[发明专利]一种基于模拟驾驶器的车辆位置预测建模方法

权利要求书

1.一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，包括以下步骤：

进行第一阶段模拟驾驶试验，使用驾驶模拟器进行模拟驾驶试验并采集车辆数据，所述车辆数据包括横向速度、横向加速度、横向坐标和纵向速度、纵向加速度、纵向坐标；

处理第一阶段模拟驾驶试验所采集的车辆数据；

使用K-Means算法对处理后的车辆数据进行分类；

对分类后的车辆数据，使用高斯过程回归算法建立横向位移预测模型和纵向位移预测模型；

进行第二阶段模拟驾驶试验，测试所建立的横向位移预测模型和纵向位移预测模型，测试合格则输出由所述横向位移预测模型和纵向位移预测模型共同组成的车辆位置预测模型。

2.根据权利要求1所述一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，第一阶段模拟驾驶试验中，模拟道路包括城市道路和高速道路，且城市道路驾驶不少于20公里，高速道路驾驶不少于50公里。

3.根据权利要求2所述一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，车辆在城市道路驾驶和高速道路驾驶中必须包括前进左转、前进右转、前进直行、倒退左转、倒退右转、倒退直行6种行车方式，且每一种行车方式行驶的里程不少于1公里。

4.根据权利要求1所述一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，所述车辆数据的采集方式为：以1s为采样时间间隔采集车辆的横向速度、横向加速度、横向坐标和纵向速度、纵向加速度、纵向坐标。

5.根据权利要求1所述一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，处理第一阶段模拟驾驶试验的车辆数据时，计算得到每一时刻相对于前5s时刻的相对横向位移和相对纵向位移，并将每一时刻的横向速度、横向加速度、纵向速度、纵向加速度与5s后的位置相对于当前位置的相对横向位移和相对纵向位移组成一组数据。

6.根据权利要求5所述一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，使用K-Means算法进行数据点分类时，将横向速度、横向加速度数据与纵向速度、纵向加速度数据分成两个小组；两个小组的数据分别进行分类，且各自分出6类，所有数据点分类后共得到12类数据点，12个分类重心。

7.根据权利要求6所述一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，进行高斯过程回归建模的输入数据的获取方式是随机从K-Means分类得到的12类数据点中分别随机挑选多个点，然后以数据点中的速度和加速度为输入变量，以相对位移为输出变量，进行高斯过程回归建模；建模后得到6个横向位移预测模型和6个纵向位移预测模型。

8.根据权利要求1所述一种基于模拟驾驶器的车辆位置预测建模方法，其特征在于，进行第二阶段模拟驾驶试验时，选择的模拟道路为城市道路和高速道路，且包含车辆行驶方式包括前进左转、前进右转、前进直行、倒退左转、倒退右转、倒退直行6种行车方式，每一种行车方式行驶的里程不少于1公里，总里程不少于10公里。