English Version

我院团队在工程技术领域TOP期刊发表高水平论文

2024年03月19日 16:25  点击:[157]

日前,我院王涛教授团队,在车辆智能化技术应用领域取得进展,其科研成果发表于工程技术领域TOP期刊《Accident Analysis & Prevention》(IF:5.9,中科院分区:1区),论文题为“Lane-change intention recognition considering oncoming traffic: Novel insights revealed by advances in deep learning”。我院硕士研究生刘浩为第一作者,王涛教授为通讯作者。

换道(Lane Change,LC)意图识别技术是车辆高级辅助驾驶系统(Advanced Driving Assistance System,ADAS)的重要组成部分之一。但由于缺乏对双车道双向道路环境的研究,换道意图识别技术在现实世界中的应用十分有限。因此,研究团队提出利用高保真驾驶模拟器构建双车道双向道路,以开发一种能准确识别换道意图的 Transformer 模型。该研究提出了一种结合车辆动力学和眼动跟踪(combining Vehicle dynamics and Eye-tracking Labelling methods,VEL)的新型 LC 时间窗标记算法,针对不同类型的驾驶人都可取得高稳健性的LC意图数据。此外,该研究提出改进的LIME算法以解决深度学习模型的“黑盒子”缺陷。研究结果表明:(1)在LC意图识别数据集中加入对向车流的车辆特征后,LC意图识别的准确性会进一步提高;(2)与传统深度模型相比,结合VEL标记算法的Transformer模型可在换道前平均4.59 秒准确识别LC,准确率高达 92.6%,表现出了最先进的性能;(3)LIME模型的解释则发现,眼动追踪特征对LC事件的贡献最大,而LC车辆与初始车道前车以及目标车道跟随车的交互特征对LC也有着重要的影响。本研究成果扩展了LC意图识别技术的应用场景,为高级辅助驾驶系统的发展提供了新的思路,对智能车辆的大众化普及和实际应用做出贡献。

该研究工作得到了国家自然科学基金(52262047)的资助。文章DOI: https://doi.org/10.1016/j.aap.2024.107476

 

(供稿:王鸿静  审核:王涛)


友情链接

Baidu
sogou