员肢体肌电信号表征的操纵意图预测方法，包括如下步骤：

S1将CACC驾驶员肢体肌电信号特征数据作为稀疏自动编码机的输入，稀疏自动编码机的隐层与输出层的转换函数使用tan-sigmoid转换函数，训练得到CACC驾驶员肌体肌电信号的特征模板；tan-sigmoid转换函数的一般形式如下：

其中T为缩放系数，θ为位移参数，二者共同决定了单个神经元的响应特性；

S2将步骤S1中得到的特征模板经过卷积后作为Pooling层的输入，通过特征提取层，使每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征，一旦该局部特征被提取后，它与其它特征之间的位置关系也随之确定下来；通过Logistic回归模型得到隐层如下：

其中W，b为权值；

由此得到神经网络的每个单元，将多个单元组合起来构成完整的卷积神经网络，最终输出得到CACC驾驶员下一时刻肢体的操纵动作模式A_i，i＝1,2,...,I，I为CACC驾驶员操纵动作模式的输出单元数；

S3通过增益因子K的线性拉普拉斯传递函数G得到表征CACC汽车下一时刻行驶状态的量：位置p、速度v和加速度a；

分别计算CACC驾驶员操作动作模式A_i与位置p、速度v和加速度a的传递函数，在得到传递函数后，就可以根据输入的CACC驾驶员操作动作模式A_i的量，求出输出量位置p、速度v和加速度a，从而达到预测CACC下一时刻行驶状态的目的。