[发明专利]一种驾驶员加速特性在线分类与辨识方法

说明书

本发明公开了一种驾驶员加速特性在线分类与辨识方法，包括：步骤一、采集样本数据：选取多名驾驶员进行数据采集；步骤二、实验数据预处理：即对实验数据进行重采样和均值滤波；步骤三、读取特征值数据；步骤四、对特征值数据进行归一化预处理；步骤五、采用k‑means聚类算法分别将四个指标的特征值分类；步骤六、根据得到的特征数据类建立基于高斯混合‑隐马尔可夫模型GM‑HMM框架的识别模型，得到识别结果，本发明能够使驾驶员自我评估驾驶加速特性类别。

技术领域

本发明涉及车辆控制技术领域，尤其涉及一种驾驶员加速特性在线分类与辨识方法。

背景技术

目前，在驾驶员加速特性辨识方面的研究，国内外的研究还处于起步阶段。国外研究机构研究了道路交叉口驾驶员意图辨识，基于稀疏贝叶斯方法建立了驾驶员行为预测系统，验证结果表明对交叉口驾驶员前1.25秒的转向行为识别率达到90％以上。根据驾驶员的操纵输入、本车到前车的距离以及车辆的响应状态等信息，提出操纵危险系数的概念，将驾驶员行为分为谨慎型、一般型、专业型和鲁莽型。国内研究人员以加速踏板开度和加速踏板开度变化率为输入层节点，建立了5层模糊神经网络层，利用某混合动力汽车的实际运行数据对模糊神经网络进行离线训练，现有技术中，中国专利申请号为201510316775.4，公告日为2015年11月11日，发明名称为一种驾驶员转向特性在线辨识方法及装置，该研究只对驾驶员的转向意图进行识别，没有涉及到驾驶员行为特性，其模型训练输入参数比较单一，当前纵向车速与加速度也属于参考数据，神经网络算法无法解决过度训练导致的发散问题。

发明内容

本发明设计开发了一种驾驶员加速特性在线分类与辨识方法，目的是提供一种驾驶车辆加速类型的判别方法，从可观察的参数中确定该过程的隐含参数，然后利用这些参数来做进一步的评估得到驾驶加速特性类别。

本发明提供的技术方案为：

一种驾驶员加速特性在线分类与辨识方法，包括：

步骤一、采集样本数据：选取多名驾驶员进行数据采集，其中数据指标包括：加速踏板开度变化率、加速踏板开度、加速度和速度；

步骤二、实验数据预处理：即对实验数据进行重采样和均值滤波；

步骤三、读取特征值数据：对预处理完成的数据提取特征值，得到汽车加速过程中加速踏板开度变化率峰值、加速踏板开度峰值、加速度峰值以及加速踏板开度变化率达到峰值时刻对应的纵向车速；

步骤四、对特征值数据进行归一化预处理；

步骤五、采用k-means聚类算法分别将四个指标的特征值分类；

步骤六、根据得到的特征数据类建立基于高斯混合-隐马尔可夫模型GM-HMM框架的识别模型，得到识别结果；

其中，所述基于高斯混合-隐马尔可夫模型GM-HMM框架的识别模型的表达式为：λ＝(π,A,c,μ,∑)；π为初始状态概率矩阵，A为状态转移概率矩阵，c为组合系数，μ为均值矢量，Σ为方差矩阵；

所述辨识模型GM-HMM的隐状态为3，观察序列为3，训练函数为隐马尔可夫模型函数，迭代次数最大值为100。

优选的是，所述步骤五中的k-means聚类算法，包括：

(1)输入聚类数目k和待分类的样本数据Data；

(2)在样本数据中随机选取k个元素作为初始聚类质心点；

(3)利用欧式距离计算剩下的元素与k各聚类质心点的距离，根据最小距离的原则划分这些元素；

(4)分别取k个簇中所有元素的算术平均数，作为新的聚类中心；

(5)将数据样本Data中的全部元素按照新的聚类中心重新聚类；