基于自然驾驶场景大数据的驾驶风格研究

摘要：

为建立驾驶风格聚类及辨识体系,以自然场景采集平台为基础进行数据采集和数据清洗,利用主成分分析和因子旋转法实现评价指标降维,获得了自然驾驶工况、超速及极端工况的特征参数,并采用K-均值和基于K-均值结果的高斯混合模型进行无监督聚类,最后基于聚类结果监督训练随机森林模型,交叉验证该模型的有效性,利用此模型辨识未知驾驶员的驾驶风格.结果表明,采用主成分分析方法可降低维度,挖掘未知工况;采用基于K-均值结果的高斯混合模型进行聚类可获取样本分布概率,识别簇边缘样本;采用基于随机森林的模型进行辨识的准确度可达90.9％.

关键词：驾驶风格辨识、大数据、主成分分析、高斯混合模型、随机森林

分类号：U467.1(汽车工程)

在线出版日期：2022-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42