基于深度学习与交互特征的智能车辆换道风险预测模型
摘要
险预测方法往往忽略了换道车辆与周围环境之间的复杂交互特征,导致预测准确度不足。本文提出了一种基于交互特征的
智能车辆换道风险预测方法。首先基于 highD 数据集提取周围交互车辆轨迹数据,利用停车距离指数建立风险评价指标,
并通过聚类算法划分风险等级。最后,采用 LSTM 模型进行风险预测,实验结果表明,加入交互特征的 LSTM 模型预测效
果更好。
关键词
全文:
PDF参考
[1] 陈吉清 , 翁楚滨 , 兰凤崇 . 智能车辆换道潜在冲
突分析与风险量化方法 [J]. 汽车工程 , 2021, 43(11): 1565-
1576+1586.
[2] 郝志国 . 高速公路换道冲突预测与安全评价研究
[D]. 吉林大学 , 2019.
[3] 刘巧斌 , 杨路 , 高博麟等 . 基于认知风险动态平衡
的智能汽车跟车模型 [J]. 汽车工程 , 2022, 44(11): 1627-1635.
[4] 马艳丽 , 范璐洋 , 吕天玲 , 等 . 车辆运行风险贝叶
斯网络量化分级方法 [J]. 哈尔滨工业大学学报 , 2020, 52(03):
33-37.
[5] 温惠英 , 李秋灵 , 赵胜 . 快速路合流区大型车换道
时空特征及风险研究 [J]. 华南理工大学学报 ( 自然科学版 ),
2022, 50(05): 11-21.
[6] Ali Y, Haque M M, Zheng Z, et al. A hazard-based
duration model to quantify the impact of connected driving
environment on safety during mandatory lane-changing[J].
Transportation Research Part C, 2019, 106(C):113-131.
[7] Chen T, Shi X, Wong Y D, et al. Predicting lanechanging risk level based on vehicles’ space-series features: A
pre-emptive learning approach[J]. Transportation Research Part
C-Emerging Technologies, 2020, 116:102646.
[8] 程士强 . 混驶环境下基于风险评估的自动驾驶车辆
换道轨迹规划 [D]. 合肥工业大学 ,2020.
[9] 宋佳 . 异质交通流环境下高速公路合流区车辆换道
行为研究 [D]. 吉林大学 ,2023.
DOI: http://dx.doi.org/10.12361/2661-376X-07-04-170257
Refbacks
- 当前没有refback。