一种基于学习且带个性化驾驶员模型的车道偏离预警系统方法
机器学习
2017-02-07 v1 系统与控制
摘要
对驾驶员修正行为（DCB）的误解是车道偏离预测系统误报警的主要原因。我们提出一种基于学习的方法来预测非故意车道偏离行为（LDB）以及驾驶员将车辆驶回车道的机会。首先，在该方法中，通过结合高斯混合模型与隐马尔可夫模型建立用于车道偏离与车道保持行为的个性化驾驶员模型。其次，基于此模型，我们开发了一种在线的基于模型的预测算法，以预测即将发生的车辆轨迹并判断驾驶员将表现出 LDB 还是 DCB。我们还开发了基于该模型预测算法的预警策略，使得车道偏离预警系统根据预测轨迹能够被驾驶员接受。此外，通过 University of Michigan Safety Pilot Model Deployment program 收集了10名驾驶员的自然驾驶数据，用于训练个性化驾驶员模型并验证该方法。我们将所提方法与基本车道穿越时间（TLC）方法以及 TLC-分段横向斜率方向序列（TLC-DSPLS）方法进行比较。结果表明所提方法可将误警率降低至 3.07\%。
引用
@article{arxiv.1702.01228,
title = {A Learning-Based Approach for Lane Departure Warning Systems with a Personalized Driver Model},
author = {Wenshuo Wang and Ding Zhao and Junqiang Xi and Wei Han},
journal= {arXiv preprint arXiv:1702.01228},
year = {2017}
}
备注
12 pages, 13 figures, Journal