基于GMM-CHMM 的城市道路换道行为识别

来源：交通运输系统工程与信息杂志2020年第1期北京时间：

作者：徐婷，温常磊，张香，李宝文，王健，张亚坤

单位：1. 长安大学汽车学院，西安 710064；2. 北京交通大学交通运输学院，北京 100044

摘要：高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一，将车载参数和车辆位置参数相结合，提出一种能够应用到ADAS的城市道路换道行为识别模型. 在西安城市道路环境中进行实验，采集18 位驾驶员的9 个车载实时参数数据，以及前后车辆间的相对速度、相对距离、相对角度，提取412 个换道行为单元和824 个车道保持行为单元，共 88 992 条数据. 运用数理统计方法分析表明，方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异，在这3 个特征参数的基础上，建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型，用部分样本对模型效能评价. 结果表明，混合模型对换道行为的识别精度为93.6%，具有良好的识别效果，可以很好地应用到 ADAS.

关键词：智能交通,换道识别,GMM,CHMM,驾驶行为,主动安全系统

基金资助：国家重点研发计划/National Key Research and Development Program of China(2018YFC0807500)；国家自然科学基金/National Natural Science Foundation of China (51878066)；西安市科技计划项目/Science and Technology Plan Projects of Xi'an(2019218514GXRC021CG022-GXYD21.5).