[发明专利]基于受限玻尔兹曼机的驾驶员活跃程度识别方法及系统

说明书

本发明公开了一种基于受限玻尔兹曼机的驾驶员活跃程度识别方法及系统，涉及自动驾驶技术领域，解决了驾驶员驾驶活跃程度不能够便捷的应用于人机交互控制权限分配设计中的技术问题，其技术方案要点是通过受限玻尔兹曼机对驾驶员活跃程度进行建模分析，系统结构简单，逻辑清晰，运算成本小，能高效应对连续时变的应用场景，具有强实时性。整个GB‑RBM网络系统可应用于个性化的高级驾驶辅助系统，对驾驶员活跃程度评估的结果直接明确，可以直接应用于人‑车共享控制权限的分配策略等各类决策控制模型中，具备高灵活性，强泛用性的优势。

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种基于受限玻尔兹曼机的驾驶员活跃程度识别方法及系统。

背景技术

驾驶员行为的不确定性严重影响着道路安全，给驾驶员与自动控制器之间的协同控制带来了严峻的挑战。驾驶员因疲劳、注意力分散等原因造成的误操作行为在过去的几十年里造成了大量的交通事故，世界卫生组织进行的调查表明，每年有130万人死于误操作引发的交通事故。

通过实时监测驾驶员的驾驶状态来实现人机共享控制权限的分配，可以有效的在驾驶员精力不足或注意分散等情况下，实现个性化的、有针对性的高级智能驾驶辅助，提升行驶安全性和人机信任感。其中，驾驶活跃度是一项被用于表征驾驶员特征的定量指标，指的是驾驶员控制车辆纵向和横向运动的意图。

然而，当前市面上大部分车辆装载的驾驶辅助系统主要集中于针对外部条件提供监测和预警功能，原理是通过传感器感知周围环境来判断行车条件、做出预警并进行相应的自动辅助机制。由于没有考虑驾驶员的行为与状态，这种条件式驾驶辅助系统不具备全面性和灵活性，使得驾驶辅助系统舒适性较差，甚至会降低驾驶员对驾驶辅助系统的信任感，因而，没有办法完全发挥驾驶辅助系统的市场潜力。在高等级驾驶辅助系统中，驾驶员仍然作为一名重要的驾驶参与者，所以，对驾驶员在驾驶过程中的操作意图，尤其是对油门和方向盘的控制意图的准确建模分析在此类辅助系统中显得极为重要。如果驾驶辅助系统没有准确识别驾驶员的驾驶活跃度，系统会出现判断错误的情形，这会极大地干扰驾驶员的精神状态，降低驾驶员对驾驶辅助系统的信任能力。因此，对驾驶员活跃程度的准确建模分析，在人-车共享控制的先进驾驶辅助系统的实用性和安全性的提升有重要意义。

发明内容

本申请提供了一种基于受限玻尔兹曼机的驾驶员活跃程度识别方法及系统，其技术目的是利用GB-RBM算法，通过两级并行的网络结构，对驾驶员的驾驶活跃程度进行实时分析与评估，使驾驶员活跃度能够便捷的应用于人机交互控制权限分配设计中。

本申请的上述技术目的是通过以下技术方案得以实现的：

一种基于受限玻尔兹曼机的驾驶员活跃程度识别方法，包括：

构建三个独立的GB-RBM网络，分别为第一GB-RBM网络、第二GB-RBM网络和第三GB-RBM网络，所述第一GB-RBM网络和所述第二GB-RBM网络形成第一级网络，所述第三GB-RBM网络形成第二级网络；

获取纵向速度v_x、纵向加速度a_x、方向盘转向角δ_d和方向盘转向角的变化率

所述第一GB-RBM网络通过纵向速度v_x和纵向加速度a_x对驾驶员的纵向活跃度进行监测，得到纵向活跃度指数P₁；同时所述第二GB-RBM网络通过方向盘转向角δ_d和方向盘转向角的变化率对驾驶员的横向活跃度进行监测，得到横向活跃度指数P₂；

将所述纵向活跃度指数P₁和所述横向活跃度指数P₂输入到所述第三GB-RBM网络，得到综合活跃度指数P₃；

通过所述综合活跃度指数P₃对驾驶员活跃程度进行识别；