[发明专利]一种基于智能手机与RNN的周边车辆行为识别方法

权利要求书

1.一种基于智能手机与RNN的周边车辆行为识别方法，其特征在于，包括如下步骤：

步骤1，离线训练环节：归纳并划分典型的周边车辆行为，基于实时交通场景利用在车辆内按特定位置摆放的智能手机搜集周边车辆的行驶数据，采用特征向量的形式对同一时刻主车与周边车辆的相对特征进行编码，使用一个特征矩阵来表示一个完整的车辆行为，其对应的行为采用标签向量的形式进行人工标记；将采集、标记完的周边车辆相对特征数据作为RNN参数学习的输入，更新模型参数；所述周边车辆相对特征数据包括特征矩阵及其对应的标签向量；

步骤2，在线检测环节：被跟踪目标车辆将采集到的自车行驶信息通过智能手机实时传输给主车上的智能手机，主车结合两车相对特征生成新的特征矩阵，利用训练好的RNN辨别被跟踪目标车辆所属行为模式。

2.根据权利要求1所述的一种基于智能手机与RNN的周边车辆行为识别方法，其特征在于，所述步骤1中归纳并划分典型的周边车辆行为，具体为：将典型的周边车辆行为划分为：前车行为：制动，后车行为：跟驰，左右两侧车的行为：换道、超车、并线。

3.根据权利要求1所述的一种基于智能手机与RNN的周边车辆行为识别方法，其特征在于，所述步骤1中采用特征向量的形式对同一时刻主车与周边车辆的相对特征进行编码，具体包括以下步骤：

步骤1.1，定义t时刻被跟踪目标车辆和主车轨迹点坐标分别为(xp_t，yp_t)、(xh_t，yh_t)，速度分别为up_t、uh_t，加速度分别为ap_t、ah_t，车辆纵轴与地图坐标系Y轴正半轴的夹角为αp_t、αh_t，两车横、纵向相对距离分别为Δx_t＝xp_t-xh_t、Δy_t＝yp_t-yh_t，相对速度为Δu_t＝up_t-uh_t，相对加速度为Δa_t＝ap_t-ah_t，车辆纵轴相对夹角为Δα_t＝|αp_t-αh_t|，纵轴夹角的角平分线与地图坐标系Y轴正半轴的夹角为β_t＝αh_t+(αp_t-αh_t)/2；

步骤1.2，采集大量的数据后经过统计分析剔除异常值并对步骤1.1中的6项特征做出取值区间的划分，经过优化调整使划分的区域更具有代表性；最终得到横向相对距离区域、纵向相对距离区域、相对速度区域、相对加速度区域、车辆纵轴相对夹角区域、纵轴夹角的角平分线与地图坐标系Y轴正半轴的夹角所在区域数量分别为n₁，n₂，n₃，n₄，n₅，n₆，则可以使用一个维数为N＝n₁+n₂+n₃+n₄+n₅+n₆的特征向量x^t来表示某一时刻被跟踪目标车辆与主车之间的相对属性，对于特征向量中的元素，当特征满足所在划分区域时记为1，否则记为0，所有可能的特征向量共有D＝n₁×n₂×n₃×n₄×n₅×n₆种。

4.根据权利要求1所述的一种基于智能手机与RNN的周边车辆行为识别方法，其特征在于，所述步骤1中使用一个特征矩阵来表示一个完整的车辆行为，具体为：某一周边车辆完成一个完整的行为经历的时间为T，那么这一完整行为可以用T个N维向量构成的N×T的特征矩阵来表示。