基于HMM-SVM的驾驶员换道意图辨识研究

为了提高驾驶员换道意图的辨识率,提出了一种基于隐马尔可夫模型(HMM)和支持向量机(SVM)的混合模型。通过驾驶员在环仿真实验平台采集1.2 s时间窗内的驾驶员方向盘转角、油门踏板操作信息,匹配时序性良好的各个HMM模型(紧急左换道、正常左换道、紧急右换道、正常右换道和车道保持五种HMM模型)。然后结合各个HMM模型输出的最大似然估计值,由SVM进行分类,从而辨识出驾驶员当前的换道意图。仿真结果表明:相比单独的HMM或SVM,该混合模型能够更准确地辨识驾驶员的换道意图,辨识率高达98%,且耗时仅需0.006 s,具有较好的实时性。