智能網(wǎng)聯(lián)汽車中駕駛意圖識別技術(shù)的應(yīng)用分析

常鶴暉

摘 要：文章就駕駛意圖識別技術(shù)在智能網(wǎng)聯(lián)汽車當(dāng)中的應(yīng)用進(jìn)行討論，在分析其應(yīng)用現(xiàn)狀的同時，對其應(yīng)用前景進(jìn)行了有效的探討，希望能夠為汽車技術(shù)的發(fā)展提供參考和借鑒。

關(guān)鍵詞：智能網(wǎng)聯(lián)汽車 駕駛意圖識別 應(yīng)用前景

Application Analysis of Driving Intention Recognition Technology in Intelligent Networked Vehicles

Chang Hehui

Abstract：This article discusses the application of driving intention recognition technology in intelligent networked vehicles. While analyzing the application status， the article also discusses its application prospects effectively， hoping to provide reference for the development of automotive technology.

Key words：intelligent networked car， driving intention recognition， application prospects

當(dāng)前階段，科技飛速發(fā)展，智能網(wǎng)聯(lián)汽車已經(jīng)成為汽車領(lǐng)域發(fā)展的重要方向，而對于智能網(wǎng)聯(lián)汽車來說，人機(jī)共駕是非常關(guān)鍵的組成部分，但人機(jī)共駕的實現(xiàn)，往往需要對駕駛意圖識別技術(shù)進(jìn)行有效的應(yīng)用，也只有準(zhǔn)確識別駕駛員的操作意圖，才能在實現(xiàn)個性化自動駕駛的同時，確保車輛的行駛安全，為此，我針對駕駛意圖識別技術(shù)在智能網(wǎng)聯(lián)汽車中的應(yīng)用進(jìn)行了深入的研究。

1 駕駛意圖識別技術(shù)在智能網(wǎng)聯(lián)汽車中的應(yīng)用現(xiàn)狀

1.1 以模糊邏輯為基礎(chǔ)的駕駛意圖識別技術(shù)

從現(xiàn)有車輛行駛的數(shù)據(jù)分析來看，駕駛員自身的駕駛意圖往往會受到諸多因素的影響，包括其駕駛習(xí)慣、車輛運(yùn)行工況以及行車環(huán)境等等。所以，駕駛意圖具有模糊性特征，可以將其定義為一種經(jīng)驗型模型。而模糊理論主要對模糊數(shù)學(xué)知識進(jìn)行應(yīng)用，能夠?qū)θ四X思維方式進(jìn)行模擬，并對模糊現(xiàn)象展開識別與判定，其對于經(jīng)驗型模型的處理具有非常顯著的優(yōu)勢。

以模糊邏輯為基礎(chǔ)的駕駛意圖識別技術(shù)能夠?qū)︸{駛員的各項操作參數(shù)以及汽車運(yùn)行參數(shù)進(jìn)行獲取，并結(jié)合相關(guān)隸屬度函數(shù)，獲得與各參數(shù)對應(yīng)的模糊語言變量，在這種情況下，結(jié)合優(yōu)秀駕駛員的經(jīng)驗以及專家知識構(gòu)建的模糊規(guī)則，即可獲得與輸入?yún)?shù)對應(yīng)的駕駛意圖。而通過對駕駛員需求的準(zhǔn)確分析，能夠為后期控制方案的改進(jìn)及優(yōu)化提供支持，使汽車的綜合性能可以得到進(jìn)一步的提升。

針對上述駕駛意圖識別技術(shù)，目前，大部分研究都是以提高汽車經(jīng)濟(jì)性為出發(fā)點的。例如，研發(fā)技術(shù)人員對油電混合動力汽車進(jìn)行了研究，其結(jié)合駕駛員對制動踏板以及加速踏板的操作，借助模糊推理對駕駛意圖展開了分析，并預(yù)測了未來的行駛狀況，立足于最小等效燃油消耗構(gòu)建了混合邏輯動態(tài)模型，通過求解預(yù)測時域內(nèi)電機(jī)轉(zhuǎn)矩的最佳控制序列，使車輛運(yùn)行的經(jīng)濟(jì)性得到了有效的提升。也有研發(fā)人員以加速意圖以及駕駛風(fēng)格為出發(fā)點進(jìn)行了模糊識別，其主要是對加速意圖以及駕駛風(fēng)格的識別結(jié)果進(jìn)行輸入，對模糊轉(zhuǎn)矩修正控制器進(jìn)行構(gòu)建，通過修正需求轉(zhuǎn)矩，可以對車輛的節(jié)油潛力進(jìn)行充分的挖掘。

國外的智能網(wǎng)聯(lián)汽車技術(shù)人員通過研究發(fā)現(xiàn)，汽車的變道過程對于安全性具有較高的要求，該項操作還具備明顯的駕駛員個性和模糊性。而由于自適應(yīng)形式的模糊識別技術(shù)能夠有效適應(yīng)數(shù)據(jù)在線變化，所以，可以在駕駛員變道意圖識別中對該項技術(shù)進(jìn)行應(yīng)用。除此之外，研發(fā)技術(shù)人員在測試中，分別使用踏板開度、開度變化率以及踏板受力強(qiáng)度進(jìn)行輸入和輸出，通過模糊推理系統(tǒng)對識別制動意圖的方法進(jìn)行了編制，使得車輛制動的平穩(wěn)性和舒適性得到了很大的提升，而該項技術(shù)在現(xiàn)代商務(wù)車系統(tǒng)當(dāng)中得到了廣泛的應(yīng)用[1]。

1.2 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的駕駛意圖識別技術(shù)

以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的駕駛意圖識別技術(shù)，能夠在神經(jīng)網(wǎng)絡(luò)當(dāng)中輸入駕駛員的操作行為以及汽車的運(yùn)行工況，并對駕駛意圖進(jìn)行輸出。神經(jīng)網(wǎng)路模型在經(jīng)過已有數(shù)據(jù)的訓(xùn)練以后，便可以對駕駛意圖識別的相關(guān)需求加以滿足。

為了對汽車行駛的安全性進(jìn)行提升，研發(fā)技術(shù)人員對車道保持以及換道行駛的差異性進(jìn)行了研究，并分別以證據(jù)理論識別模型以及BP神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)，針對換道意圖開展了識別試驗，經(jīng)試驗之后可以確定，利用BP神經(jīng)網(wǎng)絡(luò)能夠有效識別特征提取樣本，可以在駕駛意圖識別中進(jìn)行有效的應(yīng)用。

對于模糊信息，神經(jīng)網(wǎng)絡(luò)往往難以實現(xiàn)有效處理，而且其對于樣本具有較高的要求，所以，為了進(jìn)一步提升駕駛意圖識別的效果，研發(fā)技術(shù)人員將其與模糊系統(tǒng)進(jìn)行結(jié)合應(yīng)用，因為模糊系統(tǒng)的推理過程更容易被理解，能夠?qū)＜抑R進(jìn)行有效的利用，且對于樣本沒有太高的要求。這也為模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用提供了支持。

為了進(jìn)一步驗證模糊神經(jīng)網(wǎng)絡(luò)在駕駛意圖識別中的應(yīng)用效果。研發(fā)技術(shù)人員將換道可行性、危險感知以及期望滿足度等參數(shù)作為輸出，構(gòu)建了以換道意圖識別為出發(fā)點的模型，經(jīng)實踐發(fā)現(xiàn)，對模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行應(yīng)用，能夠使駕駛意圖識別的準(zhǔn)確性得到有效的提升[2]。

1.3 以隱馬爾科夫模型為基礎(chǔ)的駕駛意圖識別技術(shù)

該項技術(shù)能夠?qū)⒛骋粫r間序列當(dāng)中的加速踏板開度以及車輛行駛速度作為輸入數(shù)據(jù)，并傳送至與各種意圖對應(yīng)的子模型當(dāng)中進(jìn)行匹配，在完成子模型輸入序列產(chǎn)生概率的相關(guān)計算以后，選擇概率最高的子模型進(jìn)行意圖識別結(jié)果的輸出。

結(jié)合這種駕駛意圖識別技術(shù)，研發(fā)技術(shù)人員以支持向量機(jī)以及HMM為基礎(chǔ)構(gòu)建了一種混合模型，該模型能夠利用HMM識別駕駛員的操作行為，并通過支持向量機(jī)完成換道意圖的分類識別，這不僅滿足了駕駛意圖識別的實時性要求，同時也確保了較高的識別率。另外，還有研究者以隱馬爾科夫模型為基礎(chǔ)對變道意圖識別進(jìn)行了研究，其主要是在現(xiàn)有模型的基礎(chǔ)上對貝葉斯濾波技術(shù)進(jìn)行了應(yīng)用，通過該項技術(shù)對各種行為的概率進(jìn)行計算，并與相應(yīng)的閾值進(jìn)行對比，從而在其中選擇概率最高的一項作為識別結(jié)果，使得識別準(zhǔn)確率得到了顯著的提升。

目前這種識別技術(shù)在應(yīng)用過程中，為了更好的進(jìn)行識別匹配必須要構(gòu)建多個子模型，但相比于神經(jīng)網(wǎng)絡(luò)識別以及模糊邏輯識別，其具有更強(qiáng)的時序處理能力，所以其在實際中的應(yīng)用也非常的廣泛。

1.4 以支持向量機(jī)為基礎(chǔ)的駕駛意圖識別技術(shù)

具備線性不可分特征的數(shù)據(jù)樣本是支持向量機(jī)有效應(yīng)用的前提，其可以利用核函數(shù)向高維特征空間進(jìn)行數(shù)據(jù)的映射，并在其中進(jìn)行分類處理，從而完成一個超平面的構(gòu)建，在各類樣本之間形成最大化的隔離邊緣。在駕駛意圖識別中對支持向量機(jī)進(jìn)行應(yīng)用，可以將駕駛員操作行為以及汽車運(yùn)行工況作為輸入數(shù)據(jù)，在核函數(shù)對相關(guān)數(shù)據(jù)進(jìn)行映射以后，可以通過離線數(shù)據(jù)對各種駕駛意圖對應(yīng)的超平面進(jìn)行求解，并對駕駛意圖識別模型進(jìn)行構(gòu)建。與神經(jīng)網(wǎng)絡(luò)類似，支持向量機(jī)使用的也屬于學(xué)習(xí)型機(jī)制，但支持向量機(jī)可以更好的滿足高位模式識別，非線性識別以及小樣本識別的相關(guān)需求。

而為了提高該項技術(shù)的應(yīng)用效果，研發(fā)技術(shù)人員以提高電動汽車行駛里程為出發(fā)點進(jìn)行了研究。即將加速踏板的開度以及位移加速度作為輸入數(shù)據(jù)，在完成支持向量機(jī)的訓(xùn)練以后，借助網(wǎng)格優(yōu)化算法獲得識別加速度意圖的模型，再通過具有自適應(yīng)特征的粒子群算法對識別模型進(jìn)行優(yōu)化，這使得模型獲得了更高的識別準(zhǔn)確度[3]。

由于以支持向量機(jī)為基礎(chǔ)的駕駛意圖識別技術(shù)在二分類問題當(dāng)中具有更高的適用性，其往往被應(yīng)用于換道、并線以及超車等意圖識別中，為此，大部分研究都集中在提高行車安全性上。

2 駕駛意圖識別技術(shù)在智能網(wǎng)聯(lián)汽車中的應(yīng)用前景

隨著人工智能技術(shù)以及自動駕駛技術(shù)的進(jìn)步與應(yīng)用，駕駛意圖識別技術(shù)也在不斷革新，其識別準(zhǔn)確性，決定了更為廣闊的應(yīng)用前景，具體表現(xiàn)在以下幾個方面：

首先，在對駕駛意圖進(jìn)行定性識別的同時，實現(xiàn)定量識別。當(dāng)前階段，定性識別技術(shù)較為普遍，但想要在智能網(wǎng)聯(lián)汽車當(dāng)中真正的實現(xiàn)自動駕駛，還需要對汽車控制過程中的數(shù)據(jù)進(jìn)行量化處理，也只有對各項數(shù)據(jù)進(jìn)行準(zhǔn)確的量化，在駕駛意圖識別過程中實現(xiàn)定量識別，才能為駕駛輔助系統(tǒng)的平穩(wěn)運(yùn)行提供支持，也因此，定量識別將會成為駕駛意圖識別技術(shù)未來發(fā)展的重要方向[4]。

其次，在未來發(fā)展過程中，對于駕駛意圖識別而言，網(wǎng)聯(lián)數(shù)據(jù)也將成為其特征參數(shù)輸入的重要組成部分，現(xiàn)有的駕駛意圖識別技術(shù)在進(jìn)行模型構(gòu)建時，還只是將駕駛員操作行為以及汽車運(yùn)行工況作為參數(shù)進(jìn)行模型輸入，但卻沒有認(rèn)識到汽車行駛環(huán)境與駕駛意圖間的密切關(guān)聯(lián)，而隨著汽車領(lǐng)域的深入發(fā)展，如果能夠在駕駛意圖識別模型構(gòu)建中嵌入網(wǎng)聯(lián)數(shù)據(jù)的應(yīng)用，將會迅速提升識別技術(shù)的準(zhǔn)確性，這對自動駕駛技術(shù)的廣泛應(yīng)用具有非常重要的意義。

最后，有效利用5G等未來通信技術(shù)實現(xiàn)駕駛意圖的快速識別。在對駕駛意圖進(jìn)行識別的過程中，往往需要進(jìn)行一系列的運(yùn)算操作，但目前的車載單元在數(shù)據(jù)處理能力方面還較為有限，所以，在未來的發(fā)展中，可以考慮向云端進(jìn)行汽車參數(shù)的傳輸，并利用云端進(jìn)行相應(yīng)的計算，獲得準(zhǔn)確的識別結(jié)果，最后再向智能網(wǎng)聯(lián)汽車進(jìn)行回傳，在這種情況下，不僅能夠降低車載單元的計算壓力，獲得更高的數(shù)據(jù)處理效率，還能通過云端對數(shù)據(jù)進(jìn)行廣播回傳，將自身的操作意圖告知周圍車輛，使其能夠及時采取應(yīng)對措施，確保行車的安全性[5]。

3 結(jié)語

綜上所述，在智能網(wǎng)聯(lián)汽車當(dāng)中應(yīng)用駕駛意圖識別技術(shù)，不僅能夠滿足人們個性化的駕駛要求，還能使駕駛安全得到有效的保障，隨著科技的進(jìn)步，駕駛意圖識別技術(shù)的識別效率以及識別準(zhǔn)確性將會得到不斷的提升，相信其應(yīng)用前景也會隨之不斷擴(kuò)大。

參考文獻(xiàn)：

[1]劉陽，李磊，陰曉峰.駕駛意圖識別技術(shù)研究現(xiàn)狀及其在智能網(wǎng)聯(lián)汽車中的應(yīng)用展望[C]// 2019中國汽車工程學(xué)會年會論文集（1）.2019.

[2]梁軍，徐鵬，蔡英鳳，et al. 面向混合交通流的智能網(wǎng)聯(lián)車鳴笛意圖識別模型[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2019，33（4）：55-62.

[3]劉華仁，陳效華，紀(jì)明君，等.智能網(wǎng)聯(lián)汽車人機(jī)交互手勢識別設(shè)計[J].北京汽車，2017，26（5）.

[4]趙偉杰.基于智能網(wǎng)聯(lián)汽車高級輔助駕駛系統(tǒng)技術(shù)的分析[C]// 四川省第十四屆汽車學(xué)術(shù)年會論文集. 2020.

[5]尚薇. 智能網(wǎng)聯(lián)汽車中控的設(shè)計與研究[D].? 2020.