基于动作链识别驾驶异质性
机器学习
2023-08-01 v1 人机交互
摘要
当前识别驾驶异质性的方法在捕捉驾驶特征多样性以及从驾驶行为机制角度理解基本模式方面面临挑战。本研究引入了一种从动作链（Action-chain）视角识别驾驶异质性的综合框架。首先，提出了一种考虑驾驶行为物理含义的基于规则的分割技术。接着，基于分割结果创建了包含各类驾驶行为模式描述的动作阶段库（Action phase Library）。随后通过实现动作阶段转移概率引入动作链概念，并给出一种评估驾驶异质性的方法。采用真实世界数据集进行评估，我们的方法有效识别了个体驾驶员与交通流的驾驶异质性，同时提供了清晰的解释。这些洞察可助力精确驾驶行为理论与交通流模型的发展，最终有益于交通性能，并可能带来道路通行能力与安全性提升等方面。
引用
@article{arxiv.2307.16843,
title = {Identification of Driving Heterogeneity using Action-chains},
author = {Xue Yao and Simeon C. Calvert and Serge P. Hoogendoorn},
journal= {arXiv preprint arXiv:2307.16843},
year = {2023}
}
备注
26th IEEE International Conference on Intelligent Transportation Systems (ITSC 2023)