無(wú)人駕駛汽車(chē)周邊車(chē)輛行為識(shí)別及預(yù)測(cè)方法是實(shí)現(xiàn)無(wú)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(chē)輛行駛信息,通過(guò)算法識(shí)別周邊車(chē)輛的當(dāng)前行為、預(yù)測(cè)其未來(lái)行為和軌跡,將識(shí)別及預(yù)測(cè)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(wú)人駕駛汽車(chē)周邊車(chē)輛行為識(shí)別及預(yù)測(cè)模塊能夠保證其在真實(shí)交通場(chǎng)景下安全、高效地駕駛。本課題針對(duì)無(wú)人駕駛汽車(chē)在結(jié)構(gòu)化道路上對(duì)周邊車(chē)輛當(dāng)前時(shí)刻的行為識(shí)別、對(duì)未來(lái)行為和未來(lái)軌跡的預(yù)測(cè)問(wèn)題展開(kāi)研究。一、比較了在車(chē)輛行為識(shí)別及預(yù)測(cè)領(lǐng)域兩大自然駕駛車(chē)輛軌跡數(shù)據(jù)集,分析兩個(gè)數(shù)據(jù)集的優(yōu)缺點(diǎn),為本文研究?jī)?nèi)容提供數(shù)據(jù)支持;描述了車(chē)輛行為的分類(lèi)方式,將車(chē)輛橫向行為作為本文研究重點(diǎn)并確定了觀測(cè)序列對(duì)應(yīng)行為標(biāo)簽的制作方法;引入軌跡片段坐標(biāo)系,將原始數(shù)據(jù)集中的坐標(biāo)系和無(wú)人駕駛汽車(chē)全局坐標(biāo)系統(tǒng)一到同一坐標(biāo)系下,同時(shí)指出鄰居車(chē)輛對(duì)周邊目標(biāo)車(chē)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(chē)輛行為識(shí)別數(shù)據(jù)集、車(chē)輛行為及軌跡預(yù)測(cè)數(shù)據(jù)集。二、針對(duì)目前無(wú)人駕駛汽車(chē)周邊車(chē)輛行為識(shí)別研究中,多數(shù)研究忽略了鄰居車(chē)輛對(duì)周邊目標(biāo)車(chē)輛影響的問(wèn)題,提出了一種將隱馬爾可夫模型（Hidden Markov... 

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 無(wú)人駕駛技術(shù)研究現(xiàn)狀
        1.3.2 目標(biāo)車(chē)輛行為識(shí)別研究現(xiàn)狀
        1.3.3 目標(biāo)車(chē)輛預(yù)測(cè)方法研究現(xiàn)狀
    1.4 目前存在的問(wèn)題
    1.5 本文的研究?jī)?nèi)容
第二章 車(chē)輛行為數(shù)據(jù)集的建立
    2.1 車(chē)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(duì)比
    2.2 車(chē)輛行為數(shù)據(jù)集
        2.2.1 車(chē)輛行為分類(lèi)
        2.2.2 行為標(biāo)簽制定
        2.2.3 軌跡片段坐標(biāo)系
        2.2.4 鄰居車(chē)輛信息提取
        2.2.5 車(chē)輛行為數(shù)據(jù)集
    2.3 本章小結(jié)
第三章 基于HMM-MLP復(fù)合模型的車(chē)輛行為識(shí)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(chē)輛行為識(shí)別模型設(shè)計(jì)
        3.2.1 建模分析
        3.2.2 HMM觀測(cè)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(xùn)練
        3.2.5 MLP模型輸入
        3.2.6 MLP模型訓(xùn)練
    3.3 行為識(shí)別結(jié)果及分析
        3.3.1 行為識(shí)別效果
        3.3.2 行為識(shí)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(jī)制的車(chē)輛行為及軌跡預(yù)測(cè)方法
    4.1 相關(guān)算法闡述
        4.1.1 長(zhǎng)短時(shí)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(jī)制
        4.1.3 Convolutional Social LSTM算法介紹
    4.2 基于注意力機(jī)制的車(chē)輛行為及軌跡預(yù)測(cè)方法
        4.2.1 基于注意力機(jī)制的車(chē)輛行為及軌跡預(yù)測(cè)網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 模型訓(xùn)練
    4.3 預(yù)測(cè)結(jié)果及分析
        4.3.1 行為及軌跡預(yù)測(cè)效果
        4.3.2 預(yù)測(cè)結(jié)果對(duì)比
        4.3.3 定量和定性分析
    4.4 本章小結(jié)
第五章 識(shí)別及預(yù)測(cè)算法實(shí)車(chē)實(shí)驗(yàn)
    5.1 無(wú)人駕駛平臺(tái)簡(jiǎn)介
    5.2 硬件平臺(tái)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(chē)輛行為識(shí)別及預(yù)測(cè)算法的應(yīng)用
        5.3.1 測(cè)試路段及可視化
        5.3.2周邊車(chē)輛行為識(shí)別實(shí)車(chē)實(shí)驗(yàn)
        5.3.3周邊車(chē)輛行為及軌跡預(yù)測(cè)實(shí)車(chē)實(shí)驗(yàn)
    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(diǎn)
    6.3 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間參加的科研項(xiàng)目及學(xué)術(shù)成果


【參考文獻(xiàn)】：
期刊論文
[1]速騰聚創(chuàng):信息“理解者”[J]. 陳秀娟.  汽車(chē)觀察. 2019(06)
[2]基于深度學(xué)習(xí)的自動(dòng)駕駛技術(shù)綜述[J]. 張新鈺,高洪波,趙建輝,周沫.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[3]智能網(wǎng)聯(lián)汽車(chē)技術(shù)在中國(guó)重汽的實(shí)踐[J]. 張曉東.  中國(guó)物流與采購(gòu). 2017(24)
[4]基于無(wú)模型自適應(yīng)控制的無(wú)人駕駛汽車(chē)橫向控制方法[J]. 田濤濤,侯忠生,劉世達(dá),鄧志東.  自動(dòng)化學(xué)報(bào). 2017(11)
[5]馭勢(shì)科技:無(wú)人駕駛汽車(chē)兩年內(nèi)量產(chǎn)[J]. 明星.  中關(guān)村. 2017(02)
[6]CITAVT-IV——視覺(jué)導(dǎo)航的自主車(chē)[J]. 孫振平,安向京,賀漢根.  機(jī)器人. 2002(02)

博士論文
[1]無(wú)人車(chē)動(dòng)態(tài)場(chǎng)景分析關(guān)鍵技術(shù)研究[D]. 肖志鵬.國(guó)防科技大學(xué) 2018
[2]城區(qū)動(dòng)態(tài)環(huán)境下智能車(chē)輛行為決策研究[D]. 宋威龍.北京理工大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的車(chē)道線(xiàn)檢測(cè)與分類(lèi)研究[D]. 代小崗.西南交通大學(xué) 2018
[2]基于GPS數(shù)據(jù)的高速公路駕駛行為識(shí)別[D]. 羅沂.哈爾濱工業(yè)大學(xué) 2017
[3]復(fù)雜動(dòng)態(tài)城市環(huán)境下無(wú)人駕駛車(chē)輛仿生換道決策模型研究[D]. 田賡.北京理工大學(xué) 2016
[4]彎道駕駛行為研究及無(wú)人駕駛車(chē)輛智能行為評(píng)價(jià)[D]. 董芳.北京理工大學(xué) 2016
[5]城市環(huán)境基于三維激光雷達(dá)的自動(dòng)駕駛車(chē)輛多目標(biāo)檢測(cè)及跟蹤算法研究[D]. 葉剛.北京理工大學(xué) 2016
[6]自動(dòng)駕駛車(chē)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(xué) 2016
[7]車(chē)輛尾燈的檢測(cè)與燈語(yǔ)識(shí)別[D]. 田強(qiáng).中國(guó)科學(xué)技術(shù)大學(xué) 2015



本文編號(hào)：3716204