基于分层潜模型的共享驾驶风格学习与分析
机器人学
2023-10-25 v2
摘要
驾驶风格通常用于刻画一名或一组驾驶员的驾驶行为。然而，个体驾驶风格如何与其他驾驶员共享某些共性仍不明确。我们的洞见是：驾驶行为是对个体内及个体间可共享的潜驾驶风格之加权混合的一系列响应。为此，本文开发了一种分层潜模型来学习驾驶行为与驾驶风格之间的关系。我们首先提出一种基于片段的方法来表示复杂的序列驾驶行为，从而在低维特征空间中充分表示驾驶行为。接着，通过引入狄利克雷分配机制，我们给出了驾驶行为与可共享驾驶风格借助分层潜模型交互的解析表述。我们开发的模型最终在包含城市与高速公路的自然驾驶场景中由 100 名驾驶员进行了验证。实验结果表明个体内部及个体之间共享驾驶风格。我们还分析了人格特征（如年龄、性别和驾驶经验）对驾驶风格的影响，发现天然攻击性的驾驶员不会总是保持攻击性驾驶（即有时可表现平静），但相比其他类型驾驶员具有更高比例的攻击性。
引用
@article{arxiv.2310.15057,
title = {Shareable Driving Style Learning and Analysis with a Hierarchical Latent Model},
author = {Chaopeng Zhang and Wenshuo Wang and Zhaokun Chen and Jian Zhang and Lijun Sun and Junqiang Xi},
journal= {arXiv preprint arXiv:2310.15057},
year = {2023}
}