基于KL散度的驾驶员驾驶习性非监督聚类
Unsupervised Clustering of Driving Styles Based on KL Divergence作者机构:吉林大学汽车仿真与控制国家重点实验室长春130025
出 版 物:《汽车工程》 (Automotive Engineering)
年 卷 期:2018年第40卷第11期
页 面:1317-1323页
核心收录:
学科分类:08[工学] 082303[工学-交通运输规划与管理] 0802[工学-机械工程] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程]
基 金:国家重点研发计划(2016YFB0100904)、国家自然科学基金(51775235 U1564211)和吉林省自然科学基金(20170101138JC)资助
主 题:驾驶习性 聚类 KL散度 高斯混合模型 蒙特卡洛算法
摘 要:为深入理解不同驾驶员的驾驶行为特点,本文中提出了一种基于KL散度的驾驶员驾驶习性非监督聚类算法。首先,建立了驾驶员驾驶数据实车道路试验采集平台,对84位驾驶员进行了测试;接着,将每名驾驶员的驾驶数据视为一个高斯混合模型(GMM),采取EM算法对其进行参数估计;最后,通过蒙特卡洛算法对各GMM之间的KL散度进行估计,从而获得不同驾驶员差异性的定量描述,将驾驶员聚为不同习性类别。对聚类后各类驾驶员的驾驶数据的统计分析表明,所提出的非监督聚类算法能有效实现不同驾驶习性驾驶员的聚类。