高速工况下融合模式转移和操控特性的驾驶风格评测方法研究

Risky maneuvers (e.g., tailgating, frequently changing lanes) are ingrained in Chinese traffic culture. Thus, it is of high priority to analyze driving style for the improvement of driving safety in China. However, current studies concerning driving style are not comprehensive and only focus on a few aspects of driving aggressiveness evaluation. To solve these problems, this study aims to analyze driving style from the perspectives of frequency and intensity of risks occurring on highways. To achieve this goal, an effective hierarchical structure for maneuver recognition is going to be proposed. Based on the recognized maneuvers, the transition probabilities between them can be obtained to evaluate driving style from the perspective of frequency, and the aggressiveness of each maneuver can be calculated to evaluate driving style from the perspective of intensity. Thus, the overall driving style can be estimated from these two aspects, frequency and intensity. The proposed method would contribute to the methodology improvement on driving style assessment. The production of this project will fulfill the gap in quantitative theories and methodologies on driving behavior and style analysis, which will help to prevent accidents caused by humans and provide supports on the deep analysis of accident causation.

我国道路交通安全形势严峻，不良驾驶风格充斥于日常驾驶行为之中，研究并实现对险态驾驶风格的有效监测及反馈对提升道路行车安全性具有重要意义。当前针对驾驶风格的研究普遍存在综合评测维度局限性和驾驶操作评测不完整性的问题。为解决这些问题，本项目以高速工况下的驾驶风格评测为研究对象，拟从驾驶模式转移和驾驶操作控制两个维度出发，在人对各驾驶模式泛在认知的分解与辨识方法体系基础上，提出基于驾驶风格对驾驶模式外化表现影响机制的驾驶模式转移风格评测方法；设计匹配驾驶操作险态感知共性敏感因子的驾驶操作控制风格评测方法；融合驾驶风格在驾驶模式转移和驾驶操作控制两个维度的险态表现，实现对驾驶风格的综合量化评测，拓展驾驶风格评测的方法体系。本项目研究成果可补充和完善现有驾驶行为与风格相关的量化分析理论与方法，为更有效地预防驾驶人因素导致的交通事故并解析其致因机理提供有效支撑。

我国道路交通安全形势严峻，不良驾驶风格充斥于日常驾驶行为之中。研究并实现对险态驾驶风格的有效监测，对提升道路行车安全性具有重要意义。当前针对驾驶风格的研究普遍存在综合评测维度局限性和驾驶操作评测维度不完整性的问题。为解决这些问题，本课题从驾驶模式和驾驶操作两个维度出发，设计了服务于驾驶风格险态评测的系列方法，拓展了驾驶风格评测的方法体系。驾驶模式维度的研究主要包括在自然驾驶数据的基础上，建立了一种新的驾驶行为模式挖掘无监督学习框架，提出了一种基于高斯混合模型GMM和隐狄利克雷分布LDA的新算法GMM-LDA，挖掘了细粒度驾驶行为模式及驾驶模式转移特性，解析了驾驶模式表现特征与驾驶风格之间的映射关系；驾驶操作维度的研究主要包括在驾驶员多维特征表现的基础上，提取了驾驶操作险态的敏感表征因子，采用深度学习和无监督学习等前沿理论及方法，建立了在多元环境条件下驾驶操作与驾驶风格之间的映射关系模型，解析了驾驶员险态驾驶特性演变机制，实现了对驾驶风格98.5%的识别精度。本项目所取得的研究成果，拓展了驾驶风格研究的方法和体系，为考虑个体差异的拟人化自动驾驶决策研究奠定了良好的基础。

内容获取失败，请点击重试