基于車(chē)輛動(dòng)力學(xué)和視覺(jué)車(chē)道信息的駕駛行為分析
采用自然駕駛研究(NDSS)獲得大量來(lái)自多個(gè)傳感器的駕駛方式數(shù)據(jù),對(duì)由駕駛員造成碰撞和接近碰撞的駕駛行為和駕駛特性進(jìn)行分析。本研究的關(guān)鍵是數(shù)據(jù)簡(jiǎn)化,即由“專(zhuān)業(yè)的駕駛員”監(jiān)察路段的行駛視頻并記錄一個(gè)分類(lèi)的變量,提供造成碰撞過(guò)程的信息。鑒于NDSS傳感器的數(shù)據(jù)量在駕駛數(shù)據(jù)手動(dòng)分析時(shí)會(huì)很費(fèi)時(shí),因此研究了從傳感器數(shù)據(jù)提取車(chē)道信息。提出了從多個(gè)模態(tài)分析的傳感器數(shù)據(jù),并提取一組23個(gè)語(yǔ)義相關(guān)的車(chē)道位置、車(chē)道內(nèi)車(chē)輛定位、車(chē)輛速度、交通密度和道路曲率等信息,將這些車(chē)道信息進(jìn)一步融合,以不同的方式自動(dòng)確定一套23個(gè)語(yǔ)義駕駛。所提出的技術(shù)使用基于真實(shí)世界的駕駛模擬器,在一個(gè)65km的測(cè)試路線上獲取包括超過(guò)15萬(wàn)個(gè)幀的視覺(jué)數(shù)據(jù)和伴隨著車(chē)輛動(dòng)力學(xué)特征網(wǎng)絡(luò)總線獲得的數(shù)據(jù),還有慣性運(yùn)動(dòng)單元的數(shù)據(jù)和全球定位系統(tǒng)的數(shù)據(jù)。
然而,所進(jìn)行的研究?jī)H僅是第一步的自動(dòng)化數(shù)據(jù)還原過(guò)程,因?yàn)檫@樣的研究涉及多個(gè)語(yǔ)義關(guān)注的特定駕駛行為。因此,有必要開(kāi)發(fā)滿足不同數(shù)據(jù)需求和要求的新技術(shù)。未來(lái)的工作包括開(kāi)發(fā)更多提取車(chē)道信息分析的技術(shù)和工具,從而進(jìn)一步調(diào)查駕駛行為。
刊名:IEEE Transactions on Intelligent Transportation Systems(英)
刊期:2015年第1期
作者:Ravi Kumar Satzoda
編譯:劉歡