[发明专利]基于神经网络的驾驶员转向介入识别方法

说明书

本发明实施例提供一种基于神经网络的驾驶员转向介入方法。所述方法包括：实时对待检测车辆的运行状态进行监测并获取当前时刻所述待检测车辆的运行信息，运行信息包括：第一方向盘实际转角、第一目标转角、第一车速、第一方向盘转速、第一车辆加速度和第一路面附着系数；将第一方向盘实际转角、第一目标转角、第一车速、第一方向盘转速、第一车辆加速度和第一路面附着系数输入到识别模型中进行识别，获得是否有驾驶员转向介入的识别结果。所述装置用于执行所述方法。本发明实施例通过获取当前时刻所述待检测车辆的运行信息，并将运行信息输入到预先构建的识别模型中，从而能够准确的识别出是否有驾驶员转向介入，从而保证自动驾驶的安全性。

技术领域

本发明涉及智能交通领域，具体而言，涉及一种基于神经网络的驾驶员转向介入识别方法。

背景技术

随着城市化进程的发展和交通运输技术的进步，地铁、轻轨等轨道智能交通工具得到了广泛的应用，汽车领域也不例外，目前，各种品牌的汽车生产商将目光转移到了智能汽车上，致力于实现自动驾驶功能。

在智能汽车的自动驾驶过程中，方向盘由主动转向系统控制；但驾驶员有时需要取回转向控制权，从而介入方向控制，因此，需要对驾驶员的转向介入进行识别，从而实现人机协同的智能驾驶。现有的检测技术是基于力传感器、力矩传感器等，通过检测驾驶员与方向盘的接触来进行介入判断。但是，这种利用增加传感器的方案准确度不高，容易受到噪声的影响，在不同路况下判断依据也难以统一。由于存在上述问题，导致方向盘的转向控制权无法准确的转换，如果在某些危险情况下，可能带来人员伤害。

因此，如何提高驾驶员转向介入识别的准确性，提高自动驾驶的安全性是现如今亟待解决的课题。

发明内容

有鉴于此，本发明实施例的目的在于提供一种基于神经网络的驾驶员转向介入方法及装置，以解决驾驶员转向介入识别的准确性低的问题。

第一方面，本发明实施例提供了一种基于神经网络的驾驶员转向介入方法，包括：

实时对待检测车辆的运行状态进行监测，并获取当前预设时间段内所述待检测车辆的运行信息，所述运行信息，包括：第一方向盘实际转角、第一目标转角、第一车速、第一方向盘转速、第一车辆加速度和第一路面附着系数；

将所述第一方向盘实际转角、所述第一目标转角、所述第一车速、第一方向盘转速、第一车辆加速度和所述第一路面附着系数输入到识别模型中进行识别，获得是否有驾驶员转向介入的识别结果。

进一步地，所述方法，还包括：

获取训练样本，所述训练样本为多辆汽车在历史时间段内的运行信息，且所述训练样本包括：第二方向盘实际转角、第二目标转角、第二车速、第二方向盘转速、第二车辆加速度、第二路面附着系数和驾驶员介入信息；

将所述第二方向盘实际转角、所述第二目标转角、所述第二车速、第二方向盘转速、第二车辆加速度和所述第二路面附着系数输入作为输入，所述驾驶员介入信息作为输出，对神经网络进行训练，获得所述识别模型。

进一步地，所述方法，还包括：

通过交叉验证法对所述识别模型进行验证。

进一步地，所述方法，还包括：

对所述训练样本进行数据预处理，所述数据预处理包括：清洗、去重和异常值剔除。

进一步地，所述将所述第一方向盘实际转角、所述第一目标转角、所述第一车速和所述第一路面附着系数输入到识别模型中进行识别，获得是否有驾驶员转向介入的识别结果，包括：

将所述第一方向盘实际转角、所述第一目标转角、所述第一车速和所述第一路面附着系数输入到识别模型中进行识别，计算得到对应的驾驶员转向介入概率值；