CN108995655A - 一种驾驶员驾驶意图识别方法及系统 - Google Patents
一种驾驶员驾驶意图识别方法及系统 Download PDFInfo
- Publication number
- CN108995655A CN108995655A CN201810733593.0A CN201810733593A CN108995655A CN 108995655 A CN108995655 A CN 108995655A CN 201810733593 A CN201810733593 A CN 201810733593A CN 108995655 A CN108995655 A CN 108995655A
- Authority
- CN
- China
- Prior art keywords
- driver
- driving intention
- vehicle
- information
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/12—Brake pedal position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种驾驶员驾驶意图识别方法及系统,属于汽车智能交互技术领域,解决了现有技术中驾驶员驾驶意图识别准确性低,实用性不强的问题。一种驾驶员驾驶意图识别方法,包括步骤如下:采集驾驶员操作信息、车辆行驶信息和交通环境信息;根据采集的驾驶员操作信息、车辆行驶信息和交通环境信息,初步识别驾驶员驾驶意图;根据初步识别的驾驶员驾驶意图,改变车辆行驶状态;根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶数据,进一步识别得到驾驶员驾驶意图结果。本发明实现了驾驶员驾驶风格的准确识别,具有很强的实用性。
Description
技术领域
本发明涉及汽车智能交互技术领域,尤其涉及一种驾驶员驾驶意图识别方法及系统。
背景技术
随着汽车智能化的起步,人们对于汽车良好的体验的需求,使得人们希望汽车越来越懂自己,并且根据自己的状态和需求定制对应的服务内容和辅助驾驶;准确识别驾驶员驾驶意图,对于为驾驶员提供更人性化的服务和更安全舒适的辅助驾驶有极其重要的作用。
现阶段,驾驶员驾驶意图的识别方法,主要是通过被动检测和分析驾驶员的操作数据、身体表现和生理特征等来判别;这种识别方法的局限性在于,由于所获取数据表征的不确定性,不稳定性以及获取数据的不便性,使得该方法无法准确识别驾驶员的驾驶意图,并且存在实用性不强的问题。
发明内容
鉴于上述的分析,本发明旨在提供一种驾驶员驾驶意图识别方法及系统,用以解决现有技术中驾驶员驾驶意图识别准确性低,实用性不强的问题。
本发明的目的主要是通过以下技术方案实现的:
本发明一方面提供一种驾驶员驾驶意图识别方法,包括如下步骤:
采集驾驶员操作信息、车辆行驶信息和交通环境信息;
根据采集的驾驶员操作信息、车辆行驶信息和交通环境信息,初步识别驾驶员驾驶意图;
根据初步识别的驾驶员驾驶意图,改变车辆行驶状态;
根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果。
上述技术方案的有益效果为:通过采集驾驶员操作信息、车辆行驶信息和交通环境信息,根据采集的信息,初步识别驾驶员驾驶意图,根据初步识别的驾驶员驾驶意图,改变车辆行驶状态,根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果;这种识别方法,提高了驾驶员驾驶意图识别的准确性,并且具有很好的实用性。
进一步地,车辆CAN总线获取驾驶员操作信息,通过布设在车上的设备传感器采集驾驶车辆的行驶信息以及交通环境信息。
进一步地,根据采集的驾驶员操作信息、车辆行驶信息和交通环境信息,初步识别驾驶员驾驶意图,具体包括:
从所述驾驶员操作信息中提取操作特征参数,从所述行驶信息中提取行驶特征参数,从所述交通环境信息中提取交通特征参数;
将操作特征参数、行驶特征参数和交通特征参数在预设的分类器中进行分类,根据所述分类器的分类结果,识别与所述操作特征参数、行驶特征参数和交通特征参数相对应的驾驶员驾驶意图;
其中,操作特征参数包括但不限于:触觉信息中的方向盘转角、方向盘角加速度,方向盘静止时间、制动踏板位置、加速踏板位置、离合器踏板位置和变速器档位;行驶特征参数包括但不限于:驾驶车辆行驶信息中的车辆速度、位置、加速度、横摆角速度、车辆相对周围车辆的速度,距离和加速度;所述交通环境特征参数包括但不限于:交通环境信息中的周围车辆速度、位置、加速度、道路曲率、道路宽度、交通标志、路标以及交通灯状态。
上述进一步方案的有益效果为:通过上述方案实现了,根据采集的驾驶员操作信息、车辆行驶信息和交通环境信息,初步识别驾驶员驾驶意图。
进一步地,建立所述预设的分类器,具体包括:
采集预设时间内的驾驶训练信息,包括驾驶员操作信息,车辆行驶信息和交通环境信息;
从所述驾驶训练信息中提取训练特征参数,所述训练特征参数包括与驾驶员操作信息对应的操作特征参数,与车辆行驶信息对应的行驶特征参数以及与交通环境信息对应的交通特征参数;
对不同训练特征参数的标注标签,以标示其对应的驾驶员驾驶意图;对不同标签下的训练操作特征进行学习、训练,形成预设的分类器。
进一步地,根据初步识别的驾驶员驾驶意图,改变车辆行驶状态,包括:
根据初步识别的驾驶员驾驶意图在预先建立的各驾驶意图主动探测模型中匹配与该驾驶员驾驶意图对应的主动探测模型,所述主动探测模型根据当前车辆状态,改变车辆行驶状态。
上述进一步技术方案的有益效果为:通过上述方案实现了根据初步识别的驾驶员驾驶意图,改变车辆行驶状态。
进一步地,建立的各驾驶意图主动探测模型,具体包括:
设定驾驶意图以及对应改变车辆行驶状态的方式;采集驾驶员在不同车辆速度和加速度下,对于不同程度所述车辆行驶状态,做出的调整数据;
根据调整的数据和车辆行驶状态数据,利用逆强化学习求出在驾驶意图下的驾驶员回报函数,以及对应的车辆回报函数,从而建立以最大化车辆回报函数和最大化驾驶员回报函数为优化目标的主动探测模型。
进一步地,主动探测模型根据当前车辆状态,改变车辆行驶状态,包括:根据初步识别的驾驶员驾驶意图,将当前车辆速度和加速度输入主动探测模型,得到最优化的下一时刻车辆探测动作,并执行该探测动作。
进一步地,根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果,包括:
当检测到驾驶员对车辆行驶状态进行调整时,从车辆行驶状态数据和操作数据中提取驾驶意图特征参数;
根据驾驶意图特征参数在预设的分类器中进行分类,所述分类器识别出与所述驾驶意图特征参数相对应的驾驶员驾驶意图,并给出驾驶意图结果。
上述进一步方案的有益效果为:通过上述方案实现了,根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别驾驶员驾驶意图。
进一步地,建立上述预设的分类器,包括:分别采集在各种驾驶意图类型下,驾驶员对不同车辆行驶状态下的探测行为,所调整的操作参数和车辆行驶状态参数作为训练数据;标记训练数据所对应的驾驶员驾驶意图,对不同标签下的训练数据进行学习,训练,形成预设的分类器。
本发明另一方面还提供一种驾驶员驾驶意图识别系统,所述系统包括驾驶意图信息采集模块、驾驶意图初步识别模块、车辆主动探测模块和驾驶意图判定模块;
驾驶意图信息采集模块,用于采集驾驶员操作信息、车辆行驶信息和交通环境信息;
驾驶意图初步识别模块,用于根据驾驶意图信息采集模块采集的信息,初步识别驾驶员的驾驶意图;
车辆主动探测模块,用于根据驾驶意图初步识别模块识别得到的驾驶员驾驶意图初步识别结果,改变车辆行驶状态;
驾驶意图判定模块,用于根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果。
上述技术方案的有益效果为:上述系统实现了驾驶员驾驶意图的识别,提高了驾驶员驾驶意图识别的准确性和实用性。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例1所述方法的流程示意图;
图2为本发明实施例2所述系统的示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明实施例涉及一种驾驶员驾驶意图识别方法,图1为本发明实施例所述方法的流程示意图。
所述方法包括如下步骤:
步骤S101、采集驾驶员操作信息、车辆行驶信息和交通环境信息;
具体的,通过车辆CAN总线获取驾驶员的操作信息,通过布设在车上的设备传感器采集驾驶车辆的行驶信息以及交通环境信息,其中,所述设备传感器可以包括至少以下一种或者几种传感器的组合:加速度传感器、速度传感器、红外传感器、激光测距传感器、超声波传感器、摄像头等。
步骤S102、根据采集的信息,初步识别驾驶员驾驶意图;
具体的,从所述相关驾驶员操作信息中提取相关的操作特征参数,从所述的行驶信息中提取相关的行驶特征参数,从所述的交通环境信息中提取相关的交通特征参数,根据所述的操作特征参数、行驶特征参数、交通特征参数在预设的分类器中进行分类,根据所述的分类器中的分类结果识别与所述相关特征相对应的驾驶员驾驶意图。
所述的驾驶意图包括但不限于:左转弯、左变道、右转弯、右变道、直行、加速、减速;
建立所述预设的分类器具体包括:采集预设时间内驾驶训练信息,包括驾驶员操作信息,车辆行驶信息和交通环境信息;从所述驾驶训练信息中提取训练特征参数,包括与驾驶员操作信息对应的操作特征参数,与车辆行驶信息对应的行驶特征参数以及与交通环境信息对应的交通特征参数,所述的训练特征参数包括但不限于:车速,车辆加速度、方向盘转角、与车道中心线的横向距离、横摆角速度和制动踏板力;对不同训练特征参数的标签标注,以标示其对应的驾驶员驾驶意图;基于预设的分类算法对不同标签下的训练操作特征进行学习、训练,形成预设的分类器。
步骤S103、根据初步识别的驾驶员驾驶意图,按照设定好的主动探测模型,适当的改变车辆行驶状态;
具体的,在预先建立的各驾驶意图主动探测模型中匹配与该驾驶员驾驶意图对应的主动探测模型,所述主动探测模型根据当前车辆状态,适当地改变车辆行驶状态。
所述改变车辆行驶状态,具体包括:改变所有能引起驾驶员视觉或触觉上反应的车辆行驶状态(如,减速、加速、左转和右转等)。
上述车辆状态包括车辆行驶状态(例如,减速、加速、左转和右转等)和操作信息(方向盘转角、方向盘角加速度,制动踏板位置等)
所述预先建立的各驾驶意图主动探测模型,具体包括:若设定驾驶意图是左变道,对应的改变驾驶车辆状态的方式是缓慢左转;在驾驶员左转意图下,采集驾驶员在不同车速υ(t)和加速度a(t)下,对不同幅度的车辆缓慢左转动作(方向盘转角αV(t))作出的调整转角αH(t)(即驾驶员实施的方向盘转角);根据所述的调整数据以及车辆状态数据,利用逆强化学习求出在左转意图下的驾驶员回报函数a(t),αV(t),αH(t))以及对应的车辆回报函数RV(υ(t),a(t),αV(t),αH(t));从而建立以最大化车辆回报函数和最大化驾驶员回报函数为优化目标的主动左转探测模型。
其他驾驶意图主动探测模型,基于上述类似方式建立。具体包括:设定驾驶意图以及对应改变车辆行驶状态的方式;采集驾驶员在不同车辆速度和加速度下,对于不同程度所述车辆行驶状态,做出的调整数据;根据调整的数据和车辆行驶状态数据,利用逆强化学习求出在驾驶意图下的驾驶员回报函数,以及对应的车辆回报函数,从而建立以最大化车辆回报函数和最大化驾驶员回报函数为优化目标的主动探测模型。
所述主动探测模型根据当前车辆状态,适当地改变车辆行驶状态,具体包括,若初步识别的驾驶员驾驶意图是左变道,将当前时刻的车辆速度υ(t)和加速度a(t)输入到上述的主动左转探测模型中,从而得到最优化的下一时刻的车辆探测动作(即求出使得所述的车辆回报函数取得最大值的左转方向盘转角);执行该探测动作改变车辆行驶状态。
若初步识别的驾驶员驾驶意图为其他时,所述主动探测模型根据当前车辆行驶状态,适当地改变车辆行驶状态,具体包括:根据初步识别的驾驶员驾驶意图,将当前车辆状态输入主动探测模型,得到最优化的下一时刻车辆探测动作,并执行该探测动作改变车辆行驶状态。
步骤S104、根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶数据,进一步判定出驾驶员驾驶意图。
具体的,当检测到驾驶员对车辆行驶状态进行调整时,从相关的车辆行驶数据和操作数据中提取驾驶意图特征参数,根据驾驶意图特征参数在预设的分类器中进行分类,根据所述的分类器识别出与所述驾驶意图特征参数相对应的驾驶员驾驶意图,并给出驾驶意图结果。所述的驾驶意图结果为:左变道和非左变道若初步识别的驾驶员驾驶意图为其他时,驾驶意图结果为与之对应的结果。
上述预设的分类器建立过程,具体包括:分别采集在左换道意图和非左换道意图下,驾驶员对不同车辆行驶状态(车速υ(t)和加速度a(t))下的左转探测行为即车辆实施的方向盘转角,调整车辆行驶状态的操作参数和车辆状态参数(如,驾驶员实施的方向盘转角横摆角速度制动踏板力以及车辆实施的方向盘转角等)作为训练数据;标记采集到训练数据所对应的驾驶员意图;利用预设的分类算法,如BP神经网络,对不同标签下的训练数据进行学习、训练,形成预设的分类器。
根据所述的分类器识别出与所述驾驶意图特征参数相对应的驾驶员驾驶意图过程具体包括:采集驾驶员针对车辆以缓慢左转为的探测行为所调整的操作数据和车辆行驶状态数据,提取出的上述的操作参数和车辆状态参数(υ(t),a(t),),并输入到所述的分类器中,得到驾驶员的驾驶意图
本发明实施例提供了一种驾驶员驾驶意图识别方法,所述方法根据采集的信息,初步识别驾驶员的驾驶意图,通过主动探测驾驶员的驾驶意图,依据驾驶员对车辆主动探测动作的反应,进一步识别出驾驶员的驾驶意图;提高了识别驾驶员驾驶意图的准确性及环境适应性。
实施例2
本发明实施例涉及一种驾驶员驾驶意图识别方法,图2为本发明实施例所述系统的示意图。
所述系统包括驾驶意图信息采集模块、驾驶意图初步识别模块、车辆主动探测模块和驾驶意图判定模块;
驾驶意图信息采集模块,用于采集驾驶员操作信息、车辆行驶信息和交通环境信息;
具体的,所述驾驶意图信息采集模块通过车辆CAN总线获取驾驶员的操作信息,通过布设在车上的设备传感器采集驾驶车辆的行驶信息以及交通环境信息,其中,所述设备传感器可以包括至少以下一种或者几种传感器的组合:加速度传感器、速度传感器、红外传感器、激光测距传感器、超声波传感器、摄像头等;
驾驶意图初步识别模块,用于根据驾驶意图信息采集模块采集的信息,初步识别驾驶员的驾驶意图;
具体的,所述驾驶意图初步识别模块从所述相关驾驶员操作信息中提取相关的操作特征参数,从所述的行驶信息中提取相关的行驶特征参数,从所述的交通环境信息中提取相关的交通特征参数,将所述的操作特征参数、行驶特征参数、交通特征参数在预设的分类器中进行分类,根据所述的分类器中的分类结果识别与所述相关特征相对应的驾驶员驾驶意图;
所述的驾驶意图包括但不限于:左转弯、左变道、右转弯、右变道、直行、加速、减速;
建立所述预设的分类器具体包括:采集预设时间内驾驶训练信息,包括驾驶员操作信息,车辆行驶信息和交通环境信息;从所述驾驶训练信息中提取训练特征参数,包括与驾驶员操作信息对应的操作特征参数,与车辆行驶信息对应的行驶特征参数以及与交通环境信息对应的交通特征参数,所述的训练特征参数包括但不限于:车速,车辆加速度、方向盘转角、与车道中心线的横向距离、横摆角速度和制动踏板力;标注对不同训练特征参数的标签以标示其对应的驾驶员意图;基于预设的分类算法对不同标签下的训练操作特征进行学习、训练,形成预设的分类器。
车辆主动探测模块,用于根据驾驶意图初步识别模块识别得到的驾驶员驾驶意图初步识别结果,按照设定好的主动探测模型,适当的改变车辆行驶状态;
具体的,在预先建立的各驾驶意图主动探测模型中匹配与该驾驶员意图对应的主动探测模型,所述主动探测模型根据当前车辆状态,适当地改变车辆行驶状态。
所述预先建立的各驾驶意图主动探测模型,具体包括:设定驾驶意图是左变道,对应的改变驾驶车辆行驶状态的方式是缓慢左转;在驾驶员左转意图下,采集驾驶员在不同车速υ(t)和加速度a(t)下,对不同幅度的车辆缓慢左转动作(方向盘转角αV(t))作出的调整转角αH(t)(即驾驶员实施的方向盘转角);根据所述的调整数据以及车辆行驶状态数据,利用逆强化学习求出在左转意图下的驾驶员回报函数以及对应的车辆回报函数RV(υ(t),a(t),αV(t),αH(t));从而建立以最大化车辆回报函数和最大化驾驶员回报函数为优化目标的主动左转探测模型。
其他驾驶意图主动探测模型,基于上述类似方式建立。具体包括:设定驾驶意图以及对应改变车辆行驶状态的方式;采集驾驶员在不同车辆速度和加速度下,对于不同程度所述车辆行驶状态,做出的调整数据;根据调整数据和车辆行驶状态数据,利用逆强化学习求出在驾驶意图下的驾驶员回报函数,以及对应的车辆回报函数,从而建立以最大化车辆回报函数和最大化驾驶员回报函数为优化目标的主动探测模型。
所述主动探测模型根据当前车辆状态,适当地改变车辆行驶状态,具体包括,设定初步识别的驾驶员驾驶意图是左变道,车辆将当前时刻的车辆速度υ(t)和加速度a(t)输入到上述的主动左转探测模型中,从而得到最优化的下一时刻的车辆探测动作(即求出使得所述的车辆回报函数取得最大值的车辆减速度);执行该探测动作改变车辆行驶状态。
驾驶意图判定模块,用于根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果。
具体的,当所述驾驶意图判定模块检测到驾驶员对车辆行驶状态进行调整时,从相关的车辆行驶数据和操作数据中提取驾驶意图特征参数,根据驾驶意图特征参数在预设的分类器中进行分类,根据所述的分类器识别出与所述驾驶意图特征参数相对应的驾驶员驾驶意图,并给出驾驶意图结果。所述的驾驶意图结果为:左换道和非左换道若初步识别的驾驶员驾驶意图为其他时,驾驶意图结果为与之对应的结果。
上述预设的分类器建立过程,具体包括:分别采集在左换道意图和非左换道意图下,驾驶员对不同车辆行驶状态(车速υ(t)和加速度a(t))下的左转探测行为即车辆实施的方向盘转角,调整车辆行驶状态的操作参数和车辆行驶参数(如,驾驶员实施的方向盘转角横摆角速度制动踏板力以及车辆实施的方向盘转角等)作为训练数据;标记采集到训练数据所对应的驾驶员意图;利用预设的分类算法,如BP神经网络,对不同标签下的训练数据进行学习、训练,形成预设的分类器。
根据所述的分类器识别出与所述驾驶意图特征参数相对应的驾驶员驾驶意图过程具体包括:采集驾驶员针对车辆以缓慢左转为的探测行为所调整的操作数据和车辆行驶状态数据,提取出的上述的操作参数和车辆状态参数(υ(t),a(t),),并输入到所述的分类器中,得到驾驶员的驾驶意图
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种驾驶员驾驶意图识别方法,其特征在于,包括如下步骤:
采集驾驶员操作信息、车辆行驶信息和交通环境信息;
根据采集的驾驶员操作信息、车辆行驶信息和交通环境信息,初步识别驾驶员驾驶意图;
根据初步识别的驾驶员驾驶意图,改变车辆行驶状态;
根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果。
2.根据权利要求1所述方法,其特征在于,车辆CAN总线获取驾驶员操作信息,通过布设在车上的设备传感器采集驾驶车辆的行驶信息以及交通环境信息。
3.根据权利要求1所述方法,其特征在于,根据采集的驾驶员操作信息、车辆行驶信息和交通环境信息,初步识别驾驶员驾驶意图,具体包括:
从所述驾驶员操作信息中提取操作特征参数,从所述行驶信息中提取行驶特征参数,从所述交通环境信息中提取交通特征参数;
将操作特征参数、行驶特征参数和交通特征参数在预设的分类器中进行分类,根据所述分类器的分类结果,识别与所述操作特征参数、行驶特征参数和交通特征参数相对应的驾驶员驾驶意图;
其中,操作特征参数包括但不限于:触觉信息中的方向盘转角、方向盘角加速度,方向盘静止时间、制动踏板位置、加速踏板位置、离合器踏板位置和变速器档位;行驶特征参数包括但不限于:驾驶车辆行驶信息中的车辆速度、位置、加速度、横摆角速度、车辆相对周围车辆的速度,距离和加速度;所述交通环境特征参数包括但不限于:交通环境信息中的周围车辆速度、位置、加速度、道路曲率、道路宽度、交通标志、路标以及交通灯状态。
4.根据权利要求3所述方法,其特征在于,建立所述预设的分类器,具体包括:
采集预设时间内的驾驶训练信息,包括驾驶员操作信息,车辆行驶信息和交通环境信息;
从所述驾驶训练信息中提取训练特征参数,所述训练特征参数包括与驾驶员操作信息对应的操作特征参数,与车辆行驶信息对应的行驶特征参数以及与交通环境信息对应的交通特征参数;
对不同训练特征参数标注标签,以标示其对应的驾驶员驾驶意图;对不同标签下的训练操作特征进行学习,训练,形成预设的分类器。
5.根据权利要求1所述方法,其特征在于,根据初步识别的驾驶员驾驶意图,改变车辆行驶状态,包括:
根据初步识别的驾驶员驾驶意图在预先建立的各驾驶意图主动探测模型中匹配与该驾驶员驾驶意图对应的主动探测模型,所述主动探测模型根据当前车辆状态,改变车辆行驶状态。
6.根据权利要求5所述方法,其特征在于,建立的各驾驶意图主动探测模型,具体包括:
设定驾驶意图以及对应改变车辆行驶状态的方式;采集驾驶员在不同车辆速度和加速度下,对于不同程度所述车辆行驶状态,做出的调整数据;
根据调整数据和车辆行驶状态数据,利用逆强化学习求出在驾驶意图下的驾驶员回报函数,以及对应的车辆回报函数,从而建立以最大化车辆回报函数和最大化驾驶员回报函数为优化目标的主动探测模型。
7.根据权利要求5所述方法,其特征在于,主动探测模型根据当前车辆状态,改变车辆行驶状态,包括:根据初步识别的驾驶员驾驶意图,将当前车辆速度和加速度输入主动探测模型,得到最优化的下一时刻车辆探测动作,并执行该探测动作。
8.根据权利要求1所述方法,其特征在于,根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果,包括:
当检测到驾驶员对车辆行驶状态进行调整时,从车辆行驶状态数据和操作数据中提取驾驶意图特征参数;
根据驾驶意图特征参数在预设的分类器中进行分类,所述分类器识别出与所述驾驶意图特征参数相对应的驾驶员驾驶意图,并给出驾驶意图结果。
9.根据权利要求8所述方法,其特征在于,建立预设的分类器,具体包括:分别采集在各种驾驶意图类型下,驾驶员对不同车辆行驶状态下的探测行为,所调整的操作参数和车辆行驶状态参数作为训练数据;标记训练数据所对应的驾驶员驾驶意图,对不同标签下的训练数据进行学习、训练,形成预设的分类器。
10.一种驾驶员驾驶意图识别系统,其特征在于,所述系统包括驾驶意图信息采集模块、驾驶意图初步识别模块、车辆主动探测模块和驾驶意图判定模块;
驾驶意图信息采集模块,用于采集驾驶员操作信息、车辆行驶信息和交通环境信息;
驾驶意图初步识别模块,用于根据驾驶意图信息采集模块采集的信息,初步识别驾驶员的驾驶意图;
车辆主动探测模块,用于根据驾驶意图初步识别模块识别得到的驾驶员驾驶意图初步识别结果,改变车辆行驶状态;
驾驶意图判定模块,用于根据驾驶员调整车辆行驶状态的操作数据以及对应的车辆行驶状态数据,进一步识别得到驾驶员驾驶意图结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810733593.0A CN108995655B (zh) | 2018-07-06 | 2018-07-06 | 一种驾驶员驾驶意图识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810733593.0A CN108995655B (zh) | 2018-07-06 | 2018-07-06 | 一种驾驶员驾驶意图识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108995655A true CN108995655A (zh) | 2018-12-14 |
CN108995655B CN108995655B (zh) | 2020-04-10 |
Family
ID=64598392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810733593.0A Active CN108995655B (zh) | 2018-07-06 | 2018-07-06 | 一种驾驶员驾驶意图识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108995655B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109743666A (zh) * | 2018-12-27 | 2019-05-10 | 北京普诺兴科技有限公司 | 基于增强学习的室内声源移动方法、介质、设备和装置 |
CN109887124A (zh) * | 2019-01-07 | 2019-06-14 | 平安科技(深圳)有限公司 | 车辆运动数据的处理方法、装置、计算机设备、存储介质 |
CN110472556A (zh) * | 2019-08-12 | 2019-11-19 | 一汽轿车股份有限公司 | 基于单目视觉的驾驶员注意力状态分析系统和分析方法 |
CN111547035A (zh) * | 2020-04-17 | 2020-08-18 | 中国第一汽车股份有限公司 | 车辆减速控制方法、装置、存储介质及车辆 |
CN111717217A (zh) * | 2020-06-30 | 2020-09-29 | 重庆大学 | 一种基于概率修正的驾驶员意图识别方法 |
CN112319488A (zh) * | 2020-10-20 | 2021-02-05 | 易显智能科技有限责任公司 | 一种机动车驾驶员驾驶风格的识别方法及系统 |
US20210114596A1 (en) * | 2019-10-18 | 2021-04-22 | Toyota Jidosha Kabushiki Kaisha | Method of generating vehicle control data, vehicle control device, and vehicle control system |
CN112721939A (zh) * | 2021-01-15 | 2021-04-30 | 南京航空航天大学 | 一种基于多传感器融合的驾驶员制动意图识别方法 |
CN112818910A (zh) * | 2021-02-23 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 车辆挡位控制方法、装置、计算机设备和存储介质 |
CN112896191A (zh) * | 2021-03-08 | 2021-06-04 | 京东鲲鹏(江苏)科技有限公司 | 轨迹处理方法、装置、电子设备和计算机可读介质 |
CN113386775A (zh) * | 2021-06-16 | 2021-09-14 | 杭州电子科技大学 | 一种考虑人-车-路特性的驾驶员意图识别方法 |
CN113516846A (zh) * | 2021-06-24 | 2021-10-19 | 长安大学 | 车辆换道行为预测模型构建、预测预警方法及系统 |
CN113954830A (zh) * | 2021-11-10 | 2022-01-21 | 江苏大学 | 一种车辆自适应巡航系统及其旁车并线识别方法 |
CN114023108A (zh) * | 2021-11-02 | 2022-02-08 | 河北工业大学 | 一种混合交通流变道模型及变道仿真方法 |
CN114194190A (zh) * | 2020-09-18 | 2022-03-18 | 通用汽车环球科技运作有限责任公司 | 车道机动意图检测系统和方法 |
CN114312797A (zh) * | 2020-10-09 | 2022-04-12 | 丰田自动车株式会社 | 智能体装置、智能体方法以及记录介质 |
WO2022183808A1 (zh) * | 2021-03-01 | 2022-09-09 | 南京航空航天大学 | 一种智能交通环境下的线控底盘信息物理系统及控制方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4358039A1 (en) * | 2022-10-19 | 2024-04-24 | Zenseact AB | Lane-assignment for traffic objects on a road |
EP4357944A1 (en) * | 2022-10-20 | 2024-04-24 | Zenseact AB | Identification of unknown traffic objects |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009029261A (ja) * | 2007-07-26 | 2009-02-12 | Toyota Motor Corp | 車両用駆動力制御装置 |
CN103318181A (zh) * | 2013-06-19 | 2013-09-25 | 电子科技大学 | 一种驾驶员意图识别方法 |
CN105303829A (zh) * | 2015-09-11 | 2016-02-03 | 深圳市乐驰互联技术有限公司 | 汽车驾驶员情绪识别方法及装置 |
CN106250801A (zh) * | 2015-11-20 | 2016-12-21 | 北汽银翔汽车有限公司 | 基于人脸检测和人眼状态识别的疲劳检测方法 |
CN106682602A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市华尊科技股份有限公司 | 一种驾驶员行为识别方法及终端 |
CN106740864A (zh) * | 2017-01-12 | 2017-05-31 | 北京交通大学 | 一种驾驶行为意图判断与预测方法 |
CN106971194A (zh) * | 2017-02-16 | 2017-07-21 | 江苏大学 | 一种基于改进hmm和svm双层算法的驾驶意图识别方法 |
CN107031599A (zh) * | 2016-02-02 | 2017-08-11 | 现代自动车株式会社 | 用于混合动力车辆的驱动模式转换的系统和方法 |
CN107169567A (zh) * | 2017-03-30 | 2017-09-15 | 深圳先进技术研究院 | 一种用于车辆自动驾驶的决策网络模型的生成方法及装置 |
JP2018039292A (ja) * | 2016-09-05 | 2018-03-15 | 日産自動車株式会社 | 運転支援方法及び運転支援装置 |
-
2018
- 2018-07-06 CN CN201810733593.0A patent/CN108995655B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009029261A (ja) * | 2007-07-26 | 2009-02-12 | Toyota Motor Corp | 車両用駆動力制御装置 |
CN103318181A (zh) * | 2013-06-19 | 2013-09-25 | 电子科技大学 | 一种驾驶员意图识别方法 |
CN105303829A (zh) * | 2015-09-11 | 2016-02-03 | 深圳市乐驰互联技术有限公司 | 汽车驾驶员情绪识别方法及装置 |
CN106250801A (zh) * | 2015-11-20 | 2016-12-21 | 北汽银翔汽车有限公司 | 基于人脸检测和人眼状态识别的疲劳检测方法 |
CN107031599A (zh) * | 2016-02-02 | 2017-08-11 | 现代自动车株式会社 | 用于混合动力车辆的驱动模式转换的系统和方法 |
JP2018039292A (ja) * | 2016-09-05 | 2018-03-15 | 日産自動車株式会社 | 運転支援方法及び運転支援装置 |
CN106682602A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市华尊科技股份有限公司 | 一种驾驶员行为识别方法及终端 |
CN106740864A (zh) * | 2017-01-12 | 2017-05-31 | 北京交通大学 | 一种驾驶行为意图判断与预测方法 |
CN106971194A (zh) * | 2017-02-16 | 2017-07-21 | 江苏大学 | 一种基于改进hmm和svm双层算法的驾驶意图识别方法 |
CN107169567A (zh) * | 2017-03-30 | 2017-09-15 | 深圳先进技术研究院 | 一种用于车辆自动驾驶的决策网络模型的生成方法及装置 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109743666A (zh) * | 2018-12-27 | 2019-05-10 | 北京普诺兴科技有限公司 | 基于增强学习的室内声源移动方法、介质、设备和装置 |
CN109887124A (zh) * | 2019-01-07 | 2019-06-14 | 平安科技(深圳)有限公司 | 车辆运动数据的处理方法、装置、计算机设备、存储介质 |
CN109887124B (zh) * | 2019-01-07 | 2022-05-13 | 平安科技(深圳)有限公司 | 车辆运动数据的处理方法、装置、计算机设备、存储介质 |
CN110472556A (zh) * | 2019-08-12 | 2019-11-19 | 一汽轿车股份有限公司 | 基于单目视觉的驾驶员注意力状态分析系统和分析方法 |
CN110472556B (zh) * | 2019-08-12 | 2023-05-23 | 一汽奔腾轿车有限公司 | 基于单目视觉的驾驶员注意力状态分析系统和分析方法 |
US20210114596A1 (en) * | 2019-10-18 | 2021-04-22 | Toyota Jidosha Kabushiki Kaisha | Method of generating vehicle control data, vehicle control device, and vehicle control system |
US11654915B2 (en) * | 2019-10-18 | 2023-05-23 | Toyota Jidosha Kabushiki Kaisha | Method of generating vehicle control data, vehicle control device, and vehicle control system |
CN111547035A (zh) * | 2020-04-17 | 2020-08-18 | 中国第一汽车股份有限公司 | 车辆减速控制方法、装置、存储介质及车辆 |
CN111717217A (zh) * | 2020-06-30 | 2020-09-29 | 重庆大学 | 一种基于概率修正的驾驶员意图识别方法 |
CN114194190A (zh) * | 2020-09-18 | 2022-03-18 | 通用汽车环球科技运作有限责任公司 | 车道机动意图检测系统和方法 |
CN114312797A (zh) * | 2020-10-09 | 2022-04-12 | 丰田自动车株式会社 | 智能体装置、智能体方法以及记录介质 |
CN112319488B (zh) * | 2020-10-20 | 2022-06-03 | 易显智能科技有限责任公司 | 一种机动车驾驶员驾驶风格的识别方法及系统 |
CN112319488A (zh) * | 2020-10-20 | 2021-02-05 | 易显智能科技有限责任公司 | 一种机动车驾驶员驾驶风格的识别方法及系统 |
CN112721939A (zh) * | 2021-01-15 | 2021-04-30 | 南京航空航天大学 | 一种基于多传感器融合的驾驶员制动意图识别方法 |
CN112818910A (zh) * | 2021-02-23 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 车辆挡位控制方法、装置、计算机设备和存储介质 |
CN112818910B (zh) * | 2021-02-23 | 2022-03-18 | 腾讯科技(深圳)有限公司 | 车辆挡位控制方法、装置、计算机设备和存储介质 |
US12072021B2 (en) | 2021-02-23 | 2024-08-27 | Tencent Technology (Shenzhen) Company Limited | Vehicle gear control method and apparatus, computer device, and storage medium |
WO2022183808A1 (zh) * | 2021-03-01 | 2022-09-09 | 南京航空航天大学 | 一种智能交通环境下的线控底盘信息物理系统及控制方法 |
US11858525B2 (en) | 2021-03-01 | 2024-01-02 | Nanjing University Of Aeronautics And Astronautics | Chassis-by-wire cyber physical system in intelligent traffic environment, and control method |
CN112896191A (zh) * | 2021-03-08 | 2021-06-04 | 京东鲲鹏(江苏)科技有限公司 | 轨迹处理方法、装置、电子设备和计算机可读介质 |
CN113386775A (zh) * | 2021-06-16 | 2021-09-14 | 杭州电子科技大学 | 一种考虑人-车-路特性的驾驶员意图识别方法 |
CN113386775B (zh) * | 2021-06-16 | 2022-06-17 | 杭州电子科技大学 | 一种考虑人-车-路特性的驾驶员意图识别方法 |
CN113516846B (zh) * | 2021-06-24 | 2022-12-13 | 长安大学 | 车辆换道行为预测模型构建、预测预警方法及系统 |
CN113516846A (zh) * | 2021-06-24 | 2021-10-19 | 长安大学 | 车辆换道行为预测模型构建、预测预警方法及系统 |
CN114023108A (zh) * | 2021-11-02 | 2022-02-08 | 河北工业大学 | 一种混合交通流变道模型及变道仿真方法 |
CN113954830A (zh) * | 2021-11-10 | 2022-01-21 | 江苏大学 | 一种车辆自适应巡航系统及其旁车并线识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108995655B (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108995655A (zh) | 一种驾驶员驾驶意图识别方法及系统 | |
CN108995654B (zh) | 一种驾驶员状态识别方法及系统 | |
CN108995653A (zh) | 一种驾驶员驾驶风格识别方法及系统 | |
Wang et al. | A learning-based approach for lane departure warning systems with a personalized driver model | |
CN109145719B (zh) | 一种驾驶员疲劳状态识别方法及系统 | |
CN104494600B (zh) | 一种基于svm算法的驾驶员意图识别方法 | |
Wang et al. | Modeling and recognizing driver behavior based on driving data: A survey | |
CN106184223A (zh) | 一种自动驾驶控制方法、装置及汽车 | |
US7831407B2 (en) | Adaptive vehicle control system with driving style recognition based on vehicle U-turn maneuvers | |
JP5132750B2 (ja) | 運転者支援システムのための実世界の交通場面からの視覚特性の行動ベース学習 | |
CN108944939B (zh) | 用于提供驾驶指导的方法和系统 | |
CN108196535A (zh) | 基于增强学习和多传感器融合的自动驾驶系统 | |
US11912286B2 (en) | Driving risk identification model calibration method and system | |
US20100019964A1 (en) | Adaptive vehicle control system with driving style recognition and road condition recognition | |
Li et al. | Lane change maneuver recognition via vehicle state and driver operation signals—Results from naturalistic driving data | |
US20100152951A1 (en) | Adaptive vehicle control system with driving style recognition based on vehicle accelerating and decelerating | |
CN111717217B (zh) | 一种基于概率修正的驾驶员意图识别方法 | |
US20100023181A1 (en) | Adaptive vehicle control system with driving style recognition based on vehicle passing maneuvers | |
US20100023216A1 (en) | Adaptive vehicle control system with driving style recognition based on vehicle left/right turns | |
US20100023182A1 (en) | Adaptive vehicle control system with driving style recognition based on maneuvers at highway on/off ramps | |
US20100152950A1 (en) | Adaptive vehicle control system with driving style recognition based on vehicle stopping | |
JP2019191694A (ja) | 進路決定装置 | |
CN109878530B (zh) | 识别车辆侧向行驶工况的方法和系统 | |
CN111332362A (zh) | 一种融合驾驶员个性的智能线控转向控制方法 | |
Milanés et al. | Vision-based active safety system for automatic stopping |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |