重庆理工大学学报2023，Vol.37Issue(19) ：28-37.DOI:10.3969/j.issn.1674-8425(z).2023.10.004

采用双向LSTM自编码器的驾驶风格谱聚类识别研究

Study of spectral clustering using bi-directional LSTM autoencoder for driving style recognition

梁科 陈华晟 潘明章 叶宇
重庆理工大学学报2023，Vol.37Issue(19) ：28-37.DOI:10.3969/j.issn.1674-8425(z).2023.10.004
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

采用双向LSTM自编码器的驾驶风格谱聚类识别研究

Study of spectral clustering using bi-directional LSTM autoencoder for driving style recognition

梁科 1陈华晟 1潘明章 1叶宇2
扫码查看

作者信息

  • 1. 广西大学 机械工程学院, 南宁 530004
  • 2. 广西玉柴机器股份有限公司 玉柴工程研究院, 南宁 530007
  • 折叠

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.

关键词

驾驶风格识别/双向LSTM/自编码器/谱聚类

Key words

driving style recognition/bi-directional LSTM/autoencoder/spectral clustering

引用本文复制引用

基金项目

广西壮族自治区科技重大专项(桂科AA22068103)

广西壮族自治区重点研发计划(桂科AB201220059)

广西科技基地和人才专项(2021AC19324)

广西制造系统与先进制造技术重点实验室项目(20-065-40S006)

出版年

2023
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
参考文献量1
段落导航相关论文