重新思考驾驶风格识别：一种基于预测误差的方法

《ADVANCED ENGINEERING INFORMATICS》：Rethinking driving style recognition: A prediction error-based method

　　

胡俊杰|高东升|胡成|李在英|周汉初|穆罕默德·阿卜杜勒-阿蒂

摘要

驾驶风格识别在智能交通系统中起着关键作用，尤其是在混合交通流中自动驾驶车辆的运行中。然而，由于传统评估方法依赖于手工制作的外部特征，捕捉内在的驾驶风格仍然是一个挑战。本研究旨在提出一种无需特征工程的方法来识别驾驶风格，通过分析轨迹预测模型中的误差来探索驾驶员行为的异质性。我们的模型结合了注意力机制和卷积社交池化技术，以学习车辆运动中的相互依赖关系，并利用多机动分布进行未来轨迹预测。通过聚类这些预测误差来推断驾驶风格。使用来自NGSIM US-101和I-80数据集的六个数据子集（代表不同的交通密度情况）进行的实验表明，预测误差能够有效量化驾驶风格之间的差异。通过独立的外部运动学和安全指标进行了事后验证，以确保识别出的簇在语义上的正确性。此外，从随机性、相关性、聚类性能和操作潜力四个角度讨论了研究结果，以验证所提出方法的鲁棒性和有效性。