[发明专利]一种基于规则与机器学习融合的换道决策方法及系统

权利要求书

1.一种基于规则与机器学习融合的换道决策方法，其特征在于，包括：

从NGSIM数据集中获取车辆换道数据；所述车辆换道数据包括：当前车道前车与主车的车距、当前车道前车的速度、当前车道前车的加速度、当前车道前车与主车的时距、目标车道前车与主车的车距、目标车道前车的速度、目标车道前车的加速度、目标车道前车与主车的时距、目标车道后车与主车的车距、目标车道后车的速度、目标车道后车的加速度、目标车道后车与主车的时距以及主车的车速；

根据所述主车的车速、所述当前车道前车的车速以及所述当前车道前车与主车的距离确定换道必要性特征；所述换道必要性特征包括：主车与当前车道前车的车速之差、当前车道前车与主车的距离与期望车距之差、当前车道t′秒后车距以及当前车道t′秒后时距；

根据所述主车的车速、所述目标车道的前车与主车的距离、所述目标车道前车的车速、所述目标车道后车与主车的距离以及所述目标车道后车的车速确定换道安全性特征；所述换道安全性特征为目标车道前、后车之间的距离与换道最小安全距离之差；所述换道最小安全距离为主车长度加上安全阈值；

根据所述主车的车速、所述当前车道前车与主车的距离、所述当前车道前车的车速、所述目标车道前车与主车的距离以及所述目标车道前车的车速确定换道收益特征；所述换道收益特征包括：当前车道前车与目标车道前车的车速差、当前车道前车与目标车道前车的车距差、t′秒后当前车道前车与目标车道前车的车速差、t′秒后当前车道前车与目标车道前车的时距之差、当前车道前车与主车的距离与期望车距之差、当前车道前车与目标车道前车的时距之差以及t′秒后目标车道空间与前车的车距差；

利用所述车辆换道数据、所述换道必要性特征、所述换道安全性特征以及所述换道收益特征训练换道决策模型，确定训练好的换道决策模型；所述训练好的换道决策模型以所述车辆换道数据、所述换道必要性特征、所述换道安全性特征以及所述换道收益特征为输入，以换道决策为输出；所述换道决策为执行换道或不执行换道；

利用所述训练好的换道决策模型确定换道决策。

2.根据权利要求1所述的一种基于规则与机器学习融合的换道决策方法，其特征在于，所述从NGSIM数据集中获取车辆换道数据，具体包括：

利用滑动平均滤波方法对所述NGSIM数据集进行滤波平滑处理；

对滤波平滑处理后的NGSIM数据集进行数据清洗与筛选，确定车辆换道数据。

3.根据权利要求1所述的一种基于规则与机器学习融合的换道决策方法，其特征在于，所述从NGSIM数据集中获取车辆换道数据，之后还包括：

对所述车辆换道数据进行归一化处理。

4.根据权利要求3所述的一种基于规则与机器学习融合的换道决策方法，其特征在于，所述利用所述车辆换道数据、所述换道必要性特征、所述换道安全性特征以及所述换道收益特征训练换道决策模型，确定训练好的换道决策模型，之前还包括：

根据所述车辆换道数据，采用支持向量机分类函数确定换道决策模型；

对所述换道决策模型进行贝叶斯优化；

利用五折交叉验证方法对优化后的换道决策模型进行测试。