考虑驾驶人换道意图的车道偏离预警系统

 为降低基于机器视觉车道偏离预警系统的误警率,提出一种考虑驾驶人换道意图的车道偏离预警系统。运用SteerableFilter 方法对所采集的道路图像信息进行滤波,运用局部搜索区域法提取车道线参数,运用基于图像信息的识别方法检测车辆的车速、转向信号、车道偏离状态以及驾驶人的头部动作状态,判断驾驶人的换道意图,建立了车道偏离预警的决策算法及系统。应用Matlab 软件对实车采集得到的视频进行算法验证和系统仿真试验,结果表明,提出的车道偏离预警决策算法是可行的,该预警系统将有意识与无意识的车道偏离区分开,从而能有效屏蔽在驾驶人有意识偏离车道时的误报警,具有更高的可靠性。     

基于Attention机制的CNN-LSTM驾驶人意图识别方法研究

在自动驾驶系统中,系统需要准确识别驾驶人的意图,来帮助驾驶人在复杂的交通场景中安全驾驶。针对目前驾驶人意图识别准确率低,没有考虑优化特征对模型准确率影响的问题,运用深度学习知识,提出了一种基于时间序列模型的驾驶人意图识别方法。该方法基于Attention机制融合了卷积神经网络(convolutional neural networks, CNN)和长短时记忆网络(long short-term memory network,LSTM),引入车辆自身信息和环境信息作为时空输入来捕捉周围车辆的空间交互和时间演化。该方法可同时预测目标车辆驾驶人横向驾驶意图和纵向驾驶意图,并在实际道路数据集NGSIM(next generation simulation)上进行了训练和验证。实验结果表明,所提出的CNN-LSTM-Attention模型能够准确预测高速公路环境下驾驶人的驾驶意图,与LSTM模型和CNN-LSTM模型相比具有明显的优势,为自动驾驶系统的安全运行提供了有效保障。     

驾驶人意图识别综述

为全面了解驾驶人意图识别研究进展,梳理了近30年关于驾驶人意图识别的研究,将驾驶人意图分类为策略意图、战术意图和操作意图;根据研究热点主要对换道、转向、制动和超车意图进行了归纳;从系统构建的角度对驾驶人意图识别系统的结构、输入、算法和评估进行了综述.根据系统输入的不同,从交通环境、车辆运动以及驾驶人行为对4种驾驶意图进...     

高速路换道意图参数提取及意图阶段确定

针对换道意图辨识研究中的意图表征参数选择与意图阶段确定问题,提出一种新的组合方法.在驾驶模拟器所得原始参数基础上,从参数重要度与相关性角度,使用决策树C4.5算法和皮尔逊相关性分析,最终得到以方向盘转角、车道偏离量和横摆角加速度组成的重要度高且互相关性低的换道意图表征参数组.在此基础上,对方向盘转角和车道偏离量的时间序列进行K-means聚类,确定驾驶人换道意图阶段,并得出意图阶段长度与平均车速近似线性相关,且左换道意图阶段长度大于右换道意图阶段长度.最后,建立连续高斯隐马尔可夫模型,在所得意图表征参数组及意图阶段数据的基础上,训练换道意图识别模型及车道保持识别模型.模型的平均离线识别准确率为90％.并可在左换道开始前1.5 s判断出驾驶人左换道意图,右换道开始前1.4 s判断出驾驶人右换道意图.研究结果表明:基于所得的意图表征参数组及意图阶段所建立的意图识别模型可有效识别驾驶人换道意图,且识别精度较高,时序性较强.该方法可为意图识别研究中意图参数选取及意图阶段确定提供参考.     

基于图表示的智能车行人意图识别方法

智能驾驶场景下的人车冲突问题与行人过街行为密切相关,为使高级驾驶辅助系统（advanced driving assistance system, ADAS）具备识别行人过街意图的功能,并对人车碰撞事件预警,提出一种基于图表示学习（graph representation learning, GRL）方法的行人过街意图识别框架。它采用开源工具对行人骨架信息进行识别,采用图方法,以行人在一段运动过程内每一帧的骨架关键点为节点,以骨架自然连接关系、相关关系和时域关系为边建立图模型,实现对行人动作序列的表征。以图结构数据为输入,基于支持向量机（support vector machine, SVM）训练行人过街意图识别模型。在自动驾驶数据集PIE上对所提出方法进行评估,结果显示,行人过街意图分类准确率可达90.29%,所提出方法能够有效识别行人过街意图,对提高智能车决策安全性具有重要意义。      

电动液压助力制动系统制动意图识别方法

针对驾驶员在紧急状况下存在着因踏板力不足而导致制动距离过长问题,以某电动液压助力制动系统为研究对象,提出了一种基于隐马尔可夫模型的驾驶员制动意图识别方法,根据对驾驶员制动意图的识别来控制助力电机执行正常制动或紧急制动的助力模式.选取助力电机的转角、转速和车速作为制动意图识别参数.以制动强度为界限对识别参数数据集进行划分,训练出正常制动与紧急制动识别模型参数,建立了识别模型库,通过比较各模型库的对数似然估计值,判断出驾驶员的制动意图.仿真结果表明:该模型可准确、实时地识别出驾驶员的制动意图;在驾驶员踏板力一定的情况下,具有制动意图识别控制的助力器具有更好的制动效果,提高了驾驶安全性.     

加权指数损失下长短时记忆网络换道意图识别模型

针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型.首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LS...     

基于偏好关系的动态意图模型

研究了主体的意图模型，重点研究了决策理论中的偏好关系与主体意图的结合，根据决策理论中的偏好关系，提出了主体目标的偏好关系和层次结构，针对已有的主体意图模型与实际应用存在严重的“代沟”等问题，提出了一个基于偏好关系的动态意图模型，该模型简单，自然和实用，能客观地反映主体意图的动态性，稳定性，并发性和相关性等特征，并且能将动态性和稳定性（互相素质的两个性质）有效地统一在该模型中。     

Logistic自记忆模型的研究

将数理统计和动力学有机地结合起来,在Logistic模型(LM)的基础上,运用自忆性原理发展了Logistic的自记忆模型(SLM),并分别用LM和SLM对中国社会总产值指数进行了预测和比较,结果表明,在预测领域SLM比LM更具优越性,并有一定的预报能力.     

基于BERT-BiGRU-Attention的在线健康社区用户意图识别方法

针对传统用户意图识别主要使用基于模板匹配或人工特征集合方法导致成本高、扩展性低的问题,提出了一种基于BERT词向量和BiGRU-Attention的混合神经网络意图识别模型。首先使用BERT预训练的词向量作为输入,通过BiGRU对问句进行特征提取,再引入Attention机制提取对句子含义有重要影响力的词的信息以及分配相应的权重,获得融合了词级权重的句子向量,并输入到softmax分类器,实现意图分类。爬取语料实验结果表明,BERT-BiGRU-Attention方法性能均优于传统的模板匹配、SVM和目前效果较好的CNN-LSTM深度学习组合模型。提出的新方法能有效提升意图识别模型的性能,提高在线健康信息服务质量、为在线健康社区问答系统提供技术支撑。     

一种基于改进的弹性安全换道间距规则的元胞自动机模型

基于对STCA模型与F STCA模型的分析研究,结合车辆换道的实际状况,重新定义了换道风险度的概念,提出了一种更符合实际情况的改进的弹性安全换道间距规则,并进一步提出了基于该规则的双车道元胞自动机交通流模型.实验结果表明,该模型有益于提高道路资源利用率,同时在安全方面能够降低事故发生的可能性.     

面向无人驾驶的车辆协同换道轨迹规划研究

换道轨迹规划是无人驾驶车辆核心功能模块之一。传统换道轨迹模型研究场景简单,较少考虑车辆间的相互影响。为此,综合考虑换道过程中车辆之间的相互作用,结合车辆运动特性,引入换道安全控制参量——车间间距,建立考虑前方障碍车辆的多项式协同换道轨迹模型。基于换道安全考虑,采用矩形构建车辆模型分析换道过程中车辆的几何关系。以换道车辆的几何特征角点与前方障碍车辆车尾的相对位置关系建立安全约束方程。与现有多车换道轨迹规划方法相比,轨迹方程形式简单,求解方便,换道安全控制参量物理意义直观明确。仿真实验验证了换道轨迹模型的可行性与合理性,研究结果为无人驾驶多车安全换道轨迹规划研究提供探索性研究。     

基于Carsim和Simulink的超车换道仿真分析

超车是换道的主要动机,分析超车过程中驾驶员的操作特性以及车辆运动状态,能够为驾驶员模型的精确控制提供参考。在分析各种可能换道的基础上,构建动态超车换道可行域。以7次多项式规划换道边界轨迹,依据期望跟车距离确定可行域的上边界,根据安全碰撞条件确定可行域的下边界;并依据两车的运动关系确定超车换道条件。预设超车换道轨迹,在Simulink中构建驾驶员模型;并将Carsim中车辆模型导入,进行了超车换道模型仿真分析。对超车过程中车辆参数进行对比分析。结果表明:超车过程中驾驶员一般会提高车速,但加速强度不大;且低速时换道的随意性大,但与设定轨迹偏离程度较小。     

基于Logistic 回归模型的张家口市土地利用变化驱动力及建设用地增加空间模拟研究

利用张家口市1989, 2000 和2010 年土地利用数据、数字高程模型(DEM)以及社会经济统计数据, 分析张家口市土地利用变化的时空特征, 构建基于Logistic 回归模型的土地利用变化空间驱动力模型, 定量分析各土地利用类型变化的空间驱动因素, 进行未来建设用地空间格局模拟和预测, 为土地利用系统模拟与预测研究提供一种有效途径和工具。结果表明: 1989-2010 年研究区耕地大面积减少, 主要转为林地、草地和建设用地; 林地大面积增加, 主要来自于草地和耕地; 建设用地面积快速增加, 主要来自耕地、草地和未利用地; 草地、水域、未利用地面积持续减少。400 m 邻域范围内的地类邻域丰度自相关因子、坡度、坡向、距城镇、村庄、道路和自然保护区距离是影响土地利用变化的主要驱动因素。未来建设用地增加多发生在坝下中心城周围及河流谷地, 中心城区向南和向西扩展趋势明显, 万全县、怀来县、蔚县的建设用地增加较多, 且多围绕现有城镇中心进行扩张。     

基于Logistic回归的胃癌诊断研究

利用逐步回归的方法对胃癌诊断中的5项生化指标进行了筛选,从而建立了是否患胃癌与水试验、吲哚乙酸2项生化指标之间的Logistic回归模型,为医学诊断有效地降低了试验成本.     

基于道路特征信息的视觉车道模型研究

为有效进行道路设计评价以及分析道路环境影响驾驶员行为的机理,提出一个视觉车道模型,用于描述驾驶员眼中的道路特征信息. 视觉车道模型基于Catmull-Rom样条曲线建立,在CAD平台下自主开发了视觉车道模型软件,能自动进行设计道路视觉图像拟合;经大量实验分析表明,该模型能拟合任意形状的道路线形,并提取相关参数. 对视觉车道模型与道路三维几何信息的关系进行统计分析,是进行道路设计一致性评价的基础.     

基于Logistic回归模型的男子职业网球制胜关键技术指标的实证分析

目的:(1)使用二分类Logistic回归模型筛选出与比赛结果高度相关的指标;(2)根据筛选的指标建立影响比赛结果的Logistic回归方程.对象2016年澳大利亚网球公开赛男子单打128名网球运动员的全部165场比赛.方法:以国际男子职业网球巡回赛官方所公布的各项技术指标为预选自变量;通过澳大利亚网球公开赛官方网站获取各场次比赛的数据,使用Excel2003软件进行数据录入和整理,使用SPSS20.0软件对数据进行正态分布(K-S)检验,对不服从正态分布的数据进行非参数检验(Kruskal-Wallis H)、对服从正态分布的数据使用独立样本t检验,对各检验结果进行相关性分析,使用二项Logistic回归模型,以比赛结果:获胜=1,失败=0为因变量对指标进行筛选并构建模型,通过回带检验验证模型的准确性.结果:(1)筛选出高度影响男子职业网球比赛胜负结果的五项指标;(2)根据筛选指标建立相应的Logistic回归模型.结论:(1)现代高水平网球比赛要求运动员具备全面发展的技术能力,高效益下的技术稳定发挥是职业网球的发展方向.(2)运动员的攻、防及稳定发挥能力是影响比赛结果的主要因素,在训练中应针对性地增加攻防对抗练习.     

基于动态区域规划的双模型车道线识别方法

为提高车道偏离预警以及前方车辆识别系统性能,提出一种基于动态区域规划的双模型结构化道路车道线检测方法。通过基于模板的腐蚀、膨胀处理改善了图像预处理效果。根据“微元”理论进行图像动态细化分区,对各区域局部独立识别,整体综合分析,最终利用直线和B-样条曲线双模型完成车道线拟合。 实车试验证明,直线/B-样条曲线双模型拟合,提高了算法对不同车道线的适应性。      

基于遗传算法的Logistic模型与McDill-amateis模型比较研究

Logistic模型与McDill-amateis模型的参数有明确的生物学意义,能较好的反映林木的生长过程,其参数的拟合有多种方法,应用基于实数编码的遗传算法目标适应函数采用误差平方和比例数取得了理想的结论.