作為智能駕駛和智能交通系統(tǒng)發(fā)展道路上的重要一環(huán),駕駛行為辨識(shí)受到了廣泛地關(guān)注和研究。通過(guò)研究安全行車場(chǎng)景下的駕駛行為可以實(shí)時(shí)了解車輛的行車狀,從而可以有效的提高行車安全;研究事故場(chǎng)景下駕駛行為的合理性,可以減少糾紛進(jìn)而加快事故處理。在安全行車場(chǎng)景下,準(zhǔn)確估計(jì)車輛的跟車行為和變道行為結(jié)束時(shí)刻有利于及早對(duì)車輛發(fā)出警告,保障行車安全。同時(shí)基于事故數(shù)據(jù)改善行車駕駛安全的研究日益興起,研究事故場(chǎng)景下駕駛行為的合理性,可以減少糾紛進(jìn)而提高事故處理和行車效率。針對(duì)以上問(wèn)題,本文設(shè)計(jì)了基于生存分析方法估計(jì)駕駛行為生存時(shí)間的模型;使用深度學(xué)習(xí)算法門(mén)控循環(huán)單元（Gated Recurrent Unit,GRU）網(wǎng)絡(luò)設(shè)計(jì)了預(yù)測(cè)車輛意圖和軌跡的算法模型;基于隱馬爾科夫模型（Hidden Markov Model,HMM）,提出了追尾事故下駕駛行為評(píng)價(jià)策略,進(jìn)行合理的責(zé)任認(rèn)定。本文的主要研究?jī)?nèi)容包括:（1）設(shè)計(jì)了基于生存分析模型的駕駛行為生存時(shí)間估計(jì)方法。安全行車場(chǎng)景下,使用自然駕駛數(shù)據(jù)集NGSIM數(shù)據(jù)集中的車輛軌跡信息,對(duì)跟車和變道兩種基本的駕駛行為進(jìn)行分析。引入生存分析模型估計(jì)跟車和變道行為生存時(shí)間的生存率... 

【文章來(lái)源】：河南大學(xué)河南省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

US-101場(chǎng)景圖

2自然駕駛數(shù)據(jù)的特征分析與聚類152.2數(shù)據(jù)篩選2.2.1數(shù)據(jù)去噪本文采用US-101數(shù)據(jù)集中7點(diǎn)50到8點(diǎn)05之間的數(shù)據(jù)，記錄的軌跡包含一些噪聲進(jìn)而存在一些異常值。這些異常值與其他相鄰數(shù)值相比差異較大，例如一些零值和不合理的速度值，這通常是由于視頻記錄出現(xiàn)卡頓或橫向上的遮擋造成的。本文采用Savitzky-Golay濾波器來(lái)平滑濾波[51]，將英尺轉(zhuǎn)換為米，分解車輛的位置，得到車輛縱向（前向）和橫向（左右）運(yùn)動(dòng)的軌跡，如圖2-2所示。從圖2-2中可以看出，濾波后縱向位置基本上重合，表明原始數(shù)據(jù)中縱向軌跡點(diǎn)基本符合車輛的物理運(yùn)動(dòng)，橫向位置中含有一些噪聲，表明原始軌跡中含有不符合車輛物理運(yùn)動(dòng)的軌跡點(diǎn)，濾波后的車輛軌跡較平滑。（a）車輛縱向位置與時(shí)間（b）車輛的橫向位置與時(shí)間（c）車輛位置軌跡圖圖2-2原始車輛軌跡和濾波后的車輛軌跡圖

基于自然駕駛數(shù)據(jù)的駕駛行為辨識(shí)和建模方法研究16得到車輛位置濾波的數(shù)據(jù)后，計(jì)算相應(yīng)的速度。速度由位置求導(dǎo)得到，由于車輛在橫向位移上存在一些違背物理運(yùn)動(dòng)規(guī)則的軌跡點(diǎn)。在位置上求導(dǎo)會(huì)放大這種異常值，因此需要對(duì)橫向速度進(jìn)一步濾波處理。畫(huà)出橫向速度和縱向速度隨時(shí)間的變化以及濾波后速度如圖2-3所示。從圖中也可以看出，車輛的橫向速度包含的噪聲很多，經(jīng)過(guò)濾波后取得了相對(duì)較好的效果。（a）車輛橫向速度（b）車輛縱向速度圖2-3原始車輛速度和濾波后的車輛速度2.2.2篩選規(guī)則和結(jié)果本文研究車輛跟車行為和變道行為，因此需要提取相應(yīng)的跟車數(shù)據(jù)和變道數(shù)據(jù)。根據(jù)圖2-1中的道路幾何分布，選取中間車道（2-4車道）上的車輛作為研究對(duì)象。將濾波后的數(shù)據(jù)分為跟車數(shù)據(jù)和變道數(shù)據(jù)，參考第一章中車輛跟車和變道的不可分割部分的描述，對(duì)于每一輛車，在研究車輛決策區(qū)域內(nèi)，從數(shù)據(jù)集中提取當(dāng)前車道和相鄰車道最近的前后車輛的信息。對(duì)于變道數(shù)據(jù)，選取2車道向右變道的車輛、3車道上變道車輛和4車道上向左變道的車輛作為研究對(duì)象，這樣選取可以保證變道車輛變道前后可以有左右相鄰的車輛，以變道車輛碾壓車道線為中心，取前15s、后5s范圍內(nèi)的車輛信息，時(shí)間長(zhǎng)度是20s；對(duì)于保持車道的車輛，使用變道車輛變道前的后車以及變道后的后方車輛的后車，同樣地保證目標(biāo)車輛有左右相鄰的車輛，時(shí)間長(zhǎng)度也為20s。車輛樣本的

【參考文獻(xiàn)】：
期刊論文
[1]夜間長(zhǎng)途客車駕駛員操作行為差異性識(shí)別研究[J]. 錢(qián)宇彬,劉浩學(xué),吳長(zhǎng)水,王婉秋.  中國(guó)安全科學(xué)學(xué)報(bào). 2014(03)
[2]城市快速路交通擁堵持續(xù)時(shí)間分布特性研究[J]. 張輪,施奕騁,楊文臣,楊濤.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2014(01)
[3]基于生存分析方法的非機(jī)動(dòng)車闖紅燈行為研究[J]. 環(huán)梅,楊小寶,賈斌.  北京理工大學(xué)學(xué)報(bào). 2013(08)
[4]基于高斯混合隱馬爾科夫模型的高速公路超車行為辨識(shí)與分析[J]. 呂岸,胡振程,陳慧.  汽車工程. 2010(07)

博士論文
[1]基于SVM學(xué)習(xí)模型的換擋決策研究[D]. 張?jiān)獋b.吉林大學(xué) 2019
[2]高速公路養(yǎng)護(hù)作業(yè)區(qū)車輛換道行為及模型研究[D]. 吳江玲.長(zhǎng)安大學(xué) 2017
[3]政府補(bǔ)貼與新能源汽車產(chǎn)業(yè)研發(fā)投資關(guān)系研究[D]. 謝夢(mèng).中央財(cái)經(jīng)大學(xué) 2017

碩士論文
[1]基于遞歸神經(jīng)網(wǎng)絡(luò)的快速車輛軌跡數(shù)據(jù)預(yù)測(cè)[D]. 李想.中國(guó)礦業(yè)大學(xué) 2019



本文編號(hào)：3292886