为改善单一预警算法出现的误警率高、漏警率高、预警不及时等问题,避免车道偏离预警系统出现频繁报警、干扰驾驶员操作等情况,提高系统的抗干扰性和适应性,论文提出了一种基于多因素模糊模式识别的驾驶员意图分析方法。结合横向车辆偏...为改善单一预警算法出现的误警率高、漏警率高、预警不及时等问题,避免车道偏离预警系统出现频繁报警、干扰驾驶员操作等情况,提高系统的抗干扰性和适应性,论文提出了一种基于多因素模糊模式识别的驾驶员意图分析方法。结合横向车辆偏离时间TLC(Time to Lane Crossing)和车辆目前位置CCP(Car Current Position)的车道偏离预警算法,同时考虑到驾驶员的驾驶特性,将驾驶员类型、车辆轮胎与车道边界线的距离、跨道时间作为影响车道偏离的因素并进行模糊化处理,设置合理的模糊规则,输出车道偏离程度的模糊评价指数。最后在Matlab中搭建控制模型,并与CARSIM做联合仿真来验证算法。仿真结果表明算法具有较好的实效性。展开更多
文摘为改善单一预警算法出现的误警率高、漏警率高、预警不及时等问题,避免车道偏离预警系统出现频繁报警、干扰驾驶员操作等情况,提高系统的抗干扰性和适应性,论文提出了一种基于多因素模糊模式识别的驾驶员意图分析方法。结合横向车辆偏离时间TLC(Time to Lane Crossing)和车辆目前位置CCP(Car Current Position)的车道偏离预警算法,同时考虑到驾驶员的驾驶特性,将驾驶员类型、车辆轮胎与车道边界线的距离、跨道时间作为影响车道偏离的因素并进行模糊化处理,设置合理的模糊规则,输出车道偏离程度的模糊评价指数。最后在Matlab中搭建控制模型,并与CARSIM做联合仿真来验证算法。仿真结果表明算法具有较好的实效性。