基于深度学习的驾驶员换道行为预测

• 作者: 惠飞 魏诚
• 来源期刊: 计算机系统应用
• 关键词: 驾驶行为预测 RNNSeq2Seq 深度学习 车道变换
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 专论·综述
• 页码范围: 55-63
• 页数: 9页
• 字数: 5679字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007310

摘要

车道变换在交通安全中起着至关重要的作用,准确预测驾驶员的车道变换行为可以显著提高驾驶安全性.本文提出了一种基于全连接神经网络和循环神经网络的混合神经网络,用于精准预测车道变换行为.并且提出动态时间窗口,提取包括驾驶员生理数据和车辆运动学数据的车道变换特征.最后,通过真实交通场景下的数据验证了所提出模型的有效性.此外,将所提出的模型与五种其他预测模型进行了比较,结果表明,与其他模型相比,本文所提出的预测模型具有更高的精确率和前瞻时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	惠飞	长安大学信息工程学院	46	305	10.0	15.0
2	魏诚	长安大学信息工程学院	2	0	0.0	0.0