详情

原文传递基于驾驶行为基元的换道风格分类方法研究

论文题名：	基于驾驶行为基元的换道风格分类方法研究
关键词：	智能汽车;驾驶人行为基元;时序分割;换道行为;驾驶风格
摘要：	随着汽车智能化技术的发展，汽车驾驶辅助系统已进入大众视野并得到了广泛应用，如车道保持辅助系统和车道偏离预警系统，其对于保障驾驶安全、改善驾乘体验、提高道路通行能力起到了积极的作用。然而目前驾驶辅助系统的开发普遍缺乏对驾驶人驾驶风格多样性的深层次考虑，很难满足不同风格驾驶人的差异性需求。　　现有对于驾驶风格的分类研究大多基于驾驶数据的显示特征，然而这些数据蕴含了丰富的隐式语义特征，其涵盖了驾驶人的操纵特性。如若能从驾驶数据中进一步挖掘出这种隐式语义，将复杂的驾驶人行为分解成简单、原始、较小的片段，则对理解驾驶人驾驶风格及驾驶行为有着重要意义。本文将这种片段定义为驾驶行为基元，并基于此进行了驾驶人换道风格分类方法研究，通过驾驶人行为基元的提取可以实现换道过程切片化处理，深入理解换道行为和执行任务时的驾驶人动作特性，以一种全新的切入点开展驾驶人驾驶风格分类研究。这样的一种驾驶行为语义的深层次分析方法有助于提升智能汽车决策的拟人化水平，促使汽车做出更符合人因需求的操纵行为，从而推动驾驶辅助系统及类人自动驾驶汽车的开发，同时还可以为交通法规制定及车辆保险评估提供依据。　　本文依托国家自然科学基金（编号：52172386）及国家自然科学基金（编号：51775235）等项目，开展了基于驾驶人行为基元的换道风格分类方法研究。深入分析了驾驶人换道行为并制定了换道轨迹筛选规则，从自然驾驶数据集中提取了原始换道轨迹；基于贝叶斯凝合式序列分割方法完成了驾驶序列段切割；基于高斯混合-隐狄利克雷分配模型提取出了换道行为基元并深入分析了基元物理意义；基于粒子群优化的K均值聚类算法实现了驾驶人驾驶风格的不同表征；搭建了基于实车的驾驶人换道行为数据采集平台并完成了对差异化驾驶风格驾驶人换道行为数据的有效采集；通过实车数据证明了所构建的换道风格分类模型的泛化能力。　　本文主要研究内容包括以下四部分：　　（1）智能汽车换道数据提取与驾驶序列段分割　　从类型、过程、影响因素三个方面深入分析了驾驶人换道行为，进而按时序先后将换道行为过程分成了决策、执行、调整三个阶段。制定了换道轨迹筛选规则，从原始数据集中提取了换道轨迹并对其进行平滑降噪处理。通过两种贝叶斯学习方法完成了换道序列段的分割处理并对分割结果展开深入分析。　　（2）基于无监督学习的驾驶人换道行为基元提取　　选取了无监督学习算法对分割出的驾驶序列段进行无监督学习，为每个换道序列段贴上了“标签”，即为“换道行为基元”并选取评价指标评估了模型的拟合效果。从驾驶人换道行为片段与基元间的映射关系及不同换道行为基元的统计特征数据这两个层面对基元进行物理意义展开了深入分析。　　（3）驾驶人换道风格聚类模型搭建　　利用换道行为基元状态转移概率矩阵对驾驶人换道行为进行分析，设计了一种根据基元组成的换道阶段划分方法。提出了一种考虑基元组成的加权驾驶特征并选取了能反映驾驶人换道风格的驾驶特征参数。引入因子分析法对驾驶特征参数进行降维处理。利用粒子群优化的K均值聚类算法为驾驶数据样本贴“标签”，将样本分成了典型的激进型、一般型、谨慎型三类，从而实现了驾驶人换道风格的表征。　　（4）驾驶人换道风格分类算法验证与分析　　搭建了驾驶人换道行为数据采集平台，面向社会公开招募驾驶人来参与数据采集试验。以试验所采集的驾驶人换道行为数据作为输入，开展了基于驾驶行为基元的驾驶人换道风格分类研究，验证了所搭建的基于驾驶行为基元的换道风格分类模型的泛化能力。
作者：	刘宇翔
专业：	车辆工程
导师：	赵健
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023