详情

原文传递面向安全预警的机动车驾驶意图识别方法研究

论文题名：	面向安全预警的机动车驾驶意图识别方法研究
关键词：	驾驶意图;驾驶行为;交通安全;安全预警;模式识别
摘要：	利用先进的车辆传感与检测技术获取车辆驾驶行为信息及车外驾驶环境信息,通过信息融合及模式识别方法对道路交通危险态势进行评估与决策,是实现机动车驾驶安全预警系统功能的主要技术手段。然而,现有的驾驶安全预警系统对当前道路危险态势评估结论的准确度较低,产生此现象的原因是驾驶安全预警系统仅以车辆状态和车外环境信息作为当前道路危险态势评估的先决条件,忽略驾驶员的意图及其变化趋势在主动安全控制中起到的关键性作用,故而容易对当前道路危险态势做出错误估计。开展面向安全预警的机动车驾驶意图识别研究,对提高已有机动车驾驶安全预警系统对当前道路危险态势评估的准确度具有现实意义。本论文所探讨驾驶意图识别研究将从驾驶员行为特征角度进行分析,研究内容包括驾驶行为与驾驶意图机理,使用自行设计的驾驶行为试验平台开展实车驾驶试验；根据驾驶行为特征构建不同条件下的驾驶意图识别模型,以及使用迭代算法对建立的模型参数进行学习与优化等。具体研究工作内容如下: 　　 (1)分析驾驶员产生驾驶意图的机理。从机理层面分析驾驶员的驾驶行为与意图之间的关联,得出驾驶意图在整个驾驶过程中产生的环节及其作用,确立本论文研究的驾驶意图类型识别及其适用范围。当车辆处于道路直线路段时,驾驶员所持有并为系统所识别的驾驶意图类型为“换道意图”和“跟车意图”中的1种；在交叉口(无信号灯控制)路段内,驾驶意图类型为“直行意图”和“转弯意图”,转弯意图可细分为“左转意图”和“右转意图”。根据驾驶行为与意图之间的不确定性,本论文选定动态贝叶斯网络(DBN)和隐马尔科夫模型(HMM)理论与方法作为研究驾驶意图识别的主要途径。　　 (2)构建驾驶意图识别建模数据实车信息采集系统。较详细地介绍了系统实现过程,包括系统设备选型与制备、传感器信息采集设计与实现、采集信息数据上传协议以及数据管理软件等。信息采集系统需求分析是以驾驶意图识别研究对象为依据,明确实车驾驶试验采集数据对象包括驾驶员手脚部驾驶动作、车辆速度和车辆地理位置等。根据实车传动机构特点以及车辆已有传感器,选用适配的传感与检测技术实现。采集的信息数据采用自定义传输协议报文格式,并与GPS上传信息同时被上位机读取。数据管理软件采用ADO组件和VisualC++6.0实现,数据存储文件为MicrosoftOfficeAccess系统文件。　　 (3)道路不同地段内驾驶意图识别建模研究。针对车辆处于道路不同位置时驾驶员所具有驾驶意图类型不同的机理特征,分别对直线路段内和交叉口路段内的驾驶意图识别开展研究。研究工作包括:实施驾驶意图建模数据采集实车试验；从驾驶意图类型特征角度对试验数据开展驾驶行为特征研究,得出与驾驶意图具有映射关系的驾驶行为参数及驾驶动作序列；使用图模型及DBN相关理论构建了驾驶行为与意图HMM网络架构,并提出以时段T和交叉口与车辆之间距离s更新HMM中隐状态转移概率和观测状态概率,以此使HMM网络结构具有动态性。构建基于驾驶行为与意图HMM和Viterbi算法的驾驶意图识别模型;探讨基于驾驶意图与可观测驾驶动作序列的驾驶行为预测原理,建立了基于驾驶意图识别的驾驶行为预测模型。实例说明了建立的HMM网络结构能够描述驾驶员行为与意图之间的动态关系；使用Viterbi算法及判定法则可实现驾驶意图识别及驾驶行为预测。　　 (4)驾驶意图识别HMM模型参数学习研究。首先针对驾驶意图识别HMM建模与使用过程中可能存在的误差进行分析并探讨模型参数学习原理。其次,介绍了基于Baum-Welch算法的驾驶意图识别HMM模型参数学习过程,学习过程包括前向概率推算、后向概率推算、最大期望概率比值计算,并根据计算结果优化驾驶行为与意图HMM模型参数中各矩阵概率值。最后,给出某驾驶意图识别HMM模型参数学习实例,结果可使已知驾驶动作序列出现概率增大,表明Baum-Welch算法对驾驶意图识别HMM模型参数学习有效。
作者：	张良力
专业：	智能交通工程
导师：	严新平
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2011
正文语种：	中文