原文传递
基于隐马尔可夫模型的城市道路路段不良驾驶行为鉴别
| 论文题名： | 基于隐马尔可夫模型的城市道路路段不良驾驶行为鉴别 |
| 关键词： | 城市道路路段;不良驾驶行为;信息鉴别;隐马尔可夫模型 |
| 摘要： | 根据城市道路历史交通事故统计数据显示，在诱发或造成交通事故的诸多因素中人的因素占主导地位，基于历史事故数据的城市道路安全研究本身属于一种“事后补救型”，而基于非事故数据的“防患未然型”逐步引起交通安全领域的重视，从常见的交通流以及交通冲突有效识别城市道路的不良驾驶行为信息，是评价城市道路不良驾驶安全水平的重要途径之一。 本文分析了城市道路路段的交通流基本特性，将交通流状态划分为畅行流、稳定流以及强制流三种状态，与其对应则有自由驾驶行为、跟驰驾驶行为以及换道驾驶行为三种驾驶行为。基于此，对城市道路路段不良驾驶行为进行界定，主要有超速不良驾驶行为、压线不良驾驶行为、违章掉头不良驾驶行为、未保持安全车距不良驾驶行为、频繁换道不良驾驶行为五种。分别对晴天、雨天情境下城市道路路段交通流进行视频数据采集，使用视频处理软件获取车辆的运动轨迹数据，提取每一辆车的运动参数并分析长江路研究区段的交通流特性及驾驶特性，具体分析晴天、雨天不同情境下的交通量及其组成、车辆速度、车辆加速度、车头时距、冲突时距、距右侧车道线距离以及距摄像头距离每一项特性。其中，本文构建的冲突度量指标“冲突时距”是随着速度、加速度、天气等变化而变化的，这弥补了在以往研究中速度、方向或加减速度不变假设条件的缺陷。 本文采用隐马尔可夫模型从左至右模型结构，输入观测序列速度、加速度、距右侧车道线距离、冲突时距以及距摄像头距离五项观测序列信息，分别构建晴雨天场景下，正常驾驶行为、超速不良驾驶行为、压线不良驾驶行为、违章掉头不良驾驶行为、未保持安全车距不良驾驶行为以及频繁换道不良驾驶行为六种状态识别模型，并验证模型识别精度高达86％以上。最后，针对本文每一项不良驾驶行为提出了改善惩罚措施，其效果可采用HMM模型进行评价。 |
| 作者： | 卢锡凤 |
| 专业： | 交通运输规划与管理 |
| 导师： | 王健 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
