CN109858359A - 一种考虑情感的汽车驾驶人驾驶意图辨识方法 - Google Patents

Abstract

本发明属于车辆智能驾驶和主动安全技术领域，尤其涉及一种考虑情感的汽车驾驶人驾驶意图辨识方法。该方法包括：获取车辆行驶过程中的相关行驶特征，相关行驶特征包括驾驶人在驾驶过程中的驾驶情感和该驾驶情感下的车辆编组态势；获取多个相关行驶特征和与每一相关行驶特征相对应的驾驶意图，将所有的相关行驶特征和与相关行驶特征相对应的驾驶意图输入到预先建立的支持向量机模型中进行训练，获得模型参数；采用训练后模型参数的支持向量机模型用于评判各驾驶人驾驶车辆中的驾驶意图。该方法在考虑情感的条件下，通过准确辨识驾驶人驾驶意图，提高车辆行驶的安全性。

Description

一种考虑情感的汽车驾驶人驾驶意图辨识方法

技术领域

本发明属于车辆智能驾驶和主动安全技术领域，尤其涉及一种考虑情感的汽车驾驶人驾驶意图辨识方法。

背景技术

随着我国经济快速发展，私人汽车拥有量逐年攀升，道路交通系统中人-车-环境矛盾突出，其中由于驾驶人的原因引起的交通事故占70％以上。因此，系统、准确地感知行驶过程中驾驶人的生理、心理特性，开展驾驶人驾驶意图辨识方法的研究，对减少道路交通事故的发生，提高道路交通系统的安全水平有着十分重要的意义。

目前，国内外的专家学者普遍认为，情感是驾驶人对交通环境中各种事物刺激的心理反应，是人生理-心理特性的一种综合表现。驾驶人对外界环境信息的认知、处理，及其对下一步行为的决策均受情感状态影响。

发明内容

(一)要解决的技术问题

针对现有存在的技术问题，本发明提供一种考虑情感的汽车驾驶人驾驶意图辨识方法，该方法在考虑情感的条件下，通过准确辨识驾驶人驾驶意图，提高车辆行驶的安全性。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种考虑情感的汽车驾驶人驾驶意图辨识方法，包括如下步骤：

获取车辆行驶过程中的相关行驶特征，所述相关行驶特征包括驾驶人在驾驶过程中的驾驶情感和该驾驶情感下的车辆编组态势；所述驾驶情感为根据获取的监测驾驶人的图像进行识别并确定的，所述车辆编组态势为根据获取的监测驾驶人所在车辆的图像进行识别并确定的；

获取多个相关行驶特征和与每一相关行驶特征相对应的驾驶意图，将所有的相关行驶特征和与相关行驶特征相对应的驾驶意图输入到预先建立的支持向量机模型中进行训练，获得模型参数；

采用训练后模型参数的支持向量机模型用于评判各驾驶人驾驶车辆中的驾驶意图。

进一步地，所述驾驶情感为预先采用中国PAD模型情感量表进行检测而确定和定义的。

进一步地，所述驾驶情感包括愤怒、惊奇、恐惧、焦虑、无助、蔑视、轻松和愉悦。

进一步地，所述车辆编组态势由车辆行驶过程中车辆所在车道和相邻车道对所述车辆的作用力表示。

进一步地，所述驾驶意图包括与速度相关的驾驶意图和与换道相关的驾驶意图。

进一步地，所述与速度相关的驾驶意图包括加速、减速和保持车速。

进一步地，所述与换道相关的驾驶意图包括换道和直行。

进一步地，所述驾驶意图保持车速直行、加速直行、减速直行、保持车速换道、加速换道和减速换道共六种。

(三)有益效果

本发明提供的驾驶人驾驶意图的辨识对于增强汽车主动安全系统的有效性和提高道路交通系统的安全性具有重大意义。

附图说明

图1为本发明实施例中采用的部分视觉情感诱发材料；

图2为本发明实施例中采用的PAD标准项目表；

图3为本发明实施例中支持向量机的结构；

图4为本发明实施例中基于DAG算法的驾驶人速度意图识别模型；

图5为本发明实施例中基于DAG算法的驾驶人换道意图识别模型。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

一种考虑情感的汽车驾驶人驾驶意图辨识方法，包括如下步骤：

S1、诱发被测试者(即驾驶人)的驾驶情感，并对驾驶情感的诱发结果进行检测。采用维克托.S.约翰斯顿提出的负向情感与正向情感，对驾驶人行驶过程中常见的情感进行调查分析，选取愤怒、惊奇、恐惧、焦虑、无助、蔑视、轻松、愉悦8种驾驶情感。

首先，采用综合多通道情感诱发方法对被测试者的8种驾驶情感进行诱发：向被测试者展示国际情感图片系统和中国情感刺激材料库中带有强烈情感色彩的图片，并向其详细描述图片的情景或所包含的故事，让被测试者有身临其境的感觉，如图1所示为本发明采用的部分视觉情感诱发材料；向被测者播放中国情感刺激材料库中激发特定情感的视频，对前面激发的情感进一步加深；利用虚拟驾驶平台设置车祸、交通拥堵、交叉口长时间等待、车辆挤道、干扰车恶意阻碍被测试者前行等交通场景，激发被测者的恐惧、无助、焦虑、愤怒情感；构建驾驶竞赛游戏场景并综合运用语言诱导和心理暗示等方法激发被测者的蔑视情感；通过与被测试者沟通交流，赠送小礼物，或让其对镜微笑，唱歌等方法激发轻松、愉悦情感；利用一些奇闻异事、超乎常识的知识，数据非常夸张的世界纪录等，播放或展示给被试者，并辅以语言诱导、气氛烘托和物质奖励等多元化情感激发方法，激发被试者的惊奇情绪。

其次，对被测试者驾驶情感的诱发结果进行检测：1)综合采用被测试者的生理信号检测，利用PsyLAB人因工程系统提取被测试者的心电、呼吸、脉搏、皮肤电等生理数据信息，使用Haag A提出的基于生理信息的情感识别方法，对被试者是否完成情感的诱发作出判断；2)根据被测试者的行为表现，如面部表情、肢体动作等判断是否完成目标驾驶情感的诱发；3)在实验结束后，组织被测试者立即观看实验过程中自身动作及面部表情的视频回放，由被测试者填写中国PAD模型情感量表，计算得到愉悦度P、激活度A和优势度D。由PAD三参数值，根据中科院修订的中国PAD模型情感量表，对驾驶人是否完成目标情感的诱发作出判断。如图2所示，为PAD标准项目表。

参数P表示愉悦度：P＝S₁-S₄+S₇-S₁₀ (1)

参数A表示激活度：A＝-S₂+S₅-S₈+S₁₁ (2)

参数D表示优势度：D＝S₃-S₆+S₉-S₁₂ (3)

S2、选择具有特定驾驶情感的驾驶人进行驾驶实验，所述驾驶实验包括虚拟驾驶实验和实车驾驶实验。在虚拟驾驶实验中，被激发出特定驾驶情感的驾驶人在驾驶模拟器上进行驾驶，在此过程中，驾驶模拟器的数据采集模块可直接获得当前状态下的车辆编组态势，所述车辆编组态势包括车辆的位置信息和车辆的运动信息，车辆运动信息包括车辆的速度信息(加速、减速和保持车速)和车辆的换道信息(换道、直行)。

在实车驾驶实验中，被激发出特定驾驶情感的驾驶人在实际的车辆和道路环境中进行驾驶，通过安装在车辆上的速度传感器、测距仪、GPS等获得车辆编组态势。

S3、采用支持向量机的方法建立考虑情感的汽车驾驶人驾驶意图辨识模型。

首先，根据驾驶意图的分类确定样本类数。

将驾驶意图分为如下6类：保持车速直行、加速直行、减速直行、保持车速换道、加速换道和减速换道。其中，对于行驶速度的驾驶意图识别时k＝3，即指保持车速、加速和减速3种与行驶速度相关的意图；对于车辆换道的驾驶意图识别时k＝2，即指换道和直行2种与行驶种换道相关的意图。

其次，在每一种驾驶情感的情况下建立4个二值分类器：换道与保持直行、加速与保持车速、加速与减速、保持车速与减速。过程如下：

求解分类线方程，可将求解分类线方程转化为求解对偶优化方程，如图3所示：

式中，K(X_i,X_j)为符合Mercer条件的核函数，X_i和X_j为样本数据构成的特征向量，通过引入松弛因子ζ_i＞0，可确定目标函数为：

式中，c为惩罚函数；

确定最优分类函数：

y(x)＝sgn(ω·Q(x)+b)＝sgn[α_iy_iK(x_i,x_j)+b] (6)

式中，对应任一支持向量，b可由下式确定：

y_i[(ω·x)+b]≥1-ξ_i，i＝1,2,…,n (7)

其中，0≤α_i≤c为拉格朗日乘子。

最后，通过DAG算法建立并训练考虑情感的汽车驾驶人驾驶意图辨识模型。将已知的驾驶情感、车辆编组态势和对应的驾驶意图共同输入支持向量模型进行参数训练，得到驾驶意图辨识模型。其中，将构建特征向量Data(t)和标签量Label(t)，分别作为SVM模型训练参数和验证的特征参数，其中：

Data(t)＝{x₁(t),x₂(t),...,x_i(t),...,x_n(t)} (8)

式中n为训练样本数量，x_i(t)为t时段内对应的特征向量信息，本实施方式选取的特征向量为驾驶人的驾驶情感和车辆编组态势，其中，驾驶情感通过安装在车辆中的驾驶人图像采集装置获得，车辆编组态势由目标车所在车道和相邻车道对目标车的作用力表示：

Label(t)＝{y(t)} (9)

式中y(t)表示支持向量机在每个节点的分类标签，y(t)∈{-1,1}，例如在驾驶人换道意识识别模型中，换道记为1，直行记为-1。

得到基于DAG算法的驾驶人驾驶意图辨识模型，并在Matab Lib-svm环境下选用高斯径向基核函数以默认参数导入样本对模型进行训练，建立考虑情感的汽车驾驶人驾驶意图辨识方法。

如图4、5所示，为本实施方式中基于DAG算法的驾驶人速度意图识别模型和驾驶人换道意图识别模型。

以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (8)

1.一种考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，包括如下步骤：

获取车辆行驶过程中的相关行驶特征，所述相关行驶特征包括驾驶人在驾驶过程中的驾驶情感和该驾驶情感下的车辆编组态势；所述驾驶情感为根据获取的监测驾驶人的图像进行识别并确定的，所述车辆编组态势为根据获取的监测驾驶人所在车辆的图像进行识别并确定的；

获取多个相关行驶特征和与每一相关行驶特征相对应的驾驶意图，将所有的相关行驶特征和与相关行驶特征相对应的驾驶意图输入到预先建立的支持向量机模型中进行训练，获得模型参数；

采用训练后模型参数的支持向量机模型用于评判各驾驶人驾驶车辆中的驾驶意图。

2.根据权利要求1所述的考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，所述驾驶情感为预先采用中国PAD模型情感量表进行检测而确定和定义的。

3.根据权利要求1所述的考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，所述驾驶情感包括愤怒、惊奇、恐惧、焦虑、无助、蔑视、轻松和愉悦。

4.根据权利要求1所述的考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，所述车辆编组态势包括：识别驾驶人所在车辆的图像中的两个以上车辆，并根据预设时间段的图像确定驾驶人所在车辆与相邻车道之间的作用力，将确定的作用力表示为车辆编组态势。

5.根据权利要求1所述的考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，所述驾驶意图包括与速度相关的驾驶意图和与换道相关的驾驶意图。

6.根据权利要求5所述的考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，所述与速度相关的驾驶意图包括加速、减速和保持车速。

7.根据权利要求6所述的考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，所述与换道相关的驾驶意图包括换道和直行。

8.根据权利要求7所述的考虑情感的汽车驾驶人驾驶意图辨识方法，其特征在于，所述驾驶意图保持车速直行、加速直行、减速直行、保持车速换道、加速换道和减速换道共六种。