论文部分内容阅读
近年来,汽车安全辅助系统以其辅助驾驶员控制汽车的行驶情况,从而尽量避免交通事故的能力,逐渐受到了关注。在“人—车—路”的闭环系统下,汽车安全辅助系统需要根据当前的驾驶意图、道路情况和汽车行驶情况,制定相应的控制策略,对汽车进行辅助控制,因此首先需要对驾驶员意图进行识别。本文为了有效地对触发汽车安全辅助系统所需要的驾驶意图进行识别,展开了以下研究:首先,对当前广泛应用的几种汽车安全辅助系统进行了研究与分析,针对其中的5种系统,确定了相应需要识别的驾驶意图;研究了驾驶意图与驾驶行为的关系,基于隐马尔科夫模型(Hidden Markov Model, HMM)模型的层次化和时序化特性,建立了双层HMM模型,分别为行为层和意图层,用于识别驾驶行为和驾驶意图;通过对汽车动力学的分析和仿真对比为各识别模型选择了观察序列参数。其次,通过TESIS DYNAware软件对各实验工况数据进行了采集,基于改进的Nair检验法和K-means算法进行了异常数据的剔除和特征值临界值的确定;为了识别短时、简单的驾驶行为,对行为层进行了识别模块的划分,采用改进的HMM模型进行驾驶行为的识别,并对模型进行了参数训练;在识别出驾驶行为的基础上,为了识别长时、复杂的驾驶意图,本文分析了5种驾驶意图的驾驶行为表征,将识别出的驾驶行为作为意图层HMM模型的观察序列,对模型进行了参数训练,最后通过仿真结果对比对双层HMM模型进行了参数的优化,提高了离线识别率。最后,搭建了驾驶员意图在线识别的模型,在基于上述工作得到的模型参数的基础上,选取合适的识别周期,对5种意图进行了多次在线识别仿真实验。仿真结果表明,行为层可以实时地识别短时、简单的驾驶行为,意图层可以很好的实时识别长时、复杂的驾驶意图。