详情

原文传递基于驾驶人偏好的驾驶行为模式识别方法与系统

专利名称：	基于驾驶人偏好的驾驶行为模式识别方法与系统
摘要：	本发明提供基于驾驶人偏好的驾驶行为模式识别方法与系统，涉及驾驶行为模式识别技术领域。本发明基于蚁群算法处理驾驶人行车过程中的历史行车数据，并基于根据处理后的历史数据样本构建驾驶人行为模式中的转换概率模型和偏好距离度量模型。在充分拟合具体驾驶人个体行为特征的基础上，结合现有的预备知识库分析驾驶人的操作行为，提高在行车过程中实时识别驾驶人行为模式的精准度。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	合肥工业大学
发明人：	任明仑;黄晓地;褚伟;朱晓曦;程八一
专利状态：	有效
申请日期：	2019-05-24T00:00:00+0800
发布日期：	2019-08-23T00:00:00+0800
申请号：	CN201910437561.0
公开号：	CN110155073A
代理机构：	北京久诚知识产权代理事务所(特殊普通合伙)
代理人：	余罡
分类号：	B60W40/09(2012.01);B;B60;B60W;B60W40
申请人地址：	230009 安徽省合肥市包河区屯溪路193号
主权项：	1.一种基于驾驶人偏好的驾驶行为模式识别方法，其特征在于，该方法由驾驶辅助系统执行，包括以下步骤： S1、获取驾驶人行车过程中的行为数据，形成历史数据样本； S2、基于蚁群算法处理所述历史数据样本； S3、基于经过处理的历史数据样本，构建驾驶人行为模式中的转换概率模型和偏好距离度量模型，分析当前时刻驾驶人行为数据； S4、基于驾驶人行为模式的转换概率模型、偏好距离度量模型和预备知识库，分析驾驶人的操作行为。 2.如权利要求1所述的基于驾驶人偏好的驾驶行为模式识别方法，其特征在于，所述步骤S2具体包括： (1)在车辆行驶过程中，将驾驶人的每个驾驶行为视为一个节点，节点数量记为N； (2)节点与节点之间不存在实际物理路径，物理距离均视为0； (3)驾驶人每次发动机启动至熄火之间的所有驾驶行为，视为蚂蚁的一次运动轨迹结束，更新路径上的信息素浓度； (4)基于驾驶人偏好，将驾驶人为实现行驶目的在不同行为之间的操作切换顺序视为蚂蚁运动的偏好路径； (5)偏好路径的距离以信息素浓度进行度量，节点与节点之间的偏好路径距离以信息浓度τij(t)进行表示； (6)每只蚂蚁保存一个列表tabu()，记录目前为止已访问的节点； (7)记录车辆每次处于某个行驶状态的时间：t＝ηi，i∈H，即驾驶行为未发生变化的持续时间；H表示驾驶中可能出现的车辆状态； (8)以一定时间为间隔T，对所有蚂蚁运动记录的数据进行处理：更新节点数、更新信息速度浓度以及更新每个行驶状态的停留时间。 3.如权利要求2所述的基于驾驶人偏好的驾驶行为模式识别方法，其特征在于，所述步骤S3具体包括： S301、通过分析车辆不同行驶状态下加速度和角速度的变化，识别车辆当前所处行驶状态，并据此判断驾驶人是否进行新的驾驶行为； S302、节点与节点之间偏好路径距离，基于所述信息素浓度判定，并通过概率的方式进行度量：偏好距离度量模型：N表示所有可能的节点；在时间间隔T内，假设记录有m只蚂蚁成功爬行，则任意两城市间带挥发的信息素浓度表示为：ρ为信息素挥发系数；节点之间信息速度浓度越高，则节点间转换概率越高，偏好路径越短； S303、在时间间隔T内，假设有k只蚂蚁经过节点进入某种车辆行驶状态，计算当天该行驶状态的平均停留时间：以及最大时间max(ηi)和最小时间min(ηi)，表示任一蚂蚁在该行驶状态的停留时间； S304、在当前时刻t，汽车处于某个行驶状态的预计时间可表示为：是前一时间间隔T内处于该行驶状态的平均时间，ηi(t-T)是当前时间间隔内，车辆处于该行驶状态的平均时间，ω是衰减因子； S305、驾驶人从前一操作行为模式转移到当前操作行为模式的概率估计基于下式度量：其中： α，β，α+β＝1，表示在判断时赋予转换概率和停留时间两种因素的权重；当期望停留时间超过最大最小停留时间的范围，应赋予停留时间较大的权重，即β1＜β2，α1＞α2； S306、驾驶人在车辆行驶过程变换操作行为的转换概率模型为： γ为递减权重。 4.如权利要求3所述的基于驾驶人偏好的驾驶行为模式识别方法，其特征在于，所述步骤S4具体包括： S401、基于驾驶人行为模式的转换概率模型、偏好距离度量模型和预备知识库，对当前驾驶人的驾驶行为进行分析，并设定驾驶人行为转换概率的阈值； S402、根据已识别的驾驶人行为模式，当转换概率小于阈值时，即为连续低概率模式转换，将这段时间驾驶人的操作行为视为异常情境，驾驶辅助系统通过人车交互平台，进行补偿操作或建议提醒。 5.如权利要求1所述的基于驾驶人偏好的驾驶行为模式识别方法，其特征在于，所述预备知识库包括：驾驶舒适度知识库、疲劳驾驶知识库、驾驶人行为模式知识库、安全边界知识库。 6.如权利要求1所述基于驾驶人偏好的驾驶行为模式识别方法，其特征在于，基于不动点蚁群算法分析所述偏好距离度量模型。 7.如权利要求6所述的基于驾驶人偏好的驾驶行为模式识别方法，其特征在于，所述不动点蚁群算法包括：基于不动点定理，将目标优化函数转换为等价的不动点方程；所述目标优化函数为偏好距离度量模型；对不动点方程的搜索空间进行划分；对划分后的搜索空间进行单纯剖分，得到单纯形；对单纯形进行标号，输出完备单纯形序列；基于完备单纯形序列确定蚁群算法的初始种群规模和粒子初始位置，获取不动点方程的最优解，得到目标优化函数的最优解。 8.一种基于驾驶人偏好的驾驶行为模式识别系统，其特征在于，所述系统包括驾驶辅助系统，所述驾驶辅助系统包括：至少一个存储单元；至少一个处理单元；其中，所述至少一个存储单元中存储有至少一条指令，所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤： S1、获取驾驶人行车过程中的行为数据，形成历史数据样本； S2、基于蚁群算法处理所述历史数据样本； S3、基于经过处理的历史数据样本，构建驾驶人行为模式中的转换概率模型和偏好距离度量模型，分析当前时刻驾驶人行为数据； S4、基于驾驶人行为模式的转换概率模型、偏好距离度量模型和预备知识库，分析驾驶人的操作行为。
所属类别：	发明专利