同济大学学报(自然科学版)

作者：余荣杰，张雪晨，何阳，吴晓

单位：1.同济大学 交通学院，上海 201804;2.北京嘀嘀无限科技发展有限公司，北京，100089

关键词：分心驾驶辨识,惯性测量单元（IMU）,概率密度分布演化,深度森林

基金：上海市青年科技启明星项目资助（23QA1409800）

不良驾驶行为是道路交通事故的主要致因，近三分之一的事故由分心驾驶引发，辨识分心驾驶状态可有效提升行车安全。然而，当前的分心辨识方法依赖于多源融合感知数据，无法应用于大规模的现存车辆。提出了一种基于泛在惯性测量单元（IMU）数据的两阶段分心辨识方法：第一阶段采用概率密度分布演化，以实现在驾驶行为与行驶工况强耦合情况下的分心状态表征；第二阶段则利用一阶段获得的驾驶行为分布演化特征，采用深度森林算法构建分心驾驶状态辨识模型，以应对复杂的现实场景。为验证所提出的分心辨识方法，使用了上海网约车智能手机惯性测量数据进行实证研究，实验结果表明：实证数据初步验证了所提出方法的有效性，分心驾驶行为特性主要体现在车辆行进方向；与传统表征指标相比，所提出的驾驶行为分布演化特征能够有效提升分心辨识模型性能，准确率、精确率分别提升了20.4 %和10.2 %；所采用的深度森林模型与支持向量机和梯度增强决策树相比，在保持高召回率的同时减少了超10 %的误报情况。

来源：2024年第12期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2024年第12期