[发明专利]一种基于深度学习的个性化车道保持辅助方法及装置

说明书

本发明公开了一种基于深度学习的个性化车道保持辅助方法，包括：获取驾驶人驾驶过程中的车辆运动状态信息、道路环境信息作为轨迹模型的参数表征；基于深度卷积模糊系统和轨迹模型的参数，建立轨迹模型；对所述轨迹模型进行优化，根据驾驶人的驾驶特性设定约束条件；获取时实车辆运动状态信息和实时道路环境信息，并基于轨迹模型输出驾驶员的横向位置信息，控制车辆对横向位置进行跟踪。本发明利用深度学习这种端到端的方法，学习驾驶人在轨迹上的驾驶习性，实现个性化的车道保持驾驶辅助，能够提高驾驶人对车道保持系统的接受度，降低人机冲突，改善驾驶人的舒适性，也有利于减轻辅助系统规划层的负荷，保证驾驶安全，进一步提高行驶效率。

技术领域

本发明属于驾驶辅助技术领域，具体涉及一种基于深度学习的个性化车道保持辅助方法及装置。

背景技术

研究表明，大部分交通事故都是由车辆横向运动导致的，欧洲地区对交通事故的引发情况进行了研究，指出倘若所有的车辆都安装车道保持辅助系统，大概会减少12％的交通事故。因此，对车辆的车道保持辅助系统进行研究，有助于减少交通事故的发生，同时，也能推动汽车智能化的发展进程。

现有的关于车道保持辅助系统的研究中，主要控制车辆行驶在车道中心线上。然而，人类驾驶人在实际驾驶过程中，其轨迹并非始终保持在车道中心线上，不同人会存在向左或向右的偏好。如果智能汽车总是采用沿着车道中心线行驶这种均一化的设计方式，一方面，这样的驾驶行为与人类驾驶人的预期有很大的不同，不可避免地会让人类驾驶人感到不舒服。另一方面，交通中还有其他人类驾驶的车辆和行人，如果智能汽车的行为与其他人类驾驶人的行为太过不同，也可能会引起其他车辆驾驶人的不适和误判，从而导致危险情况的发生。因此，在探究车道保持辅助方法的过程中，针对每个驾驶人设计出个性化的车道保持驾驶辅助方法，有利于提高用户的体验感、接受度和满意度。

发明内容

有鉴于此，本发明提出一种基于深度学习的个性化车道保持辅助方法及装置，用于解决现有技术中的至少一个缺陷。

本发明的目的是通过以下技术方案来实现的：一种基于深度学习的个性化车道保持辅助方法，该方法包括：

获取驾驶人驾驶过程中的车辆运动状态信息、道路环境信息作为轨迹模型的参数表征；

基于深度卷积模糊系统和轨迹模型的参数，建立轨迹模型；

对所述轨迹模型进行优化，根据驾驶人的驾驶特性设定约束条件；

获取时实车辆运动状态信息和实时道路环境信息，并基于轨迹模型输出驾驶员的横向位置信息，控制车辆对横向位置进行跟踪。

可选的，所述车辆运动状态信息包括：横向加速度ay、横向速度vy、偏航率yawrate和横向位置lateral_(t-1)，所述道路环境信息包括：道路曲率curvature。

可选的，所述基于深度卷积模糊系统和轨迹模型的参数，建立轨迹模型，包括：

确定建立轨迹模型的输入输出参数；

基于深度卷积模糊系统和输入输出参数进行快速训练，建立初始轨迹模型；

将驾驶人驾驶过程中进行在线学习，对初始轨迹模型进行更新，得到轨迹模型。

可选的，所述基于深度卷积模糊系统和输入输出参数进行快速训练，建立初始轨迹模型，包括：

(1)设置算法的窗口大小为m，步长为s，共l层模糊系统，模糊集个数为q；

(2)对l层中的每一个模糊系统都执行以下步骤：