典型文献
事故接管场景下L3自动驾驶换道轨迹的评价和分类
文献摘要：
为研究L3自动驾驶事故场景下人工接管后换道轨迹的评价和分类问题,通过驾驶模拟实验采集换道轨迹数据;从舒适性、高效性、生态性、安全性4个方面选取9个评价指标;采用熵权TOPSIS(technique for order preference by similarity to an ideal solution)模型对换道轨迹进行评价并完成标签标定;用标定后的数据训练得到支持向量机(support vector machine,SVM)分类器模型,并将其应用于换道轨迹的分类中,该模型在测试集的平均准确率为79.55％,平均精确率为79.52％,平均召回率为79.51％,平均F1值为77.43％.结果表明:应用熵权TOPSIS模型得到的评分最高的换道轨迹在舒适性、高效性、生态性和安全性上综合表现优秀;SVM分类器能以较为稳定的准确率完成换道轨迹的分类.得到的最优换道轨迹可为驾驶员的换道提供指导,也可为自动驾驶车辆的轨迹遵循提供参考.
文献关键词：
熵权TOPSIS;支持向量机(SVM);L3级自动驾驶;换道轨迹分类
中图分类号：
作者姓名：
李振龙;董爱华;赵晓华;杨磊
作者机构：
北京工业大学城市交通学院,北京100124
文献出处：
引用格式：
[1]李振龙;董爱华;赵晓华;杨磊-.事故接管场景下L3自动驾驶换道轨迹的评价和分类)[J].科学技术与工程,2022(20):8930-8937
A类：
换道轨迹分类
B类：
接管,L3,事故场景,分类问题,驾驶模拟实验,轨迹数据,舒适性,生态性,TOPSIS,technique,order,preference,by,similarity,an,ideal,solution,对换,数据训练,练得,support,vector,machine,分类器,测试集,平均准确率,精确率,召回率,综合表现,驾驶员,自动驾驶车辆
AB值：
0.262964
相似文献
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。
