車輛換道預警的若干關鍵問題研究.pdf

1、車輛換道預警系統(tǒng)通過使用傳感器、模式識別與人工智能等技術手段評估換道風險，并在必要時預警干預駕駛行為，對于車輛的安全運行具有重要意義。然而，與換道預警密切相關的一些技術問題沒有被深入研究，如真實換道行為地識別確認、換道沖突地預測與分析、不同風格駕駛人對換道預警的個性化需求等。針對這些問題，本文在分析實際換道行為數據的基礎上，對換道預警系統(tǒng)所需要解決的若干關鍵問題進行研究，力求降低預警系統(tǒng)的誤報率和漏報率。
　　采用雷達傳感器、車道

2、線識別系統(tǒng)、GPS系統(tǒng)、陀螺儀、CAN總線數據采集卡等儀器同步采集試驗過程中與換道行為相關的駕駛人操作行為參數、車輛運行狀態(tài)參數與交通環(huán)境參數。在不同道路環(huán)境下共對53名被試進行了實際道路駕駛試驗，獲取了超過2000次的自然換道數據?；趯崪y換道數據，利用模式識別等理論對換道預警系統(tǒng)的若干關鍵問題進行研究，主要的研究內容及成果如下：
　　1.運用實車換道樣本數據，分別建立了一般換道行為識別模型與快速越線換道行為識別模型。采用卡爾曼

3、濾波器對原始數據進行處理，削弱了測量儀器精度引起的數據階躍性。針對一般換道行為識別模型，通過采取數據歸一化、主成分分析數據降維方法，并利用遺傳算法對支持向量機核函數的參數進行優(yōu)化，提高了訓練集的分類準確率和測試集的識別準確率。
　　2.運用實車換道過程的軌跡數據，建立了車輛換道過程越線時刻預測模型。對常見換道軌跡模型的實際擬合效果進行分析，提出了使用7次多項式模型對換道軌跡進行擬合的方法。對大量換道軌跡進行分析，結果表明，換道軌跡

4、之間存在相似性。利用7次多項式換道軌跡模型，基于軌跡相似性對換道過程中的越線時間進行預測。預測結果中，絕大部分的越線時間預測誤差值小于或等于0.1秒。
　　3.建立了基于道路曲率估算的車間位置關系辨識模型。基于自車橫擺角速度和車速對道路曲率進行估算、利用數據濾波方法提高了曲率估算精度，但估算結果包含噪聲較大。利用估算曲率值、自車與后方其他車輛之間的相對角度、相對距離，分別建立了直道路段和彎道路段情況下自車與后方其他車輛的位置關系辨

5、識模型，實現對換道過程潛在危險目標車輛的辨識。利用實測數據對模型進行檢驗，結果表明，所建立的車間位置關系辨識模型對曲率估算誤差不敏感，曲率估算誤差超過20％時辨識模型的識別效果幾乎不受到影響。
　　4.通過對實車試驗數據進行分析，建立了考慮駕駛風格的換道預警方案。選擇駕駛風格的表征參數，采用模糊數學方法對駕駛風格進行分類，將駕駛人分為冒進型駕駛人、比較冒進型駕駛人、比較謹慎型駕駛人和謹慎型駕駛人四類?；?TTC（Time To