科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统数采分析过程存在的低质数据过冗余、特征数据难挖掘以及人工记录长耗时的问题，本文提出了一种人机共驾下基于动态时间规整算法的驾驶行为数据滤波方法。首先，在Python环境下搭建动态时间规整算法模型，实现以滚动时间窗的方式对两条序列进行实时偏差计算；然后，考虑不同距离计算方法的统计学特征设计触发记录的偏差阈值，结合规整路径全局约束对模型进行优化；最后，利用仿真分析与实车测试验证了所提方法的有效性与可行性，并且通过对比不同约束条件下的数据滤波方法，计算出基于Sakoe-Chiba约束条件在数据准备阶段平均能自动滤除53.15%的无效数据，每小时可节省1.87TB的数据存储空间。
- 单位
