日前，我院王涛教授团队，在车辆智能化技术应用领域取得进展，其科研成果发表于工程技术领域TOP期刊《Accident Analysis & Prevention》（IF：5.9，中科院分区：1区），论文题为“Lane-change intention recognition considering oncoming traffic: Novel insights revealed by advances in deep learning”。我院硕士研究生刘浩为第一作者，王涛教授为通讯作者。

换道（Lane Change，LC）意图识别技术是车辆高级辅助驾驶系统（Advanced Driving Assistance System，ADAS）的重要组成部分之一。但由于缺乏对双车道双向道路环境的研究，换道意图识别技术在现实世界中的应用十分有限。因此，研究团队提出利用高保真驾驶模拟器构建双车道双向道路，以开发一种能准确识别换道意图的 Transformer 模型。该研究提出了一种结合车辆动力学和眼动跟踪（combining Vehicle dynamics and Eye-tracking Labelling methods，VEL）的新型 LC 时间窗标记算法，针对不同类型的驾驶人都可取得高稳健性的LC意图数据。此外，该研究提出改进的LIME算法以解决深度学习模型的“黑盒子”缺陷。研究结果表明：（1）在LC意图识别数据集中加入对向车流的车辆特征后，LC意图识别的准确性会进一步提高；（2）与传统深度模型相比，结合VEL标记算法的Transformer模型可在换道前平均4.59 秒准确识别LC，准确率高达 92.6%，表现出了最先进的性能；（3）LIME模型的解释则发现，眼动追踪特征对LC事件的贡献最大，而LC车辆与初始车道前车以及目标车道跟随车的交互特征对LC也有着重要的影响。本研究成果扩展了LC意图识别技术的应用场景，为高级辅助驾驶系统的发展提供了新的思路，对智能车辆的大众化普及和实际应用做出贡献。

该研究工作得到了国家自然科学基金（52262047）的资助。文章DOI: https://doi.org/10.1016/j.aap.2024.107476

（供稿：王鸿静  审核：王涛）