考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。     

有色金属加工产业园周边农田土壤重金属污染调查研究

本研究对位于我国中部某省份某市有色金属加工产业园周边农田土壤中重金属的污染特征进行了调查研究,并采用单因子指数法和内梅罗综合污染指数法评价其污染程度。结果表明,土壤中重金属浓度均低于《土壤环境质量标准》(GB15618-1995)二级标准,对植物和环境不构成影响。单因子指数法评价表明,重金属污染程度由大到小的顺序为:AsCrCdPbHg;内梅罗综合污染指数法评价表明,各采样点位污染情况依次是S3S7S4S5S2S6S1,主要是受产业园所在地区主导风向东风的影响,处于下风向的S3、S7污染最为严重。