[发明专利]一种用于表征驾驶员意图的预测模型的建模方法

说明书

本发明属于电动汽车主动安全领域，具体的说是一种用于表征驾驶员意图的预测模型的建模方法。包括以下步骤：步骤一、确定整数阶离散灰色模型扰动界的映射关系；根据整数阶离散灰色模型扰动界的映射关系确定分数阶离散灰色模型扰动界的映射关系；步骤二、基于扰动界和Gamma函数的分数阶优化，优化分数阶离散灰色模型扰动界的映射关系，以获得分数阶的最优值；步骤三、根据计算的分数阶次最优解和驾驶员意图原始数据，建立表征驾驶员意图的优化分数阶离散灰色预测模型。本发明无需迭代计算或反复人工修正操作，无需相应的估计算法支撑，通过离线计算即可获得优化的分数阶，缩短了优化分数阶程序的开发周期。

技术领域

本发明属于电动汽车主动安全领域，具体的说是一种用于表征驾驶员意图的预测模型 的建模方法。

背景技术

智能汽车的发展和高级驾驶员辅助系统的普及为车辆安全带来了极大保障，进一步提 高了车辆的驾驶安全性和舒适性。然而，随着车辆智能化的发展，智能控制单元与驾驶员 越来越多的共享对车辆的底层控制权，智能汽车会难以避免的对驾驶员进行“夺权”，或在 重要时刻干扰驾驶员做出有利于驾驶员本身利益的控制策略，进而造成安全隐患。因此， 智能汽车不能忽视对车辆最高决策者-驾驶员的理解和感知。现阶段的高级驾驶员辅助系统 已经初步具备对驾驶员的行为的监控功能，如预防疲劳驾驶的人眼识别、防止分心的动作 识别、以及驾驶员情绪识别。然而，从智能人车共驾角度来看，仅仅检测驾驶员的面部特 征和行为仍然难以满足车辆智能驾驶的需求。因此，需要进一步明确驾驶员人脑意图产生 机制并建模，从而希望在驾驶员执行具体车辆操作之前获得准确的驾驶意图判断。

灰色系统理论用于表征驾驶员意图的预测模型的建立，灰色系统理论是由聚龙邓教授 于1982年提出的(非专利文献1：灰色控制系统，作者：邓聚龙)，它可以处理部分信息已 知、部分信息未知的不确定系统问题，广泛地应用于不同领域(非专利文献2：Bidirectional absolute GRA/GIA model for uncertain systems:application inproject management， 作者：S.A.Javed and S.Liu)。经过几十年的发展，作为一门新的学科，灰色系统理论 的理论结构已初步形成。一阶单变量灰色预测模型(GM(1,1))是在许多领域应用最广泛 的、最具代表性的灰色预测模型之一(非专利文献3：Color trendforecasting of fashionable products with very few historical data，作者：T.Choi,C.Hui,S.Ng and Y.Yu；非专利文献4：Error and its upper bound estimationbetween the solutions of GM(1,1)grey forecasting models，作者：J.Liu,X.X.Xiao,J.H.Guo,S.H.Mao)。 根据不同的实际需要，研究人员分别在GM(1,1)的背景值优化(非专利文献5：Applying fuzzy grey modification model on inflow forecasting，作者：Y.H.Lin,C.C.Chiu, P.C.Lee,Y.J.Lin)、初始条件优化(非专利文献6：Grey Systems:Theory and Applications，作者：S.F.Liu,Y.Lin)、初始数据处理(非专利文献7：Newstrengthening buffer operators and applications，作者：L.Z.Cui,S.F.Liu,Z.P.Wu)和参数估 计方法(非专利文献6：Grey Systems:Theory and Applications，作者：S.F.Liu,Y.Lin) 等方面进行了深入研究与开发，从而提高了模型的拟合精度和预测精度。灰色系统理论主 要取决于整数阶累加和逆累加的计算。然而，整数阶累加和逆累加计算并没有考虑扰动问 题。当原始数据的扰动较小时，经过整数阶累加计算后，解的扰动界越大，灰色预测模型 的稳定性越差。鉴于此，人们改进了累加和逆累加的计算，将整数阶推广为分数阶。同时， 通过矩阵扰动理论可以证明分数阶累加后解的扰动界小于整数阶累加后的扰动界(非专利 文献8：GM(1,1)model based on fractional order accumulatingmethod and its stability，作者：L.F.Wu,S.F.Liu,J.Liu)。因此，分数阶累加计算越来越受到人们 的重视，大量的分数阶灰色预测模型应运而生。分数阶灰色预测模型的拟合精度和预测精 度优于整阶灰色预测模型的精度，但不同的分数阶会导致不同的计算结果(非专利文献9： Study on the properties of fractional order Grey reducing generationoperator， 作者：W.Meng)。因此，分数阶的优化是研究分数阶灰色预测模型的关键问题之一，此方 面的研究比较少。目前，分数阶的计算主要分为两类。一类是使一些目标函数最小化来计 算优化的分数阶。根据实际情况，可选择不同的目标函数，如平均绝对百分比误差(MAPE)、 平均相对百分比误差(MRPE)、相对误差(RE)、平均绝对误差(MAE)、均方根误差(RMSE) 等。此外，利用遗传算法(GA)(非专利文献10：Forecasting of sulfur dioxideemissions in China based on optimized DGM(1,1)，作者：W.Meng,B.Zeng andH.Huang；非 专利文献11：A Novel Discrete Grey Model with FractionalAccumulating Operators and Optimal Initial Condition and Its Application，作者：Y.Liu,F.Pan,D.Xue and Y.Yang；非专利文献12：Research on Demand Forecast ofAircraft Spare Parts Based on Fractional Order Discrete Grey Model，作者：Q.Qiu,C.Qin,J.Shi and H.Zhou)、 粒子群优化(PSO)(非专利文献13：Wind PowerPrediction Based on PSO-SVR and Grey Combination Model，作者：Y.Zhang,H.Sun andY.Guo；非专利文献14：Fractional-order discrete grey models for China’selectricity consumption forecasting，作者：Z. Gao,X.Chen and G.Zhang)、猫群优化(CSO)(非专利文献15：A Parameter Estimation of Fractional Order MultivariateGrey Model with Time-delay Based on Adaptive Dynamic Cat Swarm Optimization，作者：A.Li,F.Gao,M.Wang and B.Lin)、微分 进化(DE)算法(非专利文献16：A NovelMutual Fractional Grey Bernoulli Model With Differential Evolution Algorithmand Its Application in Education Investment Forecasting in China，作者：W.Xie,B.Pu,C.Pei,S.Lee and Y.Kang)来估计分 数阶。无论使用哪种目标函数或算法，优化的分数阶都是通过大量的迭代计算得到的。另 一类是根据实际精度要求，对分数阶进行反复地人工修改，直到能够满足精度要求(非专 利文献17：Using the fractional order methodto generalize strengthening buffer operator and weakening buffer operator，作者：L.Wu,S.Liu and Y.Yang；非专利 文献18：Using fractional GM(1,1)model topredict maintenance cost of weapon system， 作者：F.Shili,W.Lifeng,Y.Liang andF.Zhigeng；非专利文献19：Grey differential system and control problems based onthe fractional calculus，作者：Y.Yang and D.Xue)。这一类方法也用于验证灰色预测模型的预测精度。上述的两类方法都是从减少误 差的角度提出并发展的，优化的分数阶都是通过大量计算得到的。