基于在線學習的交叉路口駕駛員行為預測

基于在線學習的交叉路口駕駛員行為預測

提出了預測交叉路口駕駛員行為的在線學習這個新概念。在線學習的優(yōu)點在于駕駛員能根據環(huán)境變化做出相應的反應。假設周圍環(huán)境出現(xiàn)視覺障礙（如行駛在種植很多玉米的玉米地上時），駕駛員行為會做出相應的改變。與預先設定的模式相比，在線學習能夠實時反應出駕駛行為的變化。在線學習還能預測出前方車輛是否轉彎或停車，從而為車輛提供正確的行駛路線。

預測其他道路參與者行為能夠避免緊急情況的發(fā)生，并為駕駛員提供更加舒適的駕駛環(huán)境。提出了預先設定模式及在線學習的駕駛行為預測，而通過預先設定的模式預測駕駛員行為很難得到駕駛行為的實時變化。假設交叉路口的視覺障礙影響駕駛員行駛，則駕駛員會出現(xiàn)不同的駕駛行為。而在線學習可以應對這些變化，并可以在外界環(huán)境變化的同時學會改變駕駛行為，因此在線學習可以很好地預測道路參與者的行為。將提取到的慣性測量單元片段和變化點檢測片段與攝像機捕捉到的視覺特征相關聯(lián)，這些運動片段自動分組后在線進行比較。所提出的概念已用于高速公路等道路駛入機動車輛的行為預測。

本文對交叉路口其他道路參與者的行為進行預測并對真實數據進行評價。重點在于研究在線學習的可行性，以便能夠在特定地點的交叉口改變駕駛行為并正確預測這些情況。同時，提出基于案例推理的在線學習概念來預測特定地點交叉口其他道路參與者的駕駛行為。

刊名：Intelligent Vehicles Symposium Proceedings，2014 IEEE（英）

刊期：2016年第1期

作者：Regine Graf et al

編譯：尹秋