[发明专利]一种基于DS证据理论的车辆换道行为预测方法

权利要求书

1.一种基于DS证据理论的车辆换道行为预测方法，其特征在于，包括步骤如下：

步骤1)：采集公路上的自然驾驶数据；

步骤2)：建立车道换道行为预测的样本空间D＝{LCL,LCR,LK}，其中，LCL为向左换道，LCR向右换道，LK车道保持；

步骤3)：将上述步骤1)中驾驶数据分为三组信息源，即基于道路环境、车辆的状态信息和驾驶员的状态信息，训练上述三组信息源并分别得到一个分类器，记为M₁，M₂，M₃；

步骤4)：分别用分类器M₁，M₂，M₃依据步骤2)中提出的样本空间对实时的驾驶数据记录进行分类，其输出转换成后验概率得到证据E₁、E₂、E₃，运用DS证据理论对E₁、E₂、E₃进行合成，将满足合成决策规则的类作为最终结果输出；

所述步骤4)具体包括：

41)将三个分类器的输出转换成后验概率，再与混淆矩阵的参数组合形成基本概率赋值函数，基本概率赋值作为证据E₁、E₂、E₃；

42)将证据E₁、E₂、E₃根据DS证据理论进行合成，计算各证据合成后的信度函数和似真函数，基本概率赋值函数的计算公式为：

m(A)＝P(A)*Q(A)

其中，P(A)表示转换得到的后验概率，Q(A)表示混淆矩阵中被正确地预测为类A的支持度：

其中，TP表示真阳性样本的数目，FN表示伪阳性样本的数目；

计算信度函数的公式为：

其中，Θ为识别框架，代表所有可能命题的集合，A代表命题，B是A的子集，m(B)代表命题B的基本概率赋值函数，而似真函数的计算公式为：

其中，代表A的否命题；证据合成公式如下：

43)得到识别框架Θ中A_i信度和证据的不确定性函数后，其中i＝1,2,…,n，将满足合成决策规则的命题，作为预测驾驶员行为的输出；

所述合成决策规则采取如下方式：

若存在满足

若有：

m(A₁)-m(A₂)ε₁,ε₁＞0

m(Θ)ε₂,ε₂＞0

m(A₁)m(Θ)

则A₁为预测结果，ε₂、ε₂的取值依据多次实验调整至最优。

2.根据权利要求1所述的基于DS证据理论的车辆换道行为预测方法，其特征在于，所述步骤1)中的具体包括：

11)采集道路环境特征数据包括车道信息数据、障碍物信息数据、周围车辆的位置信息数据及交通标志的信息数据；

12)从目标车辆的CAN通道采集车辆状态特征数据包括方向盘转角数据、方向盘转角角速度数据、侧向速度数据和侧向加速度的数据；

13)采集驾驶员特征数据包括头部运动姿态及转向灯开启的数据。

3.根据权利要求2所述的基于DS证据理论的车辆换道行为预测方法，其特征在于，所述道路环境中的车道信息数据包括：车道ID、匝道信息及交叉口信息。

4.根据权利要求2所述的基于DS证据理论的车辆换道行为预测方法，其特征在于，所述道路环境中的障碍物信息数据包括：障碍物的全球坐标，与目标车辆的相对位置、相对速度及相对方位。

5.根据权利要求2所述的基于DS证据理论的车辆换道行为预测方法，其特征在于，所述道路环境中的周围车辆的位置信息数据包括：车辆所在车道、车辆在全球坐标中的位置。

6.根据权利要求1所述的基于DS证据理论的车辆换道行为预测方法，其特征在于，所述步骤3)具体包括：

31)将上述步骤1)中采集到的数据分成为训练集和测试集，分别占总数据集的70％、30％；

32)训练集用来训练模型；测试集用来评估模型并利用AUC曲线，即ROC曲线下的面积和混淆矩阵作为模型评价标准。