详情

原文传递一种驾驶员特性辨识方法

专利名称：	一种驾驶员特性辨识方法
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。
专利类型：	发明专利
国家地区组织代码：	辽宁;21
申请人：	辽宁工业大学
发明人：	李刚;杨志;南丁;李高超;李宁;赵德阳
专利状态：	有效
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201810188786.2
公开号：	CN108407814A
代理机构：	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
分类号：	B60W40/08(2012.01)I;B;B60;B60W;B60W40;B60W40/08
申请人地址：	121001 辽宁省锦州市古塔区士英街169号
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。
所属类别：	发明专利