基于驾驶人视觉特性与车辆运动状态的换道意图识别方法

在变换车道时，当驾驶人对周围环境的观察不够充分，或判断和决策失误时，极易酿成事故。如果能在车道变换前预知驾驶人的操作意图，则可预先对其操作行为进行安全性评估，在危险的酝酿期发出警报，避免事故的发生，并降低不安全驾驶行为对交通流的扰动。本项目拟在真实交通环境下进行实车驾驶试验，监测记录驾驶员换道前各类典型的驾驶行为，采集分析眼睛和头部运动数据，揭示驾驶员换道前在意图反映时窗内对周围环境的视觉搜索规律，确定能反映驾驶员换道意图的视觉特征参数；结合车辆运动状态和驾驶人操作行为在时间轴上的变化特征，并结合周围交通环境状态参数，构建表征驾驶人换道意图的多源指标体系；基于稀疏贝叶斯理论及DHGF四元评价法建立识别机制，对驾驶人换道意图进行识别；并对识别方法的正确率、识别效率以及时序性进行分析。本研究探讨换道意图识别技术的理论与实践，为将其应用于汽车辅助驾驶系统和智能车技术提供方法和技术支撑。

车道变换过程中，如果驾驶人对周围环境的观察不够充分，或判断决策失误，极易酿成事故。现有换道预警系统的开启条件基本以转向灯为信号，实际驾驶过程中转向灯开启率低及开启时间提前量不够，使系统存在漏报及错误报警。如果能在换道开始前提前识别出驾驶人的操作意图，不再单独依靠转向灯信号作为识别依据，则可预先对驾驶人所处环境进行安全性评估，在危险的酝酿期向驾驶人预警，从而降低事故的发生率。. 选取近40名被试驾驶人，在拟定路线上开展真实道路环境下的驾驶试验，采集反映驾驶人行为特性的视觉搜索、操作特性、车辆运动状态及周围环境等相关参数，为进行换道意图识别提供相应的数据支撑。基于对驾驶人换道前后视镜注视特性的深入分析，确定驾驶人车道变换意图表征时窗，分析意图时窗内驾驶人基本注视及扫视参数的变化规律；采用视野平面法划分驾驶人兴趣区域，应用马尔可夫链理论计算驾驶人在不同注视区域间的一步及两步转移概率，提取车道保持阶段与换道意图阶段驾驶人获取外界信息的主要搜索路径，进一步基于马尔可夫链平稳分布，得到不同行驶阶段驾驶人对各区域的注视概率分布差异；结合驾驶人头部转动角度与注视角度的相关性分析及头眼协作模式的探索，综合确定可以有效表征驾驶人换道意图的视觉特征参数；在对车道保持与换道意图阶段车辆运动状态、驾驶人操作特性以及周围环境状态进行深入分析的基础上，确定车辆运动子模块中与驾驶人换道意图及换道行为相关性较强的因素。. 基于证据理论，构建识别框架，确定驾驶人换道意图表征证据链，构造基于广义汉明距离的基本信任分配函数，采用滑动累积时窗，对视觉特性子模块的换道意图进行多证据融合识别；确定待选因子，基于车道保持与意图学习样本建立Logistic模型，据此识别车辆运动子模块所体现的换道意图。驾驶人在当前车道驾驶期望满足度较低是其产生换道意图的根本原因，驾驶人车道变换意图的最佳表征时窗宽约为5s。驾驶人对后视镜的注视特性可以有效体现换道意图，且意图阶段驾驶人对当前车道的关注程度明显低于车道保持阶段。视点小幅度转移条件下，头部转动与注视角度相关性较低，而在视点大幅转移条件下，二者相关性较强，且头部运动比眼睛运动能更早的体现驾驶人换道意图；基于证据理论与Logistic模型均可以有效识别驾驶人的换道意图，识别准确率分别为90.02%与86.07%。