采用双向LSTM自编码器的驾驶风格谱聚类识别研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：不同驾驶风格的分类对驾驶安全、道路设计和燃油经济性具有深远的影响.考虑到驾驶风格受驾驶员即时操作和前后操作的影响,提出了一种采用双向LSTM自编码器的谱聚类模型对驾驶风格进行识别,以反映驾驶数据时序性对驾驶风格识别的影响.首先利用鲸鱼优化算法对驾驶过程生成的自然驾驶数据进行特征选择,再利用基于双向LSTM的自编码器模型,获得用于谱嵌入的特征值和特征向量,并最终通过谱聚类对驾驶风格进行识别.应用本文中所提出的方法对真实驾驶数据进行比较分析.结果表明:该方法在聚类的精确性优于SOM和LSTM-谱聚类方法.此外,该方法还能在降低数据特征的情况下有效地识别驾驶员的驾驶风格,并反映驾驶员的操作策略.

外文标题：Study of spectral clustering using bi-directional LSTM autoencoder for driving style recognition

外文关键词：

driving style recognitionbi-directional LSTMautoencoderspectral clustering

作者：

梁科、陈华晟、潘明章、叶宇

展开 >

作者单位：

广西大学机械工程学院, 南宁 530004

广西玉柴机器股份有限公司玉柴工程研究院, 南宁 530007

关键词：

驾驶风格识别双向LSTM 自编码器谱聚类

基金：

广西壮族自治区科技重大专项广西壮族自治区重点研发计划广西科技基地和人才专项广西制造系统与先进制造技术重点实验室项目

项目编号：

桂科AA22068103桂科AB2012200592021AC1932420-065-40S006

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.10.004

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

年,卷(期)：2023.37(19)

参考文献量1