(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210188419.9 (22)申请日 2022.02.28 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区建新 东路260号 (72)发明人 谭鑫　谯睿智　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 项晓丹 (51)Int.Cl. G06V 20/56(2022.01) G06K 9/62(2022.01) G06V 10/764(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于聚类的自动驾驶换道场景分类方 法及识别方法 (57)摘要 本发明公开了一种基于聚类的自动驾驶换 道场景分类方法及识别方法， 该分类方法包括： 1)采集需要进行换道场景分类的每一个样本点 的数据； 2)对步骤1)中数据进行预处理； 3)将经 过预处理后的每一个样本点作为一个簇类， 采用 凝聚层次聚类算法计算每一个簇类的样本点与 其它所有簇类的样本点之间的距离， 并将距离最 近的两个簇类进行组合聚类； 4)将组合聚类在一 起的族类分别作为一个换道场景， 输出聚类结 果。 本发明的自动换道场景分类方法和识别方法 为进一步提升自动换道的算法和优化功能提供 准确、 可靠的依据， 实现高效、 低成本、 场景覆盖 率高的场景分类识别。 权利要求书2页 说明书6页 附图1页 CN 114550121 A 2022.05.27 CN 114550121 A 1.一种基于聚类的自动驾驶换道场景分类方法， 其特 征在于， 包括以下步骤： 步骤1)采集需要 进行换道场景分类的每一个样本点的数据； 步骤2)对步骤1)中采集的每一个样本点的数据进行 预处理； 步骤3)将经过预处理后的每一个样本点作为一个簇类， 采用凝聚层次聚类算法计算每 一个簇类的样本点与其它所有簇类的样本点之 间的距离， 并将距离最近的两个簇类进 行组 合聚类； 步骤4)将组合聚类在一 起的族类分别作为 一个换道场景， 输出聚类结果。 2.根据权利要求1所述的基于聚类的自动驾驶换道场景分类方法， 其特征在于， 步骤1) 中样本点的数据包括： 车道线数据、 地图数据、 周围车辆数据、 自车数据、 障碍物数据、 驾驶 人状态数据、 交通 规则数据和公路工况 数据。 3.根据权利要求1所述的基于聚类的自动驾驶换道场景分类方法， 其特征在于， 步骤2) 中， 对样本点的数据进行 预处理包括以下步骤： 步骤2.1)对数据进行离 散化处理； 步骤2.2)对数据进行 标准化处理； 步骤2.3)采用主成分 分析方法对数据进行降维处 理。 4.根据权利要求3所述的基于聚类的自动驾驶换道场景分类方法， 其特征在于， 步骤 2.2)中， 采用标准差标准 化方法对数据进行 标准化处理： X＝[x1， x2， ...， xn]             (1) Y＝[y1， y2， ...， yn]                      (5) 式中： X为标准化前的数据序列； xi为X中的数据； 为标准化前的数据序列平均值； σ 为 标准化前的数据 序列标准差； Y为标准 化后的数据 序列， yi为Y中的数据。 5.根据权利要求4所述的基于聚类的自动驾驶换道场景分类方法， 其特征在于， 步骤 2.1)中， 以20m s为采样间隔进行 数据采样， 获取每 个维度的数据个数为10 0的数据长度。 6.根据权利要求5所述的基于聚类的自动驾驶换道场景分类方法， 其特征在于， 步骤3) 中包括以下步骤： 步骤3.1)将经过数据预处理后的每一个样本点作为一个簇类， 并设置一个阈值作为聚 类结束的条件； 步骤3.2)采用凝聚层次聚类算法计算每一个簇类的样本点与其它所有簇类的样本点 之间的距离， 找到距离最小的两个簇类c1和簇类c2； 步骤3.3)判断簇类c1和簇类c2的距离是否小于步骤3.1 )中的阈值， 若是则执行步骤 3.4)， 若否则执 行步骤3.6)；权　利　要　求　书 1/2 页 2 CN 114550121 A 2步骤3.4)将簇类c1和簇类c2进行组合聚类为 一个簇类(c1， c2)； 步骤3.5)返回执 行步骤3.2)， 直到 达到聚类的数目或者达 到设定的条件； 步骤3.6)结束聚类并获取聚类结果。 7.根据权利要求6所述的基于聚类的自动驾驶换道场景分类方法， 其特征在于， A、 B两 个样本点形成的两个簇类之间的距离采用欧式距离进行计算， 且计算公式为： 式中： d为计算出的A、 B两个样本点形 成的两个簇类之间的距 离， ai为样本点A中的参数， bi为样本点B中的参数。 8.根据权利要求7所述的基于聚类的自动驾驶换道场景分类方法， 其特征在于， 两个组 合的簇类(A， F)和(B， C)之间的距离计算公式为： 式中： d1为计算出的两个 组合聚类簇(A， F)和(B， C)之间的距离； 为样本点A和 样本点B的两个簇类之间的距离； 为样本点A和样本点C的两个簇类之间的距离； 为样本点F和样本点B的两个簇类之间的距离； 为样本点F和样本点 C的两个簇类之间的距离 。 9.一种基于聚类的自动驾驶换道场景识别方法， 其特 征在于， 包括以下步骤： 步骤S1)对需要识别的换道场景进行 数据采集； 步骤S2)将采集到的换道场景数据进行预处理， 通过数据离散化截取五秒的离散数据 作为一个换道场景的数据样本点， 然后对数据样本点进行 标准化处理； 步骤S3)计算数据样本点到采用如权利要求1到8任一所述的基于聚类的自动驾驶换道 场景分类方法中得到的各 换道场景之间距离； 步骤S4)选取离数据样本点最近距离的换道场景为该数据样本点的换道场景类型， 输 出该换道场景类型及数据样本点到该 换道场景的距离 。权　利　要　求　书 2/2 页 3 CN 114550121 A 3