关键词：换道场景;智能网联汽车;换道决策;特征提取;支持向量机
摘 要：复杂交通环境中，换道决策直接影响智能汽车自主换道效果，然而在换道决策过程中依旧存在着预测正确率低以及决策安全的问题。因此，针对这一问题，提出了基于驾驶场景和决策规则的换道决策模型。考虑换道后的交通行驶状况对换道决策的影响，引入换道后的期望速度和换道前后与前车的距离作为新的特征变量，基于特征变量与换道决策的相关性建立了换道决策规则。建立了模拟真实驾驶环境的换道场景数据集，扩充了NGSIM换道场景数据集，并对其进行了有效性验证。针对换道决策的多参数和非线性问题，提出了基于贝叶斯优化核函数的支持向量机模型，在换道场景数据集上进行测试验证。结果表明：新引入的决策特征变量对换道行为有积极作用，换道场景数据集能够模拟真实的换道场景，可进一步应用到换道决策和轨迹规划的研究中，支持向量机模型对换道行为的预测正确率达95.40%,高于其他机器学习分类器，提高了换道行为的安全性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取