基于条件随机场的驾驶行为识别研究

赵岩 陈焕明 王亚伦

摘要：  为深入研究驾驶员驾驶行为特性，减少驾驶辅助系统与驾驶员的控制冲突，本文基于条件随机场（conditional random field， CRF）算法，搭建了驾驶员驾驶行为识别模型。利用NI Phar Lap ETS实时操作系统，搭建车道保持辅助控制试验平台，在试验平台上进行相关参数的实时采集，并根据采集到的数据特性，提出一种根据横向位移对驾驶行为数据进行分段的方法，将采集到的数据样本划分为左换道、右换道以及车道保持阶段。同时，对实时获取的参数进行显著性分析，将与横向运动密切相关的五种参数作为观测参数，对驾驶行为进行识别。研究结果表明，车道保持、左换道以及右换道行为的识别率分别达942%，93%和844%。该研究对于提高车道保持辅助系统的辅助效果以及减少误警率具有明显的促进作用。

关键词：  驾驶行为; 条件随机场; 驾驶模拟器; 观测参数; 实时系统

中图分类号： TP391.41; U467.5+1文献标识码： A

作者简介：  赵岩（1993-），男，山东济宁人，汉族，硕士研究生，主要研究方向为高级辅助驾驶技术。

通信作者：  陈焕明（1978-），男，山东青岛人，博士，讲师，硕士生导师，主要研究方向为汽车动态仿真与控制技术。 Email： qdchm@qdu.edu.cn

近年来，智能车辆的发展成为减少交通事故的理想方案。据世界卫生组织公布数据显示[1]，全球每年因交通事故造成的死亡人数高达135万。作为智能车辆发展的重要部分，车道保持辅助技术的研发引起了我国的高度重视，于2017年发布了《汽车工业中长期发展规划》。对驾驶员驾驶意图的有效识别，可以提高车道保持系统的辅助效果。……