冰雪环境下基于神经网络的驾驶人换道意图识别

驾驶人驾驶汽车行驶过程会受到很多因素影响,不同的驾驶人相应的操作习惯不相同,不同路况驾驶方式也会不同。因此,本文对冰雪环境下行车特点进行分析,依据Carmaker搭建的半实物模拟驾驶仿真平台采集该条件下（包含对开路面）驾驶人行为参数以及车辆参数等数据,分析选取特征参数,建立数据样本库。基于神经网络建立意图识别模型,对模型分别从单一工况、复合工况进行验证,通过实验分析了模型性能,实验结果表明该模型能在对开路面准确识别驾驶人意图。     

基于驾驶人视觉特性的换道意图识别方法

为改进现有换道辅助系统的工作效能,基于视觉特性分析,提出了一种对驾驶人换道意图进行有效甄别的方法。依托真实环境下的实车试验,提出以车辆横向位置与方向盘转角确定换道起始时刻,进一步基于换道前后视镜注视特性分析,确定驾驶人换道意图表征时窗为5s。依据车道保持阶段与意图阶段视觉特征参数的差异分析,构建驾驶人换道意图表征指标体系。引入证据理论,确定识别框架与证据链,基于广义汉明距离进行基本信任概率分配,对驾驶人换道意图进行多证据融合识别。结果表明,车道保持与意图阶段驾驶人视觉特性具有显著差异;基于视觉特性,运用证据理论可以有效识别驾驶人换道意图,且识别信度较高,时序性较强。     

自然驾驶条件下驾驶人换道行为实时预测

为降低车道变换的风险性,提出一种基于驾驶人视觉特性与车辆运动状态预测车道变换行为的方法.应用视觉追踪系统、毫米波雷达等仪器设备,进行了真实环境下的实车驾驶试验.基于换道前驾驶人后视镜注视特性确定换道意图时窗大小为5s,构建换道行为预测的表征指标体系.设计BP神经网络结构,构建换道行为预测模型.结果表明:模型可以至少提前1.5s预测驾驶人的换道行为,且预测精度达到95.58%.与基于转向灯状态预测驾驶人换道行为相比,其预测精度及时序特性均有显著提升,证明了预测指标及预测方法的有效性.     

基于因子长短期记忆的驾驶人接管行为及意图识别

为识别自动驾驶环境下驾驶人的接管行为及意图,面向18.95 km双向六车道高速公路场景,借助驾驶模拟器和眼动仪,实施驾驶人10次面对5种紧急情境之一接管自动驾驶车辆的模拟试验。利用所得车辆运行和视觉注意力数据,根据因子分析提取得到3个公因子,采用K-means聚类分析定性识别驾驶人接管行为及意图。将因子分析分别与支持向量机和长短期记忆神经网络进行结合,获得两个定量识别驾驶人接管行为及意图的模型。研究结果表明,驾驶人接管行为受其纵向反应、横向反应和视觉注意力影响;聚类分析可定性描述不同类型驾驶人的接管行为及意图,并揭示潜在的驾驶安全隐患;相比支持向量机、长短期记忆神经网络和因子支持向量机模型,因子长短期记忆模型能更有效地识别驾驶人接管意图,其精确率、召回率、F1分数和准确率4项性能指标均最优;利用因子分析进行数据降维和有效信息浓缩所得公因子有助于提高驾驶接管意图识别模型的分类性能。本研究有助于识别出接管风险较高的驾驶人,进而设计有针对性的驾驶辅助策略。     

汽车驾驶人机系统评价模型及优化方法研究

将汽车安全行驶概率作为系统的评价目标,寻求与该评价目标相关的驾驶员、汽车、环境3方面因素,使用二元对比方法对各个方面因素进行排序,选出重要因素,建立评价目标与重要因素之间的函数关系.根据驾驶员、汽车、环境3方面因素之间的关系,针对不同情况对系统进行建模.建立评价目标树,并使用头脑风暴法、模糊统计法等辅助方法提高建模优化效率.该评价模型建立及优化方法可应用于各种人机系统评价,特别是人作为控制者的人机系统.这种方法对我国工业的发展,对工业设计中复杂人机系统的评价与优化具有重要意义.     

空中高速路航空器安全换道模型研究

分析了航空器换道的运动学过程,根据航空器之间的冲突距离建立了航空器的平行航路换道模型,并对航空器匀速和匀加速换道进行对比,模型表明换道航空器之间的冲突距离与两航空器之间的相对纵向加速度、相对纵向速度以及换道时间等因素有关。最后,经仿真计算得到航空器匀速与匀加速换道时分别与相邻航空器不发生冲突的理论安全距离区域。     

高速公路汽车辅助驾驶安全换道模型

为解决高速公路行车危险状态下驾驶员有意识换道过程中发生的车辆碰撞等交通事故问题,在前期研究车道偏离预警的基础上.针对确立的典型换道场景,建立了更加符合实际的基于换道过程中车辆加速行为的安全换道模型,并借助Matlab软件开发的仿真程序对建立的模型进行了仿真分析。结果表明,本文建立的模型具有较好的实用性,可为进一步建立车辆安全换道辅助系统奠定基础。     

车辆换道行为风险评价方法研究进展

驾驶人的换道行为通常会对交通安全产生一定的负面影响,为了保证车辆换道安全,防止交通事故的发生,应该对车辆换道行为风险情况进行识别和评价。通过对国内外相关文献的系统研究,从文献统计分析、关键词可视化及数据集分析3个方面对车辆换道行为进行了综述,总结了车辆换道关键影响因素的研究热点;并通过回顾国内外车辆换道行为风险评价方法,总结分析了当前研究应用较为普遍的基于交通冲突的风险评价方法以及基于驾驶意图的风险评价方法;最后讨论了当前车辆换道行为风险评价研究存在的问题以及未来发展趋势。研究表明：车辆换道行为研究应结合交通环境特性,研究更具有普适性和可移植性的车辆换道模型是未来有待突破的研究方向;此外,在未来车辆换道行为风险评价研究中驾驶人驾驶意图、换道决策调整等变化是一个重要研究方向;基于当前车联网技术的发展,未来研究应考虑更广泛的影响因素,利用更加广泛的交通环境信息,考虑异构交通流环境对车辆换道行为风险的影响,进行更加综合的风险评价方法研究。研究人员有机会通过汽车远程信息,可以更好地理解驾驶行为和交通事故的成因,为车辆换道风险的综合评价方法研究带来了新的机遇和挑战。     

基于TextCNN模型的文本意图识别算法改进研究

文本分类算法常被用于自然语言处理领域,该算法可帮助系统理解用户输入的文本,准确判断用户的意图或需求,以便提供相应的回答或服务。作者在TextCNN文本分类模型的基础上融入情绪信息、词向量以及语句特征,提出一种新的意图识别模型emoBERT-TextCNN,该模型可增强意图分析与预测的准确性。以汽车行业和电子消费品两个独立数据集为例,将此模型与其他多种分类模型进行对比实验,实验结果表明文中所提出的分类模型,意图预测精确率均在80%以上,与不包含情绪信息的分类模型相比,其F1值分别提升了1.54%和1.03%,证明该模型能有效提高文本分类的准确性,且融入情绪信息能加强意图识别的强度。     

高速公路施工区车辆强制换道耗时生存模型

为研究高速公路施工区车辆强制换道行为及其影响因素,采用生存分析中的半参数分析方法建立强制换道耗时的乘法风险率模型.通过无人机拍摄采集高速公路施工区的车辆换道耗时及其影响因素数据,最终确立换道耗时Cox比例风险模型,对换道耗时数据进行Cox回归建模分析.结果表明:近77%的换道车辆在10 s内完成换道;小型车和中型车经养护施工区的换道耗时未发现显著性差别;对于相同的换道耗时,平峰期的累积生存率明显低于高峰期和过渡时期,而高峰期的累积生存率最高.建立的强制换道耗时生存模型可有效的定量分析车型和交通时段对高速公路施工区车辆换道行为的影响,可为高速公路施工区交通管理控制及车辆换道行为建模及仿真奠定一定的理论基础.     

微观交通仿真的安全换道模型研究

换道模型对车辆换道过程模拟的精确程度直接影响着微观交通仿真的精度。以往的微观交通仿真系统采用匀加速度的换道模型,无法模拟车辆实施换道动态调整纵向加速度的行为。该文分析了换道过程中车辆间的相互影响,将换道过程分为4个独立的阶段,并允许车辆在不同阶段使用不同的纵向加速度。通过分析由环境参数导致的各阶段时间顺序的变化,提出了通用的安全换道模型,并给出换道自适应加速度的约束表达式。仿真结果显示,该模型能提高微观交通仿真系统的精度,并提供更准确的安全换道距离,换道成功率更高。     

模型识别在实时线损计算中的应用

针对配电网传统的统计理论线损计算方法准确度低和反应滞后的不足,介绍了一种利用每5min存储1次的实时遥测数据进行实时理论线损计算的方法,在实现过程中对模型参数采用了模型识别技术,实际应用表明,该方法可以较好地估计线路或线路上变压器的运行状态。使得计算结果偏差更小,更接近于实际的线损率。     

模型识别在实时线损计算中的应用

针对配电网传统的统计理论线损计算方法准确度低和反应滞后的不足,介绍了一种利用每5min存储1次的实时遥测数据进行实时理论线损计算的方法,在实现过程中对模型参数采用了模型识别技术.实际应用表明,该方法可以较好地估计线路或线路上变压器的运行状态,使得计算结果偏差更小,更接近于实际的线损率.     

热工过程模型识别与实时仿真微机系统的总体设计

微机热工过程模型识别与实时仿真系统(MI-RTS),是将现代控制理论与微机技术相结合的先进的辨识与仿真研究工具。本文介绍了MI-RTS微机系统的设计原则,硬件结构和软件系统。     

基于S-LSTM模型利用‘槽值门’机制的说话人意图识别

对说话人意图的识别极大地推进了自然语言理解任务的发展.之前的工作大多采用Bi-LSTM即双向LSTM模型进行词汇特征与词汇之间语义关系的提取,但这并不能很好地使句子整体和构成句子的词汇个体之间的信息进行交流.而S-LSTM(Sentence-state LSTM)模型,即句子状态LSTM模型可以很好地将自然语言中句子整体与词汇个体的信息相结合,以便于我们挖掘与利用意图检测与槽值填充之间的关系成立联合模型来更好地理解应答系统中蕴含的语义.因此,本文引入了‘槽值门’机制解决S-LSTM应用于意图检测与槽填充的联合任务时最新迭代时刻的句子状态信息没有得到充分利用的问题.最终的实验结果在ATIS数据集和Snips数据集上均取得了优于目前最先进算法的结果.     

自动驾驶车辆换道决策行为分析及分子动力学建模

针对自动驾驶车辆的换道决策行为,首先基于分子动力学理论研究了车辆的微观换道行为,在对换道意图进行客观性量化的基础上,进一步引入车辆间的相互作用势建立了换道决策行为的分子动力学模型。然后,系统分析了车辆换道初始时刻与换道完成时刻的关系以及车辆换道的动态影响因素,探究了微观车辆的换道行为对宏观车流的影响。最后,使用SUMO软件将SL2015换道模型与分子动力学换道模型进行仿真对比分析。结果表明,分子动力学换道模型具有较好的安全性、稳定性和实用性;本文自动驾驶车辆换道决策行为的分子动力学建模综合考虑了交通场景中的动态影响因素,能够更客观、合理地展现自动驾驶车辆的换道行为特性。