【技術實現步驟摘要】
本申請涉及新能源汽車，尤其涉及一種基于自適應模糊神經網絡的行車危險預測方法及裝置。
技術介紹
1、車輛在道路上的行駛過程是一個高度復雜的動態交互系統，涉及實時獲取環境信息并進行及時的駕駛決策。車輛的速度、與其他車輛的距離以及路口等狀態量直接影響到車輛對當前行車風險的判斷。當行車風險較小時，車輛通常會選擇加速通過；而在行車風險較大時，車輛則會減速或采取讓行操作。因此，如何準確地將環境信息與行車危險之間的關系進行有效表征，是確保車輛安全和優化駕駛行為的關鍵。
2、目前，一種較為先進的解決復雜非線性系統問題的方法是自適應神經模糊推理系統(anfis)。anfis將神經網絡的自學習、自適應能力與模糊邏輯系統的規則可解釋性相結合，在處理復雜環境下的駕駛決策時具有良好的潛力。
3、然后，現有的基于anfis系統的駕駛風險判斷方法在面對復雜多變的環境時，難以準確、實時地評估風險，難以精確表征環境信息與駕駛風險的關系。尤其是在非線性、動態變化的場景下，傳統方法的適應性和預測準確性都有限。另外，傳統方法通常需要人為預設大量規則，無法靈活處理復雜的駕駛場景。而這些規則在實際駕駛中的表現，可能不夠高效或無法應對所有場景，因此缺乏靈活的決策機制。
技術實現思路
1、有鑒于此，本申請實施例提供了一種基于自適應模糊神經網絡的行車危險預測方法及裝置，以解決現有技術存在的模型適應性不足，參數優化效率低，導致模型預測準確性降低，難以準確、實時地評估行車風險的問題。
2、本申請實施
3、本申請實施例的第二方面，提供了一種基于自適應模糊神經網絡的行車危險預測裝置，包括：采集模塊，被配置為從車輛行駛環境中采集用于反映車輛狀態的原始變量，并對原始變量進行降維處理，得到用于預測行車危險值的關鍵變量；構建模塊，被配置為基于自適應模糊神經網絡構建行車危險預測模型，其中行車危險預測模型以關鍵變量作為輸入，以行車危險值作為輸出；優化模塊，被配置為利用遺傳算法對行車危險預測模型的前件參數和后件參數進行優化，其中前件參數的優化包括根據遺傳算法的選擇、交叉和變異操作，對隸屬度函數的中心位置和標準差進行優化，后件參數的優化包括對模糊推理規則中的線性組合參數進行優化；預測模塊，被配置為將實時獲取的車輛狀態數據輸入經優化后的行車危險預測模型中，輸出用于表征行車危險的行車危險值，其中行車危險值用于指示車輛進行減速讓行或加速先行。
4、本申請實施例的第三方面，提供了一種電子設備，包括存儲器，處理器及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執行計算機程序時實現上述方法的步驟。
5、本申請實施例的第四方面，提供了一種計算機可讀存儲介質，該計算機可讀存儲介質存儲有計算機程序，該計算機程序被處理器執行時實現上述方法的步驟。
6、本申請實施例采用的上述至少一個技術方案能夠達到以下有益效果：
7、通過從車輛行駛環境中采集用于反映車輛狀態的原始變量，并對原始變量進行降維處理，得到用于預測行車危險值的關鍵變量；基于自適應模糊神經網絡構建行車危險預測模型，其中行車危險預測模型以關鍵變量作為輸入，以行車危險值作為輸出；利用遺傳算法對行車危險預測模型的前件參數和后件參數進行優化，其中前件參數的優化包括根據遺傳算法的選擇、交叉和變異操作，對隸屬度函數的中心位置和標準差進行優化，后件參數的優化包括對模糊推理規則中的線性組合參數進行優化；將實時獲取的車輛狀態數據輸入經優化后的行車危險預測模型中，輸出用于表征行車危險的行車危險值，其中行車危險值用于指示車輛進行減速讓行或加速先行。本申請能夠提升模型適應性，提高參數優化效率，從而提升模型預測的準確性，從而實現準確、實時地行車風險評估。
本文檔來自技高網...【技術保護點】
1.一種基于自適應模糊神經網絡的行車危險預測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述從車輛行駛環境中采集用于反映車輛狀態的原始變量，包括：
3.根據權利要求1所述的方法，其特征在于，所述對所述原始變量進行降維處理，得到影響行車危險的關鍵變量，包括：
4.根據權利要求1所述的方法，其特征在于，所述基于自適應模糊神經網絡構建行車危險預測模型，包括：
5.根據權利要求4所述的方法，其特征在于，所述隸屬度函數采用高斯型隸屬度函數，所述高斯型隸屬度函數采用以下公式表示：
6.根據權利要求1所述的方法，其特征在于，所述根據遺傳算法的選擇、交叉和變異操作，對隸屬度函數的中心位置和標準差進行優化，包括：
7.根據權利要求1所述的方法，其特征在于，所述對模糊推理規則中的線性組合參數進行優化，包括：
8.一種基于自適應模糊神經網絡的行車危險預測裝置，其特征在于，包括：
9.一種電子設備，包括存儲器，處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述方法的步驟。
...【技術特征摘要】
1.一種基于自適應模糊神經網絡的行車危險預測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述從車輛行駛環境中采集用于反映車輛狀態的原始變量，包括：
3.根據權利要求1所述的方法，其特征在于，所述對所述原始變量進行降維處理，得到影響行車危險的關鍵變量，包括：
4.根據權利要求1所述的方法，其特征在于，所述基于自適應模糊神經網絡構建行車危險預測模型，包括：
5.根據權利要求4所述的方法，其特征在于，所述隸屬度函數采用高斯型隸屬度函數，所述高斯型隸屬度函數采用以下公式表示：
6.根據權利要求1所述的方法，其特征在于，所述根據遺傳算...
【專利技術屬性】
技術研發人員：王鈞正，蘇星溢，李楊，曾成，
申請(專利權)人：重慶賽力斯鳳凰智創科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。