基于贝叶斯网络的车辆并线意图识别

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。