文献类型：期刊文章

作　　者：王皓昕[1] 李振龙[1] 赵晓华[1]

WANG Hao-xin;LI Zhen-long;ZHAO Xiao-hua(Beijing Key Laboratory of Traffic Engineering,Beijing University of Technology,Beijing 100124,China)

机构地区：[1]北京工业大学城市交通学院交通工程北京市重点实验室,北京100124

出　　处：《科学技术与工程》

基　　金：国家自然科学基金(61876011)。

年　　份：2021

卷　　号：21

期　　号：1

起止页码：254-259

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型。首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LSTM结构单元构建高速公路环境下车辆换道意图识别模型,提出基于时间信息加权的指数损失函数对模型权重进行优化;最后,利用车辆运行数据和驾驶员眼动数据对所提模型加以验证并与其他模型进行对比,所提模型换道识别的准确率为91.33%,宏平均精确率为89.04%,宏平均召回率为92.84%,宏平均F1值为90.33%。结果表明,长短时记忆网络对于长序列换道意图识别过程具有较好的分辨能力,提出的损失函数对模型权重优化具有良好的效果。

关 键 词：智能交通 加权指数损失函数  长短时记忆网络  换道意图识别  

分 类 号：TP391.41]