原文传递
基于多模态行人过街轨迹预测的人车冲突危险度研究
| 论文题名： | 基于多模态行人过街轨迹预测的人车冲突危险度研究 |
| 关键词： | 自动驾驶;行人轨迹预测;人车冲突危险度;建模方法 |
| 摘要： | 行人在过街时与来往车辆进行博弈是日常交通中十分常见的交互场景。准确理解行人的意图，正确判断行人的过街趋势，合理估计车辆与过街行人交互的危险程度，不但有利于完善汽车的主动安全功能，帮助驾驶员提前察觉危险，采取必要措施，从而减少交通事故对行人的危害，还可以为自动驾驶车辆决策模块与路径规划模块提供精确的数据基础，进一步提高自动驾驶的智能度，提升乘坐舒适性与安全性，推动自动驾驶技术进步，对于保障车辆行驶的稳定性，安全性和经济性都有深远的意义。为此，本研究旨在基于行人的多模态过街轨迹预测，对行人与车辆的交互危险程度进行建模与估计。 首先，本文回顾了行人轨迹预测以及人车冲突危险度建模的国内外研究现状。发现现有危险度建模研究较少考虑精准轨迹预测，转而使用确定性模型粗略估计未来轨迹或直接预测碰撞概率，且并未考虑行人的多种轨迹选择可能。故本文提出先通过多样化行人未来可能运动特征的方式预测行人的多条可能轨迹，接着基于轨迹的时空关系，实现考虑更多可能性的人车冲突危险度建模。主要研究内容如下： （1）提取了欧洲Euro-PVI数据集与中国BPI数据集中共计325组行人过街场景下人车交互数据；提出自适应绝对坐标系建立方法，使得各行人轨迹坐标的差异主要来源于其运动特征。 （2）定性总结了过街决策特征以及过街习惯特征；定量集计了行人过街速度、加速度及航向角组成的特征向量，使用GMM模型获得了5种过街运动状态及高斯分布；使用LSTM模型，预测了行人未来0.5s内的运动状态可能类别与概率，最终模型对于5分类问题的准确率为82.93%。 （3）获取行人未来运动特征取值阈，通过均匀重采样获取 27 组可能未来运动特征向量与出现概率；考虑人车时空关系，将人车真实历史轨迹与 27 组向量两两组合，作为多模态输入构建了时空图Transformer行人过街轨迹预测模型，得到了多条未来可能轨迹及其发生概率，模型的ADE为0.72m，FDE为0.97m，均优于对比模型。 （4）基于CA模型估计车辆未来轨迹；选取并计算了碰撞概率、最小会遇距离和最小会遇距离变化速率三个关键指标，建立模糊数学评价模型，构建隶属度函数，将危险综合隶属度划分为安全、低风险、中风险、高风险和极高风险五个等级；使用了车辆存在明显减速避让的人车交互进行验证，总体上可以在车辆减速前0.5s-1s的时间发现危险且可较为准确的判断危险的消失，优于传统的TTC模型。 |
| 作者： | 刘博闻 |
| 专业： | 交通运输工程 |
| 导师： | 周竹萍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
