原文传递
考虑驾驶风格的乘用车换道融合决策研究
| 论文题名： | 考虑驾驶风格的乘用车换道融合决策研究 |
| 关键词： | 乘用车;驾驶风格;换道决策;轨迹重构;聚类分析;极端梯度提升树;逻辑回归 |
| 摘要： | 随着我国经济快速发展、汽车保有量逐年攀升，道路交通安全环境面临着巨大挑战；每年因驾驶员决策失误所导致的换道交通事故占比居高不下，换道行为作为驾驶过程中最为复杂的一个阶段，其决策过程不仅要对车辆周围的道路、交通流信息进行综合考量，驾驶员风格因素的影响也不可忽视；多个机器学习算法融合的车辆换道决策相较于单结构机器学习模型不仅能提高模型的泛化能力，还能提高车辆换道决策任务的准确率；因此，引入驾驶风格因素的车辆融合换道决策模型对提高道路交通安全具有重要的现实意义。 重构了NGSIM公开数据集中的车辆轨迹数据并提取出研究所需的乘用车轨迹数据，对轨迹数据进行驾驶行为阶段划分、换道决策特征筛选及驾驶风格类型分类标记，构建了一种考虑驾驶风格的乘用车换道融合决策模型。 （1）NGSIM车辆轨迹重构。分析了NGSIM轨迹数据中误差产生原因；采用离散小波分解的方法对车辆轨迹数据中的异常值进行识别；结合三次拉格朗日插值法对识别出的异常值进行插值修正处理；基于对称指数移动平均算法（sEMA）平滑轨迹数据中的噪声完成车辆轨迹重构。 （2）换道决策特征分析与筛选。对换道行为进行阶段划分并对换道过程的两个关键时刻进行了识别；确定本文研究的换道类型并对轨迹中的强制换道等轨迹进行剔除；对换道决策过程进行影响因素分析选取合理的决策特征变量；最后通过对各个决策特征变量进行相关性分析及决策特征对换道行为的重要程度去除决策特征变量中的冗余，筛选出重要的决策特征。 （3）基于换道特征的驾驶风格聚类分析。以固定时间窗提取出自换道意图时刻开始的轨迹片段，选取加速度、冲击度等能表征驾驶风格的指标参数并对其进行求解；通过主成分分析的方法对驾驶风格指标参数进行降维处理；基于 K 均值聚类分析对驾驶风格特征划分并通过加速度、冲击度等参数确定了驾驶风格类型并标记。 （4）考虑驾驶风格的换道决策模型研究。以极端梯度提升树（XGBoost）和逻辑回归（LR）结合的方式构建了车辆换道融合决策模型；基于五折交叉验证的方法对决策特征样本进行训练集和测试集的划分；通过贝叶斯优化算法确定了 XGBoost模型中的超参数最优值；通过模型仿真对比，本文建立的考虑驾驶风格融合决策模型换道决策任务中的准确率提升约4%，相较于其他单结构模型提升约2%。 |
| 作者： | 谢光毅 |
| 专业： | 车辆工程 |
| 导师： | 陈宝 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
