[发明专利]一种基于高斯过程回归的跟车行为建模方法

权利要求书

1.一种基于高斯过程回归的跟车行为建模方法，其特征在于，包括以下步骤：

进行模拟驾驶试验并采集试验数据：由驾驶员使用模拟驾驶器进行仿真环境下的模拟驾驶试验，采集的试验数据包括前车相对距离、前车相对纵向速度、前车相对加速度、主车相对加速度；

处理试验数据：使用分类算法对试验数据进行聚类，获得三个跟车状态类型数据集，分别是激进状态数据集、正常状态数据集和保守状态数据集；

训练基于高斯过程回归的跟车行为模型：基于所述三个跟车状态类型数据集和高斯过程回归算法，训练得到三个基于高斯过程回归的跟车行为模型，分别是激进跟车行为模型、正常跟车行为模型和保守跟车行为模型；

测试基于高斯过程回归的跟车行为模型。

2.根据权利要求1所述基于高斯过程回归的跟车行为建模方法，其特征在于，模拟仿真试验中，模拟驾驶工况包括城市工况和高速工况。

3.根据权利要求1所述基于高斯过程回归的跟车行为建模方法，其特征在于，模拟仿真试验中，模拟驾驶总里程超过20km，试验数据采集频率为100Hz。

4.根据权利要求1所述基于高斯过程回归的跟车行为建模方法，其特征在于，处理试验数据时，对所获得的原始试验数据进行归一化，归一化的公式如下式所示：

式中，i为数据编号，j为变量编号，x_i,j表示未归一化的第i组数据中的第j个变量，X_j表示所有j对应的变量数据值组成的集合，min表示滤波后，试验数据中相关变量的最小值，max表示滤波后，试验数据中相关变量的最大值。

5.根据权利要求1-4任意一项所述基于高斯过程回归的跟车行为建模方法，其特征在于，处理试验数据时，使用FCM算法将试验数据聚类，聚类得到三个跟车状态类型中心点：激进状态中心点、正常状态中心点和正常状态中心点；FCM聚类所得三个中心点中，前车相对距离值最小的为激进状态中心点、前车相对距离值最大的为保守状态中心点、剩余一个为正常状态中心点。

6.根据权利要求1-4任意一项所述基于高斯过程回归的跟车行为建模方法，其特征在于，处理试验数据时，将三个跟车状态类型数据集分别按照一定比例划分为训练数据集和测试数据集，得到激进训练数据集、正常训练数据集、保守训练数据集和激进测试数据集、正常测试数据集、保守测试数据集；分别使用激进训练数据集、正常训练数据集、保守训练数据集训练，得到三个基于高斯过程回归的跟车行为模型；分别使用激进测试数据集、正常测试数据集、保守测试数据集测试得到的三个基于高斯过程回归的跟车行为模型。

7.根据权利要求1-4任意一项所述基于高斯过程回归的跟车行为建模方法，其特征在于，训练模型时，模型的输入变量为前车相对距离、前车相对纵向速度、前车相对加速度；输出变量为主车相对加速度。

8.根据权利要求1-4任意一项所述基于高斯过程回归的跟车行为建模方法，其特征在于，测试模型时，输入数据为前车相对距离、前车相对纵向速度、前车相对加速度；输出数据为预测的主车相对加速度；若某一测试数据点预测的主车相对加速度与真实值之间的相对误差与真实值的比值小于一定阈值，则该测试数据点预测成功，否则预测失败。

9.根据权利要求8所述基于高斯过程回归的跟车行为建模方法，其特征在于，若某一测试数据集中预测成功的测试数据点个数与数据点总数的比值大于或等于阈值80％，则建模成功。