基于尾灯灯语的混行交通流车辆驾驶意图识别模型研究

作者：赵树恩; 赵东宇^*

来源：重庆交通大学学报(自然科学版), 2023, 1-8.

• 交通工程
• 驾驶意图识别
• 灯语识别
• 自动驾驶
• Mask R-CNN
• 交互行为

针对长期存在的自动驾驶车辆(autonomous vehicle， AV)与人工驾驶车辆(human-driven vehicle， HV)混行的交通现状，结合深度学习和HSV颜色特征提取方法，提出了一种在混行交通环境下基于尾灯灯语的车辆驾驶意图识别模型。以Mask R-CNN(mask region proposal convolutional neural network)车辆模型检测出的感兴趣区域RoI(region of interest)为限制，将区域内的HV作为研究对象，根据尾灯位置相关性，在HV车尾区域添加纵横向约束来定位传递灯语信号的左右尾灯；在规定的灯语组合及转向灯闪烁频率基础上，提出了一种基于时间序列的灯语识别算法，运用多目标判别相关性滤波CSRT(channel and spatial relatability tracking)跟踪HV尾灯并统计尾灯时序状态；以动态灯语作为输入，构建基于尾灯灯语的驾驶意图识别模型；使用基于真实路况信息的Cityspaces数据集和交通流视频数据对模型进行训练、验证和测试。研究结果表明：基于尾灯灯语的驾驶意图识别模型对视频流车辆尾灯检测准确率和召回率分别为96.0%、98.2%，对驾驶意图识别的平均准确率达到了95.9%，单帧识别耗时为20ms，为高速混行环境下的AV决策规划提供了有效的理论依据。

• 单位
  重庆交通大学