基于双向驾驶特征分析的先进驾驶辅助系统短长期驾驶行为分类

对个体驾驶行为与习惯的洞察在交通运行、安全与能源管理中至关重要。互联车辆（Connected Vehicle, CV）技术旨在应对这三者，而驾驶模式识别是为 CV 设计个性化先进驾驶辅助系统（Advanced Driver Assistance System, ADAS）的必要环节。本研究通过分析驾驶员的双向（即纵向与横向）控制特征这一独特方法满足该需求，采用基于简单规则的分类流程对其驾驶行为与习惯进行分组。我们分析了来自密歇根州安娜堡真实世界 CV 测试平台 Safety Pilot Model Deployment 的高分辨率驾驶数据，以识别在高速公路、干道和匝道道路类型上的多样驾驶行为。利用 jerk（加加速度）、前车车距和横摆率这三个车辆特征，在短期分类中将驾驶特征分为两类（安全驾驶与敌对驾驶），并将驾驶员习惯分为三类（冷静型、理性型与攻击型）。所提分类模型在未分类数据集上测试，以验证模型对超速与急加速的判断力。通过所提方法，行为分类成功识别出约 90% 的超速及类似程度的急加速实例。此外，本研究推进了一种实时与驾驶员交互的 ADAS 界面，将驾驶行为与习惯信息转化为对个体驾驶员的反馈。我们提出一种自适应且灵活的的分类方法，从自然驾驶数据中识别短期与长期驾驶行为，以最终传达不良驾驶行为模式。