河南科技HenanScienceandTechnology计算机科学与人工智能总第800期第6期2023年3月基于GMM-LSTM的车辆切入意图识别研究杨磊（重庆交通大学机电与车辆工程学院，重庆400074）摘要：【目的目的】为了能准确识别出他车的切入意图，同时解决由爆发性增长的无标签行车数据所引起的识别模型落地难的问题。【方法方法】本研究提出一种双层无监督的车辆切入意图识别模型，该模型由聚类模块及意图识别模块组成。聚类模块采用高斯混合模型对基于NGSIM构造的无标签数据集进行聚类分析，并挖掘其内在的数据关系，从而获取切入时不同驾驶行为对应的特征标签。意图识别模块用于识别车辆切入意图，该模块是基于LSTM搭建的。该模块先结合聚类模块来获取特征标签及无标签数据集，构造新的有标签训练集及测试集，然后将其输入到神经网络中进行训练与测试。【结果结果】该模型在基于真实路况的NGSIM数据集上表现较好，对驾驶意图的识别准确率达到97%，精度较高。【结论结论】该模型在无标签数据上具有较好的识别能力。关键词：自动驾驶；意图识别；高斯混合模型；长短时记忆神经网络中图分类号：U463文献标志码：A文章编号：1003-5168（2023）06-0028-05DOI：10.19968/j.cnki.hnkj.1003-5168.2023.06.005ResearchonVehicleEntryIntentRecognitionBasedonGMM-LSTMYANGLei（SchoolofMechatronicsandVehicleEngineering,ChongqingJiaotongUniversity,Chongqing400074,China）Abstract:[Purposes]Inordertoaccuratelyidentifythecut-inintentionofothervehiclesandsolvetheproblemofdifficultimplementingofidentificationmodelcausedbytheexplosivegrowthofunlabeleddrivingdata.[Methods]Thisstudyproposesatwo-layerunsupervisedvehiclecut-inintentionrecogni⁃tionmodel,whichconsistsofaclusteringmoduleandanintentionrecognitionmodule.TheclusteringmoduleusestheGaussianmixturemodeltoclustertheunlabeleddatasetbasedonNGSIM,andexca⁃vatesitsinternaldatarelationshiptoobtainthefeaturelabelscorrespondingtodifferentdrivingbehav⁃iors.Theintentionrecognitionmoduleisusedtoidentifythevehicleentryintention,whichisbasedonLSTM.Themodulefirstcombinestheclusteringmoduletoobtainfeaturelabelsandunlabeleddatasets,constructsnewlabeledtrainingsetsandtestsets,andtheninputsthemintotheneuralnetworkfortrain⁃ingandtesting.[Findings]Themodelpe...
