论文部分内容阅读
近年来随着汽车智能化程度的不断提高,智能汽车的辅助驾驶系统应运而生,当前的智能辅助驾驶系统大部分是基于车载传感器进行智能感知,再进行智能规划、决策和执行,在此过程中如果忽略驾驶任务的主体驾驶人的意图,可能导致驾驶员与智能辅助系统的决策相悖,反而会产生更多潜在的事故风险。尊重驾驶员的意图不仅能够更好地满足人类对行车安全性和舒适性的追求,也是提高智能辅助驾驶系统的接受度,更是完善人性化人机共驾必要的一环。为准确识别驾驶员的驾驶意图,本文着重对驾驶员在换道过程中的心理和生理行为进行分析,提出了一种基于高斯混合隐马尔科夫模型的换道驾驶意图识别方法。本文结合国家自然科学基金重大项目“极限工况下汽车主动安全协同控制及应用验证”(No.61790560)、国家重点研发计划“基于驾驶人驾驶技能的个性化人机共驾理论”(No.2016YFB0100904)、国家自然科学基金区域创新发展联合基金重点项目“冰雪环境下汽车智能驾驶决策与人车协同控制的关键技术研究”(No.U19A2069)、吉林省省校共建计划专项“下一代乘用车的底盘电动化先进技术”(No.SXGJSF2017-2-1-1)和青年基金项目“尊重驾驶员意图的共驾型智能车辆主动避障控制方法研究”(No.661790560),在分析、总结并学习国内外驾驶员驾驶意图识别和行为预测的现有研究成果的基础上,以准确识别驾驶员换道驾驶意图为目标,对换道意图产生阶段的驾驶员视觉特性和车辆状态进行了深入分析,选取出能够表征驾驶意图的特征变量数据组合,建立了隐马尔科夫驾驶员换道驾驶意图识别模型,并从概率意义下的准确性的角度分析了各种特征变量对换道意图识别效果的影响。本论文主要进行了以下几方面的研究:1.实车实验设计及数据采集。为准确获得能够体现出驾驶员驾驶意图的数据,本文有针对性地设计了换道驾驶实验,收集不同驾驶员在换道操作过程中的脸部视频、车辆数据和环境信息,并以此数据信息作为特征变量提取和模型建立的基础。2.表征换道驾驶意图特征变量提取。为了得到用于意图识别模型建立的特征变量,基于YCbCr空间的肤色分割技术和ASEF滤波器的方法进行人脸识别和人眼定位,达到将驾驶员头部和眼部运动信息量化的目的。同时利用方向盘转角熵值表征驾驶员在换道时的心理因素,此外再参考车辆状态数据以及环境信息以共同作为表征意图的特征变量组。3.基于高斯混合隐马尔科夫模型的换道驾驶意图识别模型建立。针对驾驶意图具有随机变化且不可测量的特点,采用了具有通过可观测值推测不可观测状态特点的高斯混合隐马尔科夫模型对驾驶意图识别进行建模。为了对所选取的特征变量进行主要变量选择并进行模型训练的目的,利用多名驾驶员在换道过程中的数据,基于不同的变量组合训练模型并分别进行测试,以测试的精确度作为评判特征变量选择的标准。结果表明(脸/眼部信息+方向盘转角熵+车辆状态+环境信息)特征变量的组合可以作为表征驾驶意图的特征变量组,以该特征变量组合训练的隐马尔科夫模型作为用于预测驾驶员换道意图的模型。4.换道驾驶意图识别模型改进及开环测试。针对驾驶员出现换道意图特征但实际无换道意图产生的情况,利用此情况下的数据修改模型训练集以对驾驶意图识别模型进行改进;考虑到不同驾驶员具有不同的驾驶特性,采用支持向量机和高斯混合隐马尔科夫模型相结合的方法对驾驶意图识别模型进行个性化改进;最后为测试模型的应用能力,采用开环测试的方法以实现进一步评估模型的识别精确度和实用性。