[发明专利]基于K-Means和熵加权的并道决策分类预警方法

说明书

本发明公开了基于K‑Means和熵加权的并道决策分类预警方法，包括以下步骤：进行模拟驾驶试验并采集试验数据，试验数据包括并道时前车相对距离、前车相对速度、后车相对距离、后车相对速度、主车并道加速度；归一化所采集的试验数据；使用熵加权法计算得到并入指数；使用K‑Means聚类算法对归一化后的并入指数和归一化后的主车并道加速度值进行聚类，得到三个聚类中心；计算得到并入柔和度值，将三个聚类中心与三个并道决策类型一一对应；ADAS系统使用三个并道决策类型的聚类中心坐标计算得到驾驶员的并道决策类型并发出对应警告信息。本方法数据采集便捷、运算速度快，开发成本低廉，且考虑因素全面，预测更准确，提升安全性。

技术领域

本发明涉及车辆辅助驾驶技术领域，特别涉及一种基于K-Means和熵加权的并道决策分类预警方法。

背景技术

在辅助驾驶和无人驾驶技术快速发展的今天，越来越多的车辆具备有一个或几个辅助驾驶功能，乃至可以实现简单工况的无人驾驶功能，如高速公路的自动巡航功能。然而，由于公路系统中存在有人驾驶车辆和无人驾驶或辅助驾驶车辆，存在联网车辆和非联网车辆，这造成交通状况存在较多的不确定性。在进入高速公路前，车辆需要经过匝道，汇入高速公路车流中，此汇入过程涉及到驾驶员对前车距离、速度和后车距离、速度的预判，且与驾驶员的驾驶习惯紧密相关，且匝道汇入区域属于交通事故高发地带，有必要针对该工况研发一种辅助驾驶方法，从而对驾驶员进行必要的警告，避免交通事故的发生。

现有技术中，专利CN201910991089.5公开了交叉路口路径生成设备及交叉路口处车辆控制方法和设备，针对交叉路口，提出一种车辆自动驾驶控制方法，即使用地图信息和/或图像信息来计算交叉路口区域中的作为车道的切断位置或车道的相交位置的交叉点的准确位置，并计算得到自动驾驶路径。该方法并未将交叉路口的其他车辆状况纳入考虑之中，存在一定不确定性。

专利CN201910015069.4公开了一种分布式智能网联汽车交叉路口复杂场景通行决策方法，具体提出了一种引入了车辆违反交通规则检测机制，实现了规则与强化学习方法的融合的方法，提出将车辆是否违规纳入交叉路口出决策方案中，实现了遵守与违反交通规则混杂的复杂交通场景下的无信号灯交叉路口智能网联汽车自主通行决策。该专利涉及的交叉路口决策方法并未将其他车辆的行驶状况纳入考虑之中，与现实中驾驶员的需求存在较大差异。

发明内容

本发明的主要目的在于提供一种基于K-Means和熵加权的并道决策分类预警方法，以解决现有技术的问题。

为了达到上述目的，本发明提供一种基于K-Means和熵加权的并道决策分类预警方法，包括以下步骤：

进行模拟驾驶试验并采集试验数据：驾驶员使用模拟驾驶器进行模拟驾驶试验并控制车辆在包含有匝道口并入主干道的道路上行驶，采集的试验数据包括并道时前车相对距离、前车相对速度、后车相对距离、后车相对速度、主车并道加速度；

归一化所采集的试验数据；

对并道时前车相对距离、前车相对速度、后车相对距离、后车相对速度这4个变量使用熵加权法计算得到并入指数，并对并入指数归一化；

使用K-Means聚类算法对归一化后的并入指数和归一化后的主车并道加速度值进行聚类，得到三个聚类中心；

计算得到并入柔和度值，根据并入柔和度值的大小将三个聚类中心与激进并入决策类、温和并入决策类和正常变道并入决策类这三个并道决策类型一一对应；

在车辆行驶过程中，ADAS系统使用三个并道决策类型的聚类中心坐标计算得到驾驶员的并道决策类型并发出对应警告信息。

进一步地，模拟驾驶试验中，虚拟试验环境的道路采用1:1高速公路仿真模型，且包含多个匝道口，相邻2个匝道口之间的间隔不小于1km。