基于相关向量机的换道安全性评估

针对传统换道预警系统算法存在的准确率和可靠率等问题,利用毫米波雷达、AWS视觉传感器、车载陀螺仪等设备搭建了试验车,在普通高速公路上对19名被试人员进行了实际道路驾驶试验,并从试验数据中筛选出近1 000次换道行为数据。以3段式换道轨迹模型为基础,将横摆角速度统计值作为确定各个阶段曲率半径的依据,根据横摆角速度α=0.05的上侧分位数确定可接受安全域的上限;并以换道持续时间的极大值为基准,通过分析12s以上的换道过程,形成一系列控制点,采用B样条曲线规划确定了可接受安全域的下限。通过利用相关向量机(RVM)模型对换道过程参数进行估计,并利用7次多项式模型对换道轨迹进行拟合,然后将拟合轨迹与可接受安全域上限或者下限所围成面积与可接受安全域面积的比值作为预警参数,实现了对换道安全性的评估。利用真实数据对上述评估算法进行验证,结果表明,所提出的换道安全算法的评估结果能正确反映换道的真实安全性,并且与驾驶人的操作行为具有良好的相关性。

基于相关向量机和方向导数的车辆识别方法

为解决车辆识别过程中图像匹配对数据库大小和灰度梯度值依赖严重的问题,提出一种基于相关向量机和灰度方向导数的车辆识别方法.对图像进行编码,确定图像中车道线的搜索域.根据灰度均值确定网格的属性标签,并采用原图和特征向量的2范数建立相关向量机模型,实现对车辆的分类和定位.对车辆灰度区域进行函数拟合,确定车辆的区域中心,并将满足双阈值的像素点作为车辆轮廓边缘,从而实现对车辆的识别.利用真实道路图像对模型的测试,结果表明,所建模型所需的图像库容量小,识别耗费时间短,准确率高.模型对图像灰度梯度的依赖性小,且通过双阈值能有效剔除伪轮廓点,细化了车辆边缘.

车内ADAS警报声对驾驶人行为的影响

为了揭示车内ADAS警报声对驾驶人操作行为的影响规律,进而设计有警报声和无警报声的对照试验。在模拟器上进行试验,记录18名驾驶人在有警报声和无警报声2种情况下的加速踏板位置、制动踏板位置,并取其平均值进行对比分析。研究结果表明:车内ADAS的警报声会使驾驶人做出不自主的反应操作,但操作行为幅度很小。在车辆加速和减速情况下,驾驶人在接受到警报声后主要通过降低车速来保证行车安全,不同的是,在减速情况下驾驶人对警报声的反应更为保守。研究结果有助于提高ADAS报警方式设置的合理性。