通过分析双向驾驶特征对高级驾驶辅助系统的短期和长期驾驶行为进行分类

摘要

本文通过分析双向驾驶特征对高级驾驶辅助系统的短期和长期驾驶行为进行分类。洞察个人驾驶行为和习惯对于交通运行、安全和能源管理至关重要。网联汽车（CV）技术旨在解决这三个方面，识别驾驶模式对于网联汽车的个性化高级驾驶辅助系统（ADAS）的设计而言是一个必要的组成部分。本文研究旨在通过采用一种独特的方法分析驾驶员的双向（即纵向和横向）控制特征，使用一种基于简单规则的分类过程来对驾驶员的驾驶行为和习惯进行分组，从而解决这一需求。本文分析了来自现实世界CV试验台（密歇根州安娜堡的安全试验模型部署）的高分辨率驾驶数据，以识别高速公路、主干道和匝道类型道路上的不同驾驶行为。使用加加速度、车头时距和偏航速率这三种车辆特性，在短期分类中将驾驶特性分为两组（安全驾驶和激进驾驶），将驾驶员的习惯分为三类（冷静的驾驶员、理性的驾驶员和激进的驾驶员）。本文所提出的分类模型在未分类的数据集上测试，以验证模型对超速和急加速的判定。通过本文所提出的方法，在86.31±9.84%的超速和87.92±10.04%的急加速情况下能够成功识别行为分类。此外，本文的研究提出一种ADAS接口，其与驾驶员实时交互，以将有关驾驶行为和习惯的信息转化为对个人驾驶员的反馈。本文提出一种自适应且灵活的分类方法，从自然的驾驶数据中识别短期和长期的驾驶行为，以识别并且最终传达不良的驾驶行为模式。

主要贡献

本文的贡献如下：

1）本项研究的首个贡献为我们对于纵向和横向驾驶特征的描述，以从现实世界驾驶数据中检测不良的驾驶模式；

2）本项研究的另一个贡献为描述了驾驶员对驾驶习惯（即长期行为）瞬时反应（即短期行为）的行为演变；

3）最后，所得分类模型旨在提出一种简单但信息丰富的ADAS系统，以将检测到的行为信息传达给驾驶员。

论文图片和表格

总结

本文提出一种简单、高效且自适应的驾驶行为分类技术，该技术是通过对使用现实世界中CV技术采集的纵向和横向驾驶特征进行分析来开发的。可以修改所提出分类方法的阈值，以符合交通、汽车和道路管理部门的目的和要求。通过考虑驾驶的双向特征，所提出方法与基于奇异特征的分类方法相比，在感知不安全驾驶行为方面具有更强的能力。本文采用了一种独特的方法，其区分了驾驶行为和驾驶习惯，并且从行为和习惯两个方面对驾驶员的行为进行分类。我们研究了瞬时行为分类的概念，并且利用该信息对驾驶员的驾驶习惯进行分类。考虑使用行为分类的管理部门不仅对当前反应感兴趣，还对驾驶方式感兴趣，其目的是识别这些驾驶员造成的安全隐患和允许他们驾驶所承担的安全风险程度。本文研究将有助于他们根据驾驶行为的奖励和惩罚做出决策。

虽然本文研究仅限于连续变量形式的三种不同的特征，但是为了说明纵向和横向决策，其它特征也可以区分特性。此外，我们分析了一个较大的SPMD数据库的部分数据集，以演示分类技术。由于本研究的主要目的是提出并且展示一种简化的分类技术，所以我们排除了待分析数据集的潜在偏差。简而言之，本项研究试图通过一个简单的分类过程来洞察驾驶行为和习惯，该过程考虑了双向控制决策。此外，本研究通过ADAS的开发以及识别其对改变驾驶行为和习惯的影响来提供扩展的可能性。

文章转载自公众号：自动驾驶专栏