一种基于汽车智能座舱的车载定位场景构建方法与流程

本发明涉及智能车辆，尤其涉及一种基于汽车智能座舱的车载定位场景构建方法。

背景技术：

1、人的行为建模的研究内容包括对环境的感知、决策、规划、记忆与学习等方面。由于周围环境形式多样，且具有较高的复杂性，其涉及的建模对象也有很多，例如，行为机动、机动决策建模等等。

2、近年来，人的行为建模的方法主要有两种：一种是传统意义上，人们通过人工总结或分析数据发现数据中的知识；另一种是基于知识发现技术，通过计算机自学习机械化地获取数据中的知识。

3、传统的依赖专家经验人工获取行为数据知识的方法，在数据知识的获取方面具有一定的难度，为了提高模型的“逼真度”，需要充分利用相关领域的知识总结整理成规则，然而，随着数据量的爆炸式增长，这种人工方式已经难以为继。依赖专家经验人工获取行为数据知识的方法很难克服知识的获取和表示的困难，缺乏对行为数据中时间序列属性的利用。

4、依靠计算机自学习生成行为数据知识的方法，虽然在一定程度上解决了人的工作量问题，但需要完全依靠计算机获取行为数据，计算成本太高，过于理性，缺乏真实人的特性，并且，获得的行为数据也需要人工处理，缺乏人在作战机动决策中的整个思维变化过程。

技术实现思路

1、本发明提供一种基于汽车智能座舱的车载定位场景构建方法，包括：

2、s1：搭建真人沉浸式座舱仿真场景；

3、s2：对多模态生理信息的采集进行实验设计；其中，所述多模态生理信息包括脑电信号、眼动信号和心电信号；

4、s3：对所述多模态生理信息进行采集；

5、s4：对采集的所述脑电信号进行预处理；

6、s5：对采集的所述眼动信号、所述心电信号以及预处理后的所述脑电信号的特征进行提取和筛选；

7、s6：采用支持向量机的方式构建行为机动决策模型；

8、其中，步骤s1，搭建真人沉浸式座舱仿真场景，具体包括：驾驶模拟器包括视景系统、驾驶模拟器座舱和计算机网络系统；其中，视景系统包括建筑物、田野以及道路，采用计算机成像系统产生座舱外的视觉景象，对驾驶场景进行仿真模拟；

9、其中，仪表面板按照功能结构和功能模块分为仪表模块、中央控制台模块以及控制面板；控制面板为多功能显示器，主驾驶显示面板根据驾驶的位置对称布置；操纵装置包括油门杆、手柄和脚踏，根据驾驶的位置对称布置；

10、计算机网络系统包括视景计算机、服务器计算机和中控机三台计算机，硬件包括主机、接口和总线，软件包括软件管理、应用软件和支持软件，通过以太网相互配合，进行实时的数据交换，共同协作完成驾驶模拟任务；

11、步骤s5，对采集的所述眼动信号、所述心电信号以及预处理后的所述脑电信号的特征进行提取和筛选，具体包括：s51：对于不同机动决策的脑电信号，分别采用快速傅里叶变换法、短时傅里叶变换法和小波变换方法提取脑电信号的alpha波、beta波、delta波、theta波和gamma波五个波段的频率子带，通过对比不同时频方法之间频率特征的强弱，选择最强的频率特征作为特征备选，将特征备选与自适应回归方法、共同空间模式方法、功率谱分析方法、能量均值方法、方差分析方法的特征进行显著性差异的对比，选择不同机动决策的特征之间具有显著性差异的特征作为筛选后的特征，筛选后的特征用于解码人的机动决策意图；

12、s52：对于不同机动决策的眼动信号，对眼动信号的眨眼率特征、注视率特征、平均注视持续时长特征以及平均瞳孔直径特征进行提取并筛选；

13、s53：对于不同机动决策的心电信号，通过统计学离散趋势分析法计算心电信号的r-r间期的变化，采用时域分析法将心电信号分解为一系列不同能量成分，采用频域分析法将心电信号分解为一系列不同频段成分，对不同能量成分和不同频段成分进行分析；其中，r-r间期为心跳一次两个波峰之间的间隙；

14、s54：将筛选后的脑电信号的特征、眼动信号的特征以及心电信号的特征进行汇总，组成为多模态混合生理特征。

15、其中，步骤s2，对所述多模态生理信息的采集进行实验设计，具体包括：s21：对被试进行招募，根据被试的生理条件以及任务经验进行筛选；

16、s22：对筛选出的被试进行任务培训，判断被试在实验周期内是否学会驾驶模拟器的基本操作并独立完成预设的实验任务；若是，则执行步骤s23；若否，则返回步骤s21，继续招募相等数量的新被试直至人数达标；

17、s23：对被试进行预实验，对被试的培训结果进行检验以及对实验设计的可行性进行检验；

18、s24：对被试进行正式实验，依照预先制定好的实验顺序依次完成各个实验任务，采集人执行机动决策时的多模态生理实验数据。

19、其中，步骤s4，对采集的所述脑电信号进行预处理，具体包括：s41：利用matlab的开源工具箱对采集的所述脑电信号进行预处理，得到无噪声的脑电信号；

20、s42：对所述无噪声的脑电信号进行存储。

21、其中，步骤s41，利用matlab的开源工具箱对采集的所述脑电信号进行预处理，得到无噪声的脑电信号，具体包括：利用matlab的开源工具箱对采集的所述脑电信号进行电极定位、带通滤波、叠加平均、基线校正、重参考以及独立成分分析，得到无噪声的脑电信号。

22、其中，在执行步骤s6，采用支持向量机的方式构建行为机动决策模型之后，还包括如下步骤：

23、s7：采用交叉验证的方式对所述行为机动决策模型进行模型训练；

24、s8：采用网格搜索的优化算法对所述行为机动决策模型的参数进行优化。

25、区别于现有技术，本发明提供的基于汽车智能座舱的车载定位场景构建方法，直接从人执行机动动作的过程中提取多模态生理信息，进行模型的构建，既不依赖于领域专家的经验总结，也不依赖于计算机的知识发现，与传统的依赖于领域专家经验总结式的建模方式相比，可以降低人的工作量，节约人工成本，与依赖于计算机的知识发现的建模方式相比，建模方式从纯理性转变为具有感性的特点，使得建立的模型具有更高的逼真度，更接近人的行为决策过程；并且，利用多模态生理信息进行机动决策建模，还可以解决利用单一生理信号进行机动决策建模具有片面性的问题；此外，利用多模态生理信息的一个重要优势在于其特征的客观性，与传统的依赖于领域专家经验总结式的建模方式相比，采集得到的数据更为真实可靠，也更能客观地反映人的真实机动决策过程。

技术特征：

1.一种基于汽车智能座舱的车载定位场景构建方法，其特征在于，包括：

2.根据权利要求1所述的基于汽车智能座舱的车载定位场景构建方法，其特征在于，步骤s2，对所述多模态生理信息的采集进行实验设计，具体包括：s21：对被试进行招募，根据被试的生理条件以及任务经验进行筛选；

3.根据权利要求1所述的基于汽车智能座舱的车载定位场景构建方法，其特征在于，步骤s4，对采集的所述脑电信号进行预处理，具体包括：s41：利用matlab的开源工具箱对采集的所述脑电信号进行预处理，得到无噪声的脑电信号；

4.根据权利要求3所述的基于汽车智能座舱的车载定位场景构建方法，其特征在于，步骤s41，利用matlab的开源工具箱对采集的所述脑电信号进行预处理，得到无噪声的脑电信号，具体包括：利用matlab的开源工具箱对采集的所述脑电信号进行电极定位、带通滤波、叠加平均、基线校正、重参考以及独立成分分析，得到无噪声的脑电信号。

5.根据权利要求1所述的基于汽车智能座舱的车载定位场景构建方法，其特征在于，在执行步骤s6，采用支持向量机的方式构建行为机动决策模型之后，还包括如下步骤：

技术总结
本发明提出一种基于汽车智能座舱的车载定位场景构建方法，直接从人执行机动动作的过程中提取多模态生理信息，进行模型的构建，既不依赖于领域专家的经验总结，也不依赖于计算机的知识发现，可以降低人的工作量，节约人工成本，与依赖于计算机的知识发现的建模方式相比，建模方式从纯理性转变为具有感性的特点，使得建立的模型具有更高的逼真度，更接近人的行为决策过程；利用多模态生理信息进行机动决策建模，解决利用单一生理信号进行机动决策建模具有片面性的问题；利用多模态生理信息的重要优势在于特征客观性，与传统的依赖于领域专家经验总结式的建模方式相比，采集得到的数据更为真实可靠，也更能客观地反映人的真实机动决策过程。

技术研发人员：宋航
受保护的技术使用者：北京蜂鸟互动科技有限公司
技术研发日：
技术公布日：2024/1/13