基于智能手機(jī)的車輛行為識(shí)別技術(shù)研究.pdf

1、車輛行為識(shí)別技術(shù)是實(shí)現(xiàn)智能交通領(lǐng)域中場(chǎng)景理解的有力工具，通過學(xué)習(xí)運(yùn)動(dòng)目標(biāo)車輛的行為模式，對(duì)車輛行駛軌跡或速度行為進(jìn)行理解與分析。由于交通場(chǎng)景的復(fù)雜性，車輛行為識(shí)別面臨著很多困難和挑戰(zhàn)。例如，不完整、重復(fù)、噪聲等異常數(shù)據(jù)以及低質(zhì)量、不合理的特征參數(shù)會(huì)大大降低識(shí)別率；現(xiàn)有基于智能手機(jī)的車輛行為識(shí)別方法是在形成完整的軌跡后再對(duì)該時(shí)間段內(nèi)的行為數(shù)據(jù)進(jìn)行模式識(shí)別，可視為對(duì)車輛行為最終狀態(tài)的識(shí)別，無法滿足智能交通中車輛行為實(shí)時(shí)判別和預(yù)測(cè)的需求。

2、r>　　為了解決上述問題，本文根據(jù)智能手機(jī)中傳感器數(shù)據(jù)的特點(diǎn)，針對(duì)車輛行為識(shí)別的數(shù)據(jù)預(yù)處理、特征分析以及分類模型等關(guān)鍵技術(shù)進(jìn)行了相關(guān)的研究，主要取得了以下幾個(gè)方面的研究成果：
　?。?）為了提高車輛行為識(shí)別的魯棒性，本文提出了一種基于智能手機(jī)多傳感器數(shù)據(jù)融合的預(yù)處理方法。該方法通過閾值判定的方式去除不完整軌跡，并利用路徑重構(gòu)算法和最小二乘擬合對(duì)車輛行駛軌跡進(jìn)行恢復(fù)，保證了軌跡序列的完整性和有效性；在此基礎(chǔ)上，本文設(shè)計(jì)了一個(gè)速度計(jì)算

3、模型確定車輛行駛速度解決手機(jī)GPS信號(hào)丟失造成的速度數(shù)據(jù)丟失的問題，并采用小波變換對(duì)傳感器數(shù)據(jù)進(jìn)行濾波處理以還原真實(shí)數(shù)據(jù)。此外，本文還利用旋轉(zhuǎn)矩陣進(jìn)行姿態(tài)矯正將手機(jī)坐標(biāo)系還原成車輛參考坐標(biāo)系，使得手機(jī)可以在任意方向上放置，增強(qiáng)了系統(tǒng)實(shí)用性。
　　（2）為了提高車輛行為識(shí)別的效率，本文提出了基于SVM-RFE與PCA的車輛行為特征提取和選擇方法。該方法首先對(duì)降噪后的傳感器數(shù)據(jù)進(jìn)行基于時(shí)域和頻域兩方面的特征提取，充分挖掘車輛駕駛行為特

4、征，以保證車輛行為識(shí)別率。針對(duì)特征維度可能造成的“維度爆炸”以及算法的實(shí)時(shí)性需求，本文采用基因選擇算法(SVM-RFE)對(duì)車輛行為特征進(jìn)行重要度排序，并利用主成分分析法(PCA)進(jìn)行特征降維，加快了算法的處理速度。另外，本文采用了基于方向角區(qū)間劃分方法對(duì)運(yùn)行軌跡進(jìn)行編碼，通過車輛行駛所產(chǎn)生的方向信息來描述車輛軌跡的幾何形狀，簡(jiǎn)化了軌跡序列的表達(dá)方式。
　?。?）針對(duì)車輛行為識(shí)別精確度和動(dòng)態(tài)識(shí)別的要求，提出了一種基于時(shí)間分段矯正的行

5、為識(shí)別方法。該方法采用支持向量機(jī)進(jìn)行車輛行為識(shí)別，并利用RBF核函數(shù)以及遺傳算法對(duì)識(shí)別效果進(jìn)行優(yōu)化。該方法在學(xué)習(xí)階段對(duì)采集到的數(shù)據(jù)進(jìn)行基于時(shí)間分段的訓(xùn)練，充分利用車輛行為漸進(jìn)變化過程中的信息，以此保證本文算法能夠達(dá)到在行為變化的過程中對(duì)當(dāng)前行為進(jìn)行實(shí)時(shí)判別和預(yù)測(cè)的目的?；跁r(shí)間分段矯正的行為識(shí)別方法改變了傳統(tǒng)方法中使用固定長(zhǎng)度滑動(dòng)窗口截取車輛行為數(shù)據(jù)的方式，能夠自動(dòng)檢測(cè)出車輛行為的起止點(diǎn)，從而準(zhǔn)確地獲取車輛行為數(shù)據(jù)段，克服了滑動(dòng)窗口的主