为了降低前方车辆驾驶行为的随机变化对自身车辆安全的影响,提出了一种基于隐马尔科夫模型(Hidden Markov Model,HMM)的前方车辆驾驶行为的识别方法。首先,分析了高速公路场景中车辆的换道特性,选取前方车辆的纵向速度、横向位移和横向速度作为特征参数;采用线性均值滤波的方法对原始观测数据进行平滑滤波处理。其次,基于Baum-Welch算法训练得到前方车辆三种驾驶行为的最优隐马尔科夫模型,基于Viterbi算法识别出前方车辆的驾驶行为。最后,测试结果表明隐马尔科夫模型可以有效地识别出前方车辆的驾驶行为。

为减少因驾驶员因素造成的长途客车交通事故,从驾驶人、车辆、道路环境的角度将行车数据分为驾驶员行为信息、车辆状态信息、环境及位置信息3大类。分析了基于行车数据的驾驶经济性、平稳性的计算方法,并对疲劳驾驶、急加减速、非正常地点停车等不规范驾驶行为进行了研究和识别,为长途客车驾驶员驾驶行为的识别提供了新的方法,为驾驶员行车安全性评估提供参考。