推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于深度神经网络的车道偏离预警

更新时间:2019-12-10 09:41:29 大小:2M 上传用户:xuzhen1查看TA发布的资源 浏览次数:32 下载积分:0分 出售积分赚钱 评价赚积分 ( 如何评价?) 标签:深度神经网络车道偏离预警 收藏 评论(0) 举报

资料介绍

摘要:将车道偏离预警转化为分类问题,提出一种基于深度神经网络的车道偏离预警算法。建立人车路闭环系统模型,对模型中的车-路状态参数、车-路相对位置参数以及驾驶员特性参数进行随机抽样。以大量随机初始化的闭环系统的仿真结果作为深度神经网络的训练样本,采用深度学习方法优化网络得到偏离预测函数。基于Malab软件平台,进行大规模的闭环系统仿真。结果表明,所提出的车道偏离预警算法能够及时预测车道偏离事件,且较现有方法其误警率显著降低。

关键词:车道偏离预警;深度神经网络:闭环系统;随机模拟:深度学习

LDWS中的车道偏离预警算法是本文的研究核心,国内外学者对此亦进行了深入的研究,其中基于横越车道线时间(time to lane crossing,TLC)的方法最受关注,文献[8]分析了车辆和道路参数对TLC的影响提出了若干不同复杂度的TLC计算方法。通常,TLC算法能够提供较多的预警时间,但该方法的误警率也因此较高。为了降低车道偏离预测算法的误警率,Zhou等19)提出基于模糊推理的虚拟车道宽度预测方法,以道路曲率、车辆横向位置标准差和局部均值三个参数作为输入,输出虚拟车道宽度。Pongtep等11根据车辆行驶轨迹的方向序列建立驾驶员行为模型,该模型能够自适应的表征个体驾驶特性,在此基础上计算正常驾驶的概率和车道偏离的概率的比值来进行车道偏离预测,减少了系统的误警率。误警主要是因为驾驶员对横向位置的校正操纵,比如车辆在弯曲车道上行驶时,驾驶员倾向于沿弯道的内侧行驶,相邻车道有大型车辆经过时,驾驶员会尽量的远离大型车辆。同样,即便是当前车辆处于车道内部,但车辆状态恶化、路面条件限制或驾驶员反应时滞都可能导致车辆将来会偏离车道,此时系统应尽早预警以提供给驾驶员更多的校正时间。尽管影响车道偏离事件发生的原因有很多,但目前车道偏离的预测算法主要是以某儿个状态变量建立预测函数来实现偏离预测,缺乏对人-车-路整体的全局性分析,考虑的因素不够全面。

部分文件列表

文件名 大小
基于深度神经网络的车道偏离预警.pdf 2M

推荐下载

全部评论(0)

暂无评论