支持向量机在换道行为识别中应用的研究.pdfVIP

2013年2月 计算机工程与设计 Feb．2013 第34卷 第2期 COMPUTER ENGINEERING AND DESIGN Vo1．34 No．2 支持向量机在换道行为识别中的应用研究 袁 伟 ，张亚岐，王 畅 (长安大学汽车学院，陕西 西安 710064) 摘 要 ：针对换道预警系统中换道行为识别识别率较低的问题，提出了以实际道路试验所得到的换道样本数据为基础，采 用支持向量机 (SVM)对换道行为进行识别的方法。为进一步提高模型的识别率和缩短识别耗时，对样本数据进行卡尔曼 滤波、归一化处理、主成分分析，利用遗传算法对核参数进行调优。对优化后SVM模型进行训练与测试，测试结果表明： 在 1．2秒时窗下，优化后模型的识别准确率达到 了97 以上，能够满足车载换道预警系统对识别有效率和实时性的要求。 关键词：换道行为；支持向量机；卡尔曼滤波；主成分分析；遗传算法 中图法分类号：TP391 文献标识号：A 文章编号：1000—7024 (2013)02—0643—06 Researchonsupportvectormachineinlane—changebehaviorrecognition YUAN Wei，ZHANG Ya-qi。WANG Chang (SchoolofAutomobile，Chang’anUniversity，Xi’an710064，China) Abstract：Fortherecognitionrateoflanechangingbehaviorin lanechangingwarningsystem islow，lanechangingbehavior identificationmethodbasedonsupportvectormachine(SVM)isproposedandthedatafrom practicalroadtestareastheofunda— tionofthismethod．Tofurtherenhanceidentificationaccuracyandshortenthetimeofidentificationconsuming，thecollectedda— taarefilteredbykalmanfilteringtechnology，datanormalization，principalcomponentanalysis，andtheSVM modelisoptimized withgeneticalgorithm．TheoptimizedSVM modelistrainedandtested，andtheresultshowsthattherecognitionaccuracyofthe optimizedmodelgottO97 whenthewindow isthelengthof1． 2second．Itcanmeetrequirementsofvehicle-mountedlane changingwarningsystem forreal-timeandrecognitioneffectiveness． Keywords：lane-change；supportvectormachine；Kalmanfilter；principalcomponentanalysis；geneticalgorithm 一 种识别精度高、识别耗时短的识别技术成为科研人员关 0 引 言 注的焦点。 换道行为是驾驶员常见的操作行为之一，也是影响到 支持向量机是 目前公认的具有较强泛化能力的识别方 车辆运行安全性的重要因素[1]。安全驾驶辅助系统成为改 法。能够在较短时间内准确识别出驾驶行为。本文以真实 善道路交通环境的重要手段，研究人员已经研制出许多安 道路试验数据为基础，建立支持向量机的换