随着汽车智能化发展,碰撞危险预警已成为主动安全技术中的重要研究内容。进行碰撞危险预警的关键是对车辆危险驾驶行为如危险换道、危险跟驰等进行高效和准确的识别与分析。基于此,本文以危险跟驰行为作为研究对象,通过对高速公路交通...随着汽车智能化发展,碰撞危险预警已成为主动安全技术中的重要研究内容。进行碰撞危险预警的关键是对车辆危险驾驶行为如危险换道、危险跟驰等进行高效和准确的识别与分析。基于此,本文以危险跟驰行为作为研究对象,通过对高速公路交通流特征参数的分析,提出了考虑行驶速度和车辆碰撞时间(time to collision, TTC)的危险跟驰行为分类标准及标定方法。通过使用前向–后向算法降低计算复杂度并利用Baum-Welch算法进行含隐状态的参数学习,构建了基于隐马尔可夫(HMM)模型的危险跟驰行为识别方法。结果分析和案例验证表明,本文所提出的HMM模型对于危险跟驰行为的识别精度较高,可以用于危险跟驰的碰撞预警,提升道路交通安全。展开更多
文摘随着汽车智能化发展,碰撞危险预警已成为主动安全技术中的重要研究内容。进行碰撞危险预警的关键是对车辆危险驾驶行为如危险换道、危险跟驰等进行高效和准确的识别与分析。基于此,本文以危险跟驰行为作为研究对象,通过对高速公路交通流特征参数的分析,提出了考虑行驶速度和车辆碰撞时间(time to collision, TTC)的危险跟驰行为分类标准及标定方法。通过使用前向–后向算法降低计算复杂度并利用Baum-Welch算法进行含隐状态的参数学习,构建了基于隐马尔可夫(HMM)模型的危险跟驰行为识别方法。结果分析和案例验证表明,本文所提出的HMM模型对于危险跟驰行为的识别精度较高,可以用于危险跟驰的碰撞预警,提升道路交通安全。