(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211100518.3 (22)申请日 2022.09.09 (71)申请人 湖南大学 地址 410082 湖南省长 沙市岳麓区麓山 南 路2号 (72)发明人 杨泽宇　余子云　胡子牛　秦晓辉　 王冠　秦洪懋　徐彪　 (74)专利代理 机构 长沙市融智专利事务所(普 通合伙) 43114 专利代理师 颜勇 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/16(2006.01) G06F 16/2458(2019.01) G06F 30/20(2020.01)G06K 9/62(2022.01) (54)发明名称 一种危险工况下驾驶员避撞行为预测方法 及系统 (57)摘要 本发明公开了一种危险工况下驾驶员避撞 行为预测方法及系统， 其方法包括以下步骤： S1, 从事故数据库中提取变量数据， 对变量进行统计 分析， 根据变量的统计特性进行数据分类， 使用 多维高斯分布构建驾驶员避撞行为模型； S2， 获 取影响驾驶员转向偏好的变量， 寻找决策树模型 构建转向偏好决策树模型； S3， 对驾驶员避撞行 为模型进行采样预测避撞行为。 本发 明通过危险 工况下驾驶员避撞行为模型构建、 危险工况下驾 驶员转向偏好预测， 以及基于概率模 型的随机采 样， 可以得到驾驶员采取的避撞行为强度大小， 又解决了涉及转向避撞行为的转向偏好预测问 题， 实现了危险工况 下驾驶员避撞行为预测。 权利要求书1页 说明书8页 附图3页 CN 115482662 A 2022.12.16 CN 115482662 A 1.一种危险工况 下驾驶员避撞行为预测方法， 其特 征在于， 包括以下步骤： S1,从事故数据库中提取变量数据， 对变量进行统计分析， 根据变量的统计特性进行数 据分类， 使用多维高斯分布构建驾驶员避撞行为模型； S2， 获取影响驾驶员转向偏好的变量， 构建转向偏好决策树模型； S3， 对驾驶员避撞行为模型进行采样预测避撞行为。 2.根据权利要求1所述的危险工况下驾驶员避撞行为预测方法， 其特征在于， 所述步骤 S1的具体步骤为： 步骤S11， 从事故数据库中提取变量数据； 步骤S12， 对获取变量进行统计分析， 获取它 们的统计学 特性； 步骤S13， 根据变量的统计特性进行 数据分类， 为高斯子模型建立 提供依据。 步骤S14， 使用多维高斯分布构建驾驶员避撞行为模型， 用其表示车辆纵横向减/加速度 的概率密度函数。 3.根据权利要求2所述的危险工况下驾驶员避撞行为预测方法， 其特征在于， 所述步骤 S11的变量包括避撞行为开始时间、 车辆纵横向避撞减/加速度、 避撞行为开始时速度、 临撞 时间。 4.根据权利要求1所述的危险工况下驾驶员避撞行为预测方法， 其特征在于， 所述步骤 S2的具体步骤为： 步骤S21， 获取影响驾驶员转向偏好的变量； 步骤S22， 利用数据库中的驾驶员转向偏好数据， 构建转向偏好决策树模型。 5.根据权利要求1所述的危险工况下驾驶员避撞行为预测方法， 其特征在于， 所述步骤 S3中使用马尔可 夫‑蒙特卡洛Gib bs采样方法对驾驶员避撞行为模型进行采样。 6.一种危险工况下驾驶员避撞行为预测系统， 其特征在于： 包括环境感知模块、 定位模 块、 紧急场景分类模块、 驾驶员避撞行为模块、 采样模块和驾驶员转向偏好预测模块， 环境 感知模块通过激光雷达、 摄像头、 毫米波 雷达设备获取当前车辆到目标车辆距离Δd和目标 车状态信息如目标 车航向角 θ2和对应速度vo； 定位模块获取当前自车信息； 紧急场景分类模块， 用于根据 车上感知传感器和定位设备获取自车与目标车相对距离 与对应速度， 计算得出临撞速度v避撞和临撞时间TTCb， 从而依据 定义的危险场景划分级别对 当前场景紧急程度进行分类； 驾驶员避撞行为模块， 根据紧急场景分类信 息确定的当前危险场景级别调用要进行采 样的驾驶员避撞行为子模型； 采样模块： 使用马尔可夫 ‑蒙特卡洛策略中的Gibbs采样方法对驾驶员避撞行为子模型 进行采样， 获取多个采样点， 代 表在当前危险场景 下， 驾驶员可能采取的避撞操作强度； 驾驶员转向偏好预测模块， 用于根据采样点是否采取转向避撞操作， 决定是否调用驾 驶员转向偏好预测模型， 从而得到驾驶员右转或左转的概 率， 完成驾驶员转向偏好预测。权　利　要　求　书 1/1 页 2 CN 115482662 A 2一种危险工况下驾驶员避撞行为预测方 法及系统 技术领域 [0001]本发明涉及汽车驾驶技术领域， 具体涉及 一种危险工况下驾驶员避撞行为预测方 法及系统。 背景技术 [0002]危险工况下驾驶员避撞行为预测方法充分考虑驾驶员真实的避撞行为特性， 为车 辆风险评估与碰撞预测提供技术基础， 同时风险评估与碰撞预测结果为预触发约束系统提 供准确的输入， 进而可以帮助减少乘员损伤。 危险工况下驾驶员避撞行为预测是指在危险 场景下依据驾驶员避撞行为模型预测驾驶员可能的避撞操作及每种操作的发生概率， 以此 实现驾驶员避撞行为预测。 现有预测方法鲜有使用真实的避撞行为数据构建避撞行为模 型， 无法体现驾驶员真实的避撞行为特性， 无法实现对驾驶员潜在 避撞行为准确的估计。 目 前危险工况下驾驶员避撞行为预测方法主要是1)基于数学假设的避撞行为预测方法2)基 于避撞行为数据的避撞行为预测方法。 基于数学假设的避撞行为预测方法通过对避撞行为 模型进行预先假设， 对交通参与者的操作行为赋予一定的概率， 实现对驾驶避撞行为的预 测。 如将驾驶员避撞行为模型定义为纵向加速度的概率密度分布， 并假设概率密度呈均匀 分布或者三角形分段分布。 基于数学假设的避撞行为预测方法需要基于经验公式假设驾驶 员避撞行为模型或者相关驾驶行为参数， 无法准确模拟驾驶员真实避撞行为操作， 驾驶员 潜在避撞行为估计存在偏差。 基于避撞行为数据的避撞行为预测方法使用由驾驶模拟器获 得的避撞行为数据， 构建驾驶员避撞行为模型， 作为避撞轨迹预测和碰撞概率估计时的先 验知识模型， 通过对避撞行为模型进行采样获取避撞行为参数， 实现危险工况下驾驶员避 撞行为预测。 避撞模 型可以分解为驾驶员在纵向与横向的避撞减/加速度分布 函数， 并分别 用高斯分布进行表示， 此模型实际上假设了驾驶员 在危险工况中一定会做出反应,但是忽 略了现实场景中一部分驾驶员由于驾驶分心或者反应不及而 未做出反应， 使用的模拟驾驶 数据样本获取不完整， 数据样本量缺 失， 一定程度上会影响避撞行为预测方法的可信度。 且 驾驶员不是在完全自然的状态下参与试验， 会对试验中出现的危险工况心存戒备， 这一定 程度上会影响试验结果。 发明内容 [0003]为了解决上述技术问题， 本发明提供一种危险工况下驾驶员避撞行为预测方法及 系统， 其能够准确估计危险场景 下真实的驾驶员避撞行为。 [0004]本发明解决上述技术问题的技术方案是： 一种危险工况下驾驶员避撞行为预测方 法， 包括以下步骤： [0005]S1,从事故数据库中提取变量数据， 对变量进行统计分析， 根据变量的统计特性进 行数据分类， 使用多维高斯分布构建驾驶员避撞行为模型； [0006]S2， 获取影响驾驶员转向偏好的变量， 构建转向偏好决策树模型； [0007]S3， 对驾驶员避撞行为模型进行采样预测避撞行为。说　明　书 1/8 页 3 CN 115482662 A 3