汽车工程
汽車工程
기차공정
AUTOMOTIVE ENGINEERING
2014年
3期
316-320
,共5页
马国成%刘昭度%裴晓飞%王宝锋%齐志权
馬國成%劉昭度%裴曉飛%王寶鋒%齊誌權
마국성%류소도%배효비%왕보봉%제지권
驾驶员辅助系统%并线意图识别%模糊支持向量机
駕駛員輔助繫統%併線意圖識彆%模糊支持嚮量機
가사원보조계통%병선의도식별%모호지지향량궤
driver assistant system%cut-in intention identification%fuzzy support vector machines
为检测旁车道车辆驾驶员的并线意图,利用机器学习技术基于模糊支持向量机建立了并线意图识别器.识别器的训练样本由实际交通环境中的车辆并线数据获得,包括主车道与旁车道车辆的7个运动属性,其中对不能直接利用传感器信息获取的属性由Kalman滤波器预估得到.由于在并线初始时刻的并线样本不能有效区别于非并线样本,所以在支持向量机的求解中引入样本模糊隶属度系数以提高并线意图识别器训练的准确性,同时对支持向量机中的参数基于交互检验正确率进行网格优化.在实际交通环境中对并线意图识别器进行了试验,结果表明,识别器工作有效,经过简单处理后的识别结果可有效反映驾驶员的并线意图.
為檢測徬車道車輛駕駛員的併線意圖,利用機器學習技術基于模糊支持嚮量機建立瞭併線意圖識彆器.識彆器的訓練樣本由實際交通環境中的車輛併線數據穫得,包括主車道與徬車道車輛的7箇運動屬性,其中對不能直接利用傳感器信息穫取的屬性由Kalman濾波器預估得到.由于在併線初始時刻的併線樣本不能有效區彆于非併線樣本,所以在支持嚮量機的求解中引入樣本模糊隸屬度繫數以提高併線意圖識彆器訓練的準確性,同時對支持嚮量機中的參數基于交互檢驗正確率進行網格優化.在實際交通環境中對併線意圖識彆器進行瞭試驗,結果錶明,識彆器工作有效,經過簡單處理後的識彆結果可有效反映駕駛員的併線意圖.
위검측방차도차량가사원적병선의도,이용궤기학습기술기우모호지지향량궤건립료병선의도식별기.식별기적훈련양본유실제교통배경중적차량병선수거획득,포괄주차도여방차도차량적7개운동속성,기중대불능직접이용전감기신식획취적속성유Kalman려파기예고득도.유우재병선초시시각적병선양본불능유효구별우비병선양본,소이재지지향량궤적구해중인입양본모호대속도계수이제고병선의도식별기훈련적준학성,동시대지지향량궤중적삼수기우교호검험정학솔진행망격우화.재실제교통배경중대병선의도식별기진행료시험,결과표명,식별기공작유효,경과간단처리후적식별결과가유효반영가사원적병선의도.
