一种基于驾驶员意图识别的车辆自动巡航控制方法及系统

本发明涉及车辆智能巡航控制，尤其是一种基于驾驶员意图识别的车辆自动巡航控制方法及系统。

背景技术：

1、自动巡航系统作为辅助驾驶已广泛应用于乘用车及商用车领域，能够有效降低驾驶员长途驾驶疲劳度，提升车辆行驶平顺性与道路通行效率。现有巡航技术主要依托车载雷达、视觉摄像头、车身can总线采集车辆状态与道路环境数据，结合固定逻辑规则实现车速维持、跟车行驶、简单减速避让等基础功能。

2、然而在实际复杂动态行车场景中，现有的巡航系统多基于实时场景参数进行被动式规则响应，仅能根据当前车速、前车距离、道路曲率等已发生状态变量进行参数修正，无法提前预判行车场景的动态变化趋势。

技术实现思路

1、针对现有技术的不足，本发明提供一种基于驾驶员意图识别的车辆自动巡航控制方法及系统，本发明顾驾驶安全与行驶平顺性，抑制加减速、转向指令剧烈跳变，解决传统巡航固定参数在多场景下适配性差的缺陷。

2、第一方面，本发明提供一种基于驾驶员意图识别的车辆自动巡航控制方法，包括：

3、获取多源异构数据，并基于多源异构数据提取高维原始特征向量和构建原始驾驶特征集、场景风险特征、车辆状态特征；

4、对所述原始驾驶特征集依次进行邻域偏差阈值滤波、误触伪操作剔除，通过正交解耦分离驾驶员的显性操作意图特征与未操作预行为隐态意图特征，并利用残差补偿项进行修正；

5、构建融合因果推理的双分支意图推理网络，并利用所述双分支意图推理网络分别对修正的显性操作意图特征与未操作预行为隐态意图特征进行当前驾驶意图识别和反向因果关联求解，得到当前驾驶意图与未来意图演化时序序列；

6、构建包括场景风险、驾驶意图、车辆状态的综合代价博弈模型，通过迭代综合代价博弈模型权重均衡求解最优巡航决策量；

7、根据工况判别向量与标准工况聚类中心的欧式距离确定当前工况，并基于当前工况对应的工况迁移矫正系数调整当前时刻的最优巡航决策量。

8、第二方面，本发明提供一种基于驾驶员意图识别的车辆自动巡航控制系统，包括：

9、数据采集模块，用于获取多源异构数据，并基于多源异构数据提取高维原始特征向量和构建原始驾驶特征集、场景风险特征、车辆状态特征；

10、解耦去伪模块，用于对所述原始驾驶特征集依次进行邻域偏差阈值滤波、误触伪操作剔除，通过正交解耦分离驾驶员的显性操作意图特征与未操作预行为隐态意图特征，并利用残差补偿项进行修正；

11、驾驶意图预测模块，用于构建融合因果推理的双分支意图推理网络，并利用所述双分支意图推理网络分别对修正的显性操作意图特征与未操作预行为隐态意图特征进行当前驾驶意图识别和反向因果关联求解，得到当前驾驶意图与未来意图演化时序序列；

12、巡航决策量解算模块，用于构建包括场景风险、驾驶意图、车辆状态的综合代价博弈模型，通过迭代综合代价博弈模型权重均衡求解最优巡航决策量；

13、巡航决策量修正模块，用于根据工况判别向量与标准工况聚类中心的欧式距离确定当前工况，并基于当前工况对应的工况迁移矫正系数调整当前时刻的最优巡航决策量。

14、第三方面，本发明提供一种电子设备，包括：

15、至少一个处理器；

16、以及与所述至少一个处理器通信连接的存储器；

17、其中，所述存储器存储有可被至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行时实现所述基于驾驶员意图识别的车辆自动巡航控制方法。

18、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行的计算机程序，所述计算机程序被处理器执行时实现所述基于驾驶员意图识别的车辆自动巡航控制方法。

19、本发明的有益技术效果为：

20、1、本发明通过多源异构数据提取驾驶员的显性操作和隐性预行为，同时通过邻域偏差阈值滤波、误触伪操作剔除、与正交解耦抗干扰去伪采样，分离驾驶员显性操作特征与隐态预行为特征，剔除传感器抖动和误触带来的无效噪声，提升驾驶意图特征的纯净度；

21、2、本发明融合因果推理构建的双分支意图推理网络一方面实现显性驾驶意图实时分类识别，另一方面通过反向因果关联挖掘未发生操作的潜在驾驶趋势，可输出当前驾驶意图以及未来3s意图演化时序序列，提前预判驾驶员潜在驾驶行为；

22、3、本发明建立场景风险、驾驶意图、车辆状态的综合代价博弈模型在求解最优巡航决策量的同时约束控制指令时序突变，顾驾驶安全与行驶平顺性，抑制加减速、转向指令剧烈跳变；

23、4、本发明利用驾驶工况域聚类完成最优决策量的修正，适应输出适配当前场景的加减速梯度、跟车时距、转向增益，解决传统巡航固定参数在多场景下适配性差的缺陷。

1.一种基于驾驶员意图识别的车辆自动巡航控制方法，其特征在于，所述的方法包括：

2.根据权利要求1所述的方法，其特征在于：基于多源异构数据提取高维原始特征向量和构建原始驾驶特征集、场景风险特征、车辆状态特征，包括：

3.根据权利要求2所述的方法，其特征在于：对所述原始驾驶特征集依次进行邻域偏差阈值滤波、误触伪操作剔除，通过正交解耦分离驾驶员的显性操作意图特征与未操作预行为隐态意图特征，并利用残差补偿项进行修正，包括：

4.根据权利要求3所述的方法，其特征在于：构建融合因果推理的双分支意图推理网络，并利用所述双分支意图推理网络分别对修正的显性操作意图特征与未操作预行为隐态意图特征进行当前驾驶意图识别和反向因果关联求解，得到当前驾驶意图与未来意图演化时序序列；包括：

5.根据权利要求4所述的方法，其特征在于：将带位置信息的显性分支输入序列输入双分支意图推理网络的显性分支，所述显性分支采用transformer编码器，通过transformer编码器对进行当前驾驶意图识别，包括：

6.根据权利要求4所述的方法，其特征在于：将隐性分支输入序列输入所述的双分支意图推理网络的隐性分支，所述的双分支意图推理网络的隐性分支采用因果时序卷积网络tcn，通过因果时序卷积网络tcn对进行反向因果关联求解，得到潜在未发生意图特征向量，包括：

7.根据权利要求4所述的方法，其特征在于：构建包括场景风险、驾驶意图、车辆状态的综合代价博弈模型，通过迭代综合代价博弈模型权重均衡求解最优巡航决策量，包括：

8.根据权利要求7所述的方法，其特征在于：根据工况判别向量与标准工况聚类中心的欧式距离确定当前工况，并基于当前工况对应的工况迁移矫正系数调整当前时刻的最优巡航决策量，包括：

9.一种基于驾驶员意图识别的车辆自动巡航控制系统，其特征在于，所述系统包括：

10.一种电子设备，包括：