基于駕駛員意圖的智能車(chē)輛路徑跟隨研究.pdf

1、駕駛員人為因素是引發(fā)道路交通安全事故的最主要原因。因此，結(jié)合各種先進(jìn)技術(shù)研發(fā)智能車(chē)輛，輔助駕駛員完成駕駛?cè)蝿?wù)，保障車(chē)輛行車(chē)安全成為目前的研究熱點(diǎn)之一。然而，圍繞智能車(chē)輛研發(fā)的先進(jìn)駕駛輔助系統(tǒng)，對(duì)道路交通環(huán)境進(jìn)行態(tài)勢(shì)評(píng)估之時(shí)，往往忽略了駕駛員本身的駕駛意圖，出現(xiàn)頻繁誤報(bào)的狀況。根據(jù)這一現(xiàn)象，本文提出了基于駕駛員意圖的人機(jī)協(xié)同控制策略，引導(dǎo)智能車(chē)輛跟隨目標(biāo)路徑。論文主要完成了如下工作：
　　(1)搭建駕駛員在環(huán)仿真試驗(yàn)平臺(tái)。在虛擬道路

2、場(chǎng)景下，駕駛員操作方向盤(pán)、油門(mén)踏板、制動(dòng)踏板等機(jī)構(gòu)，執(zhí)行相應(yīng)的駕駛意圖。駕駛員操作量由角度傳感器、加速踏板傳感器測(cè)量得到，經(jīng)數(shù)據(jù)采集卡PCI-6251實(shí)時(shí)傳遞給實(shí)時(shí)終端Ⅵ，然后將時(shí)序數(shù)據(jù)共享給主機(jī)Ⅵ并保存，最終建立駕駛員換道意圖數(shù)據(jù)庫(kù)，為離線訓(xùn)練換道意圖模型提供數(shù)據(jù)支持。
　　(2)建立結(jié)合隱馬爾可夫模型(Hidden Markov Model，HMM)與支持向量機(jī)(Support Vector Machine，SVM)的混合模型

3、。對(duì)駕駛員換道意圖辨識(shí)方法進(jìn)行歸納總結(jié)，分析了HMM、SVM各自的優(yōu)缺點(diǎn)，提出了具有時(shí)序與分類(lèi)特性的HMM-SVM混合模型。根據(jù)離線訓(xùn)練得到的五種換道意圖模型參數(shù)，在仿真平臺(tái)上對(duì)駕駛員換道意圖進(jìn)行在線辨識(shí)。仿真結(jié)果表明:相比單獨(dú)的HMM或SVM，該混合模型能夠更準(zhǔn)確地辨識(shí)駕駛員的換道意圖，辨識(shí)率高達(dá)98％，且耗時(shí)僅需0.006S，具有較好的實(shí)時(shí)性。
　　(3)制定協(xié)同控制策略。根據(jù)試驗(yàn)需求，基于具有橫擺和側(cè)向運(yùn)動(dòng)的車(chē)輛二自由度模型