考虑相邻车辆行驶信息的车辆自由换道行为识别研究.pdf

摘要

伴随交通事故日益频发，交通安全问题受到了社会各界广泛关注。换道是引发交通

安全事故的重要因素，由换道引发的安全事故占到事故总数的27%。传统基于静态路标、

动态信息推送的警示方法收效甚微。随着计算机技术的快速发展，驾驶辅助系统可以为

解决换道安全问题提供新的途径。

对目标车辆换道行为进行识别，可以为驾驶员提供危险预警，为智能驾驶轨迹规划

提供环境输入，降低事故发生可能性。针对换道行为中识别难度更大的自由换道行为，

本文考虑了相邻车辆对目标车辆的换道影响，将换道行为划分为向左/向右换道以及保

持车道三类。考虑到换道行为识别的实时性和可靠性要求，选用隐马尔科夫模型、随机

森林作为识别方法。论文主要工作包括以下三个方面：

(1)使用隐马尔科夫模型（HiddenMarkovModel,HMM）建立了离散型和连续型隐马

尔科夫换道识别模型，通过识别精度与计算时长对两个模型进行了横向对比。实验证明

连续型隐马尔科夫模型需要更长的计算时间，但拥有更高的识别精度。

(2)针对隐马尔科夫模型参数学习问题中学习结果依赖于初始值的优劣问题，设计了

基于距离的粒子群优化算法优化参数初始值选定，通过对离散型以及连续型HMM的参

数学习效果分析，确定了优化的有效性。

(3)通过随机森林算法建立了换道识别模型，根据时间序列以及离散时间数据的不同

对时间序列森林以及随机森林识别效果进行对比。此外，在适用性以及识别性能上与

HMM进行比较，为未来车辆换道识别研究提供参考。

关键词：换道识别，隐马尔科夫模型，粒子群优化，随机森林，NGSIM数据集

i

Abstract

Withtheincreasingfrequencyoftrafficaccidents,trafficsafetyhasreceivedwidespread

attentionfromallwalksoflife.Lanechangingisanimportantfactorincausingtrafficsafety

accidents,andsafetyaccidentscausedbylanechangingaccountfor27%ofthetotalnumberof

accidents.Thetraditionalwarningmethodsbasedonstaticroadsignsanddynamicinformation

pushhavelittleeffect.Withtherapiddevelopmentofcomputertechnology,driverassistance

systemscanprovidenewwaystosolvetheproblemoflanechangingsafety.

Identifyingthelane-changingbehaviorofthetargetvehiclecanprovidedriverswith

dangerwarnings,provideenvironmentalinputforintelligentdrivingtrajectoryplanning,and

reducethepossibilityofaccidents.Aimingatthefreelane-changingbehavior,whichismore

difficulttoidentifyinthelane-changingbehavior,thispaperconsidersthelane-changingeffect

ofadjacentvehiclesonthetargetvehicle,anddividesthelane-changingbehaviorintothree

categories:left/rightlanechangingandlanekeeping.Consideringthereal-time