人机共驾智能车驾驶模式决策属性析取研究

来源：中国血液净化杂志2018年第1期北京时间：

作者：严利鑫, 吴超仲, 贺宜, 黄珍, 朱敦尧

单位：1. 武汉理工大学 智能交通系统研究中心, 湖北 武汉 430070;2. 华东交通大学 交通运输与物流学院, 江西 南昌 330013;3. 国家水运安全工程技术研究中心, 湖北 武汉 430063;4. 武汉理工大学 自动化学院, 湖北 武汉 430070

摘要：为了深入分析驾驶模式决策影响因子，通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态，并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类，将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序，并在此基础上，根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时，支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%；除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外，其余所有不同模式决策属性值均呈显著性差异；研究结果可为人机共驾智能车驾驶模式决策提供依据。

关键词：交通工程,驾驶模式,属性排序算法,智能车,分类器,交通安全

基金资助：国家自然科学基金项目（51605350）；“十二五”国家科技支撑计划项目（2014BAG01B03）