基于概率图模型的机动车逆行行为识别

由于车载定位设备精度的不断提高，利用车辆的轨迹数据可以识别车辆的逆行行为，但设备或环境会产生噪声，本文主要针对轨迹处理过程中的噪声问题，研究概率图模型下的逆行行为概率判断。首先对机动车出行轨迹进行识别，拆分成出行轨迹，解决因为掉头等对概率判断的影响；再利用动态贝叶斯网络建立马尔科夫模型，对识别结果空间推断；进而基于方向角数据结合卡尔曼滤波法进行去噪后与地图匹配，计算定位点在道路上的先验概率和条件概率，再利用相邻轨迹点的条件概率计算该点的逆行概率，最终设定逆行行为判定阈值，并利用已知的轨迹数据验算准确性。结果显示，利用动态贝叶斯网络能够发现机动车的逆行行为，对提高道路安全有重要意义。