基于多隐马尔可夫模型的车辆机动行为识别与预测

针对车辆机动行为识别建模中多目标时空依赖关系的不确定性难以表述和刻画的问题,提出了基于多隐马尔可夫模型(M-HMM)的建模方法,对多种因素影响下的道路交通微观态势的时空相关性进行建模,识别和预测交通场景中车辆的机动行为.为了实现对车辆的机动行为识别,使用Baum-Welch算法和前向算法,生成了模型训练和模型评价两类输入数据;采用机动驾驶模拟方法,建立车辆机动行为数据库,提高了HMM的参数学习效率.高速公路的超车实验结果表明,在前方被观察车辆左轮压在车道线这一时刻,车道变换机动预测正确率已达到98.3%,而此前的0.4 s内,正确率约为75%.