基于贝叶斯网络的车辆并线意图识别
2021-06-16姜顺明匡志豪王奕轩吴朋朋
河南科技大学学报(自然科学版) 2021年5期
关键词:模型
姜顺明,匡志豪,王奕轩,吴朋朋
(江苏大学 汽车与交通工程学院,江苏 镇江 212013)
0 引言
车辆并线是一种常见驾驶行为,对于车辆安全行驶有重要影响[1]。在复杂的交通环境中,精确高效地识别旁车并线意图,可为辅助驾驶系统提供决策参考信息。改善并线工况下的控制效果,提升车辆运行效率,减少道路交通事故,是辅助驾驶领域的研究热点之一。
目前,国内外对驾驶意图识别的研究方法可分为两种。第一种是通过建立动力学或运动学模型来识别驾驶意图[2-4],但由于车辆运动的高度非线性以及模型过多简化了车辆并线行为,使得这类方法很难达到较高精度。第二种是基于数据驱动,采用机器学习来识别驾驶意图。文献[5]设计了一种基于长短时记忆网络的驾驶意图识别及车辆轨迹预测模型,用Softmax函数计算意图概率,意图识别模块具有很好的预判性和准确率。文献[6]提出双层连续隐马尔可夫模型-贝叶斯生成分类器预测驾驶意图,能在旁车并线前期阶段识别出驾驶人意图。文献[7]基于模糊支持向量机建立了并线意图识别器,在支持向量机的求解中引入样本模糊隶属度系数,提高了并线意图识别器的准确性。文献[8]采用多分类支持向量机对换道行为进行识别,精度高达97.68%。文献[9-12]使用循环神经网络进行车辆驾驶意图识别。但是,基于神经网络的机器学习往往效率较慢,容易收敛于局部最优解,支持向量机参数不易确定,且很难处理规模大的训练样本。……
登录APP查看全文
