基于Multi-class SVM的车辆换道行为识别模型研究

作者：陈亮; 冯延超; 李巧茹

来源：安全与环境学报, 2020, 20(01): 193-199.

DOI：10.13637/j.issn.1009-6094.2018.1146

• 安全工程
• 多分类支持向量机
• NGSIM数据
• 车辆换道识别

自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹数据进行分类处理,并将车辆换道过程划分为车辆跟驰阶段、车辆换道准备阶段和车辆换道执行阶段。采用网格搜索结合粒子群优化算法(Grid Search-PSO)对SVM模型中惩罚参数C和核参数g进行寻优标定,利用多分类支持向量机换道识别模型对样本数据进行训练和测试,模型测试精度达97. 68%。研究表明,模型能够很好地识别车辆在换道过程中的行为状态,为车辆换道阶段的研究提供支持。

• 单位
  河北工业大学