申请/专利权人：南京经纬达汽车科技有限公司

申请日：2021-02-26

公开（公告）日：2021-06-08

公开（公告）号：CN112926657A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.06.25#实质审查的生效;2021.06.08#公开

摘要：本发明公开了一种驾驶员加速意图建模方法和识别方法，建模步骤包括：进行模拟驾驶试验，采集的试验数据包括加速踏板行程、加速踏板行程导数和纵向加速度；试验数据归一化处理和聚类；划分数据集；训练和测试基于GM‑HMM的加速意图模型。识别方法采用所获得的基于GM‑HMM的加速意图模型，实时检测车辆的加速踏板行程、加速踏板行程导数和纵向加速度，根据模型进行驾驶员加速意图识别。本发明通过K‑Medoids聚类算法和GM‑HMM算法建立驾驶员加速意图模型，建模成本低廉，所得模型精度高、实时性好，根据该模型识别驾驶员加速意图，结合车辆加速控制策略可为用户带来更好的驾驶感受。

主权项：1.一种驾驶员加速意图建模方法，其特征在于，包括以下步骤：进行模拟驾驶试验并采集数据：驾驶员使用模拟驾驶器进行模拟驾驶试验，采集多组试验数据，每组试验数据包括加速踏板行程、加速踏板行程导数和纵向加速度；试验数据预处理：对原始试验数据进行归一化处理后进行聚类，得到3个群落及3个中心点，包括：缓慢加速中心点、正常加速中心点和激进加速中心点；其中，中心点坐标值为加速踏板行程、加速踏板行程导数和纵向加速度；划分数据集：根据多个中心点坐标，将属于相同加速意图的数据放入同一数据集，得到缓慢加速数据集、正常加速数据集和激进加速数据集；根据时间连续性，将属于同一数据集的数据按照时间连续性进行切分，得到切分后的数据集；并将切分后的所有数据组划分为训练数据集和测试数据集；训练并测试驾驶员加速意图模型：采用缓慢加速意图状态、正常加速意图状态和激进加速意图状态这3种加速意图状态类型，对不同时间段的驾驶员驾驶状态进行分类，将拥有相同加速意图状态类型的数据组逐组输入GM-HMM模型，GM-HMM模型的输入变量为数据所属群落编号，输出变量为加速意图状态类型；训练得到基于GM-HMM算法的驾驶员加速意图模型；训练结束后进行模型测试。

全文数据：

权利要求：

百度查询： 南京经纬达汽车科技有限公司 一种驾驶员加速意图建模方法及识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD