[发明专利]基于前向车辆驾驶行为的智能车辆安全环境包络重构方法

摘要

本发明公开了基于前向车辆驾驶行为的智能车辆安全环境包络重构方法，从模拟真实驾驶员对前向行驶区域潜在碰撞风险进行预估的行为出发，将前向车辆驾驶行为预测引入到智能车辆的环境感知环节，基于前向车辆驾驶行为预测结果，对智能车辆安全环境包络进行重构。本发明以前向车辆轨迹点序列、前向车辆转向灯、智能车辆速度、智能车辆与前向车辆的纵向相对速等信号作为观测值，通过隐马尔科夫模型(HMM)对前向车辆驾驶行为进行预测；根据前向车辆驾驶行为预测结果对智能车辆与前向车辆的横向间距、纵向间距进行修正，实现智能车辆安全环境包络重构，进而实现对智能车辆安全驾驶区域内潜在的碰撞危险进行预估，提高智能车辆的安全性。

主权项

1.基于前向车辆驾驶行为的智能车辆安全环境包络重构方法，其特征在于，由前向车辆驾驶行为预测模型和智能车辆安全环境包络重构算法组成；所述前向车辆驾驶行为预测模型负责对前向车辆驾驶行为进行预测，所述智能车辆安全环境包络重构算法负责根据预测结果进行安全环境包络重构；所述前向车辆驾驶行为预测模型为HMM预测模型λ＝(N,M,π,A,B)，前向车辆驾驶行为状态S：S＝(S1,S2,…SN)，t时刻所处状态为qt，qt∈S，本项目状态数N＝4，其中，S1为匀速驾驶行为，S2为紧急制动驾驶行为，S3为左转向驾驶行为，S4为右转向驾驶行为；观测序列V：V＝(v1,v2,…vM)，t时刻观测事件为Ot，本项目观测值数M＝7，其中，v1为前向车辆相邻轨迹点序列极径变化观测值，v2为前向车辆相邻轨迹点序列极角变化观测值，v3智能车辆速度，v4智能车辆与前向车辆的纵向相对速度，v5前向车辆左转向灯，v6前向车辆右转向灯，v7前向车辆刹车灯；π：前向车辆驾驶行为初始状态概率矢量，π＝(π1,π2,…πN)，其中πi＝P(q1＝Si)；A：状态转移矩阵，即前向车辆驾驶行为状态转移矩阵，A＝{aij}N×N，其中，aij＝P(qt+1＝Sj|qt＝Si)，1≤i,j≤N；B：观测事件概率分布矩阵，即不同前向车辆驾驶行为在S下各观测状态出现的概率，B＝{bjk}N＝M，其中，bjk＝P[Ot＝vk|qt＝Sj]，1≤j≤N，1≤k≤M；所述前向车辆驾驶行为预测模型的实现包括如下：建立匀速驾驶行为预测模型、紧急制动驾驶行为预测模型、左转向驾驶行为预测模型、右转向驾驶行为预测模型四个模型；将所述四个模型进行离线训练；对前向车辆的驾驶行为进行预测；所述将所述四个模型进行离线训练的过程包括：(1)模型参数初始化：主要是对HMM模型中的π、A、B进行初始化；(2)选取前向‑后向算法，用当前样本，计算前向频率αt(i)和后向概率βt(j)；(3)利用Baum‑Welch算法，计算当前新的模型估计值(4)计算似然概率(5)如果是递增的，则用步骤(3)计算出来的新的估计值重新对该样本进行下一次的估计，返回步骤(2)，逐步迭代，直到不再明显增大，即收敛，此时的模型即为所求模型；所述对前向车辆的驾驶行为进行预测的过程包括：将原始参数进行特征提取，形成一组观察序列O；应用前向‑后向算法计算每个模型产生当前观察序列的概率P(O/λ)，概率值最大的模型便是当前驾驶行为；所述智能车辆安全环境包络重构算法的实现包括：建立智能车辆与前向车辆相对位置信息表达式：其中：px,j(t)为第j个前向车辆的纵向坐标，px,sub(t)为智能车辆的纵向坐标，eψ(t)为车辆与路面的定位误差，py,j(t)为第j个前向车辆的横向坐标，py,sub(t)为智能车辆的横向坐标，Δpx,j(t)为智能车辆与第j个前向车辆纵向相对距离，Δpy,j(t)为智能车辆与第j个前向车辆横向相对距离；通过变换得到智能车辆与前向车辆的间距表达式：其中：Lv为前向车辆的长度，Wv为前向车辆的宽度，Cx,j(t)为智能车辆与前向车辆的纵向间距，Cy,j(t)智能车辆与前向车辆的横向间距；根据前向车辆驾驶行为预测结果对智能车辆与前向车辆的纵向间距和横向间距进行修正，实现对智能车辆安全环境包络的重构；所述修正的表达式为：其中，ωx为纵向修正因子，表示纵向间距变化尺度；ωy为横向修正因子，表示横向间距变化尺度；ωx和ωy的值通过前向车辆驾驶行为预测结果的概率值大小来确定。