基于KL散度的驾驶员驾驶习性非监督聚类

作     者：朱冰 蒋渊德 邓伟文 杨顺 何睿 苏琛 Zhu Bing;Jiang Yuande;Deng Weiwen;Yang Shun;He Rui;Su Chen

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。