基于相邻车道前方车辆驾驶行为识别的换道避障控制研究
发布时间：2021-06-17 19:13
交通环境是多个交通参与者相互影响、动态变化的复杂系统,高速公路上车辆的速度较快,车辆之间的冲突频繁且交通事故的伤害性较大,相邻车道上前方车辆的危险换道或超车动作会影响到智能车辆的正常行驶。本文提出了一种基于相邻车道上前方车辆驾驶行为识别的横向换道避障控制技术,该技术能够提前识别相邻车道上前方车辆的换道切入行为,并针对相邻车道上前方车辆的危险换道切入行为实施避障控制。首先,针对相邻车道上前方车辆的换道切入行为的识别问题,提出了一种基于混合高斯-隐马尔科夫模型（Gaussian Mixture-Hidden Markov Model,GM-HMM）的驾驶行为识别方法。基于高速公路场景中车辆换道的特性以及驾驶员决策的特点,以相邻车道上前方车辆的纵向速度、0.5秒内横向位移和横向速度作为观测变量,利用Baum-Welch算法和前向-后向算法对前方车辆的三种驾驶行为（包括车道保持、向左车道变换和向右车道变换）进行建模和识别,并且测试不同识别时间窗口下的三种驾驶行为的识别准确率。测试结果表明,GM-HMM能够快速准确地识别出相邻车道上前方车辆的换道切入行为,可以为后续的行驶环境安全评估和智能主车决...
【文章来源】：江苏大学江苏省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
车车辆运动状态传感器车速传感器转向角传感器中危…………
基于相邻车道前方车辆驾驶行为识别的换道避障控制研究61.3本文的主要研究内容及组织结构图1.2相邻车道车辆切入本车道Fig.1.2Vehicleinadjacentlanescutting-in交通环境是一个复杂的系统，系统中的多个交通参与者相互作用，动态变化。相邻车道上的前方车辆驾驶员可能会做出错误的换道或超车行为，从而影响智能主车的正常行驶，甚至导致车辆碰撞事故。如图1.2所示，车辆M表示智能主车，车辆P表示相邻车道上的即将切入本车道的威胁车辆，当车辆P与车辆M之间的纵向距离不满足安全距离要求时，两车必然会发生碰撞。因此，智能车辆尽早识别相邻车道上前方车辆的驾驶行为并在紧急情况下采用主动避障技术，可以有效地避免危险事故的发生，提高车辆行驶的安全性。本文研究高速公路直线路段场景下的车辆驾驶行为识别与车辆主动避撞控制技术，提出了一种基于相邻车道上前方车辆驾驶行为识别的横向换道避障控制技术。该研究由三部分组成：首先，基于隐马尔科夫模型（HiddenMarkovModel，HMM）对相邻车道上前方车辆的驾驶行为进行识别，本文以前车的纵向速度、横向位移和横向速度作为最佳可观测变量，对前车的车道保持、向左变换车道和向右变换车道三种驾驶行为进行建模和识别。其次，针对相邻车道上前方车辆的切入行为，基于安全距离模型判断切入行为是否有碰撞威胁；针对相邻车道上前方车辆的危险切入行为，判断智能主车的行驶环境是否满足安全换道避障的条件。最后，设计智能主车的横向换道避障控制器，根据换道横向加速度计算出理想的前轮转向角，并基于非对称障碍Lyapunov函数采用Backstepping和动态面控制技术相结合的方法设计车辆直接横摆力矩控制器以更稳定安全地跟踪期望轨迹。本文的研究方案框架如图1.3所示。
基于相邻车道前方车辆驾驶行为识别的换道避障控制研究18图2.5HMM训练流程图Fig.2.5HMMtrainingflowchart为使HMM具有识别驾驶行为的功能，本文的训练步骤如下所述。步骤1：提取典型驾驶行为的观测序列的样本集，应包括车道保持、向左车道变换和向右车道变换三种驾驶行为的训练样本集。前方车辆的纵向速度、0.5秒内的横向位移和横向速度作为识别相邻车道的前方车辆驾驶行为的观测变量，因此，在t时刻的观测值是一个三维向量Ot，观测序列O是一个三维向量序列，如式(2.31)和式(2.32)所示。(),(),()txyyOvtxtvt(2.31)12,,TOOOO(2.32)式中，vx(t)为前方车辆的纵向速度，xy(t)为前方车辆的在0.5秒内的横向位移，vy(t)为前方车辆的横向速度。本文首先研究使用长度为2.0秒的时间窗口对HMM进行训练和识别，即每个训练样本的序列共包含20个数据点。创建训练脚本文件初始化模型参数输入训练样本序列用Baum-Welch算法进行模型参数重估判断是否收敛获得模型参数YN
【参考文献】：
期刊论文
[1]基于GPS定位数据的高速公路换道特征分析与行为识别[J]. 杨龙海,罗沂,徐洪. 北京交通大学学报. 2017(03)
[2]基于模糊控制的拖拉机路径跟踪仿真研究[J]. 石翔,马蓉,张长龙,梁锦. 农机化研究. 2016(08)
[3]基于前方车辆行为识别的碰撞预警系统[J]. 黄慧玲,杨明,王春香,王冰. 华中科技大学学报(自然科学版). 2015(S1)
[4]自主驾驶车辆的预测避障控制[J]. 余如,郭洪艳,陈虹. 信息与控制. 2015(01)
[5]基于HMM的车辆行驶状态实时判别方法研究[J]. 王相海,丛志环,方玲玲,秦钜鳌. 自动化学报. 2013(12)
[6]基于最小安全距离的车辆换道安全研究[J]. 陈秀锋,杨万三,曲大义. 昆明理工大学学报(自然科学版). 2013(03)
[7]基于模糊PID的智能4WS车辆换道路径跟踪控制[J]. 戚志锦,杨志刚,黄燕. 汽车工程学报. 2012(05)
[8]基于模糊神经网络的智能车辆路径跟踪[J]. 杨君,马戎,刘婷,付维平. 计算机仿真. 2012(07)
[9]基于遗传优化的无人车横向模糊控制[J]. 郭景华,胡平,李琳辉,王荣本,张明恒,郭烈. 机械工程学报. 2012(06)
[10]智能车辆横向混合切换控制器设计[J]. 郭景华,胡平,李琳辉,王荣本,郭烈. 农业机械学报. 2012(02)
博士论文
[1]基于驾驶员视觉特性的驾驶行为预测方法研究[D]. 冀秉魁.吉林大学 2014
[2]面向高速公路行车安全预警的车道偏离及换道模型研究[D]. 罗强.华南理工大学 2014
[3]电动轮独立驱动汽车差动助力转向技术研究[D]. 王军年.吉林大学 2009
硕士论文
[1]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
[2]基于激光雷达的智能车横向避障研究[D]. 李勇.湖南大学 2017
[3]基于隐马尔科夫模型的石油钻井过程异常检测的研究[D]. 袁坤杰.郑州大学 2017
[4]智能汽车变道行为判断及碰撞风险估计方法研究[D]. 马士杰.哈尔滨工业大学 2016
[5]电动轮驱动铰接转向车辆差动协同转向控制[D]. 魏武.吉林大学 2016
[6]基于最小安全距离的车辆换道控制研究[D]. 吴杭哲.哈尔滨工业大学 2015
[7]智能车避障路径动态规划和车体控制研究[D]. 郭达.长安大学 2015
[8]具有输入未建模动态的非线性系统自适应输出反馈控制研究[D]. 陈佳胜.扬州大学 2015
[9]可重复使用运载器自适应动态面控制技术研究[D]. 唐文彬.哈尔滨工业大学 2014
[10]电动汽车主动安全避撞控制系统研究[D]. 胡蕾蕾.吉林大学 2014
本文编号：3235765
【文章来源】：江苏大学江苏省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
车车辆运动状态传感器车速传感器转向角传感器中危…………
基于相邻车道前方车辆驾驶行为识别的换道避障控制研究61.3本文的主要研究内容及组织结构图1.2相邻车道车辆切入本车道Fig.1.2Vehicleinadjacentlanescutting-in交通环境是一个复杂的系统，系统中的多个交通参与者相互作用，动态变化。相邻车道上的前方车辆驾驶员可能会做出错误的换道或超车行为，从而影响智能主车的正常行驶，甚至导致车辆碰撞事故。如图1.2所示，车辆M表示智能主车，车辆P表示相邻车道上的即将切入本车道的威胁车辆，当车辆P与车辆M之间的纵向距离不满足安全距离要求时，两车必然会发生碰撞。因此，智能车辆尽早识别相邻车道上前方车辆的驾驶行为并在紧急情况下采用主动避障技术，可以有效地避免危险事故的发生，提高车辆行驶的安全性。本文研究高速公路直线路段场景下的车辆驾驶行为识别与车辆主动避撞控制技术，提出了一种基于相邻车道上前方车辆驾驶行为识别的横向换道避障控制技术。该研究由三部分组成：首先，基于隐马尔科夫模型（HiddenMarkovModel，HMM）对相邻车道上前方车辆的驾驶行为进行识别，本文以前车的纵向速度、横向位移和横向速度作为最佳可观测变量，对前车的车道保持、向左变换车道和向右变换车道三种驾驶行为进行建模和识别。其次，针对相邻车道上前方车辆的切入行为，基于安全距离模型判断切入行为是否有碰撞威胁；针对相邻车道上前方车辆的危险切入行为，判断智能主车的行驶环境是否满足安全换道避障的条件。最后，设计智能主车的横向换道避障控制器，根据换道横向加速度计算出理想的前轮转向角，并基于非对称障碍Lyapunov函数采用Backstepping和动态面控制技术相结合的方法设计车辆直接横摆力矩控制器以更稳定安全地跟踪期望轨迹。本文的研究方案框架如图1.3所示。
基于相邻车道前方车辆驾驶行为识别的换道避障控制研究18图2.5HMM训练流程图Fig.2.5HMMtrainingflowchart为使HMM具有识别驾驶行为的功能，本文的训练步骤如下所述。步骤1：提取典型驾驶行为的观测序列的样本集，应包括车道保持、向左车道变换和向右车道变换三种驾驶行为的训练样本集。前方车辆的纵向速度、0.5秒内的横向位移和横向速度作为识别相邻车道的前方车辆驾驶行为的观测变量，因此，在t时刻的观测值是一个三维向量Ot，观测序列O是一个三维向量序列，如式(2.31)和式(2.32)所示。(),(),()txyyOvtxtvt(2.31)12,,TOOOO(2.32)式中，vx(t)为前方车辆的纵向速度，xy(t)为前方车辆的在0.5秒内的横向位移，vy(t)为前方车辆的横向速度。本文首先研究使用长度为2.0秒的时间窗口对HMM进行训练和识别，即每个训练样本的序列共包含20个数据点。创建训练脚本文件初始化模型参数输入训练样本序列用Baum-Welch算法进行模型参数重估判断是否收敛获得模型参数YN
【参考文献】：
期刊论文
[1]基于GPS定位数据的高速公路换道特征分析与行为识别[J]. 杨龙海,罗沂,徐洪. 北京交通大学学报. 2017(03)
[2]基于模糊控制的拖拉机路径跟踪仿真研究[J]. 石翔,马蓉,张长龙,梁锦. 农机化研究. 2016(08)
[3]基于前方车辆行为识别的碰撞预警系统[J]. 黄慧玲,杨明,王春香,王冰. 华中科技大学学报(自然科学版). 2015(S1)
[4]自主驾驶车辆的预测避障控制[J]. 余如,郭洪艳,陈虹. 信息与控制. 2015(01)
[5]基于HMM的车辆行驶状态实时判别方法研究[J]. 王相海,丛志环,方玲玲,秦钜鳌. 自动化学报. 2013(12)
[6]基于最小安全距离的车辆换道安全研究[J]. 陈秀锋,杨万三,曲大义. 昆明理工大学学报(自然科学版). 2013(03)
[7]基于模糊PID的智能4WS车辆换道路径跟踪控制[J]. 戚志锦,杨志刚,黄燕. 汽车工程学报. 2012(05)
[8]基于模糊神经网络的智能车辆路径跟踪[J]. 杨君,马戎,刘婷,付维平. 计算机仿真. 2012(07)
[9]基于遗传优化的无人车横向模糊控制[J]. 郭景华,胡平,李琳辉,王荣本,张明恒,郭烈. 机械工程学报. 2012(06)
[10]智能车辆横向混合切换控制器设计[J]. 郭景华,胡平,李琳辉,王荣本,郭烈. 农业机械学报. 2012(02)
博士论文
[1]基于驾驶员视觉特性的驾驶行为预测方法研究[D]. 冀秉魁.吉林大学 2014
[2]面向高速公路行车安全预警的车道偏离及换道模型研究[D]. 罗强.华南理工大学 2014
[3]电动轮独立驱动汽车差动助力转向技术研究[D]. 王军年.吉林大学 2009
硕士论文
[1]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
[2]基于激光雷达的智能车横向避障研究[D]. 李勇.湖南大学 2017
[3]基于隐马尔科夫模型的石油钻井过程异常检测的研究[D]. 袁坤杰.郑州大学 2017
[4]智能汽车变道行为判断及碰撞风险估计方法研究[D]. 马士杰.哈尔滨工业大学 2016
[5]电动轮驱动铰接转向车辆差动协同转向控制[D]. 魏武.吉林大学 2016
[6]基于最小安全距离的车辆换道控制研究[D]. 吴杭哲.哈尔滨工业大学 2015
[7]智能车避障路径动态规划和车体控制研究[D]. 郭达.长安大学 2015
[8]具有输入未建模动态的非线性系统自适应输出反馈控制研究[D]. 陈佳胜.扬州大学 2015
[9]可重复使用运载器自适应动态面控制技术研究[D]. 唐文彬.哈尔滨工业大学 2014
[10]电动汽车主动安全避撞控制系统研究[D]. 胡蕾蕾.吉林大学 2014
本文编号：3235765
本文链接：https://www.wllwen.com/kejilunwen/qiche/3235765.html
