买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明公开了一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法，通过结合驾驶情感转移概率分布和驾驶意图概率分布，实现了对驾驶员复杂意图和情感变化的准确预测，并将其融入轨迹规划过程。通过统计分析驾驶员的历史驾驶数据，确定驾驶情感转移概率分布和驾驶意图概率分布，实现对驾驶员未来驾驶意图和情感状态的精准预测。综合考虑驾驶员的情感状态和意图变化，生成符合驾驶员期望的轨迹，提高驾驶体验和安全性。设计了多目标优化函数，将安全性、舒适性和意图符合度纳入统一框架，通过优化算法实时生成最优轨迹。引入环境感知信息和不确定性处理方法，提高轨迹规划在复杂动态环境中的鲁棒性和可靠性。

主权项：1.一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法，其特征在于，包括以下步骤：S101、获取当前车辆状态、环境信息、驾驶员驾驶情感；S201、根据驾驶情感转移概率分布，预测未来情感状态；S301、根据驾驶意图概率分布，预测未来可能的驾驶意图；S401、根据驾驶意图定义典型目标轨迹簇，生成候选轨迹，计算轨迹偏差；S501、结合驾驶安全性、驾驶舒适性和驾驶意图符合度设计多目标优化函数；S601、确定轨迹规划约束条件；S701、在满足约束条件的情况下使得目标函数最小以求解最优轨迹；S801、使用MPC控制器对所求得的超车轨迹进行跟踪；其中所述步骤S101中所述的车辆状态信息包括当前车辆与周围车辆的位置、速度、加速度；环境信息包括通过车载环境感知系统及无人驾驶智能汽车高清地图获得的当前道路场景；驾驶员驾驶情感包括如下8种：愉悦Emo1、轻松Emo2、挑衅Emo3、无助Emo4、焦虑Emo5、害怕Emo6、惊恐Emo7、愤怒Emo8；驾驶员换道意图包括如下7种：保持原本车速直行Int1、加速直行Int2、加速直行Int3、保持原本车速换道Int4、加速换道Int5、减速换道Int6、停车Int7；其中所述步骤S201、S301通过隐形马尔科夫模型确定驾驶情感转移概率、驾驶意图概率分布的计算过程，其具体数值通过实验确定，定义隐形马尔科夫模型中基本参数如下：Emo＝{Emo1,Emo2,…,Emo8}，其中Emo为驾驶员的驾驶情感状态集合；Int＝{Int1,Int2,…,Int7}，其中Int为驾驶员的驾驶意图状态集合；在t时刻驾驶员的驾驶情感状态为xt，在t时刻驾驶意图状态为yt；ηisk＝Pyk＝sk|xk＝Emoi,i＝1,2,…,8,k＝1,2,…,t,…,L，其中ηisk为驾驶员在k时刻驾驶情感状态为Emoi下驾驶意图yk＝sk的概率，sk∈{Int1,Int2,…,Int7}； 其中εi为在车辆运行过程中驾驶员的驾驶情感Emoi发生的概率，Mi为在驾驶情感状态序列x1,x2,…,xt中有Mi个数据为Emoi；其中εij为在驾驶情感状态序列x1,x2,…,xt中，在车辆运行过程中驾驶情感状态由Emoi转变为Emoj的概率，Mij为有Mi个数据中有Mij个数据在其下一个时刻转移到Emoj； 其中ηijm为对于驾驶意图状态序列y1,y2,...,yt中，在车辆运行过程中驾驶员的驾驶情感由Emoi转变为Emoj时，驾驶员驾驶意图Intm产生的概率，Nijm为驾驶员的驾驶情感由Emoi转变为Emoj驾驶员驾驶意图为Intm的个数； 其中ηijmn为对于驾驶意图状态序列y1,y2,...,yt中，在车辆运行过程中驾驶员的驾驶情感由Emoi转变为Emoj时，驾驶员驾驶意图由Intm转变为Intn的概率，Nijmn为有Nijm个数据中有Nijmn个数据在其下一个时刻驾驶员驾驶意图由Intm转变为Intn的个数；αti＝Pyk＝sk|xt＝Emoi,k＝1,2,…,t，其中αti为在t时刻驾驶情感状态为Emoi下驾驶员在kk＝1,2,…,t时刻驾驶意图yk＝sk的概率，且有初始值α1i＝εiηis1，递推关系1≤j≤8，1≤t≤L-1；βti＝Pyk＝sk∣xt＝Emoi,k＝t+1,t+2,…,L，其中βti为在t时刻驾驶情感状态为Emoi下驾驶员在kk＝t+1,t+2,…,L时刻驾驶意图yk＝sk的概率，且有终端值βLi＝1，递推关系 1≤t≤L-1，其中σti,j为在已知驾驶意图序列s1,s2,...,st，t+1时刻驾驶情感状态由Emoi转变为Emoj的概率； 其中ξti为在已知驾驶意图序列s1,s2,...,st，t时刻驾驶情感状态为Emoi的概率，且有

全文数据：

权利要求：

百度查询： 吉林大学 一种基于驾驶意图预测模型的智能汽车行驶轨迹规划方法