1.一种驾驶人换道意图识别方法,其特征是,包括以下步骤:
将当前车辆行驶数据输入驾驶人换道意图识别模型,用以输出驾驶人换道意图识别结果,其中,所述驾驶人换道意图识别模型的构建过程包括:基于历史车辆行驶数据生成与车辆换道过程有关的关联参数;
基于决策树的多值属性分裂原理,利用基尼系数值确定所述关联参数对驾驶人换道意图识别的重要度,选出与驾驶人换道意图关联紧密的表征参数,构建驾驶人换道意图表征参数组,其中,所述表征参数包括方向盘转角、车道偏离量和横摆角加速度;
基于K-means聚类,对归一化后的方向盘转角和车道偏离量的时间序列分别聚类,确定驾驶人换道意图起止时刻,生成驾驶人换道意图时窗宽度;
基于高斯概率密度函数和隐马尔可夫理论建立初始模型,以所述表征参数组成的多维变量的时间序列训练样本集,结合所述驾驶人换道意图时窗宽度对所述初始模型进行训练进而生成所述驾驶人换道意图识别模型,用于驾驶人换道意图识别。
2.根据权利要求1所述的驾驶人换道意图识别方法,其特征是,输出的驾驶人换道意图识别结果包括左换道、右换道、直行的任一一种。
3.根据权利要求2所述的驾驶人换道意图识别方法,其特征是,基于决策树的多值属性分裂原理,利用基尼系数值确定所述关联参数对于驾驶人换道意图识别的重要度,包括:基于决策树的多值属性分裂原理,将换道意图阶段所述关联参数的参数平均值作为决策树分裂的特征,计算所述关联参数的平均值的基尼系数值,并依照数值大小进行排序,选出序位满足预设筛选序位的关联参数的平均值并以所述关联参数的平均值对应的基尼系数值作为所述关联参数对于驾驶人换道意图识别重要度的依据。
4.根据权利要求3所述的驾驶人换道意图识别方法,其特征是,将换道意图阶段所述关联参数的平均值作为决策树分裂的特征,计算所述关联参数的平均值的基尼系数值,包括:所有所述特征形成特征数据集;
选取所述特征数据集中任一所述特征为节点,进行决策树分裂,获取分裂后所述特征数据集中基尼不纯度的减少量并将其配置为选定的所述特征对应的基尼系数值;根据所述特征对应的基尼系数值生成所述特征对应所述关联参数平均值的基尼系数值,重复本步骤直至得到所有所述特征对应关联参数平均值的基尼系数值。
5.根据权利要求4所述的驾驶人换道意图识别方法,其特征是,选出与驾驶人换道意图关联紧密的表征参数,包括:将车辆换道过程中的关联参数基于基尼不纯度与皮尔逊相关性分析筛选出作为所述与驾驶人换道意图关联紧密的表征参数。
6.根据权利要求1-5任一所述的驾驶人换道意图识别方法,其特征是,基于K-means聚类,对归一化后的方向盘转角和车道偏离量的时间序列分别聚类,确定驾驶人换道意图起止时刻,生成驾驶人换道意图时窗宽度,包括:选取换道时车辆到达车道分界线前设定时长的方向盘转角和车辆偏离量的时间序列,两时间序列经归一化处理后,作为K-means聚类分析的观测集,并配置所述方向盘转角和车辆偏离量相应的聚类个数;
基于K-means聚类及所述方向盘转角和车辆偏离量相应的聚类个数,对所述方向盘转角和车道偏离量的时间序列分别聚类,并分别生成相应的所述方向盘转角和车道偏离量时间序列的聚类轨迹;
根据所述方向盘转角和车道偏离量时间序列的聚类轨迹分别确定所述方向盘转角和车道偏离量时间序列聚类轨迹相应的类别分界点;
根据所述方向盘转角时间序列聚类轨迹相应的类别分界点确定驾驶人换道意图起始时刻,根据所述车道偏离量时间序列聚类轨迹相应的类别分界点确定驾驶人换道意图终止时刻。
7.一种驾驶人换道意图识别系统,其特征是,包括:
识别单元,配置用于将当前车辆行驶数据输入驾驶人换道意图识别模型,用以输出驾驶人换道意图识别结果;
模型构建单元,配置用于:
基于历史车辆行驶数据生成与车辆换道过程有关的关联参数;
基于决策树的多值属性分裂原理,利用基尼系数值确定所述关联参数对驾驶人换道意图识别的重要度,选出与驾驶人换道意图关联紧密的表征参数,构建驾驶人换道意图表征参数组,其中,所述表征参数包括方向盘转角、车道偏离量和横摆角加速度;
基于K-means聚类,对归一化后的方向盘转角和车道偏离量的时间序列分别聚类,确定驾驶人换道意图起止时刻,生成驾驶人换道意图时窗宽度;
基于高斯概率密度函数和隐马尔可夫理论建立初始模型,以所述表征参数组成的多维变量的时间序列训练样本集,结合所述驾驶人换道意图时窗宽度对所述初始模型进行训练进而生成驾驶人换道意图识别模型,用于驾驶人换道意图识别。
8.根据权利要求7所述的驾驶人换道意图识别系统,其特征是,输出的驾驶人换道意图识别结果包括左换道、右换道、直行的任一一种。
9.根据权利要求8所述的驾驶人换道意图识别系统,其特征是,模型构建单元基于决策树的多值属性分裂原理,利用基尼系数值确定所述关联参数对于驾驶人换道意图识别的重要度,包括:基于决策树的多值属性分裂原理,将换道意图阶段所述关联参数的平均值作为决策树分裂的特征,计算所述关联参数的平均值的基尼系数值,并依照数值大小进行排序,选出序位满足预设筛选序位的关联参数的平均值并以所述关联参数的平均值对应的基尼系数值作为所述关联参数对于驾驶人换道意图识别重要度的依据。
10.根据权利要求9所述的驾驶人换道意图识别系统,其特征是,模型构建单元基于K-means聚类,对归一化后的方向盘转角和车道偏离量的时间序列分别聚类,确定驾驶人换道意图起止时刻,生成驾驶人换道意图时窗宽度,包括:选取换道时车辆到达车道分界线前设定时长的方向盘转角和车辆偏离量的时间序列,两时间序列经归一化处理后,作为K-means聚类分析的观测集,并配置所述方向盘转角和车辆偏离量相应的聚类个数;
基于K-means聚类及所述方向盘转角和车辆偏离量相应的聚类个数,对所述方向盘转角和车道偏离量的时间序列分别聚类,并分别生成相应的所述方向盘转角和车道偏离量时间序列的聚类轨迹;
根据所述方向盘转角和车道偏离量时间序列的聚类轨迹分别确定所述方向盘转角和车道偏离量时间序列聚类轨迹相应的类别分界点;
根据所述方向盘转角时间序列聚类轨迹相应的类别分界点确定驾驶人换道意图起始时刻,根据所述车道偏离量时间序列聚类轨迹相应的类别分界点确定驾驶人换道意图终止时刻。