基于数据特征的驾驶风格分类与识别方法研究

作者：刘冠颖; 郭凤香; 申江卫; 沈世全^*; 陈峥

来源：昆明理工大学学报(自然科学版), 2023, 48(03): 165-173.

DOI：10.16112/j.cnki.53-1223/n.2023.03.482

• 驾驶风格
• 数据特征
• K均值聚类
• 多分类支持向量机
• 主成分分析

对汽车驾驶员驾驶风格的有效识别能够保障汽车安全行驶，提升车辆燃油经济性.提出了一种基于改进K均值聚类和多类支持向量机的驾驶风格分类识别方法，并对驾驶员在驾驶过程中不同时间表现出的驾驶风格进行分类识别.首先，对采集到的驾驶数据进行了有效清洗、离散化处理及数据特征提取，将数据特征集划分为训练集和测试集；然后对训练集中的怠速数据单独给定标签，其他数据运用主成分分析和改进K均值算法进行驾驶风格聚类，在此基础上，采用多类支持向量机、逻辑回归、K近邻等学习方法对驾驶风格进行识别；最后，将识别模型用于测试集数据以测试其泛化性能，研究结果表明，该模型的识别准确度超过96%,表明构建的驾驶风格分类与识别模型具有较高精度.

• 单位
  云南开放大学; 昆明理工大学