详情

原文传递一种智能驾驶车辆行为分析与预测系统及方法

专利名称：	一种智能驾驶车辆行为分析与预测系统及方法
摘要：	本发明属于车辆行为分析预测技术领域，本发明公开了一种智能驾驶车辆行为分析与预测系统及方法，包括：采集车辆类型特征数据；基于车辆类型特征数据训练出实时识别车辆类型的第一机器学习模型；采集事故训练数据；基于事故训练数据生成事故评估值；基于事故评估值、事故训练数据以及第一机器学习模型的输出，训练出实时预测周围车辆发生的交通事故类型的第二机器学习模型；基于第二机器学习模型的输出生成行车调节指令。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京项尚车联网技术有限公司
发明人：	武丹丹;章广忠;杨煜;徐建杭
专利状态：	有效
申请日期：	2023-08-22T00:00:00+0800
发布日期：	2023-11-10T00:00:00+0800
申请号：	CN202311060538.7
公开号：	CN117022323A
分类号：	B60W60/00;B60W40/04;B60W50/14;B;B60;B60W;B60W60;B60W40;B60W50;B60W60/00;B60W40/04;B60W50/14
申请人地址：	210000 江苏省南京市秦淮区永智路5号南京白下高新技术产业开发区科技创业研发孵化综合楼(五号楼)F栋108-5
主权项：	1.一种智能驾驶车辆行为分析与预测方法，其特征在于，包括：采集车辆类型特征数据；基于车辆类型特征数据训练出实时识别车辆类型的第一机器学习模型；采集事故训练数据；基于事故训练数据生成事故评估值；基于事故评估值、事故训练数据以及第一机器学习模型的输出，训练出实时预测周围车辆发生的交通事故类型的第二机器学习模型；基于第二机器学习模型的输出生成行车调节指令。 2.根据权利要求1所述的一种智能驾驶车辆行为分析与预测方法，其特征在于，车辆类型特征数据包括车辆动态视频数据和车辆三维点云数据，车辆动态视频数据和车辆三维点云数据为测试车辆同步收集。 3.根据权利要求2所述的一种智能驾驶车辆行为分析与预测方法，其特征在于，所述第一机器学习模型的训练方式如下：对实时的一组车辆类型特征数据设置标签，标签为正整数，且代表一种车辆类型；将每组车辆类型特征数据与每组车辆类型特征数据对应的标签构建为一个样本，收集多个样本构建为机器学习的数据集；所述数据集分为训练集、验证集和测试集，其中训练集占数据集的70％，验证集和测试集各占数据集的15％；将所述训练集作为第一机器学习模型的输入，所述第一机器学习模型以车辆类型的标签作为输出，以实时的车辆类型特征数据所对应的标签为预测目标，以最小化机器学习模型损失函数值作为训练目标，i为车辆类型特征数据组号；u为车辆类型特征数据组数；yi为第i组车辆类型特征数据对应的标签，/>为第i组实时车辆类型特征数据预测的标签；当第一机器学习模型损失函数小于等于预设的目标损失值时停止训练；所述第一机器学习模型是一种神经网络模型。 4.根据权利要求3所述的一种智能驾驶车辆行为分析与预测方法，其特征在于，所述事故训练数据包括若干种类的交通事故发生时，周围车辆的类型、周围车辆的加速度与周围车辆的最大速度，所述事故训练数据还包括交通事故发生前n秒时周围车辆与驾驶车辆的距离；所述事故训练数据还包括若干组无交通事故时周围车辆的类型、周围车辆的加速度、周围车辆的最大速度以及周围车辆与驾驶车辆的距离。 5.根据权利要求4所述的一种智能驾驶车辆行为分析与预测方法，其特征在于，事故评估值的计算公式如下：式中:dangerr为周围车辆中第r辆车的事故评估值,Ar为周围车辆中第r辆车的车辆类型影响系数，ar为周围车辆中第r辆车的加速度，Vr为周围车辆中第r辆车当前最大速度，dr为周围车辆中第r辆车与本车辆距离；设置事故评估阈值danger_gone，当dangerr
所属类别：	发明专利