车辆行驶状态实时判别的方法

摘要

本发明提供一种车辆行驶状态实时判别的方法，其特征在于，包括以下步骤：建立行驶车辆运行轨迹段的基于隐马尔科夫模型数学定义的车辆观察值序列；建立车辆各个允许行驶状态的隐马尔科夫模型，组成隐马尔科夫模型库；将所述车辆观察值序列与所述隐马尔科夫模型库进行匹配、识别，判断行驶车辆的行驶状态；本发明采用的隐马尔科夫模型轨迹分段判别技术能够保证车辆行驶状态判别的实时性和准确性，本发明能够进一步完善车载导航软件，为驾驶者实时报告行驶状态。

主权项

一种车辆行驶状态实时判别的方法，其特征在于，包括：建立行驶车辆运行轨迹段的基于隐马尔科夫模型数学定义的行驶车辆观察值序列；建立车辆各个允许行驶状态的隐马尔科夫模型，组成隐马尔科夫模型库；将所述行驶车辆观察值序列与所述隐马尔科夫模型库进行匹配、识别，判断行驶车辆的行驶状态；所述建立行驶车辆运行轨迹段的基于隐马尔科夫模型数学定义的行驶车辆观察值序列包括：采集车辆原始轨迹点，原始轨迹点数量不少于26个，形成原始轨迹点序列L_initail，L_initial＝{(x₁,y₁),(x₂,y₂),…,(x_l,y_l)}；l为所述原始轨迹点序列L_initail的长度，其值等于所述原始轨迹点的数量；对所述原始轨迹点序列L_initail中的各点进行平滑滤波处理，形成有效轨迹点序列L_filtering，L_filtering＝{(x'₁,y'₁),(x'₂,y'₂),...,(x′_l,y′_l)}；对所述有效轨迹点序列L_filtering，进行基于最小二乘法的分段拟合，获得拟合轨迹点序列L_fit，L_fit＝{(x″₁,y″₁),(x″₂,y″₂),...,(x″_l,y″_l)}；建立特征值序列L^θ＝{θ₁,θ₂,…,θ_l‑1}，包括：计算所述拟合轨迹点序列L_fit中两个相邻两个点(x″_i,y″_i)、(x″_i+1,y″_i+1)的运动方向角度θ_i，i的值依次为[1，l‑1]范围的整数；当y″_i+1‑y″_i≥0时，θ_i＝artan[(y″_i+1‑y″_i)/(x″_i+1‑x″_i)]；当y″_i+1‑y″_i≥0并且x″_i+1‑x″_i＝0时θ_i＝π/2；当y″_i+1‑y″_i≤0时，θ_i＝artan[(y″_i+1‑y″_i)/(x″_i+1‑x″_i)]+2π；当y″_i+1‑y″_i≤0并且x″_i+1‑x″_i＝0时；θ_i＝3π/2；根据所述原始轨迹点序列L_initail、所述特征值序列L^θ建立基于隐马尔科夫模型数学定义的行驶车辆观察值序列V，V＝{V₁,V₂...V_l‑1}，包括：划分方向象限：以所述原始轨迹点序列L_initail的点(x_i,y_i)为中心点，将范围为[0,2π]的方向角平均划分为不少于4个方向象限；对方向象限进行编码：从0度角开始，按逆时针方向或顺时针方向，依次对各个所述方向象限进行编码，使每一个所述方向象限均对应唯一的区域数值；根据所述特征值序列L^θ中运动方向角θ_i的值所在的方向象限，获得所述运动方向角θ_i对应的区域数值，得到运动方向角θ_i的基于隐马尔科夫模型数学定义的观察值V_i；i的值依次为[1，l‑1]范围的整数；所述建立车辆各个允许状态的隐马尔科夫模型包括：对各个允许状态建立样本轨迹段模式类库，每一个允许状态对应一个样本轨迹段模式类库；对所述样本轨迹段模式类库建立观察值库V_q，V_q＝{V¹,V²…V^m}；所述观察值库包含m个观察值序列V^K，m的值等于所述样本轨迹段模式类库的样本轨迹段数量，K依次为[1，m]范围内的整数；q为[1，M]范围内的整数，M为样本轨迹段模式类库的数量；对所述观察值库V_q＝{V¹,V²…V^m}进行轨迹模式训练，建立隐马尔科夫模型λ_q；所述行驶车辆观察值序列与隐马尔科夫模型库进行匹配、识别，判断行驶车辆的行驶状态包括：依次计算所述行驶车辆观察值序列V＝{V₁,V₂,…,V_T}对于隐马尔科夫模型库的前向概率P(V|λ_i)，得到最大前向概率，其中，i依次为[1，M]范围内的整数，T取值为25，M为样本轨迹段模式类库的数量；根据所述最大前向概率，得到所述行驶车辆观察值序列对应的隐马尔科夫模型，从而获得行驶车辆的行驶状态。