[发明专利]基于隐马尔科夫模型的驾驶人换道意图识别方法

摘要

本发明涉及一种基于隐马尔科夫模型的驾驶人换道意图识别方法，基于隐马尔科夫模型的驾驶人换道意图识别方法，通过对本车和周围车辆运行状态的分析，建立了基于隐马尔可夫模型的驾驶换道意图识别方法，即用可观测的换道表征参数观测状态来实现隐含的驾驶员换道意图的预测。并以NGSIM数据集中的高速公路车辆数据库为基础，提取换道表征参数样本，并应用MATLAB中HMM工具箱编写算法进行对隐马尔科夫模型的训练和验证，最终对驾驶员换道意图的预测结果取得到了较好的准确率。

主权项

1.一种基于隐马尔科夫模型的驾驶人换道意图识别方法，其特征在于，具体包括如下步骤：1)换道意图识别模型的建立：1.1)设定观测状态参数：换道车辆速度v、换道车辆与换道车辆前方车辆之间的直线距离Gfo、换道车辆与换道车辆后方车辆之间的直线距离Gro、目标车道上换道车辆S前方车辆与换道车辆之间的直线距离Gft、为目标车道上换道车辆后方车辆与换道车辆的直线距离Grt、换道车辆前方车辆与换道车辆的速度差vfo、换道车辆后方车辆与换道车辆的速度差vro、为目标车道上换道车辆前方车辆与换道车辆的速度差vft、为目标车道上换道车辆后方车辆与换道车辆的速度差vrt共9个量作为观测状态参数；1.2)换道数据的提取及处理：从公开数据库提取车辆轨迹数据，然后采用对称指数移动平均法对轨迹数据进行平滑处理，最后设定筛选规则，筛选出满足要求的换道轨迹数据，将其分为两组，一组用于训练，一组用于验证；2)基于隐马尔科夫模型算法的建立：2.1)隐马尔科夫模型及参数：隐马尔科夫模型包含两组状态集合和三组概率集合，表示为λ＝{N,M,A,B,π}，其中，N代表HMM的隐含状态数目，S＝{s₁,s₂,...,s_N}为状态集合；M表示可观察值的数目，观察值组合的集合V＝{v₁,v₂,...,v_m}；A＝[a_ij]，a_ij＝p(q_t+1＝s_j/q_t＝s_i)表示状态转移概率，a_ij表示由状态s_i转移到状态s_j的概率，且满足a_ij>0，B＝[b_ik]，b_ik表示在状态s_i下出现观察值v_k的概率；π＝[π_i]，π_i＝p₀(q_t＝s_i)表示初始状态分布概率并且满足∑π_i＝1；参数：行驶状态有换道和直行两种，故N＝2；通过观测信息来推断驾驶状态，用参数表示可观察状态的数目，故M＝9；A表示换道和直行这2个隐状态相互间的转移概率组成的矩阵，即状态转移概率矩阵；B表示由车间距离Gfo，Gro，Grt，Gft，换道车辆速度v,速度差vfo，vro，vrt，vft组成的观测值概率矩阵，即输出概率转移矩阵；初始某个驾驶状态的概率矩阵，在满足马尔可夫链的条件下采用随机或均匀取值对其始化，因此采用均值法得到π＝[1/2 1/2]，即初始状态分布概率矩阵；2.2)隐马尔科夫采用前‑后向算法迭代求解的方法来进行模型的训练：将隐马尔科夫工具箱添加到MATLAB中，利用MATLAB编程实现批量导入学习训练样本进行步骤2.1)模型的训练，进而学习训练得到的训练后换道数据模型参数A、B、π，代入模型得到最终的换道意图识别模型用于换道意图识别；3)用验证换道轨迹数据，对步骤2.2)训练后隐马尔科夫模型，利用Viterbi算法进行隐藏状态的解码识别，解码2个驾驶行为对应的概率值中最大值代表此时预测出来的驾驶行为，并得到训练后隐马尔科夫模型的换道数据和非换道数据识别正确率。