基于智能手機(jī)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(lǐng)域中場景理解的有力工具，通過學(xué)習(xí)運(yùn)動目標(biāo)車輛的行為模式，對車輛行駛軌跡或速度行為進(jìn)行理解與分析。由于交通場景的復(fù)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(fù)、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(jī)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(jìn)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(yù)測的需求。

2、r>　　為了解決上述問題，本文根據(jù)智能手機(jī)中傳感器數(shù)據(jù)的特點(diǎn)，針對車輛行為識別的數(shù)據(jù)預(yù)處理、特征分析以及分類模型等關(guān)鍵技術(shù)進(jìn)行了相關(guān)的研究，主要取得了以下幾個方面的研究成果：
　　（1）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(jī)多傳感器數(shù)據(jù)融合的預(yù)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(jìn)行恢復(fù)，保證了軌跡序列的完整性和有效性；在此基礎(chǔ)上，本文設(shè)計了一個速度計算

3、模型確定車輛行駛速度解決手機(jī)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(jìn)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(jìn)行姿態(tài)矯正將手機(jī)坐標(biāo)系還原成車輛參考坐標(biāo)系，使得手機(jī)可以在任意方向上放置，增強(qiáng)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(jìn)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(jìn)行重要度排序，并利用主成分分析法(PCA)進(jìn)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(yùn)行軌跡進(jìn)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(dá)方式。
　　（3）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(jī)進(jìn)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(jìn)行優(yōu)化。該方法在學(xué)習(xí)階段對采集到的數(shù)據(jù)進(jìn)行基于時間分段的訓(xùn)練，充分利用車輛行為漸進(jìn)變化過程中的信息，以此保證本文算法能夠達(dá)到在行為變化的過程中對當(dāng)前行為進(jìn)行實時判別和預(yù)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(diǎn)，從而準(zhǔn)確地獲取車輛行為數(shù)據(jù)段，克服了滑動窗口的主