原文传递
多信息融合的驾驶员意图识别及换道轨迹规划
| 论文题名： | 多信息融合的驾驶员意图识别及换道轨迹规划 |
| 关键词： | 汽车驾驶员;换道意图;轨迹规划;路径跟踪 |
| 摘要： | 车辆行驶过程中，换道不当所引发的交通事故不计其数，尤其是在高速公路上，车辆都处于高速行驶，贸然变道可能会导致目标车道的后车发生追尾，造成不可估量的后果。为了提高换道过程的安全性，本文通过分析驾驶员是否具有换道意图并根据周车环境下，各车之间的安全评价来进行车辆轨迹规划和路径跟踪。 首先，选取驾驶员意图识别参数。利用CarSim和Simulink联合搭建车辆换道模型，采集换道过程中各参数的变化情况。对采集的数据进行筛选、分析、比较后，选取方向盘转角信号和车辆侧向加速度信号为驾驶员换道意图表征参数。 其次，研究驾驶员意图识别方法。介绍隐马尔科夫模型和驾驶员意图之间的联系，阐述隐马尔科夫模型的三个问题和K最近邻分类方法。利用NGSIM数据集中车辆的位置关系结合隐马尔科夫模型，进行训练得到左换道，直行和右换道的状态概率矩阵以及状态转移矩阵。将采集的信号对应组合成坐标值并制成数据集，利用KNN算法对所选的数据进行分类、训练和测试，通过模糊矩阵表明意图识别率高达83.4％，且可通过加大数据集的数量或者调整训练集和测试集的比例来提高识别准确率。 然后，规划换道轨迹并跟踪。利用五次多项式拟合出换道轨迹簇，根据前后车与自车的速度比较，计算出安全车距的大小，并通过分析周车共存的情况下，进行安全评价指标计算，决策出4.4s换道时间下的轨迹为最优换道轨迹。利用CarSim和Simulink联合，设置最优路径为参考路径，MPC为控制器进行轨迹跟踪，得出误差最大值不超过0.08m，具有良好的跟踪精度。 最后，设计硬件在环试验方案。将硬件设备与NI采集卡进行连线，先对方向盘转角信号、方向盘转角速度和油门踏板信号进行采集，利用Panaterm和LabVIEW软件对伺服电机进行调试，通过CarSim和LabVIEW RT系统联合后，搭建模拟驾驶场景，模拟车辆换道过程，再将此过程下方向盘转角信号进行采集并带入到KNN算法中进行验证，得到识别准确率为85％。 结果表明，将方向盘转角作为驾驶员意图识别的主要表征参数是可行的，为之后智能车领域的研究提供有效思路。 |
| 作者： | 卫明 |
| 专业： | 机械 |
| 导师： | 王其东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
