典型文献
基于多元特征参数与改进SVM算法的驾驶风格识别研究
文献摘要：
当自动驾驶车辆在执行换道等行为时,需要准确识别人类驾驶车辆的驾驶风格类型,以保证换道等行为的安全进行.为此,提出了一种基于多元特征参数与优化支持向量机(SVM)相结合的驾驶员驾驶风格识别模型.采用改进粒子群算法(IPSO)对支持向量机模型参数进行优化,搭建IPSO-SVM驾驶风格识别模型,并用UCI数据库中的数据集对其进行验证,结果表明:IPSO-SVM模型在准确性、实时性及收敛性方面均优于CV-SVM模型和PSO-SVM模型.在此基础上,进一步采用NGSIM数据库中真实交通流的数据进行驾驶风格识别测试.首先处理多元特征数据,滤除异常值;其次采用主成分分析法对数据进行降维和简化,并用K-means算法对其进行聚类;最后将降维简化的数据作为输入,聚类得到结果作为输出,采用IPSO-SVM识别模型进行仿真实验.结果表明:提出的IPSO-SVM模型准确率可达97.96％,均方误差降低约84％,绝对误差降低约81％,运行时间平均减小30％,且ROC曲线的AUC值最大模型性能最优,仿真结果验证了该模型对驾驶风格有更好的识别效果,其具有一定的可行性.
文献关键词：
改进粒子群算法;优化支持向量机;多元特征参数;驾驶风格识别
中图分类号：
作者姓名：
黄江;李雨涵;吴盛斌;丁代林;罗华;何渝
作者机构：
重庆理工大学 车辆学院,重庆 400054
文献出处：
引用格式：
[1]黄江;李雨涵;吴盛斌;丁代林;罗华;何渝-.基于多元特征参数与改进SVM算法的驾驶风格识别研究)[J].重庆理工大学学报,2022(11):8-19
A类：
多元特征参数
B类：
驾驶风格识别,自动驾驶车辆,换道,准确识别,别人,人类驾驶车辆,优化支持向量机,驾驶员,识别模型,改进粒子群算法,IPSO,支持向量机模型,UCI,收敛性,CV,NGSIM,实交,交通流,特征数据,滤除,异常值,means,模型准确率,均方误差,绝对误差,运行时间,时间平均,最大模,大模型,模型性能
AB值：
0.235735
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
