中国公路学报

作者：吕超, 王俊斌, 崔格格, 刘昱沛, 孟相浩, 龚建伟

单位：1. 北京理工大学机械与车辆学院, 北京 100081;2. 北理工郑州智能科技研究院, 河南 郑州 450000;3. 香港理工大学航空及民航工程学系, 香港 999077"],"fundList_en":["National Natural Science Foundation of China (52372405); Beijing Natural Science Foundation (L247033)

关键词：交通工程,交互行为识别,图表示学习,骑行者

基金：国家自然科学基金项目(52372405)；北京市自然科学基金项目(L247033)

在混合交通环境中，骑行者与车辆之间的交互行为对车辆的安全行驶至关重要，成为影响交通安全的关键因素之一。为了使车载高级驾驶辅助系统有效识别此类交互行为，提出一种基于图表示学习的交互行为识别方法。该方法融合了人员的骨架信息和非机动车关键信息，通过对骑行者的时空特征进行建模，并在此基础上引入车辆的关键信息，从而提取出骑行者与车辆之间的交互特征。针对不同复杂度的行为提出了不同的标签生成方法。对于简单且直接的基本交互行为，使用人工标注的方法生成行为标签，确保数据质量;而对于更复杂、多变的交互行为，采用基于图核的聚类算法自动生成行为标签，以处理那些难以通过人工方式准确归类的行为。基于骑行者时空图模型和交互行为标签构建了骑行者-车辆交互行为图模型数据集，通过基于图核的分类方法完成对交互行为的识别。为了验证该方法的有效性，进行了实车数据采集试验。在试验中，系统收集了大量骑行者与车辆交互行为的实际数据，并通过上述方法进行了行为识别。试验结果表明:该方法能够以99.65%的准确率识别出骑行者与车辆之间的多种交互行为。这一高精度的识别结果对提高智能驾驶系统的安全行驶性能具有重要的现实意义，可为智能车载系统的进一步提升提供理论基础和实践支持。

来源：2025年第10期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第10期