论文部分内容阅读
随着我国道路运输行业的迅猛发展以及机动车保有量的急剧增长,交通事故频发导致财产损失和人员伤亡,给人们的生产生活带来严重影响。先进驾驶员辅助系统(Advanced Driver Assistance System,ADAS)借助安装在车辆上的多种传感器设备实时监测车内外环境,根据预先设定的算法策略在危险事故发生前对驾驶员作出预警,情况特别紧急时甚至主动干涉自车避免发生交通事故。针对目前ADAS系统中的车道偏离预警系统多只采用评估换道风险的纵向碰撞时间(Time to Collision,TTC)作为单一指标导致系统误警率偏高,论文提出采用横向越线时间(Time to Line Crossing,TLC)检测驾驶员换道行为,只有当TTC和TLC同时满足换道预警系统设定的阈值时给出警告。基于横向越线时间的偏离预警决策对外界环境感知和车辆转向信号的依赖性较强,驾驶意图不明确时,预警系统的激活与驾驶员意图相悖,系统间相互干扰以致发生交通事故。故此,系统性感知驾驶员操作行为,精确辨识其驾驶意图,对开展基于TLC和TTC车道的偏离预警系统的进一步研究非常重要。本文首先对国内外关于驾驶意图辨识方面和基于越线时间的车道偏离预警系统方面的研究成果进行分析与总结。然后在完成驾驶人视野区域划分的基础上,对车辆行驶过程中的“人-车-路”系统参数进行综合分析,选择能够表征不同驾驶意图的特征参数,将其导入所建立的隐马尔可夫(Hidden Markov Model,HMM)和支持向量机(Support Vector Machine,SVM)级联算法中完成驾驶意图的辨识,最后选择以左侧车道偏离为主针对越线情形进行分析,充分考虑横向加速度、速度、横摆角速度等参数对换道越线的影响,建立车辆的几何运动学换道越线模型预测换道越线时间TLC。本文主要研究内容如下:(1)人-车-路系统特征参数的选择。首先采用模糊K-means动态聚类划分驾驶人视线点兴趣视野区域,并运用改进的Pauta法则剔除异常视线点明确驾驶人视野焦点区域:车道正前方、左前方和右前方,左后视镜和右后视镜。统计分析验证驾驶人视觉参数的差异性,运用R型指标聚类确定驾驶人视觉特性参数的表征序列为v=[GA_f GA_t GL_a GL_p H_a];对“车-路”系统的参数进行分析,确定了“车-路”系统表征参数为纵向加速度A_x、方向盘转角S_a和自车与车道中心线距离D_y。(2)基于HMM和SVM级联算法的驾驶意图辨识模型的建立。在模拟驾驶仪系统中开展实验,记录了12名受试者的驾驶样本1150组,完成各驾驶意图样本参数信息的采集筛选,采用卡尔曼滤波对纵向加速度和方向盘转角进行预处理。基于PCA主成分分析法对表征参数序列进行降维处理,确定表征驾驶意图4个主成分序列。将待识别意图对应的主成分序列导入第一层HMM模型中完成了跟驰和右换道意图的识别,将HMM中识别率较低的易混淆的左换道和超车意图对应的主成分序列作为待辨识意图候选集,导入第二层SVM在候选模式中对待辨识意图作最后决策,结果表明基于该算法的识别准确率达95.84%,明显高于HMM或SVM单一算法,且单次平均识别时间0.017s满足驾驶员对突发性事件的反应时间要求。(3)基于车辆运动几何分析的越线时间TLC估算模型的建立。将车辆的运动特性与道路环境和换道越线轨迹特性结合,引入横向加速度参数,建立针对不同越线场景的多种直(曲)线路段沿直线(曲)轨迹左换道越线模型以完成越线时间TLC的估算,基于Matlab软件对影响换道越线时间TLC的参数进行仿真分析,对驾驶员实际驾驶操作过程起到一定的指导作用,采用驾驶模拟仪和实车试验交叉验证的方法开展模型有效性与合理性论证,结果表明论文所建立的TLC估算模型较为合理。