CAP-drive：一种基于复杂性的个性化多流变换器，用于车辆驾驶行为识别

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：CAP-drive: a complexity-aware personalized multi-stream transformer for vehicle driving behavior recognition

　　• CAP-Drive将操作需求和驾驶风格结合在多流式Transformer中。操作需求是根据车辆自身的CAN信号估算的。个性化风格档案捕捉了驾驶员之间的差异，提高了行为识别的准确性。在独立的模拟器研究中，瞳孔测量技术支持基于CAN的需求代理。经过校准的并线置信度有助于及时、适应驾驶员的并线辅助。

1. 引言
1.1. 动机
理解和预测车辆行为是开发安全和高效智能交通系统的基本前提。然而，现有方法仍然面临几个关键挑战。驾驶员在复杂操作过程中经常表现出异质的认知状态（Kong等人，2025年），这深刻影响了决策和反应时间；然而，大多数轨迹预测模型忽略了这些认知因素，限制了它们捕捉现实世界人类行为变异性的能力。此外，个体驾驶行为高度多样（Chen等人，2019年），反映了从保守到激进的个性化驾驶风格。假设驾驶员行为均匀的模型无法在多样化的驾驶员群体中提供准确的预测。此外，并线场景的特点是高度动态的时间交互（Weng等人，2021年），这对传统方法捕捉车辆控制、驾驶员状态和操作演变的多模态动态提出了重大挑战。这些限制突出了需要一个统一的框架，该框架结合了认知意识、驾驶员特定特征和时间建模，以改善车辆并线行为预测，从而实现更安全和更高效的智能交通系统。

1.2. 相关工作
1.2.1. 驾驶行为预测
车辆并线和变道代表复杂的交互行为，涉及与周围驾驶员持续协商空间和优先权。基于运动学或统计模型的传统轨迹预测方法往往难以捕捉复杂、非线性的驾驶模式。最近，深度学习方法，包括长短期记忆（LSTM）、门控循环单元（GRU）和基于Transformer的模型，已被用来模拟时间依赖性和远距离交互，提高了预测准确性（Dong等人，2024年）。值得注意的是，基于Transformer的方法表现出强大的性能：Scene Transformer（Zhang等人，2022年）提出了一个用于联合多智能体未来预测的统一架构，而Motion Transformer（Shi等人，2022年）通过全局意图定位和局部运动细化在Waymo Open Dataset上实现了最先进的轨迹预测。结合驾驶员特定因素（如驾驶风格和交通环境）可以进一步提高性能（Yang等人，2025年），而研究表明，并线车辆之间的相对距离和速度是预测驾驶员行为的关键因素（Yang等人，2019年）。除了模仿之外，深度逆强化学习可以推断人类奖励函数，以支持更真实的决策（Nan等人，2024年）。作为预测模型的补充，以控制为导向的方法（如模型预测控制MPC）已被应用于执行并线操作，并在此后保持自适应巡航控制（Geurts等人，2025年）。在预测和规划的交叉点，还提出了以查询为中心的表示方法，以在单一预测框架下统一多样的交通场景（Zhou等人，2023年）。

1.2.2. 认知负荷和驾驶员状态估计
驾驶员的认知负荷在决策、反应时间和操作执行中起着关键作用，因此准确估计认知负荷对于安全和适应性强驾驶至关重要。现有的认知负荷估计研究大致可以分为基于生理信号的方法和基于行为模型的方法。已经广泛探索了通过脑电图（EEG）、心电图（ECG）、心率变异性和眼动等生理指标来推断驾驶员的心理工作负荷和注意力水平（Arutyunova等人，2024年；Ding和Zhao，2023年）。最近，深度学习方法通过实现多模态融合和时间推理推进了这一领域。例如，基于Transformer和注意力网络的模型已被用于在L3自动驾驶场景中整合异构生理特征以识别工作负荷（Wang等人，2024年），而对比或半监督框架已被开发用于连续工作负荷量化（Zhu等人，2024年）。除了生理感知之外，最近的研究还探索了车辆动态作为认知负荷的行为代理。通过车辆控制信号（如转向和踏板操作）可以捕捉由工作负荷引起的驾驶性能变化，这些信号可以通过CAN总线系统轻松获得（Lyu等人，2017年）。深度序列模型进一步从这些时间行为数据中提取与工作负荷相关的潜在模式（Yang等人，2024a）。然而，大多数认知负荷估计研究仍然侧重于信号解释，而不是将心理工作负荷与可观察的驾驶行为或预测决策模型联系起来。这一差距突显了在真实交通情境中连接认知状态估计与驾驶员意图和操作预测的必要性。

1.2.3. 个性化驾驶风格建模
由于风险感知、攻击性和决策策略的差异，个体之间的驾驶行为存在显著差异。为了模拟这种变异性，早期的研究采用聚类和概率方法根据观察到的运动学特征将驾驶员分类为离散的行为类型（例如，谨慎、正常或激进）（Song等人，2025年）。最近，基于深度学习的方法从原始轨迹或控制数据实现了端到端的风格识别，保留了时间依赖性和微妙的行为差异（Li & Jin，2024年）。在表示学习层面，提出了解耦的潜在空间，以区分特定领域的驾驶风格因素和通用场景特征（Kim等人，2022年），而应用于未标记的自然数据的对比目标实现了跨驾驶环境的离散风格指纹的无监督提取（Kujanp??等人，2025年）。除了识别之外，个性化还被嵌入到自动驾驶功能中，其中自适应速度或轨迹规划可以增强SAE L2–3系统中的舒适度、感知安全和接管性能（Delmas等人，2024年）。此外，还提出了用户特定的潜在嵌入，允许自动驾驶车辆模仿个体驾驶偏好，提高用户信任和接受度（Schrum等人，2024年）。虽然个性化提高了舒适度和接受度，但现有方法通常忽略了个体驾驶风格与 situational 需求之间的实时耦合。弥合这一差距需要能够同时考虑不断变化的认知状态、行为倾向和环境背景的适应模型。

1.2.4. 多模态和时间-空间融合技术
在并线场景中实现准确预测依赖于有效地结合异构信息源，包括车辆轨迹、环境背景和与驾驶员相关的线索。最近在多模态融合方面的进展利用了注意力机制、Transformer架构和基于图的表示，共同捕获不同数据流之间的空间和时间依赖性。例如，基于Transformer的模型实现了长距离依赖性建模和视觉与运动输入之间的跨模态特征对齐（Prakash等人，2021年），而基于图的框架表示车辆-车辆交互，以模拟密集交通中的社会动态（Schmidt等人，2022年）。其他方法采用策略级融合和强化学习来细化传感器特定的决策，以实现更稳定的控制（Huang等人，2023年）。尽管多模态融合在感知和交互建模方面取得了进展，但集成以人类为中心的信息（如认知和个性化行为）仍然大部分未被探索。实现这种集成对于构建支持动态交通环境中自适应和人类对齐决策的统一、上下文感知框架至关重要。

1.2.5. 缺陷和挑战
尽管在模拟车辆驾驶行为方面取得了显著进展，但仍存在三个基本挑战。首先，驾驶员状态很少被纳入行为预测模型中，即使考虑了，通常也依赖于侵入性的生理 sensing。因此，实用的基于CAN的操作需求表示及其构建有效性的独立生理验证仍然无法获得。其次，个性化和时间动态通常被孤立建模，阻碍了现有方法共同捕捉个体驾驶特征和操作的演变背景。第三，尽管多模态和时空融合方法在感知和交互建模方面取得了进展，但它们很少以可解释的方式整合以人类为中心的信息。此外，这些模型的可靠性和通用性很少通过包括统计稳健性、校准的不确定性和跨独立数据集的验证在内的全面评估来确定。

1.3. 贡献
本研究提出了以下关键贡献：
(1) 提出了一种新颖的复杂性感知个性化驾驶（CAP-Drive）框架，该框架结合了驾驶员操作需求（OD）估计、个性化驾驶风格剖析和多流式Transformer架构，以实现准确的车辆并线行为识别。
(2) 操作需求意识和个性化建模的整合使框架能够捕捉驾驶员的异质性和个体行为差异，提高了复杂并线场景中的预测准确性。
(3) 先进的多流式和时间特征融合利用基于Transformer的架构联合建模驾驶员状态动态，有效解决了现实世界交通交互的复杂性。
(4) 通过为自动和辅助驾驶决策提供可靠的基础，增强了智能交通系统的安全性和鲁棒性，可能降低碰撞风险并提高并线场景中的交通流效率。

图1以特定驾驶员为例说明了CAP-Drive决策过程。所提出的框架仅依赖于从车辆自身收集的CAN总线信号。这些信号代表了驾驶员的控制输入和车辆随时间的变化状态，无需直接访问周围的交通参与者或基础设施级别的感知。具体来说，仅使用车辆自身的历史多传感器数据来表征驾驶行为（步骤1）。这些原始信号被处理成可解释的驾驶特征，包括运动动态、控制输入、信号行为和制动行为（步骤2）。然后，提取的特征由提出的多流式Transformer编码，以捕获时间和跨模态依赖性（步骤3）。基于编码的表示，模型联合估计驾驶员的操作需求水平和个性化驾驶风格（步骤4）。这些操作需求和行为嵌入被整合到CAP-Drive决策融合模块中（步骤5），该模块生成行为预测，如并线、转弯或变道，以及实时驾驶辅助建议，包括准备并线、执行并线或取消并线（步骤6）。这个例子展示了CAP-Drive模型如何有效结合操作需求意识、个性化行为剖析和多模态感知，以支持安全和适应性的并线决策。

2. 方法论
2.1. 框架概述
复杂性感知个性化驾驶（CAP-Drive）框架旨在整合操作需求估计、个性化驾驶风格剖析和多流式Transformer架构，以增强车辆并线行为识别。该框架解决了智能交通系统中的三个关键挑战：(1) 复杂驾驶操作中的操作需求异质性，(2) 对于多样化驾驶风格的个性化要求，以及(3) 驾驶行为的时间复杂性。

图2展示了CAP-Drive框架的整体架构，它由四个相互连接的模块组成：多流特征提取、操作需求估计（OD）、个性化驾驶风格剖析和决策融合。整个框架的数学表述可以表示为：
(1)???????:X??????????????????????????←←←←←←←←←→{???????????????,??????,????????????????_???????????,??????????????????????}
其中X??∈???×??表示时间窗口??内的多维传感器数据序列，输出包括行为预测???????????????、操作需求（OD）估计??????、并线置信度预测????????????????_???????????和辅助建议??????????????????????。????????????????????????是一个表示长期驾驶风格特征的潜在驾驶员特定嵌入。它不是作为外部输入，而是作为网络内的个性化条件，调节特征注意力和决策阈值。这使得模型能够适应不同的驾驶员特征，而无需更改输入结构。为了加强时间学习，引入了一个辅助阶段监督信号???????????∈{0,1,2}，表示预阶段、准备阶段和执行阶段。它仅在训练期间使用，不会出现在推理输出中。

2.2. 多流式Transformer架构
2.2.1. 模式特定特征提取
传统的车辆行为识别多流融合方法通常采用早期融合（连接原始传感器输入）或晚期融合（组合来自独立模型的预测），通常对所有传感器输入给予同等重要性。这种均匀处理与认知神经科学的证据不符，后者表明人类大脑通过专门的神经通路处理与驾驶相关的信息：运动皮层控制动作，视觉皮层编码空间和时间线索，前额叶皮层支持高级决策。受这一神经生物学原理的启发，我们引入了一种功能导向的分解策略，根据输入信号在驾驶任务层次结构中的功能角色显式划分输入信号。在时间步骤??，传感器输入向量????∈?8定义为：
(2)????=[????,????,?????,????,??????,??????,??????,?????]??
其中????是加速度，????和?????是转向角度和速率，????是速度，??????是制动压力，??????和??????是左/右转信号，而?????是偏航速率。输入向量被分解为四个功能流：运动动态??????????????=[????,????,?????]∈?3，控制输入??????????????????=[????,?????]∈?2，信号行为????????????????=[??????,??????]∈?2，以及制动行为??????????????=??????∈?1。每个流由专门的MLP编码器独立编码：?????=???????????(??????;????)，其中??∈{??????????????,????????????????????,?????????????????,??????????????}。每个编码器将其流映射到模型宽度的四分之一，?????∈?64，因此四个流的嵌入重新组合成恰好256维的?????????????。

2.2.2. 带有位置编码的多流融合
模式特定的嵌入被连接起来形成统一的表示，同时保持功能身份，???=[?????????????;?????????????????;???????????????;?????????????]。为了有效地在连续驾驶数据中建模时间依赖性，将正弦编码??????????融入融合表示：????=???+??????。这三个量都表示在一个共同的潜在空间中，该空间的维度为 ????????????，即 ???,??????,????∈?????????????。将嵌入按输入序列的长度 T 堆叠起来，得到 ??∈???×????????????。2.2.3. 带有行为特异性注意力的Transformer编码融合序列 ????={??1,??2,?,????} 通过 ?? 个堆叠的Transformer编码层进行处理，得到最终的隐藏表示 ??(??)。编码器保留了序列的形状，因此 ??(??)∈???×????????????。为了增强对合并相关动态的敏感性，在最后一个编码层引入了一个行为特异性注意力机制，以关注与合并操作最相关的时间段。(3)(????????????,????????????)=??????????????????????????????????????????????????????(????????????,????????????,????????????)，其中 ????????????=??(??) 表示最终的隐藏状态序列，????????????∈???×???????????? 表示被关注的特征，?????????????∈??? 包含了量化每个帧相对于合并行为的时间重要性的注意力权重。然后通过注意力加权池化得到一个全局行为表示 ??，该表示在强调合并相关动态的同时聚合了时间信息。(4)??=??∑??=1?????????????????????(??????????????)·??????????????,??∈?????????????，其中 ???????????? 是Transformer模型的维度，?? 作为整个序列的紧凑时间摘要，编码了全局上下文和最具有行为特征的时间线索。2.3. 操作需求（OD）估计2.3.1. 理论基础传统的车辆行为识别系统在隐含的假设下运行，即驾驶员在整个驾驶任务中保持一致的认知能力。然而，认知心理学和人因工程学的广泛研究表明，认知负荷根据任务复杂性、个体差异、环境条件和时间因素而有显著变化（Frazier等人，2024年）。虽然标准化的评估工具（如NASA任务负荷指数（NASA-TLX）提供了经过验证的认知工作负荷测量方法（von Janczewski等人，2022年），但这些方法依赖于主观的后验评估，不适用于实时应用。我们的框架引入了一个客观的、实时的操作需求分数估计器，专为驾驶行为识别设计，仅使用可观察的车辆传感器数据。其理论基础基于Wickens的多元资源理论（MRT）（Wickens，2002年），该理论假设认知资源在不同处理阶段（感知、认知和响应）和感官模式（视觉、听觉和触觉）之间分配。根据MRT，当任务需求超过特定处理渠道内的可用认知资源时，性能会下降。基于这一基础，我们提出可以通过车辆控制信号中的可观察行为模式推断出驾驶期间的操作需求，因为这些模式反映了控制运动、注意力分配和决策制定的潜在认知过程。估计器仅依赖于CAN总线信号，因此量化了基于行为的操作需求，而不是驾驶员的主观心理状态。因此，得出的分数应被解释为任务施加需求的可观察指标，反映了不同驾驶行为所施加的操作要求。第4.4节中展示的外部验证进一步表明，该指标与通过瞳孔测量得出的独立生理工作负荷测量方法表现出适度但一致的收敛性。2.3.2. 操作需求建模我们将操作需求分数实现为一个三维结构，可以直接从多流车辆传感器数据中推断出来，每个维度都针对任务相关处理的独特方面。(1)微操作检测微操作是在认知压力增加时变得更加频繁和明显的无意识、高频的纠正动作。先前的研究表明，方向盘的微移动（通常<1°的校正，发生频率>0.5Hz）与自我报告的认知工作负荷有很强的相关性（Boer，2000年；Kountouriotis等人，2016年）。为了提取这些细粒度的行为信号，设计了一个多尺度卷积架构，以在不同时间分辨率下捕捉微校正，然后通过全局平均池化获得微操作向量 ????????????。??????????1=????????????(????????????1????(????;??????????????1,??=5))，??????????2=????????????(????????????1????(??????????1;??????????????2,??=3))。其中 ????∈?8×?? 表示转置的传感器矩阵，?? 表示核大小。第一个卷积层输出 ??????????1 捕获大约0.5秒间隔内的短期纠正动作，而第二个层 ??????????2 提取更短的0.3秒窗口内的快速微调整。最后，全局平均池化输出 ???????????? 编码了整个序列中的聚合激活模式，作为微操作强度和变异性的紧凑表示。在维度上，第一个卷积层产生 ??????????1∈?32×??，具有32个通道，第二个产生 ??????????2∈?16×??，具有16个通道，因此全局平均池化后得到一个16维的微操作向量 ????????????∈?16。与传统的统计指标（如转向反转率或熵）不同，这种卷积设计保留了时间结构和频率内容，能够可靠地区分随机传感器噪声和系统性的、由认知引起的运动校正。(2)决策犹豫量化决策犹豫反映了驾驶员在操作规划期间的不确定性和延迟承诺，通常表现为信息收集时间延长、执行延迟或控制调整的振荡（Yan等人，2023年；Yang等人，2024b）。在合并的情境下，这种犹豫可能会影响安全性和交通流的稳定性。为了对这个潜在行为特征进行建模，我们基于Transformer编码器得到的全局表示空间来量化犹豫。计算一个时间平均表示 ??，作为所有编码器隐藏状态的均值。为了将这个潜在表示映射到一个量化的犹豫指数，应用了一个轻量级的前馈投影。(6)?????????????????????=?????????·????????????(??????????3??+??????????)+???????其中 ??????????∈?128×256 和 ??????????∈?128 形成一个可学习的投影层，将全局特征转换为紧凑的犹豫嵌入，而 ?????????∈?128 和 ??????? 参数化了最终的回归头，产生一个标量犹豫分数 ?????????????????????。基本假设是优柔寡断的驾驶员在潜在的认知空间中表现出更大的时间变异性和表示不一致性。通过对行为标注的数据集进行监督训练，模型学会了将这些潜在波动与实证观察到的犹豫行为联系起来，从而实现对决策信心和延迟倾向的可解释量化。(3)操作复杂性评估操作复杂性捕捉了驾驶任务本身施加的固有认知需求，与驾驶员的能力无关。高需求情况，如在密集交通中的高速公路合并，本质上需要更多的认知资源（Horrey & Wickens，2006）。为了直接从车辆传感器数据中量化这些需求，我们定义了一个操作复杂性指数，如下所示。??????????????????????=???(????????????3????????????(??????????3??13??+??????????3??1)+??????????)。其中 ?? 表示从Transformer编码器获得的全局时间表示，??????????3??1 和 ??????????3??1 形成一个投影层，将全局上下文转换为捕捉环境复杂性线索的低维潜在空间，???????????? 和 ????????? 参数化了将潜在特征映射到标量输出的回归头，??2(?) 是sigmoid激活函数，确保结果复杂性分数 ??????????????????????∈[0,1]。与依赖于外部环境传感器（例如雷达密度图或道路拓扑数据）的先前研究不同，所提出的公式仅使用车辆内部感官模式即可自包含地、数据驱动地估计任务难度。这使系统能够从控制变异性、运动平滑性和周围动态中隐式推断环境复杂性，提供了连续且上下文感知的操作需求测量。(4)融合与不确定性量化为了协调三个认知维度的连续性与下游决策中离散评估的实际需求，我们采用了两阶段公式。首先，每个维度被建模为从传感器数据中得出的连续潜在指标。然后，这些指标通过监督分类方案共同映射到三个操作需求级别（低、中、高）。这种转换与之前的文献一致，后者将工作负荷离散化以适应系统和驾驶员状态监控。这三个维度被合并成一个联合特征向量 ????????????=[????????????;?????????????????????;??????????????????????]，并通过专门的融合架构集成，该架构明确地建模了它们之间的相互依赖性和相关性：(8)??????=???????????3????3(????????????????3????????????(?????????????3????????????+?????????????)+??????????????)∈?3其中分号 [;;] 表示沿特征维度的连接，???????????? 代表结合三个认知维度的联合潜在特征向量，????????????? 和 ????????????? 表示非线性投影层的参数，?????????????? 和 ???????????? 形成产生分类操作需求概率分布 ?????? 的输出分类器。为了确保可靠和安全的决策支持，使用蒙特卡洛（MC）Dropout（Gal & Ghahramani，2016）量化不确定性，该方法通过随机前向采样近似贝叶斯推断。对于每个输入，模型执行 ?? 次随机传递。(9)???????=1??3∑????=1???(??)????(10)??????=1??3∑????=1∥???(??)????????????∥2其中 ???(??)???? 是来自 ?????3? 样本的预测，??????? 是平均输出，?????? 提供了一种基于预测可靠性的原则性度量。这提供了一种基于预测可靠性的原则性置信度度量，使得系统响应能够自适应。2.3.3. 操作需求标签构建代理标签用于监督操作需求估计模块。标签构建完全依赖于可观察的CAN总线信号，与神经网络模型完全独立。定义了三个可解释的、信号级别的指标：(1)转向变异性 ???????? 计算为滑动窗口内方向盘角度信号的标准差，捕捉与认知需求增加相关的细粒度运动校正和控制努力。(2)控制动态变异性 ???????? 衡量为转向信号的一阶差分标准差，反映了快速控制调整的强度。(3)操作类型 ?????????? 是从场景标签中派生的分类指标，其中合并和变道操作由于在驾驶行为文献中已建立的复杂性而被赋予更高的基线操作需求级别。通过基于规则的阈值将这些三个指标结合起来，分配离散的操作需求级别 ??∈{低、中、高}。具体来说，阈值 ???? 和 ???? 分别将 ???????? 和 ???????? 分为三个级别，最终标签由三个指标的加权组合确定，当组合指标落在边界上时，合并场景会向上调整一个级别。为了验证标签策略对阈值选择的鲁棒性，我们通过将 ???? 和 ???? 在其标称值的±20%范围内变化来进行敏感性分析，并检查结果标签分布和下游模型性能。结果显示，标签分布在所有阈值扰动下的变化小于8%，最终操作需求分类的准确性变化小于1.5个百分点，表明代理标签方案是稳定的，对特定阈值选择不够敏感。这些代理标签作为监督，指导操作需求估计模块的训练。重要的是，第2.3.2节中的神经网络学习了操作需求的连续、高维潜在表示，该表示比手工制定的规则捕获了更丰富的行为模式，包括多模式控制耦合和时间犹豫动态。因此，这些启发式标签提供了有意义且灵活的监督信号，使模型能够超越手动定义的阈值进行泛化。2.4. 个性化驾驶风格分析2.4.1. 风格指纹识别个体驾驶风格差异很大，在复杂的操作（如高速公路合并）中起着决定性作用。传统的驾驶行为建模方法通常假设人群同质性，从而忽略了决策、风险感知和运动控制方面的个体差异。为了解决这一限制，设计了一个风格指纹识别模块，直接从车辆传感器数据中捕获潜在的行为倾向。该模块基于交通心理学和人因理论，学习了一个紧凑且功能经过验证的嵌入，该嵌入在三个行为维度上个性化权重生成
为了使模型预测与驾驶员的特定倾向保持一致，我们设计了一种层次化的个性化机制，该机制将驾驶风格特征 ???????????????????????? 同时纳入特征提取和决策过程。这种机制使模型能够根据个别驾驶员的特征动态调整内部表示和输出优先级。这些风格维度被连接起来，形成一个统一的、特定于驾驶员的嵌入向量 ????????????????????????=[????????????????????;???????????;??????????????????]∈?128。其中，“果断性”维度贡献了64个特征，“平滑性”和“决策性”维度各贡献了32个特征，从而产生了一个紧凑的128维表示，封装了驾驶员在三个行为轴上的特定倾向。

（1）特征层面的个性化
在特征层面，驾驶员特征通过个性化的注意力权重来调节内部表示，允许模型根据个体倾向自适应地强调或抑制某些特征。
（14）
????????????????=??3(????????????????????????(????2????????1????????????????????????+????2??????1)+??????????)∈[0,1]
其中 ????2????????1 和 ????2??????1 表示中间转换层的参数，而 ???????????? 和 ?????????? 将风格嵌入转换为模型特征维度 ?????????? 的缩放系数向量。在维度上，中间转换层使用一个256×128的权重矩阵，并带有256维的偏置，输出投影则使用一个256×256的矩阵，因此得到的门控值 ????????????????∈[0,1]256，该值会在所有时间步骤上广播，使得 ????????????????????????∈???×256。
最终的权重向量 ???????????????? 在所有时间步骤上逐元素应用于跨行为的增强表示 ?????????????????，即 ????????????????????????2[??,] = ?????????????????2[??,]⊙????????????????，其中 ??=1,?,??，这里的 ⊙ 表示沿时间维度进行的逐元素乘法操作。这一操作确保了相同的个性化模式在时间上的一致应用，整合了特定于风格的偏好和时间行为依赖性。因此，输出的结果 ???????????????????????? 编码了上下文感知且针对驾驶员的表示，用于后续的决策阶段。

（2）决策层面的个性化
除了特征调制之外，我们还引入了决策层面的个性化，根据个体风格特征动态调整任务特定输出的重要性。预先计算出的个性化向量如下：
（15）
??????????????????????????=??3(??????????????????????(????????1????????????????????????+????????1)+????????)∈[0,1]4
其中 ?????????????????????????? 的每个元素代表四个下游决策任务中的一个的适应性权重因子。这些权重将在第2.6.2节中用于根据个体风格轮廓调整辅助策略的相对重要性。通过结合风格特征识别、跨行为学习和多层次个性化，所提出的框架既捕捉了个体间的差异性，也考虑了行为间的依赖性，从而产生了更加细致和稳健的行为表示，提高了在复杂操作（如高速公路并线）中的识别准确性。

2.5 决策融合与多任务学习
2.5.1 理论框架
驾驶行为识别涉及多个相互依赖的任务，这些任务为驾驶员行为提供了互补的视角。传统的单任务模型通常孤立地处理行为分类，忽略了行为预测、操作需求估计和个体风格分析之间的潜在依赖性。为了解决这一限制，我们采用了多任务学习范式，同时优化多个目标，有效地利用共享表示来提高行为识别准确性和泛化能力：（1）驾驶行为分类，（2）操作需求估计，（3）并线信心预测。
这一设计基于这样一个原理：相关任务具有共享的潜在表示，联合优化通过隐式正则化增强了泛化能力。所提出的框架捕捉了任务间的共性模式，同时保留了任务的特定组成部分，这对于高速公路并线场景特别有利，在这种场景中，来自操作需求和驾驶员风格的信息对于准确识别至关重要。

2.5.2 层次化特征集成
决策融合整合了来自架构多个层次的信息，以构建用于最终分类的全面表示。最终的融合表示 ??????????????=[??????????????;????????????;??????] 包括时间汇总的特征、风格特征和操作需求分布。在维度上，??????????????∈?256 表示时间汇总的特征表示，????????????∈?128 表示风格特征，??????∈?3 表示操作需求分布，因此融合的决策向量为 ??????????????∈?387。

2.5.3 多任务决策架构
所提出的多任务决策架构在一个统一的框架内共同预测驾驶员行为、并线信心和操作需求。它遵循一个共享-特定结构，其中共享的表示路径捕捉跨任务的依赖性，多个任务特定的输出头执行专门的推理：
（1）共享表示路径
共享路径通过三个带有ReLU激活函数的残差全连接层处理融合后的特征表示 ??????????????，生成共享嵌入 ?(3)???????????。每个残差层的宽度为256，因此共享嵌入为 ?(3)???????????∈?256。
（2）任务特定的输出头
定义了三个监督任务来捕捉驾驶过程的互补方面，每个任务都使用基于共享表示层 ?(3)??????????? 的专用输出头。 ?(3)??????????? 表示共享编码器产生的最终隐藏特征向量，而 ??? 和 ??? 表示任务特定的可学习参数。
- **主要行为分类**：主要任务使用softmax分类器识别驾驶员的高层次行为意图。
（16）
?????????????????=??????????????(?????????????????????????????+?????????????????)
其中 ????????????????? 表示类别概率分布。
- **并线信心预测**：Sigmoid回归头估计与并线动作相关的信心水平。
（17）
??????????_?????????=??3(??????????????(3)???????????+???????????)
标量输出 ??????????_?????? 量化了系统对成功并线的信念，是安全意识决策的关键指标。
- **操作需求估计**：框架的操作需求输出是操作需求估计模块在方程（8）中产生的分布 ??????；它由第2.3.3节的代理标签进行监督，并已进入融合向量 ????????????。

2.5.4 多目标损失函数设计
训练目标整合了多个损失项，并使用自适应任务权重来平衡任务间的学习，同时优先考虑并线行为识别。总损失定义为：
（18）
???????????=∑????=1????3???+???????
其中 ?? 表示任务数量，???? 表示自适应任务权重，??????? 表示正则化项。
（1）主要分类损失（针对类别不平衡的焦点损失）
（19）
????????????????=?1?????∑??=1∑????=1????3(1?????,??)???????,???l?g?(????,??)
其中 ?? 是训练样本数量，?? 是行为类别数量，???? 表示解决数据不平衡的类别特定权重，?? 控制聚焦参数，????,?? 表示类别 ?? 的预测概率。
（2）操作需求和阶段一致性损失
操作需求估计损失 ????? 和阶段监督损失 ?????????? 遵循它们各自的三类输出的标准交叉熵公式。
（3）并线信心损失
对于并线信心的不平衡二元分类，采用了加权二元交叉熵损失：
（20）
???????????_??????=?1?????∑??=1[????????·??????????????+(1???????????????)?log?(1????????????????)
其中 ???????? 是解决类别不平衡的正权重因子，?????????????? 是真实的并线信心标签，??????????????? 是预测的信心分数。
（4）风格正则化项
由于驾驶风格嵌入是隐式学习的而不是显式预测的，我们引入了风格平滑性和稳定性正则化，而不是重建损失：
（21）
??????????????_?????=1?????∑??=1(∥?????(??)??????????∥22+???∥??(??)??????????∥22)
其中 ?? 是训练样本总数，??(??)?????????? 表示从风格特征识别模块为样本 ??????? 获得的驾驶员特定风格嵌入向量，?????(??)??????????=??(??)??????????,?????(??)??????????,???1 表示风格嵌入在连续帧间的时间梯度，∥?????(??)??????????∥22 强制时间平滑性，惩罚潜在风格表示的突然变化，∥??(??)??????????∥22 作为L2范数约束，防止嵌入值塌陷为平凡或过大，?? 是平衡平滑性和幅度项的正则化系数。这种设计保持了随时间一致且可解释的驾驶员风格嵌入，使模型能够捕获稳定的但独特的行为表示，从而可靠地调节下游决策模块。

（5）自适应任务权重
任务权重 ???? 在训练过程中通过基于梯度的元学习动态学习，以自动平衡不同目标的贡献。
（22）
??(??+1)??=??(??)????????????????????2(???2(??(??)??))
其中 ???2(??(??)??) 表示给定任务权重的最佳参数，??????? 表示验证损失，?? 是元学习率。这种自适应权重机制确保模型在保持对主要并线行为识别任务的关注的同时，动态平衡辅助任务以增强泛化能力。

2.6 实时辅助决策
2.6.1 复杂度感知的辅助生成
从行为识别到可操作的驾驶辅助的过渡需要一个复杂的决策框架，该框架将操作需求评估与实时情境分析相结合。传统的驾驶辅助系统通常依赖于基于规则的策略或简单的阈值机制，这些方法无法考虑个体的认知能力和心理负荷的动态变化。为了解决这一限制，我们提出了一个复杂度感知的辅助生成系统，该系统根据驾驶员当前的操作需求和个体特征调整推荐策略。该系统的运行原则是，辅助效果不仅取决于驾驶情境，还取决于驾驶员处理和行动所提供的信息的能力。

复杂度感知的决策过程从将情境特征和操作需求预测整合到联合的情境表示 ????????????????=[??????????????;??????] 开始。这里，??????????????∈??????????? 表示全局情境特征，??????∈?? 表示三种操作需求水平的预测概率分布。情境嵌入 ??????????该数据集为十二种行为类别提供了注释，例如转弯、变道和并道。在合并左/右车道分支和左/右车道变道之后，最终的数据集包含了十种行为类别。在我们的研究中，我们特别关注并道行为，同时也考虑了相关的操纵动作，如转弯和变道，因为这些动作具有相似的交互特性，并且对于模拟复杂交通场景中的真实驾驶员行为至关重要。遵循先前的研究（Ramanishka等人，2018年），我们使用100个驾驶会话进行训练，37个会话进行测试。由于HDD数据集中的每个会话都对应一个不同的驾驶员，这种划分保证了严格的驾驶员级别分离：没有单个驾驶员同时出现在训练集和测试集中，从而防止了任何形式的驾驶员身份泄露，并确保报告的结果能够泛化到未见的驾驶员。本研究中使用的数据集来源于本车车辆的CAN总线信号。记录的信号包括八个维度：车辆速度、油门踏板位置、刹车踏板位置、偏航率、方向盘角度、方向盘旋转速度和转向灯状态。这些变量仅反映了本车车辆的内部运动状态和驾驶员控制行为。输入空间中不包含关于周围车辆（例如，位置、速度或意图）或外部感知传感器的直接信息。表1报告了所有137个会话中十种行为类别的类别分布，包括注释帧数（以3 Hz的注释率）和连续行为事件，以及事件持续时间统计。分布严重不平衡：背景驾驶占所有注释帧数的87.20%，而焦点并道类别仅包含1,509帧（占语料的0.134%），分布在160个事件中，相当于在帧级别上的背景与并道不平衡比为大约649:1。并道事件也很短暂，平均持续时间为3.1秒（中位数3.0秒），其中20%的事件持续时间少于2秒。这种分布直接促成了第2.7节中描述的基于类别加权的聚焦损失和专注于并道的训练范式，以及下面描述的行为中心预处理流程；这也与第4.3节分析的短持续时间并道失败模式一致。

表1. HDD数据集中目标导向行为标签的类别分布。

行为类别 | 帧数 | 帧占比 (%) | 事件平均持续时间 (s) | 事件中位数持续时间 (s)
--- | ------- | -------------- | ------------ | --------------|
背景驾驶 | 97,566 | 87.20 | 12,259 | 26.61 | 3.0 |
通过交叉路口 | 66,705 | 55.94 | 6,454 | 3.5 | 3.0 |
左转 | 28,836 | 2.57 | 1,681 | 5.7 | 5.0 |
右转 | 26,019 | 2.32 | 1,676 | 5.2 | 5.0 |
变道 | 11,511 | 1.02 | 1,154 | 3.3 | 3.0 |
车道分支 | 3,309 | 0.29 | 182 | 2.6 | 2.0 |
通过人行横道 | 2,796 | 0.25 | 668 | 1.4 | 1.0 |
通过铁路 | 711 | 0.06 | 822 | 2.9 | 2.0 |
并道 | 1,509 | 0.13 | 160 | 3.1 | 3.0 |
掉头 | 2,433 | 0.22 | 849 | 9.7 | 8.0 |
总计 | 1,123,395 | 100.00 | 24,636 | --------

注：计数是在合并左/右车道变道和左/右车道分支后，基于所有137个会话（训练和测试合计）计算得出的。

为了解决自然驾驶数据中的类别不平衡问题，实施了一个以行为为中心的预处理流程。对于每个行为类别，我们使用特定的采样策略提取时间序列，例如对并道事件进行彻底提取，并配置可配置的上下文窗口；对变道和其他操纵动作进行均匀子采样；对背景驾驶进行策略性采样。然后生成固定长度的滑动窗口，其重叠比率根据行为的重要性而变化，以平衡样本多样性和时间上下文的保留。通过添加高斯噪声和有界时间移位来应用特定类别的数据增强，增强因子与类别的稀有性成正比。所有特征都在训练集上进行了标准化。这个流程产生了一个更平衡的数据集，同时保持了顺序行为识别所需的时间动态。

3.2 多阶段并道行为分析
三张图共同展示了并道前、并道中和并道后阶段的时间动态和传感器特性，揭示了每个阶段的独特行为模式。多驾驶员并道时间线（图3(a)）展示了并道操作期间速度和加速度曲线的时间演变。并道前阶段显示出相对稳定的速度和适度的变化，反映了驾驶员的准备工作，如间隙评估和位置调整。在并道阶段，速度和加速度都表现出明显的波动和增加的方差，表明驾驶员在执行变道并适应交通动态。并道后阶段显示出升高的但稳定的速度模式，因为驾驶员融入目标车道并恢复正常驾驶行为。并道阶段的速度分布（图3(b)）量化了整个并道过程中车辆速度的统计特性。并道前阶段显示出狭窄的低速分布，符合谨慎的驾驶行为和交通拥堵效应。并道阶段显示出中等速度和适度的分散，反映了主动并道的过渡性质。并道后阶段显示出最高的速度和最大的变化性，因为驾驶员加速以匹配主线交通流量并建立安全的跟随距离。并道过程中的传感器模式（图3(c)）揭示了在执行并道时转向和制动输入之间的协调。转向角度曲线显示出特征性的钟形模式，在并道中途达到峰值偏转，对应于主要的变道操作。制动压力的激活模式表现出互补性，接近时初始启动，并在并道完成时二次应用以调节速度。这些控制输入的时间对齐显示了并道执行的协调性，其中转向和制动协同工作以实现安全的变道。

下载：下载高分辨率图片（464KB）
下载：下载全尺寸图片

图3. 并道行为分析。注意：在图3(b)中，??代表每个并道阶段的平均车辆速度，??表示标准差。

这些结果共同表明，并道行为表现出明显的阶段特定特性。从谨慎的低速准备到动态的可变速度执行，再到高速整合的演变，反映了高速公路并道场景中固有的复杂决策和控制过程。传感器协调模式进一步验证了并道操作的多流性质，需要同时管理车辆的纵向和横向动态。

3.3 运营需求分析
图4展示了不同驾驶行为的运营需求得分的概率密度分布。并道显示出最高且最集中的分布，峰值在7.5左右，表明运营需求持续升高。背景驾驶显示出最低的运营需求，接近5.5，而变道占用6到7.5之间的中间范围，具有更大的变化性。转弯也对应于高运营需求，但其分布更分散，延伸到大约9左右的高值。总体而言，结果证实并道行为产生了最明显且均匀的运营需求，强调了它作为关键安全行为的作用，并因此被选为CAP-Drive框架中的焦点场景。请注意，在这个HDD描述性分析（图4、图5、图6）中，运营需求得分是用第2.3.3节中的信号级指标得到的相对复合单位（大约0-10的尺度）表示的；模型的标准化运营需求输出，在图12的模拟器验证中分别报告，范围限制在[0, 1]之间。

下载：下载高分辨率图片（160KB）
下载：下载全尺寸图片

图4. 运营需求得分概率密度分布。

下载：下载高分辨率图片（62KB）
下载：下载全尺寸图片

图5. 按类别划分的并道行为运营需求。

下载：下载高分辨率图片（410KB）
下载：下载全尺寸图片

图6. 并道运营需求的时间模式。

为了确保对运营需求得分的稳健解读，我们采用了两种互补的阈值策略，以满足不同的分析目标。对于行为之间的分类比较，使用并道分布的第40和70百分位数作为阈值来定义低、中、高运营需求水平。这种基于百分位数的方法平衡了组大小，避免了过小或过大的类别，从而提高了统计测试的可靠性。相比之下，对于时间模式分析，采用了第25和75百分位数的更严格阈值，以强调极端波动并突出对并道场景中关键安全决策最为重要的高需求时刻。尽管这些具体的百分位数阈值在文献中并未标准化，但它们是由我们数据的分布特性和每个分析的具体目标所决定的。这两种策略提供了平衡的视角：40/70阈值支持稳定的组间比较，而25/75阈值增强了对外部动态变化的敏感性。

图5展示了并道行为在不同运营需求类别中的运营需求得分分布。结果显示，运营需求从低类别到高类别有明显的上升趋势，表明并道操作始终需要更大的努力。此外，在更高需求水平下，得分的变异性减小，表明驾驶员在高水平运营需求下倾向于表现出更一致的响应。几个高需求异常值的存在进一步表明，一部分驾驶员在并道过程中可能经历不成比例的高运营需求。总的来说，这些发现证实了并道是一项操作要求高且至关重要的操作，强调了将其作为CAP-Drive框架中焦点场景的重要性。注意，在这个HDD描述性分析中（图4、图5、图6），运营需求得分是用第2.3.3节中的信号级指标获得的相对复合单位（大约0-10的尺度）表示的；模型的标准化运营需求输出在图12的模拟器验证中单独报告，范围限制在[0, 1]之间。

下载：下载高分辨率图片（160KB）
下载：下载全尺寸图片

图4. 运营需求得分概率密度分布。

下载：下载高分辨率图片（62KB）
下载：下载全尺寸图片

图5. 按类别划分的并道行为运营需求。

下载：下载高分辨率图片（410KB）
下载：下载全尺寸图片

图6. 并道运营需求的时间模式。

为了确保对运营需求得分的稳健解读，我们采用了两种互补的阈值策略，以满足不同的分析目标。对于行为之间的分类比较，使用并道分布的第40和70百分位数作为阈值来定义低、中和高运营需求水平。这种基于百分位数的方法平衡了组大小，避免了过小或过大的类别，从而提高了统计测试的可靠性。相比之下，对于时间模式分析，采用了第25和75百分位数的更严格阈值，以强调极端波动并突出对并道场景中关键安全决策最为重要的高需求时刻。尽管这些具体的百分位数阈值在文献中没有标准化，但它们是由我们数据的分布特性和每个分析的具体目标所决定的。这两种策略提供了平衡的视角：40/70阈值支持稳定的组间比较，而25/75阈值增强了对外部动态变化的敏感性。

图5展示了并道行为在不同运营需求类别中的运营需求得分分布。结果显示出运营需求从低类别到高类别有明显的上升趋势，表明并道操作始终需要更多的努力。此外，在更高需求水平下，得分的变异性减小，表明驾驶员在高压运营需求下倾向于表现出更一致的响应。存在几个高需求异常值进一步表明，一部分驾驶员在并道过程中可能会经历不成比例的高运营需求。总体而言，这些发现证实了并道是一项操作要求高且至关重要的操作，强调了将运营需求估计纳入预测建模框架的重要性。

图6中对并道运营需求的时间分析揭示了一个具有三个阶段特征的模式。运营需求得分在整个并道过程中表现出显著的变化，开始于初始接近阶段的较高水平，在关键间隙接受和变道执行期间达到峰值，然后在并道完成后下降到基线条件。数据显示了明显的两峰特性，高低需求区域交替出现，对应于并道操作的不同阶段。移动平均值有效捕捉了潜在的时间动态，在最关键的决策阶段显示出持续的高运营需求，然后过渡到较低的运营需求。这种时间模式与已建立的并道行为理论一致，并为复杂高速公路操作中运营需求的动态性质提供了定量证据，对开发能够响应实时运营需求变化的适应性驾驶辅助系统具有重要意义。

3.4 个性化驾驶风格
图7展示了所有分析驾驶员的三维驾驶风格分布及其相关性结构。风格指纹沿着三个功能不同的维度——控制主动性、平滑性和果断性进行表征，这些维度基于交通心理学理论，并通过CAN总线信号的运动学结构进行了验证。控制主动性捕捉了车辆控制动作的强度以及驾驶员在复杂交通场景中接受风险的倾向；这两种行为倾向在传感器特征空间中是经验上不可分割的（r = ?0.98），嵌入空间的PCA确认前两个主要成分解释了超过90%的驾驶员间方差，支持了一个简约的三维表示。与整体驾驶行为相比，并道操作表现出显著较低的控制主动性，表明驾驶员在高压冲突条件下采取了更为保守和谨慎的策略。相比之下，平滑性和果断性在并道过程中略有增加，表明驾驶员倾向于在交互式交通中保持稳定的车辆操作，同时做出更迅速的决策以减少暴露时间。

下载：下载高分辨率图片（478KB）
下载：下载全尺寸图片

图7. 驾驶风格分布和相关性。

相关矩阵进一步揭示了这三个维度之间的依赖性。控制主动性与平滑性和果断性呈现中度负相关性，表明较高的主动性往往伴随着不太稳定和不一致的决策模式。平滑性与果断性呈现中度正相关性，表明产生更平滑控制输入的驾驶员也倾向于表现出更一致的决策行为。总体而言，结果表明驾驶员在并道场景中动态调整他们的行为风格，相对于基线倾向转向更加保守、平滑和果断的策略。这些发现为将多维度、特定于驾驶员的行为特征纳入智能并道决策框架的重要性提供了定量证据。

为了进一步确认所学习的维度对应于有意义的行为构造而不是嵌入空间中的任意轴，通过将驾驶员分为高分数和低分数组（上四分位数与下四分位数）并检查独立计算的运动学指标的组间差异来进行标准有效性分析。高主动性驾驶员表现出显著的加速度方差和更高的平均驾驶速度（p < 0.001和p < 0.01），这与主动车辆控制的理论定义一致。高平滑性驾驶员显示出显著较低的转向速率变化和减少的紧急制动频率（p < 0.05）。高果断性驾驶员在并道和变道操作前平均提前1.2秒发出转向信号（p < 0.01），这与迅速和一致的决策执行一致。我们进一步检查了所学维度是否在不同场景复杂性下表现出理论预期的变化。在并道过程中计算的控制主动性得分显著低于在背景巡航期间计算的得分（配对t检验：t = 6.21，p < 0.001），证实了该维度捕捉了对情境需求的适应行为调节。此次分析中使用的运动学指标来自与模型输入相同的CAN总线信号，尽管它们是独立于所学嵌入计算的。因此，分析提供了模态内同时有效性的证据，表明学习到的维度与透明且可解释的运动学特征一致相关，而不是与任意的嵌入方向相关。然而，由于嵌入和参考指标都来源于相同的感测模态，这些结果不应被解释为独立的标准验证。通过外部行为评估（如标准化的驾驶风格问卷或专家观察者评分）进行验证，将为未来的工作提供有价值的方向。

3.5. 驾驶员行为分类
我们基于未经修剪的CAN信号序列，对框架在不同级别的驾驶员行为分类任务上进行了评估。网络通过时间截断的反向传播进行了50个时期的训练，初始学习率为1×10^-4，并通过ReduceLROnPlateau调度器进行自适应调整。我们报告了每个行为类别的精确度、召回率和F1分数。表2总结了在HDD数据集上的分类性能。我们的模型获得了91.96%的总体准确率，这是通过所有类别中正确预测帧的比例计算得出的，且权重指标平衡良好。具体类别的分析显示了在所有操纵类型中的强大性能。宏观平均F1分数表明有效地处理了类别不平衡问题，而高精确度确保了可靠的预测，同时将误报降至最低。我们这种考虑复杂性的架构在识别关键的安全合并行为方面表现出色，验证了以合并为中心的训练策略的有效性。重要的是，所有10个行为类别中一致的高性能（表2）表明，所提出的框架不仅限于合并场景，而是一个通用的、考虑复杂性的行为识别系统，选择合并作为焦点应用是因为其操作复杂性和安全重要性。

3.6. 信心估计和校准
为了确保CAP-Drive框架的可靠性和可解释性，我们在行为识别和决策制定层面都对信心估计进行了检验。表3中总结的评估结果表明，模型保持了良好的校准信心分布，预测概率与实证正确性高度一致。这种在Area under Curve (AUC)、Expected Calibration Error (ECE) 和 Brier Score等指标上的一致性表明，模型的概率输出不仅具有区分能力，而且在统计上也可靠。

3.7. 系统响应时间分布
系统响应时间分布揭示了四种辅助推荐类型之间的不同计算模式，如图8所示。响应时间代表了CAP-Drive系统处理多流传感器输入并生成辅助推荐所需的计算延迟。
- 继续观察（Continue Observing）显示出最集中的分布，具有明显的指数衰减模式。这反映了基线监控任务的计算效率，系统主要处理传感器数据，无需复杂的决策逻辑，因此响应时间始终很快。
- 准备合并（Prepare Merging）显示出更广泛、更分散的分布，尾部较长。增加的变异性表明在评估合并前的条件（包括间隙评估和轨迹规划计算）时计算复杂性更高。
- 执行合并（Execute Merging）显示出中等的响应特征，并具有双峰趋势。尽管合并执行决策具有高风险性，但由于预先计算的合并参数和优化的决策路径，系统仍能保持相对快速的响应。
- 取消合并（Cancel Merging）实现了最快和最集中的响应特征。这种性能优先级直接符合安全关键要求，在不安全的合并场景中，快速终止决策对于避免碰撞至关重要。
结果表明，CAP-Drive系统有效地根据决策的紧迫性平衡了计算复杂性和响应时间要求。安全关键的决策获得了最高的计算优先级，而复杂的规划任务则允许更长的延迟以进行彻底的分析。响应时间层次结构中，取消决策最快，其次是执行和观察，准备阶段需要最多的时间，这反映了计算资源的最佳分配，优先考虑了安全性，同时保持自动驾驶应用的实时性能。

3.8. MC Dropout采样效率分析
为了评估MC Dropout不确定性估计模块的计算成本和校准效益，我们分析了在不同随机前向传递次数??∈{1,5,10,20,30,50}下的推理时间和预测质量，如表4和图9所示。如图9所示，推理时间大约与T成线性增长，这与MC采样的顺序性质一致。

4. 讨论
4.1. 模型比较
为了严格评估所提出的CAP-Drive模型，采用了先前工作中确立的标准评估协议（Nakamura等人，2017年；Shou等人，2018年），计算所有行为类别的平均精确度（mAP）。所有模型都使用统一的32批处理大小进行训练，以确保公平比较。为了使比较相对于每次运行的变异性具有可解释性，每个深度学习模型还使用了五个独立的随机种子进行训练，表5报告了这些运行中每个类别的AP和mAP的平均值±标准差；对于非深度学习基线，变异性是在训练集的五个自助重采样上量化的。我们将CAP-Drive与五个最先进的基线和两个代表不同方法论范式的非深度学习基线进行了基准测试：
(1) XGBoost（T. Chen & Guestrin，2016）：一种通过收缩和树结构惩罚逐步最小化预测误差的正则化梯度提升决策树集成。
(2) LightGBM（Ke等人，2017）：一种高效的游戏提升框架，采用基于梯度的单边采样和独家特征捆绑来加速训练。
(3) GRFU（Narayanan等人，2020）：一种门控循环融合架构，同时学习融合和时间权重，用于多模态集成。
(4) TransDBC（Vyas等人，2022）：一种端到端的基于Transformer的模型，能够捕获来自多变量时间序列电信数据的短期和长期时间依赖性。
(5) CNN-LSTM（Cai等人，2023）：一种结合卷积网络用于局部特征提取和循环单元用于时间建模的典型时空架构。
(6) PatchTST（Nie等人，2023）：一种基于Transformer的时间序列模型，引入了逐块分词来捕获局部时间模式，同时保持全局上下文建模。
(7) LaTAS-F（Jiang等人，2024）：一种具有局部意识的可变形器架构，结合神经架构搜索和多源融合，旨在共同捕获驾驶员行为和意图的局部和全局时间依赖性。

4.2. 模型比较
为了严格评估所提出的CAP-Drive模型，采用了先前工作中建立的标准评估协议（Nakamura等人，2017年；Shou等人，2018年），计算所有行为类别的平均精确度（mAP）。所有模型都使用统一的32批处理大小进行训练，以确保公平比较。为了使比较相对于每次运行的可变性具有可解释性，每个深度学习模型还使用了五个独立的随机种子进行训练，表5报告了这些运行中每个类别的AP和mAP的平均值±标准差；对于非深度学习基线，变异性是在训练集的五个自助重采样上量化的。我们将CAP-Drive与五个最先进的基线和两个非深度学习基线进行了基准测试，这些基线代表了驾驶员行为识别的不同方法论范式：
(1) XGBoost（T. Chen & Guestrin，2016）：一种通过收缩和树结构惩罚逐步最小化预测误差的正则化梯度提升决策树集成。
(2) LightGBM（Ke等人，2017）：一种高效的游戏提升框架，采用基于梯度的一边采样和独家特征捆绑来加速训练。
(3) GRFU（Narayanan等人，2020）：一种门控循环融合架构，同时学习融合和时间权重，用于多模态集成。
(4) TransDBC（Vyas等人，2022）：一种端到端的基于Transformer的模型，能够捕获来自多变量时间序列电信数据的短期和长期时间依赖性。
(5) CNN-LSTM（Cai等人，2023）：一种结合卷积网络用于局部特征提取和循环单元用于时间建模的代表性时空架构。
(6) PatchTST（Nie等人，2023）：一种基于Transformer的时间序列模型，引入了逐块分词来捕获局部时间模式，同时保持全局上下文建模。
(7) LaTAS-F（Jiang等人，2024）：一种具有局部意识的变压器架构，结合神经架构搜索和多源融合，旨在共同捕获驾驶员行为和意图的局部和全局时间依赖性。

4.3. 消融研究
为了系统地验证CAP-Drive框架中每个组件的贡献，我们遵循一个逐步增强的协议进行了全面的消融研究。从一个基础模型开始，逐步集成关键模块，以隔离它们对合并行为识别性能的单独和协同效应。所有消融实验都在相同的条件下进行，包括相同的训练和测试分割、超参数和评估协议。主要评估指标是合并类别的F1分数，因为它为这种安全关键且严重不平衡的行为类别提供了精确度和召回率的平衡衡量。同时也报告了总体准确率和类别特定的性能，以提供全面的性能背景。我们评估了六种系统设计的配置：

(1)基线（BL）：一个基本的多流变换器，采用简单的特征连接和标准交叉熵损失。该配置使用基本的位置编码和全局平均池化进行分类，作为没有任何特殊模块的基础架构。

(2)BL + 操作需求（OD）：通过操作需求估计模块（第2.3节）增强基线，包括微操作检测、决策犹豫量化和操作复杂性评估。操作需求预测与相应的辅助损失一起整合到决策融合层中。

(3)BL + 个性化风格（PS）：添加个性化驾驶风格分析模块（第2.4节），包括三个维度的风格指纹识别、跨行为学习机制和个性化权重生成。风格特征与行为表示融合，并使用风格一致性损失进行训练。

(4)BL + 多任务学习（MTL）：引入辅助监督任务，包括行为阶段识别和合并置信度预测，同时保持没有操作需求或风格模块的基本架构。这隔离了多任务学习的正则化效果。

(5)OD + PS（无MTL）：结合操作需求估计和个性化风格分析，但没有辅助任务监督。该配置评估这两个核心个性化组件是否在没有多任务学习额外正则化的情况下足够。

(6)完整CAP-Drive：整合所有组件的完整框架，包括操作需求估计、个性化风格分析、带有自适应任务权重的多任务学习和特定于合并的焦点损失。这代表了所提出的端到端系统。

为了确保专注于合并行为的同时保持计算效率，消融实验报告了在模型比较中使用的相同五个代表性类别上的性能。表6展示了全面的消融结果。

表6. 合并行为识别的消融结果。

模型变体 | OD | PS | MTL | 总体准确率 (%) | 左转 F1 (%) | 右转 F1 (%) | 变道 F1 (%) | 合并 F1 (%) | mAP
--- | --- | --- | --- | --- | --- | --- | --- | ---
基线（BL） | ×× | × | 88.23 | 94.50 | 86.20 | 85.50 | 88.80 | 87.30 | 88.46
BL + OD | √ | × | 89.45 | 95.10 | 87.80 | 86.90 | 90.10 | 89.50 | 89.88
BL + PS | × | √ | 89.92 | 95.30 | 88.40 | 87.60 | 90.50 | 90.20 | 90.40
BL + MTL | × | × | 89.18 | 94.80 | 87.30 | 86.70 | 89.60 | 88.90 | 89.46
OD + PS | √ | √ | 90.85 | 95.80 | 89.60 | 88.80 | 91.30 | 91.80 | 91.46
完整CAP-Drive | √ | √ | 91.96 | 96.14 | 90.77 | 90.08 | 92.49 | 93.64 | 92.66

注：OD = 操作需求估计，PS = 个性化风格分析，MTL = 多任务学习。

每个模块都对合并行为识别有显著的贡献。操作需求估计（OD）使合并F1分数比基线提高了2.20个百分点，在像变道和合并这样的操作要求高的操作中有所提升。个性化风格分析（PS）带来了最大的单组件改进，提高了2.90个百分点，这证实了显式建模个体驾驶特征显著提高了预测准确性。多任务学习（MTL）贡献了1.60个百分点，表明通过阶段识别和合并置信度预测提供的辅助监督有效。

操作需求和个性化风格的组合（OD + PS）实现了91.80%的合并F1分数，比基线提高了4.50个百分点。这一增益超过了单独组件贡献的总和，表明它们是互补而非叠加的效果。操作需求和驾驶风格捕捉了正交的行为维度，即临时任务施加的需求与稳定的个体特征，它们的整合使得建模更加全面。完整的CAP-Drive模型实现了93.64%的合并F1分数，比基线提高了6.34个百分点，比OD + PS提高了1.84个百分点。这一增量增益证实了多任务学习在与操作需求和风格模块结合时提供了关键的正则化作用，促进了在各种驾驶场景中的鲁棒泛化。

性能改进不仅限于目标合并类别。CAP-Drive在所有类别上都实现了持续的改进。在转弯行为中，由于涉及类似于合并的复杂决策，因此改进最为显著，这验证了该框架对于操作要求高的操作的有效性。在背景分类中的较小改进反映了其固有的简单性和较低的操作需求。通过5折交叉验证将完整模型与消融变体进行配对t检验，确认了统计显著性。

从这项分析中得出了三个发现。首先，个性化风格分析贡献了最大的单个改进，强调了自然驾驶行为中个体差异的关键作用。其次，操作需求意识和个体风格特征表现出协同而非叠加的效果，证实了它们捕捉了互补的行为方面。第三，多任务学习作为一种有效的正则化机制，防止了过拟合，并在与操作需求和风格模块集成时增强了泛化能力。这些发现验证了设计原则，即准确识别复杂驾驶操作需要同时考虑临时操作需求、稳定的个体特征和结构化的辅助监督。

4.3. 韧性和故障分析

(1)对缺失和噪声CAN信号的鲁棒性。为了评估CAP-Drive在传感器条件下降时的弹性，我们进行了两种输入扰动的实验：(i) 随机通道丢失，其中个别CAN通道以概率??∈{0.10,0.30,0.50}设置为零；(ii) 在所有通道上均匀应用加性高斯噪声??∈{0.05,0.10,0.20]。结果在表7中报告。

表7. 在CAN信号扰动下的鲁棒性（合并F1，%）。

条件 | 总体准确率 (%) | 合并F1 (%) | 变道F1 (%) | mAP (%)
--- | --- | --- | --- | ---
无扰动 | 91.96 | 93.64 | 92.49 | 92.66
通道丢失 | ??=0.10 | 91.22 | 92.87 | 91.74 | 91.95 | ?0.77 | ppm
高斯噪声 | ??=0.30 | 89.64 | 91.03 | 89.92 | 90.21 | ?2.61 | ppm
??=0.50 | 86.31 | 87.15 | 86.40 | 86.78 | ?6.49 | ppm
??=0.05 | 91.48 | 93.11 | 92.06 | 92.28 | ?0.53 | ppm
??=0.10 | 90.37 | 91.82 | 90.85 | 91.14 | ?1.82 | ppm
??=0.20 | 87.93 | 88.46 | 87/5 | 88.02 | ?5.18 | ppm

模型在中等扰动（??≤0.30, ??≤0.10）下保持了 competitive 的性能，合并F1保持在91%以上。在更高扰动水平下，特别是当与转向相关的通道同时丢失时，性能下降更为显著，因为这些信号对微操作检测模块至关重要。在高通道丢失（?6.49 ppm）下的下降幅度比等效的高斯噪声（?5.18 ppm）更陡，表明信号完全缺失比噪声存在但信号存在更具破坏性。

(2)场景级性能分析。我们进一步分析了两个场景维度上的性能：(i) 交通密度（稀疏 vs. 密集，由本车速度波动是否超过每分钟5公里超过三次定义），以及 (ii) 合并阶段（早期 vs. 晚期，对应于标记合并窗口的前40%和剩余60%）。结果在表8中呈现。

表8. 按交通密度和合并阶段划分的性能。

交通密度 | 合并阶段 | 总体准确率 (%) | 合并F1 (%) | 合并精确度 (%) | 合并召回率 (%)
--- | --- | --- | --- | ---
稀疏 | 早期阶段 | 92.81 | 94.37 | 95.12 | 93.64 |
密集 | 早期阶段 | 89.72 | 91.06 | 91.84 | 90.30 |
密集 | 晚期阶段 | 91.15 | 92.74 | 93.45 | 92.04 |
总体 | 早期阶段 | 91.96 | 93.64 | 94.30 | 93.00 |

表9. 典型故障案例分析。

故障类型 | 真实标签 | 预测标签 | 错误百分比 | 平均持续时间（秒） | 根本原因
--- | --- | --- | --- | --- |
短持续时间合并 | 合并 | 38.4% | 1.6 | 注意力积累的时间背景不足 |
犹豫引起的错误 | 准备合并 | 27.1% | 4.2 | 延长的减速模仿了合并执行的特征 |
行为边界模糊 | 合并 | 21.8% | 3.1 | 在转换边界处CAN信号模式重叠 |
其他 | 各种 | 12.7% | / | 极端条件下的传感器噪声 |

注：FP = 假阳性；故障比例是在37个会话测试集中所有错误分类的合并相关样本上计算的。

结果揭示了在密集交通的早期阶段识别是最具挑战性的条件，合并F1为91.06%，比最佳性能条件（稀疏，晚期阶段：95.18%）低4.12个百分点。这与第3.3节中的时间操作需求分析一致，该分析确定方法和间隙接受阶段是需求高峰期。性能差距表明，为早期阶段线索消歧提供更丰富的上下文表示仍然是未来工作的一个值得追求的目标。

(3)典型故障案例。对错误分类样本的定性检查发现了三种主导的错误模式，总结在表9中。短持续时间合并（<2秒）占总错误的38.4%，并且由于时间窗口不足以让注意力机制积累区分特征，因此经常被错误分类为变道。高犹豫的驾驶员贡献了27.1%的错误，其中延长的准备减速被误解为合并执行。车道分支与合并之间的行为边界模糊导致了21.8%的错误，反映了它们CAN信号模式的结构性相似性。这些发现激发了未来探索自适应上下文窗口长度和改进阶段边界建模作为提高鲁棒性的方向的动力。

4.4. 驾驶模拟验证

为了解决关于操作需求分数作为工作量代理的构念有效性和跨数据集泛化能力的担忧，我们使用从30名参与者在受控实验室环境中收集的驾驶模拟器数据集进行了独立验证研究。所有参与者都是中国公民，持有有效的驾驶执照，性别分布平衡（50%女性和50%男性）。该群体教育水平很高，90%拥有研究生学位，近一半的参与者（46.7%）拥有2到5年的驾驶经验。该数据集提供了同步的车内CAN总线信号和同时记录的眼动追踪数据（200 Hz），以及专家注释的七类驾驶行为标签。模拟器数据集在地理背景（意大利，欧洲道路网络）、实验协议（基于场景）和参与者群体方面与HDD语料库不同，提供了真正独立的评估背景。

4.4.1. 数据集和预处理

CAN总线信号（车辆速度、油门和刹车踏板位置、偏航率和转向轮角度和旋转速度）使用与HDD数据集相同的流程进行处理。眼动追踪预处理遵循既定的瞳孔测量协议（Math?t等人，2013年）。通过应用于瞳孔直径时间序列的速度阈值检测眨眼事件；每个识别的眨眼在两侧扩展了100毫秒，并用线性插值替换了无效样本。为了消除封闭模拟器环境固有的缓慢亮度适应趋势，从每个参与者的瞳孔时间序列中减去了60秒的滑动窗口中值基线。在分析之前，应用了驾驶员内z分数标准化，以考虑个体之间休息瞳孔大小的显著差异（Mehler等人，2012年）。通过硬件记录的UTC纳秒时间戳建立了CAN和眼动追踪数据流之间的时间对齐，所有参与者的验证同步误差低于3秒。

4.4.2. 操作需求构念验证

图12展示了按操作复杂度增加顺序排列的七种行为类别的平均基于CAN的操作需求分数和去趋势化瞳孔直径。基于CAN的操作需求分数随着行为复杂度的增加而呈现出一致的单调增加，范围从背景驾驶（0.749 ± 0.003，平均值 ± 标准误差）到交叉路口操作（0.812 ± 0.002），合并位于中间水平（0.776 ± 0.003），反映了高速公路合并相比交叉路口所需频繁的修正动作的相对稳定的转向输入特性。

基于CAN的代理与行为复杂度的标准有效性得到了瞳孔直径数据的支持：行为级别的平均驾驶员内标准化瞳孔直径与驾驶行为的有序复杂性显著相关（Spearman ??=0.821，??=0.023，??=7种行为），更高复杂性的行为与相对于每个驾驶员自身基线的更大瞳孔反应相关。虽然观察到的趋势与预期的行为复杂性顺序一致，但观察到的行为级别观察值数量有限，这意味着这种分析提供了支持性证据而非决定性的标准验证。在驾驶员内部水平评估了收敛有效性，以避免由于嵌套数据结构导致有效样本量的膨胀。对于每个参与者，计算了驾驶员内标准化基于CAN的操作需求分数与驾驶员内标准化瞳孔直径之间的Spearman ??。每个驾驶员的??值分布显著为正（平均值 ??=0.340±0.074，??2(29)=4.60，??<0.001），25名驾驶员中各有25名显示出基于CAN的操作需求分数与瞳孔扩张之间的正向关联。尽管统计上可靠，但这种关联的幅度较小（平均Spearman ?? = 0.340），表明基于CAN的分数仅捕捉到了生理工作量反应的有限方面。配对比较进一步确认了在高复杂性行为（变道、人行横道、交叉路口）期间瞳孔直径显著大于在低复杂性行为（背景、右转、分流）期间的情况（Δ=+0.604标准差（SD），配对??2(29)=4.39，??<0.001），23名参与者中有23名显示出这种方向性增加。

总的来说，这些结果提供了一致的证据，表明基于CAN的分数反映了驾驶行为中的工作量相关操作需求。该估计器区分了从常规背景驾驶到要求高的交叉路口操作的各种行为，这种模式得到了在受控实验条件下收集的独立生理测量的方向性支持。尽管如此，观察到的关联幅度较小，表明基于CAN的分数仅捕捉到了生理工作量变化的有限方面，因此应被视为基于行为的操作需求指标，而不是主观认知负荷的直接测量。

4.4.3. 个性化驾驶风格指纹识别

驾驶风格指纹识别模块应用于所有30名模拟器参与者。图13展示了三个风格维度的标准化分数分布。观察到了显著的个体间差异：自信度得分从?1.72（C21，保守）到+1.76（C11，自信）；平滑度从?1.71（C12）到+1.83（C4）；果断性从?2.38（C22）到+1.40（C21）。所有三个维度都是零中心的（组平均值 = 0.00）并且相互独立（维度间Pearson |??|<0.10），证实了指纹识别模块捕捉到了跨越人口多样化的驾驶群体的有意义的个性化信号，这些信号调节了CAP-Drive Transformer中的特征级注意力和决策级权重。

下载：下载高分辨率图片（260KB）
下载：下载全尺寸图片

图13. 个性化驾驶风格指纹识别。

4.4.4. 跨数据集行为分类

表10展示了在模拟器数据集上的消融结果。完整CAP-Drive框架的准确率为0.916，F1-macro为0.871，与基线（准确率为0.770，F1-macro为0.681）相比，准确率提高了14.6个百分点，F1-macro提高了19.0个百分点。每个模块都逐步贡献了价值：添加操作需求流（BL + OD）将F1-macro从0.681提高到0.771（+9.0个百分点）；添加个性化模块（BL + PS）将F1-macro提高至0.790（+10.9个百分点）；在没有多任务学习的情况下同时结合这两个模块（OD + PS，无MTL）可以实现F1-macro = 0.857（+17.6个百分点）；而带有多任务学习的完整框架则进一步将F1-macro提高到0.871（+19.0个百分点）。这些一致且累加的贡献验证了表6中观察到的模式，证实了CAP-Drive的模块化设计能够有效地泛化到独立的评估环境中。

表10. 在驾驶模拟器数据集上的行为分类消融实验

| 配置 | 准确率 | F1-macro | F1-weighted |
|------------|------------|-----------|----------|
| 基线 | 0.770 | 0.681 | 0.885 |
| BL + OD | 0.837 | 0.771 | 0.839 |
| BL + PS | 0.863 | 0.790 | 0.866 |
| OD + PS（无MTL） | 0.908 | 0.857 | 0.909 |
| 完整CAP-Drive | 0.916 | 0.871 | 0.917 |

注：BL = 基线（仅包含运动和控制流）；OD = 操作需求流；PS = 个性化风格模块；MTL = 多任务学习辅助损失；加粗数字表示最佳性能。

4.5. 意义
结果表明，整合操作需求估计和个性化驾驶风格建模显著提高了模型在复杂交通情境中识别和预测合并行为的能力。在实际应用中，这意味着智能驾驶辅助和自动驾驶系统可以从通用预测模型发展到适应特定驾驶员决策的模型。通过了解驾驶员的操作需求何时增加或驾驶员何时犹豫，这些系统可以更有效地安排警告、干预或自动化转换，从而防止不安全的合并并改善交通流的稳定性（Wang, 2025）。持续较高的F1分数和强信心校准表明，CAP-Drive可以作为以人为中心的自动化政策的可靠基础，该系统根据个体和情境的操作需求进行调整，而不是对所有用户应用统一的标准。

这些发现为下一代适应性和以人为中心的驾驶辅助系统指明了明确的方向。整合操作需求和个性化行为建模的优势表明，未来的自动驾驶和半自动驾驶技术可以从静态算法发展到具有情境感知和驾驶员适应性的智能系统。在实际应用中，这意味着系统能够感知驾驶员面临的高任务需求，在危险合并发生前进行预测，并针对个人的驾驶风格提供定制化的辅助。这样的进步将实现人类驾驶员与自动化之间的无缝协作，为值得信赖、可解释且社会可接受的自动驾驶车辆奠定基础。随着时间的推移，这种方法可以为动态移交管理、个性化安全干预和联网车辆生态系统中的实时工作负载平衡提供参考标准。

在更广泛的系统层面，像CAP-Drive这样的复杂性和行为感知模型的整合也可以改变联网和自动化 mobility 生态系统中的交通和网络管理。如果这些驾驶员-车辆互动模式能够在车队或基础设施节点中汇总，它们可以为匝道流量控制、车道分配和协作合并协议提供实时反馈，从而在个体认知和网络级流量优化之间建立联系。这为能够动态调整以适应集体操作需求条件或行为风险特征的适应性基础设施打开了可能性，有效地扩展了人机协作，超越了车辆本身，扩展到整个交通网络。这种转变将需要新的边缘计算架构、数据共享和车辆与道路运营商之间的互操作性，同时也标志着向不仅自动化而且具有大规模认知响应能力的出行系统的转变（Wandelt et al., 2025）。

4.6. 局限性和未来研究
尽管当前的CAP-Drive框架通过序列建模和注意力机制有效地捕捉了车辆合并行为的时间复杂性，但仍存在几个技术层面的局限性，为未来的研究提供了方向。首先，现有模型主要依赖于单车辆的运动学和控制信号。因此，空间依赖性（如车道位置、横向位移、车辆间距离和相对速度）并未在当前表示中明确编码。未来的工作可以引入空间感知表示，例如通过嵌入车道拓扑、占用网格或基于图的关系结构，使模型能够同时捕捉周围代理的空间-时间耦合。其次，CAP-Drive框架专注于在纯粹的观察环境中识别驾驶员行为和操作需求。将其扩展到决策制定或控制导向的应用中，如在混合自动化交通中预测驾驶员意图或在联网车辆系统中支持实时协作合并，将进一步提升其实际应用价值。整合因果推理或反事实推理也有助于区分基于相关性的识别和对驾驶员决策的真正因果理解。最后，虽然操作需求和个性化风格模块提供了对驾驶员变异性的可解释性见解，但它们依赖于从运动学代理推断出的潜在表示。未来的研究可以整合多模态生理或视觉线索（例如注视、心率或面部表情），以获得更直接的认知状态测量，并验证学习到的表示。个性化风格维度的标准分析依赖于与模型输入相同CAN总线的运动学指标。因此，这些分析提供了模式内的一致性验证，而不是针对独立测量来源的验证。使用标准化驾驶风格问卷（例如多维度驾驶风格量表）或专家观察者评分对外部验证学习到的驾驶风格表示将进一步加强其构念有效性。总之，将CAP-Drive扩展到空间交互式、跨领域和认知基础的建模是为开发能够在实际动态交通条件下解释和预测复杂人类驾驶行为的下一代框架提供了有前景的方向。

另一个限制涉及感知方式。CAP-Drive仅依赖于CAN总线信号，可以在不需要额外硬件的情况下部署，但无法直接观察车道几何形状、周围车辆和遮挡情况。因此，某些场景，特别是类似于CAN空间中车道变化的短期合并事件，仍然难以区分。未来的工作将结合视觉感知与当前的时间表示，以提供更丰富的场景背景。一个有前景的方向是将这种感知与大规模视觉语言模型的推理能力结合起来，实现场景级推理和可解释的操纵解释。然而，将其应用于关键安全场景仍受到实时推理延迟和生成推理的可验证性限制。

在更广泛的社会技术层面上，智能车辆中复杂性和行为感知模型的整合也会改变联网和自动化出行生态系统中的交通和网络管理。如果这些驾驶员-车辆互动模式在车队或基础设施节点中汇总，它们可以为匝道流量控制、车道分配和协作合并协议提供实时反馈，从而在个体认知和网络级流量优化之间建立联系。这种转变将需要新的边缘计算架构、数据共享和车辆与道路运营商之间的互操作性，同时也标志着向不仅自动化而且具有大规模认知响应能力的出行系统的转变（Wandelt et al., 2025）。

4.6. 局限性和未来研究
尽管当前的CAP-Drive框架通过序列建模和注意力机制有效地捕捉了车辆合并行为的时间复杂性，但仍存在几个技术层面的局限性，为未来的研究提供了方向。首先，该模型主要依赖于单一车辆的运动学和控制信号。因此，空间依赖性（如车道位置、横向位移、车辆间距离和相对速度）并未在当前表示中明确编码。未来的工作可以引入空间感知表示，例如通过嵌入车道拓扑、占用网格或基于图的关系结构，使模型能够共同捕捉周围代理的空间-时间耦合。其次，CAP-Drive框架专注于在纯粹的观察环境中识别驾驶员行为和操作需求。将其扩展到决策制定或控制导向的应用中，如在混合自动化交通中预测驾驶员意图或支持联网车辆系统中的实时协作合并，将进一步扩大其实际应用范围。整合因果推理或反事实推理也有助于区分基于相关性的识别和对驾驶员决策的真正因果理解。最后，虽然操作需求和个性化风格模块提供了对驾驶员变异性的可解释性见解，但它们依赖于从运动学代理推断出的潜在表示。未来的研究可以整合多模态生理或视觉线索（例如注视、心率或面部表情），以获得更直接的认知状态测量，并验证学习到的表示。个性化风格维度的标准分析依赖于与模型输入相同的CAN总线模态得出的运动学指标。因此，这些分析提供了模式内的一致性验证，而不是针对独立测量来源的验证。使用标准化驾驶风格问卷（例如多维度驾驶风格量表）或专家观察者评分对外部验证学习到的驾驶风格表示将进一步加强其构念有效性。总之，将CAP-Drive扩展到空间交互式、跨领域和认知基础的建模是为开发下一代框架提供有前景的方向，这些框架能够在现实的动态交通条件下解释和预测复杂的人类驾驶行为。

另一个限制涉及感知方式。CAP-Drive故意仅依赖于CAN总线信号，从而能够在不需要额外硬件的情况下部署，但无法直接观察车道几何形状、周围车辆和遮挡情况。因此，某些场景，特别是类似于CAN空间中车道变化的短暂合并事件，仍然难以区分。未来的工作将结合视觉感知与当前的时间表示，以提供更丰富的场景背景。一个有前景的方向是将这种感知与大规模视觉语言模型的推理能力结合起来，实现场景级推理和可解释的操纵解释。然而，其在关键安全场景中的应用仍受到实时推理延迟和生成推理的可验证性限制的制约。

在更广泛的社会技术层面，智能车辆中复杂性和行为感知模型的扩展引发了深刻的伦理和治理问题。随着系统具备推断心理工作负载、情绪状态或行为倾向的能力，它们开始在传统上被认为是私人和心理的领域内运作，打开了监控、操纵和偏见推断的潘多拉盒子。这些能力模糊了辅助和控制之间的界限，要求新的框架来确保透明度、同意和问责制。因此，未来的技术发展应与强大的伦理监督和跨学科对话并行进行，以确保认知适应性智能增强人类自主性和公众信任，而不是削弱它们。

5. 结论
本研究提出了CAP-Drive框架，这是一个为智能交通系统中关键安全合并场景设计的集成决策模型。通过联合建模个性化驾驶环境、操作需求和行为动态，该框架能够在可观察行为发生之前准确且可解释地识别驾驶员意图。实验结果表明，CAP-Drive实现了高分类准确性、强大的校准可靠性和在多个合并阶段中的一致置信度演变。这些发现证实了其预测危险操作的能力，并为高级驾驶辅助和自动驾驶系统提供了早期、可靠的决策支持。

除了提高安全性外，该模型适应个体驾驶风格的能力还促进了自动化车辆与人工驾驶车辆之间更顺畅、更像人类的互动，从而增强了用户接受度和交通和谐。因此，所提出的方法代表了从反应性感知向预见性智能的范式转变，为积极主动、以人为中心的出行系统奠定了基础。

本研究的贡献应与几个局限性一起理解。首先，CAP-Drive仅依赖于自我车辆CAN总线信号，因此缺乏对周围环境的直接视觉感知。其次，操作需求和个性化驾驶风格是从行为代理推断出来的，需要使用独立的生理和心理测量进一步验证。第三，该框架仅在有限的自然和模拟器数据集上进行了评估，更广泛的跨领域泛化留待未来的工作完成。最后，当前的框架是观察性的而非闭环的，并且尚未在现实世界的驾驶辅助系统中得到验证。未来的研究将结合视觉感知与大规模多模态模型的推理能力，以增强场景理解和可解释性，同时解决实时推理和推理可靠性的挑战。

虽然这项工作强调合并作为主要评估场景，但该架构本质上是行为不可知的，其在所有HDD行为类别中的强劲性能证实了其在一般驾驶行为识别任务中的广泛适用性。未来的研究将把CAP-Drive框架扩展到大规模实际部署、多代理协作决策以及与实时认知监控的集成，以进一步增强在复杂交通环境中的可解释性和鲁棒性。

CRediT作者贡献声明：
Jiayu Yang：撰写 – 原始草稿、验证、软件、方法论、调查、正式分析、数据整理、概念化。
Qianshan Jiang：撰写 – 审稿与编辑、调查、数据整理、概念化。
Jaeyoung Jay Lee：撰写 – 审稿与编辑、监督。
Oscar Oviedo-Trespalacios：撰写 – 审稿与编辑、概念化。
Constantinos Antoniou：撰写 – 审稿与编辑、监督、方法论、概念化。

Jiayu Yang | Qianshan Jiang | Jaeyoung Jay Lee | Oscar Oviedo-Trespalacios | Constantinos Antoniou