基于卷积支持向量机的驾驶意图识别

摘要

针对驾驶意图识别特征提取难度大、识别准确率低的问题，结合卷积神经网络的自适应特征提取功能和支持向量机的超强泛化分类性能，提出一种基于卷积支持向量机(CNN-SVM)的驾驶意图识别方法，其能够比较准确地识别驾驶意图。特征参数选取为车速、加速度、踏板开度和踏板开度变化率，利用卷积神经网络(CNN)对数据进行特征信息提取，然后导入支持向量机(SVM)进行分类，并引入灰狼优化算法(GWO)优化模型参数，提高驾驶意图识别准确率。为了验证其优越性，使用该模型与CNN-SVM、CNN-LSTM、GWO-LSTM 3种模型进行对比，认为本文提出的驾驶意图识别模型性能最好。

关键词

驾驶意图识别 / 卷积支持向量机 / 灰狼优化算法