体现驾驶人特性的汽车横向安全预警关键技术研究

道路交通安全已成为全球关注的严重问题，中国的道路交通安全形势更为严峻。汽车横向安全预警技术（车道偏离报警、换道碰撞报警等技术）作为改善道路交通环境的重要手段，成为国内外研究的重点和热点，一些技术成果已初步达到实用化程度。然而，目前的技术在实际道路环境下仍存在着误警率和漏警率高、驾驶人可接收性差的问题，其主要原因在于行车信息感知算法鲁棒性差、驾驶人意图识别正确率低和预警算法不符合驾驶人操作习惯等。本项目针对上述问题，利用人工神经网络、模式识别等先进技术手段，重点研究复杂环境下的后侧向车辆识别、驾驶人意图识别、基于驾驶人个体特性的宜人化横向安全预警算法等关键技术问题，突破驾驶人个体驾驶特性在线分析，道路环境状况及车辆安全状态实时辨识，以及个人特性自适应式安全预警算法等瓶颈技术，开发能够适用于实际复杂道路环境的，具有较高的鲁棒性、实时性、可接受性和识别精度的汽车横向安全预警技术,提高行车安全性。