[发明专利]一种基于高斯过程回归的跟车行为建模方法

说明书

本发明公开了一种基于高斯过程回归的跟车行为建模方法，包括以下步骤：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；基于聚类后的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。本发明通过模拟驾驶试验采集数据基于高斯过程回归算法进行建模，数据采集便捷、建模成本低、模型计算速度快，获得的模型用在驾驶仿真软件中，可提高仿真系统中车辆跟车行为的仿真度。

技术领域

本发明涉及车辆跟车行为模型建模领域，特别涉及一种基于高斯过程回归的跟车行为建模方法。

背景技术

在实际驾驶过程中，跟车驾驶是一种常见的驾驶情况。然而，驾驶员行为特点、车辆属性的不同，很难对跟车行为进行建模。模拟驾驶器在智能驾驶领域已经得到了广泛使用。为了模拟较为真实的交通状况，模拟真实跟车情况是驾驶模拟器中的仿真软件必须拥有的能力。

申请号为CN201710158942.6、专利名称为“一种基于时间自动机的跟车行为生成方法”的中国专利，从交通数据集中提取跟车数据，将后车速度、后车与前车的相对距离和相对速度作为跟车模型的输入参数，利用时间自动机学习算法对跟车模型进行训练。该方法主要使用时间自动机学习算法，且不涉及前车相对加速度，与本发明存在显著区别。

发明内容

为了解决现有技术的问题，本发明的主要目的在于提供一种高可信度的车辆跟车行为模型的建模方法，用于驾驶仿真软件中模拟真实跟车情况。

为了达到上述目的，本发明提供一种基于高斯过程回归的跟车行为建模方法，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。

其中，驾驶员控制的车辆为主车，前车相对加速度指的是主车前方车辆相对于主车的纵向加速度；主车相对加速度指的是主车相对于前车的纵向加速度。

高斯过程回归算法基本过程如下：

训练集为：

D＝(X,y)

其中：X＝{x_i}，y＝{y_i}，x_i表示第i个输入样本，y_i表示第i个输出值。输入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。输出数据为主车相对加速度。

y＝f(x_n)+ξ_n

均值为u*，核函数为k(x_i,x_j)。

其中，K(X,X)是相应的核函数，I是相应的单位矩阵，给定一个新的样本输入x^*，则相应的输出为y^*。根据贝叶斯原理，输出值y^*与训练样本的联合分布为：