-
公开(公告)号：CN113392892A
公开(公告)日：2021-09-14
申请号：CN202110636966.4
申请日：2021-06-08
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于数据融合的驾驶人驾驶习性辨识方法及装置，其特征在于；包括以下步骤：S1：利用驾驶器和穿戴设备采集数名驾驶人驾驶过程中的车辆运动状态信息、驾驶人驾驶操作信息以及驾驶人生理参数信息；S2：根据驾驶器和穿戴设备采集的数据，提取能够表征驾驶人驾驶习性的特征参数；S3：对特征参数进行聚类分析，得到所述驾驶人驾驶习性的类别属性；S4：基于机器学习方法，建立驾驶人驾驶习性辨识模型，并采用留一法对辨识结果进行验证。本方法除了利用驾驶器数据间接反映驾驶习性外，还提取了穿戴设备中驾驶人的心率参数、驾驶行为等信息直接反映，融合多源信息，对驾驶习性的辨识更加合理，辨识精度高，实现方便，可在本领域大量推广。
-
公开(公告)号：CN113548047A
公开(公告)日：2021-10-26
申请号：CN202110638942.2
申请日：2021-06-08
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度学习的个性化车道保持辅助方法，包括：获取驾驶人驾驶过程中的车辆运动状态信息、道路环境信息作为轨迹模型的参数表征；基于深度卷积模糊系统和轨迹模型的参数，建立轨迹模型；对所述轨迹模型进行优化，根据驾驶人的驾驶特性设定约束条件；获取时实车辆运动状态信息和实时道路环境信息，并基于轨迹模型输出驾驶员的横向位置信息，控制车辆对横向位置进行跟踪。本发明利用深度学习这种端到端的方法，学习驾驶人在轨迹上的驾驶习性，实现个性化的车道保持驾驶辅助，能够提高驾驶人对车道保持系统的接受度，降低人机冲突，改善驾驶人的舒适性，也有利于减轻辅助系统规划层的负荷，保证驾驶安全，进一步提高行驶效率。
-
公开(公告)号：CN113548047B
公开(公告)日：2022-11-11
申请号：CN202110638942.2
申请日：2021-06-08
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度学习的个性化车道保持辅助方法，包括：获取驾驶人驾驶过程中的车辆运动状态信息、道路环境信息作为轨迹模型的参数表征；基于深度卷积模糊系统和轨迹模型的参数，建立轨迹模型；对所述轨迹模型进行优化，根据驾驶人的驾驶特性设定约束条件；获取时实车辆运动状态信息和实时道路环境信息，并基于轨迹模型输出驾驶员的横向位置信息，控制车辆对横向位置进行跟踪。本发明利用深度学习这种端到端的方法，学习驾驶人在轨迹上的驾驶习性，实现个性化的车道保持驾驶辅助，能够提高驾驶人对车道保持系统的接受度，降低人机冲突，改善驾驶人的舒适性，也有利于减轻辅助系统规划层的负荷，保证驾驶安全，进一步提高行驶效率。
-
-
Search Results
3
records
(took 0.012 seconds)
