無人駕駛汽車周邊車輛行為識別及預(yù)測方法是實現(xiàn)無人駕駛技術(shù)的重要模塊,該模塊承接感知模塊獲得的周邊車輛行駛信息,通過算法識別周邊車輛的當前行為、預(yù)測其未來行為和軌跡,將識別及預(yù)測結(jié)果輸入到?jīng)Q策規(guī)劃模塊中,作為該模塊的參考信息。所以無人駕駛汽車周邊車輛行為識別及預(yù)測模塊能夠保證其在真實交通場景下安全、高效地駕駛。本課題針對無人駕駛汽車在結(jié)構(gòu)化道路上對周邊車輛當前時刻的行為識別、對未來行為和未來軌跡的預(yù)測問題展開研究。一、比較了在車輛行為識別及預(yù)測領(lǐng)域兩大自然駕駛車輛軌跡數(shù)據(jù)集,分析兩個數(shù)據(jù)集的優(yōu)缺點,為本文研究內(nèi)容提供數(shù)據(jù)支持;描述了車輛行為的分類方式,將車輛橫向行為作為本文研究重點并確定了觀測序列對應(yīng)行為標簽的制作方法;引入軌跡片段坐標系,將原始數(shù)據(jù)集中的坐標系和無人駕駛汽車全局坐標系統(tǒng)一到同一坐標系下,同時指出鄰居車輛對周邊目標車輛行為的影響,在原始數(shù)據(jù)集中抽取相應(yīng)的行為樣本后建立了本文所需的車輛行為識別數(shù)據(jù)集、車輛行為及軌跡預(yù)測數(shù)據(jù)集。二、針對目前無人駕駛汽車周邊車輛行為識別研究中,多數(shù)研究忽略了鄰居車輛對周邊目標車輛影響的問題,提出了一種將隱馬爾可夫模型（Hidden Markov... 

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 選題意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 無人駕駛技術(shù)研究現(xiàn)狀
        1.3.2 目標車輛行為識別研究現(xiàn)狀
        1.3.3 目標車輛預(yù)測方法研究現(xiàn)狀
    1.4 目前存在的問題
    1.5 本文的研究內(nèi)容
第二章 車輛行為數(shù)據(jù)集的建立
    2.1 車輛軌跡數(shù)據(jù)集
        2.1.1 NGSIM數(shù)據(jù)集介紹
        2.1.2 NGSIM數(shù)據(jù)后處理
        2.1.3 HighD數(shù)據(jù)集介紹
        2.1.4 數(shù)據(jù)集對比
    2.2 車輛行為數(shù)據(jù)集
        2.2.1 車輛行為分類
        2.2.2 行為標簽制定
        2.2.3 軌跡片段坐標系
        2.2.4 鄰居車輛信息提取
        2.2.5 車輛行為數(shù)據(jù)集
    2.3 本章小結(jié)
第三章 基于HMM-MLP復合模型的車輛行為識別方法
    3.1 相關(guān)算法闡述
        3.1.1 隱馬爾可夫模型(HMM)介紹
        3.1.2 多層感知器(MLP)介紹
    3.2 周邊車輛行為識別模型設(shè)計
        3.2.1 建模分析
        3.2.2 HMM觀測變量選擇
        3.2.3 HMM模型參數(shù)制定
        3.2.4 HMM模型參數(shù)訓練
        3.2.5 MLP模型輸入
        3.2.6 MLP模型訓練
    3.3 行為識別結(jié)果及分析
        3.3.1 行為識別效果
        3.3.2 行為識別算法整體表現(xiàn)
        3.3.3 定量和定性分析
    3.4 本章小結(jié)
第四章 基于注意力機制的車輛行為及軌跡預(yù)測方法
    4.1 相關(guān)算法闡述
        4.1.1 長短時記憶網(wǎng)絡(luò)(LSTM)算法介紹
        4.1.2 LSTM編碼器-解碼器與注意力機制
        4.1.3 Convolutional Social LSTM算法介紹
    4.2 基于注意力機制的車輛行為及軌跡預(yù)測方法
        4.2.1 基于注意力機制的車輛行為及軌跡預(yù)測網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 模型訓練
    4.3 預(yù)測結(jié)果及分析
        4.3.1 行為及軌跡預(yù)測效果
        4.3.2 預(yù)測結(jié)果對比
        4.3.3 定量和定性分析
    4.4 本章小結(jié)
第五章 識別及預(yù)測算法實車實驗
    5.1 無人駕駛平臺簡介
    5.2 硬件平臺介紹
        5.2.1 感知及定位系統(tǒng)
        5.2.2 數(shù)據(jù)傳輸中心
        5.2.3 決策系統(tǒng)
        5.2.4 控制系統(tǒng)
    5.3 周邊車輛行為識別及預(yù)測算法的應(yīng)用
        5.3.1 測試路段及可視化
        5.3.2周邊車輛行為識別實車實驗
        5.3.3周邊車輛行為及軌跡預(yù)測實車實驗
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 創(chuàng)新點
    6.3 研究展望
參考文獻
致謝
攻讀學位期間參加的科研項目及學術(shù)成果


【參考文獻】：
期刊論文
[1]速騰聚創(chuàng):信息“理解者”[J]. 陳秀娟.  汽車觀察. 2019(06)
[2]基于深度學習的自動駕駛技術(shù)綜述[J]. 張新鈺,高洪波,趙建輝,周沫.  清華大學學報(自然科學版). 2018(04)
[3]智能網(wǎng)聯(lián)汽車技術(shù)在中國重汽的實踐[J]. 張曉東.  中國物流與采購. 2017(24)
[4]基于無模型自適應(yīng)控制的無人駕駛汽車橫向控制方法[J]. 田濤濤,侯忠生,劉世達,鄧志東.  自動化學報. 2017(11)
[5]馭勢科技:無人駕駛汽車兩年內(nèi)量產(chǎn)[J]. 明星.  中關(guān)村. 2017(02)
[6]CITAVT-IV——視覺導航的自主車[J]. 孫振平,安向京,賀漢根.  機器人. 2002(02)

博士論文
[1]無人車動態(tài)場景分析關(guān)鍵技術(shù)研究[D]. 肖志鵬.國防科技大學 2018
[2]城區(qū)動態(tài)環(huán)境下智能車輛行為決策研究[D]. 宋威龍.北京理工大學 2016

碩士論文
[1]基于深度學習的車道線檢測與分類研究[D]. 代小崗.西南交通大學 2018
[2]基于GPS數(shù)據(jù)的高速公路駕駛行為識別[D]. 羅沂.哈爾濱工業(yè)大學 2017
[3]復雜動態(tài)城市環(huán)境下無人駕駛車輛仿生換道決策模型研究[D]. 田賡.北京理工大學 2016
[4]彎道駕駛行為研究及無人駕駛車輛智能行為評價[D]. 董芳.北京理工大學 2016
[5]城市環(huán)境基于三維激光雷達的自動駕駛車輛多目標檢測及跟蹤算法研究[D]. 葉剛.北京理工大學 2016
[6]自動駕駛車輛城區(qū)道路環(huán)境換道行為決策方法研究[D]. 袁盛玥.北京理工大學 2016
[7]車輛尾燈的檢測與燈語識別[D]. 田強.中國科學技術(shù)大學 2015



本文編號：3716204