道路交通环境感知及行车风险评价方法研究

发布时间：2020-03-25 07:43

【摘要】：随着我国社会经济的持续发展,汽车保有量呈现快速增长趋势,导致道路交通事故数量及伤亡人数持续攀升。近些年随着科学的进步,大量先进的电子辅助设备开始应用到汽车上,如电子稳定控制和先进的制动系统、行人保护、车道偏离和盲区危险警告功能,其为减少交通事故伤亡做出了很大的贡献。但因辅助驾驶技术的发展需要过程,很多技术细节目前尚未完全解决,目前的车辆电子辅助系统还无法完全实现智能辅助驾驶,从而无法针对不同的行驶风险级别,通过预警、警告、接管车辆控制等方式,最大限度减少人因导致的交通事故。为了通过应用先进的辅助驾驶系统达到减少交通事故或降低其严重程度的目标,首要前提是基于多源传感器技术,实现对道路交通环境的感知及实时行车风险评价。为此,本论文在前人研究成果的基础上,开展道路交通场景类型识别、道路交通场景分割、车道线识别及车辆行驶风险评价方法研究,以实现更高质量的道路交通环境感知及行车风险评价。本论文取得了如下几个方面的研究成果:1)提出了基于图像特征的道路交通场景类型识别方法将道路交通场景图像分为城市道路、普通公路及高速公路三类,分析了三类道路交通场景图像中存在的特征差异性。先对场景图像进行了预处理,提取了场景图像的指路标志特征、道口标柱特征及图像熵特征;根据场景图像特征对VGG-Net模型进行了微调,获得场景识别预测值。同时根据不同场景内不同特征的先验概率值进行了特征后验概率计算,将场景预测值结合贝叶斯分类方法对道路交通场景类型进行了精确识别。使用国内道路交通场景数据集进行了方法验证,识别的准确率可以达到93%。2)提出了基于信息融合的道路交通场景分割方法针对车载硬件平台,设计了信息融合策略,通过雷达坐标系到球面坐标系的映射以及球面坐标系到图像像素坐标系的映射关系,构建了雷达坐标系与图像像素坐标系之间的转换模型,将雷达数据点与图像像素点进行了关联。构建了基于语义分割的车辆前端交通场景目标识别模型,模型通过建立空间与深度变换关系,改进了Deep Lab V3-Plus网络结构;通过空间到深度转换建立了模型编码模块中初级特征与解码模块的关联;采用深度到空间转换替代上采样过程,加强了输出细节。通过融合雷达数据与分割后的场景目标信息得到了高层决策信息。本文方法在国际公开数据集和国内道路交通场景数据上的测试效果较好,测试IOU0.8。3)提出了基于马尔可夫链的车道线识别算法先将图像划分为不同子区,根据图像熵分布将图像分割为车道候选区域和无效区域,然后根据车道线特征进行了图像预处理,得到了车道线的边缘特征图像,再使用霍夫变换识别图像内的直线,考虑当前时刻车道线位置和斜率,并结合上一时刻车道线状态,使用马尔可夫链进行了车道线的状态转移概率计算,选择转移概率最大值作为车道线识别结果。使用国内道路场景数据集进行了算法验证,车道线识别的准确率达到94.8%。4)提出了基于模糊推理的车辆行驶风险评价方法为了研究不同行驶状态下驾驶行为选择与车辆行驶风险之间的关系,以第2章至第4章的道路交通场景类型识别、交通场景分割、车道线识别为基础,以驾驶行为选择为桥梁,选取了能够很好表征自由流状态、跟驰状态、换道状态等行驶风险的特征参数;基于模糊推理设计了自由流状态、跟驰状态、换道状态下特征参数的隶属度函数和行车风险推理规则。搭建实车试验平台,基于识别到的道路交通场景信息和自然驾驶过程中车辆运行状态数据检验本文提出的评价方法的应用效果。
【图文】：

道路交通事故,比例关系,成因,交通事故

辆行驶风险评价方法行车风险的研究方法主要分为两类：一类是从宏观层面出发，，，如基于交通事故总量对行车风险进行评价；另一类是从微观的行车风险进行评价。近年来大量的学者开始从驾驶状态、车为和车辆状态来研究单个车辆行驶风险的评价。目前国外学者度判断行车风险。[76]基于全国道路交通事故大数据研究得出，涉及人的因素占到辆行驶风险具有显著性的影响。驾驶人采取的不同驾驶行为是素。美国在 19 世纪 80 年通过交通事故深度分析，得出人、车事故中的占比如图 1.1 所示[77]。通过上述基于交通事故宏观层注意力不集中、酒后、年龄、接打手机等描述驾驶人状态的因错误的驾驶行为导致了交通事故的发生。

技术路线图

技术路线图
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：U463.6;U492.8

【相似文献】