基于神经网络和贝叶斯滤波器的危险驾驶行为识别 (2013年)

以跟车过近和非正常换道为导向的车道偏离为典型的危险驾驶行为为研究对象,筛选识别的表征参数,并确定表征参数的判定阈值及识别时窗。构建神经网络-贝叶斯滤波器识别模型,选取待识别样本,对危险驾驶行为进行辨识,并对模型的识别效能进行评价。结果表明,单独使用神经网络模型进行危险驾驶行为识别时,识别成功率为83.60%,经过贝叶斯滤波器修正后,组合模型的识别准确率达到92.46%。研究成果对现有辅助驾驶系统的效能评价,以及未来智能系统的开发,均有重要的理论及现实意义。