0引言
驾驶意图（Driving Intention）是一种思维活动，依据车辆自身状态、驾驶操作行为、车外环境等信息可对其间接地估计判断。国内相关学者早期主要围绕换挡操作进行驾驶意图识别，研究比较单一。近5年来，面向汽车主动安全预警领域的驾驶意图识别探索成为一个新的研究和发展方向，对提高已有汽车驾驶安全预警系统技术及汽车防碰撞具有非凡的意义。更多学者在前人的基础上开展了深层次多方面的驾驶意图的探究。
1驾驶意图识别的主要研究应用天津汽车网
1.1面向汽车操作策略的驾驶意图识别
1997年美国（MIT）的Liu和Pentland等首次提出“作为内心状态的驾驶人意图可通过驾驶行为等外在表现进行推断”的重要思想，且把隐马尔科夫模型的理论方法使用于驾驶人意图识别领域[1]。最初关于驾驶人意图识别的研究，主要开发换挡、制动等操作策略。Holger Bemdt利用意图推测机制来尽可能对驾驶员意图进行识别，减少车辆在行驶过程中发生危险事故[2]。关于制动意图识别，刘磊、刘树伟[3]基于模糊推理的多参数驾驶员进行制动意图识别，用制动踏板开度、制动踏板力、和制动踏板开度变化率表示为制动意图识别输入参数。对三种典型制动工况下进行的实车试验，仿真结果证明该制动意图模型的辨识度高，比较准确可靠。丁华等人[4]研究内容为汽车行驶时出现的频繁换挡问题及传统换
挡控制策略下的双离合自动变速器换挡性能，运用模糊推方法进行驾驶意图辨识，建立基于Matlab/Simulink的双离合自动变速器模糊换挡控制策略仿真，并与传统换挡控制策略下的双离合自动变速器
换挡性能仿真结果的进行对比分析。
1.2面向汽车安全预警的驾驶意图识别
张雁雁[5]在检测到车辆前方存在行人的基础上，确定要识别的加速、减速制动、转弯和急转4种驾驶意图，应用
隐马尔科夫模型来辨识驾驶员驾驶意图。2018年徐伟民[6]采集训练样本数据900组，测试样本数据300组建立驾
驶员换道意图数据库，构建隐马尔科夫模型与BP神经网
络相结合的辨识度更高（达97.33%）的混合模型。除了汽
车操作策略驾驶意图，视觉特性慢慢开始被国外学者视觉
特性带入驾驶意图的研究工作中。McCall[7]等采用鲁棒机器视觉的方法识别车道线、跟踪驾驶人头部动作的偏转，
在驾驶人执行换道动作前，该方法可以完成意图的识别，
在相同识别率之下，包含头部运动数据的识别时间比不包
含的时间提前0.5s。清华大学丁洁云[8]设计了一种综合决策因子，反映驾驶人做出换道决策的可能性，提出隐M arkov模型的换道意图识别算法。2016年杨诚[9]选取驾驶人视觉特性来探究驾驶人的换道意图，确立视觉特性表征
参数为相对应一侧后视镜注视次数和注视时间、扫视速
度、头部水平转角的标准差。通过隐马尔可夫理论建立换
道意图识别模型对模型的效果进行评价。过程如图1所示。
1.3面向智能驾驶技术的驾驶意图识别
audis7汽车驾驶是一个人-车-路共同组成的闭环系统，各
类交通要素以及相应要素行为都会影响驾驶行为决策，尤
其是其他社会车辆驾驶意图识别对无人驾驶车辆进行有
效决策非常重要。麻省理工学院（MIT）的Aoude等融合
支持向量机和贝叶斯滤波（SVM-BF）两种方法，应用周围
车辆的速度、方向盘转角等驾驶信息，通过设定安全阈值，
来识别在交叉路口处正靠近本车的相关车辆驾驶人的驾
驶意图，用以避让危险车辆[10]。Junqing Wei等[11]提出了
汽车驾驶意图识别方法及研究综述
Driving Intention Recognition Method and Application
潘鑫①PAN Xin；成英①CHENG Ying；郭渊②GUO Yuan
（①天津职业技术师范大学汽车与交通学院，天津300222；②天津云控科技有限公司，天津300040）
（①School of Automotive&Transportation，Tianjin University of Technology&Education，Tianjin300222，China；
②Tianjin YunKong Technology Co.，Ltd.，Tianjin300040，China）
摘要：本文回顾分析了驾驶意图识别在汽车换挡（制动）操作策略、汽车安全预警及智能驾驶技术等3个方面的研究成果。研究表明：车辆自身信息（制动、换挡、方向盘转角、车速及加速度）、交通环境信息以及驾驶人头部及注视信息被广泛用于驾驶意图识别，识别效果较好，同时对比分析了4种驾驶意图识别方法的优缺点，为驾驶意图被应用于智能汽车交通研究领域提供支持。
Abstract:This paper reviews and analyses the research results of driving intention recognition in three aspects:shift(braking) operation strategy,vehicle safety early warning and intelligent driving technology.The study shows that vehicle information(braking,gear shifting,steering wheel angle,speed and acceleration),traffic environment information and driver's head and gaze information are widely used in driving intention recognition,and the recognition effect is good.Then,four main machine learning algorithms for driving intention recognition and their advantages and disadvantages are analyzed comprehensively.Driving intention is regarded as a key and difficult problem in the field of intelligent vehicle traffic research.
关键词：驾驶意图；汽车安全预警；智能驾驶技术；机器学习
Key words:driving intention；vehicle safety warning；intelligent driving technology；machine learning
———————————————————————
基金项目：天津市科技创新平台专项——
—智能交通协同控制技术
长安之星2论坛服务平台（16PTGCCX00150）；天津职业技术师范大学
校级科研项目（KJ17-08）；天津市大学生创新训练计
划项目（201710066107）。
Internal Combustion Engine &Parts
一种结合了驾驶员意图预测和成本函数的算法结构
（iPCB ，如图2）来使得无人驾驶汽车表现社会合作行
为。iPCB 算法首先通过识别其他社会车辆的驾驶意图，
然后生成自身备选策略，再对其他社会车辆的驾驶意图
进行交互预测，最后通过成本函数计算得到相宜的驾驶
决策。
2016年宋威龙[12]等将其他车辆驾驶意图划分为两类，
一类为横向驾驶意图，如车辆路口通行时的左转、右转、直
行等。另一类为车辆的纵向驾驶意图，如加速、减速、匀速
行驶等，为了保证无人驾驶车辆在复杂环境下进行有效的
行为决策，需要对有人驾驶车辆的横向纵向意图进行有效
哈弗h6 1.5t
识别。黄如林[13]
2017年在研究无人驾驶汽车处于复杂交通
环境中行驶避免所有潜在碰撞的过程中提出了一种动态
障碍物检测跟踪方法、基于时空特征向量的动态障碍物和
动态车辆轨迹预测方法，从而完成更加安全、有效和准确
的动态障碍物防碰撞冲突。
2驾驶意图识别的分类方法比较
驾驶意图识别应用较多的方法是隐形马尔科夫模型
（HMM ）、支持向量机（SVM ）、稀疏贝叶斯（SBL ）和BP 人工
神经网络等方法，大多学者都会采用其中1种或2种分
类算法复合使用。
2.1隐形马尔科夫模型
隐马尔可夫模型是动态贝叶斯网络上的特例概率数
据统计模型。其含有两个状态集合，一个可见，一个不可
见，即：它的状态不能直接观测到，但能通过观测向量序列
观测到，每个观测向量存在某些概率密度的关系，表现为
各种状态（图1）。该模型处理时间序列数据具有辨识度高、鲁棒性好、框架通用性好等优点，是目前应用最广泛的一种驾驶意图识别方法。2.2支持向量机支持向量机（SVM,Support Vector Machine ）是Vapnik
以统计学习理论为基石提出来的机器学习方法，最基本原理是结构风险最小化，能解决机器学习两能力之间的矛盾，从而提供一个解决方案，相比于传统机器学习方法，SVM 有效解决了小样本、高维数、非线性和过学习等实际问题。解决非线性问题是SVM 最大的优点，顺利避开神经网络结构选择和局部极小点问题。但是容易缺失数据敏感，而且要谨慎选择
核函数，进而处理非线性问题。
2.3贝叶斯理论
贝叶斯理论发源于古典数学理论，是一种典型的分类方法，它以图形化的方式直观的表达各变量的联合概率分布，并利用条件独立性假设，大大减少了概率推理计算量，提供了一种计算假设
概率的算法，目前主要应用在驾
驶行为识别和预测及无人机的研究领域。其优点在于在样
本中进行预测，算法过程简单速度快，对缺失的数据不太
敏感，所需要估计的参数很少。在交通道路中，不同的驾驶
员会产生不同的驾驶行为，要定义一个比较合理的先验
概率，显得很困难并且对驾驶行为的分类决策存在一定错
误率，这是其不足之处。
2.4人工神经网络
人工神经网络是在研究人脑组织结构和运行机制的
认识理解基础上发展起来的，目前在驾驶行为预测及模拟
仿真及UAV 领域应用活跃。它的优点在于分布存储和并
特斯拉汽车行分布处理能力强、分类的准确性好、对噪声数据有较强
容错能力，特别是在驾驶行为中，可充分逼近复杂非线性
关系，而且它还增添有联想记忆的功能。缺点是存在局部
极小化的问题；网络结构选择不一，网络结构的选择一般
只能由经验选定；网络算法的收敛速度慢；神经网络样本
有依赖性。
3总结
众多学者关于驾驶意图识别研究可分为对自身车辆
的意图识别以及对周边其他车辆的意图识别。一方面通过
自身车辆运动参数、行车环境、驾驶员因素识别驾驶意图，
用于汽车操纵控制及汽车安全预警等辅助驾驶功能实现；
另一方面，为了提高智能车辆动态行驶能力，基于V2I 识
别周边其他车辆的驾驶意图应运而生，用于避让周边危险
可疑车辆。但是关于新的驾驶研究学习算法和相应的学习
体制还须不断探究，通过多种学习途径来提高驾驶意图识
别的分类精度。
参考文献院[1]Liu A,Pentland A.Towards real-time recognition of driver intentions[C].IEEEConference on Intelligent Transportation System.
1997:236-241.
[2]Holger Berndt,Jorg Emmert,and KJaus
Dietmayer.图2iPCB 算法的框架结构
图1换道意图识别过程
gran turismoContinuous Driver Intention Recognition with Hidden Markov
Models [C]//Proceedings of the 1lth Intemational IEEE Conference on Intelligent TransPortation Systems.Beijing,China:IEEE,2008:1189-1194.
[3]刘磊，刘树伟.驾驶员制动意图辨识的方法研究[J].农业装备与车辆工程，2015，53（11）：27-30.
[4]丁华，徐聪.基于驾驶意图识别的DCT 模糊换挡控制策略研究[J].机电工程，2018，35（06）：608-612.
[5]张雁雁.面向行人防碰撞预警的驾驶员驾驶意图辨识方法研究[D].大连理工大学，2015.
[6]徐伟民.基于驾驶员驾驶意图的换道轨迹预测研究[D].湖南大学，2018.
[7]Mc Call J C,Wipf D P,Trivedi M M,et al.Lane change intent analysis using robust operators and sparse Bayesian learning [J].IEEE Transactions on Intelligent
Transportation Systems,2007,8(3):431-440.
[8]丁洁云.驾驶人换道决策分析及意图识别算法设计[D].清华大学学报（自然科学版），2015，55（7）：769-774.
[9]杨诚.基于隐马尔可夫理论的驾驶人换道意图识别研究[D].吉林大学，2016.
[10]Aoude G S,How J P.Using Support Vector Machines Classifying Agent Intentions at Road Intersections.Massachusetts Institute Dissertation,2009.
[11]Junqing Wei,John M.Dolan and BakhtiarLitkouhi.Autonomous Vehicle Social Behavior for Highway Entrance Ramp Management [R].IEEE Intelligent Vehicles Symposium .2013.
[12]宋威龙.城区动态环境下智能车辆行为决策研究[D].北京理工大学，2016.
[13]黄如林.无人驾驶汽车动态障碍物避撞关键技术研究[D].中国科学技术大学，2017.
0引言
底盘是组成汽车的主要零部件之一，如果汽车底盘发生故障，在汽车高速行驶中不仅极易给车主的生命安全造成威胁，同时也会给同道路行驶的其他车主带来安全隐患，因此，及时诊断并维修汽车底盘故障对维护道路安全有着重要作用。要想更有效的诊断汽车底盘故障，就不得不了解汽车底盘的基本
构造，目前汽车底盘主要由转向、传动和行驶等系统组成，某些高端车辆还会在底盘中增设很多辅助的功能，汽车底盘不仅具有承重作用，同时它还是确保汽车动力传递的基础，有相关数据统计，仅底盘承包了汽车大约68%的维修故障，因此，做好其诊断和维修工作对安全驾驶的意义非常重大。
1产生汽车故障的主要原因分析在诊断汽车故障时，我们首先应查看汽车的零部件是否存在破损或丢失，其次查看电路系统运转是否正常，如果是汽车故障较为严重，汽车以无法正常行驶，那就需要根据汽车具体问题判断故障产生的原因与故障点，并根据故障进行有针对性的检修，尽最大努力保证汽车动力系统正常运作，确保汽车各部件的性能复合上路标准，保证司乘人员的生命财产安全。如汽车故障较轻，则不建议对汽车进行大规模排查，尽可能在不拆卸汽车零部件的基础上排查汽车故障才是上上之选，根据汽车行驶问题，出汽车故障不仅可以减轻维修工人的工作量，同时也可以使汽车免受因拆卸零部件而受到的损伤。
实践工作中笔者发现，汽车的主要故障可分为三大类，其一是机械的自然老化，其二是因交通事故导致的汽车受损，其三是人为操作不当。任何机器的运转都有其使用寿命，汽车使用寿命的长短与日常清洁与保养密不可分，这里所谓的机械自然老化指的是在进行正常的日常保养中出现的机械故障，如行驶爆胎、使用时间长而造成的机械正常磨损等。交通事故中既有人为因素存在，也有不可抗力因素存在，当汽车发生碰撞或剐蹭时，不可避免的会对汽车外皮或内部零件造成损伤。人为操作不当指的是司乘人员在驾驶或乘坐汽车时不规范操作而导致的汽车故障，产生此类故障的主要原因有擅自改装
汽车，并选配与汽车不匹配的硬件设施或软件系统，没有认真阅读汽车安全行驶指导书，不当驾驶或错加不符合车辆标准的燃油等。在具体诊断、排查车辆故障时，因汽车具有较强的集成性与系统性，各个系统与配件间的关联性十分密切，导致汽车故障的种类繁多，产生故障的因素极难排查，所以在诊断与维修故障时，应根据车辆具体情况优选高效的排查方法判断故障，通常情况维修工人会使用相关检测器械来排查汽车故障，但有时因车辆信息不明等因素，也需要凭借人为经验来判断，只有检测机械与人力的完美结合，才能既准确又快速的出汽车故障，判断故障类型与车辆损毁程度。
2诊断汽车底盘故障的具体方法要想高效的诊断汽车底盘故障，维修工人首先应充分了解汽车底盘的构造，只有充分了解汽车底盘构造，才能提高检修效率，降低工作成本与工作量。上文提到，汽车底
——————————————————————
—作者简介：朱闯（1989-），男，江苏淮安人，本科，教务科干事，助理
讲师，研究方向为汽车修理方面与新能源汽车方面。汽车底盘的故障诊断与修理分析
朱闯
（南京市公用事业技工学校，南京210000）
摘要：近年来随着我国经济的不断发展，汽车已成为国民出行的必备交通工具，据相关统计数据显示，截止到2019年1月11日，
我国汽车的保有量已经超过了2亿辆，因此，汽车的安全检修与保养就显得尤为重要。笔者仅就汽车底盘故障维修问题进行研究，分析了汽车底盘常见故障与维修技术，有利于提高广大车主对爱车的自检自查自修能力。
关键词：汽车底盘；故障诊断；汽车维修