車輛換道預(yù)警的若干關(guān)鍵問題研究.pdf

1、車輛換道預(yù)警系統(tǒng)通過使用傳感器、模式識(shí)別與人工智能等技術(shù)手段評估換道風(fēng)險(xiǎn)，并在必要時(shí)預(yù)警干預(yù)駕駛行為，對于車輛的安全運(yùn)行具有重要意義。然而，與換道預(yù)警密切相關(guān)的一些技術(shù)問題沒有被深入研究，如真實(shí)換道行為地識(shí)別確認(rèn)、換道沖突地預(yù)測與分析、不同風(fēng)格駕駛?cè)藢Q道預(yù)警的個(gè)性化需求等。針對這些問題，本文在分析實(shí)際換道行為數(shù)據(jù)的基礎(chǔ)上，對換道預(yù)警系統(tǒng)所需要解決的若干關(guān)鍵問題進(jìn)行研究，力求降低預(yù)警系統(tǒng)的誤報(bào)率和漏報(bào)率。
　　采用雷達(dá)傳感器、車道

2、線識(shí)別系統(tǒng)、GPS系統(tǒng)、陀螺儀、CAN總線數(shù)據(jù)采集卡等儀器同步采集試驗(yàn)過程中與換道行為相關(guān)的駕駛?cè)瞬僮餍袨閰?shù)、車輛運(yùn)行狀態(tài)參數(shù)與交通環(huán)境參數(shù)。在不同道路環(huán)境下共對53名被試進(jìn)行了實(shí)際道路駕駛試驗(yàn)，獲取了超過2000次的自然換道數(shù)據(jù)?；趯?shí)測換道數(shù)據(jù)，利用模式識(shí)別等理論對換道預(yù)警系統(tǒng)的若干關(guān)鍵問題進(jìn)行研究，主要的研究內(nèi)容及成果如下：
　　1.運(yùn)用實(shí)車換道樣本數(shù)據(jù)，分別建立了一般換道行為識(shí)別模型與快速越線換道行為識(shí)別模型。采用卡爾曼

3、濾波器對原始數(shù)據(jù)進(jìn)行處理，削弱了測量儀器精度引起的數(shù)據(jù)階躍性。針對一般換道行為識(shí)別模型，通過采取數(shù)據(jù)歸一化、主成分分析數(shù)據(jù)降維方法，并利用遺傳算法對支持向量機(jī)核函數(shù)的參數(shù)進(jìn)行優(yōu)化，提高了訓(xùn)練集的分類準(zhǔn)確率和測試集的識(shí)別準(zhǔn)確率。
　　2.運(yùn)用實(shí)車換道過程的軌跡數(shù)據(jù)，建立了車輛換道過程越線時(shí)刻預(yù)測模型。對常見換道軌跡模型的實(shí)際擬合效果進(jìn)行分析，提出了使用7次多項(xiàng)式模型對換道軌跡進(jìn)行擬合的方法。對大量換道軌跡進(jìn)行分析，結(jié)果表明，換道軌跡

4、之間存在相似性。利用7次多項(xiàng)式換道軌跡模型，基于軌跡相似性對換道過程中的越線時(shí)間進(jìn)行預(yù)測。預(yù)測結(jié)果中，絕大部分的越線時(shí)間預(yù)測誤差值小于或等于0.1秒。
　　3.建立了基于道路曲率估算的車間位置關(guān)系辨識(shí)模型?；谧攒嚈M擺角速度和車速對道路曲率進(jìn)行估算、利用數(shù)據(jù)濾波方法提高了曲率估算精度，但估算結(jié)果包含噪聲較大。利用估算曲率值、自車與后方其他車輛之間的相對角度、相對距離，分別建立了直道路段和彎道路段情況下自車與后方其他車輛的位置關(guān)系辨

5、識(shí)模型，實(shí)現(xiàn)對換道過程潛在危險(xiǎn)目標(biāo)車輛的辨識(shí)。利用實(shí)測數(shù)據(jù)對模型進(jìn)行檢驗(yàn)，結(jié)果表明，所建立的車間位置關(guān)系辨識(shí)模型對曲率估算誤差不敏感，曲率估算誤差超過20％時(shí)辨識(shí)模型的識(shí)別效果幾乎不受到影響。
　　4.通過對實(shí)車試驗(yàn)數(shù)據(jù)進(jìn)行分析，建立了考慮駕駛風(fēng)格的換道預(yù)警方案。選擇駕駛風(fēng)格的表征參數(shù)，采用模糊數(shù)學(xué)方法對駕駛風(fēng)格進(jìn)行分類，將駕駛?cè)朔譃槊斑M(jìn)型駕駛?cè)?、比較冒進(jìn)型駕駛?cè)?、比較謹(jǐn)慎型駕駛?cè)撕椭?jǐn)慎型駕駛?cè)怂念??；?TTC（Time To