论文部分内容阅读
在先进驾驶辅助系统中(ADAS),精确的驾驶员换道意图识别与车辆换道轨迹预测是换道风险评估和危险预警的关键一环。换道操作行为是车辆驾驶中最主要的驾驶行为之一,与交通安全息息相关。然而,现在的高级驾驶辅助系统大多数忽视了驾驶员本身的换道意图。针对这些现象,本文提出了一种基于驾驶员意图的换道轨迹预测方法,力求增大换道安全性。本文主要研究的内容如下:(1)建立驾驶员换道意图数据库。一共1200组换道数据,其中训练样本数据900组,测试样本数据300组。通过驾驶员在环仿真实验平台,在模拟道路环境下,驾驶员通过油门操作踏板、刹车操作踏板和方向盘等部件,模拟执行相应的换道行为,采集驾驶员操作的样本数据,运用3σ准则算法剔除异常数据,建立驾驶员换道意图数据库。(2)构建隐马尔科夫模型(Hidden Markov Model,HMM)与BP神经网络(BP Neural Network,BP)相结合的混合模型。通过对比分析各种模式识别算法的优缺点,提出了具有时序特性和分类特性的HMM-BP混合模型。该模型利用Matlab中的HMM模块,通过参数训练得到向左换道、车道保持和向右换道三种换道意图的HMM模型参数,将HMM模型的最大似然估计值作为BP神经网络的输入,对网络进行训练,辨识驾驶员换道意图。与单独的HMM模型或者BP神经网络相比,该混合模型辨识率更高,达97.33%。(3)基于驾驶员换道意图,预测车辆换道轨迹。车辆行驶轨迹模型包括车道保持轨迹模型和车辆换道轨迹模型。本文主要研究车辆横向轨迹预测,即车辆换道轨迹预测。本文提出了基于三角函数的换道轨迹预测模型,并根据训练样本数据库在原三角函数模型基础上,提出了改进的换道轨迹预测模型;然后根据测试样本数据预测车辆换道轨迹,将预测的换道轨迹与实际轨迹作对比,结果表明预测轨迹与实际轨迹吻合度较高,横向误差最大不超过0.2m,纵向误差最大不超过2m,在可接受范围内,从而验证了模型的有效性。最后从轨迹曲率、换道轨迹与当前车道、换道轨迹与目标车道三个方面对换道轨迹进行安全性分析,确保换道过程的行车安全。