基于換道意圖識(shí)別的高速公路換道駕駛行為預(yù)測(cè)研究

薛 森

（北京市首都公路發(fā)展集團(tuán)有限公司八達(dá)嶺高速公路管理分公司，北京 100101）

換道駕駛行為受許多因素的影響，且駕駛員的換道駕駛行為具有不確定性[1]。因此，準(zhǔn)確預(yù)測(cè)駕駛員的換道行為對(duì)交通管理和智能駕駛系統(tǒng)具有重要意義。該研究在說(shuō)明高速公路換道意圖等基本概念的基礎(chǔ)上進(jìn)行數(shù)據(jù)處理，并提出換道意圖識(shí)別模型，對(duì)高速公路換道駕駛行為進(jìn)行預(yù)測(cè)。為驗(yàn)證模型預(yù)測(cè)結(jié)果精準(zhǔn)性，對(duì)模型進(jìn)行試驗(yàn)，為更準(zhǔn)確地預(yù)測(cè)駕駛行為，保障高速公路交通安全提供借鑒。

1 基本概念框架

高速公路換道意圖是指駕駛員在行駛過(guò)程中決定改變當(dāng)前車道的意圖，通常是為了超越前方車輛、避讓障礙物或準(zhǔn)備將要離開(kāi)當(dāng)前道路[2]。換道場(chǎng)景指適合進(jìn)行換道操作的具體情境，包括超車、高速公路出口、道路障礙物或緊急情況、路口轉(zhuǎn)彎。為了構(gòu)建車輛換道意圖識(shí)別模型，該文給出不同特征車輛的定義，具體內(nèi)容如下：第一，主車（Ego Vehicle）。主車是指在某一處交叉口或路段上具有優(yōu)先權(quán)的車輛。通常根據(jù)交通信號(hào)、交通規(guī)則以及道路標(biāo)志等交通管理規(guī)定進(jìn)行主車確定。主車享有特定交通流通的優(yōu)先權(quán)，其他車輛需要遵守相應(yīng)規(guī)則并使主車讓行。在車輛換道意圖識(shí)別中，主車是指關(guān)注的目標(biāo)車輛，即需要判斷其是否有意進(jìn)行換道操作的車輛。通過(guò)準(zhǔn)確識(shí)別和分析主車的行為特征以及周圍車輛的狀態(tài)，可以更好地理解主車的意圖，為交通管理和其他車輛的決策提供參考依據(jù)。第二，周圍車輛（Surrounding Vehicles）。周圍車輛指的是在駕駛者當(dāng)前位置附近行駛或停放的其他車輛，包括同車道的前方、后方以及相鄰車道上的車輛。在道路交通中，周圍車輛的動(dòng)態(tài)變化和互動(dòng)會(huì)直接影響駕駛者的行駛策略和判斷。例如在變道操作的過(guò)程中，駕駛者需要注意觀察同車道和相鄰車道上的車輛，保障換道安全并避免碰撞。通過(guò)有效監(jiān)測(cè)和識(shí)別周圍車輛的位置、速度、加速度以及其他駕駛行為，可以提高駕駛者對(duì)道路交通環(huán)境的感知能力，增強(qiáng)駕駛安全性和減少事故風(fēng)險(xiǎn)。第三，目標(biāo)車輛（Target Vehicle）。目標(biāo)車輛是指在某個(gè)時(shí)刻周圍的主車所關(guān)注的特定車輛，該車輛可以是主車周圍的任意車輛。在特定情境下，主車可能會(huì)將某輛車輛視為目標(biāo)車輛，并將其作為重點(diǎn)觀察對(duì)象和考慮因素。在車輛換道意圖識(shí)別中，目標(biāo)車輛的確定對(duì)準(zhǔn)確判斷主車的意圖非常重要。通過(guò)綜合考慮目標(biāo)車輛的位置、動(dòng)態(tài)行為以及與主車的交互情況，可以更精確地預(yù)測(cè)目標(biāo)車輛是否有意進(jìn)行換道操作，從而提高駕駛者的安全性和路面交通流暢度。第四，鄰域車輛（Neighboring Vehicles）。鄰域車輛指在某個(gè)特定區(qū)域附近行駛的其他車輛。這些車輛可能包括與您同一條道路上的車輛、停在附近的車輛或者在您周圍行駛的車輛。鄰域車輛的數(shù)量和類型取決于駕駛車輛所處的位置和交通情況。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)預(yù)處理

為準(zhǔn)確、實(shí)時(shí)地識(shí)別車輛的換道意圖，通常需要在車輛行駛過(guò)程中采集包括關(guān)鍵特征信息的數(shù)據(jù)集合，例如車輛速度、車輛與周圍其他車輛的相對(duì)關(guān)系等。為保證數(shù)據(jù)的完整性，需要對(duì)數(shù)據(jù)單位進(jìn)行標(biāo)準(zhǔn)化處理，并根據(jù)公式（1）～公式（4）計(jì)算車輛橫向速度vx、相對(duì)橫向距離Δxi、相對(duì)縱向距離Δyi、目標(biāo)車輛與鄰域車輛相對(duì)速度Δvyi。

式中：vi為鄰域車輛的縱向速度；x為目標(biāo)車輛橫向坐標(biāo)；y為目標(biāo)車輛的縱向坐標(biāo)。

2.2 換道意圖階段標(biāo)記

為準(zhǔn)確識(shí)別車輛的換道意圖，需要先對(duì)數(shù)據(jù)集進(jìn)行標(biāo)記。由于在數(shù)據(jù)集中，沒(méi)有可以直接表示車輛換道意圖的值，因此在換道意圖階段（如圖1所示），目標(biāo)車輛用黑色、白色小車表示，鄰域車輛用灰色小車表示，換道意圖階段由曲線AC表示，左換道標(biāo)記為1，右換道標(biāo)記為2，車道保持標(biāo)記為0，以便于后續(xù)換道意圖識(shí)別工作。

圖1 換道意圖階段標(biāo)記圖（軌跡序列）

2.3 數(shù)據(jù)提取

基于上述場(chǎng)景，該文對(duì)完成預(yù)處理的數(shù)據(jù)進(jìn)行特征信息提取。該文僅研究單次換道行為，不考慮多次換道行為。所以要求提取的軌跡片段在換道前15秒和換道后10秒的時(shí)間范圍內(nèi)始終保持在相應(yīng)的固定車道上[3]。換道點(diǎn)被定義為車輛軌跡與車道線的交點(diǎn)，以確保單次換道行為特征提取工作高質(zhì)量進(jìn)行[4]。在實(shí)際操作中，輸入以下7種數(shù)據(jù)：1）目標(biāo)車輛的橫向速度、縱向速度、縱向加速度。2）鄰域車輛橫向速度、縱向速度。3）目標(biāo)車輛與鄰域車輛的相對(duì)橫向距離、相對(duì)縱向距離[5]。4）目標(biāo)車輛與鄰域車輛的相對(duì)縱向速度。5）目標(biāo)車輛所在的車道。6）大型車輛位于目標(biāo)車輛的方向（沒(méi)有大型車輛為0；有大型車輛，則大型車輛在哪些方向上就標(biāo)注在哪）。7）目標(biāo)車輛的換道意圖標(biāo)簽。

3 換道意圖識(shí)別模型

BiLSTM-F（Bi-directional Long Short-Term Memory，雙向長(zhǎng)短期記憶）模型通過(guò)雙向LSTM（Long Short-Term Memory，長(zhǎng)短期記憶）層，能夠同時(shí)捕捉序列數(shù)據(jù)前后的上下文信息，從而更全面地理解序列中的關(guān)系和模式。而通過(guò)引入注意力機(jī)制，模型可以自適應(yīng)地將注意力集中于對(duì)任務(wù)具有重要影響的部分，提高了模型對(duì)關(guān)鍵特征的關(guān)注程度[6]，所以該文選擇應(yīng)用BiLSTM-F模型進(jìn)行后續(xù)的研究，以期取得更好的研究結(jié)果。BiLSTM-F模型的輸入序列為公式（5）和公式（6）。

式中：label為車輛意圖階段標(biāo)記；vx為目標(biāo)車輛的橫向速度；vy為目標(biāo)車輛的縱向速度；vacc為目標(biāo)車輛的縱向加速度；bci為大型車輛位于目標(biāo)車輛的方向；vix為鄰域車輛橫向速度；laneid為目標(biāo)車輛所在的車道；vi為鄰域車輛的縱向速度；Δdi為目標(biāo)車輛與鄰域車輛的相對(duì)縱向距離；Δxi為目標(biāo)車輛與鄰域車輛的相對(duì)橫向距離；Δvyi為目標(biāo)車輛與鄰域車輛的相對(duì)縱向速度。

BiLSTM-F模型由前向LSTM、后向LSTM構(gòu)成，所以在輸入信息后，前向LSTM的神經(jīng)網(wǎng)絡(luò)層與后向的LSTM神經(jīng)網(wǎng)絡(luò)層會(huì)進(jìn)行結(jié)合，并呈現(xiàn)當(dāng)前時(shí)刻的隱藏狀態(tài)[7]。同時(shí)，LSTM中的遺忘門ft決定了上一時(shí)刻的細(xì)胞狀態(tài)ct-1中有多少信息能夠保留到當(dāng)前時(shí)刻的細(xì)胞狀態(tài)ct；LSTM中的輸入門決定了當(dāng)前時(shí)刻有多少的輸入信息xt可以保留到當(dāng)前時(shí)刻的細(xì)胞狀態(tài)；LSTM中的輸出門決定當(dāng)前時(shí)刻的細(xì)胞狀態(tài)中有多少信息能夠輸出到隱藏狀態(tài)ht中。LSTM如公式（7）～公式（9）所示。

式中：it是定義輸入門；ft是定義遺忘門；ot是定義輸出門；Wxi、Whi、Wxf、Whf、Wx0、Wh0分別為權(quán)重參數(shù)；bi、bf、b0分別為偏置參數(shù)。

將模型中的各個(gè)時(shí)刻輸出的數(shù)據(jù)信息進(jìn)行權(quán)重分配，該文采用加權(quán)平均法[8]，計(jì)算當(dāng)前時(shí)刻的總權(quán)重因子ATt，如公式（10）所示。

式中：ati為歸一化處理后得到的權(quán)重；ai為時(shí)刻i隱藏層的狀態(tài)信息。

結(jié)合駕駛?cè)藛T的換道情況分析發(fā)現(xiàn)，其換道意圖有明顯的前后依賴性[9]。該文通過(guò)建立車輛行駛軌跡數(shù)據(jù)集合的方式，計(jì)算意圖轉(zhuǎn)移矩陣，如公式（11）所示。

式中：Ot為輸入序列；yt為軌跡序列標(biāo)記；Ot、yt均為隨機(jī)變量序列。

基于上述分析，引入觀測(cè)序列X，建立最優(yōu)狀態(tài)輸出序列Y公式，如公式（12）所示。

根據(jù)公式（12）可知，t時(shí)刻換道意圖為Yt。

4 試驗(yàn)與結(jié)果分析

4.1 數(shù)據(jù)集

為驗(yàn)證模型精準(zhǔn)性，該文收集了某公路管理局提供的數(shù)據(jù)集中101車道軌跡數(shù)據(jù)進(jìn)行分析。標(biāo)簽為0的個(gè)數(shù)為58475；標(biāo)簽為1的個(gè)數(shù)為38990；標(biāo)簽為2的個(gè)數(shù)為15325。為保證識(shí)別結(jié)果分析具有精準(zhǔn)性，選取7：55—8：40時(shí)段內(nèi)的數(shù)據(jù)集進(jìn)行驗(yàn)證。

4.2 換道行為識(shí)別結(jié)果

識(shí)別結(jié)果如圖2所示。車輛軌跡數(shù)據(jù)每隔0.1s進(jìn)行采樣。當(dāng)距離換道點(diǎn)1.9s時(shí)，可以預(yù)測(cè)目標(biāo)車輛有向左換道的意圖。

圖2 場(chǎng)景圖

為進(jìn)一步分析結(jié)果，將目標(biāo)車道換道點(diǎn)提前5s，并應(yīng)用該時(shí)刻的數(shù)據(jù)進(jìn)行計(jì)算，得到的預(yù)測(cè)時(shí)刻的車輛狀態(tài)數(shù)據(jù)見(jiàn)表1。

由表1分析可知，正后方車輛、右后方車輛的相對(duì)速度較慢；右后方車輛與目標(biāo)車輛的縱向相對(duì)距離較勁；在50m后，右后方車輛加速行駛。因?yàn)檐囕v速度相差的數(shù)值較小，所以車輛的密度較大，且右后方的車輛正加速行駛，為提升駕駛的安全性，目標(biāo)車輛的駕駛員出現(xiàn)了左換道意圖。

針對(duì)換道選擇行為識(shí)別，該文選擇07：55—08：10、08：10—08：25、08：25—08：40 3個(gè)時(shí)間段的數(shù)據(jù)集進(jìn)行計(jì)算。為提升計(jì)算針對(duì)性，選擇07：55—08：10這一時(shí)間段的數(shù)據(jù)集，進(jìn)行換道選擇情況分析，結(jié)果見(jiàn)表2。

表2 7：55—8：10車輛換道選擇

表2結(jié)果顯示，該時(shí)段共有468輛車進(jìn)行換道，每個(gè)車道上分別有57、93、131、135、53輛車經(jīng)過(guò)一次或多次換道。

車道平均速度結(jié)果見(jiàn)表3。

表3 車道平均速度（單位：m/s）

由表3數(shù)據(jù)分析可知，07:55—08:10時(shí)段內(nèi)，1號(hào)車道的平均速度較小，另外4個(gè)車道的平均速度較高，通過(guò)表2數(shù)據(jù)分析可知，07：55—08：10時(shí)段內(nèi)，1號(hào)車道的平均速度較小，另外，4個(gè)車道的平均速度較高，所以結(jié)合表2數(shù)據(jù)計(jì)算，預(yù)測(cè)該時(shí)段內(nèi)車輛換道的概率超過(guò)85%。由于08：10—08：25、08：25—08：40兩個(gè)時(shí)段為車輛高峰期，且車輛的平均速度相近，因此基于駕駛安全性考慮，車輛換道的概率與07：55—08：10時(shí)段相比較低。

基于此，該研究對(duì)所提出的模型各時(shí)間節(jié)點(diǎn)車輛左右換道預(yù)測(cè)精準(zhǔn)性進(jìn)行對(duì)比，結(jié)果如圖3所示。

圖3 左右換道預(yù)測(cè)結(jié)果

由圖3分析可知，該文提出的模型提前0.5s預(yù)測(cè)結(jié)果精準(zhǔn)性為98%；提前2s以上的預(yù)測(cè)結(jié)果精準(zhǔn)性為93%以上，精準(zhǔn)率較高，具有良好的應(yīng)用前景與價(jià)值。

5 結(jié)論

該文提出基于換道意圖識(shí)別模型，對(duì)高速公路換道駕駛行為進(jìn)行預(yù)測(cè)。該模型中，引入BiLSTM、觀測(cè)序列。通過(guò)真實(shí)數(shù)據(jù)集的計(jì)算驗(yàn)證，結(jié)果表明，該文提出的模型能夠有效預(yù)測(cè)出高速公路車輛換道意圖。尤其是在0.5s內(nèi)，預(yù)測(cè)結(jié)果精準(zhǔn)性為98%；0.5s～3s的預(yù)測(cè)結(jié)果精準(zhǔn)性為93%以上。這一結(jié)果證明該文所提出的模型具有良好的泛化能力和較高的識(shí)別精準(zhǔn)率。