賈小龍 宋定波 王 暢 山 巖 何愛生 賈丙碩

(長安大學(xué)汽車學(xué)院 西安 710064)

0 引 言

適時進(jìn)行換道不僅能夠避免交通沖突，而且能夠一定程度的提高駕駛舒適性。換道軌跡作為換道最直觀的表現(xiàn)，其形成過程受眾多因素影響，而換道軌跡的準(zhǔn)確估計和優(yōu)化能夠?yàn)轭A(yù)警系統(tǒng)提供可靠的數(shù)據(jù)支撐，為保證駕駛員能夠順利完成變道過程，研究人員做了大量工作。David Bevly等[1]進(jìn)行了車輛自動化特定領(lǐng)域(換道行為和并道行為)的調(diào)查，所涉及的關(guān)鍵主題是控制系統(tǒng)，定位系統(tǒng)，通信系統(tǒng)，仿真建模，現(xiàn)場測試，環(huán)境車輛和人為因素。Kim Dongwook等[2]采用緊急制動和車道變換來改善復(fù)雜交通環(huán)境下駕駛員的操作舒適性和完全避免追尾，將縱向控制策略用于緊急制動，而橫向控制策略用于換道，橫向策略用來形成可避免交通沖突的換道軌跡，決策單元將2類策略進(jìn)行綜合，從而保證駕駛員安全舒適的完成駕駛?cè)蝿?wù)。I. H.Kim等[3]為ADAS提出了一種新的預(yù)處理算法，通過增加傳統(tǒng)車載傳感器的基本測量結(jié)果來提高對駕駛員車道變換意圖進(jìn)行分類的準(zhǔn)確性，通過使用人工神經(jīng)網(wǎng)絡(luò)(ANN)模型來增強(qiáng)關(guān)于車輛狀態(tài)和路面狀況的信息，并且將增強(qiáng)的信息反饋給支持向量機(jī)(SVM)以高精度地檢測駕駛員的換道意圖。Nishiwaki Yoshihiro等[4]認(rèn)為駕駛員在換道行為中有一致的表現(xiàn)，而換道時間和車輛運(yùn)動軌跡的不確定性是由于周圍車輛干擾形成的，為消除這種不確定性提出了統(tǒng)計型駕駛員模型，并假定在不同的交通環(huán)境下駕駛員會選擇一種安全舒適的換道軌跡，利用隱馬爾科夫模型來模擬每位駕駛員的換道形式。Lee Hyunsoo等[5]通過計算機(jī)仿真，使用合作概念來避免自動換道系統(tǒng)的側(cè)面碰撞，提出合作概念以檢測未來短時間內(nèi)換道的目標(biāo)車道中的可用空間，在轉(zhuǎn)向目標(biāo)車道之前，自車需要檢測目標(biāo)車輛在換道方面是否合作，以判斷換道的風(fēng)險性。Li Yingshuai等[6]探討了在接近城市地區(qū)信號交叉口的不同駕駛意圖下車道變換實(shí)施過程的風(fēng)險水平，定義了綜合沖突風(fēng)險指數(shù)(ICRI)，以指數(shù)為因變量，駕駛意圖作為輸入，建立了車道變換過程的風(fēng)險預(yù)測模型。Dang Ruina等[7]通過計算主車輛和周圍車輛之間的最小安全距離來分析車道變換風(fēng)險，然后使用模型預(yù)測控制理論來開發(fā)協(xié)調(diào)控制算法，通過考慮主車與周圍車輛之間的安全距離來實(shí)現(xiàn)安全性，通過限制車輛的縱向加速度來實(shí)現(xiàn)乘坐舒適性，并在駕駛模擬器上進(jìn)行了驗(yàn)證。王榮本等[8]在分析車輛換道時運(yùn)動關(guān)系的基礎(chǔ)上，將最小安全距離作為指標(biāo)，將車輛的當(dāng)前速度，到達(dá)臨界碰撞點(diǎn)的時間，兩車的相對速度、加速度與安全車距的計算相結(jié)合，給出換道最小安全距離的計算以及碰撞條件。李瑋等[9]針對側(cè)向加速度在換道過程存在躍變以及換道軌跡不連續(xù)等問題，以4段式換道為基礎(chǔ)，利用B樣條曲線對自由換道軌跡進(jìn)行再規(guī)劃。劉小明等[10]運(yùn)用動態(tài)重復(fù)博弈論對換道過程進(jìn)行分析，并對各個階段車輛的博弈過程以及車輛行為策略進(jìn)行了闡述，將速度的期望值作為車輛決策行為的概率。游右均[11]使用變換車道作為評估安全的模擬情境，完整展示從意圖產(chǎn)生至結(jié)束變換的操作步驟，并借由安全距離來判斷車輛行為的危險性。倪捷等[12]以自車速度、速度差、車間距、縱向加速度為輸入特征量，以換道影響的聚類結(jié)果為輸出特征量，運(yùn)用支持向量機(jī)(SVM)理論建立換道安全性預(yù)測模型。王暢等[13]借助信號檢測論來確定不同級別預(yù)警規(guī)則的即將碰撞時間(TTC)閾值，將駕駛?cè)酥饔^感知的自車換道會影響后車正常行駛的時刻、自車能最晚安全換道的時刻劃分為換道安全性的2種等級，進(jìn)而確定了2種等級的TTC閾值。葛如海等[14]選取典型的換道場景，建立出最小安全距離模型，綜合考慮相對速度、相對縱向距離和評價指標(biāo)TTC，提出符合實(shí)際的換道預(yù)警規(guī)則，并運(yùn)用Prescan和Matlab/Simulink聯(lián)合仿真，進(jìn)行驗(yàn)證。李娟等[15]基于車路協(xié)同技術(shù),建立數(shù)學(xué)模型，研究交叉換道最小安全距離,確定最小安全距離公式，并考慮通信延遲因素修正最小安全距離，對模型進(jìn)行仿真分析，在此基礎(chǔ)上，界定了安全區(qū)域和非安全區(qū)域。

目前國內(nèi)外針對于換道安全性的評估，多采用了單一預(yù)警參數(shù)進(jìn)行換道安全性的評估，主要采用了TTC、最小安全距離等參數(shù)。在建立換道安全性評估模型和最終的試驗(yàn)驗(yàn)證模型的準(zhǔn)確性方面，大多采用了計算機(jī)仿真以實(shí)現(xiàn)模型預(yù)警參數(shù)閾值的確定，并且在最后的驗(yàn)證模型的準(zhǔn)確性方面，大多采用了駕駛模擬器和計算機(jī)仿真的方法。對于模型預(yù)警參數(shù)閾值的確定和模型準(zhǔn)確性的驗(yàn)證方面，缺乏大量的實(shí)車試驗(yàn)驗(yàn)證，是否準(zhǔn)確還有待于實(shí)車試驗(yàn)的驗(yàn)證。多采用了隱馬爾科夫模型、SVM等智能算法，較少的使用了相關(guān)向量機(jī)(RVM)這一具有良好估計特性的智能算法。單一的換道預(yù)警參數(shù)還存在著較高的誤報率和漏報率的問題。

針對上述國內(nèi)外研究的不足，進(jìn)行了大量的實(shí)車試驗(yàn)，提出建立換道軌跡的可接受域，依據(jù)橫擺角速度的統(tǒng)計值確定可接受域上限，將換道持續(xù)時間的極大值作為確定接受域下限的指標(biāo)，并利用B樣條曲線規(guī)劃出下限軌跡；此外利用機(jī)器學(xué)習(xí)預(yù)測換道參數(shù)，為了避免預(yù)測模型缺少概率因素、訓(xùn)練樣本數(shù)增加而訓(xùn)練復(fù)雜度更加急劇增加、選取核函數(shù)必須滿足Mercer條件，筆者采用了具有良好估計特性的相關(guān)向量機(jī)對自車的橫向和縱向位移進(jìn)行估計，為消除不連續(xù)的點(diǎn)以及尖峰點(diǎn)，利用7次多項式擬合，通過對擬合軌跡進(jìn)行評估，確定此次換道的可行性。

1 試驗(yàn)及數(shù)據(jù)采集

1.1 試驗(yàn)設(shè)備

以5座乘用車大眾途安為試驗(yàn)車，試驗(yàn)車安裝了AWS視覺傳感器、IMU02陀螺儀等數(shù)據(jù)采集設(shè)備。其中AWS視覺傳感器是將攝像機(jī)安裝于風(fēng)擋玻璃中央，鏡頭朝向車輛前方安裝，用于實(shí)時輸出車輛與車道線的距離，包括車輛與左側(cè)車道線的距離和車輛與右側(cè)車道線的距離，測量精度為5 cm，測量范圍為±635 cm，輸出頻率為10 Hz；IMU02陀螺儀安裝于車身上，以螺栓固定安裝于車身質(zhì)心附近，用于實(shí)時測量車身的橫擺角速度數(shù)據(jù)，橫擺角速度的測量范圍為±150(°)/s，測量分辨率為0.1(°)/s，輸出頻率最大為100 Hz；自車行駛速度u來源于車身CAN總線數(shù)據(jù)，車速采樣精度為0.01 km/h。試驗(yàn)過程中，利用自行開發(fā)的數(shù)據(jù)采集程序同步采集上述參數(shù)，采樣頻率設(shè)置為10 Hz。

1.2 試驗(yàn)路線

本文選擇的試驗(yàn)路段為高速公路，其特點(diǎn)是車輛的運(yùn)行速度高，符合大多數(shù)車輛換道預(yù)警系統(tǒng)的使用場景。試驗(yàn)路段包括西安繞城高速、滬陜高速公路和滬陜高速藍(lán)田段，繞城高速為雙向4車道，中間有隔離帶，限速為80 km/h，車流量適中，由于西安繞城高速早、晚高峰車流量較大，因此試驗(yàn)過程中避開了早、晚高峰時間，滬陜高速為雙向4車道，中間有隔離帶，限速100 km/h，車流量適中，試驗(yàn)過程中道路通行正常。

1.3 試驗(yàn)被試

公開招募了19名被試人員進(jìn)行道路實(shí)驗(yàn)，其中13名被試為男性，6名被試為女性，所有被試身體健康，持有有效駕駛證件，且在過去3年中無重、特大交通事故經(jīng)歷，試驗(yàn)過程中天氣良好，以排除天氣狀況對被試的影響，在最后進(jìn)行數(shù)據(jù)統(tǒng)計分析時發(fā)現(xiàn)，有3名被試數(shù)據(jù)不穩(wěn)定，其原因是在駕駛過程中過度緊張且駕駛技能不夠嫻熟，其中2名為男性，1名為女性，因此，最后的數(shù)據(jù)來源于其余16名被試，且這16名被試生理心理情況正常。

1.4 試驗(yàn)過程

試驗(yàn)中由工作人員告知被試行駛線路，被試身體無需佩戴任何設(shè)備。試驗(yàn)過程中，被試按照自身駕駛習(xí)慣正常行駛，工作人員對試驗(yàn)過程不做任何要求。由于試驗(yàn)道路環(huán)境為真實(shí)高速公路，被試在駕駛過程中不可避免的要執(zhí)行一系列的換道操作。

試驗(yàn)結(jié)束后，在視頻監(jiān)測系統(tǒng)的輔助下，篩選所有被試的換道過程。對于每一次換道，試驗(yàn)結(jié)束后可以得到換道過程中被試的操作行為數(shù)據(jù)、車輛運(yùn)動狀態(tài)數(shù)據(jù)以及交通環(huán)境數(shù)據(jù)。試驗(yàn)過程中每名被試的駕駛里程約100 km，每名被試的換道次數(shù)存在一定差異。得到總體換道次數(shù)接近1 000次，并且這些換道數(shù)據(jù)來源于真實(shí)的駕駛過程，具有良好的可信度。

2 3段式換道分析

換道軌跡指的是車輛變換車道的行駛軌跡，是車輛換道最直觀的表現(xiàn)。國內(nèi)外對于換道過程階段的劃分，有從換道意圖去劃分的，有從換道軌跡去劃分的，劃分的方式很多。如根據(jù)轉(zhuǎn)向盤轉(zhuǎn)角的變化將換道過程劃分為3個階段，通過修正傳統(tǒng)的2段式換道和3段式換道而將換道過程分為扭角、靠攏、收角、調(diào)整等。針對換道軌跡，國內(nèi)外研究人員提出了很多的換道軌跡模型，換道軌跡模型反應(yīng)著車輛的操縱穩(wěn)定性和行駛安全性，表1列舉了國內(nèi)外研究人員所提出的部分換道軌跡模型。

表1 換道軌跡模型

表1中列舉的常見換道軌跡模型大多來源于仿真分析，或者基于某種假設(shè)條件的推導(dǎo)。前期研究表明，實(shí)際換道過程中，車輛收到道路不平度、超高等因素的影響，車輛換道過程中的動力學(xué)參數(shù)并不滿足這些假設(shè)條件。通過對大量實(shí)際換道軌跡進(jìn)行分析，結(jié)果表明，3段式換道軌跡比較符合真實(shí)換道特性。因此，本文在分析換道軌跡可行域上限時，則是選擇了比較傳統(tǒng)的3段式換道。3段式換道即就是將換道軌跡劃分為3段，見圖1。

圖1 3段式換道

圖1中a，c段為曲線段，車輛在此階段近似作圓周運(yùn)動，b段是直線段，車輛作直線行駛，在實(shí)際行駛過程中，駕駛員換道愿望的迫切程度主要體現(xiàn)在曲線段，通過對大量實(shí)車換道樣本進(jìn)行統(tǒng)計分析發(fā)現(xiàn)，駕駛員一般在a段表現(xiàn)保守，即a段曲線曲率大于c段，這主要是由于在換道開始階段，駕駛員要通過車輛橫向的緩慢移動向他車駕駛員發(fā)送換道信號，換道后期階段，駕駛員快速的離開原始車道。車輛在整個換道過程中，所進(jìn)行的等效轉(zhuǎn)彎半徑比較大，所以可以忽略車輛質(zhì)心側(cè)偏角對結(jié)果的影響，因此，利用橫擺角速度即可確定出圖1中a段和c段的曲率，進(jìn)而求2圓弧的公切線即可得到b段。分析800次換道，得出橫擺角速度的統(tǒng)計結(jié)果，并且利用SPSS對數(shù)據(jù)進(jìn)行正態(tài)分布擬合，見圖2。

圖2 橫擺角速度統(tǒng)計分布

圖2是車速為80 km/h的統(tǒng)計結(jié)果，均值為0.028 5，標(biāo)準(zhǔn)差為0.013 9。擬合得到的正態(tài)分布概率密度函數(shù)為

將橫擺角速度的均值作為確定最佳換道軌跡基準(zhǔn)，利用α=0.05的上側(cè)分位數(shù)確定可接受域的上限。通過查《數(shù)理統(tǒng)計與隨機(jī)過程》[16]書中的表可以獲得標(biāo)準(zhǔn)正態(tài)分布的α=0.05的上側(cè)分位數(shù)，然后利用以下公式

式中：w0.05為以橫擺角速度的均值作為基準(zhǔn)的α=0.05的上側(cè)分位數(shù)；U0.05為標(biāo)準(zhǔn)正態(tài)分布的α=0.05的上側(cè)分位數(shù)。

可計算得以橫擺角速度的均值作為基準(zhǔn)的α=0.05的上側(cè)分位數(shù)。換道起始和終止時刻，車輛均為直線行駛，設(shè)換道過程中車輛縱向位移為sx，橫向位移為sy，換道終止前車速連續(xù)2次采樣為vi和vi+1，橫擺角速度取極小值wmin，則ra和rb近似滿足如下關(guān)系式

(1)

(2)

(3)

圖3 可接受域的上限

3 B樣條曲線形成可接受域下限

可接受域下限是根據(jù)換道持續(xù)時間的極大值確定的，經(jīng)過對大量實(shí)車換道樣本進(jìn)行統(tǒng)計分析，換道持續(xù)時間分布在3～15 s之間，利用SPSS對換道持續(xù)時間數(shù)據(jù)進(jìn)行正態(tài)分布擬合，然后，采用類似確定上限時，采用的方法，取α=0.05的上側(cè)分位數(shù)作為表征指標(biāo)，通過以上查《數(shù)理統(tǒng)計與隨機(jī)過程》書獲得的標(biāo)準(zhǔn)正態(tài)分布的α=0.05的上側(cè)分位數(shù)，利用如下公式

式中：t0.05為以換道持續(xù)時間的均值作為基準(zhǔn)的α=0.05的上側(cè)分位數(shù)；U0.05為標(biāo)準(zhǔn)正態(tài)分布的α=0.05的上側(cè)分位數(shù)。

確定的換道持續(xù)時間為12 s，在此基礎(chǔ)上，將12 s以上換道過程的橫向和縱向位移統(tǒng)計生成一系列控制點(diǎn)，采用B樣條曲線規(guī)劃形成軌跡。

B樣條的定義為

(4)

式中:Qi為基函數(shù)；k-1階混合函數(shù)Ni,k(t)可遞歸的定義如下

(5)

(6)

式中：n為控制點(diǎn)個數(shù)減1；k為控制曲線連續(xù)性的階數(shù)。B樣條曲線主要由控制點(diǎn)位置、參數(shù)k以及所給定的節(jié)點(diǎn)值ti來決定。B樣條曲線規(guī)劃形成的換道軌跡可接受域的下限見圖4。

圖4 可接受域的下限

由上述所確定的換道軌跡可接受域的上限和下限，可最終確定換道軌跡的可接受域見圖5陰影部分。

圖5 可接受域

4 狀態(tài)估計和可行性評估

4.1 狀態(tài)估計

車輛在變換車道時，主要體現(xiàn)在橫向位移的變化，此處采用具有良好估計特性的相關(guān)向量機(jī)對車輛的橫向位移進(jìn)行估計。相關(guān)向量機(jī)相比于支持向量機(jī)，具有對核函數(shù)的敏感度低、對大樣本數(shù)據(jù)具有良好的適應(yīng)性、檢測時間短等優(yōu)點(diǎn)。估計值可能存在軌跡不連續(xù)或者出現(xiàn)尖峰特性，為此采用7次多項式進(jìn)行擬合，7次多項式屬于次數(shù)比較高的多項式，所擬合的曲線變化趨勢相對來說是比較緩和的，能準(zhǔn)確地描述換道軌跡的變化走向，計算簡單，且適應(yīng)性強(qiáng)。然后對擬合曲線與可接受域的相對關(guān)系進(jìn)行分析，從而判定此次換道的可行性。

tn=y(xn;ω)+ξn

(7)

式中：ω為權(quán)重；y(x;ω)為RVM模型的輸出

y(xn;ω)=∑Ni=ωik(xn,xi)+ω0

(8)

其中：k(x,xi)為核函數(shù)，ξn為滿足高斯分布的隨機(jī)噪聲

ξn∈N(0,σ2)

(9)

其數(shù)學(xué)期望為0，方差為σ2，是未知量。則訓(xùn)練樣本集的似然函數(shù)為

(10)

(11)

根據(jù)Bayesian準(zhǔn)則后驗(yàn)公式為

(12)

式中：μ=σ-2∑ΦTt，∑=(σ-2ΦTΦ+A)-1，A=diag(a0,a1,...,an)，則問題轉(zhuǎn)換為求解α和σ2的最優(yōu)解，進(jìn)一步對p(t|α,σ2)取最大值得到邊緣似然分布為

1.1 臨床資料 選擇2017年12月至2018年7月在安徽醫(yī)科大學(xué)附屬安慶醫(yī)院行腹腔鏡下婦科手術(shù)治療患者，依據(jù)腹腔鏡入路方法不同分為觀察組（經(jīng)臍單孔法組）與對照組（多孔法組），每組50例。觀察組，年齡范圍38～55歲，年齡（45.3±4.5）歲，體質(zhì)指數(shù)（22.61±4.07）kg／m2；對照組，年齡范圍40～55歲，年齡（46.0±4.9）歲，體質(zhì)指數(shù)（22.97±4.61）kg／m2。兩組患者年齡、體質(zhì)指數(shù)、手術(shù)類型資料差異無統(tǒng)計意義（P＞0.05），具有可比性。見表1。

p(ω|α)dω=N(t|0,C)

(13)

式中：C=σ2I+ΦA(chǔ)-1ΦT。

表2 RVM回歸參數(shù)

(14)

圖6 RVM的估計結(jié)果

由圖6可見，估計值的連續(xù)性較差，且在某些點(diǎn)處呈現(xiàn)出尖峰特性，擬合值的連續(xù)性較強(qiáng)，各個階段的曲率連續(xù)，較為符合實(shí)際換道過程。本文換道安全性評估方法的流程圖，見圖7。

圖7 流程圖

4.2 換道可行性評估

圖8 換道評估結(jié)果

換道軌跡的可接受域上限是保證/安全維持車輛穩(wěn)態(tài)的最低要求，理論上換道軌跡越接近上限安全性越差，當(dāng)然，換道持續(xù)時間越長也并非安全，在正常情況下，駕駛熟練程度不足或者對當(dāng)前復(fù)雜交通環(huán)境預(yù)判不準(zhǔn)確都會導(dǎo)致?lián)Q道軌跡在可接受域以下，表明此次換道條件不充分，換道的可行性不足，這種情況應(yīng)該避免，在理論上講，長時間占用2個車道比占用1個車道發(fā)生事故的概率更大，因此，換道軌跡過緩也是存在較大安全隱患的，為此，將估計得到的換道軌跡跟可接受域上限圍成的面積與可接受域面積的比值作為換道安全性評價參數(shù)，從而確定此次換道安全性；若估計軌跡值在可接受域的下限外，則利用軌跡曲線與下限圍成面積與可接受域面積的比值作為換道可行性評價參數(shù)，圖8是對多次不同類型換道(向左和向右換道)的評估結(jié)果，陰影部分是安全性評價參數(shù)小于0.25的，由于換道包括了向左和向右，因此，橫向位移從上往下依次增大表示反向換道。圖中點(diǎn)表示的是車輛在不同坐標(biāo)點(diǎn)處其安全性得分，很顯然，換道起始階段，駕駛員要時刻關(guān)注自車車道和目標(biāo)車道前后方車輛運(yùn)動情況，通過判斷尋求最佳的換道時機(jī)，且要通過車輛的橫向緩慢移動向他車發(fā)送換道信號，此階段駕駛員表現(xiàn)的較為保守；當(dāng)車輛越過車道線后，駕駛員的任務(wù)主要是調(diào)整自車方向，使自車靠目標(biāo)車道中心線行駛，此階段駕駛員的關(guān)注的區(qū)域只有目標(biāo)車道前方，所以，換道表現(xiàn)出隨意性較大，不安全性較為明顯。

5 結(jié)束語

筆者以3段式換道為基礎(chǔ)，建立換道軌跡可行域，依據(jù)橫擺角速度統(tǒng)計均值和α=0.05的上側(cè)分位數(shù)確定接受域的上限，并以換道持續(xù)時間極大值為指標(biāo)，確定可接受域的下限，將12 s以上的換道軌跡進(jìn)行統(tǒng)計分析，生成一系列控制點(diǎn)，并采用B樣條曲線進(jìn)行規(guī)劃，進(jìn)而確定可接受域的下限。

利用相關(guān)向量機(jī)對車輛橫向和縱向位移進(jìn)行估計，為消除曲線不連續(xù)性，采用7次多項式進(jìn)行擬合，并以擬合值跟可接受域的上限或下限所圍成的面積與可接受域面積的比值作為評價指標(biāo)，對當(dāng)前換道進(jìn)行評估。通過大量實(shí)車換道樣本測試表明：所采用的評估方法能夠較為客觀的反映了換道真實(shí)過程。

提出的換道安全評估體系的得到了試驗(yàn)數(shù)據(jù)的驗(yàn)證，實(shí)際應(yīng)用于換道預(yù)警系統(tǒng)時，這類算法都需要解決在線獲取數(shù)據(jù)，并實(shí)時計算分析的問題。這個過程還需要從多方面進(jìn)行研究分析，這也是目前這類研究在算法成熟后所需要解決的問題。

參考文獻(xiàn)

References

[1] BEVLY D, CAO X, GORDON M, et al. Lane change and merge maneuvers for connected and automated vehicles: A survey[J]. IEEE Transactions on Intelligent Vehicles, 2016,1(1):105-120.

[2] KIM D, MOON S, PARK J, et al. Design of an adaptive cruise control / collision avoidance with lane change support for vehicle autonomous driving[C]. ICROS-SICE International Joint Conference 2009 August 18-21, Fukuoka International Congress Center, Japan: IEEE, 2009.

[3] KIM I H, BONG J H, PARK J, et al. Prediction of diver′s intention of lane change by augmenting sensor information using machine learning techniques[J]. Sensors, 2017,17 (6):1350.

[4] NISHIWAKI Y, MIYAJIMA C, KITAOKA N, et al. Generating lane-change trajectories of individual drivers[C]. 2008 IEEE International Conference on Vehicular Electronics and Safety, Columbus, OH, USA: IEEE, 2008.

[5] LEE H, KANG C M, KIM W, et al. Predictive risk assessment using cooperation concept for collision avoidance of side crash in autonomous lane change systems[C]. International Conference on Control, Automation and Systems, Jeju, Korea: IEEE, 2017.

[6] LI Y, LU J, XU K. Crash risk prediction model of lane-change behavior on approaching intersections[J]. Discrete Dynamics in Nature and Society, 2017(8):1-12.

[7] DANG R, WANG J, LI S E, et al. Coordinated adaptive cruise control system with lane-change assistance[J]. IEEE Transactions on Intelligent Transportation Systems, 2015,16(5):2373-2383.

[8] 王榮本,游 峰,崔高健,等.車輛安全換道分析[J].吉林大學(xué)學(xué)報(工學(xué)版),2005,35(2):179-182.

WANG Rongben, YOU Feng, CUI Gaojian, et al. Analysis on lane changing safety of vehicle[J]. Journal of Jilin University (Engineering and Technology Edition), 2005,35(2):179-182. (in Chinese)

[9] 李 瑋,高德芝,段建民.智能車輛自由換道模型研究[J].公路交通科技,2010,27(2):119-123.

LI Wei, GAO Dezhi, DUAN Jianmin. Research on lane change model for intelligent vehicles[J]. Journal of Highway and Transportation Research and Development, 2010,27(2):119-123. (in Chinese)

[10] 劉小明,鄭淑暉,蔣新春.基于動態(tài)重復(fù)博弈的車輛換道模型[J].公路交通科技,2008,25(6):120-125.

LIU Xiaoming, ZHENG Shuhui, JIANG Xinchun. Lane changing model based on discrete dynamic game[J]. Journal of Highway and Transportation Research and Development, 2008,25(6):120-125. (in Chinese)

[11] 游右均.自主駕駛與人為駕駛于變換車道行為之量化安全性比較[D].臺北：臺灣大學(xué)機(jī)械工程學(xué)研究所,2017.

YOU Youjun. Quantitative comparisons in lane-changing maneuver safety between autonomous driving and human driver[D]. Taibei: Taiwan University Mechanical Engineering Institute, 2017. (in Chinese)

[12] 倪 捷,劉志強(qiáng),涂孝軍,等.面向駕駛輔助系統(tǒng)的換道安全性預(yù)測模型研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2016,16(4):95-100.

NI Jie, LIU Zhiqiang, TU Xiaojun, et al. Safety prediction model of lane changing based on driver assistance system[J]. Transportation Systems Engineering and Information, 2016,16(4):95-100. (in Chinese)

[13] 王 暢,付 銳,張 瓊,等.換道預(yù)警系統(tǒng)中參數(shù)TTC特性研究[J].中國公路學(xué)報,2015,28(8):91-100，108.

WANG Chang, FU Rui, ZHANG Qiong, et al. Research on parameter TTC characteristics of lane change warning system[J]. China Journal of Highway and Transport, 2015,28(8):91-100，108. (in Chinese)

[14] 葛如海,儲亞婷,謝永東,等.基于Prescan的換道預(yù)警規(guī)則研究[J].重慶交通大學(xué)學(xué)報(自然科學(xué)版),2016,35(1):172-176.

GE Ruhai, CHU Yating, XIE Yongdong, et al. Warning rules of lane change based on prescan simulation[J]. Journal of Chongqing Jiaotong University(Natural Sciences), 2016,35(1):172-176. (in Chinese)

[15] 李 娟,曲大義,萬孟飛,等.基于最小安全距離的車輛交叉換道模型研究[J].青島理工大學(xué)學(xué)報,2017,38(1):106-112.

LI Juan, QU Dayi, WAN Mengfei, et al. Research on cross lane-changing model of vehicle based on minimum safety spacing[J]. Journal of Qingdao Technological University, 2017,38(1):106-112. (in Chinese)

[16] 馬江洪.概率統(tǒng)計教程[M].北京：科學(xué)出版社,2010.

MA Jianghong. Probability statistics tutorial[M]. Beijing: Science Press, 2010. (in Chinese)

[17] 楊樹仁,沈洪遠(yuǎn).基于相關(guān)向量機(jī)的機(jī)器學(xué)習(xí)算法研究與應(yīng)用[J].計算技術(shù)與自動化,2010,29(1):43-47.

YANG Shuren, SHEN Hongyuan. Research and application of machine learning algorithm based on relevance vector machine[J]. Computing Technology and Automation, 2010,29(1):43-47. (in Chinese)

[18] 李 茗,李 晗.基于相關(guān)向量機(jī)和樣條曲線的換道軌跡規(guī)劃[J]. 公路,2015,60(9):169-173.

LI Ming, LI Han. Programming of lane change trajectory based on RVM and sample curve[J]. Highway, 2015,60(9):169-173. (in Chinese)

[19] CAMPS V G, MARTINEZ R M, ROJO A J L, et al. Nonlinear system identification with composite relevance vector machines[J]. IEEE Signal Processing Letters, 2007,14(14):279-298．

[20] 韓麗娜,石昊蘇.貝葉斯分類模型應(yīng)用于企業(yè)運(yùn)營風(fēng)險預(yù)測[J].微型電腦應(yīng)用,2017,33(9):9-10，14.

HAN Lina, SHI Haosu. The application of bayes classification model in enterprise operation risk prediction[J]. Microcomputer Applications, 2017,33(9):9-10，14. (in Chinese)