驾驶人换道意图实时识别模型评价及测试

通过分析驾驶人换道行为和车辆运动状态,研究了意图换道和车道保持阶段的差异性,并基于BP神经网络模型和证据理论识别模型,对意图换道进行了实时识别试验。结果表明:两种模型在换道前3s对意图换道样本识别准确率分别为78.26%、45.22%,在换道时刻的识别准确率分别为99.13%、86.96%;随机选择样本对两种识别模型进行验证,意图换道样本的识别准确率分别为86.00%、96.00%,车道保持样本的识别准确率分别为21.05%、78.95%,同时模型识别出正确样本的最长时间均小于0.5s,表明证据理论识别模型具有较高的优越性和实用性。     

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.     

驾驶人车道变换决策分析

决策阶段对整个换道过程的安全性有重要影响,但目前缺乏对该阶段的深入研究。界定车道变换研究场景,基于驾驶人对外界信息的感知特性、驾驶期望、综合认知判断以及博弈理论等,分析交通冲突存在前提下驾驶人车道变换决策形成机制。引入博弈理论相关知识,进一步探讨换道决策机制中对象车与目标车道后随车对于临界冲突点进行的非合作混合战略博弈,对博弈双方驾驶人的收益以及纳什均衡解进行深入探析。研究表明车道变换决策机制由信息感知及三次判断决策过程耦合而成,影响驾驶人决策水平的因素包括信息源特征、驾驶人信息感知能力、驾驶人行为特性及综合认知判断能力等;两车非合作混合战略博弈的纳什均衡解由行车安全性、行车时间以及收益重要度因子共同决定。     

基于条件随机场的驾驶行为识别研究

为深入研究驾驶员驾驶行为特性,减少驾驶辅助系统与驾驶员的控制冲突,本文基于条件随机场(conditional random field,CRF)算法,搭建了驾驶员驾驶行为识别模型。利用NI Phar Lap ETS实时操作系统,搭建车道保持辅助控制试验平台,在试验平台上进行相关参数的实时采集,并根据采集到的数据特性,提出一种根据横向位移对驾驶行为数据进行分段的方法,将采集到的数据样本划分为左换道、右换道以及车道保持阶段。同时,对实时获取的参数进行显著性分析,将与横向运动密切相关的五种参数作为观测参数,对驾驶行为进行识别。研究结果表明,车道保持、左换道以及右换道行为的识别率分别达94.2%,93%和84.4%。该研究对于提高车道保持辅助系统的辅助效果以及减少误警率具有明显的促进作用。     

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。     

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。     

驾驶员无意识车道偏离识别方法

为了改进车道偏离预警系统的工作效能,本文提出了考虑人-车-路特性的无意识车道偏离识别方法。首先,明确了无意识车道偏离识别的具体含义,将其划分为疲劳车道偏离和次任务车道偏离;其次,利用受试者工作特性曲线(ROC)确定无意识车道偏离的识别时间窗口,保证了无意识偏离样本筛选的有效性;再次,以12名驾驶人为试验对象,采集并对比分析了驾驶员操纵特性、车辆运动状态和车辆与车道线相对运动状态等相关参数,并分别选取作为疲劳车道偏离和次任务车道偏离识别基本特征;最后,采用高斯混合隐马尔科夫模型(GM-HMM)构建无意识车道偏离识别模型。实验结果表明,本文方法具有较好的识别效果。     

基于实车试验数据的换道预警规则

为了使换道预警值的设定更符合我国驾驶人的驾驶习惯,以道路试验数据为基础,分析了换道时本车与周围车辆的相对速度和距离对换道行为的影响,确定了不同速度级别下允许驾驶人执行换道操作的安全间距。研究了驾驶人取消换道和执行换道操作行为的不同特征,探讨了驾驶人对于危险判断的主观依据。最后,提出不同速度级别下针对本车周围车辆条件的预警规则,并进行了验证。结果表明:道路试验中针对周围车辆的预警比例与实际情况基本相符,提出的预警规则可行。     

快速路出口匝道衔接段交通特性与安全分析

为了探究快速路出口匝道与下游交叉口衔接段的驾驶行为与安全特性,结合实测换道车辆轨迹数据,分析匝道衔接段车辆轨迹特性和换道位置特性. 利用交通冲突技术,以后侵入时间（PET）为指标对车辆换道风险展开分析,建立有序概率模型识别冲突严重程度的影响因素. 结果显示,用Lorentz分布模型拟合车辆换道位置效果较好,换道类型与跨越车道数对车辆换道位置有显著影响,在强制换道与跨越多车道时换道位置更靠近衔接段始端;相较于普通衔接段,匝道衔接段行车风险更高,主要冲突类型为交叉冲突;衔接段饱和度、换道位置、交叉冲突、强制换道以及违章换道与冲突严重程度显著相关. 匝道衔接段释放车辆的车头时距稳定性差,交织区排队车辆的释放受换道干扰严重.     

基于摄像头和车道线的增强定位系统

针对传统利用摄像头识别的车道线侧向定位技术中,因车道或者其左右边界点匹配错误导致换道等工况下行驶易造成较大定位误差的问题,本文结合换道识别方法,首先提出了多指标加权评价地图匹配算法,设计了车道左右边界点确定方法;然后,在准确匹配到车道和其边界点的基础上,提出了一种基于摄像头的双边界线侧向定位方法,提高了车辆相对车道的侧向定位精度;最后,将摄像头与全球定位系统（GPS）、惯性测量单元（IMU）、轮式里程计和轻量化车道级地图融合形成一个完整的定位系统。实验结果表明,与传统利用摄像头与车道线融合定位方法相比,本文设计的定位系统精度和稳定性有了明显提升,为自动驾驶定位提供了一种低成本、高精度的解决方案。