从电动汽车被动与主动学习驾驶行为
机器学习
2024-05-24 v2
摘要
驾驶行为建模在汽车行业中具有若干优势，包括预测电动汽车能耗。研究表明，在某些驾驶场景下，激进驾驶比温和驾驶多消耗高达 30% 的能量。机器学习方法被广泛用于驾驶行为分类，但这可能带来一些挑战，例如长时窗上的序列建模以及因标注昂贵导致缺乏标注数据。为解决第一个挑战，即驾驶行为的被动学习，我们研究了非循环架构，如自注意力模型和带联合递归图（JRP）的卷积神经网络，并将其与循环模型比较。我们发现自注意力模型表现良好，而 JRP 未显示出任何显著改进。然而，在我们研究中使用的 5 秒和 10 秒窗长下，没有任何非循环模型优于循环模型。为解决第二个挑战，我们研究了几种具有不同信息量度量的主动学习方法。我们评估了不确定性采样以及更先进的方法，如委员会查询和主动深度丢弃。我们的实验表明，某些主动采样技术可优于随机采样，从而减少标注所需的工作量。
引用
@article{arxiv.2203.02179,
title = {Passive and Active Learning of Driver Behavior from Electric Vehicles},
author = {Federica Comuni and Christopher Mészáros and Niklas Åkerblom and Morteza Haghir Chehreghani},
journal= {arXiv preprint arXiv:2203.02179},
year = {2024}
}
备注
This article has been accepted for publication in IEEE 25th International Conference on Intelligent Transportation Systems (ITSC). This is the author's version which has not been fully edited and content may change prior to final publication. Citation information: DOI 10.1109/ITSC55140.2022.9922012