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：青岛理工大学

摘要：本发明公开基于速度场的网联自主车辆位置预测和风险量化方法，属风险量化技术领域，用于车辆位置预测和风险量化，位置预测方法包括模型输入、编码器、解码器、混合密度层和模型输出，编码器和解码器之间设有桥接向量，解码器和混合密度层之间设有全连接层；风险量化方法包括获得车辆驾驶位置后，由混合密度层输出车辆的位置预测分布计算得到车辆距离，依次构造车辆交互风险势场、车辆交互潜在风险场、车辆交互潜在时空风险场。本发明弥补传统风险量化指标在冲突点缺失情况下量化结果中断的不足，在较为保守和较为激进间切换，动态评估不同风格驾驶人的客观驾驶风险，为智能网联混合流中的网联自主车辆提供更加安全可靠的驾驶行驶环境。

主权项：1.基于速度场的网联自主车辆位置预测方法，其特征在于，包括模型输入、编码器、解码器、混合密度层和模型输出，编码器和解码器之间设有桥接向量，解码器和混合密度层之间设有全连接层；编码器和解码器由具有相同结构和权重的长短记忆神经网络LSTM堆栈组成，编码器将历史轨迹数据转换为桥接向量用于储存交互车辆的行为特征，解码器通过桥接向量的编码特征输出车辆的和坐标向量，最后由混合密度层输出车辆的位置预测分布；基于速度场的网联自主车辆风险量化方法，使用所述的基于速度场的网联自主车辆位置预测方法，包括获得车辆驾驶位置后，由混合密度层输出车辆的位置预测分布计算得到车辆距离；混合密度层中，假设与坐标是相关的且都遵循高斯混合分布，预测与坐标分布： ；；高斯混合分布中使用的高斯分布为： ；归一化的过程为： ；混合密度层训练过程的损失函数为： ；式中，为高斯混合种类总数，为第个高斯混合种类，为时刻，为每种混合物密度的权重，和分别为和的参考平均值和标准差，为和的相关系数，为时刻坐标，为时刻坐标，为模型输入，为的估值，为第个高斯混合种类，为归一化的高斯分布，和分别是和的方差，为经验函数，和分别是和的均值，为车辆数量，为总时刻，为第个车辆的第个高斯混合种类；模型输入和模型输出为： ；；式中，和分别为输入的观测时刻与输出的预测时刻； ；；；；式中，为第个，为第个，为第个；车辆间平衡距离为： ；式中，表示目标车辆与待交互车辆的速度差，表示目标车辆与交互车俩的加速度差，表示目标车辆速度，表示目标车辆加速度；依次构造车辆交互风险势场、车辆交互潜在风险场、车辆交互潜在时空风险场；三个风险场分别为： ； ； ； ；；式中，表示车辆最大交互距离，为第一势场参数，表示车辆速度方向与道路中心线夹角，为第二势场参数，为遵循半衰期原则引入的折扣函数，为半衰期，是目标车辆的速度，是交互车辆的速度，是驾驶人响应时间，是制动系统响应时间，是目标车辆的加速度，是交互车辆的加速度，是两辆车之间的相对间距；使用车辆交互潜在时空风险场进行风险量化。

全文数据：

权利要求：

百度查询： 青岛理工大学 基于速度场的网联自主车辆位置预测和风险量化方法