基于危险态势识别的智能车驾驶模式选择

摘要：

人机共驾是智能车发展中必须经历的一个重要阶段,而人机切换时机选择是人机共驾需要解决的一个关键问题.为此,文中以实车实验采集的数据为依据,根据驾驶人经验及经K-均值聚类得出的危险态势等级对驾驶模式选择方式(安全驾驶、进行警示和自动切换)进行了标定.通过引入车速均值、加速度标准差、车头时距、前轮转角标准差、车道偏离量以及驾驶人经验等6项指标作为特征向量,提出了基于径向基核函数序列最小优化算法(SMO)的智能车驾驶模式选择模型.并以决策树、径向基神经网络、支持向量机(SVM)作为对照.研究结果表明,文中提出的基于SMO方法的驾驶模式识别模型的准确率达到91.7％,相较于其他3种识别方法具有较大的优越性.

关键词：智能车、驾驶模式、K-均值聚类、序列最小优化算法、交通安全

所属期刊栏目：44

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家科技支撑计划项目2014BAG01B03;国家自然科学基金资助项目61104158;武汉理工大学教学研究项目2011180Supported by the National Key Technology Research and Development Program of the Ministry of Science and Technology of China2014BAG01B03;the National Natural Science Foundation of China61104158

在线出版日期：2017-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：139-146,154