原文传递
一种基于驾驶员行为特性的智能车类人变道决策方法
| 专利名称： | 一种基于驾驶员行为特性的智能车类人变道决策方法 |
| 摘要： | 本发明公开了一种基于驾驶员行为特性的智能车类人变道决策方法，通过建立驾驶员转向特性实验，提取表征驾驶员转向特性的参数，然后利用K‑means聚类和BP神经网络的方法建立驾驶员特性识别器，根据驾驶员特性识别器辨识到的驾驶员特性和传感器识别出的自身和周围车辆状态以及环境信息进行类人变道决策，最终使得智能车辆的变道行为具有类人的驾驶特点。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 吉林;22 |
| 申请人： | 吉林大学 |
| 发明人： | 郭洪艳;梁德宝;刘惠;陈虹;刘风;刘俊;戴启坤 |
| 专利状态： | 有效 |
| 申请号： | CN201811195634.1 |
| 公开号： | CN109367541A |
| 代理机构： | 长春吉大专利代理有限责任公司 22201 |
| 代理人： | 杜森垚 |
| 分类号： | B60W40/09(2012.01)I;B;B60;B60W;B60W40 |
| 申请人地址： | 130012 吉林省长春市前进大街2699号 |
| 主权项： | 1.一种基于驾驶员行为特性的智能车类人变道决策方法，其特征在于，包含以下步骤：步骤一、建立驾驶员转向特性实验：在Carsim中建立仿真交通场景；寻找若干名驾驶员作为实验人员，并将实验人员分成训练组和测试组；步骤二、使用K‑means聚类的方法建立驾驶员特性分类器：将所述训练集中每个实验人员的实验数据作为聚类样本，选择两个聚类中心，并通过K‑means聚类的方法，将实验数据分为两类，分别为激进型和保守型；步骤三、使用BP神经网络的方法建立驾驶员特性识别器：将所述步骤二中完成了分类标记的实验数据作为BP神经网络的训练集，训练BP神经网络；针对训练完成的BP神经网络，使用所述测试集中的实验数据对BP神经网络进行测试；将测试通过的BP神经网络驾驶员特性识别器用于在线识别驾驶员的驾驶类型；步骤四、建立变道意愿识别器，进行驾驶员驾驶类型识别；步骤五、建立变道间隙选择器，并针对不同的驾驶类型判断和选择变道空间。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
