面向汽車安全輔助系統(tǒng)的駕駛員意圖識別算法研究.pdf

1、近年來，汽車安全輔助系統(tǒng)以其輔助駕駛員控制汽車的行駛情況，從而盡量避免交通事故的能力，逐漸受到了關(guān)注。在“人—車—路”的閉環(huán)系統(tǒng)下，汽車安全輔助系統(tǒng)需要根據(jù)當(dāng)前的駕駛意圖、道路情況和汽車行駛情況，制定相應(yīng)的控制策略，對汽車進(jìn)行輔助控制，因此首先需要對駕駛員意圖進(jìn)行識別。本文為了有效地對觸發(fā)汽車安全輔助系統(tǒng)所需要的駕駛意圖進(jìn)行識別，展開了以下研究：
　　首先，對當(dāng)前廣泛應(yīng)用的幾種汽車安全輔助系統(tǒng)進(jìn)行了研究與分析，針對其中的5種系統(tǒng)，

2、確定了相應(yīng)需要識別的駕駛意圖；研究了駕駛意圖與駕駛行為的關(guān)系，基于隱馬爾科夫模型(Hidden Markov Model，HMM)模型的層次化和時序化特性，建立了雙層 HMM模型，分別為行為層和意圖層，用于識別駕駛行為和駕駛意圖；通過對汽車動力學(xué)的分析和仿真對比為各識別模型選擇了觀察序列參數(shù)。
　　其次，通過TESIS DYNAware軟件對各實驗工況數(shù)據(jù)進(jìn)行了采集，基于改進(jìn)的Nair檢驗法和K-means算法進(jìn)行了異常數(shù)據(jù)的剔除

3、和特征值臨界值的確定；為了識別短時、簡單的駕駛行為，對行為層進(jìn)行了識別模塊的劃分，采用改進(jìn)的HMM模型進(jìn)行駕駛行為的識別，并對模型進(jìn)行了參數(shù)訓(xùn)練；在識別出駕駛行為的基礎(chǔ)上，為了識別長時、復(fù)雜的駕駛意圖，本文分析了5種駕駛意圖的駕駛行為表征，將識別出的駕駛行為作為意圖層HMM模型的觀察序列，對模型進(jìn)行了參數(shù)訓(xùn)練，最后通過仿真結(jié)果對比對雙層HMM模型進(jìn)行了參數(shù)的優(yōu)化，提高了離線識別率。
　　最后，搭建了駕駛員意圖在線識別的模型，在基于