[发明专利]基于多源指数加权损失下LSTM的换道意图识别方法

权利要求书

1.一种基于多源指数加权损失下LSTM的换道意图识别方法，其特征在于，所述方法包括如下步骤:

步骤1)换道数据的生成与意图时窗的确立；

步骤2)换道数据的筛选与预处理；

步骤3)加权指数损失函数的构建；

步骤4)LSTM的换道意图识别模型的训练；

步骤5)利用步骤4所训练的LSTM换道意图识别模型进行预测，评估。

2.根据权利要求1所述的基于多源指数加权损失下LSTM的换道意图识别方法，其特征在于：步骤1中所述的换道数据的生成与意图时窗的确立的具体步骤为：通过AutoSim驾驶模拟舱，及SMI眼动仪实时生成换道过程中车辆及眼部注视数据，对换道过程中换道意图开始到换道执行期间的时窗大小进行分析，左换道及右换道的意图时窗分别为2.83秒及2.81秒，为保证换道意图时间窗的可靠性，选取3秒作为换道意图时窗大小。

3.根据权利要求1所述的基于多源指数加权损失下LSTM的换道意图识别方法，其特征在于：所述步骤2中换道数据的筛选与预处理的步骤为，提取3秒换道意图时窗，同时对每个变量进行标准化处理；其标准化处理可通过式(1)计算：

其中为数据集中第i项样本的第t项时间步的第j项特征。

4.根据权利要求1所述的基于多源指数加权损失下LSTM的换道意图识别方法，其特征在于：步骤3中，加权指数损失函数的构建的具体步骤为：选取基本多分类指数损失函数，并在样本的每一个时间步的损失值前分配与反应时间信息的指数权重项，保证随着序列长度上升，损失项加大；首先对标签向量y按公式(2)进行重新编码，使得标签为k的样例，其编码后的标签向量q是除第k项元素为1外，剩余元素值均取样本数为N下长度为L的序列数据损失可通过式(3)计算；

式(2)中，K为类别数；

式(3)中，长度为L的序列数据损失函数为Loss(q，f(x))，为模型第i个样本的第t个时间步的输出中第k项类别的概率，为第i个样本的第t个时间步的标签中第的k项类别的概率。