基于多元特征参数与改进SVM算法的驾驶风格识别研究

作者：黄江; 李雨涵^*; 吴盛斌; 丁代林; 罗华; 何渝

来源：重庆理工大学学报：自然科学, 2022, 36(11): 8-19.

• 改进粒子群算法
• 优化支持向量机
• 多元特征参数
• 驾驶风格识别

当自动驾驶车辆在执行换道等行为时，需要准确识别人类驾驶车辆的驾驶风格类型，以保证换道等行为的安全进行。为此，提出了一种基于多元特征参数与优化支持向量机(SVM)相结合的驾驶员驾驶风格识别模型。采用改进粒子群算法(IPSO)对支持向量机模型参数进行优化，搭建IPSO-SVM驾驶风格识别模型，并用UCI数据库中的数据集对其进行验证，结果表明：IPSO-SVM模型在准确性、实时性及收敛性方面均优于CV-SVM模型和PSO-SVM模型。在此基础上，进一步采用NGSIM数据库中真实交通流的数据进行驾驶风格识别测试。首先处理多元特征数据，滤除异常值；其次采用主成分分析法对数据进行降维和简化，并用K-means算法对其进行聚类；最后将降维简化的数据作为输入，聚类得到结果作为输出，采用IPSO-SVM识别模型进行仿真实验。结果表明：提出的IPSO-SVM模型准确率可达97.96%,均方误差降低约84%,绝对误差降低约81%,运行时间平均减小30%,且ROC曲线的AUC值最大模型性能最优，仿真结果验证了该模型对驾驶风格有更好的识别效果，其具有一定的可行性。

• 单位
  重庆理工大学