原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
驾驶行为建模在速度建议系统中的应用：基于科普曼的在线更新
方法
11122
MehmetFatihOzkan,JeffChrstos,MarcelloCanovaandStephanieStockar
Abstract—准确的驾驶员行为建模对于提高人类驾驶员与型使用数学公式来表示驾驶的物理动力学，如加速和
驾驶辅助系统之间的互动和合作至关重要。本文提出了一种新减速。基于理论的模型旨在捕捉影响驾驶行为的基础
的方法，利用基于Koopman的方法并进行在线更新，对人类驾
认知机制和人为因素，例如注意力、风险感知和在不
驶员对速度建议系统提供的视觉线索的反应进行建模。所提方
法采用Koopman算子将驾驶员-速度建议系统的非线性动力学确定性下的决策[6]。尽管基于物理和基于理论的方法
转换为线性框架，从而实现高效的实时预测。该模型集成了基具有直观性，但它们依赖于固定的模型参数并且实时
于递归最小二乘法（RLS）的在线更新机制，以确保随着时间适应能力有限，这降低了其在现实世界条件下捕获驾
本变化对驾驶员行为持续适应。该模型使用从环中有人驾驶模拟
驶员不可预测行为的有效性，在这种情况下，在线学
译器收集的数据进行了验证，捕捉了多样的特定驾驶员轨迹。结
果表明，离线学习的基于Koopman的模型可以准确预测驾驶习是必不可少的[7]。另一方面，数据驱动模型为在线
中员行为，并通过带有RLS方法的在线更新机制进一步提高了准学习提供了更直接的路径，因为它们被设计用来从数
2确性。据中学习并快速动态地适应新观察[8]。
v
7传统的数据驱动方法在很大程度上依赖于机器学
4I.介绍
3习（ML）[9]和深度学习（DL）[10]技术来预测随时
0近年来，先进的驾驶员辅助系统（ADAS），如车间变化的驾驶模式。这些方法通常涉及定义一个特征
2.道保持辅助、自适应巡航控制和自动紧急制动等已被矩阵来表示驾驶员行为，往往需要大量的离线训练数
2
整合到车辆中以增强安全性和驾驶舒适度。最近，有
0据和显著的计算资源。此外，这些策略在捕捉驾驶行
5向扩展使用ADAS来提高车辆能效的趋势。例如，通
2为的非线性动态方面可能会遇到困难[11]。Koopman
:过结合先进传感和通信技术，ADAS可以为驾驶员提
v算子理论[12]提供了一个有吸引力的替代方案，通过
i供实时速度建议，从而实现车辆节能[1]–[3]。另一方
x将非线性系统动力学转换为计算效率高的训练更高维
r面，这些推荐可能由于个人偏好、解读音频/视频提示
a度的线性空间来识别复杂系统。Koopman算子理论已
的挑战或天气及周围车辆等外部因素被驾驶员忽视，
被证明是解决包括电动汽车的环保驾驶问题、自动驾
从而减少优化速度建议的潜在效益。此外，即使尝试
驶赛车和车辆编队等车辆应用中非线性系统识别的一
遵循参考速度，
文档评论（0）