基于駕駛員意圖的智能車輛路徑跟隨研究.pdf

1、駕駛員人為因素是引發(fā)道路交通安全事故的最主要原因。因此，結(jié)合各種先進(jìn)技術(shù)研發(fā)智能車輛，輔助駕駛員完成駕駛?cè)蝿?wù)，保障車輛行車安全成為目前的研究熱點之一。然而，圍繞智能車輛研發(fā)的先進(jìn)駕駛輔助系統(tǒng)，對道路交通環(huán)境進(jìn)行態(tài)勢評估之時，往往忽略了駕駛員本身的駕駛意圖，出現(xiàn)頻繁誤報的狀況。根據(jù)這一現(xiàn)象，本文提出了基于駕駛員意圖的人機協(xié)同控制策略，引導(dǎo)智能車輛跟隨目標(biāo)路徑。論文主要完成了如下工作：
　　(1)搭建駕駛員在環(huán)仿真試驗平臺。在虛擬道路

2、場景下，駕駛員操作方向盤、油門踏板、制動踏板等機構(gòu)，執(zhí)行相應(yīng)的駕駛意圖。駕駛員操作量由角度傳感器、加速踏板傳感器測量得到，經(jīng)數(shù)據(jù)采集卡PCI-6251實時傳遞給實時終端Ⅵ，然后將時序數(shù)據(jù)共享給主機Ⅵ并保存，最終建立駕駛員換道意圖數(shù)據(jù)庫，為離線訓(xùn)練換道意圖模型提供數(shù)據(jù)支持。
　　(2)建立結(jié)合隱馬爾可夫模型(Hidden Markov Model，HMM)與支持向量機(Support Vector Machine，SVM)的混合模型

3、。對駕駛員換道意圖辨識方法進(jìn)行歸納總結(jié)，分析了HMM、SVM各自的優(yōu)缺點，提出了具有時序與分類特性的HMM-SVM混合模型。根據(jù)離線訓(xùn)練得到的五種換道意圖模型參數(shù)，在仿真平臺上對駕駛員換道意圖進(jìn)行在線辨識。仿真結(jié)果表明:相比單獨的HMM或SVM，該混合模型能夠更準(zhǔn)確地辨識駕駛員的換道意圖，辨識率高達(dá)98％，且耗時僅需0.006S，具有較好的實時性。
　　(3)制定協(xié)同控制策略。根據(jù)試驗需求，基于具有橫擺和側(cè)向運動的車輛二自由度模型