[发明专利]一种车载传感网节点移动智能驾驶员模型的构建方法

摘要

本发明公开了一种车载传感网节点移动智能驾驶员模型的构建方法，该方法以智能驾驶员模型为基础，对智能驾驶员模型中跟驰状态做出判断，将车辆移动过程中的相对速度、相对位置、时间依赖度、空间依赖度及路面依赖度5类不确定性指标作为节点移动云模型的影响因素集，利用云模型描述的不确定性指标引入智能驾驶员模型，对智能驾驶员模型中的相关参数进行修正，表征节点移动策略和移动规律。

主权项

1.一种车载传感网节点移动智能驾驶员模型的构建方法，其特征在于，该方法以智能驾驶员模型为基础，对智能驾驶员模型中跟驰状态做出判断，将车载网节点移动过程中的相对速度、相对位置、时间依赖度、空间依赖度及路面依赖度5类不确定性指标作为节点移动云模型的影响因素集，利用云模型描述的不确定性指标引入智能驾驶员模型，对智能驾驶员模型中的相关参数进行修正，表征节点移动策略和移动规律；所述相关参数修正方法为：步骤一，计算模型给出“智能”数据对各个指标分类的激活程度，即隶属度值，由隶属度最大值确定数据所属分类；步骤二，由Y条件云发生器生成最大隶属度值的云滴drop(x_i,u_max)，其中，i＝1,2,3…n，u_max表示最大隶属度值，x_i表示云模型的输出值；步骤三，对x_i进行数学平均的x则为经云模型修正的参数值，其中，Y条件云发生器算法公式为式中，E_y、E_n、H_e是指标数据所属分类的云数字特征，x_i表示云模型的输出值，R_n为产生随机数的标志，y_i表示正态分布随机数，u_i表示隶属度；所述的云模型修正的参数如下：(1)相对速度Δv、相对位置Δs修正将云模型描述的相对速度、相对位置指标引入智能驾驶员模型，对模型中精确的速度差和间距进行修正，使其符合驾驶员感知；综合驾驶员的心理‑行为习惯，结合云模型关于概念划分理论，将相对速度划分为5个子集：{快很多，快一些，接近，慢一些，慢很多}，对应于{Δv₁、Δv₂、Δv₃、Δv₄、Δv₅}；判断模型给出的“智能”数据对应的定性概念分类，完成定量数据到定性概念的转换，这符合驾驶员对相对速度、相对位置判断的分类，驾驶员往往也是对相对速度进行感觉，感知得出是“快一些”，还是“慢一些”，“接近”，“慢一些”，“慢很多”；再由云发生器生成同一隶属度的云滴，相当于驾驶员对这些数据值感觉上是一致的；将这些云滴的数学平均值作为指标的修正值，将云模型修正的相对速度Δv、相对位置Δs指标引入智能驾驶员模型，修正的加速度和期望间距公式为：其中，Δv、Δs都是经云模型修正后的值，a表示车辆的最大加速度，s₀表示的是安全距离，b表示减速度，T表示驾驶员的反应时间；(2)反应时间修正将时间依赖度τ指标引入智能驾驶员模型，补偿驾驶员从感知周围信息变化直至做出回应所消耗的时间，时间依赖度值经云模型修正，反映到对车辆加速度进行修正，修正的加速度值公式如下：其中，τ表示经云模型修正后的值；(3)期望速度修正引入空间依赖度k，以受天气条件影响的能见度为中间变量，量化雨、雪和大雾对驾驶员视距和心理的影响，对车辆的期望速度进行修正，公式为：v_k＝k·v₀其中，v_k表示不同视距条件下的期望速度；v₀表示理想视距条件下的期望速度；k表示经过云模型修正的根据不同能见度条件下得出的空间依赖度；(4)安全跟车时距修正引入路面依赖度l，以路面附着系数为中间变量，量化雨、雪和冰恶劣天气条件及不同路面对车辆节点移动的微观影响，表征车辆节点在刹车减速时路面可提供的依赖程度的大小，对车辆的安全跟车时距进行修正，公式为：T_l＝T₀/l其中，T_l表示不同路面条件的安全跟车时距，T₀表示正常的道路条件即干燥的柏油/混凝土路面的理想安全跟车时距，l表示通过云模型修正的根据不同路面条件得出的路面依赖度。