融合驾驶区间聚类和DG-SGAN的客运车辆驾驶风格识别方法

摘要

为提升客运车辆驾驶风格识别的效率与精度，提出一种融合连续驾驶动作区间化分析与半监督生成对抗网络的方法。区别于传统直接对驾驶员聚类的范式，该方法通过构建连续驾驶动作序列形成的驾驶区间，提取多维特征后运用Bisecting K-Means算法对驾驶区间进行聚类。基于驾驶区间聚类分布的可视化分析，实现了谨慎型、稳定型、激进型三类长期驾驶风格的标注。进一步结合少量标注数据，构建双生成器对抗网络(DG-SGAN)模型，通过竞争机制增强生成样本的判别性特征表达，完成无标签数据的半监督识别。实验表明，驾驶区间聚类分析可精准刻画3种典型驾驶模式，结合DG-SGAN的识别准确率显著提升，分类器在标注样本不足时仍保持高鲁棒性。首次将半监督对抗网络引入驾驶风格识别领域，为客运安全监管提供了细粒度、场景化的决策支持框架，在驾驶行为分析与安全管理中具有可解释性与应用潜力。

关键词

智能交通 / 驾驶风格识别 / 半监督生成对抗网络 / 客运车辆数据 / 驾驶行为区间化分析

基金资助

重庆市技术创新与应用发展专项重点项目(cstc2021jscx-gksbX0063)