人机共驾下的驾驶行为数据滤波方法

摘要

针对传统数据采集和分析过程中存在的低质量数据过冗余、特征数据难以挖掘以及人工记录耗时长的问题，提出了一种人机共驾环境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环境下搭建了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了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，进行仿真分析和实车测试，对比了不同约束条件下的数据滤波方法，可知基于Sakoe-Chiba约束条件的本文滤波方法在数据准备阶段就能平均自动滤除53.15%的无效数据，每小时可节省1.87 TB的数据存储空间，验证了本文方法的有效性和可行性。

关键词

车辆工程 / 智能驾驶 / 人机共驾 / 数据驱动 / 动态时间规整

基金资助

大学生创新创业训练计划项目（202310183133）; 吉林大学长沙汽车创新研究院自由探索项目（CAIRIZT20220106）;吉林大学研究生创新基金项目（451230411061）; 中央高校基本科研业务费专项资金项目（2022-JCXK-24）; 汽车动力传动与电子控制湖北省重点实验室开放基金项目（ZDK12023A05）