考虑车辆交互信息的换道风格辨识

随着智能交通系统的不断升级,在行车辆之间的信息交互越来越频繁,换道风格的体现会被周围在行车辆所干扰,因此需要考虑更多指标,使换道风格的分类与辨识更加科学。选择NGSIM数据集中的i-80数据集作为研究对象,考虑到处于匝道上的车辆的换道必需性,筛选强制换道的车辆数据,提取车辆的运动参数以及换道的信息交互参数。发现采用k-means算法将驾驶风格分为3个类别时,可以得到最稳定的聚类效果。基于Weka仿真平台,采用序列最小优化(SMO)算法和逻辑模型树(LMT)算法对换道风格进行辨识。结果表明,LMT算法对于换道风格具有更高的识别精度(90.57%),模型可为存在交互信息的交通环境安全评价提供理论依据。