1.一种融合多样化驾驶习惯的智能汽车自主避障方法,其特征在于,包括:步骤1,获取不同驾驶员的自然驾驶数据集;
步骤2,从所述自然驾驶数据集中提取目标参数数据;
步骤3,通过改进的K均值聚类算法对多样化驾驶习惯进行分类,得到不同分类驾驶习惯的目标参数数据,其中,改进的K均值聚类算法在数据处理阶段,采用标准差均值的归一化策略,在寻找最佳聚类中心阶段,采用加权聚类距离来寻找最佳聚类中心位置,此外,采用改进的聚类目标函数,对运行次数和聚类距离进行综合计算;
步骤4,根据不同分类驾驶习惯的目标参数数据,构建避障路径评价函数;
步骤5,根据不同分类驾驶习惯的目标参数数据和避障路径评价函数构建不同驾驶习惯的避障路径规划模型;
步骤6,通过构建的不同驾驶习惯的避障路径规划模型,生成匹配不同驾驶习惯的避障路径,完成自主避障。
2.根据权利要求1所述的融合多样化驾驶习惯的智能汽车自主避障方法,其特征在于,步骤3中,改进的K均值聚类算法在数据处理阶段,采用标准差均值的归一化策略,满足以下条件式:其中,
步骤3中,在寻找最佳聚类中心阶段,采用加权聚类距离来寻找最佳聚类中心位置,满足以下条件式:其中,
步骤3中,采用改进的聚类目标函数,对运行次数和聚类距离进行综合计算,满足以下条件式:其中,
3.根据权利要求2所述的融合多样化驾驶习惯的智能汽车自主避障方法,其特征在于,步骤4满足以下条件式:其中,
4.根据权利要求3所述的融合多样化驾驶习惯的智能汽车自主避障方法,其特征在于,步骤5具体包括:步骤501,构建车辆行驶环境模型,并获得自车起始位置、终点位置以及周围车辆的速度和方向;
步骤502,根据不同分类驾驶习惯的目标参数数据构建不同驾驶习惯的路径约束;
步骤502,通过步骤502构建的路径约束和步骤4中构建的避障路径评价函数,得到融合不同驾驶习惯的动态窗口算法;
步骤503,基于融合不同驾驶习惯的动态窗口算法,构建不同驾驶习惯的避障路径规划模型。
5.根据权利要求4所述的融合多样化驾驶习惯的智能汽车自主避障方法,其特征在于,步骤502,满足以下条件式:换道安全距离
其中,
速度约束:
换道转向角约束:
其中,
6.根据权利要求5所述的融合多样化驾驶习惯的智能汽车自主避障方法,其特征在于,融合不同驾驶习惯的动态窗口算法的适应度函数,采用步骤4中构建的避障路径评价函数。