[发明专利]一种基于驾驶员行为的运动车辆状态预测方法

说明书

本发明公开了一种基于驾驶员行为的运动车辆状态预测方法，为提高运动车辆状态预测的准确性和鲁棒性，考虑了驾驶员的避免超速和与前车防追尾行为，使预测过程更贴近于交通实际；利用人工势场法中的斥力场对上述两种驾驶员行为进行分析，首先考虑避免超速这一驾驶员行为，设计由速度上限产生的斥力场，对其求梯度得到由速度上限产生的虚拟力；根据车辆与前车的最小安全距离，设计防追尾斥力场，将驾驶员行为融入自适应无迹卡尔曼滤波中，并采用斥力场对上述这两种驾驶员行为进行分析，分别对斥力场求梯度，得到虚拟力，随后建立融合驾驶员行为的自适应无迹卡尔曼滤波方程，提高车辆状态预测的准确性和鲁棒性。

技术领域

本发明属于交通信息检测与图像处理的交叉领域，涉及运动车辆的状态预测方法，特别是一种基于驾驶员行为的运动车辆状态预测方法。

背景技术

利用空中航拍视频对运动车辆进行状态预测，是车辆跟踪的重要步骤。只有通过对前一时刻的估计值和当前时刻的观测值来进行状态预测，才能获取当前时刻的估计值以及下一时刻的预测值，进而确定运动车辆的位置，实现车辆的状态预测。运动车辆受地面复杂交通环境的影响，难免在某些帧图像中被建筑物、桥梁、大型车辆等遮挡，此时有效的车辆状态预测至关重要。构造合适的预测模型来预测未来某一时间段内车辆的运动状态，实现车辆状态预测，可用于车辆轨迹、车辆速度以及加速度的提取，并为后续的运动车辆跟踪、交通行为分析提供参考。

传统的运动车辆预测方法存在一些局限。比如未考虑驾驶员行为对车辆状态预测的影响，预测精度不高。近年来，关于运动车辆预测研究已经取得了很大的进展。比如，采用线性运动模型预测待预测车辆状态；也可采用常系数运动模型来确定车辆状态；通过扩展卡尔曼滤波算法，来估计待预测车辆的运动状态；运用无迹卡尔曼滤波进行状态预测，用于确定车辆的运动状态；甚至也有学者将粒子滤波运用到运动车辆预测中，以此来进行状态预测。

以上算法并未考虑到在实际交通环境中，车辆行驶易受到交通法规和安全行驶的影响，忽略了驾驶员因要避免超速行驶和防追尾等产生的驾驶行为，运动车辆状态预测算法的准确率和鲁棒性均有待提高。

发明内容

本发明的目的在于提供一种基于驾驶员行为的运动车辆状态预测方法，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种基于驾驶员行为的运动车辆状态预测方法，包括以下步骤：

步骤1)、获取运动车辆的视频图像，从而得到驾驶员行为；

步骤2)、对驾驶员行为进行人工势场法分析，获取驾驶员行为的斥力场求梯度和虚拟力；

步骤3)、将驾驶员行为的斥力场求梯度和虚拟力结合自适应无迹卡尔曼滤波法建立融合驾驶员行为的运动方程，实现车辆运动状态预测。

进一步的，具体的获取运动车辆的航拍视频图像，建立驾驶员行为参数：避免超速行驶和防追尾，建模为虚拟力场。

进一步的，由速度上限产生的斥力场为：

其中，为速度上限产生的斥力场，k表示第k帧视频；为车辆θ的速度，为车辆θ在x坐标轴的分速度，为车辆θ在y坐标轴的分速度；上标s代表避免超速；为车辆θ的速度上限；a₀和b₀均为正系数，代表斥力场的幅值和响应速度；

对由速度上限产生的斥力场求梯度，得斥力场产生的斥力为：

其中，为斥力场产生的斥力；为微分算子。

进一步的，建立防追尾斥力场：