基于函数分布特性的智能车辆换道行为识别

针对目前智能驾驶辅助系统对驾驶人换道意图识别存在的问题,基于函数分布特性分析和层次分析法展开研究.一般将主车与车道线的距离作为换道的指标变量,由于将影像数据作为指标变量的基础数据源时,指标变量受光照和交通基础设施的影响较大,为此,将方向盘转角和车道线距离作为换道行为识别的指标变量,提出一种基于函数分布特性的换道行为识别方法.首先对获取到指标变量进行函数分布分析,确定出相应的换道起止时间,并依据不同环境下获取到的变量可靠程度,采用层次分析法确定出2种指标对识别准确性的贡献度,融合2种变量贡献度构建出换道行为识别规则,并利用实车数据对该识别方法进行验证.结果表明:融合2种指标变量的识别方法可以适应更为复杂的交通环境;当光照、车道标识线清晰可辨识时,车道线距离对识别准确率贡献最大;当车道标识线无法辨识时,方向盘转角占优.

Recognition of intelligent vehicle lane-change behavior based on functional distribution characteristic