原文传递
基于纯电动公交车进出站自然驾驶数据的驾驶风格分类及识别分析
| 论文题名： | 基于纯电动公交车进出站自然驾驶数据的驾驶风格分类及识别分析 |
| 关键词： | 纯电动公交车;进出站;自然驾驶数据;驾驶风格 |
| 摘要： | 如今，越来越多的城市投入纯电动公交车，而公交车作为大型客车，存在着许多安全隐患，其中由于驾驶员导致的安全问题越来越受到关注。之前的研究多是针对传统燃油车分析驾驶分心和驾驶疲劳等不良驾驶行为对交通安全的影响，很少关注驾驶风格这一因素。它是由驾驶习惯影响而形成，驾驶行为也能反映驾驶风格，驾驶风格又从一定程度上决定驾驶行为，因此它也是驾驶行为研究的重要内容。 本文以郑州市纯电动公交车驾驶员的进站和出站的不同驾驶风格为研究对象，了解公交车进出站的运行机理，通过采集公交车的自然驾驶数据，挑选出进站和出站的样本片段，提取样本片段的特征参数。对高维特征参数降维处理，并对处理后的低维特征作聚类，根据肘部法则，将进出站的驾驶风格聚为三类效果最好。根据聚类的数值特征,把驾驶风格分成了谨慎型、一般型、激进型三类。对这三类车辆在进站前和出站时的车速特性、加速度特性、踏板开度特性、离站间距特性作了微观和宏观的数据分析。分析结果显示,在进站时，越激进的驾驶员习惯离站点距离较远处开始减速，并以较大的速度，减速度和制动踏板开度进站；出站时，越激进的驾驶员倾向于在较短的距离内将速度增加至最大，同样以较大的速度，加速度和加速踏板开度出站。 在分析不同风格的驾驶员在进站和出站的驾驶特征后，需要建立驾驶风格识别模型实现驾驶风格的准确识别。引入了K近邻算法（KNN）、高斯朴素贝叶斯算法（GaussianNB）以及梯度提升算法（GBDT），通过对建立的三种模型进行对比分析，发现三种算法在对进站和出站两种工况的风格识别结果上存在差异。特别是KNN算法，在进站工况下，表现出较差的识别结果，而在出站时表现出较好的效果，说明这个算法的适应性和鲁棒性较差。相反，GBDT算法，无论是在进站还是出站工况下，均表现了较高的识别准确率，分别为98.73%和97.70%，为后续对纯电动公交车驾驶员的学习培训和选拔，以及公交车的控制策略优化提供理论支持。 |
| 作者： | 王晓兰 |
| 专业： | 交通运输工程 |
| 导师： | 袁伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
