[发明专利]一种基于模拟驾驶器的车辆位置预测建模方法

说明书

本发明公开一种基于模拟驾驶器的车辆位置预测建模方法，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；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，测试所建立的高斯回归模型，测试合格则输出由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。本发明运用模拟驾驶器进行模拟驾驶试验实现车辆位置预测建模，计算量小，且不需要实车测试，降低了成本。

技术领域

本发明涉及交通安全技术领域，特别涉及一种基于模拟驾驶器的车辆位置预测建模方法。

背景技术

随着我国基础设施的不断完善，高质量的交通系统体系已经建成，这也促使人们购买汽车，享受交通的便利。然而，汽车的普及也带来了一定的交通安全隐患。交通事故的发生原因多种多样，如驾驶员疲劳驾驶、车辆传动系统故障等等。辅助驾驶是一种近几年发展迅速的技术，其能够在不影响驾驶员正常驾驶的前提下，尽可能地减小交通事故的发生概率。车辆位置预测技术是一种较为复杂的辅助驾驶技术。专利CN201811603430.7，“一种车辆轨迹预测方法、装置及电子设备”，提出了一种基于车辆熵值的车辆轨迹预测方法，其中主要涉及车辆熵值计算方法及其在车辆轨迹预测方面的应用，理论性较强但计算量较大，且不涉及虚拟驾驶系统的使用和高斯过程回归模型的应用。

目前，市场上缺少一种能够以较低计算成本对车辆位置变化进行建模的技术或方法。

发明内容

本发明的主要目的在于提供一种基于模拟驾驶器的车辆位置预测建模方法，以模拟驾驶器试验为基础，建立车辆位置预测模型。

为了达到上述目的，本发明提供一种基于模拟驾驶器的车辆位置预测建模方法，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。

进一步地，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。

更进一步地，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。

进一步地，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。

进一步地，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。

更进一步地，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。