[发明专利]一种多车交互环境下的轨迹基元提取与分析方法和系统

说明书

本发明涉及一种多车交互环境下的轨迹基元提取与分析方法和系统。该多车交互环境下的轨迹基元提取与分析方法，在采集车辆行驶信息并对行驶信息进行预处理得到交互组数据后，根据交互组数据并基于粘性层次狄利克雷过程和隐马尔可夫模型将车辆行驶过程划分为不同原始轨迹基元的组合，然后，利用动态时间规整算法存储驾驶信息并利用图像归一化方法处理原始轨迹基元得到轨迹基元图像，最后，根据轨迹基元图像聚类处理得到一般轨迹基元，进而实现了对多车交互环境中驾驶过程的模块化理解，更加贴合真实驾驶情况，具有很高的实用性。

技术领域

本发明涉及汽车智能交互技术领域，特别是涉及一种多车交互环境下的轨迹基元提取与分析方法和系统。

背景技术

目前，随着交通参与者数目的不断增加，路况信息日趋复杂。研究复杂和动态交通环境中的驾驶行为，对发展高级驾驶辅助系统、智能交通系统和自动驾驶有重要作用。轨迹基元则是驾驶行为的定性表述，可以反映出具有某种特征的驾驶行为，一段完整的驾驶过程可被看作是由一种或多种轨迹基元组合而成，例如：超车驾驶过程可以被看作是由向左变道、加速超越和向右变道这三种轨迹基元组合而成。轨迹基元的引入为研究多车复杂交互环境下的驾驶行为提供了一种简便可行的方案，这对理解驾驶员决策、刻画交通参与者间的影响程度等方面有极其重要的意义。

现阶段，对于轨迹基元的理解手段主要有：高斯混合模型、隐马尔可夫模型、动态贝叶斯网络等。上述方法的主要问题为：忽视历史时刻信息对基元划分结果的影响，同时需要预先对轨迹基元种类进行设定。由于驾驶过程为连续且动态的交互行为，因此历史时刻的驾驶操作势必会影响后续驾驶过程；同时，在多车复杂交互环境中，交通参与者的行为具有极大的不确定性，因此无法提前预知组成某一驾驶过程的基元种类。当前对轨迹基元的理解方法无法关注多车交互环境，具有适应性差、精确度低等问题。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种多车交互环境下的轨迹基元提取与分析方法和系统。

为实现上述目的，本发明提供了如下方案：

一种多车交互环境下的轨迹基元提取与分析方法，包括：

获取车辆行驶信息；所述车辆行驶信息包括：中心车辆位置及运动信息、周围车辆位置及运动信息和周围环境信息；周围车辆为以中心车辆为中心，设定范围内的车辆；

对所述车辆行驶信息进行预处理得到交互组数据；

根据所述交互组数据基于粘性层次狄利克雷过程和隐马尔可夫模型将车辆行驶过程进行划分得到原始轨迹基元；

利用动态时间规整算法存储驾驶信息；

利用图像归一化方法处理所述原始轨迹基元得到轨迹基元图像；

对所述轨迹基元图像进行聚类处理得到轨迹基元。

优选地，所述对所述车辆行驶信息进行预处理得到交互组数据，具体包括：

获取目标交互环境的预设限定条件；

将满足所述预设限定条件的车辆行驶信息保存为交互组数据。

优选地，所述根据所述交互组数据基于粘性层次狄利克雷过程和隐马尔可夫模型将车辆行驶过程进行划分得到原始轨迹基元，具体包括：

根据多车交互环境的差异性划分所述交互组数据得到子数据集；

获取预设的训练超参数；

基于所述预设的训练超参数，利用粘性层次狄利克雷过程和隐马尔可夫模型对所述子数据集中的交互组数据进行分组训练得到所述原始轨迹基元。

优选地，利用粘性层次狄利克雷过程和隐马尔可夫模型对所述子数据集中的交互组数据进行分组训练得到所述原始轨迹基元，具体包括：