基于车辆位置与速度特征的驾驶行为模式分类方法

精细车辆轨迹中包含连续的时间戳、位置,以及速度等信息.通过对车辆轨迹数据进行量化表达与挖掘分析,可以实现对车辆行为模式的分类.现有研究大多关注对位置的聚类,很少对车速、加速度等特征进行研究分析,而车速等是反映驾驶行为模式的重要特征.为了将轨迹多维信息纳入分析框架,研究了基于位置与速度特征的车辆轨迹行为模式分类方法.为克服现有行为模式分类方法的维度单一性,运用豪斯多夫轨迹距离算法计算出位置和速度特征的综合距离矩阵,针对豪斯多夫距离算法鲁棒性差的缺点,采用单向豪斯多夫距离90％分位值对算法进行了改进,降低噪声影响.同时,引入了车辆位置和速度来进一步提高分类的准确性,运用多次分层聚类算法依次对位置与速度轨迹图进行分类,得到车辆位置和速度上的行为模式.以HighD数据集为样本,提取了三车道上的行车轨迹,验证了基于速度与位置特征的车辆行为模式分类方法.结果表明:①本方法可以得到位置和速度的综合行为模式,聚类平均准确率达到94.8％,优于DBTCAN准确率89.3％和t-Cluster准确率86.4％;②基于换道模式轨迹偏移率曲线的分析,得到了4种互异的典型车辆换道模式.该方法可利用多维轨迹数据对行车模式进行分类及行为辨识,在车辆轨迹分类与不良行为辨识方面具有应用潜力.