《Electronics》：Modeling Discretionary Lane-Changing Decisions: A Multi-Vehicle Information Enhanced Machine Learning Approach
编辑推荐：
准确预测人类驾驶员的车道变换（Lane-Changing, LC）决策对于提升自动驾驶的安全性和效率至关重要。现有的大多数基于机器学习的LC决策模型依赖于紧邻车辆的微观交互特征，可能无法捕捉驾驶员对目标车道长期交通状况的考量。研究人员利用美国101号公路（US
准确预测人类驾驶员的车道变换（Lane-Changing, LC）决策对于提升自动驾驶的安全性和效率至关重要。现有的大多数基于机器学习的LC决策模型依赖于紧邻车辆的微观交互特征，可能无法捕捉驾驶员对目标车道长期交通状况的考量。研究人员利用美国101号公路（US101）数据集的自由换道轨迹数据，首先定性识别了影响LC决策的关键潜在变量，随后通过特征重要性分析对这些因素进行了定量排序，最终构建了基于集成学习的预测模型。分析表明，驾驶员不仅考虑邻近车辆，还关注前方更远距离的多车信息，特别是多辆前车的平均速度和平均间距。特征重要性排序显示，安全相关特征，尤其是目标车道后车间距（ΔSTf, 0.187），显著高于收益相关特征（如目标车道平均速度，v?T, 0.091），这表明在所观察的LC决策中，安全考量占据主导地位。在五种类别不平衡处理方法中，SMOTE+Tomek达到了最佳平衡（F1=0.68）。当使用全特征集时，K近邻（KNN）模型在六种基线模型中表现最优（F1=0.79, AUC=0.97）。本研究增进了对LC行为的理解，并为未来自动驾驶车辆LC预测模型的开发提供了洞见。
论文解读：《Modeling Discretionary Lane-Changing Decisions: A Multi-Vehicle Information Enhanced Machine Learning Approach》
研究背景与意义
随着移动互联网、大数据和云计算等技术革命的兴起，自动驾驶技术迅速发展，成为智能交通系统和智能汽车工程的最新方向。然而，美国交通部的估算指出，自动驾驶技术的完全市场渗透在短期内难以实现，至少在未来20年内，由自动驾驶车辆和人类驾驶车辆组成的混合交通流将持续存在。车道变换（Lane-Changing, LC）行为是交通中的常见操作，显著影响交通流效率、安全性和能耗。由于影响因素众多，LC行为往往十分复杂。为了实现自动驾驶车辆与人类驾驶车辆的安全共存，最大的挑战在于理解和预测人类的驾驶行为。此外，符合现实世界内在逻辑关系的建模方法更有利于解决驾驶行为建模问题。
现有研究中的LC决策模型主要分为基于规则的模型和基于学习的模型。基于规则的模型虽然可解释性强，但其质量完全取决于建模者的专家知识。基于深度学习的模型虽然能自动提取高级时空特征，但需要大量标注数据和计算资源，且常因可解释性差而被称为“黑盒”。相比之下，传统机器学习模型能够自动从数据中学习复杂的非线性决策边界，兼具透明性、高效性和较强的决策过程可解释性，这对于安全至上的自动驾驶领域尤为重要。然而，现有研究的一个普遍局限是主要关注紧邻车辆的交互特征，忽略了驾驶员可能对目标车道长期交通状况的考量。鉴于此，研究人员引入了多车信息因子，旨在构建更符合真实驾驶逻辑的LC决策预测模型。该论文发表于《Electronics》期刊。
关键技术方法
研究人员采用美国101号公路（US101）数据集的自由车道变换轨迹数据作为研究样本队列。在数据预处理阶段，应用对称指数移动平均（sEMA）方法平滑原始轨迹数据以消除高频噪声。针对类别不平衡问题，对比评估了随机过采样（ROS）、合成少数类过采样技术（SMOTE）、自适应合成采样（ADASYN）、随机欠采样（RUS）以及SMOTE+Tomek等五种方法，最终选定SMOTE+Tomek作为最优处理策略。在特征工程方面，除了常规的物理因素和安全因素外，创新性地引入了多车期望因素，即当前车道和目标车道前五辆前车的绝对平均速度和绝对平均间距。研究人员选取了逻辑回归（LR）、K近邻（KNN）、随机森林（RF）、AdaBoost、梯度提升（GradientBoosting）和极限梯度提升（XGBoost）等六种基线模型进行对比实验，并利用网格搜索优化超参数。
研究结果
1. 车道变换轨迹数据
通过对US101数据的严格筛选，剔除了非标准车辆及不满足五辆车条件的样本，最终获得237条合格的LC轨迹。研究人员提出了一种结合横向速度约束和横向位置约束（借鉴箱线图外篱笆概念）的方法，精确识别了LC的起点和终点。统计分析证实，车辆LC持续时间在3至14秒之间波动，且服从对数正态分布，这一发现为后续的时间序列分析奠定了统计基础。
2. 车道变换决策的类别不平衡数据处理
原始数据中存在严重的自然类别不平衡，非LC样本占比约94.09%，LC样本仅占5.91%（不平衡比IR=15.92）。研究人员以F1值为核心指标对比了不同处理方法。结果显示，未处理的基准模型精确度虽高但召回率极低，导致大量漏检；随机欠采样则产生了过高的误报率。综合比较发现，SMOTE+Tomek方法实现了最佳的平衡，其F1值达到0.68，召回率为0.79，精确度为0.59，被确定为后续建模的最优不平衡处理方案。
3. 车道变换决策影响因素分析
研究人员将影响因素划分为物理因素、多车信息和安全性因素三类。统计分析揭示了一个关键现象：尽管目标车道紧邻前车的速度和间距不一定优于当前车道，但目标车道多辆前车的平均速度和平均间距往往更好，这证实了驾驶员具有“前瞻性”。基于XGBoost的特征重要性排序进一步表明，目标车道后车间距（ΔSTf）是最重要的特征（得分0.187），远高于其他特征。SHAP分析验证了这一结论，显示出明显的双层模式：安全相关特征（如ΔSTf、安全裕度SM）占据主导地位，构成决策的“安全阈值”；只有在安全条件满足后，收益相关特征（如目标车道平均速度v?T）才会进一步影响决策，体现了“收益激励”。
4. 考虑多车信息的车道变换决策建模
在全特征集下，KNN模型取得了最高的F1值（0.79）和AUC值（0.97），表现出色。消融实验证明，移除低重要性特征会导致性能下降，全特征集保留了最优预测能力。关于多车信息因子的贡献分析显示，目标车道平均速度（v?T）是最具价值的单一期望特征，将其加入基线模型可使F1值提升至0.76。此外，为了评估模型对未见车辆的泛化能力，研究人员采用了轨迹级划分进行验证。结果显示，在此严苛条件下，KNN性能大幅下降，而基于树的集成方法（如GradientBoosting）展现出更好的泛化能力，揭示了驾驶员异质性的存在。
讨论与结论
讨论
本研究的一个重要发现是驾驶员异质性对模型泛化能力的显著影响。随机样本级划分往往高估了模型性能，而轨迹级划分模拟了真实世界中遇到全新车辆的场景，证明了基于树的集成方法在处理驾驶员个体差异方面更具优势。这一发现启发未来研究应探索个性化或驾驶员自适应的建模方法。此外，研究也指出了当前样本的局限性，例如左右换道频率的不平衡以及仅基于单一高速公路路段的限制。
研究结论翻译
本文利用US101轨迹数据集对自由换道决策的影响因素进行了全面分析。主要发现如下：
多车信息有助于提高预测准确性。在基线特征集中加入五辆前车的平均速度和平均间距，使KNN的F1值从0.70提高到0.79。
在安全相关特征与收益相关特征的特征重要性排名中，前者高于后者。在XGBoost排名中，目标车道后车间距（ΔSTf, 0.187）排名最高，而收益相关特征如目标车道平均速度（v?T, 0.091）排名较低。SHAP分析显示了相似的模式。
在随机划分设置中，SMOTE+Tomek在测试的类别不平衡处理方法中表现最佳。在随机划分下，SMOTE+Tomek获得了最高的F1值（0.68），并在召回率（0.79）和精确度（0.59）之间取得了最佳平衡。
KNN在随机划分下取得了最佳性能（F1=0.79, AUC=0.97）。然而，在轨迹级划分（在未见过车辆上进行评估）下，最佳F1值降至0.47，显示出显著的性能差距。结果表明，基于树的集成方法比基于实例的方法（如KNN）更能泛化到未见过的驾驶员。
更广泛的影响需要进一步验证：观察到的特征重要性层级（安全特征得分最高，其次是收益特征）大体上符合两阶段决策逻辑，即可能在考虑潜在收益之前先考虑安全。然而，特征重要性仅表示相关性而非因果关系；确认因果驾驶员行为需要受控实验。随机划分和轨迹级划分之间观察到的性能差距表明，驾驶员异质性可能是影响LC行为的一个因素。可能与这种异质性相关的具体驾驶员特征（如驾驶风格、风险感知）值得进一步研究。
