原文传递
智能汽车周边车辆行为态势理解方法研究
| 论文题名： | 智能汽车周边车辆行为态势理解方法研究 |
| 关键词： | 智能汽车;周边车辆;行为态势理解;车辆交互;长短时记忆网络;换道行为 |
| 摘要： | 智能汽车具备优越的安全性、效率性和扩展性，是当今世界汽车技术的主要专攻方向之一。加深智能汽车对周边车辆行为态势的理解，能够给后续决策规划模块提供重要的参考信息，也是目前汽车实现更高级别智能化水平所面临的关键挑战。现有研究工作往往不能充分描述甚至忽略目标车辆在道路场景中的社交依赖性，导致周边车辆行为态势理解精度不佳，难以满足智能汽车的理想要求。本文以国家重点研发计划子课题“车辆周边多目标行为识别与预测算法研究”项目为主要支撑，重点考虑了交通场景中车辆的交互作用，针对智能驾驶汽车周边车辆的行为态势理解问题开展了研究。主要研究工作如下： 一、对周边车辆行为的描述、换道行为产生机理以及车辆行为特性进行深入剖析，并介绍了本文采用的大型车辆轨迹数据NGSIM和平滑预处理方法，对周边车辆行为态势理解问题进行了定义，最后针对识别和预测任务分别构建了所需的车辆行为样本集。 二、针对周边车辆行为状态识别问题，提出了一种基于CNN-LSTM-AT模型的周边车辆行为识别方法，应用1DCNN网络融合目标车辆、邻近车辆以及道路的历史信息进而对车辆行为进行交互建模，并引入注意力机制考虑了LSTM单元每个时步的权重贡献，所提方法弥补了已有方法不能充分描述车辆交互作用和行为序列时步显著性的不足。结果表明所提出的识别方法总体准确率达到了93.72%，在精确度、召回率以及F1-score均优于现有主流的识别方法，能够明显提升行为识别准确率，尤其是在换道行为早期阶段的识别能力。 三、针对周边车辆行为趋势预测问题，提出一种基于动态交互通道和软注意加权的周边车辆行为趋势预测方法，扩展了车辆多模态特征输入，在环境信息通道引入软注意加权去捕获每个邻域车辆对目标车辆未来趋势影响的相对重要性，并使用ConvLSTM获取车辆之间动态变化的交互信息，最终行为解码器和轨迹生成器模块分别输出车辆未来行为模式和多模态轨迹结果，所提方法弥补了已有方法在邻近车辆影响差异性考虑以及车辆动态交互解释上的不足。结果表明本文提出的算法行为预测准确度达88.3%，轨迹预测1到5秒的RMSE值分别为0.42、1.05、1.84、2.82、4.03m，相比目前其他主流的预测算法能够更加健壮地捕捉目标车辆的社交性，具备更好的预测精度。 四、搭建了基于“智能2号”智能汽车平台的周边车辆行为态势理解系统，并将上述两套算法进行了部署以验证其在真实交通场景下的表现。实验结果表明，车辆行为识别和预测准确率可达93.0%和87.1%，1到5秒的RMSE平均值为2.12m，验证了所提车辆行为态势理解方法具备较好的有效性和可靠性。 |
| 作者： | 邰康盛 |
| 专业： | 车辆工程 |
| 导师： | 蔡英凤 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
