基于权重的欠采样提升算法识别激进驾驶员

彭一川 李崇奕 王 可 邢莹莹

(同济大学道路与交通工程教育部重点实验室 上海 201804)

0 引 言

驾驶风险识别在驾驶安全与辅助驾驶系统中起着重要的作用.随着联网自动驾驶汽车和先进的驾驶员辅助系统(ADAS)的发展，通过人工智能手段识别激进型的驾驶员和防止撞车事件的可能性与需求越来越大.近年来，许多研究致力于使用安装多种传感器的车辆进行自然驾驶实验，通过实验数据进行驾驶行为识别[1-3].比如，使用车载传感器进行自然驾驶数据的采集，以获取驾驶员实时的视频图片、油门信息、踏板制动、速度以及加速度等信息[4-7].采用驾驶模拟器来监测在预设计的驾驶环境中的驾驶行为[8-9].与前两种方法相比，部署在路边的视频监控可以以较低成本提供海量的交通环境数据和车辆轨迹数据[10].从视频监控中提取的车辆轨迹数据由横向和纵向数据组成.Murphey等[11]采用了包括速度、加速度在内的纵向数据，将驾驶员分为激进型、温和型和冷静型.横向数据，即偏航率、与车道线的距离、侧向加速度也被用来识别驾驶行为[12].这些研究表明，通过视频提取的车辆轨迹数据是可用于驾驶行为识别研究.

在如何衡量驾驶安全水平的问题上，以往的研究广泛地应用了一些碰撞风险指标，如碰撞时间(time to collision, TTC)，车头时距(headway)和DRAC(deceleration rate to avoid a crash)等.Mahmud等[13]比较了碰撞风险指标之间的优缺点，如TTC不能很好地处理车辆跟驰时相对速度为零的问题，并且需要假设前车和跟驰车辆的速……