原文传递
面向车载行人预警系统需求的行人过街意图识别模型研究
| 论文题名： | 面向车载行人预警系统需求的行人过街意图识别模型研究 |
| 关键词： | 车载行人预警系统;过街意图;人行横道;机器学习 |
| 摘要： | 车载行人预警系统通过采用传感器来识别行人，当存在行人-车辆冲突风险时系统将对驾驶人发出告警、或者是自动进行紧急制动，以避免发生事故。目前，车载行人预警系统已经开始在一定范围内应用，但这些系统的预警算法整体较为简单，存在准确率不足、误报率过高的问题。要提升车载行人预警系统的使用效果，首先要对行人的过街意图进行提前分析预判，实现对行人-车辆交互关系的精准感知预测。 针对上述目标，本文选取了一段无信号灯斑马线路段作为研究对象，采用激光雷达传感器和小型摄像机对斑马线路段行人-车辆的交互数据进行了长期的采集，获取了不同风险状态下行人过街和接近斑马线车辆的运动状态数据。以此为基础，分析确定了行人过街意图相关的表征参数集，采用机器学习方法建立了行人过街意图模型，并对有无斑马线两种状态下行人的过街行为特性进行了研究。本文主要研究如下： （1）本文对在无信号灯控制路段人行横道处的行人过街特性展开了具体分析，对影响行人过街决策的特征参数（包括：行人过街群体行人数量、性别、年龄、速度变化以及过街博弈车辆的速度和相对距离）展开了具体分析。结果表明，行人性别、年龄及过街群体人数都在一定程度上造成行人的过街速度差异，男性相较女性过街速度更快、青年行人较中老年过街效率更高，行人群体人数与过街等待时间呈明显反线性关系。 （2）以行人的过街特性数值分析结果作为理论依据，建立支持向量机（SVM）分类模型，对样本特征参数数据进行模型学习和预测处理，并计算SVM分类器对样本特征数据的预测准确率。由于特征参数种类的数量会造成SVM分类模型准确率的波动，本试验分别对五类特征参数和六类特征参数的SVM模型进行了模型预测，得出结论：SVM分类模型对行人过街意图分类有着很好的预测效果，选取六类特征参数时，SVM分类模型对样本数据的预测平均准确率要优于选取五类特征参数的情况。 （3）分别对有、无施划人行横道两种情况下的行人过街意图进行了预测，得出结论：有人行横道的模型平均预测分类效果明显好于无人行横道处的模型平均预测准确率，准确率差值为1.59%。SVM分类模型可以更好地对选择人行横道处过街的行人进行过街意图预测，无人行横道横穿机动车道的过街行人，由于其过街路径更加发散，目的性和方向性相较于人行横道上的行人都更加不稳定，导致其过街意图更加不好预测，体现在模型预测准确率上为分类模型的行人过街意图预测准确率较低。 |
| 作者： | 赵彬 |
| 专业： | 车辆工程 |
| 导师： | 王畅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
