基于多源指数加权损失下LSTM的换道意图识别方法

摘要

针对车道变换意图识别中数据源单一，序列模型难以捕获长序列范围内换道意图且存在长期依赖问题，提出一种时间信息加权指数损失函数下的长短时记忆网络车辆换道意图识别模型。首先，利用驾驶模拟舱,眼动仪进行高速公路驾驶实验，采集车辆运行数据和驾驶员眼动数据；基于LSTM结构单元构建高速公路环境下车辆换道意图识别模型，提出的基于时间信息加权的指数损失函数对模型权重进行优化；最后，利用车辆运行数据和驾驶员眼动数据对所提模型加以验证并与其它模型进行对比，所提模型换道识别的准确率为96.78％，精确率为95.72％,召回率为95.83％,F1值为95.73％。长短时记忆网络对于长序列换道意图识别过程具有较好的分辨能力，提出的损失函数对模型权重优化具有良好的效果。