一种用于换道行为中决策风格识别的时效性方法
信号处理
2018-12-19 v1
摘要
快速识别驾驶员换道决策风格在面向安全与个性化的车辆控制系统设计中起着关键作用。本文提出一种通过集成 k-means 聚类(k-MC)与 K 近邻(KNN)的时效性识别方法,称为 kMC-KNN。采用数学形态学将决策数据自动标注为三种风格(温和、模糊和激进),而 kMC 与 KNN 的集成有助于提高识别速度与精度。所开发的基于数学形态学的聚类算法通过与凝聚式层次聚类对比得到验证。实验结果表明,与传统 KNN 相比,所开发的 kMC-KNN 方法可将识别时间缩短 72.67% 以上,识别准确率达 90%-98%。此外,所开发的 kMC-KNN 方法在识别准确率和稳定性上也优于支持向量机(SVM)。该时效性识别方法在受限于设计规范的车载嵌入式解决方案中具有很大的应用潜力。
引用
@article{arxiv.1812.07493,
title = {A Time Efficient Approach for Decision-Making Style Recognition in Lane-Change Behavior},
author = {Sen Yang and Wenshuo Wang and Chao Lu and Jianwei Gong and Junqiang Xi},
journal= {arXiv preprint arXiv:1812.07493},
year = {2018}
}