驾驶员避撞转向行为的改进K-means聚类与识别

本文中根据不同工况驾驶员转向行为数据,提出了基于驾驶员避撞转向行为特征的聚类算法。首先搭建驾驶模拟器,采集了定半径转向、常规换道和紧急避撞转向工况下的驾驶行为数据,通过对比正常行驶和紧急避障工况下驾驶员转向行为数据,定性分析了紧急避撞转向特点。之后,利用皮尔逊相关系数法分析了描述驾驶员转向行为的观测变量与紧急避撞转向行为的相关性,得出转向盘转速与转向工况的相关性最高。接着,以转向盘转速作为聚类特征参数,利用改进K均值(K-means++)聚类方法对转向行为数据进行了聚类,将转向行为划分为正常转向和紧急避撞转向,实现了紧急避撞转向工况的识别。最后,通过实车试验验证了所提出的紧急避撞转向行为K-means++聚类方法可有效识别驾驶员紧急避撞转向行为,聚类精度达96.7%。

真实交通危险工况下驾驶员转向避撞相关因素分析

通过对上海地区采集到的真实交通工况进行筛选和分类,分析了本车直行与前车冲突及本车直行与骑行人冲突两种危险工况下影响驾驶员转向避撞行为的相关因素,并通过Logistic回归分析建立了可预测驾驶员在危险工况下是否进行转向避撞的模型。利用该模型,可根据环境参数和车辆动力学参数判断驾驶员在危险工况下是否倾向使用转向避撞及其概率。