基于深度学习的驾驶倾向性分类及辨识方法

杨玉凤; 曲大义; 兰添贺; 王韬; 宋慧

doi:10.13624/j.cnki.issn.1001-7445.2024.0324

广西大学学报（自然科学版） ›› 2024, Vol. 49 ›› Issue (02) : 324 -335. DOI: 10.13624/j.cnki.issn.1001-7445.2024.0324

基于深度学习的驾驶倾向性分类及辨识方法

杨玉凤, 曲大义, 兰添贺, 王韬, 宋慧

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了进一步研究网联交通环境下驾驶人驾驶倾向性动态变化特性，提出一种基于深度学习的驾驶倾向性分类及辨识方法。首先提取车速、加速度标准差、车头时距等车辆运动状态参数，设计调查问卷；采用k均值聚类算法对驾驶倾向性初步分类，并校正车辆状态相关特征参数，然后建立一种考虑注意力(Attention)机制的双向长短时记忆神经网络(BiLSTM)驾驶倾向辨识模型，识别周围车辆的驾驶倾向性，最后搭建对照模型，比对模型识别精度。结果表明，考虑注意力(Attention)机制的双向长短时记忆神经网络(BiLSTM)模型辨识精度达89.74%。相较于支持向量机(SVM)模型和人工神经网络(ANN)模型，准确率进一步提升，可实现动态驾驶倾向性的精准高效识别。