基于支持向量机的车辆驾驶行为识别研究-交通运输系统工程与信息.PDF

第17卷第1期 交通运输系统工程与信息 Vol. 17 No. 1 2017 年2 月 Journal of Transportation Systems Engineering and Information Technology February 2017 文章编号：1009-6744(2017)01-0091-07 中图分类号：U491.2 文献标志码：A DOI：10.16097/j/cnki.1009-6744.2017.01.014 基于支持向量机的车辆驾驶行为识别研究 祝俪菱，刘 澜，赵新朋，杨 达* (西南交通大学 交通运输与物流学院，成都610031) 摘 要： 从车辆行驶轨迹的角度，车辆驾驶行为可细分为车辆跟驰行为、车辆换道准备 行为和车辆换道执行行为，它们对交通拥堵、交通事故等都有着重要影响，也是自动驾 驶、交通仿真等系统的基础构成模块.然而，如何从实际微观交通流数据中对3 种行为进 行识别是驾驶行为研究的基础和难点.本文提出基于支持向量机的驾驶行为识别方法，使 用真实车辆轨迹数据，为提高模型的准确率，首先对样本数据进行归一化和主成分分析 预处理，然后采用网格有哪些信誉好的足球投注网站算法对惩罚因子和核参数进行寻优，最后利用样本数据对基 于支持向量机的分类模型进行训练和测试.结果表明，模型的测试精度达到了98.41% ，能 够很好地识别车辆的行驶状态，为驾驶行为各阶段的研究提供支持. 关键词： 交通工程；驾驶行为识别；支持向量机；车辆换道准备；车辆换道执行 Driver Behavior Recognition Based on Support Vector Machine ZHU Li-ling, LIU Lan, ZHAO Xin-peng, YANG Da (School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China) Abstract:Abstract: From the viewpoint of the vehicle trajectory, driver behavior can be subdivided into the car- following behavior, lane- changing preparation behavior and lane- changing execution behavior. The three behaviors have a significant impact on traffic congestion and traffic safety, and are also the elemental modules of the automatic driving system and traffic simulation system. However, how to identify the three kinds of behavior from the real microscopic traffic flow data is a still unsolved problem. We propose a method of driver behavior recognition based on Support Vector Machine (SVM). The real vehicle trajectory data is used, which is normalized first and then processed usin