基于自然駕駛數(shù)據(jù)的駕駛行為辨識和建模方法研究
發(fā)布時間：2021-07-20 13:11
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),駕駛行為辨識受到了廣泛地關注和研究。通過研究安全行車場景下的駕駛行為可以實時了解車輛的行車狀,從而可以有效的提高行車安全;研究事故場景下駕駛行為的合理性,可以減少糾紛進而加快事故處理。在安全行車場景下,準確估計車輛的跟車行為和變道行為結束時刻有利于及早對車輛發(fā)出警告,保障行車安全。同時基于事故數(shù)據(jù)改善行車駕駛安全的研究日益興起,研究事故場景下駕駛行為的合理性,可以減少糾紛進而提高事故處理和行車效率。針對以上問題,本文設計了基于生存分析方法估計駕駛行為生存時間的模型;使用深度學習算法門控循環(huán)單元（Gated Recurrent Unit,GRU）網(wǎng)絡設計了預測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價策略,進行合理的責任認定。本文的主要研究內容包括:（1）設計了基于生存分析模型的駕駛行為生存時間估計方法。安全行車場景下,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,對跟車和變道兩種基本的駕駛行為進行分析。引入生存分析模型估計跟車和變道行為生存時間的生存率...
【文章來源】：河南大學河南省
【文章頁數(shù)】：84 頁
【學位級別】：碩士
【部分圖文】：
US-101場景圖
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50到8點05之間的數(shù)據(jù)，記錄的軌跡包含一些噪聲進而存在一些異常值。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濾波器來平滑濾波[51]，將英尺轉換為米，分解車輛的位置，得到車輛縱向（前向）和橫向（左右）運動的軌跡，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)中縱向軌跡點基本符合車輛的物理運動，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動的軌跡點，濾波后的車輛軌跡較平滑。（a）車輛縱向位置與時間（b）車輛的橫向位置與時間（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)的駕駛行為辨識和建模方法研究16得到車輛位置濾波的數(shù)據(jù)后，計算相應的速度。速度由位置求導得到，由于車輛在橫向位移上存在一些違背物理運動規(guī)則的軌跡點。在位置上求導會放大這種異常值，因此需要對橫向速度進一步濾波處理。畫出橫向速度和縱向速度隨時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)過濾波后取得了相對較好的效果。（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)則和結果本文研究車輛跟車行為和變道行為，因此需要提取相應的跟車數(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，對于每一輛車，在研究車輛決策區(qū)域內，從數(shù)據(jù)集中提取當前車道和相鄰車道最近的前后車輛的信息。對于變道數(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范圍內的車輛信息，時間長度是20s；對于保持車道的車輛，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，同樣地保證目標車輛有左右相鄰的車輛，時間長度也為20s。車輛樣本的
【參考文獻】：
期刊論文
[1]夜間長途客車駕駛員操作行為差異性識別研究[J]. 錢宇彬,劉浩學,吳長水,王婉秋. 中國安全科學學報. 2014(03)
[2]城市快速路交通擁堵持續(xù)時間分布特性研究[J]. 張輪,施奕騁,楊文臣,楊濤. 武漢理工大學學報(交通科學與工程版). 2014(01)
[3]基于生存分析方法的非機動車闖紅燈行為研究[J]. 環(huán)梅,楊小寶,賈斌. 北京理工大學學報. 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學習模型的換擋決策研究[D]. 張元俠.吉林大學 2019
[2]高速公路養(yǎng)護作業(yè)區(qū)車輛換道行為及模型研究[D]. 吳江玲.長安大學 2017
[3]政府補貼與新能源汽車產(chǎn)業(yè)研發(fā)投資關系研究[D]. 謝夢.中央財經(jīng)大學 2017
碩士論文
[1]基于遞歸神經(jīng)網(wǎng)絡的快速車輛軌跡數(shù)據(jù)預測[D]. 李想.中國礦業(yè)大學 2019
本文編號：3292886
【文章來源】：河南大學河南省
【文章頁數(shù)】：84 頁
【學位級別】：碩士
【部分圖文】：
US-101場景圖
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50到8點05之間的數(shù)據(jù)，記錄的軌跡包含一些噪聲進而存在一些異常值。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濾波器來平滑濾波[51]，將英尺轉換為米，分解車輛的位置，得到車輛縱向（前向）和橫向（左右）運動的軌跡，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)中縱向軌跡點基本符合車輛的物理運動，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動的軌跡點，濾波后的車輛軌跡較平滑。（a）車輛縱向位置與時間（b）車輛的橫向位置與時間（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)的駕駛行為辨識和建模方法研究16得到車輛位置濾波的數(shù)據(jù)后，計算相應的速度。速度由位置求導得到，由于車輛在橫向位移上存在一些違背物理運動規(guī)則的軌跡點。在位置上求導會放大這種異常值，因此需要對橫向速度進一步濾波處理。畫出橫向速度和縱向速度隨時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)過濾波后取得了相對較好的效果。（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)則和結果本文研究車輛跟車行為和變道行為，因此需要提取相應的跟車數(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，對于每一輛車，在研究車輛決策區(qū)域內，從數(shù)據(jù)集中提取當前車道和相鄰車道最近的前后車輛的信息。對于變道數(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范圍內的車輛信息，時間長度是20s；對于保持車道的車輛，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，同樣地保證目標車輛有左右相鄰的車輛，時間長度也為20s。車輛樣本的
【參考文獻】：
期刊論文
[1]夜間長途客車駕駛員操作行為差異性識別研究[J]. 錢宇彬,劉浩學,吳長水,王婉秋. 中國安全科學學報. 2014(03)
[2]城市快速路交通擁堵持續(xù)時間分布特性研究[J]. 張輪,施奕騁,楊文臣,楊濤. 武漢理工大學學報(交通科學與工程版). 2014(01)
[3]基于生存分析方法的非機動車闖紅燈行為研究[J]. 環(huán)梅,楊小寶,賈斌. 北京理工大學學報. 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學習模型的換擋決策研究[D]. 張元俠.吉林大學 2019
[2]高速公路養(yǎng)護作業(yè)區(qū)車輛換道行為及模型研究[D]. 吳江玲.長安大學 2017
[3]政府補貼與新能源汽車產(chǎn)業(yè)研發(fā)投資關系研究[D]. 謝夢.中央財經(jīng)大學 2017
碩士論文
[1]基于遞歸神經(jīng)網(wǎng)絡的快速車輛軌跡數(shù)據(jù)預測[D]. 李想.中國礦業(yè)大學 2019
本文編號：3292886
本文鏈接：http://www.sikaile.net/kejilunwen/shengwushengchang/3292886.html
最近更新
教材專著
