无人驾驶汽车周边车辆行为识别及预测方法研究

发布时间：2022-12-10 06:01

　　无人驾驶汽车周边车辆行为识别及预测方法是实现无人驾驶技术的重要模块,该模块承接感知模块获得的周边车辆行驶信息,通过算法识别周边车辆的当前行为、预测其未来行为和轨迹,将识别及预测结果输入到决策规划模块中,作为该模块的参考信息。所以无人驾驶汽车周边车辆行为识别及预测模块能够保证其在真实交通场景下安全、高效地驾驶。本课题针对无人驾驶汽车在结构化道路上对周边车辆当前时刻的行为识别、对未来行为和未来轨迹的预测问题展开研究。一、比较了在车辆行为识别及预测领域两大自然驾驶车辆轨迹数据集,分析两个数据集的优缺点,为本文研究内容提供数据支持;描述了车辆行为的分类方式,将车辆横向行为作为本文研究重点并确定了观测序列对应行为标签的制作方法;引入轨迹片段坐标系,将原始数据集中的坐标系和无人驾驶汽车全局坐标系统一到同一坐标系下,同时指出邻居车辆对周边目标车辆行为的影响,在原始数据集中抽取相应的行为样本后建立了本文所需的车辆行为识别数据集、车辆行为及轨迹预测数据集。二、针对目前无人驾驶汽车周边车辆行为识别研究中,多数研究忽略了邻居车辆对周边目标车辆影响的问题,提出了一种将隐马尔可夫模型（Hidden Markov... 

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 选题意义
    1.3 国内外研究现状
        1.3.1 无人驾驶技术研究现状
        1.3.2 目标车辆行为识别研究现状
        1.3.3 目标车辆预测方法研究现状
    1.4 目前存在的问题
    1.5 本文的研究内容
第二章 车辆行为数据集的建立
    2.1 车辆轨迹数据集
        2.1.1 NGSIM数据集介绍
        2.1.2 NGSIM数据后处理
        2.1.3 HighD数据集介绍
        2.1.4 数据集对比
    2.2 车辆行为数据集
        2.2.1 车辆行为分类
        2.2.2 行为标签制定
        2.2.3 轨迹片段坐标系
        2.2.4 邻居车辆信息提取
        2.2.5 车辆行为数据集
    2.3 本章小结
第三章 基于HMM-MLP复合模型的车辆行为识别方法
    3.1 相关算法阐述
        3.1.1 隐马尔可夫模型(HMM)介绍
        3.1.2 多层感知器(MLP)介绍
    3.2 周边车辆行为识别模型设计
        3.2.1 建模分析
        3.2.2 HMM观测变量选择
        3.2.3 HMM模型参数制定
        3.2.4 HMM模型参数训练
        3.2.5 MLP模型输入
        3.2.6 MLP模型训练
    3.3 行为识别结果及分析
        3.3.1 行为识别效果
        3.3.2 行为识别算法整体表现
        3.3.3 定量和定性分析
    3.4 本章小结
第四章 基于注意力机制的车辆行为及轨迹预测方法
    4.1 相关算法阐述
        4.1.1 长短时记忆网络(LSTM)算法介绍
        4.1.2 LSTM编码器-解码器与注意力机制
        4.1.3 Convolutional Social LSTM算法介绍
    4.2 基于注意力机制的车辆行为及轨迹预测方法
        4.2.1 基于注意力机制的车辆行为及轨迹预测网络结构
        4.2.2 模型训练
    4.3 预测结果及分析
        4.3.1 行为及轨迹预测效果
        4.3.2 预测结果对比
        4.3.3 定量和定性分析
    4.4 本章小结
第五章 识别及预测算法实车实验
    5.1 无人驾驶平台简介
    5.2 硬件平台介绍
        5.2.1 感知及定位系统
        5.2.2 数据传输中心
        5.2.3 决策系统
        5.2.4 控制系统
    5.3 周边车辆行为识别及预测算法的应用
        5.3.1 测试路段及可视化
        5.3.2周边车辆行为识别实车实验
        5.3.3周边车辆行为及轨迹预测实车实验
    5.4 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 创新点
    6.3 研究展望
参考文献
致谢
攻读学位期间参加的科研项目及学术成果


【参考文献】：
期刊论文
[1]速腾聚创:信息“理解者”[J]. 陈秀娟.  汽车观察. 2019(06)
[2]基于深度学习的自动驾驶技术综述[J]. 张新钰,高洪波,赵建辉,周沫.  清华大学学报(自然科学版). 2018(04)
[3]智能网联汽车技术在中国重汽的实践[J]. 张晓东.  中国物流与采购. 2017(24)
[4]基于无模型自适应控制的无人驾驶汽车横向控制方法[J]. 田涛涛,侯忠生,刘世达,邓志东.  自动化学报. 2017(11)
[5]驭势科技:无人驾驶汽车两年内量产[J]. 明星.  中关村. 2017(02)
[6]CITAVT-IV——视觉导航的自主车[J]. 孙振平,安向京,贺汉根.  机器人. 2002(02)

博士论文
[1]无人车动态场景分析关键技术研究[D]. 肖志鹏.国防科技大学 2018
[2]城区动态环境下智能车辆行为决策研究[D]. 宋威龙.北京理工大学 2016

硕士论文
[1]基于深度学习的车道线检测与分类研究[D]. 代小岗.西南交通大学 2018
[2]基于GPS数据的高速公路驾驶行为识别[D]. 罗沂.哈尔滨工业大学 2017
[3]复杂动态城市环境下无人驾驶车辆仿生换道决策模型研究[D]. 田赓.北京理工大学 2016
[4]弯道驾驶行为研究及无人驾驶车辆智能行为评价[D]. 董芳.北京理工大学 2016
[5]城市环境基于三维激光雷达的自动驾驶车辆多目标检测及跟踪算法研究[D]. 叶刚.北京理工大学 2016
[6]自动驾驶车辆城区道路环境换道行为决策方法研究[D]. 袁盛玥.北京理工大学 2016
[7]车辆尾灯的检测与灯语识别[D]. 田强.中国科学技术大学 2015



本文编号：3716204