首站-论文投稿智能助手
典型文献
驾驶人意图识别综述
文献摘要:
为全面了解驾驶人意图识别研究进展,梳理了近30年关于驾驶人意图识别的研究,将驾驶人意图分类为策略意图、战术意图和操作意图;根据研究热点主要对换道、转向、制动和超车意图进行了归纳;从系统构建的角度对驾驶人意图识别系统的结构、输入、算法和评估进行了综述.根据系统输入的不同,从交通环境、车辆运动以及驾驶人行为对4种驾驶意图进行了综述;并根据构建模型采用算法的不同,从生成模型、判别模型、深度学习、认知模型、基于规则判定以及半监督学习模型6个方面对驾驶意图识别模型的研究进行了综述.结果表明:车辆动态信息在一般情况下不能作为预测驾驶人意图的输入信息,但可作为机动车辆已经开始后检测驾驶人早期意图的有效指标;交通环境和驾驶人行为信号对换道、制动和超车意图的预测非常有效,但是作为转向意图预测的输入并不可靠,车辆行驶轨迹更能反映驾驶人的转向意图;构建不同驾驶人意图识别模型应挑选合适的参数.现有采用机器学习包括深度学习方法构建的驾驶人意图识别模型,存在模型解释性差、对数据样本较为敏感、可扩展性差等局限性;规则判定模型无法适应多变的道路环境和驾驶风格.驾驶人意图识别模型应为自动驾驶技术的发展提供以人为中心的技术支持,能够实现监测驾驶人状态和对交通环境的态势感知,捕捉驾驶人的感知、认知特性,采用半监督学习方法提升模型鲁棒性、减少模型开发时间.在网联交通环境未形成之前,混行网联场景下的驾驶人意图识别模型尚待深入研究.
文献关键词:
交通工程;驾驶人意图;综述;驾驶行为;识别模型
作者姓名:
付锐;张海伦;刘文晓;张洪加
作者机构:
长安大学汽车学院,陕西西安710064;长安大学汽车运输安全保障技术交通行业重点实验室,陕西西安710064
引用格式:
[1]付锐;张海伦;刘文晓;张洪加-.驾驶人意图识别综述)[J].长安大学学报(自然科学版),2022(01):33-60
A类:
转向意图
B类:
驾驶人意图,年关,意图分类,战术,对换,换道,超车,系统构建,识别系统,交通环境,人行为,构建模型,生成模型,判别模型,认知模型,基于规则,半监督学习,驾驶意图识别,识别模型,车辆动态,动态信息,机动车辆,有效指标,行为信号,意图预测,不可靠,车辆行驶,行驶轨迹,深度学习方法,模型解释,解释性,可扩展性,定模,道路环境,驾驶风格,自动驾驶技术,以人为中心,驾驶人状态,态势感知,认知特性,模型鲁棒性,模型开发,网联,混行,尚待,交通工程,驾驶行为
AB值:
0.276973
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。