人机共驾智能车驾驶模式决策属性析取研究

摘要：

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息.用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲(BVP)和皮肤电导(SC)值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级.通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定.采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合.研究结果表明:当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90％;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据.

关键词：交通工程、驾驶模式、属性排序算法、智能车、分类器、交通安全

所属期刊栏目：31

分类号：U491.25(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目51605350;“十二五”国家科技支撑计划项目2014BAG01B03

在线出版日期：2018-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：120-127