1.一种驾驶相似度计算方法,其特征在于,包括以下步骤:
步骤S1、获取基准车辆数据和目标车辆数据;
步骤S2、根据所述基准车辆数据中基准车辆所处位置信息、所处多车位置拓扑信息、单一车辆的运动状态信息,得到基准车辆驾驶信息;
步骤S3、根据所述目标车辆数据中目标车辆所处位置信息、所处多车位置拓扑信息、单一车辆的运动状态信息,得到目标车辆驾驶信息;
步骤S4、根据基准车辆驾驶信息和目标车辆驾驶信息,得到基准车辆与目标车辆的所处位置相似度、所处多车位置拓扑结构相似度、拓扑属性相似度和运动状态相似度;
步骤S5、根据所述所处位置相似度、所处多车位置拓扑结构相似度、拓扑属性相似度和运动状态相似度,得到基准车辆与目标车辆综合单一车辆与多车辆位置拓扑信息的相似度;
构建目标车辆与基准车辆之间的驾驶相似度模型如下:
sim=simenv·simGA
其中,simGA=simtopology·simmotion,simtopology=simtop_struc·simtop_val,simenv、simtopology与simmotion分别代表目标车辆与基准车辆所处环境相似度、目标车辆与基准车辆的所处多车拓扑相似度、目标车辆与基准车辆的运动状态相似度,simtop_struc与simtop_val分别代表拓扑结构相似度和拓扑属性相似度;
基于两车辆(v1,v2)位置(locv1,locv2)之间的相近关系,定义环境相似度模型如下:其中,σ代表模型对“位置相近”定义的集中程度;
基于杰卡德相似性度量,定义修正的杰卡德相似性度量及两车辆(v1,v2)所处拓扑结构相似性如下:其中,
其中,fv1,i与fv2,i分别表示车辆v1和v2所在的多车位置拓扑中i位置是否存在交通车;
基于皮尔逊相关系数,分别定义两车辆(v1,v2)所处拓扑的属性相似度simtop_val和运动相似度simmotion:
2.如权利要求1所述的驾驶相似度计算方法,其特征在于,步骤S1中,根据驾驶行为,从自然驾驶数据集中提取执行该行为的车辆数据,作为基准车辆数据。
3.如权利要求2所述的驾驶相似度计算方法,其特征在于,步骤S1中,以基准车辆的行驶位置和时间为条件,从非基准车辆数据中获取位置相近且时间相近的车辆数据作为目标车辆数据。
4.如权利要求3所述的驾驶相似度计算方法,其特征在于,步骤S5基准车辆与目标车辆综合单一车辆与多车辆位置拓扑信息的相似度计算公式为:
5.一种实现权利要求1所述的驾驶相似度计算方法的驾驶相似度计算装置,其特征在于,包括以下步骤:获取模块,用于获取基准车辆数据和目标车辆数据;
第一处理模块,用于根据所述基准车辆数据中基准车辆所处位置信息、所处多车位置拓扑信息、单一车辆的运动状态信息,得到基准车辆驾驶信息;
第二处理模块,根据所述目标车辆数据中目标车辆所处位置信息、所处多车位置拓扑信息、单一车辆的运动状态信息,得到目标车辆驾驶信息;
第一计算模块,用于根据基准车辆驾驶信息和目标车辆驾驶信息,得到基准车辆与目标车辆的所处位置相似度、所处多车位置拓扑结构相似度、拓扑属性相似度和运动状态相似度;
第二计算模块,用于根据所述所处位置相似度、所处多车位置拓扑结构相似度、拓扑属性相似度和运动状态相似度,得到基准车辆与目标车辆综合单一车辆与多车辆位置拓扑信息的相似度。
6.如权利要求5所述的驾驶相似度计算装置,其特征在于,所述获取模块中,根据驾驶行为从自然驾驶数据集中提取执行该行为的车辆数据作为基准车辆数据。
7.如权利要求6所述的驾驶相似度计算装置,其特征在于,所述获取模块中,以基准车辆的行驶位置和时间为条件从非基准车辆数据中获取位置相近且时间相近的车辆数据作为目标车辆数据。
8.如权利要求7所述的驾驶相似度计算装置,其特征在于,所述第二计算模块中,基准车辆与目标车辆综合单一车辆与多车辆位置拓扑信息的相似度计算公式为: