基于智能手機的車輛行為識別技術(shù)研究.pdf

1、車輛行為識別技術(shù)是實現(xiàn)智能交通領域中場景理解的有力工具，通過學習運動目標車輛的行為模式，對車輛行駛軌跡或速度行為進行理解與分析。由于交通場景的復雜性，車輛行為識別面臨著很多困難和挑戰(zhàn)。例如，不完整、重復、噪聲等異常數(shù)據(jù)以及低質(zhì)量、不合理的特征參數(shù)會大大降低識別率；現(xiàn)有基于智能手機的車輛行為識別方法是在形成完整的軌跡后再對該時間段內(nèi)的行為數(shù)據(jù)進行模式識別，可視為對車輛行為最終狀態(tài)的識別，無法滿足智能交通中車輛行為實時判別和預測的需求。

2、r>　　為了解決上述問題，本文根據(jù)智能手機中傳感器數(shù)據(jù)的特點，針對車輛行為識別的數(shù)據(jù)預處理、特征分析以及分類模型等關(guān)鍵技術(shù)進行了相關(guān)的研究，主要取得了以下幾個方面的研究成果：
　?。?）為了提高車輛行為識別的魯棒性，本文提出了一種基于智能手機多傳感器數(shù)據(jù)融合的預處理方法。該方法通過閾值判定的方式去除不完整軌跡，并利用路徑重構(gòu)算法和最小二乘擬合對車輛行駛軌跡進行恢復，保證了軌跡序列的完整性和有效性；在此基礎上，本文設計了一個速度計算

3、模型確定車輛行駛速度解決手機GPS信號丟失造成的速度數(shù)據(jù)丟失的問題，并采用小波變換對傳感器數(shù)據(jù)進行濾波處理以還原真實數(shù)據(jù)。此外，本文還利用旋轉(zhuǎn)矩陣進行姿態(tài)矯正將手機坐標系還原成車輛參考坐標系，使得手機可以在任意方向上放置，增強了系統(tǒng)實用性。
　?。?）為了提高車輛行為識別的效率，本文提出了基于SVM-RFE與PCA的車輛行為特征提取和選擇方法。該方法首先對降噪后的傳感器數(shù)據(jù)進行基于時域和頻域兩方面的特征提取，充分挖掘車輛駕駛行為特

4、征，以保證車輛行為識別率。針對特征維度可能造成的“維度爆炸”以及算法的實時性需求，本文采用基因選擇算法(SVM-RFE)對車輛行為特征進行重要度排序，并利用主成分分析法(PCA)進行特征降維，加快了算法的處理速度。另外，本文采用了基于方向角區(qū)間劃分方法對運行軌跡進行編碼，通過車輛行駛所產(chǎn)生的方向信息來描述車輛軌跡的幾何形狀，簡化了軌跡序列的表達方式。
　?。?）針對車輛行為識別精確度和動態(tài)識別的要求，提出了一種基于時間分段矯正的行

5、為識別方法。該方法采用支持向量機進行車輛行為識別，并利用RBF核函數(shù)以及遺傳算法對識別效果進行優(yōu)化。該方法在學習階段對采集到的數(shù)據(jù)進行基于時間分段的訓練，充分利用車輛行為漸進變化過程中的信息，以此保證本文算法能夠達到在行為變化的過程中對當前行為進行實時判別和預測的目的?；跁r間分段矯正的行為識別方法改變了傳統(tǒng)方法中使用固定長度滑動窗口截取車輛行為數(shù)據(jù)的方式，能夠自動檢測出車輛行為的起止點，從而準確地獲取車輛行為數(shù)據(jù)段，克服了滑動窗口的主