基于贝叶斯网络的车辆并线意图识别
姜顺明
匡志豪
王奕轩
吴朋朋
江苏大学 汽车与交通工程学院,江苏 镇江 212013
摘要：为了在多车道行驶场景中准确判断出旁车并线意图,提出了一种基于贝叶斯网络的旁车并线意图识别模型.首先,从运动轨迹数据集中筛选样本构建训练集和测试集,选取特征参数,并利用卡方分裂算法对其进行离散化预处理.其次,在评分搜索的网络结构学习基础上,加入随机抽样来避免局部最优,通过构造接近目标平稳分布的马尔可夫链,多次迭代直到收敛到平稳状态来选取最佳网络结构.然后,使用贝叶斯估计法学习网络参数,搭建基于贝叶斯网络的旁车并线意图识别模型.最后,以测试样本进行验证.验证结果表明:基于贝叶斯网络的旁车并线意图识别模型,对并线样本和直行样本的识别准确率分别高达94.76％和96.38％,具有良好的识别精度.减少任意一个纵向参数的模型识别准确率都大于87％,而减少任意一个横向参数的模型识别准确率都小于76％,横向参数对识别效果的影响力大于纵向参数.
关键词：贝叶斯网络意图识别随机抽样卡方分裂
分类号：U471.1(公路运输)
资助基金：国家自然科学基金(51575239)
论文发表日期：2021-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 39-44 )