欢迎来到天天文库
浏览记录
ID:37489031
大小:996.72 KB
页数:6页
时间:2019-05-24
《驾驶人换道决策及意图识别算法设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、ISSN1000-0054清华大学学报(自然科学版)2015年第55卷第7期11/18CN11-2223/NJTsinghuaUniv(Sci&Technol),2015,Vol.55,No.7769-774驾驶人换道决策分析及意图识别算法设计丁洁云1,党睿娜2,王建强1,李克强1(1.清华大学汽车安全与节能国家重点实验室,北京100084;2.中国北方车辆研究所,北京100072)摘要:为设计一种能在保证准确率的条件下提高识别效驾驶辅助系统因具备提升驾驶舒适性和安全性率的驾驶人换道意图识别算法,分析驾驶人的换道决策,使的优点而被越来越多地应用到车辆中[1]。车道偏离用对驾驶人换道决策有影
2、响的环境参数,设计了基于模糊预警系统(lanedeparturewarningsystem,LDWS)逻辑理论的综合决策因子,反映驾驶人做出换道决策的可和车道保持辅助系统(lanekeepingassistancesys-能性。提出一种基于隐Markov模型的换道意图识别算法,以综合决策因子与表征车辆横向运动的特征参数为观测变tem,LKAS)作为典型的横向驾驶辅助系统,能够量,以驾驶人意图为隐状态,搭建并训练隐Markov模型,在车辆偏离车道时对驾驶人进行预警或辅助控制,通过其解码方法实现驾驶人的换道意图识别。使用真实驾提醒或帮助驾驶人让车辆回到原车道内。为不干扰驶人在驾驶模拟器上进行换
3、道的数据进行算法验证。结果驾驶人的正常驾驶行为,在驾驶辅助系统的设计表明:引入综合决策因子作为观测变量之一时,该换道意图[2]中,驾驶人换道意图的识别是必要且重要的。识别算法能保证准确性并提高识别效率。目前,各研究机构对驾驶人意图识别均有一定关键词:驾驶人换道决策分析;换道综合决策因子;换道意研究。日产公司Kuge建立并训练了紧急换道、4图识别正常换道、车道保持3种行为对应的隐Markov模中图分类号:U471.3文献标志码:A型(hiddenMarkovmodel,HMM),以转向行为参文章编号:1000-0054(2015)07-0769-06数为观测变量,通过比较不同模型输出观测变量
4、序DOI:10.16511/j.cnki.qhdxxb.2015.07.011[3]列概率大小得到意图辨识结果。Mizushima等也Driverlanechangedecisionanalysisand基于HMM方法进行研究,使用模糊理论设计了离intentionrecognitionalgorithm散型的转向行为指数,作为HMM的唯一观测变DINGJieyun1,DANGRuina2,WANGJianqiang1,LIKeqiang1量[4]。此外,在现有的驾驶人意图识别算法研究(1.StateKeyLaboratoryofAutomotiveSafetyandEnergy,中,Ba
5、yes决策、支持向量机等模式识别方法也均TsinghuaUniversity,Beijing100084,China;[5-6]有应用。上述算法中,输入参数仅限于驾驶人2.ChinaNorthVehicleResearchInstitute,Beijing100072,China)对车辆的控制行为及车辆的运动参数,为得到更高Abstract:Anaccuratelanechangeintentionrecognitionalgorithmisdevelopedtoimprovereal-timeperformance.Thealgorithmanalyzes的识别准确性,通常使用非单一的输
6、入参数,但将thedriverslanechangedecisionstodevelopanewsymbolanda导致识别效率降低,只有在换道行为开始一段时间comprehensivedecisionindex(CDI)basedonfuzzytheorytoassess后,当车辆的动态参数出现明显变化时,方能准确theprobabilitythatthedriverwillchangelanes.Then,thedriverintentionrecognitionalgorithmisdesignedbasedonahiddenMarkov识别出驾驶人的换道意图。因此,在保障准确率的
7、model.Usingthenewsymbolaswellasrepresentativelateral条件下能提高识别效率的换道意图识别算法仍有待motionparametersasobservedsignals,andthedriversintentionas研究。thehiddenstate,ahiddenMarkovmodelisbuiltandtrained.Thedriversintentionisrec
此文档下载收益归作者所有