基于GMM-CHMM的城市道路换道行为识别

高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一,将车载参数和车辆位置参数相结合,提出一种能够应用到ADAS的城市道路换道行为识别模型.在西安城市道路环境中进行实验,采集18位驾驶员的9个车载实时参数数据,以及前后车辆间的相对速度、相对距离、相对角度,提取412个换道行为单元和824个车道保持行为单元,共88992条数据.运用数理统计方法分析表明,方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异,在这3个特征参数的基础上,建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型,用部分样本对模型效能评价.结果表明,混合模型对换道行为的识别精度为93.6％,具有良好的识别效果,可以很好地应用到ADAS.