CN103318181A - 一种驾驶员意图识别方法 - Google Patents

一种驾驶员意图识别方法 Download PDF

Info

Publication number
CN103318181A
CN103318181A CN2013102421104A CN201310242110A CN103318181A CN 103318181 A CN103318181 A CN 103318181A CN 2013102421104 A CN2013102421104 A CN 2013102421104A CN 201310242110 A CN201310242110 A CN 201310242110A CN 103318181 A CN103318181 A CN 103318181A
Authority
CN
China
Prior art keywords
identification module
behavior
data
speed
driving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013102421104A
Other languages
English (en)
Other versions
CN103318181B (zh
Inventor
辛晓帅
冯颉
邹见效
徐红兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201310242110.4A priority Critical patent/CN103318181B/zh
Publication of CN103318181A publication Critical patent/CN103318181A/zh
Application granted granted Critical
Publication of CN103318181B publication Critical patent/CN103318181B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Regulating Braking Force (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明提供了一种驾驶员意图识别方法基于多维离散隐马尔科夫模型提出了双层识别结构，分别识别驾驶员的行为与意图，并且由驾驶员的行为作为输入识别驾驶员的意图，增加了识别的准确性与可靠性。本发明系统通过车辆操作信息和车速，可准确判断出驾驶员当前的操作意图，从而为提升车载安全辅助系统创造条件。

Description

一种驾驶员意图识别方法
技术领域
本发明属于车载识别技术领域，更为具体地讲，涉及一种驾驶员意图识别方法，以实现对驾驶员操控车辆运行意图的识别。
背景技术
要实现汽车安全辅助系统技术，首先就需要对驾驶员的意图进行识别，并对驾驶员的行为进行预测。
在“863计划”中设置的专题“综合交通运输系统与安全技术”中，提出了课题“驾驶行为监控预警技术和装备”，并明确了其研究目标：通过研发异常驾驶状态、违规操作、不良驾驶习惯等监测预警系统与装置，形成驾驶人行为的实时监控技术。而目前的专利或者产品由于不能完全理解或无法实时捕获人的真实意图及变化趋势，当驾驶员因车辆周边环境变化时，此类系统往往会发出与驾驶员意图相异的警报或执行动作，反而使驾驶员注意力分散造成事故。
发明内容
本发明的目的在于克服现有技术的不足，提供一种驾驶员意图识别方法，通过准确识别驾驶员的意图，为汽车辅助控制系统提供支撑。
为实现以上目的，本发明驾驶员意图识别方法，其特征在于，包括以下步骤：
（1）、行为层各隐马尔科夫模型参数的离线训练和优化
1.1）、实验数据的采集
通过车载传感器，针对驾驶员的各种驾驶行为，采集实验数据，包括加速踏板位移、制动踏板位移、方向盘转向角、方向盘转向角速度、横摆角速度；
将加速踏板位移和制动踏板位移作为踏板类数据输入到加速/制动行为识别模块，将方向盘转角、方向盘转向角速度和横摆角速度作为转向角类数据输入到转向/换道行为识别模块中；
1.2）、在加速/制动行为识别模块中，针对正常踩下加速踏板、紧急踩下加速踏板、正常松开加速踏板、紧急松开加速踏板、正常踩下制动踏板、紧急踩下制动踏板、制动踏板松开和踏板无操作等8个与加速/制动操作相关的驾驶行为的踏板类数据，分别进行隐马尔科夫模型参数的离线训练和优化，得到8个驾驶员加速/制动操作相关的驾驶行为的隐马尔科夫模型；
1.3）、在转向/换道行为识别模块中，针对正常换道、紧急换道、保持车道（直线行驶）、正常转向和紧急转向等5个与驾驶员转向操作相关的驾驶行为的转向角类数据分别进行隐马尔科夫模型参数的离线训练和优化，得到5个驾驶员转向操作相关的驾驶行为的隐马尔科夫模型；
（2）、意图层隐马尔科夫模型参数的离线训练和优化
2.1）、实验数据的采集
通过车载传感器，针对驾驶员的不同驾驶意图即超车换道、紧急制动、弯道制动、紧急避障以及坡道起步，采集实验数据，包括加速踏板位移、制动踏板位移、方向盘转向角、方向盘转向角速度、横摆角速度和车速；
2.2）、驾驶行为的识别
将加速踏板位移和制动踏板位移作为踏板类数据输入到加速/制动行为识别模块，将方向盘转角、方向盘转向角速度和横摆角速度作为转向角类数据输入到转向/换道行为识别模块中，将车速输入车速等级识别模块中；
加速/制动行为识别模块以及转向/换道行为识别模块中，分别与步骤（1）各自识别模块得到的各个驾驶行为的隐马尔科夫模型进行似然度计算，似然度最大的模型代表的驾驶行为即为当前驾驶行为；
2.3）、基于加速/制动行为识别模块以及转向/换道行为识别模块对驾驶行为的识别结果以及车速输入车速等级识别模块对车速等级的识别结果，组成各驾驶意图的数据集，选取一段时间识别结果构成的数据集，对意图层隐马尔科夫模型参数进行离线训练和优化，得到5个驾驶意图的隐马尔科夫模型；
（3）、驾驶员意图识别
在步骤（1）、（2）的基础上，将实时采集的加速踏板位移和制动踏板位移作为踏板类数据输入到加速/制动行为识别模块，方向盘转角、方向盘转向角速度和横摆角速度作为转向角类数据输入到转向/换道行为识别模块中，将车速输入车速等级识别模块
行为层三个识别模块的识别结果即基于加速/制动行为识别模块以及转向/换道行为识别模块对驾驶行为的识别结果以及车速输入车速等级识别模块对车速等级的识别结果综合起来，组成驾驶行为的识别结果序列，并作为意图层识别模型的观察序列Oin送入到意图层，然后分别与步骤（2）得到的5个驾驶意图的隐马尔科夫模型进行似然度计算，似然度最大的模型代表的驾驶意图即为当前的驾驶意图。
本发明的目的是这样实现的：
本发明驾驶员意图识别方法基于多维离散隐马尔科夫模型提出了双层识别结构，分别识别驾驶员的行为与意图，并且由驾驶员的行为作为输入识别驾驶员的意图，增加了识别的准确性与可靠性。本发明系统通过车辆操作信息和车速，可准确判断出驾驶员当前的操作意图，从而为提升车载安全辅助系统创造条件。
附图说明
图1是本发明驾驶意图识别方法结构图；
图2是行为层识别模型结构图；
图3是意图层识别模型结构图；
图4是数据处理流程；
图5是紧急避障+弯道制动踏板操作曲线图；
图6是紧急避障+弯道制动方向盘操作曲线图；
图7是紧急避障+弯道制动车速曲线图；
图8是紧急避障+弯道制动行为层在线识别结果图；
图9是紧急避障+弯道制动意图层在线识别结果图；
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
本发明首先实验数据建立双层隐马尔科夫识别模型，然后上层隐马尔科夫模型对驾驶意图进行识别，下层隐马尔科夫模型对驾驶行为进行识别。上层隐马尔科夫模型将下层隐马尔科夫模型对一段时间内的驾驶行为识别结果作为观察序列，进一步对驾驶意图进行识别。
由于采集到的部分数据默认的单位不易于直观的理解和观察，因此各个步骤采集的数据首先进行单位的转换，即将转向角、转向角速度和横摆角速度从弧度制转换成角度制，车速从m/s转换成km/h，并将数据分为踏板类数据、转向角类数据和速度3大类，便于之后输入到三个识别子模块中进行。其次采用改进的Nair检验法，剔除各数据的异常数据段。
1、行为层各隐马尔科夫模型的建立
本发明首先通过车载传感器，针对驾驶员各种驾驶行为，采集实验数据，包括加速踏板位移、制动踏板位移、方向盘转向角、方向盘转向角速度、横摆角速度和车速，分别存入不同的识别模型数据库中。
1.1、加速/制动行为识别模块
将采集到的加速踏板位移和制动踏板位移数据作为加速/制动行为识别模型的观察序列，针对正常踩下加速踏板、紧急踩下加速踏板、正常松开加速踏板、紧急松开加速踏板、正常踩下制动踏板、紧急踩下制动踏板、制动踏板松开和踏板无操作等8个与加速/制动操作相关的驾驶行为的踏板类数据即观测序列，分别进行隐马尔科夫模型参数的离线训练和优化，得到8个驾驶员加速/制动操作相关的驾驶行为的隐马尔科夫模型。观察序列可用向量形式来表示：
Oab={ap(t),bp(t)}   （1）
其中，ap(t)为加速踏板位移，bp(t)为制动踏板位移。
1.2、转向/换道行为识别模块
将采集到的方向盘转向角、方向盘转向角速度和横摆角速度数据作为转向/换道行为识别模型的观察序列。针对正常换道、紧急换道、保持车道（直线行驶）、正常转向和紧急转向等5个与驾驶员转向操作相关的驾驶行为的转向角类数据即观测序列分别进行隐马尔科夫模型参数的离线训练和优化，得到5个驾驶员转向操作相关的驾驶行为的隐马尔科夫模型。观察序列可表示为：
Otc={sa(t),sr(t),yr(t)}   （2）
其中，sa(t)为方向盘转向角，sr(t)为方向盘转向角速度，yr(t)为横摆角速度。
在本实施例中，完成各驾驶行为识别模型即隐马尔科夫模型参数的离线训练和优化，采用交叉验证的思想，对于每个驾驶行为进行多次数据采集，一部分进行用于离线训练，剩余的数据用于验证。对于各识别模型的离线训练，输入观察序列经过离线训练后得到识别模型参数。在得到所有识别模型的参数后，再从各识别模型中选取数据组，计算各识别模型产生该观察序列的似然度，似然度最大的模型代表的驾驶行为，即为识别出的当前驾驶行为。通过修改模型的可变参数，进行多次离线训练和验证，得到不同的识别结果，并通过识别率对比，选取最好的模型参数。
2、意图层隐马尔科夫模型参数的离线训练和优化
在本发明中，将驾驶意图分为超车换道、紧急制动、弯道制动、紧急避障和坡道起步。针对驾驶员的不同驾驶意图采集实验数据。然后进行驾驶行为的识别和车速等级的识别，组成各驾驶意图的数据集，选取的数据集对进行意图层隐马尔科夫模型参数进行离线训练和优化，得到5个驾驶意图的隐马尔科夫模型。
将一段时间序列内行为层的识别结果数据集作为一个多维离散的观察序列送入到意图层进行识别，观察序列可表示为：
Oin={ab(t),tc(t),v(t)}   （3）
其中，ab(t)为加速/制动识别模块的识别结果；tc(t)为转向/换道识别模块的识别结果；v(t)为速度等级。同样，对于每个驾驶意图进行多次数据采集，一部分进行用于离线训练，剩余的数据用于验证。优化和验证思想同驾驶行为的优化和验证相同。
实例
针对总质量1296kg，绕Z轴转动惯量1750kgm2，轴距2.57m，质心到前轴的距离1.25m，质心到后轴的距离1.32m，前轮距1.405m，后轮距1.399m，质心高度0.45m，车轮半径0.326m的四驱电动车进行验证。车速由0km/h增加到13km/h，同时完成紧急壁障和弯道制动，路面摩擦系数设为u=0.7，该路面摩擦系数为干燥柏油路面的正常摩擦系数。
图1所示，驾驶意图识别首先采集所需的各类驾驶行为数据，进行数据预处理之后，对各数据段选择特征值，并利用特征值进行异常数据的剔除，并利用聚类算法确定各驾驶行为的特征值的限值，将所有数据组分成各驾驶行为的数据集；再次，基于各驾驶行为的数据集，选取数据组对行为层各隐马尔科夫模型进行参数的离线训练，并进行识别模型的参数优化；最后，基于各驾驶行为的识别结果，组成各驾驶意图的数据集，选取的数据组对意图层各隐马尔科夫模型进行参数的离线训练和参数优化。
图2为行为层识别模型，采集的到数据分成3组，组成3个观察序列。其中，加速踏板位移和制动踏板位移数据输入到加速/制动行为识别模块，计算8个模型的似然度，似然度最大的模型代表的驾驶行为即为当前驾驶行为（如正常踩下加速踏板；紧急踩下加速踏板；正常松开加速踏板；紧急松开加速踏板；正常踩下制动踏板；紧急踩下制动踏板；松开制动踏板；踏板无操作）；同理，方向盘转角、方向盘转向角速度和横摆角速度数据输入到转向/换道行为识别模块中，速度数据输入到速度等级识别模块中，分别得出当前转向行为（如正常换道；紧急换道；直线行驶；正常转向；紧急转向；）和车速等级，三个识别模块可以同时、分线程进行，提高了识别效率。经过一定的识别周期之后，每一个识别模块得到多个驾驶行为的识别结果，组成一定的序列，将三个识别模块的识别序列综合起来，就得到了这段时间以内的驾驶行为识别序列。
图3所示，首先将一段时间内行为层三个识别模块的识别结果综合起来，组成驾驶行为的识别结果序列，作为意图层识别模型的观察序列Oin，送入到意图识别模型中，根据式分别计算出5个模型产生Oin的似然度，似然度最大的模型所代表的驾驶意图即为当前的驾驶意图（如超车换道；紧急制动；弯道制动；紧急避障；坡道起步）。
图4所示，由于采集到的部分数据默认的单位不易于直观的理解和观察，因此采集数据之后首先进行单位的转换，将转向角和转向角速度从弧度制转换成角度制，速度从m/s转换成km/h，并将数据分成3大类，踏板类数据、转向角类数据和速度，便于之后输入到三个识别子模块中进行识别。其次将各数据组里的每个数据进行分段，每一个时段的数据代表驾驶员一段时间内的驾驶行为。针对每个数据段，选取某一个数据量作为特征参数，采用改进的Nair算法，剔除每个数据段里的异常数据。最后利用k-means算法，对某类操作行为进行紧急/正常操作的划分，得到各操作行为特征量的临界值。
从图5、图6和图7可以看出，电动车在超车换道，速度可以达到53km/h，驾驶员快速打方向盘并快速打到反方向，反复进行这个操作，保证电动车超车。
图8是对驾驶行为的识别结果，为验证行为层在线识别的正确性，提取各行为识别周期内踏板数据的特征值、最大转向角和最大转向角速度，根据各操作行为特征值的限值。对于纵向行为的识别，在0～0.72s和1.36～2.16s时，加速踏板踩下的变化率为0～8%，属于正常踩下加速踏板；在0.72～1.36s和2.16～2.64s时，加速踏板松开的变化率为0～10%，属于正常松开加速踏板，识别结果正确。
对于横向行为的识别，在0～0.56s时，最大转向角和最大转向角速度变化范围为6～56deg和97～164deg/s，为正常换道；在0.56～0.8s时，最大转向角和最大转向角速度变化范围为58～61deg和-72～48deg/s，为紧急换道；在0.8～2s时，最大转向角和最大转向角速度变化范围为-54～54deg和-112～-34deg/s，为正常换道；在2～2.08s时，最大转向角和最大转向角速度变化为-58.4507deg和-45.3594deg/s，为紧急换道；在2.08～2.64s时，最大转向角和最大转向角速度变化范围为-52～-1deg和28～137deg/s，为正常换道，识别结果正确。
对于速度等级的识别，在0～2.64s时速度范围为52～54km/h，识别结果正确。因此，对于这2.64s内的各驾驶行为识别全部正确。
意图层对于这段时间内驾驶行为序列的识别结果如图9所示，识别模型在0.48s后识别结果均为“超车换道”，识别结果正确。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种驾驶员意图识别方法，其特征在于，包括以下步骤：
（1）、行为层各隐马尔科夫模型参数的离线训练和优化
1.1）、实验数据的采集
通过车载传感器，针对驾驶员的各种驾驶行为，采集实验数据，包括加速踏板位移、制动踏板位移、方向盘转向角、方向盘转向角速度、横摆角速度；
将加速踏板位移和制动踏板位移作为踏板类数据输入到加速/制动行为识别模块，将方向盘转角、方向盘转向角速度和横摆角速度作为转向角类数据输入到转向/换道行为识别模块中；
1.2）、在加速/制动行为识别模块中，针对正常踩下加速踏板、紧急踩下加速踏板、正常松开加速踏板、紧急松开加速踏板、正常踩下制动踏板、紧急踩下制动踏板、制动踏板松开和踏板无操作等8个与加速/制动操作相关的驾驶行为的踏板类数据，分别进行隐马尔科夫模型参数的离线训练和优化，得到8个驾驶员加速/制动操作相关的驾驶行为的隐马尔科夫模型；
1.3）、在转向/换道行为识别模块中，针对正常换道、紧急换道、保持车道（直线行驶）、正常转向和紧急转向等5个与驾驶员转向操作相关的驾驶行为的转向角类数据分别进行隐马尔科夫模型参数的离线训练和优化，得到5个驾驶员转向操作相关的驾驶行为的隐马尔科夫模型；
（2）、意图层隐马尔科夫模型参数的离线训练和优化
2.1）、实验数据的采集
通过车载传感器，针对驾驶员的不同驾驶意图即超车换道、紧急制动、弯道制动、紧急避障以及坡道起步，采集实验数据，包括加速踏板位移、制动踏板位移、方向盘转向角、方向盘转向角速度、横摆角速度和车速；
2.2）、驾驶行为
将加速踏板位移和制动踏板位移作为踏板类数据输入到加速/制动行为识别模块，将方向盘转角、方向盘转向角速度和横摆角速度作为转向角类数据输入到转向/换道行为识别模块中，将车速输入车速等级识别模块中；
加速/制动行为识别模块以及转向/换道行为识别模块中，分别与步骤（1）各自识别模块得到的各个驾驶行为的隐马尔科夫模型进行似然度计算，似然度最大的模型代表的驾驶行为即为当前驾驶行为；
2.3）、基于加速/制动行为识别模块以及转向/换道行为识别模块对驾驶行为的识别结果以及车速输入车速等级识别模块对车速等级的识别结果，组成各驾驶意图的数据集，选取一段时间识别结果构成的数据集，对意图层隐马尔科夫模型参数进行离线训练和优化，得到5个驾驶意图的隐马尔科夫模型；
（3）、驾驶员意图识别
在步骤（1）、（2）的基础上，将实时采集的加速踏板位移和制动踏板位移作为踏板类数据输入到加速/制动行为识别模块，方向盘转角、方向盘转向角速度和横摆角速度作为转向角类数据输入到转向/换道行为识别模块中，将车速输入车速等级识别模块
行为层三个识别模块的识别结果即基于加速/制动行为识别模块以及转向/换道行为识别模块对驾驶行为的识别结果以及车速输入车速等级识别模块对车速等级的识别结果综合起来，组成驾驶行为的识别结果序列，并作为意图层识别模型的观察序列Oin送入到意图层，然后分别与步骤（2）得到的5个驾驶意图的隐马尔科夫模型进行似然度计算，似然度最大的模型代表的驾驶意图即为当前的驾驶意图。
2.根据权利要求1所述的驾驶员意图识别方法，其特征在于，各个步骤采集的数据首先进行单位的转换，即将转向角、转向角速度和横摆角速度从弧度制转换成角度制，车速从m/s转换成km/h，然后，采用改进的Nair检验法，剔除各数据的异常数据段。
3.根据权利要求1所述的驾驶员意图识别方法，其特征在于，对于每个驾驶行为进行多次数据采集，一部分进行用于离线训练，剩余的数据用于验证。对于各识别模型的离线训练，输入观察序列经过离线训练后得到识别模型参数。在得到所有识别模型的参数后，再从各识别模型中选取数据组，计算各识别模型产生该观察序列的似然度，似然度最大的模型代表的驾驶行为，即为识别出的当前驾驶行为。通过修改模型的可变参数，进行多次离线训练和验证，得到不同的识别结果，并通过识别率对比，选取最好的模型参数。
CN201310242110.4A 2013-06-19 2013-06-19 一种驾驶员意图识别方法 Expired - Fee Related CN103318181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310242110.4A CN103318181B (zh) 2013-06-19 2013-06-19 一种驾驶员意图识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310242110.4A CN103318181B (zh) 2013-06-19 2013-06-19 一种驾驶员意图识别方法

Publications (2)

Publication Number Publication Date
CN103318181A true CN103318181A (zh) 2013-09-25
CN103318181B CN103318181B (zh) 2015-07-15

Family

ID=49187317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310242110.4A Expired - Fee Related CN103318181B (zh) 2013-06-19 2013-06-19 一种驾驶员意图识别方法

Country Status (1)

Country Link
CN (1) CN103318181B (zh)

Cited By (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103640532A (zh) * 2013-11-29 2014-03-19 大连理工大学 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法
CN104494600A (zh) * 2014-12-16 2015-04-08 电子科技大学 一种基于svm算法的驾驶员意图识别方法
CN104537209A (zh) * 2014-12-09 2015-04-22 上海交通大学 基于隐马尔科夫模型的车辆行驶道路类型的判断方法
CN105034986A (zh) * 2015-06-10 2015-11-11 辽宁工业大学 一种驾驶员转向特性在线辨识方法及装置
CN105313864A (zh) * 2015-11-11 2016-02-10 吉林大学 一种基于反馈控制的商用汽车半挂车制动力分配方法
CN105774811A (zh) * 2014-08-13 2016-07-20 现代自动车株式会社 使用转向度控制车辆的系统和方法
CN106203626A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 汽车驾驶行为检测方法及装置、汽车
CN106971194A (zh) * 2017-02-16 2017-07-21 江苏大学 一种基于改进hmm和svm双层算法的驾驶意图识别方法
CN107132840A (zh) * 2017-05-03 2017-09-05 厦门大学 一种越野电驱动无人车辆纵/横/垂拟人化协同控制方法
CN107150690A (zh) * 2017-01-09 2017-09-12 石家庄铁道大学 一种基于道路标线的驾驶疲劳预警方法
CN107323459A (zh) * 2017-06-23 2017-11-07 东风商用车有限公司 一种驾驶员行为识别传感装置及其识别方法
CN108068574A (zh) * 2016-11-11 2018-05-25 郑州宇通客车股份有限公司 车辆大负荷加速起步状态判断及空调控制的方法和装置
CN108068575A (zh) * 2016-11-11 2018-05-25 郑州宇通客车股份有限公司 一种车辆空调压缩机控制系统和方法
CN108081899A (zh) * 2016-11-11 2018-05-29 郑州宇通客车股份有限公司 一种车辆超车急加速状态判断及空调控制的方法和装置
CN108657176A (zh) * 2017-04-01 2018-10-16 华为技术有限公司 车辆控制方法、装置及相关计算机程序产品
CN108995655A (zh) * 2018-07-06 2018-12-14 北京理工大学 一种驾驶员驾驶意图识别方法及系统
CN108995653A (zh) * 2018-07-06 2018-12-14 北京理工大学 一种驾驶员驾驶风格识别方法及系统
CN109050537A (zh) * 2018-08-01 2018-12-21 合肥工业大学 一种复合驾驶意图识别方法
CN109177982A (zh) * 2018-10-31 2019-01-11 吉林大学 考虑驾驶风格的车辆行驶危险度评价方法
CN109404045A (zh) * 2018-11-19 2019-03-01 华能伊敏煤电有限责任公司 采矿车辆的违规操作识别方法及系统
CN109471436A (zh) * 2018-11-09 2019-03-15 上海理工大学 基于混合高斯-隐马尔科夫模型的换道模型参数优化方法
CN109657285A (zh) * 2018-11-27 2019-04-19 中国科学院空间应用工程与技术中心 汽轮机转子瞬态应力的检测方法
CN109733393A (zh) * 2019-02-26 2019-05-10 浙江吉利汽车研究院有限公司 一种防止自适应巡航车自动冲出的控制方法、装置及设备
CN109747633A (zh) * 2019-03-04 2019-05-14 重庆交通大学 营运车辆高速状态下异常转向主动控制系统及控制方法
CN109878530A (zh) * 2019-02-28 2019-06-14 中国第一汽车股份有限公司 识别车辆侧向行驶工况的方法和系统
CN109878519A (zh) * 2019-04-01 2019-06-14 南京航空航天大学 一种分布式电驱动汽车拥堵跟随控制系统和方法
CN110103956A (zh) * 2019-05-16 2019-08-09 北方工业大学 一种无人车自动超车轨迹规划方法
CN110103968A (zh) * 2019-05-16 2019-08-09 北方工业大学 一种基于三维激光雷达的无人车自主超车轨迹规划系统
CN110293903A (zh) * 2019-07-04 2019-10-01 中国第一汽车股份有限公司 一种车辆转向灯控制方法、装置、设备及存储介质
CN110379203A (zh) * 2019-06-21 2019-10-25 江苏大学 一种行车转向碰撞预警方法
CN110386144A (zh) * 2019-06-19 2019-10-29 长安大学 一种对驾驶人制动意图进行辨识的ghmm/ggap-rbf混合模型及辨识方法
CN110569783A (zh) * 2019-09-05 2019-12-13 吉林大学 一种驾驶人换道意图识别方法及系统
CN110626339A (zh) * 2019-07-10 2019-12-31 聊城大学 基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法
CN110852281A (zh) * 2019-11-13 2020-02-28 吉林大学 基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法
CN111332362A (zh) * 2020-03-10 2020-06-26 吉林大学 一种融合驾驶员个性的智能线控转向控制方法
CN111547028A (zh) * 2020-04-20 2020-08-18 江苏大学 一种考虑制动意图的制动强度模糊识别方法
CN111767933A (zh) * 2019-05-17 2020-10-13 北京京东尚科信息技术有限公司 一种识别车辆行驶状态的方法和装置
CN112002126A (zh) * 2020-09-02 2020-11-27 中国科学技术大学 复杂场景下车辆长期轨迹预测方法及系统
CN113065527A (zh) * 2021-05-07 2021-07-02 河南科技大学 一种抗环境干扰的驾驶意图在线辨识方法
CN113460059A (zh) * 2021-08-16 2021-10-01 吉林大学 一种基于智能方向盘的驾驶人驾驶积极性辨识装置及方法
US11222530B2 (en) 2017-05-27 2022-01-11 Huawei Technologies Co., Ltd. Driving intention determining method and apparatus
CN115131874A (zh) * 2022-06-29 2022-09-30 深圳市神州云海智能科技有限公司 一种用户行为识别预测方法、系统及智能安全帽
CN115817502A (zh) * 2023-02-14 2023-03-21 天津所托瑞安汽车科技有限公司 右侧超车识别方法、装置、终端及存储介质
CN116340840A (zh) * 2023-02-15 2023-06-27 华中科技大学 一种基于ga-pso-hmm识别驾驶意图的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1898115A (zh) * 2003-12-26 2007-01-17 丰田自动车株式会社 车辆集成控制系统
US20070136040A1 (en) * 2005-12-14 2007-06-14 Tate Edward D Jr Method for assessing models of vehicle driving style or vehicle usage model detector
CN1986306A (zh) * 2005-12-22 2007-06-27 日产自动车株式会社 车辆用驾驶操作辅助装置以及具备它的车辆
CN101786456A (zh) * 2010-03-02 2010-07-28 武汉理工大学 驾驶员换道意图识别系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1898115A (zh) * 2003-12-26 2007-01-17 丰田自动车株式会社 车辆集成控制系统
US20070136040A1 (en) * 2005-12-14 2007-06-14 Tate Edward D Jr Method for assessing models of vehicle driving style or vehicle usage model detector
CN1986306A (zh) * 2005-12-22 2007-06-27 日产自动车株式会社 车辆用驾驶操作辅助装置以及具备它的车辆
CN101786456A (zh) * 2010-03-02 2010-07-28 武汉理工大学 驾驶员换道意图识别系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王畅: "基于隐形马尔科夫模型的驾驶员意图辨识方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 10, 15 October 2011 (2011-10-15) *

Cited By (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103640532A (zh) * 2013-11-29 2014-03-19 大连理工大学 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法
CN105774811A (zh) * 2014-08-13 2016-07-20 现代自动车株式会社 使用转向度控制车辆的系统和方法
CN105774811B (zh) * 2014-08-13 2019-09-20 现代自动车株式会社 使用转向度控制车辆的系统和方法
CN104537209B (zh) * 2014-12-09 2017-04-05 上海交通大学 基于隐马尔科夫模型的车辆行驶道路类型的判断方法
CN104537209A (zh) * 2014-12-09 2015-04-22 上海交通大学 基于隐马尔科夫模型的车辆行驶道路类型的判断方法
CN104494600A (zh) * 2014-12-16 2015-04-08 电子科技大学 一种基于svm算法的驾驶员意图识别方法
CN104494600B (zh) * 2014-12-16 2016-11-02 电子科技大学 一种基于svm算法的驾驶员意图识别方法
CN105034986A (zh) * 2015-06-10 2015-11-11 辽宁工业大学 一种驾驶员转向特性在线辨识方法及装置
CN105034986B (zh) * 2015-06-10 2018-02-09 辽宁工业大学 一种驾驶员转向特性在线辨识方法及装置
CN105313864A (zh) * 2015-11-11 2016-02-10 吉林大学 一种基于反馈控制的商用汽车半挂车制动力分配方法
CN105313864B (zh) * 2015-11-11 2018-08-17 吉林大学 一种基于反馈控制的商用汽车半挂车制动力分配方法
CN106203626A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 汽车驾驶行为检测方法及装置、汽车
CN108068574A (zh) * 2016-11-11 2018-05-25 郑州宇通客车股份有限公司 车辆大负荷加速起步状态判断及空调控制的方法和装置
CN108068575A (zh) * 2016-11-11 2018-05-25 郑州宇通客车股份有限公司 一种车辆空调压缩机控制系统和方法
CN108081899A (zh) * 2016-11-11 2018-05-29 郑州宇通客车股份有限公司 一种车辆超车急加速状态判断及空调控制的方法和装置
CN107150690A (zh) * 2017-01-09 2017-09-12 石家庄铁道大学 一种基于道路标线的驾驶疲劳预警方法
CN106971194B (zh) * 2017-02-16 2021-02-12 江苏大学 一种基于改进hmm和svm双层算法的驾驶意图识别方法
CN106971194A (zh) * 2017-02-16 2017-07-21 江苏大学 一种基于改进hmm和svm双层算法的驾驶意图识别方法
CN108657176A (zh) * 2017-04-01 2018-10-16 华为技术有限公司 车辆控制方法、装置及相关计算机程序产品
CN107132840B (zh) * 2017-05-03 2019-12-10 厦门大学 一种越野电驱动无人车辆纵/横/垂拟人化协同控制方法
CN107132840A (zh) * 2017-05-03 2017-09-05 厦门大学 一种越野电驱动无人车辆纵/横/垂拟人化协同控制方法
US11222530B2 (en) 2017-05-27 2022-01-11 Huawei Technologies Co., Ltd. Driving intention determining method and apparatus
CN107323459A (zh) * 2017-06-23 2017-11-07 东风商用车有限公司 一种驾驶员行为识别传感装置及其识别方法
CN107323459B (zh) * 2017-06-23 2023-09-12 东风商用车有限公司 一种驾驶员意图识别传感器装置的识别方法
CN108995653A (zh) * 2018-07-06 2018-12-14 北京理工大学 一种驾驶员驾驶风格识别方法及系统
CN108995655A (zh) * 2018-07-06 2018-12-14 北京理工大学 一种驾驶员驾驶意图识别方法及系统
CN109050537A (zh) * 2018-08-01 2018-12-21 合肥工业大学 一种复合驾驶意图识别方法
CN109177982A (zh) * 2018-10-31 2019-01-11 吉林大学 考虑驾驶风格的车辆行驶危险度评价方法
CN109177982B (zh) * 2018-10-31 2020-05-08 吉林大学 考虑驾驶风格的车辆行驶危险度评价方法
CN109471436A (zh) * 2018-11-09 2019-03-15 上海理工大学 基于混合高斯-隐马尔科夫模型的换道模型参数优化方法
CN109404045A (zh) * 2018-11-19 2019-03-01 华能伊敏煤电有限责任公司 采矿车辆的违规操作识别方法及系统
CN109657285A (zh) * 2018-11-27 2019-04-19 中国科学院空间应用工程与技术中心 汽轮机转子瞬态应力的检测方法
CN109733393A (zh) * 2019-02-26 2019-05-10 浙江吉利汽车研究院有限公司 一种防止自适应巡航车自动冲出的控制方法、装置及设备
CN109878530A (zh) * 2019-02-28 2019-06-14 中国第一汽车股份有限公司 识别车辆侧向行驶工况的方法和系统
CN109747633A (zh) * 2019-03-04 2019-05-14 重庆交通大学 营运车辆高速状态下异常转向主动控制系统及控制方法
CN109878519A (zh) * 2019-04-01 2019-06-14 南京航空航天大学 一种分布式电驱动汽车拥堵跟随控制系统和方法
CN110103956A (zh) * 2019-05-16 2019-08-09 北方工业大学 一种无人车自动超车轨迹规划方法
CN110103968A (zh) * 2019-05-16 2019-08-09 北方工业大学 一种基于三维激光雷达的无人车自主超车轨迹规划系统
CN111767933A (zh) * 2019-05-17 2020-10-13 北京京东尚科信息技术有限公司 一种识别车辆行驶状态的方法和装置
CN110386144B (zh) * 2019-06-19 2020-09-08 长安大学 一种对驾驶人制动意图进行辨识的ghmm/ggap-rbf混合模型及辨识方法
CN110386144A (zh) * 2019-06-19 2019-10-29 长安大学 一种对驾驶人制动意图进行辨识的ghmm/ggap-rbf混合模型及辨识方法
CN110379203A (zh) * 2019-06-21 2019-10-25 江苏大学 一种行车转向碰撞预警方法
CN110379203B (zh) * 2019-06-21 2021-08-03 江苏大学 一种行车转向碰撞预警方法
CN110293903A (zh) * 2019-07-04 2019-10-01 中国第一汽车股份有限公司 一种车辆转向灯控制方法、装置、设备及存储介质
CN110626339A (zh) * 2019-07-10 2019-12-31 聊城大学 基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法
CN110569783B (zh) * 2019-09-05 2022-03-25 吉林大学 一种驾驶人换道意图识别方法及系统
CN110569783A (zh) * 2019-09-05 2019-12-13 吉林大学 一种驾驶人换道意图识别方法及系统
CN110852281A (zh) * 2019-11-13 2020-02-28 吉林大学 基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法
CN110852281B (zh) * 2019-11-13 2022-05-17 吉林大学 基于高斯混合隐马尔科夫模型的驾驶员换道意图识别方法
CN111332362A (zh) * 2020-03-10 2020-06-26 吉林大学 一种融合驾驶员个性的智能线控转向控制方法
CN111332362B (zh) * 2020-03-10 2021-06-25 吉林大学 一种融合驾驶员个性的智能线控转向控制方法
CN111547028B (zh) * 2020-04-20 2021-07-20 江苏大学 一种考虑制动意图的制动强度模糊识别方法
CN111547028A (zh) * 2020-04-20 2020-08-18 江苏大学 一种考虑制动意图的制动强度模糊识别方法
CN112002126A (zh) * 2020-09-02 2020-11-27 中国科学技术大学 复杂场景下车辆长期轨迹预测方法及系统
CN113065527A (zh) * 2021-05-07 2021-07-02 河南科技大学 一种抗环境干扰的驾驶意图在线辨识方法
CN113065527B (zh) * 2021-05-07 2022-11-18 河南科技大学 一种抗环境干扰的驾驶意图在线辨识方法
CN113460059A (zh) * 2021-08-16 2021-10-01 吉林大学 一种基于智能方向盘的驾驶人驾驶积极性辨识装置及方法
CN113460059B (zh) * 2021-08-16 2022-08-26 吉林大学 一种基于智能方向盘的驾驶人驾驶积极性辨识装置及方法
CN115131874A (zh) * 2022-06-29 2022-09-30 深圳市神州云海智能科技有限公司 一种用户行为识别预测方法、系统及智能安全帽
CN115131874B (zh) * 2022-06-29 2023-10-17 深圳市神州云海智能科技有限公司 一种用户行为识别预测方法、系统及智能安全帽
CN115817502A (zh) * 2023-02-14 2023-03-21 天津所托瑞安汽车科技有限公司 右侧超车识别方法、装置、终端及存储介质
CN116340840A (zh) * 2023-02-15 2023-06-27 华中科技大学 一种基于ga-pso-hmm识别驾驶意图的方法

Also Published As

Publication number Publication date
CN103318181B (zh) 2015-07-15

Similar Documents

Publication Publication Date Title
CN103318181B (zh) 一种驾驶员意图识别方法
CN110155046B (zh) 自动紧急制动分级控制方法与系统
CN105000019A (zh) 用于检测、追踪和估计静止的路边物体的方法和系统
CN106240571B (zh) 驾驶行为分析方法和装置
CN105788360B (zh) 一种车辆防碰撞的方法、装置和系统
CN106740864A (zh) 一种驾驶行为意图判断与预测方法
CN106157696A (zh) 基于车‑车通信的自车主动避让系统和避让方法
CN111645682B (zh) 一种巡航控制方法、系统及车辆
CN103946715B (zh) 声源检测系统
CN108189763A (zh) 一种分析驾驶员驾驶行为的方法及专用智能车载后视镜
CN104691545A (zh) 适应性车辆防碰撞方法
CN110723141A (zh) 一种车辆主动避撞系统及其避撞方式切换方法
CN103164962A (zh) 一种山区公路急弯路段实时车速预警方法
CN103921719A (zh) 驾驶员交互式商用车辆侧翻预警方法和系统
CN103927895A (zh) 一种基于车路/车车通讯的车辆弯道通行辅助系统
CN109131312A (zh) 一种智能电动汽车acc/esc集成控制系统及其方法
CN102795225A (zh) 利用驾驶员侧纵向控制模型检测驾驶员干扰状态的方法
CN103578227A (zh) 基于gps定位信息的疲劳驾驶检测方法
CN106956680B (zh) 一种电动汽车驾驶行为识别分析方法
CN106097709A (zh) 基于智能车载终端的驾驶行为识别方法
CN104080683A (zh) 减速因素推定装置以及驾驶辅助装置
CN106781435A (zh) 一种基于无线通信的非信控交叉路口车辆编队通行方法
CN112530201B (zh) 一种智能车交叉口右转换道间隙选择方法及装置
CN108806018A (zh) 一种数据处理方法、数据处理设备和智能汽车
CN105046070A (zh) 带有转弯特性的城市综合工况构建方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150715

Termination date: 20190619

CF01 Termination of patent right due to non-payment of annual fee