摘要
本发明公开了考虑环境参数和感知风险的驾驶员信任度预测方法及系统,通过采集实际环境数据构建接管场景特征集,基于接管场景特征集,构建多个自动驾驶接管场景,以进行自动驾驶接管仿真测试,获取在不同自动驾驶接管场景下,接管过程中的多模态数据;对多模态数据进行特征提取,并量化主观感受特征;通过计算主观感受特征分别与客观特征集和接管场景特征集的相关性,以进行特征筛选,通过多个特征集构建并训练LSTM算法模型组;本发明通过相关性分析算法和聚类算法对实际接管场景中的环境数据进行特征提取,构建高度逼真的仿真环境,采集驾驶员的多模态数据,为LSTM算法模型组提供多维度数据支持,提升了预测模型的可靠性。
技术关键词
场景特征
LSTM算法
随机森林模型
驾驶员信任度
风险预测模型
自动驾驶系统
多模态数据采集
算法模型
层次分析法
sigmoid函数
仿真平台
测试场景
特征提取模块
数据获取模块
系统为您推荐了相关专利信息
数据交易平台
匹配模块
策略
数据交易方法
预警模型
动态权重分配
流式计算方法
机器学习模型
数据处理方法
场景特征
统一社会信用代码
融合方法
样本
连续型数据
浮点型数据
网络切片方法
服务等级协议
业务流量预测
Softmax函数
LSTM模型
爆管预警系统
地下综合管廊
数据采集单元
数据分析单元
风险预测模型