TY - JOUR A2 - Papadimitriou, Eleonora AU - Yang, Wei AU - Liu, Jiajun AU - Zhou, Kaixia AU - Zhang, Zhiwei AU - Qu，在自动紧急制动(AEB)系统中，驾驶员的意图是非常重要的。如果前车突然刹车，对后车有潜在的碰撞风险。为此，我们提出了一种基于BP神经网络和隐马尔科夫模型的前车驾驶员意图识别模型。将制动踏板、加速踏板和车速数据作为BP-HMM模型的输入，以识别驾驶员的意图，包括均匀驾驶、正常制动和紧急制动。根据车联网传输的识别驾驶员意图，提出了后续车辆的AEB模型，该模型可以动态改变不同驾驶条件下的临界制动距离，以避免追尾碰撞。为了验证所提模型的性能，我们在Simulink和PreScan的协同仿真环境下进行了驾驶员意图识别和AEB仿真试验。仿真测试结果表明，BP-HMM模型的平均识别正确率为98%，优于BP和HMM模型。在车对车后移动(CCRm)和车对车后制动(CCRb)试验中，后车与前车的最小相对距离分别在1.5 m - 2.7 m和2.63 m - 5.28 m范围内。与传统的AEB模型相比，所提出的AEB模型具有更好的避碰性能，并且能够适应个体驾驶员。 SN - 0197-6729 UR - https://doi.org/10.1155/2020/5172305 DO - 10.1155/2020/5172305 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -