基于隐形马尔科夫模型的驾驶员意图辨识方法研究

发布时间：2017-04-15 23:02

  本文关键词：基于隐形马尔科夫模型的驾驶员意图辨识方法研究，由笔耕文化传播整理发布。

【摘要】：为了适应越来越快的社会节奏和满足人类对安全、舒适等性能越来越高的要求,在汽车产品中日益广泛地采用各种先进技术,特别是电子技术,已经成为时代的潮流。汽车上的驾驶员辅助系统的种类越来越多,对这些驾驶员辅助系统来说,人—机控制模式的平滑转换是非常重要的。同时近些年,很多学者、研究员在线控驱动(X-by-Wire)方向进行了研究。X-by-Wire取消了传统系统的机械连接,利用传感器感知驾驶员驾驶意图,并将其通过导线输送给中央控制单元,中央控制单元再发送指令给相应的执行机构,以完成驾驶员的相关操作。可见,不管是驾驶员辅助系统还是X-By-Wire系统,要实现X-By-Wire功能或实现人——机模式的平滑转换,都需要对驾驶员的驾驶意图进行辨识。 本文结合国家自然科学基金项目“汽车前轮电子控制转向的关键技术研究”及“线控汽车底盘控制方法和关键技术研究”,在分析、总结和学习国内外驾驶员驾驶意图辨识与预测的现有研究成果的基础上,以准确、实时在线辨识复合工况下的驾驶员驾驶意图为目标,建立了用于驾驶员驾驶意图辨识的双层HMM模型结构,应用离线训练的方法训练双层HMM结构里所有的表征驾驶员驾驶行为及驾驶员驾驶意图的多维高斯HMM模型及多维离散HMM模型。以此为基础,借助于驾驶模拟器对本文提出的驾驶员驾驶行为辨识的方法及驾驶员驾驶意图辨识的方法做了在线验证。在线辨识的结果表明本文提出的驾驶员驾驶意图的辨识方法能达到较高的准确率,且可以满足实时性要求。 论文主要进行了以下几方面的研究工作： (1).建立了用于驾驶员驾驶意图辨识的双层HMM结构 鉴于驾驶员驾驶行为是一个时序过程,而驾驶员在特定的驾驶环境下的驾驶规律是大体一致的。因此,本文以HMM层次化模型结构为基础,搭建了双层的驾驶员驾驶意图辨识HMM模型。其中,下层的HMM模型对应着驾驶员操纵行为；上层的HMM模型对应着驾驶员意图,下层模型通过自己的推理结果和上层模型结合,从而构成一个整合的双层HMM模型。然后,结合HMM工具箱和MATLAB对双层HMM模型结构中的表征驾驶员驾驶行为及驾驶员驾驶意图的多维高斯HMM模型及多维离散HMM模型进行了离线训练,为在线驾驶模拟器实验验证奠定了基础。 (2).驾驶员驾驶意图辨识实验工况的选取及实验方法 HMM为基础的问题的首要任务就是确定模型参数,也就是首先要对HMM模型进行训练。本文通过驾驶模拟器实验采集相应工况的实验数据,并离线训练各多维高斯HMM模型。文中根据各驾驶员驾驶辅助系统、主动安全系统及X-By-Wire系统的功能,从舒适性和安全性,单一工况和复合工况方面考虑,最后选取紧急制动工况、正常制动工况、坡路起步工况、紧急避障工况及弯道制动工况作为本文考察的工况。其中： 坡路起步——主要考虑加速踏板和制动踏板操作(舒适性)(单一工况) 紧急避障——主要考虑方向盘操作(安全性)(单一工况) 紧急制动——主要考虑加速踏板和制动踏板操作(安全性)(单一工况) 弯道制动——考虑踏板和方向盘操作的组合(安全性与舒适性) (复合工况) 结合吉林大学29自由度固定式开发型驾驶模拟器,对选取的5个实验工况制定了相应的实验方法并做了相应实验。采集所有的实验数据构成双层HMM模型结构训练的数据集。 (3).实验数据预处理方法 对采集来的数据进行了预处理,为模型训练做准备。首先把弧度制的方向盘数据转化成角度制；然后选取双向滤波算法来消除传感器数据所带的噪声；数据放大和滤波处理后,把处理后的数据按数据来源分成3类：踏板数据、方向盘数据及车速信息,这样就得到了三个数据类；紧接着把每个数据类里的数据分割成若干段,把这些数据段归类,使得每一类对应一个短时间段的驾驶员驾驶行为。 对某数据段类里的数据,我们采用t-test算法,结合数据段的某特征参数,对数据段集合里的异常数据进行剔除；并且应用k-means算法,对数据库中紧急操作和正常操作的界限值进行设置,为以后判断辨识结果的准确性做准备。 (4).在线辨识驾驶员驾驶意图 因为需要对建立的双层HMM模型结构进行在线验证,也就是要不断采集驾驶员操作信号及车辆状态信息,并基于HMM工具箱实时辨识驾驶员的驾驶意图并显示,所以文中根据MATLAB及LabVIEW的优缺点,应用LabVIEW里提供的MATLAB Script控件,将工具箱里的m文件程序引入到LabVIEW程序中。在MATLAB和LabVIEW混合编制的程序中,MATLAB负责运行HMM工具箱里的程序,LabVIEW负责设计用户图形界面、硬件控制、数据采集、数据分析处理、数据存储、运行控制和网络通信等。 考虑到HMM是一种基于最大期望值的算法,而意图层的MDHMM模型不是全工况下的,所以我们通过在线实验,为四个驾驶员驾驶意图MDHMM设置了似然度门限值。只有给定观察序列相对于某MDHMM产生的概率超过这个MDHMM的似然度门限值,这个MDHMM对应的驾驶员驾驶意图才被确认发生。 在线辨识的结果表明本文提出的驾驶员驾驶意图的辨识方法能达到较高的准确率,且可以满足实时性要求。
【关键词】：驾驶行为辨识 驾驶意图辨识 双层HMM模型 复合工况
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：U469.72
【目录】：

• 前言4-5
• 摘要5-8
• Abstract8-14
• 第1章 绪论14-28
• 1.1 课题的提出14-16
• 1.2 驾驶员意图辨识的意义16-18
• 1.3 驾驶员意图辨识的研究现状18-25
• 1.3.1 国外驾驶员驾驶意图辨识的研究现状19-23
• 1.3.2 国内驾驶员驾驶意图辨识的研究现状23-25
• 1.4 本文的主要研究内容25-28
• 第2章 隐形马尔科夫理论28-40
• 2.1 模式识别概述28-30
• 2.1.1 模式识别方法分类28-30
• 2.1.2 模式识别方法比较30
• 2.2 隐形马尔科夫HMM概述30-36
• 2.2.1 隐形马尔科夫HMM基本概念31-32
• 2.2.2 隐形马尔科夫HMM解决的三个问题32-36
• 2.3 隐形马尔科夫HMM分类36-37
• 2.4 隐形马尔科夫HMM应用37-38
• 2.5 本章小结38-40
• 第3章 基于HMM的驾驶员驾驶意图辨识模型40-48
• 3.1 驾驶员驾驶意图与驾驶员驾驶行为40-41
• 3.2 双层HMM驾驶员驾驶意图辨识模型41-47
• 3.2.1 多维高斯HMM驾驶员驾驶行为模型43-44
• 3.2.2 多维离散HMM驾驶员驾驶意图模型44-47
• 3.3 本章总结47-48
• 第4章 驾驶意图辨识模型的实验数据获取及离线训练48-60
• 4.1 实验工况选定48-50
• 4.2 基于驾驶模拟器的实验数据获取过程50
• 4.3 实验数据预处理50-57
• 4.3.1 异常数据段剔除51-55
• 4.3.2 紧急驾驶操作和正常驾驶操作限值的确定55-57
• 4.4 双层HMM模型离线训练57-59
• 4.5 本章总结59-60
• 第5章 复合工况下驾驶意图辨识模型的在线验证60-72
• 5.1 LabVIEW在线辨识程序60-64
• 5.2 基于驾驶模拟器的在线辨识64-69
• 5.3 本章总结69-72
• 第6章 全文总结与展望72-76
• 6.1 全文总结72-74
• 6.2 论文创新点74-75
• 6.3 研究展望75-76
• 参考文献76-82
• 作者简介及科研成果82-84
• 致谢84

【引证文献】

中国期刊全文数据库 前6条

1 赵伟强;宗长富;郑宏宇;江国华;杨盛楠;;基于制动舒适性的商用车EBS控制策略[J];吉林大学学报(工学版);2012年S1期

2 宗长富;林娜;李刚;张泽星;程卫;郑宏宇;刘明辉;;“车适应人”线控汽车理想特性参考模型神经网络建模[J];吉林大学学报(工学版);2013年S1期

3 孟妮;韩丹;;聚类分析和模糊逻辑在驾驶行为辨识中的应用[J];计算机与数字工程;2013年07期

4 孟妮;韩丹;;模糊聚类在车速预测中的应用[J];计算机与数字工程;2013年08期

5 李亚秋;吴超仲;马晓凤;黄珍;张晖;;基于EKF学习方法的BP神经网络汽车换道意图识别模型研究[J];武汉理工大学学报(交通科学与工程版);2013年04期

6 袁伟;张亚岐;王畅;;支持向量机在换道行为识别中的应用研究[J];计算机工程与设计;2013年02期

中国博士学位论文全文数据库 前2条

1 王畅;车辆换道预警的若干关键问题研究[D];长安大学;2012年

2 赵伟强;商用半挂车制动意图辨识与制动力分配控制策略开发及验证[D];吉林大学;2013年

中国硕士学位论文全文数据库 前4条

1 王震雨;绿色驾驶行为模型及关键技术研究[D];大连海事大学;2012年

2 马晶晶;基于隐马尔可夫理论的驾驶意图辨识研究[D];长沙理工大学;2012年

3 杨盛楠;商用车电子制动系统控制器开发及硬件在环验证[D];吉林大学;2013年

4 崔业杰;驾驶员操纵意图辨识方法及应用研究[D];吉林大学;2013年

  本文关键词：基于隐形马尔科夫模型的驾驶员意图辨识方法研究，由笔耕文化传播整理发布。

，

本文编号：309439