评估驾驶行为中的马尔可夫性：来自统计检验的见解
机器学习
2025-01-22 v1 系统与控制
系统与控制
统计方法学
摘要
马尔可夫性是大多数现有驾驶行为研究中的基本假设，认为未来状态仅取决于当前状态，而非一系列先前的状态。本研究验证了自动驾驶车辆 (AVs) 和人类驾驶车辆 (HVs) 的轨迹是否具备马尔可夫性。应用用于检验时间序列数据是否具有马尔可夫性特征的统计方法，以检验轨迹数据是否具备马尔可夫特征。此外，引入 t 检验和 F 检验来刻画 AVs 和 HVs 之间马尔可夫性的差异。基于两个公开的轨迹数据集，我们通过严格的统计检验探讨不同类型车辆的马尔可夫性的存在性和阶数。我们的发现表明，AV 轨迹通常具有更强的马尔可夫性，更高的比例符合马尔可夫特性，马尔可夫阶数更低。相比之下，HV 轨迹在决策过程中表现出更大的变异性和异质性，反映出人类驾驶中复杂的感知和信息处理。这些结果对开发驾驶行为模型、AV 控制器和交通仿真系统具有重要意义。我们的研究还证明了使用统计方法检验驾驶轨迹数据中马尔可夫性的存在是可行的。
引用
@article{arxiv.2501.10625,
title = {Assessing Markov Property in Driving Behaviors: Insights from Statistical Tests},
author = {Zheng Li and Haoming Meng and Chengyuan Ma and Ke Ma and Xiaopeng Li},
journal= {arXiv preprint arXiv:2501.10625},
year = {2025}
}