基于駕駛員操縱行為學習的自適應巡航控制系統接受性改進方法

?

基于駕駛員操縱行為學習的自適應巡航控制系統接受性改進方法

自適應巡航控制系統（ACC）是一種先進駕駛輔助系統，其能根據駕駛員的設置控制車輛自動調整其速度而與前面的車輛保持預設的距離。然而，不同的駕駛員有不同的駕駛風格和偏好，當前的ACC不對使用者進行區分，大多數駕駛輔助系統采用統一的參數設置。

針對上述問題，提出了一種方法，其綜合了機器學習算法、人口統計信息和專家庫知識，并將其融入到現有的智能駕駛輔助系統中。該方法可以減少駕駛員和駕駛輔助系統之間的交互操作，比如可通過旋鈕等調整駕駛輔助系統的參數。該方法主要基于特定的駕駛員和相應的駕駛工況，對駕駛員的類型進行識別。同時，也研究了用戶何時開啟駕駛輔助系統的功能或者讓駕駛輔助系統退出。研究中發現，駕駛員與駕駛輔助系統存在多種不同類型的交互方式，這些不同的方式有助于設計更符合使用者需求的駕駛輔助系統。研究中，將駕駛員分為激進型、溫和型、謹慎型3類。采用了決策樹和回歸模型的方法對駕駛員的類型進行了識別研究，決策樹方法的識別準確率基本上能達到70%，回歸模型的相關性能達到0.78。

研究中發現，增加駕駛員的統計信息和前期已開發的不同駕駛員模型可以提高學習模型的性能。

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

編譯：王竣