摘要
随着物质生活的提高，夜间交通出行需求日益高涨，由此也导致交通事故频发，尤其是交叉路口最为严重。近年来人工智能和车路协同技术快速发展，结合这些前沿技术对交通安全控制这一关键技术进行研究成为热点。 为了解决夜晚社区交叉路口车辆的视线盲区和冲突碰撞问题，本文在车路协同环境下，利用自身车辆的驾驶工况分别预测进入交叉口区域的转向意图和车速值，并以预测数据为基础建立了安全辅助策略，从而达到随动照明辅助和冲突风险预警的目的。本论文的研究内容主要有以下几个方面： (1)驾驶转向意图预测。预测的转向意图为随动照明辅助的数据基础。建立了基于LSTM(LongShort-TermMemory，长短时记忆网络)的转向意图预测模型，通过分析训练结果，针对LSTM模型的缺陷建立了Attention机制的双向LSTM改进模型，准确率和直行转向区分度均有所提升。详细描述了上述模型结构和训练过程，并对几种改进算法性能进行了对比。 (2)车辆行驶速度预测。预测的车速数据为冲突风险预估的数据基础。首先搭建了简单灰色模型GM(1,1)，并针对GM(1,1)模型预测精度低的缺陷建立了基于等维递补灰色预测模型，提升了预测精度。 (3)交叉路口安全辅助策略研究。结合驾驶转向意图和路口照度，建立随动转向-模糊控制模型；结合车速预测结果，建立车速-位移模型。以随动转向-模糊控制模型和车速-位移模型为判断依据，建立随动辅助照明和冲突风险预估结合的安全辅助策略以缩小视线盲区和评估冲突风险。 (4)基于车路协同系统的智能路侧系统。根据提出的交叉口安全辅助策略及系统的需求分析，完成了系统硬件结构和软件设计，并对系统中的安全辅助策略进行了仿真验证和控制测试。
NETL