[发明专利]一种驾驶员特性辨识方法有效
| 申请号： | 201810188786.2 | 申请日： | 2018-03-08 |
| 公开（公告）号： | CN108407814B | 公开（公告）日： | 2020-06-02 |
| 发明（设计）人： | 李刚;杨志;南丁;李高超;李宁;赵德阳 | 申请（专利权）人： | 辽宁工业大学 |
| 主分类号： | B60W40/08 | 分类号： | B60W40/08 |
| 代理公司： | 北京远大卓悦知识产权代理事务所(普通合伙) 11369 | 代理人： | 李烨 |
| 地址： | 121001 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种驾驶员特性辨识方法，包括：步骤1、通过多传感器采集实验数据，并对采集数据进行滤波处理；步骤2、将滤波处理后的数据进行归一化处理，之后进行聚类分析，得到时间序列分割数据；步骤3、建立双层HMM模型库，包括下层行为辨识层和和上层特性辨识层，上层根据下层行为辨识结果实现对驾驶员特性的辨识；步骤4、进行模型验证。建立的辨识模型能与实际紧密联系，结合实际情况对驾驶员各种驾驶情况进行特性辨识，使模型更贴近实际，通用性、推广性较强。基于隐形马尔可夫模型(HMM)理论，得到的因素权重可信度高。 | ||
| 搜索关键词： | 一种 驾驶员 特性 辨识 方法 | ||
【主权项】：
1.一种驾驶员特性辨识方法，其特征在于，包括：步骤1、通过多传感器采集实验数据，并对采集数据进行滤波处理；步骤2、将滤波处理后的数据进行归一化处理，之后进行聚类分析，得到时间序列分割数据；步骤3、建立双层HMM模型库，包括下层行为辨识层和和上层特性辨识层，上层根据下层行为辨识结果实现对驾驶员特性的辨识；下层行为辨识层是将所述时间序列分割数据，进行数据处理，分别建立不同驾驶员特性的短时间操纵行为模型库，其中包含不同特性的加速/制动多维连续高斯隐形马尔可夫模型库(MGHMM)、转向多维高斯隐形马尔可夫模型库(MGHMM)和速度、横摆角速度、加速度等级类型库；对于不同驾驶员特性的短时间行为模型进行序列标号；对于上层特性辨识层，是将驾驶员的下层各行为辨识的结果进行组合，其输入的离散序列为下层各行为模型的辨识序列标号，用这些多维的离散输入训练上层特性辨识模型库，以此完成对驾驶员长时间操纵行为特性的判别；步骤4、进行模型验证。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于辽宁工业大学，未经辽宁工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810188786.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于大数据的车辆抗疲劳安全驾驶方法
- 下一篇：一种智能行车辅助系统
