辅助自然驾驶中交叉口驾驶行为研究的数据提取与处理方法

自然驾驶研究利用参与者自有车辆中的设备记录长达数月的日常驾驶。由于记录的数据量大且多样化，自动化处理是必要的。本报告描述了从车载记录系统所收集数据中提取和表征驾驶员在交叉口处头部扫描的方法，该系统记录了车速、GPS位置、场景视频和车内视频。开发了自定义工具以标记交叉口、同步位置与视频数据，并裁剪交叉口位置前后±100米范围内的车内视频和场景视频。针对大角度头部转弯定制开发的头部姿态检测 AI 模型在车内视频上运行，以估计驾驶员头部姿态，由此计算出水平方向上大于20度的头部扫描。场景视频使用 YOLO 目标检测模型进行处理，以检测交通信号灯、停车标志、行人和道路上的其他车辆。转弯操作通过车辆自运动模式独立检测。道路表面的停止线通过车辆移动时随时间变化的强度模式进行检测。从场景视频处理中获得的信息与速度数据一起被用于基于规则的算法，以推断交叉口类型、操作和边界。我们处理了来自马萨诸塞州和加利福尼亚州城市及郊区3辆车在190个交叉口采集的数据。自动化视频处理算法在100%和94%的实例中正确检测到了交叉口标识和驾驶操作。车辆进入交叉口的检测中位 [IQR] 误差为 1.1[0.4-4.9] 米和 0.2[0.1-0.54] 秒。地面真值与估计交叉口边界之间的中位重叠率为 0.88[0.82-0.93]。