基于案例规划识别的规划库技巧

1前言 规划识别领域关注的是某个规划自主体的意图的推断。早期的规划识别系统主要用于故事理解（wilensky1980）、回答问题（Pollack1986）和自然语言对话理解（Allen和Perrault1980），随后Kautz提出了规划识别的理论基础（Kautz1991）。传统上，被观察的规划如果能够与规划库中已有的规划相匹配，就认为被识别了。规划识别器的规划库中存储了许多规划自主体可以运作的规划。实时的规划识别系统（在规划执行的过程中进行识别）也关注着规划器的十分局部的意图，预测下一个规划中的动作就是对于规划器这种局部意图推断的例子。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术（HMIoIV）是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。HMIoIV涉及了L0~L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统。针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人机共驾技术分成3类：单驾双控结构、串联型双驾单控结构（Traded Control）和并联型双驾双控结构（Shared Control）;并对驾驶人为因素、驾驶人模型、自然驾驶人状态监测和驾驶意图识别、串联型双驾单控结构和并联型双驾双控结构的研究方法以及权限与责任的关系进行全面综述。最后,分析总结当前智能汽车的人机共驾技术所面临的问题和挑战,并对该技术的发展趋势做出展望。     

驾驶辅助系统中判断驾驶员制动接管的方法研究

文章梳理了自动驾驶中主动制动技术的主流执行方案,分析了各执行方案对驾驶员输入制动和自动制动的响应机理,明确了制动执行器内部表征驾驶员制动意图和自动制动意图的参数,提出使用制动执行器内部参数准确判断驾驶员制动接管的方法,即通过实际主缸压力值超出自动制动目标液压一定阈值,或响应驾驶员制动输入的目标电机转速超出自动制动的目标电机转速一定阈值,判断自动制动过程中驾驶员通过制动接管车辆的方法。     

基于旅客出行意图的潜在高价值航线挖掘

借助Map-reduce平台对旅客订票日志进行挖掘,并采用LDA算法挖掘旅客出行意图,进而计算航线的潜在价值。在2011年中航信民航旅客订票日志上的实验结果表明:采用LDA算法挖掘的航线与实际热门航线的Jacarrd 相似系数达92%,比基于航班次数统计的传统方法高出2%,能够更准确、更有效地预测航线的未来价值。     

基于动态栅格与隐马尔科夫模型前车换道意图识别

针对前车换道意图识别预测问题,提出基于动态栅格地图与混合高斯隐马尔科夫模型结合的识别预测方法,建立以自车车头中心点为零点的动态栅格地图描述前车的位置信息,基于语义分割的方法获取前方车辆的轮廓特征与车道线,并分析前方障碍车辆的相关运动状态信息.将动态栅格地图与混合高斯隐马尔科夫模型相结合,识别预测前车换道行为.利用可观测...     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

基于领域知识的海上编队线型队形识别

编队队形是达成海上编队战术意图的重要手段,因此识别海上目标的编队队形是判断其作战意图的有效方法之一。本文从系统研究海上编队线型队形的领域特征入手,分析了海上编队线型队形的队列要素及计算方法,进而提出了海上编队线型队形的模板表示方法。在上述基础上,建立了识别队形所需要的坐标变换、队列方位等关键参数计算的数学模型,提出了基于队列方位的队列线聚类算法。最后设计了便于计算机编程实现的详细识别算法步骤,从而构建了基于领域特征的编队队形识别算法。     

自动驾驶汽车-行人交互研究综述

自动驾驶汽车已开始在部分开放道路进行测试,其与行人等其他交通参与者共享混行道路,面向自动驾驶汽车的车外人机交互技术亟需开展深入研究,以便行人快捷、高效地理解自动驾驶汽车的行驶意图,确保混合交通场景通行安全并提高通行效率。本文首先阐述了自动驾驶汽车与行人交互的重要意义,并从行人检测与跟踪、行人意图识别及行为预测、自动驾驶汽车的决策3个方面介绍了目前自动驾驶汽车的车外人机交互前期支撑技术研究概况,着眼于自动驾驶汽车行驶意图的表达,对交互需求和车外人机交互界面的设计原则及质量评估进行了梳理,最后提出了车外人机交互面临的挑战及未来的发展方向。     

街巷“暴走族”——上海大众斯柯达Fabia晶锐1．4MT晶灵版、1．6AT晶享版

戴着一顶白帽子的Fabia晶锐,凭借着迅捷的动力、灵巧的转弯以及艳丽的色彩,格外抢眼地游荡在城市之中,成为街巷里的"暴走族"。