基于注意力机制及分层网络的危险驾驶行为预测方法

来源：同济大学学报·自然科学版杂志2022年第5期北京时间：

作者：徐文翔，王俊骅，傅挺

单位：同济大学 交通运输工程学院，上海 201804

摘要：基于自然驾驶实验，获取“人?车?环境”多维驾驶行为数据，经过数据清洗与筛选构建危险驾驶行为标准数据库。采用显著性分析对指标进行筛选，并构建八维度的危险驾驶行为预测指标集。以神经网络为第一层，以基于注意力机制的长短期记忆（LSTM）网络为第二层，建立危险驾驶行为预测双层时序模型。结果表明：该模型能有效提升预测准确率（10%）；分层结构和注意力机制对预测准确率有较好的提升作用，分别为5%和3%。

关键词：驾驶行为,长短期记忆（LSTM）网络,注意力机制,双层时序模型,时间窗

基金资助：国家重点研发计划（2019YFB1600703）；上海市科委项目（19DZ1202100）