駕駛行為標準化及其特征表示.pdf

1、駕駛行為分析是智慧交通和無人駕駛領域的熱門研究話題。建立合適的駕駛行為分析和表示模型,對個性化車輛控制系統(tǒng)的研發(fā)具有十分重要的意義。同時,對駕駛行為的有效分析能夠為駕駛風格識別、異常駕駛行為檢測等問題提供解決方案。因此如何建立駕駛行為分析模型并對其進行實際應用成為了研究的關鍵問題。
　　本課題提出通過對真實駕駛行為進行學習,將原始駕駛行為映射到聯(lián)邦測試循環(huán)(Federal Test Procedre,FTP)下的車輛標準工況FTP

2、-72之中。以此排除駕駛環(huán)境不同所帶來的干擾,實現(xiàn)駕駛行為的標準化。使用實際場景下具有人工駕駛風格標注的車輛測試數(shù)據(Vehicle Test Data,VTD)作為輸入。選取能量譜密度均值作為駕駛行為標準化后的駕駛風格評價的量化指標。實驗表明該標準化的方法能夠對原始的駕駛風格進行保留和復現(xiàn),同時為不同駕駛員之間的駕駛行為分析提供了標準的參考系。
　　進一步地,本課題提出了基于相空間重構和預訓練卷積神經網絡的駕駛行為特征向量表示模

3、型。該模型基于駕駛行為標準化的結果,將駕駛行為標準化后的油門踏板序列進行相空間重構,再將重構的曲線以圖片的形式經過預訓練的卷積神經網絡計算,得到卷積層輸出作為駕駛行為的特征向量。本課題使用中國四個城市的實際正常駕駛行為和根據現(xiàn)有駕駛行為理論模擬的異常駕駛行為數(shù)據,設計測試實驗。通過t-SNE算法的降維表示和Kmeans算法聚類分析,展示了不同駕駛行為的分布特征和計算特性,驗證了方法有效性。
　　針對車輛的跟馳場景,本課題基于駕駛行