[发明专利]基于混合高斯-隐马尔科夫模型的换道模型参数优化方法

说明书

本发明涉及一种基于混合高斯‑隐马尔科夫模型的换道模型参数优化方法，通过对本车和周围车辆运行状态的分析，建立了基于隐马尔可夫模型的驾驶换道意图识别方法，即用可观测的换道表征参数观测状态来实现隐含的驾驶员换道意图的预测；并以NGSIM数据集中的高速公路车辆数据库为基础，提取换道表征参数样本，并应用MATLAB中HMM工具箱编写算法进行对隐马尔科夫模型的训练和验证，以及利用粒子群算法进行混合高斯模型个数和状态个数的优化，利用粒子群算法进行混合高斯模型个数和状态个数的优化，以此来提高驾驶员换道意图识别的准确率；最终对驾驶员换道意图的预测结果取得到了较好的准确率。

技术领域

本发明涉及一种无人驾驶技术，特别涉及一种基于混合高斯-隐马尔科夫模型的换道模型参数优化方法。

背景技术

无人驾驶是未来汽车的主要发展方向之一，无人驾驶车辆研究对于保证道路交通安全，提高道路通行能力，保护人民财产安全具有重要意义。

无人驾驶是集环境感知与认知、动态规划与决策、行为控制与执行等多项功能于一体的综合技术，其中感知和认知是无人驾驶中最关键的环节之一，是进行正确规划与决策的前提。然而在实际应用中很难通过建立准确的驾驶员认知行为模型，特别是换道行为模型，它属于常用的但很难提前识别的驾驶行为，尤其是在高速公路环境中，如果驾驶人操作失误更容易引发严重的交通事故。所以提前识别驾驶员的换道意图行为，且并可能的提高识别的准确率变得尤为重要。

统计资料显示，车辆不恰当的换道行为是道路交通事故和交通拥堵的主要因素，尤其在复杂动态的交通环境下，车辆的换道空间具有明显的差异性。同时，无人驾驶是当前汽车的主要研究方向，在无人驾驶中面临着，最为重要的研究问题是在什么样的交通场景下应该进行换道操作？在未来无人驾驶必然面临如何进行智能换道决策的问题。如果换道不合理，或者换道策略与人的换道思维差异较大，那么会让人对无人驾驶机器产生不信任感。因此，在何种情况下，进行换道，使其换道行为具有拟人化，能够满足人的信任，同时对于保证车辆行驶安全、提高道路通行能力、改善绿色生态驾驶环境具有重要意义。

常用的隐马尔科夫模型的驾驶人换道意图识别算法，在进行HMM(隐马尔科夫)模型训练时，混合高斯模型个数和状态个数的确定具有较强的主观性，通常都是根据经验设定混合高斯模型个数和状态个数，同时该两个参数对模型的识别准确率有较大的影响。

发明内容

本发明是针对基于隐马尔科夫模型的驾驶人换道意图识别算法中HMM的模型结构参数是凭经验设定的，设定的不合理使得最终的模型结构不是最好的问题，提出了一种基于混合高斯-隐马尔科夫模型的换道模型参数优化方法，利用粒子群算法进行混合高斯模型个数和状态个数的优化，以此来提高驾驶员换道意图识别的准确率。并将优化好的驾驶员换道意图识别模型运用到无人驾驶感知模块中去，为无人驾驶换道规划与决策更好的服务，对无人驾驶的研究具有重要意义。

本发明的技术方案为：一种基于混合高斯-隐马尔科夫模型的换道模型参数优化方法，具体包括如下步骤：

1)换道意图识别模型的建立：

1.1)设定观测状态参数：换道车辆速度v、换道车辆与换道车辆前方车辆之间的直线距离G_fo、换道车辆与换道车辆后方车辆之间的直线距离G_ro、目标车道上换道车辆S前方车辆与换道车辆之间的直线距离G_ft、为目标车道上换道车辆后方车辆与换道车辆的直线距离G_rt、换道车辆前方车辆与换道车辆的速度差v_fo、换道车辆后方车辆与换道车辆的速度差v_ro、为目标车道上换道车辆前方车辆与换道车辆的速度差v_ft、为目标车道上换道车辆后方车辆与换道车辆的速度差v_rt共9个量作为观测状态参数；