基于PCA-SVM的DCT汽车驾驶员起步意图识别

作     者：刘海江 吴雨林 LIU Haijiang;WU Yulin

作者机构：同济大学机械与能源工程学院上海201804 

出 版 物：《汽车工程学报》 (Chinese Journal of Automotive Engineering)

年 卷 期：2021年第11卷第5期

页      面：369-378页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082304[工学-载运工具运用工程] 081104[工学-模式识别与智能系统] 08[工学] 080204[工学-车辆工程] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0823[工学-交通运输工程] 

基　　金：2017年度国家自然科学基金联合基金“考虑动态服役性能和驾驶行为及驾驶环境的DCT智能控制与评价方法”(U1784259) 

主　　题：双离合自动变速器汽车 起步意图 主成分分析 支持向量机 

摘      要：针对目前对于双离合自动变速器(Dual Clutch Transmission,DCT)汽车驾驶员起步过程中意图变化的研究有限,且现有方法的识别准确率不高这一问题,提出了一种基于主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machines,SVM)的变化起步意图识别模型。根据驾驶员针对车辆反馈的反应时间,将起步过程划分为6个阶段;基于K均值聚类确定各个阶段的缓慢起步、一般起步、紧急起步这3种起步意图的界限;基于主成分分析挖掘出各个阶段起步意图识别的新特征;在此基础上构建6个SVM模型,并利用这6个模型分别对各阶段的起步意图进行识别。经过验证,该模型的平均测试准确率为94.92%,比只利用线性SVM模型高16.89%,且单个模型的平均耗时为0.008 s,能够快速有效地识别出DCT汽车驾驶员的起步意图。