面向安全預(yù)警的機(jī)動(dòng)車駕駛意圖識(shí)別方法研究.pdf

1、利用先進(jìn)的車輛傳感與檢測技術(shù)獲取車輛駕駛行為信息及車外駕駛環(huán)境信息,通過信息融合及模式識(shí)別方法對(duì)道路交通危險(xiǎn)態(tài)勢進(jìn)行評(píng)估與決策,是實(shí)現(xiàn)機(jī)動(dòng)車駕駛安全預(yù)警系統(tǒng)功能的主要技術(shù)手段。然而,現(xiàn)有的駕駛安全預(yù)警系統(tǒng)對(duì)當(dāng)前道路危險(xiǎn)態(tài)勢評(píng)估結(jié)論的準(zhǔn)確度較低,產(chǎn)生此現(xiàn)象的原因是駕駛安全預(yù)警系統(tǒng)僅以車輛狀態(tài)和車外環(huán)境信息作為當(dāng)前道路危險(xiǎn)態(tài)勢評(píng)估的先決條件,忽略駕駛員的意圖及其變化趨勢在主動(dòng)安全控制中起到的關(guān)鍵性作用,故而容易對(duì)當(dāng)前道路危險(xiǎn)態(tài)勢做出錯(cuò)誤估計(jì)

2、。開展面向安全預(yù)警的機(jī)動(dòng)車駕駛意圖識(shí)別研究,對(duì)提高已有機(jī)動(dòng)車駕駛安全預(yù)警系統(tǒng)對(duì)當(dāng)前道路危險(xiǎn)態(tài)勢評(píng)估的準(zhǔn)確度具有現(xiàn)實(shí)意義。本論文所探討駕駛意圖識(shí)別研究將從駕駛員行為特征角度進(jìn)行分析,研究內(nèi)容包括駕駛行為與駕駛意圖機(jī)理,使用自行設(shè)計(jì)的駕駛行為試驗(yàn)平臺(tái)開展實(shí)車駕駛試驗(yàn)；根據(jù)駕駛行為特征構(gòu)建不同條件下的駕駛意圖識(shí)別模型,以及使用迭代算法對(duì)建立的模型參數(shù)進(jìn)行學(xué)習(xí)與優(yōu)化等。具體研究工作內(nèi)容如下:
　　 (1)分析駕駛員產(chǎn)生駕駛意圖的機(jī)理。從

3、機(jī)理層面分析駕駛員的駕駛行為與意圖之間的關(guān)聯(lián),得出駕駛意圖在整個(gè)駕駛過程中產(chǎn)生的環(huán)節(jié)及其作用,確立本論文研究的駕駛意圖類型識(shí)別及其適用范圍。當(dāng)車輛處于道路直線路段時(shí),駕駛員所持有并為系統(tǒng)所識(shí)別的駕駛意圖類型為“換道意圖”和“跟車意圖”中的1種；在交叉口(無信號(hào)燈控制)路段內(nèi),駕駛意圖類型為“直行意圖”和“轉(zhuǎn)彎意圖”,轉(zhuǎn)彎意圖可細(xì)分為“左轉(zhuǎn)意圖”和“右轉(zhuǎn)意圖”。根據(jù)駕駛行為與意圖之間的不確定性,本論文選定動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)(DBN)和隱馬爾科

4、夫模型(HMM)理論與方法作為研究駕駛意圖識(shí)別的主要途徑。
　　 (2)構(gòu)建駕駛意圖識(shí)別建模數(shù)據(jù)實(shí)車信息采集系統(tǒng)。較詳細(xì)地介紹了系統(tǒng)實(shí)現(xiàn)過程,包括系統(tǒng)設(shè)備選型與制備、傳感器信息采集設(shè)計(jì)與實(shí)現(xiàn)、采集信息數(shù)據(jù)上傳協(xié)議以及數(shù)據(jù)管理軟件等。信息采集系統(tǒng)需求分析是以駕駛意圖識(shí)別研究對(duì)象為依據(jù),明確實(shí)車駕駛試驗(yàn)采集數(shù)據(jù)對(duì)象包括駕駛員手腳部駕駛動(dòng)作、車輛速度和車輛地理位置等。根據(jù)實(shí)車傳動(dòng)機(jī)構(gòu)特點(diǎn)以及車輛已有傳感器,選用適配的傳感與檢測技術(shù)實(shí)現(xiàn)

5、。采集的信息數(shù)據(jù)采用自定義傳輸協(xié)議報(bào)文格式,并與GPS上傳信息同時(shí)被上位機(jī)讀取。數(shù)據(jù)管理軟件采用ADO組件和VisualC++6.0實(shí)現(xiàn),數(shù)據(jù)存儲(chǔ)文件為MicrosoftOfficeAccess系統(tǒng)文件。
　　 (3)道路不同地段內(nèi)駕駛意圖識(shí)別建模研究。針對(duì)車輛處于道路不同位置時(shí)駕駛員所具有駕駛意圖類型不同的機(jī)理特征,分別對(duì)直線路段內(nèi)和交叉口路段內(nèi)的駕駛意圖識(shí)別開展研究。研究工作包括:實(shí)施駕駛意圖建模數(shù)據(jù)采集實(shí)車試驗(yàn)；從駕駛意圖

6、類型特征角度對(duì)試驗(yàn)數(shù)據(jù)開展駕駛行為特征研究,得出與駕駛意圖具有映射關(guān)系的駕駛行為參數(shù)及駕駛動(dòng)作序列；使用圖模型及DBN相關(guān)理論構(gòu)建了駕駛行為與意圖HMM網(wǎng)絡(luò)架構(gòu),并提出以時(shí)段T和交叉口與車輛之間距離s更新HMM中隱狀態(tài)轉(zhuǎn)移概率和觀測狀態(tài)概率,以此使HMM網(wǎng)絡(luò)結(jié)構(gòu)具有動(dòng)態(tài)性。構(gòu)建基于駕駛行為與意圖HMM和Viterbi算法的駕駛意圖識(shí)別模型;探討基于駕駛意圖與可觀測駕駛動(dòng)作序列的駕駛行為預(yù)測原理,建立了基于駕駛意圖識(shí)別的駕駛行為預(yù)測模型。

7、實(shí)例說明了建立的HMM網(wǎng)絡(luò)結(jié)構(gòu)能夠描述駕駛員行為與意圖之間的動(dòng)態(tài)關(guān)系；使用Viterbi算法及判定法則可實(shí)現(xiàn)駕駛意圖識(shí)別及駕駛行為預(yù)測。
　　 (4)駕駛意圖識(shí)別HMM模型參數(shù)學(xué)習(xí)研究。首先針對(duì)駕駛意圖識(shí)別HMM建模與使用過程中可能存在的誤差進(jìn)行分析并探討模型參數(shù)學(xué)習(xí)原理。其次,介紹了基于Baum-Welch算法的駕駛意圖識(shí)別HMM模型參數(shù)學(xué)習(xí)過程,學(xué)習(xí)過程包括前向概率推算、后向概率推算、最大期望概率比值計(jì)算,并根據(jù)計(jì)算結(jié)果優(yōu)化