[发明专利]一种基于时间自动机的跟车行为生成方法

说明书

本发明涉及一种基于时间自动机的跟车行为生成方法，包括以下步骤：S1，从交通数据集中提取跟车数据，将后车速度、后车与前车的相对距离和相对速度作为跟车模型的输入参数，将输入参数符号化；S2，利用时间自动机学习算法对跟车模型进行训练，得到跟车模型自动机；S3，将跟车模型自动机的隐藏状态作为跟车的子状态，对子状态聚类，用于表示跟车子行为；S4，分别对各跟车子行为建立Helly跟车模型，对各模型进行参数标定，得到对应子行为下的后车加速度，从而获得跟车轨迹。与现有技术相比，本发明通过自动机对符号进行学习，获得隐藏状态，并进行聚类，更好的体现跟车的子行为，精确的表示人类跟车行为轨迹，提高了无人车的智能化水平。

技术领域

本发明涉及一种跟车行为生成方法，尤其是涉及一种基于时间自动机的跟车行为生成方法。

背景技术

随着计算机技术和人工智能的发展，无人驾驶汽车(以下简称无人车)在军事、交通、工业生产、物流仓储、日常生活等方面展现出巨大的应用前景。在国防军事方面，无人车多用于执行危险场景下的军事任务，如军事救援和物资输送等。在交通安全方面，无人驾驶技术是促进智能交通系统发展的有效手段，基于人工智能的无人驾驶技术可以提高车辆行驶的主动安全性，能够有效减少驾驶员由于误操作导致的交通事故，从而提高交通行驶效率和安全性。在工业生产、物流仓储方面，无人车可以配合自动化生产线实现全自主无人生产，进一步推进工业生产的自动化和智能化，进而提高生产效率。另外，无人车的出现也将极大地方便人们的工作、旅游等日常生活。

随着无人车技术的不断发展，无人车已经实现了一些基本功能，能够在特定的结构化道路上行驶。无人车技术正沿着智能化、拟人化的方向发展。无人车控制问题的研究焦点逐步从功能实现转移到无人车与行驶环境间的相互影响，其中车辆社会行为的研究正是无人车研究中值得关注的新问题和新挑战。

车辆的社会行为是指驾驶者(人类驾驶员或无人车控制系统)在驾驶车辆时，与周围车辆共同组成一个群体，协同完成行驶任务的一种交互行为。这种交互既包括驾驶者能够识别周围车辆的行为，也包括车辆自身行为被其他驾驶者所识别。当有车辆靠近的时候，有经验的人类驾驶员便会产生反应，通过辨别相邻车辆的社会行为来决定自己的驾驶方式，如加速超车、减速礼让或者停车让行。而对于无人车而言，仅仅通过周边车辆的位置和姿态信息(如车距、加速度、侧偏角)进行控制是不全面的，必须理解其他车辆位置和姿态信息变化所表达的车辆行为(如让车或并道)。只有对其他车辆社会行为进行有效的识别，基于车辆社会行为采取适当的驾驶控制，并使周围其他车辆能够识别无人车的社会行为，才能使得无人车在车流中保持安全、快速和稳定的行驶。

跟车行为是车辆日常行驶过程中最常见的行为，跟车驾驶行为主要指车辆在跟车行驶时需要与前车保持一定的安全距离，避免追尾事故发生。跟车模型的建立方法主要分为两大类：生理心理学模型和刺激-动作模型。根据韦德曼提出的生理心理学模型，跟车行为主要可以分为：自由行驶行为、接近前车行为、稳定跟车行为和紧急制动行为。对于人类驾驶员来说，由于驾驶员的驾驶习惯及驾驶风格各不相同，很难确定统一的阈值来划分跟车行为的子行为。刺激-动作模型被大量用于交通流分析软件中，依据大量驾驶员跟车驾驶数据，标定跟车模型的参数，以获得一般驾驶员的跟车行为模型。这类模型往往只能粗略的表示驾驶员跟车行为，对于无人车，使用该模型无法体现出具体的跟车子行为，不能够很好的被周围车辆识别，故需要进一步细化跟车行为中的子行为，提高无人车的拟人化智能化水平。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种提高无人车的拟人化智能化水平的基于时间自动机的跟车行为生成方法。

本发明的目的可以通过以下技术方案来实现：

从交通数据集的车辆轨迹中提取跟车数据，包括后车速度、后车加速度、后车与前车的相对距离和相对速度，将后车速度、后车与前车的相对距离和相对速度作为跟车模型的输入参数，使用k-means聚类算法将输入参数符号化；