论文部分内容阅读
随着道路交通安全问题日益严重,主动安全和驾驶辅助系统也受到了越来越多的关注。安全辅助驾驶系统通过综合道路环境中的车辆、行人、路况等信息,实时监测驾驶员周围环境状态,保证驾驶员的行驶安全。道路环境复杂,车辆的运动具有随机性和不确定性,对车辆的运动意图进行有效的分析,能更好的估计车辆周围危险态势,及早识别出环境中可能发生的潜在危险,及时辅助驾驶员采取行动,减缓或避免危险事故的发生。因此,本文提出了一种基于前车行为分析的安全预警方法,主要内容包括车辆检测与跟踪、前车行为分析和危险评估方法。首先,针对低成本碰撞预警系统中车辆检测难以获得较好实时性问题,本文提出了一种基于安卓的车辆检测方法,通过车辆的历史运动来推断车辆未来时刻的运动,从而缩小检测范围,提高检测效率。车辆检测是通过基于支持向量机的机器学习算法实现的。该方法可在安卓手机上实时地运行,算法帧率为9fps,满足低成本碰撞预警系统对于实时性的要求。同时,车辆周围环境的风险评估需要进行多车道的车辆检测,以判定周围车辆对本车的风险程度,对此本文将当前车道车辆检测扩展到多车道车辆检测,针对多车道检测中车辆在车道中定位问题,本文提出了一种基于道路信息的多车道车辆检测方法,在PC平台上实现多车道车辆检测。实验证明,本文方法可适用于大部分天气和光照环境,具有较好的鲁棒性。其次,针对前车行为分析中行为之间由于相似性而导致不易区分的问题,本文设计了一个双隐马尔科夫模型,分别对转向行为和cut-in行为建立隐马尔科夫模型,预测前车左转、直行、右转和cut-in四种行为。首先用前向算法计算观测序列与这两个模型的匹配度,选取匹配概率最大的模型,完成车辆行为的粗分类,然后再用viterbi算法识别具体的行为,如左转或右转。具体内容包括模型结构选择、模型参数设计、数据预处理、特征提取、特征编码、模型训练、行为识别等过程。实验结果表明本文所建立的双隐马尔科夫模型能够很好区分上述四种行为,具有较高的准确率。最后,针对传统的基于规则的风险评估方法判定条件单一、对输入数据容错性较差的问题,本文提出了一种基于前车行为分析的危险评估方法,建立了一个融合前车行为的危险评估模型。通过将前车行为分析结果引入风险评估中,系统可提前预知前车在接下来的时刻将要采取的行为,极大地提高了风险评估的效果,且能够适应复杂多变的交通环境。另外,根据国家标准,本文所设计的碰撞预警系统定义了两级碰撞预警,分别为预备碰撞预警和碰撞预警,在尽量不惊吓驾驶员的前提下达到提醒目的,采取了听觉和视觉两种方式提醒驾驶员可能发生的潜在危险。实验结果表明,本文所用方法能够有效地识别出环境中潜在的危险,保证驾驶员安全驾驶。