基于在线学习的交叉路口驾驶员行为预测

基于在线学习的交叉路口驾驶员行为预测

提出了预测交叉路口驾驶员行为的在线学习这个新概念。在线学习的优点在于驾驶员能根据环境变化做出相应的反应。假设周围环境出现视觉障碍（如行驶在种植很多玉米的玉米地上时），驾驶员行为会做出相应的改变。与预先设定的模式相比，在线学习能够实时反应出驾驶行为的变化。在线学习还能预测出前方车辆是否转弯或停车，从而为车辆提供正确的行驶路线。

预测其他道路参与者行为能够避免紧急情况的发生，并为驾驶员提供更加舒适的驾驶环境。提出了预先设定模式及在线学习的驾驶行为预测，而通过预先设定的模式预测驾驶员行为很难得到驾驶行为的实时变化。假设交叉路口的视觉障碍影响驾驶员行驶，则驾驶员会出现不同的驾驶行为。而在线学习可以应对这些变化，并可以在外界环境变化的同时学会改变驾驶行为，因此在线学习可以很好地预测道路参与者的行为。将提取到的惯性测量单元片段和变化点检测片段与摄像机捕捉到的视觉特征相关联，这些运动片段自动分组后在线进行比较。所提出的概念已用于高速公路等道路驶入机动车辆的行为预测。

本文对交叉路口其他道路参与者的行为进行预测并对真实数据进行评价。重点在于研究在线学习的可行性，以便能够在特定地点的交叉口改变驾驶行为并正确预测这些情况。同时，提出基于案例推理的在线学习概念来预测特定地点交叉口其他道路参与者的驾驶行为。

刊名：Intelligent Vehicles Symposium Proceedings，2014 IEEE（英）

刊期：2016年第1期

作者：Regine Graf et al

编译：尹秋