基于驾驶员操纵行为学习的自适应巡航控制系统接受性改进方法



基于驾驶员操纵行为学习的自适应巡航控制系统接受性改进方法

自适应巡航控制系统（ACC）是一种先进驾驶辅助系统，其能根据驾驶员的设置控制车辆自动调整其速度而与前面的车辆保持预设的距离。然而，不同的驾驶员有不同的驾驶风格和偏好，当前的ACC不对使用者进行区分，大多数驾驶辅助系统采用统一的参数设置。

针对上述问题，提出了一种方法，其综合了机器学习算法、人口统计信息和专家库知识，并将其融入到现有的智能驾驶辅助系统中。该方法可以减少驾驶员和驾驶辅助系统之间的交互操作，比如可通过旋钮等调整驾驶辅助系统的参数。该方法主要基于特定的驾驶员和相应的驾驶工况，对驾驶员的类型进行识别。同时，也研究了用户何时开启驾驶辅助系统的功能或者让驾驶辅助系统退出。研究中发现，驾驶员与驾驶辅助系统存在多种不同类型的交互方式，这些不同的方式有助于设计更符合使用者需求的驾驶辅助系统。研究中，将驾驶员分为激进型、温和型、谨慎型3类。采用了决策树和回归模型的方法对驾驶员的类型进行了识别研究，决策树方法的识别准确率基本上能达到70%，回归模型的相关性能达到0.78。

研究中发现，增加驾驶员的统计信息和前期已开发的不同驾驶员模型可以提高学习模型的性能。

Avi Rosenfeld et al.Proceedings of the TwentyFourth Innovative Applications of Artificial Intelligence Conference.

编译：王竣