【摘要】：城市道路交通環(huán)境復雜多變，車輛之間交通沖突頻繁，錯誤的駕駛行為將導致沖突進一步加劇，引發(fā)交通事故，由于近年來城市交通流中駕駛員非職業(yè)化、車流密集化趨勢日益明顯，使得城市交通環(huán)境下的駕駛行為研究顯得尤為重要。而駕駛意圖是駕駛行為的內(nèi)在狀態(tài)，駕駛意圖辨識是駕駛行為預測的前提，因此，通過辨識城市交通環(huán)境下的駕駛意圖，進而預測駕駛行為，對于提高駕駛安全性和改善交通環(huán)境具有重要的意義。 本文在分析總結(jié)國內(nèi)外現(xiàn)有的關(guān)于駕駛行為預測以及意圖辨識成果的基礎(chǔ)上，以駕駛意圖辨識為橋梁，預測城市道路交通環(huán)境駕駛員在行車過程中的駕駛行為。通過深入分析和研究駕駛員在跟馳、超車以及換道（包括左換道、右換道）行為及意圖階段視覺特征表征參數(shù)的變化規(guī)律，選取典型視覺特性表征參數(shù)表征駕駛員行為與意圖，建立駕駛行為預測模型，提出了基于駕駛員視覺特性的駕駛行為預測方法，分析了駕駛行為表征參數(shù)及駕駛意圖時窗對駕駛行為預測的影響，從理論層面和技術(shù)層面促進了駕駛行為預警系統(tǒng)的實用化。 論文具體研究工作如下： 1、城市交通環(huán)境駕駛行為與駕駛意圖分析。首先，通過分析城市交通環(huán)境下的駕駛意圖及駕駛行為形成機理，將城市環(huán)境下的駕駛行為分為跟馳、超車、左換道以及右換道4類；然后，通過分析駕駛行為與駕駛意圖的關(guān)系，確定基于駕駛意圖辨識的駕駛行為預測方法。以駕駛行為預測為目的，分析駕駛意圖及駕駛行為的影響因素，確定表征駕駛意圖和行為的視覺特性參數(shù)，為駕駛行為試驗方案的設(shè)計以及駕駛行為預測參數(shù)的選取奠定基礎(chǔ)。 2、試驗方案設(shè)計和數(shù)據(jù)采集。首先，，設(shè)計了實車道路試驗方案，包括試驗設(shè)備安裝和調(diào)試、試驗人員和路線選取、試驗過程設(shè)計等。其次，進行道路試驗，實時采集駕駛員行為及視覺特性數(shù)據(jù)；再次，應用拉依達準則，對異常數(shù)據(jù)進行剔除，并通過試驗錄像分析駕駛員操作行為，選取駕駛行為樣本；最后，選取合理的數(shù)據(jù)駕駛行為預測數(shù)據(jù)，本文分別以4s、4.5s及5s作為駕駛意圖時窗選取用于駕駛行為預測的訓練樣本數(shù)據(jù)庫和評價樣本數(shù)據(jù)庫，為建立駕駛行為預測模型提供了數(shù)據(jù)支撐。 3、基于駕駛員視線點分布規(guī)律的駕駛員視野平面劃分方法研究。首先，運用k均值聚類，分別選取k6、 k7以及k8，將駕駛員的視線點進行動態(tài)聚類。其次，運用拉依達準則將聚類后的駕駛員視線點坐標進行異常數(shù)據(jù)剔除，剔除偏離各區(qū)域的異常視線點；然后，將多次聚類后的駕駛員視線點投影到車輛前擋風玻璃中，通過對比分析各次聚類的優(yōu)缺點，確定最終的聚類結(jié)果；最后，基于視線點分布將駕駛員的視野平面劃分為正前方車道、左側(cè)車道、右側(cè)車道、左側(cè)車外后視鏡、右側(cè)車外后視鏡、車內(nèi)后視鏡和車內(nèi)儀表盤七個區(qū)域。 4、不同駕駛行為下駕駛員視覺表征參數(shù)變化規(guī)律分析。以試驗數(shù)據(jù)為基礎(chǔ)，結(jié)合試驗錄像，從注視、掃視和頭部轉(zhuǎn)動三方面，深入分析不同駕駛行為對應的駕駛員眼睛及頭部運動特性表征參數(shù)的變化規(guī)律，并運用Nemenyi秩和檢驗方法檢驗不同駕駛行為過程中各駕駛員視覺特性表征參數(shù)的差異性，最終確定能夠表征駕駛員駕駛行為的視覺及頭部運動指標。 5、駕駛行為預測模型的建立。首先，從隱馬爾科夫理論的基本思想、基本算法以及分類等方面闡述了HMM的建模思想；然后，根據(jù)論文研究目的及要求，選取建模所需的駕駛行為視覺表征參數(shù)，從所有駕駛行為中選取100個樣本作為訓練樣本進行模型訓練，基于HMM算法建立駕駛行為預測模型；利用相關(guān)性分析，對所選取的參數(shù)進行簡化，最終選取注視次數(shù)、掃視持續(xù)時間、掃視速度、注視點轉(zhuǎn)移概率以及頭部轉(zhuǎn)角為建模參數(shù)。 6、模型評價及預測效果分析。首先，通過計算模型預測準確率，分析了模型的效果，結(jié)果表明，以4.5s作為駕駛意圖時窗選取駕駛行為預測樣本時，預測模型的準確率達到85%以上；其次，以4s和5s作為駕駛意圖時窗選取駕駛行為預測樣本，研究了樣本選取對駕駛行為預測結(jié)果的影響，以危險駕駛行為預警為目的，以4.5s作為駕駛意圖時窗選取樣本數(shù)據(jù)進行了駕駛行為預測。 論文以駕駛員視覺特性為基礎(chǔ)，以隱馬爾科夫理論為手段，深入系統(tǒng)的研究了城市道路交通中駕駛員駕駛行為預測及意圖辨識面臨的關(guān)鍵技術(shù)問題。通過分析駕駛行為及其駕駛意圖形成機理和影響因素，選取了城市道路行車過程中有效表征駕駛員行為的視覺參數(shù)，建立了駕駛行為預測模型。論文研究成果可為危險駕駛行為預警及安全駕駛輔助系統(tǒng)的開發(fā)提供一定的理論基礎(chǔ)和技術(shù)支持。
【學位授予單位】：吉林大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：U491.25

【參考文獻】

相關(guān)期刊論文 前10條

1 喻丹;吳義虎;王正武;;基于隱Markov的機動車駕駛?cè)藸顟B(tài)預測[J];系統(tǒng)工程;2010年05期

2 王玉海;宋健;李興坤;;基于模糊推理的駕駛員意圖識別研究[J];公路交通科技;2005年12期

3 劉河生,高小榕,楊福生;隱馬爾可夫模型的原理與實現(xiàn)[J];國外醫(yī)學.生物醫(yī)學工程分冊;2002年06期

4 李永芳;;基于眼動技術(shù)的道路交通安全應用研究[J];工業(yè)安全與環(huán)保;2011年04期

5 徐慧智;裴玉龍;于濤;程國柱;;駕駛員車道變換行為視點轉(zhuǎn)移特性研究[J];哈爾濱理工大學學報;2010年05期

6 宗長富;楊肖;王暢;張廣才;;汽車轉(zhuǎn)向時駕駛員駕駛意圖辨識與行為預測[J];吉林大學學報(工學版);2009年S1期

7 陳建珍;潘涌智;李任波;;基于Matlab的二維實驗數(shù)據(jù)粗差檢測[J];計量技術(shù);2007年05期

8 喬躍剛;趙鐵軍;李生;朱莉;;基于SCHMM非特定人關(guān)鍵詞檢出語音識別系統(tǒng)[J];計算機應用;2005年S1期

9 儲穎;肖獻強;朱家誠;;基于駕駛行為及意圖的汽車主動安全技術(shù)研究[J];機械設(shè)計與制造;2011年01期

10 王玉海;宋健;李興坤;;駕駛員意圖與行駛環(huán)境的統(tǒng)一識別及實時算法[J];機械工程學報;2006年04期

相關(guān)博士學位論文 前3條

1 肖獻強;基于信息融合的駕駛行為識別關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學;2011年

2 袁偉;城市道路環(huán)境中汽車駕駛員動態(tài)視覺特性試驗研究[D];長安大學;2008年

3 郭應時;交通環(huán)境及駕駛經(jīng)驗對駕駛員眼動和工作負荷影響的研究[D];長安大學;2009年

本文編號：2584169