基于提取驾驶行为模式的多场景驾驶风格研究

科学领域:

• 运输科学 运输科学
• 智能运输系统 智能运输系统
• 数据科学数据科学数据科学

背景情况:

• 准确分析驾驶员行为对于道路安全和先进的驾驶系统至关重要.
• 现有的研究往往忽略了详细的驾驶序列和环境对驾驶风格的影响.

研究的目的:

• 提出使用自然驾驶数据进行驾驶风格分析的新框架.
• 以不同的驾驶场景和环境来提取和分类驾驶行为模式.
• 使用能源消耗数据验证提取的模式,并量化驱动器差异.

主要方法:

• 利用了武汉电动汽车的自然驾驶数据.
• 使用核密度估计和相对来验证驱动特征的融合.
• 应用层次的迪里克莱特过程隐藏的半马尔科夫模型 (HDP-HSMM) 和K-means集群用于模式提取.
• 使用Jensen-Shannon (JS) 差异来量化驾驶员之间的行为差异.

主要成果:

• 分别为自由驾驶和汽车追随场景提取了4个和5个不同的驾驶行为模式.
• 通过将它们与能源消耗分布联系起来,验证模式,识别在激进加速和稳定状态高速驾驶中高消耗.
• 根据量化的行为差异,将司机分为攻击性,中度和保守类型.
• 证明驾驶环境影响驾驶风格,导致不同场景的变化.

结论:

• 拟议的框架有效地提取和分类驾驶行为模式.
• 驾驶风格分析通过考虑驾驶序列,环境和能源消耗来增强.
• 这些发现有助于改善道路安全和开发更复杂的智能驾驶系统.