申请/专利权人：合肥工业大学

申请日：2023-05-06

公开（公告）日：2023-07-21

公开（公告）号：CN116461536A

主分类号：B60W40/09

分类号：B60W40/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.08#实质审查的生效;2023.07.21#公开

摘要：本发明公开了一种智能网联HEV的驾驶意图识别准确度的在线评估方法，是通过在智能网联环境下获取历史时间段内当前车辆的状态数据与驾驶意图识别系统的驾驶意图，在云端服务器建立整车系统多维特征输入矩阵，构建整车孪生逆向评估模型对系统识别的驾驶意图进行评估，获得评估因子输出矩阵，并构建逻辑控制规则对评估因子输出矩阵按照不同规则进行处理，处理后计算评估因子间系统波动量得到波动向量集合，最终通过函数式计算得到驾驶意图识别系统的识别准确度。本发明能够在未来智能网联HEV复杂驾驶环境下，对车辆驾驶意图识别准确度进行在线评估，对整车驾驶系统可靠性与驾乘安全性提供重要保障。

主权项：1.一种智能网联HEV的驾驶意图识别准确度的在线评估方法，其特征在于，是应用于由云端服务器和驾驶意图识别系统所组成的智能网联混合动力汽车的多车运行场景中，并按如下步骤进行：步骤1、基于“车-车”通信V2V、“车-基础设施”通信V2I获取历史T时间段内当前车辆的状态数据与驾驶意图识别系统识别出的当前车辆的驾驶意图，并上传到云端服务器；所述云端服务器将所述历史T时间段内当前车辆在第t-l+1个时刻至第t个时刻的状态数据以及驾驶意图整合成多维特征输入矩阵P＝[pt-l+1,pt-l+2,...,pt-l+i,...,pt]，其中，pt-l+i表示历史T时间段内当前车辆在t-l+i时刻的特征参数向量，pt表示历史T时间段内当前车辆在t时刻的参数向量，且Tt表示当前车辆在t时刻的瞬时发动机转矩，表示当前车辆在t时刻的瞬时发动机转速，表示当前车辆在t时刻的实时燃油消耗量，表示当前车辆在t时刻的电机输出转矩，表示当前车辆在t时刻的瞬时电机转速，Lt、Mt分别表示当前车辆在t时刻的实时电机功率和实时发动机功率，αt表示当前车辆在t时刻的瞬时发动机节气门开度，It表示当前车辆在t时刻的实时驾驶意图，令It的类别标签为Ym，l表示时间点的数量；步骤2、所述云服务器构建整车孪生逆向评估模型，包括：输入层、特征重构层、评估因子输出层；步骤2.1、所述输入层的处理：对多维特征输入矩阵P中每个时刻的参数向量进行积分，从而得到特征系数空间矩阵P′＝[p′t-l+1,p′t-l+2,...,p′t-l+i,...,p′t]，其中，p′t-l+i表示当前车辆在t-l+i时刻下的特征系数空间向量；步骤2.2、所述特征重构层对特征系数空间矩阵P′进行处理，得到T时间段内的特征系数重构矩阵E；步骤2.3、所述评估因子输出层的处理：利用逆向函数ψU×E+c得到评估因子输出矩阵其中，U为所设定的影响因子矩阵，c表示损失补偿向量，表示评估因子输出矩阵的第n个时间点所对应的驾驶意图评估因子集，且其中，τr,n表示第n个时间点所对应的驾驶意图评估因子集中的第r个驾驶意图评估因子；步骤3、构建逻辑控制规则，对驾驶意图识别的评估因子输出矩阵进行逻辑判断处理；步骤3.1、对评估因子输出矩阵的每一个时间点所对应的评估因子逐一进行归一化处理，最终得到评估因子预处理矩阵其中，表示归一化处理之后的第n个时间点所对应的驾驶意图评估因子集中的第r个驾驶意图评估因子；步骤3.2、利用式4得到评估因子预处理矩阵ΜΦ的特征范围； 式4中，β1ΜΦ表示评估因子预处理矩阵ΜΦ的列范数，β∞ΜΦ表示评估因子预处理矩阵ΜΦ的行范数，β2ΜΦ表示评估因子预处理矩阵ΜΦ的谱范数，为评估因子预处理矩阵ΜΦ的正规矩阵，λmax表示矩阵的最大特征值，|ΜΦ|1表示评估因子预处理矩阵ΜΦ中每一行评估因子的之和的最大值，|ΜΦ|∞表示评估因子预处理矩阵ΜΦ中每一列评估因子的之和的最大值，|ΜΦ|2表示评估因子预处理矩阵ΜΦ奇异值的绝对值的最大值。判断式5所示的条件是否成立，若成立，将ΜΦ作为驾驶意图识别的评估因子矩阵并跳转到步骤4，否则，执行步骤3.3；argminβ1,2,∞ΜΦ≤βΜΦ≤argmaxβ1,2,∞ΜΦ5式5中，argminβ1,2,∞ΜΦ表示评估因子预处理矩阵ΜΦ的列范数、谱范数、行范数之间的最小值；argmaxβ1,2,∞ΜΦ表示评估因子预处理矩阵ΜΦ的列范数、谱范数、行范数之间的最大值；步骤3.3、定义评估因子波动阈值Z，对ΜΦ中的每个评估因子进行逐一度量，若评估因子超出自身波动的阈值范围，将对应的评估因子设为“0”，反之评估因子不变，最终得到驾驶意图识别的评估因子矩阵步骤4、利用式6计算驾驶意图识别的评估因子矩阵中同一行间第n个时间点所对应的第r个驾驶意图评估因子与第n-1个时间点所对应的第r个驾驶意图评估因子之间的系统波动量θr,n-1，最终得到系统波动向量集合Θ＝θ1,1,θ1,2，…,θr,n-1,…,θm,l-1； 式6中，和分别表示驾驶意图识别的评估因子矩阵中评估因子的最大值和最小值；步骤5、利用Tanh激活函数对系统波动向量集合Θ中的系统波动量进行处理，获得使能后的系统波动向量集合表示处理后的第n个时间点所对应的第r个驾驶意图评估因子与第n-1个时间点所对应的第r个驾驶意图评估因子之间的系统波动量；步骤6、利用式7得到最终当前驾驶意图识别系统的识别准确度 式7中，c1表示修正系数。

全文数据：

权利要求：

百度查询： 合肥工业大学 智能网联HEV的驾驶意图识别准确度的在线评估方法

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