基于行驶环境与操作序贯链的汽车驾驶意图辨识方法研究

由于同一种车辆运行状态在不同驾驶意图下的危险态势具有很大的差别，因此把驾驶意图引入到汽车安全驾驶预警系统中具有重要意义。然而，目前对汽车驾驶意图机理的认识还不十分清楚。本研究拟以汽车驾驶意图为研究对象，综合考虑三类信息源（行驶环境信息、驾驶操作序贯链信息和车辆状态信息）对驾驶意图的影响，采用模拟驾驶与实车道路实验相结合的手段，对驾驶意图进行系统的研究。利用量子进化等算法优化筛选出适合表征驾驶意图的特征向量；建立驾驶意图模型，运用粒子群等群体智能算法实现快速识别；引入支持向量机方法对模型参数进行在线学习，以消除驾驶个体差异的影响。本研究尝试利用量化方法对大脑驾驶意识进行剖析，在学术方面可以促进人工智能与交通安全的学科交叉，在应用方面可以为研发基于驾驶意图识别的汽车安全驾驶预警系统提供新思路和理论依据。

本课题以机动车驾驶行为为研究对象，以识别驾驶意图为研究目的，深入分析了驾驶意图的演化机理，提出了基于驾驶人操作序列和行车环境的一系列驾驶意图识别方法与模型。课题组构建了驾驶人操作序列和车辆周围环境的数据采集及分析系统，综合运用实车实验、模拟实验、问卷调查等多种方法分析出了驾驶人操作序列与驾驶意图的关系，通过引入动态贝叶斯（DBN）和隐马尔科夫(HMM)理论分别构建了直线路段跟车、换道驾驶意图模型和交叉口路段直行、转弯驾驶意图模型，采用模糊聚类的方法建立了加速意图模型。使用混合优化算法和D-S理论对自由驾驶、跟车、换道驾驶意图进行识别并使用驾驶模拟实验证明其有效性，同时使用Viterbi算法对直行，转弯，跟车等驾驶意图进行了识别，通过实车实验证明识别准确率良好。本课题提出了基于驾驶人操作序列和车辆环境的驾驶意图准确识别方法，为考虑驾驶意图的车辆安全辅助驾驶研究奠定了基础。