基于半监督学习的多工况驾驶风格识别方法.pdfVIP

摘要

基于半监督学习的多工况驾驶风格识别方法

驾驶风格主要指驾驶员的驾驶习惯，多通过驾车时的行为特征进行定义。驾

驶风格与智能交通、无人驾驶、保险理赔都有着千丝万缕的联系。针对现今驾驶

风格识别研究多存在数据来源不真实、考虑因素不全面、无法对驾驶风格进行整

体把握等问题，本文通过采集真实的驾驶数据，以工况作为驾驶风格识别的最小

粒度，构建了基于半监督学习的多工况驾驶风格识别模型。主要工作如下：

1.搭建驾驶风格识别数据库。通过对日常驾驶风格影响因素的深入分析，制

定驾驶风格采集试验方案，招募80位试验驾驶员进行两种试验，将采集的底盘

数据、高级驾驶辅助系统数据和环境数据等，与主观划分数据进行对比，选取有

效数据段进行驾驶风格识别数据库的搭建，为构建工况识别体系以及构建驾驶风

格识别模型奠定基础。

2.建立完整的工况识别体系。将整个驾驶过程分为4种纵向行驶工况和4种

侧向行驶工况，通过对驾驶风格数据库中的标准工况数据进行分析，设置了各个

工况下的特征量变化曲线模板，并设计了基于逻辑与动态时间规整的工况识别方

法。经过实验验证，本文所提出的工况识别体系在各个工况下都有着90%以上的

查准率，所得到的工况结果可以覆盖完整行程。

3.构建基于相对熵与三协同训练的多工况驾驶风格识别模型。首先，对驾驶

风格数据通过线性判别分析进行特征选择；其次，将传统Tri-Training算法与相

对熵相结合，解决了原算法在初始阶段训练集差异程度可能较低的问题；最后，

分别构建不同工况下的半监督学习驾驶风格识别模型，通过加权决策融合的方

式，将每位驾驶员在各个工况下的驾驶风格以模型准确率为权重进行决策融合，

给予驾驶员整体的驾驶风格标签。实验结果表明，所得到的驾驶风格结果达到一

个良好的准确率，已满足装载进服务器端使用的条件。

关键词：

半监督学习；工况识别；驾驶风格识别；动态时间规整;Tri-Training

I

ABSTRACT

DrivingStyleRecognitionMethodBasedOnSemi-Supervised

LearningUnderMultipleDrivingConditions

DrivingStylemainlyreferstothedrivinghabitsofdrivers,whichisdefinedby

thebehaviorcharacteristicsofdriving.DrivingStyleiscloselyrelatedtointelligent

transportation,driverlessdrivingandinsuranceclaims.Nowadays,therearemany

problemsintheresearchofDrivingStylerecognition,suchasthedatasourceisnot

real,thefactorsarenotcomprehensive,andthedrivingstylecannotbegraspedasa

whole.Inthispaper,bycollectingrealdrivingdataandtakingtheworkingcondition

astheminimumgranularityofDrivingStylerecognition,amultiworkingcondition

DrivingStylerecognitionmodelbasedonSemi-SupervisedLearningisconstructed.

Themainworkisasfollows:

1.BuildadatabaseforDrivingStylerecognition.Throughin-depthanalysisof

factor