机构名称：
¥ 1.0
摘要 — 使车载系统（例如高级驾驶辅助系统和车载信息系统）适应个体驾驶员的工作量可以提高安全性和便利性。要实现这一点，必须推断驾驶员的工作量，以便适时以适当的方式为驾驶员提供自适应辅助。我们不是为所有驾驶员开发一个平均模型，而是通过易于获取的车辆相关测量数据（VRM），使用机器学习技术，开发一个考虑到个体驾驶员驾驶特征的个性化驾驶员工作量推断（PDWI）系统。所提出的 PDWI 系统包括两个阶段。在离线训练中，首先使用模糊 C 均值 (FCM) 聚类根据个体驾驶员的固有数据特征自动将其工作量分成不同的类别。然后，通过分类算法构建 VRM 和不同级别工作量之间的隐式映射。在线实施中，VRM 样本被分类到不同的簇中，从而可以成功推断驾驶员的工作负荷类型。最近从现实世界的自然驾驶实验中收集的数据集被用来验证所提出的 PDWI 系统。比较实验结果表明，所提出的集成 FCM 聚类和支持向量机分类器的框架在准确率、精确率、召回率、F 1 -sco 方面提供了良好的工作负荷识别性能
通过学习与车辆相关的测量数据来推断个性化驾驶员工作量
主要关键词
相关文件推荐
