1.基于GMM‑HMM的高速公路他车超车换道意图识别方法,其特征是:该方法由以下步骤实现:步骤一、提取超车后换道及超车后直行的样本数据,并选择特征参数;所述特征参数包括超车车辆横向速度vy,超车车辆右侧车身离车道线距离Δy以及两车的车速差Δvx;将所述样本数据划分为观测数据和测试数据;
步骤二、基于K‑means算法分别对步骤一特征参数对应的超车后换道数据和超车后直行数据进行聚类以确定隐状态个数;再根据聚类结果对各隐状态对应数据进行聚类,聚类个数由肘部法则确定,取较大者为高斯分量个数;
步骤三、对GMM‑HMM模型参数进行训练;
先对各组长度不等观测数据进行一次GMM‑HMM参数训练迭代,将本次迭代结果进行融合作为本次迭代最终结果;重复该过程直至结果收敛;
采用Baum‑Welch算法对各个参数进行优化迭代;
分别计算各组长度不等观测序列的前向后向概率αt(i)、βt(i),和放大系数由 得多组观测序列状态转移矩阵;
式中,K为序列组数,前向概率αt(i)=p(o1,o2,...,ot,qt=si|λ),后向概率βt(i)=p(ot+1,ot+2,...,oT|qt=si,λ),λ为模型参数,O={o1,o2,...,oT}为观测序列,长度为T的状态序列Q={q1,q2,...,qT},qt∈S,t=1,2,...,T;S为隐状态集合,S={s1,s2,...,sN};
其他GMM‑HMM参数同理,重复该过程直至收敛;
步骤四、对测试集数据进行测试;
分别计算测试集观测序列在超车换道和超车直行模型中后验概率,取后验概率值大的作为辨识结果。
2.根据权利要求1所述的基于GMM‑HMM的高速公路他车超车换道意图识别方法,其特征在于:步骤二中,获取GMM‑HMM训练初值,所述训练初值包括隐状态个数、各隐状态包含的高斯分量个数、各高斯分量的权重、高斯均值矩阵和协方差矩阵。