面向节能驾驶风格建模的高鲁棒性 GPS 驾驶数据聚类
其他计算机科学
2016-10-11 v1
摘要
本文提出了一种区分驾驶风格能效的新方法。我们方法的一个显著特点是它完全依赖于驾驶员的全球定位系统（GPS）日志。这种设置在实践中有很高的相关性，因为这些数据易于获取。仅依赖位置数据意味着所有衍生特征将是相关的，因此我们努力寻找一个单一量来执行驾驶风格分析。为此，我们考虑了运动所谓加加速度的一种鲁棒变体。我们表明，我们的特征选择优于其他更常用的基于加加速度的公式，并讨论了如何处理噪声、不一致和不完整的数据，因为这是处理真实世界 GPS 日志时的一个众所周知的问题。我们的求解策略依赖于凝聚层次聚类，并结合 L 项启发式方法来确定相关的聚类数量。它易于实现，并且即使在非常大的真实世界数据集上也能快速执行。实验表明，我们的方法对噪声具有鲁棒性，并且能够辨别不同的驾驶风格。
引用
@article{arxiv.1610.02815,
title = {Highly Robust Clustering of GPS Driver Data for Energy Efficient Driving Style Modelling},
author = {Michael Breuß and Laurent Hoeltgen and Ali Sharifi Boroujerdi and Ashkan Mansouri Yarahmadi},
journal= {arXiv preprint arXiv:1610.02815},
year = {2016}
}