-
题名基于自然驾驶数据的交互轨迹基元表征与提取
- 1
-
-
作者
李子睿
王浩闻
龚建伟
吕超
赵晓聪
王猛
-
机构
北京理工大学机械与车辆学院
德累斯顿工业大学
同济大学
-
出处
《汽车工程》
EI
CSCD
北大核心
2024年第8期1382-1393,共12页
-
基金
国家自然科学基金(61703041,U19A2083)资助。
-
文摘
在共享道路空间中不同流向道路使用者间存在通行路径冲突,为规避碰撞风险,道路使用者须通过驾驶交互进行路权协商,从而消解潜在冲突。对交互行为的表述和建模,对于准确理解和预测动态环境具有重要意义。为此,本文提出一种以交互基元为分析单元的多车驾驶交互行为语义级表征和提取方法。首先,利用非参数贝叶斯方法对交互驾驶行为进行分割,得到具有显著行为模式的驾驶交互片段。然后,利用黏性层次狄利克雷-隐马尔可夫模型,从驾驶交互片段中提取得到交互基元。最后,对规范化处理后的交互基元进行无监督聚类,以获得驾驶交互场景的语义级行为特征。基于NGSIM高速公路数据集中20 797组多车交互数据的实证研究,本文提出的方法可提取并分析多个体参与的复杂交互场景,突破了已有研究中只针对两车交互场景构建交互基元的局限性,可支撑对多交通参与者交互的本质进行分析。实验结果表明,本文所提出的方法可以将连续的驾驶行为划分为离散的交互基元。且聚类划分结果可以与实际交互场景相对应,用于不同交互轨迹基元中车辆之间的交互行为特性分析。同时,该方法对于复杂场景下游驾驶任务具有提升作用。在车辆多步轨迹预测任务中,相比于基线方法,本文所提出的交互基元提取方法在与基线预测方法融合后可以将平均预测误差和终点预测误差分别降低19.3%和14.6%。
-
关键词
交互行为
轨迹基元
非参数化贝叶斯方法
无监督聚类
-
Keywords
interactive behaviors
trajectory primitive
non-parametric Bayesian method
unsupervised clustering
-
分类号
U463.6
[机械工程—车辆工程]
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
