[发明专利]一种周边车辆行为识别方法

说明书

本发明公开了一种基于V2V通信与HMM‑GBDT混合模型的周边车辆行为识别方法，属于车辆智能驾驶领域，包括：a.离线训练环节：归纳并划分典型的周边车辆行为，针对每种典型行为，基于实车平台采集真实交通场景下的周边车辆的行驶信息，提取轨迹特征数据，对HMM‑GBDT混合模型进行参数学习。b.在线检测环节：被跟踪目标车辆将采集到的自车行驶信息实时传输给主车，主车结合两车轨迹特征数据构成新的特征观测序列，利用训练好的HMM‑GBDT混合模型辨别被跟踪车辆所属行为模式。本发明以被动接收信息的方式获取车辆历史轨迹特征，避免主动探测受交通状况、环境因素的影响；不依赖于一般车联网系统中的固定基站，保证信息传递即时，对目标车辆行为作出准确识别。

技术领域

本发明属于车辆智能驾驶领域，特别是涉及一种基于V2V通信与HMM-GBDT混合模型的周边车辆行为识别方法。

背景技术

近年来，通过分析车辆历史轨迹特征来进行车辆行为识别已成为研究人员关注的热点问题之一。行为识别的关键是学习车辆的行为模式，建立行为识别模型，然后通过训练好的车辆行为识别模型进行车辆行为识别，甚至能对车辆行为进行预测。

为了给周边车辆行为识别模型提供训练样本，首先要利用V2V技术交换彼此的状态信息，以此提取车辆轨迹特征数据。V2V技术最开始由一些美国车企提出，通过安装在车辆上的无线通信模块，使得车辆间能够实现信息互通，可以交换彼此的状态信息，对车辆的行为作出识别，以提前预知可能出现的危险情况，为智能车辆的路径规划提供参考依据。国外学者Raja Sengupta等通过道路试验证明V2V技术在小范围低速情况下，能够有效预警，避免车辆发生碰撞。V2V同时也必须克服复杂的通信环境，由高速移动引发的多普勒效应以及复杂的通信环境将导致严重的无线损耗，车辆间通信的相互干扰也将扮演重要角色。

TE-A即将结束D2D(device-to-device,设备到设备)Release 13的标准化研究，在D2D 模式下，地理位置很近的终端可以不经过基站，直接进行通信。D2D将成为支持本地数据交换的V2V业务的有利解决方案。

针对周边车辆行为识别实时性、可靠性的要求，研究人员一般采用基于HMM的车辆轨迹建模方法对车辆行为作出识别，现有的技术方案一般采用雷达或摄像头获取周边车辆的行驶轨迹，这种主动获取数据的方式对如光照、雾霾等自然环境、遮挡等交通状况较为敏感，这对在动态障碍物中识别出车辆会造成困难，进而影响到所获取周边车辆轨迹数据的完整性、精确性；而通过V2V通信的方式能有效避免上述缺陷，车与车在信息交换时会告知对方车辆自车的独立IP，表明车辆身份；交换的轨迹数据都由自车实时获取，无论是作为HMM 模型参数学习的输入，还是在线检测的输入，都能保证信息的完整可靠；同时V2V通信不依赖于一般车联网系统中大量的固定基站，而是以周边车辆建立端到端的通讯族群，在族群内建立良好的信号覆盖，使信息传输具备高速率、低延时的特点；在观测特征的选取上，现有的方法一般只选择周边车辆相对位置信息，以相邻采样时刻被跟踪车辆行驶方向角的改变作为轨迹特征，采用此单一特征的形式只能获取被跟踪车辆在行驶过程中方向的变化，而采用被跟踪车辆与主车相对位置、相对速度联合特征的形式可以在稍许增加观测特征复杂度的同时，极大丰富被跟踪车辆与主车的相对属性；现有的技术方案中，HMM车辆轨迹建模方法对属于本类型车辆轨迹具有较高的识别率，但是并没有考虑其他类型车辆轨迹负样本的负面影响，导致在多种车辆行为识别上，分类能力并不理想，而GBDT对连续特征具有极强的划分能力，利用HMM优良的车辆轨迹建模能力和GBDT极强的分类能力形成的HMM-GBDT混合模型，可以突破纯HMM在分类能力上的限制，提高车辆行为识别的准确率。

发明内容

本发明提出了一种车辆行为识别方法，能够准确地对周边车辆的行为作出识别，为智能车辆的轨迹规划提供参考依据。

本发明的目的可以通过以下技术方案来实现：

一种基于V2V通信与HMM-GBDT混合模型的周边车辆行为识别方法，包括：