驾驶员行车动态视觉感知仿真方法

摘要

本发明涉及道路交通领域。提供一种驾驶员行车动态视觉感知仿真方法，提供一种通用的驾驶员行车动态视觉感知仿真框架，为达到上述目的，本发明采取的技术方案是，一种驾驶员行车动态视觉感知仿真方法，采用如下步骤构建行车视觉感知智能体仿真框架进行仿真：采用行车视距范围内的交通流密度表示交通状况；在满足禁忌规则前提下按照p邻域规则反复迭代得到交通场景眼动搜索规则；采用上述规则、交通状况描述构建行车视觉感知智能体仿真框架进行仿真。本发明主要应用于驾驶员行车动态视觉感知仿真。

主权项

1.一种驾驶员行车动态视觉感知仿真方法，其特征是，采用如下步骤构建行车视觉感知智能体仿真框架进行仿真：采用行车视距范围内的交通流密度表示交通状况，则t时刻感知的交通拥堵程度p(x,t)可表示为：$p(x,t)=\underset{s=1}{\overset{S\left(l\right)}{\Sigma }}\omega (l,s)d\left(l\right)\rho [r(l,x)+\mathrm{sd}\left(l\right),l,t,d\left(l\right)]/\underset{l=1}{\overset{L\left(x\right)}{\Sigma }}v[r(l,x),l]$L(x)表示x点所在路段位置的车道数，r(l,x)表示车道l对应于车辆所在点x的左视或右视参照点，如果车道l为点x所在车道，则r(l,x)＝x；v[r(l,x),l]表示车道l上r(l,x)位置的视距；s(l)表示将车道l上视距均分后的距离数量；d(l)表示车道l上视距长度离散之后的距离长度，d(l)＝v(x,l)/s(l)；ω(l,s)表示车道l视距离散后第s段所占本车道交通拥堵感知的权重，s越大，ω(l,s)越小；ρ[r(l,x)+sd(l),l,t,d(l)]表示t时刻车道l在位置[r(l,x)+(s-1)d(l),r(l,x)+sd(l)]范围内的交通流密度；令表示t时刻道路位置x的交通拥堵显著度，则在满足禁忌规则前提下按照p邻域规则反复迭代得到交通场景眼动搜索规则：设置禁忌规则R_s：如果点在N_J代被选择作为当前焦点，则在N_O代内不能进行选择，即在N_J至N_J+N_O代之内，该当前焦点不能进行选择，其中N_O表示焦点选择禁忌代数；得到如下交通场景视线搜索规则：1）在交通标志、场景的感知特征中，采用HSV模型，对人类色彩感知进行模拟，HSV是Hue，Saturation，Value的字头缩写，表示色调、饱和度和亮度；采用Itti模型对交通场景根据特征进行显著性提取，得到融合后的综合交通场景显著图P_S；2）令η_d表示P_S中焦点显著区域干扰噪声阈值，S_d表示P_S中焦点显著度阈值，提取P_S中满足条件的区域a_i，使得|S₂(v_i)-S₂(v_j)|≤η_d,S₂(v_i)≥S_d或S₂(v_j)≥S_d，v_i,v_j∈a_i，S₂(v_i)、S₂(v_j)表示点v_i,v_j的显著度；3）计算其中表示区域a_i的平均显著度，|a_i|表示区域a_i中包含的点的数量；4）令ρ_e表示交通场景显著图P_S中的最初视线关注焦点范围阈值，将P_S中显著区域a_i根据平均显著从高到低进行排序，选择P_S中显著度最大的[ρ_e|a_i|]个显著区域，[ρ_e|a_i|]表示对ρ_e|a_i|进行向上取整；令这[ρ_e|a_i|]个点组成的集合为E_s；5）令x_s(v_i,v_j)表示点v_i,v_j之间的邻域选择标准，随机选择点v_k∈E_s，此时v_k为场景当前焦点；6）对v_k进行p邻域操作，在得到的N₃(v_k,E_s)，场景p邻域为把与某视觉焦点v_k最相邻的在集合E_s中p个视觉焦点称为v_k的p邻域，用符号N₃(v_k,E_s)表示，p=3，随机选择v_h∈N₃(v_k,E_s)，在满足禁忌规则前提下按照p邻域规则反复迭代，即得到了模拟的交通场景视线搜索规则；其中，禁忌规则是，人类视觉一旦注意过一个物体后，就会对该物体产生抑制作用，在视觉搜索时被注意过的物体将不会再引起视觉的注意，采用从竞争网络到兴趣图的抑制性负反馈：获胜单元一旦产生，竞争网络瞬间发出一个脉冲，兴趣图于是接收到一个输入，该输入的空间分布类似于差分高斯函数，抑制中心就在获胜单元的目标，这时，获胜的目标将被屏蔽，该部分相当于把注意的一个目标解除，此后，注意焦点转向其他较为显著的物体；采用上述禁忌规则、交通场景视线搜索规则、交通状况描述构建行车视觉感知智能体仿真框架进行仿真。