本文關(guān)鍵詞：基于隱形馬爾科夫模型的駕駛員意圖辨識方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：為了適應(yīng)越來越快的社會節(jié)奏和滿足人類對安全、舒適等性能越來越高的要求,在汽車產(chǎn)品中日益廣泛地采用各種先進技術(shù),特別是電子技術(shù),已經(jīng)成為時代的潮流。汽車上的駕駛員輔助系統(tǒng)的種類越來越多,對這些駕駛員輔助系統(tǒng)來說,人—機控制模式的平滑轉(zhuǎn)換是非常重要的。同時近些年,很多學(xué)者、研究員在線控驅(qū)動(X-by-Wire)方向進行了研究。X-by-Wire取消了傳統(tǒng)系統(tǒng)的機械連接,利用傳感器感知駕駛員駕駛意圖,并將其通過導(dǎo)線輸送給中央控制單元,中央控制單元再發(fā)送指令給相應(yīng)的執(zhí)行機構(gòu),以完成駕駛員的相關(guān)操作�？梢�,不管是駕駛員輔助系統(tǒng)還是X-By-Wire系統(tǒng),要實現(xiàn)X-By-Wire功能或?qū)崿F(xiàn)人——機模式的平滑轉(zhuǎn)換,都需要對駕駛員的駕駛意圖進行辨識。 本文結(jié)合國家自然科學(xué)基金項目“汽車前輪電子控制轉(zhuǎn)向的關(guān)鍵技術(shù)研究”及“線控汽車底盤控制方法和關(guān)鍵技術(shù)研究”,在分析、總結(jié)和學(xué)習(xí)國內(nèi)外駕駛員駕駛意圖辨識與預(yù)測的現(xiàn)有研究成果的基礎(chǔ)上,以準(zhǔn)確、實時在線辨識復(fù)合工況下的駕駛員駕駛意圖為目標(biāo),建立了用于駕駛員駕駛意圖辨識的雙層HMM模型結(jié)構(gòu),應(yīng)用離線訓(xùn)練的方法訓(xùn)練雙層HMM結(jié)構(gòu)里所有的表征駕駛員駕駛行為及駕駛員駕駛意圖的多維高斯HMM模型及多維離散HMM模型。以此為基礎(chǔ),借助于駕駛模擬器對本文提出的駕駛員駕駛行為辨識的方法及駕駛員駕駛意圖辨識的方法做了在線驗證。在線辨識的結(jié)果表明本文提出的駕駛員駕駛意圖的辨識方法能達到較高的準(zhǔn)確率,且可以滿足實時性要求。 論文主要進行了以下幾方面的研究工作： (1).建立了用于駕駛員駕駛意圖辨識的雙層HMM結(jié)構(gòu) 鑒于駕駛員駕駛行為是一個時序過程,而駕駛員在特定的駕駛環(huán)境下的駕駛規(guī)律是大體一致的。因此,本文以HMM層次化模型結(jié)構(gòu)為基礎(chǔ),搭建了雙層的駕駛員駕駛意圖辨識HMM模型。其中,下層的HMM模型對應(yīng)著駕駛員操縱行為；上層的HMM模型對應(yīng)著駕駛員意圖,下層模型通過自己的推理結(jié)果和上層模型結(jié)合,從而構(gòu)成一個整合的雙層HMM模型。然后,結(jié)合HMM工具箱和MATLAB對雙層HMM模型結(jié)構(gòu)中的表征駕駛員駕駛行為及駕駛員駕駛意圖的多維高斯HMM模型及多維離散HMM模型進行了離線訓(xùn)練,為在線駕駛模擬器實驗驗證奠定了基礎(chǔ)。 (2).駕駛員駕駛意圖辨識實驗工況的選取及實驗方法 HMM為基礎(chǔ)的問題的首要任務(wù)就是確定模型參數(shù),也就是首先要對HMM模型進行訓(xùn)練。本文通過駕駛模擬器實驗采集相應(yīng)工況的實驗數(shù)據(jù),并離線訓(xùn)練各多維高斯HMM模型。文中根據(jù)各駕駛員駕駛輔助系統(tǒng)、主動安全系統(tǒng)及X-By-Wire系統(tǒng)的功能,從舒適性和安全性,單一工況和復(fù)合工況方面考慮,最后選取緊急制動工況、正常制動工況、坡路起步工況、緊急避障工況及彎道制動工況作為本文考察的工況。其中： 坡路起步——主要考慮加速踏板和制動踏板操作(舒適性)(單一工況) 緊急避障——主要考慮方向盤操作(安全性)(單一工況) 緊急制動——主要考慮加速踏板和制動踏板操作(安全性)(單一工況) 彎道制動——考慮踏板和方向盤操作的組合(安全性與舒適性) (復(fù)合工況) 結(jié)合吉林大學(xué)29自由度固定式開發(fā)型駕駛模擬器,對選取的5個實驗工況制定了相應(yīng)的實驗方法并做了相應(yīng)實驗。采集所有的實驗數(shù)據(jù)構(gòu)成雙層HMM模型結(jié)構(gòu)訓(xùn)練的數(shù)據(jù)集。 (3).實驗數(shù)據(jù)預(yù)處理方法 對采集來的數(shù)據(jù)進行了預(yù)處理,為模型訓(xùn)練做準(zhǔn)備。首先把弧度制的方向盤數(shù)據(jù)轉(zhuǎn)化成角度制；然后選取雙向濾波算法來消除傳感器數(shù)據(jù)所帶的噪聲；數(shù)據(jù)放大和濾波處理后,把處理后的數(shù)據(jù)按數(shù)據(jù)來源分成3類：踏板數(shù)據(jù)、方向盤數(shù)據(jù)及車速信息,這樣就得到了三個數(shù)據(jù)類；緊接著把每個數(shù)據(jù)類里的數(shù)據(jù)分割成若干段,把這些數(shù)據(jù)段歸類,使得每一類對應(yīng)一個短時間段的駕駛員駕駛行為。 對某數(shù)據(jù)段類里的數(shù)據(jù),我們采用t-test算法,結(jié)合數(shù)據(jù)段的某特征參數(shù),對數(shù)據(jù)段集合里的異常數(shù)據(jù)進行剔除；并且應(yīng)用k-means算法,對數(shù)據(jù)庫中緊急操作和正常操作的界限值進行設(shè)置,為以后判斷辨識結(jié)果的準(zhǔn)確性做準(zhǔn)備。 (4).在線辨識駕駛員駕駛意圖 因為需要對建立的雙層HMM模型結(jié)構(gòu)進行在線驗證,也就是要不斷采集駕駛員操作信號及車輛狀態(tài)信息,并基于HMM工具箱實時辨識駕駛員的駕駛意圖并顯示,所以文中根據(jù)MATLAB及LabVIEW的優(yōu)缺點,應(yīng)用LabVIEW里提供的MATLAB Script控件,將工具箱里的m文件程序引入到LabVIEW程序中。在MATLAB和LabVIEW混合編制的程序中,MATLAB負責(zé)運行HMM工具箱里的程序,LabVIEW負責(zé)設(shè)計用戶圖形界面、硬件控制、數(shù)據(jù)采集、數(shù)據(jù)分析處理、數(shù)據(jù)存儲、運行控制和網(wǎng)絡(luò)通信等。 考慮到HMM是一種基于最大期望值的算法,而意圖層的MDHMM模型不是全工況下的,所以我們通過在線實驗,為四個駕駛員駕駛意圖MDHMM設(shè)置了似然度門限值。只有給定觀察序列相對于某MDHMM產(chǎn)生的概率超過這個MDHMM的似然度門限值,這個MDHMM對應(yīng)的駕駛員駕駛意圖才被確認(rèn)發(fā)生。 在線辨識的結(jié)果表明本文提出的駕駛員駕駛意圖的辨識方法能達到較高的準(zhǔn)確率,且可以滿足實時性要求。
【關(guān)鍵詞】：駕駛行為辨識 駕駛意圖辨識 雙層HMM模型 復(fù)合工況
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：U469.72
【目錄】：

• 前言4-5
• 摘要5-8
• Abstract8-14
• 第1章 緒論14-28
• 1.1 課題的提出14-16
• 1.2 駕駛員意圖辨識的意義16-18
• 1.3 駕駛員意圖辨識的研究現(xiàn)狀18-25
• 1.3.1 國外駕駛員駕駛意圖辨識的研究現(xiàn)狀19-23
• 1.3.2 國內(nèi)駕駛員駕駛意圖辨識的研究現(xiàn)狀23-25
• 1.4 本文的主要研究內(nèi)容25-28
• 第2章 隱形馬爾科夫理論28-40
• 2.1 模式識別概述28-30
• 2.1.1 模式識別方法分類28-30
• 2.1.2 模式識別方法比較30
• 2.2 隱形馬爾科夫HMM概述30-36
• 2.2.1 隱形馬爾科夫HMM基本概念31-32
• 2.2.2 隱形馬爾科夫HMM解決的三個問題32-36
• 2.3 隱形馬爾科夫HMM分類36-37
• 2.4 隱形馬爾科夫HMM應(yīng)用37-38
• 2.5 本章小結(jié)38-40
• 第3章 基于HMM的駕駛員駕駛意圖辨識模型40-48
• 3.1 駕駛員駕駛意圖與駕駛員駕駛行為40-41
• 3.2 雙層HMM駕駛員駕駛意圖辨識模型41-47
• 3.2.1 多維高斯HMM駕駛員駕駛行為模型43-44
• 3.2.2 多維離散HMM駕駛員駕駛意圖模型44-47
• 3.3 本章總結(jié)47-48
• 第4章 駕駛意圖辨識模型的實驗數(shù)據(jù)獲取及離線訓(xùn)練48-60
• 4.1 實驗工況選定48-50
• 4.2 基于駕駛模擬器的實驗數(shù)據(jù)獲取過程50
• 4.3 實驗數(shù)據(jù)預(yù)處理50-57
• 4.3.1 異常數(shù)據(jù)段剔除51-55
• 4.3.2 緊急駕駛操作和正常駕駛操作限值的確定55-57
• 4.4 雙層HMM模型離線訓(xùn)練57-59
• 4.5 本章總結(jié)59-60
• 第5章 復(fù)合工況下駕駛意圖辨識模型的在線驗證60-72
• 5.1 LabVIEW在線辨識程序60-64
• 5.2 基于駕駛模擬器的在線辨識64-69
• 5.3 本章總結(jié)69-72
• 第6章 全文總結(jié)與展望72-76
• 6.1 全文總結(jié)72-74
• 6.2 論文創(chuàng)新點74-75
• 6.3 研究展望75-76
• 參考文獻76-82
• 作者簡介及科研成果82-84
• 致謝84

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 趙偉強;宗長富;鄭宏宇;江國華;楊盛楠;;基于制動舒適性的商用車EBS控制策略[J];吉林大學(xué)學(xué)報(工學(xué)版);2012年S1期

2 宗長富;林娜;李剛;張澤星;程衛(wèi);鄭宏宇;劉明輝;;“車適應(yīng)人”線控汽車?yán)硐胩匦詤⒖寄Ｐ蜕窠?jīng)網(wǎng)絡(luò)建模[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年S1期

3 孟妮;韓丹;;聚類分析和模糊邏輯在駕駛行為辨識中的應(yīng)用[J];計算機與數(shù)字工程;2013年07期

4 孟妮;韓丹;;模糊聚類在車速預(yù)測中的應(yīng)用[J];計算機與數(shù)字工程;2013年08期

5 李亞秋;吳超仲;馬曉鳳;黃珍;張暉;;基于EKF學(xué)習(xí)方法的BP神經(jīng)網(wǎng)絡(luò)汽車換道意圖識別模型研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2013年04期

6 袁偉;張亞岐;王暢;;支持向量機在換道行為識別中的應(yīng)用研究[J];計算機工程與設(shè)計;2013年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王暢;車輛換道預(yù)警的若干關(guān)鍵問題研究[D];長安大學(xué);2012年

2 趙偉強;商用半掛車制動意圖辨識與制動力分配控制策略開發(fā)及驗證[D];吉林大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 王震雨;綠色駕駛行為模型及關(guān)鍵技術(shù)研究[D];大連海事大學(xué);2012年

2 馬晶晶;基于隱馬爾可夫理論的駕駛意圖辨識研究[D];長沙理工大學(xué);2012年

3 楊盛楠;商用車電子制動系統(tǒng)控制器開發(fā)及硬件在環(huán)驗證[D];吉林大學(xué);2013年

4 崔業(yè)杰;駕駛員操縱意圖辨識方法及應(yīng)用研究[D];吉林大學(xué);2013年

  本文關(guān)鍵詞：基于隱形馬爾科夫模型的駕駛員意圖辨識方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：309439