智能車輛自主性換道時機決策方法
【技術領域】
[0001] 本發明涉及機動車輛駕駛安全領域，特別是涉及一種基于最近鄰居分類模型的自 主換道時機決策方法。
【背景技術】
[0002] 車輛換道決策失誤一直是導致道路交通安全事故發生的重要原因之一。統計表 明，在所有的換道事故中，由于駕駛人判斷決策失誤而引發的事故約占事故總量的75%。因 此，車輛換道時，特別是車輛行駛過程中進行自主性車道變換時，給駕駛人提供快速準確的 換道決策判斷意義重大，對減少道路交通事故的發生，提高道路交通安全水平有著十分重 要的意義。
[0003] 車輛換道是一種比較復雜的駕駛行為。換道過程中駕駛人需要對自車的前方區 域、后方區域以及側向區域進行仔細觀察，判斷這些區域中是否存在其他車輛、周圍車輛與 自車的相對運動關系、以及自車與周圍車輛發生沖突的可能性。然而，駕駛人通過后視鏡對 后方區域、側向區域地觀察通常不如對前方區域地觀察那么直接，在分析換道沖突可能性 過程中容易出現失誤。另一方面，后視鏡的視覺盲區問題也引起較大的安全隱患。
[0004] 目前，現有技術已有用于協助變換車道的車輛換道危險預警系統。目前常見的換 道預警系統分為兩類，第一類主要針對后視鏡的視覺盲區問題，通過采用超聲波傳感器對 自車側向、后方臨近區域內的車輛進行監控;第二類系統主要針對換道目標車道后方存在 高速接近車輛的情況，通過使用測距雷達對換道過程中自車與其他車輛的相對距離、相對 速度進行實時監控，分析換道過程中引發碰撞事故的風險程度，在風向程度較高情況下對 駕駛人進行預警提示。然而，現有車輛換道危險預警系統運行所需裝置多，預警算法復雜， 可靠性不高，誤報率不能控制在較低的水平，難以確保在任何條件下的換道安全，特別是進 行自主性車道變換的情況。因此，目前需要一種車輛自主性換道時預警算法簡單、誤報率較 低的車輛強制換道決策方法。
【發明內容】
[0005] 發明目的:本發明提供一種基于最近鄰居分類模型的車輛自主性換道時機決策模 型，利用最近鄰距離分類模型給駕駛員進行車輛自主性換道時提供決策判斷，并在換道危 險發生時及時地發出警報提醒。所述方法能夠有效地為駕駛員進行車輛自主性換道時提供 正確可靠的決策判斷，可極大地減少因換道決策失誤導致的道路交通事故。
[0006] 技術方案:一種智能車輛自主性換道時機決策方法，包括以下步驟：
[0007] 步驟1:通過多普勒測速雷達傳感器獲取描述交通狀態的樣本數據
[0008] 步驟2:構建基于最近鄰居分類模型的車輛自主換道決策模塊，分別通過訓練與測 試樣本數據的選取和處理、內核集的構建、最近鄰居的選取、換道時機決策閾值的確定和決 策模型的精確度驗證；
[0009]步驟3:將獲取的7個樣本數據實時地導入到車輛自主換道時機決策模塊中，并形 成換道時機決策判斷。
[0010] 具體地，所述步驟1中，獲取描述交通狀態的樣本數據TC(t) = ( Δ V1(t)，gl(t)，Δ Vf(t)，gf(t)，Δ Vv(t)，gP(t)，vs(t))即t時刻換道車輛所在位置的交通狀態，其中，Δ V1(t) 代表換道車輛t時刻與目標車道前導車的相對速度，gl(t)代表換道車輛t時刻與目標車道 前導車的相對距離，△ Vf(t)代表換道車輛t時刻與目標車道后隨車的相對速度，gf(t)代表 換道車輛t時刻與目標車道后隨車的相對距尚，△ Vp(t)代表換道車輛t時刻與當前車道前 導車相對速度，gP(t)代表換道車輛t時刻與當前車道前導車相對距離，V s(t)代表換道車輛t 時刻速度。
[0011] 具體地，所述步驟2中，訓練與測試樣本數據的選取與處理環節中的交通狀態數據 是基于Next Generation Simulation數據集中的軌跡數據包括每輛車的縱坐標、橫坐標、 速度、加速度和前車輛車間隔時間進行處理得到，軌跡數據的采樣頻率為IOHz;并對數據集 進行劃分，所述數據集一部分用于構建內核集，稱之為訓練集，另一部分用于測試，稱之為 測試集。
[0012] 具體地，所述步驟2中的內核集構建環節，內核集的元素全部取自訓練數據集中元 素，并且采用min-max標準化方法對狀態向量中的不同分量進行歸一化處理；歸一化公式 為：
[0014]其中max為樣本數據的最大值，min為樣本數據的最小值。
[0015]具體地，所述步驟2中的最近鄰居的選取其原則是挑選內核集中與當前狀態元素 最近的10個元素為最近鄰居集;具體方法是:計算待決策交通狀態與內核集中每個元素的 距離〇:并按升序排列;距離計算公式如下：
[0017] D，= {〇, i I i = !，2，…，k}代表按升序重排過后的距離集。
[0018]具體地，所述步驟2中的換道時機決策閾值的確定，具體方法是:計算待決策交通 狀態與最近鄰居集中元素距離的平均值DTS，表征待決策交通狀態與適合成功換道的交通狀 態之間的相似度，計算公式如下：
[0020] DThreshcild記為決定是否可以成功換道的閾值，由內核集SKernel(k)確定，被設置成 〇· 7i^Ti.S，DfiS代表TCi(tei)和SKernel(k)之間的距尚。如果Dts ^ DThreshold(k)，換道車輛結束換 道準備過程，開始執行換道；否則，繼續換道準備過程。DThre3shcild(k)隨著K值的調整動態變 化。
[0021] 具體地，所述步驟2中的決策模型的精確度驗證環節，根據決策閾值對測試數據進 行識別，并將識別結果與實際的自主換道情況進行對比，用識別的準確性驗證模型的準確 性。
[0022] 有益效果:與現有技術相比，本發明的優點在于：
[0023] 1、換道時機決策模型松弛了對傳統模型對數學形式和變量分布的要求，因此，該 模型可以更加現實地模擬駕駛員換道行為的非線性特性。
[0024] 2、決策精度可以隨著內核集規模的擴大而提高，并且計算復雜度低，實用性強。
【附圖說明】
[0025]圖1是自主性換道決策示意圖。
【具體實施方式】
[0026]下面結合附圖和【具體實施方式】，進一步闡明本發明。
[0027] 如圖1所示，一種智能車輛自主性換道時機決策方法，通過對比當前交通狀態與已 經成功執行換道的的換道開始交通狀態的相似度來決定是否執行換道，其中相似度用歐式 距離來衡量;如果相似度滿足某種條件，則執行換道;如果相似度不滿足某種條件，則拒絕 執行換道，繼續換道準備過程，具體的算法過程如下：
[0028]步驟1:通過多普勒測速雷達傳感器獲取交通狀態描述樣本數據TC(t) = ( Δ V1 (t)，gi(t)，Δ Vf(t)，gf(t)，Δ Vp(t)，gP(t)，vs(t))SPt時刻換道車輛所在位置的交通狀態。 TCi (t)，i = 1，2，…，7代表描述交通狀態的第i個元素。其中，Δ V1 (t)代表換道車輛t時刻與 目標車道前導車的相對速度，gi(t)代表換道車輛t時刻與目標車道前導車的相對距離，Δ Vf (t)代表換道車輛t時刻與目標車道后隨車的相對速度，gf(t)代表換道車輛t時刻與目標車 道后隨車的相對距離，A