华南理工大学学报(自然科学版)

作者：李坤宸, 张雅丽, 袁伟, 张会明, 王畅, 付锐

单位：1.长安大学 汽车学院，陕西 西安 7100182.长安大学 汽车运输安全保障技术交通运输行业重点实验室，陕西 西安 710018

关键词：安全工程,电动公交车,车辆行为,相空间重构,卷积神经网络

基金：国家自然科学基金项目(52272412);陕西省重点研发计划项目(2024CY2-GJHX-87);长安大学中央高校基本科研业务费专项资金项目(300102224501);长安大学中央高校基本科研业务费专项资金项目(300102224302);国家建设高水平公派研究生奖学金项目(CSC202306560067)

为了判别城市公交车的驾驶活动，同时，考虑到基于车载监控摄像机的车辆行为监测可能会侵犯驾驶人和其他道路参与者的隐私，该文建立了一种以车辆运动和驾驶行为操作数据为输入的公交车车辆行为预测模型。首先，开展了城市公交车的自然驾驶数据采集实验，通过CAN协议采集车辆运动和驾驶人行为操作数据。随后，提取了车辆进站、出站、经过交叉口、转向和换道等典型活动片段，基于Takens延迟法对时序数据进行相空间重构，将时序数据映射至高维空间以生成二维递归图，使用多通道堆叠生成RGB图像数据集。针对样本类别不均衡的问题，使用Focal Loss函数以强化模型对小样本类别的特征提取能力。在此基础上，基于ConvNeXt卷积网络建立了电动公交车车辆行为预测模型E-VBPM。结果表明：E-VBPM在预测5种车辆活动任务时具有84.62%的准确率，与以时序数据作为输入的传统机器学习算法相比，准确率、精确率和召回率分别提升了6.79%、10.98%和8.86%（绝对增幅）。该文研究结果可为电动公交车载系统判别当前运营模式并更加智能地辅助驾驶人安全行驶提供支持。

来源：2026年第4期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2026年第4期