张 涛，邹 渊，张旭东，王文伟

（1.北京理工大学机械与车辆学院，北京 100081； 2.北京电动车辆协同创新中心，北京 100081）

前言

自适应巡航控制（adaptive cruise control，ACC）［1］作为高级驾驶辅助系统（advanced driver assistant system，ADAS）的典型应用之一，利用车载雷达和相机获知前方车辆信息，辅助驾驶员对主车进行控制，有效地提升了行驶的舒适性和安全性。但受限于传感器有限的感应范围和较少的信息量，行驶的安全水准还有待提高。近年来，随着信息通信、计算机和人工智能等技术的发展，智能网联车辆成为新的研究热点，通过车对车（vehicle-to-vehicle，V2V）无线通信［2］，驾驶员或自动驾驶的车辆可获取视野内外更多车辆的多维度信号（包括速度、加速度、航向角、转向盘转角、GPS坐标、车辆尺寸等），为大幅提升车辆安全性提供更大空间［3］。通过网联通信构建协同行驶的车辆队列，被称为协同自适应巡航控制（cooperative adaptive cruise control，CACC），与ACC相比，CACC在避免碰撞冲突和增大交通流量上潜力更大，但仍然存在许多挑战需要解决。例如，网联CACC亟需能够预测其他车辆的车道变换行为［4］。当邻车道车辆在主车前方突然切入换道时，稳定行驶队列中的车辆必须执行紧急制动，而这种紧急制动反应非常危险，可能导致严重的碰撞。因此，预测和适当的提前反应是提升行驶安全最具挑战性的任务之一。

车辆的每次换道行为都对应着车辆状态参数的改变（转向盘转角、车速、航向角等），然而不同的操纵行为（换道、直行）所产出的状态参数可能部分相似［5］。因此，需要一种可靠的方法来基于其车辆状态参数属性来区分不同的驾驶操纵行为。……