基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法

• 作者: 于扬 华国栋 朱宁 梁军 陈小波 陈龙
• 来源期刊: 中国机械工程
• 关键词: 换道行为预测 高斯混合隐马尔可夫模型 人工神经网络 道路交通事故链阻断
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 机械基础工程
• 页码范围: 2874-2882,2890
• 页数: 10页
• 分类号: U580.70
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2020.23.012

摘要

为了有效降低因驾驶员紧急换道行为而诱发的交通事故,提高道路交通事故链阻断效率,提出一种基于高斯混合隐马尔科夫模型(GMM-HMM)和人工神经网络(ANN)的紧急换道行为预测方法.首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列进行换道意图辨识,采用ANN预测下一时段的驾驶行为,再预测换道过程中的横向加速度变化率,从而判断紧急换道的危险程度.驾驶员在环仿真实验及实车实验结果表明,该方法预测避险成功率达92.83％,实验避险成功率达90.32％.该方法能有效地对紧急换道行为进行提前警告与干预.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁军		34	164	7.0	11.0
2	陈龙		368	3236	25.0	34.0
3	陈小波		20	65	5.0	7.0
4	于扬		2	0	0.0	0.0
5	朱宁		4	6	1.0	2.0
6	华国栋		1	0	0.0	0.0