基于危险场景聚类分析的前车随机运动状态预测研究

• 作者: 李克强 李文昌 王班 王进 郭景华 陈涛
• 来源期刊: 汽车工程
• 关键词: 智能驾驶 自然驾驶数据 危险场景聚类 马尔科夫蒙特卡洛模拟 预测
• 年，卷（期）: 2020,（7）
• 页码范围: 847-853,859
• 页数: 8页
• 字数: 5698字
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.07.001

摘要

我国道路情况复杂多变,构建合适的测试场景对汽车智能驾驶系统测试和评价的有效性起着决定性作用.本文中从我国实际道路出发,从自然驾驶数据中提取具有中国特色的典型场景,筛选出自然驾驶数据中危险工况数据片段,基于此提取出汽车智能驾驶系统综合测试的场景特征要素,并利用聚类分析法得到3类典型危险场景.采用马尔可夫链理论表征前车人类驾驶员驾驶车辆的随机运动特性,将聚类得到各场景下的自车数据作为前车历史工况数据,归纳学习得出马氏链转移概率,并通过马尔可夫链蒙特卡洛模拟预测未来时刻的状态,基于此得到危险场景中前车随机运动预测模型,通过对比原始工况数据验证预测模型的有效性,有效解决了由于采集设备精度低导致的前车数据不准、在测试场景中不能准确表征前车人类驾驶员驾驶车辆随机运动的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李克强	清华大学车辆与运载学院	233	4346	35.0	54.0
2	李文昌	厦门大学机电工程系	6	6	2.0	2.0
3	王进	厦门大学机电工程系	8	35	3.0	5.0
4	陈涛		5	25	3.0	5.0
5	郭景华	厦门大学机电工程系	5	78	2.0	5.0
6	王班	厦门大学机电工程系	1	0	0.0	0.0