基于融合动态驾驶风格与环境因素的新框架的纵向驾驶意图预测
《Engineering Applications of Artificial Intelligence》:Longitudinal driving intention prediction via a new framework fusing dynamic driving styles and environmental factors
【字体:
大
中
小
】
时间:2026年07月11日
来源:Engineering Applications of Artificial Intelligence 9.0
编辑推荐:
郑世|林阳|徐安泽|陈宇轩|金越|李景忠|潘成刚|孟贤玲中国上海上海交通大学机械工程学院摘要在实时道路条件下准确预测纵向驾驶意图对于提升能源效率、安全性、舒适性以及车辆操控稳定性至关重要。然而,影响纵向驾驶意图的因素众多。因此,本研究提出了一种融合动态驾驶风格与环境因素的混合式纵
郑世|林阳|徐安泽|陈宇轩|金越|李景忠|潘成刚|孟贤玲中国上海上海交通大学机械工程学院摘要在实时道路条件下准确预测纵向驾驶意图对于提升能源效率、安全性、舒适性以及车辆操控稳定性至关重要。然而,影响纵向驾驶意图的因素众多。因此,本研究提出了一种融合动态驾驶风格与环境因素的混合式纵向驾驶意图预测系统。首先,提出了一种基于经验模态分解与快速傅里叶变换的特征提取方法,以克服传统统计方法在受限的实际数据条件下表征驾驶员特征的局限性,从而从频域中提取出驾驶员特征的详细信息,便于更准确地识别驾驶风格。其次,提出了自适应混合特征预测网络,用于融合时间序列与非时间序列数据以预测纵向驾驶意图。将收集到的非时间序列人类驾驶风格因素以及车辆和环境的时间序列数据输入该网络。该网络通过动态权重自适应地融合这些特征,并建立纵向驾驶意图与这些因素之间的映射关系,从而全面考虑人-车-环境因素,实现实时且精确的预测。通过实际车辆数据集对所提方法的性能进行了严格验证,结果显示其预测准确率高达93.127%,比现有最先进方法DACS-LSTM高出3.5%。值得注意的是,在近80%的车辆中,该方法在快速加速意图预测方面的准确率可达95%以上,覆盖的车辆比例比最佳基准方法Transformer多8%。这充分证明了该方法在实际场景中的有效性与适用性。术语表缩写EMD:经验模态分解FFT:快速傅里叶变换AMFPNet:自适应混合特征预测网络GRU:门控循环单元MmSTCT:多模态时空卷积变换网络CBRC:通道注意力增强型卷积神经网络Bi-LSTM:双向长短期记忆网络DACS-LSTM:基于驾驶风格的注意力增强型卷积社会长短期记忆网络Bi-GRU:双向门控循环单元K-means:K均值聚类算法DBSCAN:带噪声的密度空间聚类算法SVMS:支持向量机MLP:多层感知器FF:特征融合层FC:全连接层RTS:Rauch-Tung-Striebel算法TFN:张量融合网络LMF:低秩多模态融合1D-CNN:一维卷积神经网络评估指标SCS:轮廓系数DBI:Davies-Bouldin评分特征Va:平均速度(米/秒)Vst:速度标准差(米/秒)THWmin:最小车头时距(秒)fdm:最小主导IMF频率(赫兹)Vx:车辆在x方向的行驶速度轨迹(米/秒)THW:车头时距(秒)T:交通密度(%)ds:驾驶员的驾驶风格fsm:最大主导IMF频率方程式术语说明D(id):包含速度、加速度和坐标等信息的预处理数据Sid(k):通过滑动时间窗口对D(id)进行分割后的数据L:滑动时间窗口的长度Wt:时间序列特征的权重Wnt:非时间序列特征的权重Ffusion:输入到分类器的融合特征dist:本车与前车的相对距离1.引言车辆的高质量发展是一项迫切需求,而能源效率、驾驶安全、驾驶舒适性以及车辆操控稳定性则是核心评价指标(Berahman等人,2025;Jin等人,2024;Liang等人,2023;Nie等人,2025)。通过确定车辆下一时刻的纵向运动状态,可以有针对性地分配动力,这对于优化这些核心指标至关重要(Ku?i?等人,2023)。定量研究证实,驾驶员意图预测有助于实现这种优化,基于意图意识的控制系统可使跟车效率提高约20%,同时将不必要的紧急制动次数减少30%以上(Feng等人,2024)。然而,驾驶员意图的不确定性给运动状态预测带来了巨大挑战(Hubmann等人,2018)。驾驶意图是指驾驶员在特定情况下所制定的驾驶行为计划。例如,纵向驾驶意图包括加速、减速和匀速行驶(Xie等人,2020)。显然,通过预测纵向驾驶意图,就能掌握车辆的未来运动状态,进而优化车辆的各种核心指标。通常,纵向驾驶意图可以通过基于提取特征建立的模型来预测,已有相关研究开展(Gao等人,2023;Tan等人,2024;Zhang等人,2024a)。在这些现有研究中,最常使用的特征包括车辆速度(Gao等人,2023;Zhang等人,2024a)、车辆信息(位置、类型、加速度)(Zhang等人,2024a)以及踏板数据(油门和刹车位置、踏板电信号)(Tan等人,2024;Zhang等人,2024a)。利用这些车辆相关因素作为特征,可以有效预测纵向驾驶意图。然而,驾驶意图实际上是由人、车、环境因素之间的动态相互作用所决定的(Chu等人,2023;Lashkov和Kashevnik,2021)。例如,驾驶员的决策会受到其宏观行为倾向的影响,即便在相同的场景下也会产生不同的驾驶意图。外部条件则提供关键的刺激和约束,可能引发或抑制特定的驾驶意图。如前所述,本车状态会对驾驶意图产生显著影响。因此,一个可靠的驾驶意图预测系统必须考虑人-车-环境之间的相互作用。在这三个因素中,人为因素的变化最为复杂,给驾驶意图预测带来了很大挑战,因此人们会使用眼动追踪器来反映驾驶员的特征(Zhang等人,2025)。但由于其高计算资源需求,该方法并不适合用于纵向驾驶意图识别。在本文中,我们采用驾驶风格来表征驾驶员行为的整体趋势,同时利用最大主导频率来捕捉驾驶员的即时倾向。此外,为满足驾驶意图实时预测的需求,我们采用了滑动窗口预测方法。在每个滑动时间窗口内,驾驶风格和频域特征属于非时间序列数据,而包括门控循环单元、多模态时空卷积变换网络以及通道注意力增强型卷积神经网络在内的各类模型,都是为处理顺序时间序列数据而设计的。直接结合这些不同类型的数据时,一个根本性的挑战在于它们时间尺度的不一致。正如多模态时间序列分析中所指出的,有效对齐并融合具有不同时间粒度的数据模式仍然是一个核心难题。目前的预测架构缺乏解决这一问题的内置机制,因此,当前模型在处理时间序列和非时间序列数据方面的架构限制,成为实现多因素混合式纵向意图预测的一个关键障碍,这也限制了预测性能。在这些混合特征中,驾驶风格尤为重要。它体现了驾驶员在驾驶过程中的独特行为习惯,能够反映驾驶员的个性和经验。同时,驾驶风格还会受到道路状况和交通拥堵程度等环境因素的影响(Martinez等人,2017)。因此,我们需要纳入环境因素来识别动态驾驶风格。在本文中,当提到驾驶风格时的“动态”一词,指的是其在不同环境条件下的变化性,而非识别模型的在线更新能力。在现有的研究中,识别驾驶风格主要有三种方式:一种是通过问卷调查(Chu等人,2023),另一种是在模拟器中收集数据(Zhang等人,2024b),第三种是数据驱动的方法(Chen和Chen,2019)。前两种方法能够获取准确的数据以识别驾驶风格,但由于需要预先获得专家经验和预先确定的驾驶风格标签,其应用受到现实场景的限制。数据驱动方法对先验知识的依赖较少,但需要更多数据才能识别驾驶风格。由于车载硬件的实时特性以及传感器与系统之间的通信限制,可用于驾驶风格识别的数据量也较为有限。为此,许多研究通过扩展特征集来提升驾驶风格的识别精度。一种方法是计算车辆速度、加速度和转向角等的最大值、平均值和方差等统计量(Zhang等人,2023),后续研究还将特征集扩展到包括方差、标准差等20种不同的统计量(Wu等人,2023)。通过添加统计特征可以提高驾驶风格识别的效果。与统计特征相比,从时频分析中得到的频域特征能够更有效地捕捉周期性、波动性等复杂信息。然而,传统的特征提取方法依赖于固定窗口的统计汇总来进行特征提取,无法有效提取这些频域特征,因而无法准确捕捉驾驶行为中的时间波动。综上所述,目前关于驾驶意图预测的研究主要面临三个关键问题:(1)现有的驾驶意图预测序列模型无法整合不同的时间序列和非时间序列数据;(2)传统的特征提取方法忽视了驾驶行为在窗口内的时间结构,如振荡频率和变化速率;(3)目前还缺乏能够考虑人-车-环境因素相互作用的实时预测框架。为解决这些问题,我们提出了一种基于动态驾驶风格与环境因素的混合式纵向驾驶意图预测框架,通过两个关键点来解决上述问题。首先,为克服现有特征提取方法的局限性,我们引入了一种基于经验模态分解与快速傅里叶变换的特征提取方法,该方法能够自适应地分解非平稳驾驶信号,从而直接量化出具有周期性及波动性的行为模式。其次,为解决序列模型无法融合不同类型数据的问题,我们设计了具有内部门控机制的自适应混合特征预测网络,该网络能够自主对不同特征进行加权并实现深度融合。这些组件共同构成了一个用于实时且精确预测驾驶意图的完整系统。通过系统的实验验证了所提方法的有效性与可靠性。本研究的主要贡献可总结如下:(1)我们通过构建新的AMFPNet模型,提出了一种用于实时预测纵向驾驶意图的新方法。与仅考虑车辆因素的现有方法不同,该方法还纳入了动态变化的驾驶风格、瞬时驾驶倾向以及环境因素,能够自适应地融合时间序列与非时间序列数据,从而大幅提升预测精度。(2)与仅使用统计运算的经典方法不同,我们提出了一种基于经验模态分解与快速傅里叶变换的方法,可同时获取驾驶行为的频域特征。这样一来,就能够描述驾驶员行为的时间波动情况,从而解决了统计特征无法反映数据时间信息这一关键问题,进而实现更准确的驾驶风格识别和驾驶意图预测。(3)随后,我们开发了一种混合式纵向驾驶意图预测系统,并基于实际车辆数据集开展了全面的实验研究。实验结果表明,所提方法具有很高的有效性,预测准确率超过93%。此外,在80%的车辆样本中,该方法在预测纵向快速加速意图方面的准确率超过了95%的标准,覆盖的车辆比例比最佳基准方法多8%。本文的其余部分结构如下:第2节介绍相关研究,第3节提出纵向驾驶意图预测框架,第4节详细介绍实验内容并汇报定量结果,最后在第5节对工作进行总结。2.相关工作如第1节所述,要实现准确的纵向驾驶意图预测,识别驾驶风格至关重要。而在驾驶风格识别中,特征提取是关键步骤之一。因此,本节将选取一些这三个领域的先前研究成果进行简要介绍。2.1 驾驶风格特征提取获取驾驶风格数据主要有三种方法:问卷调查法(Deng等人,2019;Martinussen等人,2013)、生理信号采集法(Lai,2024;Lashkov和Kashevnik,2021;Li等人,2024a)以及车辆传感器信号采集法(Chen和Chen,2019)。考虑到驾驶风格识别需要应用于实时场景,而生理信号采集由于其复杂性可能会导致延迟和数据丢失,因此后者是主要采用的方法。数据收集之后,驾驶风格的特征提取是至关重要的步骤。然而,用于特征提取的数据会受到车载硬件的实时特性以及传感器与系统之间通信情况的限制。从有限数据中提取更有效的特征已成为研究重点。为此,梁等人将驾驶周期按照输入速度和加速度进行划分,提取不同驾驶周期下的冲击力和踏板位置,从而扩展特征集(梁等人,2022)。张等人分别计算车辆速度、加速度和转向角的最大值、平均值及方差统计量,通过因子分析在降低维度的同时进一步丰富特征集(张等人,2023)。吴等人则对速度和加速度进行了大量统计分析,提取出20个特征,借助局部线性嵌入技术提升了特征集的完整性,同时减少了计算量(吴等人,2023)。尽管这些方法推动了特征工程的发展,但它们主要依赖统计聚合,这种方式会忽略驾驶行为的顺序性和瞬时变化趋势,而这些信息对于捕捉驾驶员特征至关重要。意识到这一局限性,蔡等人通过按时间切片处理数据,以驾驶员的转向盘角度、刹车踏板位置和油门踏板位置作为特征输入,从而在时间维度上实现驾驶风格识别(蔡等人,2023)。然而,在聚类阶段,这些研究仍丢失了原始数据在窗口内的时间信息,因为切分后的序列最终被整合为静态表示,未能充分利用最初保留的时间维度信息。针对这一问题,我们注意到EMD因其出色的抗噪声能力和适应性,是提取数据时间信息的有效技术。此外,我们还基于EMD-FFT开发了一种时频分析方法,从有限数据中提取最能体现驾驶员个性的频域特征。该操作通过提供频域特征补充了传统方法,从而更精准地捕捉驾驶员特征。
2.2 驾驶风格识别
人为因素会体现在驾驶风格中(楚等人,2023),并且会显著影响能源效率、驾驶安全、驾驶舒适性以及车辆操控稳定性(Kapania和Gerdes,2015;Martinez等人,2017;Wang等人,2023;Wu等人,2023)。尽管已有许多关于驾驶风格的研究,但至今仍缺乏对其明确定义。心理学家Elander最早提出了驾驶风格的概念,他将之归因于人格和社会化因素(Elander等人,1993)。不过也有研究表明,驾驶风格还会受到外部因素的影响(Alkinani等人,2020)。目前普遍认为,驾驶风格既受人为因素影响,也受环境因素影响,这意味着驾驶员会根据所处场景调整自己的驾驶风格。此外,大多数关于驾驶员特征的研究都是基于经验假设而非数据驱动的证据,将驾驶风格分为两到三类。例如,Wang等人通过K均值聚类算法和支持向量机将驾驶风格分为激进型和谨慎型两类(Wang等人,2017)。类似地,陈K和陈H则利用核心聚类法和随机森林将驾驶员分为三类(陈和陈,2019)。虽然这些研究提供了有用的参考基准,但其预设的分类数量可能无法准确反映驾驶行为的实际分布情况。与以往研究类似,我们也识别出了三种驾驶风格,但在实验部分,我们将通过测试来确定最合适的驾驶风格分类数量。现有文献为驾驶风格识别提供了通用流程,基于此,一些研究采用了模糊控制器(Zhang和Xiong,2015)、动态聚类(de Zepeda等人,2021)以及层次聚类(Liu等人,2024)来实现更精确的数据驱动式标签分类。在分类方面,还有研究提出使用遗传算法(Li等人,2024d,2025)和粒子群算法(Lin等人,2022)构建驾驶风格识别模型。尽管这些基于优化的方法提升了分类精度,但往往会产生较大的计算开销,不适合用于实时应用。本文采用滚动预测技术来实现对纵向驾驶意图的实时预测,因此用于提取驾驶风格的数据属于动态时间序列。训练好的驾驶风格识别器应被用于实时识别驾驶风格。
2.3 驾驶意图预测
驾驶意图预测的准确性在很大程度上取决于所选择的输入数据。一些研究人员从车辆自身的数据出发来预测驾驶意图。程等人通过控制器局域网的数据实现驾驶意图预测,进而构建了双卷积神经网络模型(程等人,2024;Li等人,2024c)。高等人则结合车辆速度、油门位置和刹车踏板位置,运用GRU模型实现纵向驾驶意图预测(高等人,2023)。最近,一些更先进的架构进一步利用了车辆相关信号:多模态时空卷积变换器网络通过嵌入车辆数据和车辆类型,结合双向长短期记忆网络实现驾驶意图预测(Zhang等人,2024a);而通道注意力增强卷积神经网络则利用摩擦电纳米发电机捕捉实时的踏板压力信号,从而实现高响应速度(Tan等人,2024)。尽管这些研究通过模型优化和更丰富的车辆信号提升了预测性能,但它们忽略了环境因素和驾驶员行为。为考虑环境因素,李等人通过图神经网络整合周围车辆的信息,将环境因素纳入车辆驾驶意图的预测之中(李等人,2024c)。袁等人则开发了时间卷积网络和多任务学习框架,通过整合多车辆场景来实现驾驶意图预测(袁等人,2023)。上述研究都考虑了环境因素,但却忽略了人为因素,而这也会影响驾驶意图预测的准确性。近期有一些方法在考虑人为因素方面取得了进展。例如,基于驾驶风格的注意力增强卷积社会长短期记忆网络整合了驾驶风格、碰撞时间指标以及车辆数据,采用了基于长短期记忆网络的架构(Shen等人,2023)。虽然这项先进研究开始考虑驾驶风格等因素,但在对人为因素和环境因素的建模方面仍有进一步拓展的空间。具体而言,车辆密度和瞬时驾驶趋势等因素会对驾驶员的行为和意图产生重要影响。此外,正如多模态时间序列分析中所指出的(Jiang等人,2025),如何有效对不同时间尺度的模态进行对齐和融合仍然是一个挑战,目前的驾驶意图预测架构缺乏解决这种不一致性的内置机制。因此,目前还不存在一个能够系统整合驾驶员行为、全面的环境因素以及解决时间尺度不匹配问题的系统。为此,本文提出了一种基于动态驾驶风格和环境因素的混合式纵向驾驶意图预测系统,以弥补现有研究的不足。该系统所采用的AMFPNet网络具备自适应门控机制,可用于实现多尺度特征的自适应融合,从而解决上述时间序列与状态描述符之间的时间尺度不匹配问题。通过在一个实时滑动窗口内将这些动态建模的人为、车辆和环境因素有机整合,所提出的系统能够实现更准确、更可靠的意图预测。
3 方法论
在本节中,我们首先介绍所提出的混合式纵向驾驶意图预测系统的框架。为清晰、系统地阐述该方法的特点,后续内容将围绕其两个核心子系统展开:驾驶风格识别和驾驶意图预测。我们并未采用纯粹的顺序流程叙述方式,而是将数据预处理和特征提取等步骤融入到各个子系统的相应章节中。接下来,我们将详细介绍所提出的驾驶风格识别方法,包括特征提取、EMD-FFT方法、聚类算法以及识别模型。最后,将介绍该框架下纵向驾驶意图预测的详细内容,包括分类、特征提取、特征融合以及预测模型。
3.1 系统框架
为实现纵向驾驶意图的精准预测,本节提出了一种基于动态驾驶风格和环境因素的混合式纵向驾驶意图预测系统。该系统会持续更新指定时间窗口内的车辆动态、环境条件及驾驶风格的历史记录,以此预测驾驶员下一时刻的纵向意图。图1展示了该系统的框架。这是一种数据驱动的方法,主要由驾驶风格识别子系统和驾驶意图预测子系统组成。我们所提出的系统共包含四个步骤。
下载:下载高分辨率图像(1MB)
下载:下载全尺寸图像
图1. 我们纵向驾驶意图预测方法的整体框架。
数据准备:首先,需要为驾驶风格识别和驾驶意图预测准备数据。每位驾驶员都有独特的驾驶习惯,因此我们建议通过分析不同驾驶员驾驶的不同车辆的实地数据来对驾驶风格进行分类。为此,将使用包含多辆车的数据库。为了准确捕捉驾驶员的特征,每条数据都必须对应某辆车,即通过某条数据来分析特定的驾驶员。因此,我们如方程(1)所示,根据标识符提取不同的数据序列。为了满足驾驶意图预测的实时需求,提取出的数据序列还需要以滚动方式切片,这样就能得到如方程(2)、(3)、(4)所示的时间序列。
(1) D = [D(1), D(2)...D(n)] = ?id=1n D(id)
(2) Slice(D(id)) = [Sid(1), Sid(2)...Sid(m)] = ?k=1m Sid(k)
(3) Slice(D) = ?id=1n ?k=1m Sid(k)
(4) m = n?L+1
其中,D(id)是经过平滑处理和预处理后的数据,包含速度、加速度和坐标信息;Slice(·)是基于滑动时间窗口的滚动数据分割方法;Sid(k)是D(id)经过滑动时间窗口分割后的数据;L为滑动时间窗口的长度;n为每辆车的数据条数;m为根据滑动时间窗口得到的时间切片数量。
时频特征提取:其次,为了从D(id)和Sid(k)中提取时间特征,我们提出了一种基于EMD-FFT的两阶段时频域分析方法。首先,使用EMD算法将原始信号分解为一组固有模态函数。随后,为了量化每个已分解的固有模态函数的频率特性,我们应用FFT算法。在此,我们如方程(5)、(6)、(7)、(8)所示,将fdm作为驾驶风格识别中的频域特征。此外,如方程(9)、(10)、(11)、(12)所示,我们将fsm作为驾驶意图预测中的频域特征。
(5) EMD(D(id)) = [IMF(1), IMF(2)...IMF(p)] + Res = ?i=1p IMF(i) + Res
(6) Signald(i) = FFT(IMF(i))
(7) fdIMF(i) = Freq(argmax(abs(Signald(i))))
(8) fdm = min(?i=1p fdIMF(i))
(9) EMD(Sid(k)) = [IMF(1), IMF(2)...IMF(q)] + Res = ?j=1q IMF(j) + Res
(10) Signals(j) = FFT(IMF(j))
(11) fsIMF(j) = Freq(argmax(abs(Signals(j))))
(12) fsm = max(?j=1q fsIMF(j))
其中,IMF(i)是从D(id)中根据标识符划分得到的固有模态函数,IMF(j)是从Sid(k)中按时间窗口划分得到的固有模态函数;Res是EMD分解后的残差项;Signald和Signals分别是IMF(i)和IMF(j)在时域中的频域信号;fdIMF(i)和fsIMF(j)分别是IMF(i)和IMF(j)的主频;fdm是fdIMF(i)中的最小频率,fsm是fsIMF(j)中的最大频率;abs(·)和argmax(·)用于找出信号的最大值出现的位置;Freq(·)用于获取信号最大值对应的频率,即主频;p是从D(id)中提取的固有模态函数的数量,q是从Sid(k)中提取的固有模态函数的数量。
驾驶风格识别:第三,构建驾驶风格识别子系统,该系统由特征提取和识别两部分组成。在这里,我们选择四个特征作为输入,用于聚类算法和识别模型。选择这些特征的依据如下:平均速度Va和速度的标准差Vs可以通过统计方法反映驾驶员的风格特征;最小时间车头时距THW可以反映驾驶员的安全意识。而最小主固有模态函数频率fdm的选择则基于EMD的物理意义。从理论上讲,EMD能够自适应地将复杂的驾驶信号分解为一系列固有模态函数,每个函数代表一个特定时间尺度上的振荡模式。频率最高的模式对应的是快速变化,表现为驾驶员的即时调整,比如细微的踏板动作。相反,频率最低的模式则对应最为持续的振荡,反映了驾驶员的宏观行为倾向或习惯性节奏,比如一致的跟车模式。从根本上讲,由于个人的驾驶风格反映了其决策的内在基础,因此它表现为稳定的、低频的成分,而非在特定情境下的高频变化。最小主导IMF频率fdm通过提取主导频率来直接量化这种稳定的周期性。相反,在驾驶意图预测模块中,最大主导IMF频率fsm被保留下来以捕捉瞬态趋势,而平均频率则因其在表示多尺度信息时的模糊性而被忽略。至于其他潜在特征,抖动和刹车踏板信号作为即时控制输入,其对车辆纵向运动特性的影响最为显著且稳定。我们选择的Va和Vs特征则更直观地反映了在驾驶员控制下的车辆运动状态。至于转向角,由于我们的主要关注点在于车辆的纵向驾驶意图,因此为简化研究而省略了这一特征。具体而言,考虑到实时应用对计算能力的要求较低,我们选择SVM作为驾驶风格识别的分类模型,相关内容详见方程式(13)、(14)、(15),并在3.2.3节中有详细说明。如3.2.2节所述,我们选择K-means算法(Chen等人,2023年;Leksakul等人,2017年;Tang等人,2023年)作为聚类算法,并按照方程式(16)、(17)、(18)的方式为每个数据序列D(id)标注标签。最终,通过采用K-means-SVM方法,我们成功训练出了驾驶风格识别器,并实现了在线应用。
(13) minω,b,ξ1/2‖ω‖2+Γ∑i=1nξi
(14) yi(ω·xi+b)≥1?ξi,ξi≥0
(15) ds=SVM(Va⊕Vs⊕THWmin⊕fdm)
(16) c1=random{p1,p2...pn}
(17) Distance(pi)=minc∈C‖pi?c‖2
(18) P(pi)=Distance(pi)2∑pj∈PDistance(pj)2
其中c1是最初随机选取的质心聚类点,pi是特征空间中的某个点,C是已选取的质心集合,‖pi?c‖表示点pi与质心c之间的欧几里得距离,P(pi)是点pi在下一轮中被选为聚类质心的概率,P是特征空间中所有点的集合,w是超平面的法向量,‖w‖是法向量w的范数,b是偏置项,表示超平面与原点的距离,ξi是用于允许部分点被误分类的松弛变量,Γ是用于平衡最大化边界值与最小化分类误差之间关系的正则化参数,xi是第i个样本的特征向量,yi是第i个样本的类别标签。
驾驶意图预测:第四,构建了驾驶意图预测子系统,该系统包括分类、特征提取、特征融合和预测四个环节。我们首先确定并分类驾驶意图,然后再选择特征。此处选择了五个特征作为预测模型的输入,原因如下:速度轨迹可用于反映车辆当前及过去的运动状态;驾驶风格能够体现驾驶员行为的整体趋势;而最大主导IMF频率fsm作为高频成分,能够通过揭示车辆状态量中的细微调整来捕捉驾驶员的瞬时操作变化,从而有效提取出驾驶员的动态特性;THW和交通密度则能反映即时的环境状况,直接影响驾驶员的风险感知和纵向决策,例如,较低的THW意味着发生追尾事故的风险较高,会促使驾驶员减速,而较高的交通密度则会增加车辆间的相互作用复杂度,导致驾驶员更频繁地调整车速。至于其他潜在的环境变量,速度差和相对加速度确实也有意义。不过,在车辆动力学领域,时间到碰撞距离(TTC)和THW已被广泛用于量化车辆与周围车辆的相互作用(Zhaoxia等人,2024年)。这些指标将相对速度、距离等其他参数整合到一个统一的时间框架中,提升了模型的稳定性。然而,当本车与目标车辆的速度相近时,TTC会出现数值趋于无穷大的情况,从而影响模型的稳定性。此外,交通流密度在实时应用中也缺乏足够的时间响应能力。因此,我们采用了基于周边环境的局部交通密度,以确保在动态环境中的计算效率和时间一致性。需要注意的是,驾驶风格和fsm并非时间序列数据,因此需要解决时间序列与非时间序列数据融合的问题。为此,如方程式(19)所示,我们提出了AMFPNet,这是一种采用分层特征重新校准的可训练网络。最后,为了充分利用历史数据和预测数据,我们采用了滚动预测方法,将单步预测转化为多步预测,从而解决了系统在长期预测方面的局限性。
(19) F=(μ·MLP(ds⊕fsm))⊕(ν·BiGRU(Vx⊕THW⊕Tdensity))
其中MLP(·)是多层感知器,ds为驾驶风格,fsm为最大主导IMF频率,Vx是x方向上的速度序列,THW是通过方程式(21)计算得出的时间车头时距,Tdensity为交通密度。符号⊕表示特征组合,F则为融合后的特征。
综上所述,通过EMD-FFT方法可以获得反映驾驶员特征的频域特征,进而有效提升驾驶风格识别的准确性。此外,借助AMFPNet,还可以将驾驶风格和fsm与车辆及环境相关的时间序列数据相结合,从而实现驾驶意图的滚动预测。综合以上两点,所提出的混合式纵向驾驶意图预测系统不仅具备高精度,还能实现实时驾驶意图预测。
3.2 驾驶风格识别
3.2.1 驾驶风格特征及结合EMD-FFT的提取方法
正如本文前面所分析的,驾驶风格受到人为因素和环境因素的影响,其中人为因素可体现在车辆的历史运动状态中,包括方向盘角度、油门踏板位置、节气门开度、速度以及加速度等(Alkinani等人,2020年;Deng等人,2019年;Elander等人,1993年;Martinussen等人,2013年)。基于这一认识,为准确识别驾驶风格,我们设计了一套混合特征集,该特征集将上述统计特征与通过EMD-FFT方法提取的新型频域特征相结合。如表1所示,我们选择了四个特征作为聚类和识别算法的输入。其中一些选择理由已在3.1节中阐述。这些特征的计算方法如下:
表1 所选的驾驶风格特征
| 输入特征 | 描述 |
|----------|------|
| Va | 平均速度 |
| Vs | 速度的标准差 |
| THWmin | 最小时间车头时距 |
| fdm | 最小主导IMF频率 |
首先,为区分不同的驾驶员,我们按照方程式(20)将之前提到的D(id)进行分解。
(20) D(id)=[Vx(id), THW(id), Dv(id)]
接下来,对于平均速度和速度标准差,通过平均值和标准差等统计运算得到这两个特征,具体见方程式(21)和(22)。
(21) Va(id)=∑i=1kVx,id(i)/k
(22) Vs(id)=∑i=1k[(Vx,id(i)?Va(id))2]/(k?1)
其中Vx,id(i)是由id标识的车辆的速度序列,k为Vx,id(i)的长度。
然后,对于最小时间车头时距,方程式(23)和(24)详细说明了计算方法。最小THW是指某辆车的时间车头时距序列中的最小值。
(23) THW=dis/vself
(24) THWmin=minimum[∑i=1kTHW(i)]
其中dis为自身车辆与前车之间的相对距离,vself为自身车辆的速度,k为时间车头时距序列的长度。
最后,对于最小主导IMF频率,需先运用EMD方法对Vx序列进行分解,从而得到多个IMF。随后再对每个IMF应用FFT时频分析方法,找出每个IMF的主导频率。通过比较各IMF的主导频率,即可得到最小主导IMF频率。需要指出的是,虽然得到的最小主导IMF频率是一个标量值,但它并非简单的简化结果。通过EMD得到的IMF反映了驾驶员行为在不同时间尺度上的振荡特性。这一步骤揭示了驾驶行为的时间结构,而后续的FFT分析以及从这些IMF中选取最小主导频率,则有助于有针对性地提取出物理意义上的信息。具体而言,这一过程能够捕捉到驾驶员控制行为中的基本、惯常节奏,自动过滤掉高频的瞬态信号,从而为识别驾驶风格提供可解释的特征。
在“提取极值”步骤的基础上,我们还增加了基于物理约束的极值筛选步骤,以消除高频噪声导致的模态混叠现象。具体来说,在每一轮处理中,首先会识别出当前信号的所有局部极值。在构建上下包络线之前,会依据驾驶员的感知时间限制(200毫秒)来检查相邻的极值(Dro?dziel等人,2020年)。如果任意一对相邻极值之间的时间间隔小于这一阈值,则被视为噪声。在这些噪声极值中,绝对幅度较小的那个会被舍弃,只有剩余的极值才会被用于包络线的插值计算。
为减轻EMD分解过程中的边界效应,会在对信号进行分解之前对其应用镜像扩展处理。具体而言,会在距离左端第一个极值和右端第一个极值的位置分别设置两个镜像平面,然后将这两个镜像平面之间的区域向外镜像反射,从而生成一个长度为原始序列两倍的周期序列。这种常用的预处理技术可以有效减少边界处的不连续性,进而抑制IMF在边缘区域的失真现象(Zhang等人,2020年)。分解完成后,会舍弃那些扩展出来的部分,仅保留与原始信号范围对应的IMF,以便后续分析。
EMD算法的流程可概括如下:
EMD算法
输入:原始速度信号X(t)
输出:内在模态函数IMFk(t)及残差信号Res(t)
1. 初始化:r0(t) ← X(t),k ← 1
2. 主循环(提取所有IMF):当rk?1(t)不是单调变化或恒定时,执行以下操作:
a. 步骤1:提取极值:hi(t) ← filter(h?i(t)),P1 ← FindLocalMaxima(hi(t)),P2 ← FindLocalMinima(hi(t))
b. 步骤2:构建包络线:U(t) ← CubicSpline(P1, hi(t)),L(t) ← CubicSpline(P2, hi(t))
c. 步骤3:计算平均包络线:Mi(t) ← U(t)+L(t)/2
d. 步骤4:更新中间信号:hi+1(t) ← hi(t)?Mi(t)
e. 步骤5:验证IMF条件
条件1:整个时间序列中极值的数量与零交叉点的数量必须相等,或者相差不超过1,即|Nextrema?Nzero?crossings|≤1
条件2:在任何时刻,U(t)和L(t)的平均值必须为零,这意味着上下包络线相对于时间轴是局部对称的,即?t,U(t)+L(t)/2≈0
如果满足这两个条件,则IMFk(t) ← hi(t),rk(t) ← rk?1(t)?IMFk(t),k ← k+1;否则继续迭代
3. 结束:当rk(t)变为单调变化或恒定值时,将最终的残差信号设置为Res(t)
4. 信号重构:X(t)=∑k=1nIMFk(t)+Res(t)
辅助函数:
FindLocalMaxima/Minima:通过邻域比较检测局部极值。
CubicSpline:基于极值值,利用三次样条插值法生成包络线。
驾驶风格特征提取的EMD分解结果如图2所示。
下载:下载高分辨率图像(666KB)
下载:下载全尺寸图像
图2 EMD分解示例:通过EMD分解,可以从速度信号中提取出IMF及残差分量。上图所示为经过分解后的IMF的频谱,它是通过FFT方法得到的。相关公式为方程式(25)。
(25) X(k)=∑n=0N?1x(n)e?j2πkn/N
其中x(n)是时域中IMF的信号,N为FFT离散点的数量,X(k)则是频域中IMF的信号。接着,可以通过方程式(26)找到X(k)中幅值最大的频率,也就是每个IMF的主导频率。
(26) ∠|X(k)|=argmax|X(k)|;fmain=Freq(∠|X(k)|)
其中|X(k)|表示最大的幅值,∠|X(k)|表示幅值达到最大值时的频率,fmain为IMF的主导频率,函数argmax(·)用于获取信号的最大值,函数Freq(·)则用于获取信号最大值对应的频率。
3.2.2 驾驶风格聚类算法
在本文中,我们采用数据驱动的方法来进行驾驶风格识别。不过,这些类别标签并非预先设定好的。为训练驾驶风格识别模型,首先需要通过无监督聚类方式为每个驾驶风格数据点赋予标签。之后,再利用这些预定义的类别来训练风格识别模型。在离线聚类阶段,我们选择了K-means算法,因为它计算成本较低,且在低维空间中表现稳定,非常适合用于处理大规模数据,从而建立可靠的驾驶风格聚类体系。相关的实验验证结果见4.2.1节。
与以往的研究类似,驾驶风格也被分为三类,如表2所示。
表2 所定义的驾驶风格类别
| 驾驶风格 | 标签 |
|----------|------|
| 冲动型 | 0 |
| 谨慎型 | 1 |
| 平衡型 | 2 |
3.2.3 驾驶风格识别模型
在通过聚类获得带有标签的数据后,就需要使用合适的模型来识别具体的驾驶风格。SVM本质上是通过超平面将特征空间划分开,因此只需比较特征点与超平面之间的相对位置,就能确定相应的驾驶风格类别。SVM并不适合处理大规模数据,在解决多分类问题时也存在挑战。不过,如前文所述,此处输入的特征空间维度仅为四维,且数据量不大,属于三分类问题。因此我们选择SVM用于驾驶风格识别。此外,为解决潜在的类别不平衡问题,在SVM训练过程中采用了成本敏感学习策略(Iranmehr等人,2019年)。通过为少数类赋予更高的误分类成本,模型在处理这些类的错误时会受到更大惩罚,从而有效平衡其学习重点。通过用SVM对标注数据进行训练,即可得到驾驶风格识别器。实验验证结果见4.2.2节,结果表明在所有识别模型中SVM的效率最高且实现最为简单。
3.3 纵向驾驶意图预测
3.3.1 驾驶意图的类别
为了预测纵向驾驶意图,首先需要明确纵向驾驶意图的类别。众所周知,不同的加速度或减速度水平会影响车辆在不同场景下的表现。因此本文将纵向驾驶意图分为五类,如表3所示,其合理性也得到了谢等人关于车辆能量管理策略研究的证实(谢等人,2020年)。
表3 我们定义的纵向驾驶意图类别
标签 描述
0 迅速减速
1 减速
2 巡航
3 加速
4 迅速加速
3.3.2 驾驶意图特征及其提取
正如本文前文所分析的,纵向驾驶意图受人类、车辆和环境三大因素影响。因此,为准确预测驾驶意图,必须从车辆运行数据中提取最能代表这三类因素的特征。如3.1节所述及表4所示,我们选择了五个特征作为预测模型的输入。
表4 选定的纵向驾驶意图特征
输入特征 描述
Vx x方向上的车辆速度轨迹
THW 前车时间距离
Tdensity 交通密度
ds 驾驶风格
fsm 最大主导IMF频率
其中,THW可通过上述公式(22)计算,其余特征的计算方法如下:
首先对于x方向的车辆速度,以道路为x轴,垂直于道路的方向为y轴,规定每辆车的速度为正值,且行驶方向沿x轴。我们提取车辆在每个时刻的绝对速度在x方向的投影,进而可得到x方向的速度轨迹Vx,如公式(27)所示。
(27) V={V1,V2...Vn}; Vxi=|Vi|cosθ
其中V为某辆车的速度轨迹,n为该车辆速度轨迹的时间帧数,Vi为第i个时间帧的速度,θ为速度方向与道路方向之间的夹角,Vxi为第i个时间帧在x方向的速度。
接下来,为预测驾驶意图而需要的交通密度Tdensity,需要获取周围车辆的位置数据。这些数据可通过环境感知系统获得。本文中,提取同一时间帧内所有车辆的位置坐标,以确定它们之间的相对位置。之后设定阈值,以本车为坐标原点将区域划分为八个部分,根据这八个区域内车辆的分布情况计算交通密度。此处会根据阈值单独设置标志G,该阈值可由相对距离和THW来确定,具体表达式为公式(28)、(29)、(30)。
(28) Gb=(dis< />dism)∨(THW>THWm)
其中dis为相对距离,dism和THWm为阈值,Gb为后方车辆标志,Glb为左后方标志,Grb为右后方标志,Ga为前方车辆标志,Gla为左前方标志,Gra为右前方标志,Glp为左侧平行车辆标志,Grp为右侧平行车辆标志。需要注意的是,这些阈值可根据特定驾驶场景的实证数据来确定。例如在高速公路上,dism可设为100米,THWm可设为5秒。
随后可根据公式(31)计算交通密度Tdensity:
(31) Tdensity=Glb+Grb+Gb+Glp+Grp+Gla+Gra+Ga/8
需注意,如3.1节所述,为确保能够实时预测纵向驾驶意图,我们的预测模型采用了滚动预测方法。因此上述三个特征都需要是时间序列形式。对于车辆相关因素和环境相关因素,可通过滑动时间窗来实现时间化处理。所以我们按照时间窗长度L对Vx、THW和Tdensity进行滚动切片,如公式(32)所示。
(32) Slice(Vx(id))=[Vid=n(1),Vid=n(2)...Vid=n(m)]; Slice(TTC(id))=[TTCid=n(1),TTCid=n(2)...TTCid=n(m)]; Slice(Tdensity(id))=[Tid=n(1),Tid=n(2)...Tid=n(m)]
其中Vx(id)、TTC(id)和Tdensity(id)为公式(1)中D(id)所包含的特征,n和m也在公式(4)中有提及,Slice(·)是基于滑动时间窗的滚动数据分割方法。
最后,如3.1节所述,可通过上述公式(15)利用所提到的驾驶风格识别器从这些时间序列中提取驾驶风格ds;同时通过基于EMD-FFT的方法,依据公式(12)从这些时间序列中得到最大主导IMF频率fsm。与3.2.1节中提到的选择最小主导IMF频率不同,用于意图预测时选择最大主导IMF频率的逻辑一致,这类高频瞬态成分能够反映即时的反应。通过过滤掉那些对应于短于驾驶员感知时间极限的波动值并将其视为噪声,可以减轻模式混叠现象。
图3详细展示了将驾驶风格纳入纵向驾驶意图预测的流程,该流程采用离线训练与在线预测的模式。整个工作流程逻辑上分为两个阶段。
下载:下载高分辨率图片(997KB)
下载:下载全尺寸图片
图3 将动态驾驶风格识别纳入纵向驾驶意图预测的结构
离线训练阶段:首先使用分块后的历史数据集训练通用的驾驶风格识别模型(SVM)。该过程包括从分割后的数据中提取混合特征集,通过聚类生成驾驶风格标签,最终确定分类器的超参数。训练完成的预训练模型会被保存下来以供后续使用。
在线预测阶段:随后加载预训练好的识别模型,提取时间窗长度L内的驾驶风格识别特征。将这些特征输入识别模型,即可得到该时间窗口内的驾驶风格。这种设计采用静态的预训练识别器,能够确保推理的稳定性和可靠性,这很合适,因为驾驶风格通常不会出现高频变化。目前该预训练识别器的实现不支持在预测循环中进行增量式在线更新。这种方式避免了灾难性遗忘,保证了驾驶风格识别的稳定性。最后,我们将非时间序列特征ds和fsm与时间序列特征一起输入到提出的AMFPNet模型中,以此进行驾驶意图的预测。
3.3.3 AMFPNet:纵向驾驶意图预测网络
如1节所述,现有几乎所有针对纵向驾驶意图预测的研究都要求以时间序列数据作为输入。但我们发现,一些非时间序列数据,比如驾驶风格,也会对预测产生显著影响。虽然自回归移动平均模型(ARMA)、指数平滑模型(ES)、随机森林模型(RF)以及循环神经网络模型(RNN)等多种算法常被用于时间序列预测,但这些基础算法无法处理非时间序列数据,因此难以将人类因素纳入考虑。
因此我们提出了一种名为AMFPNet的新模型,其架构是基于模态特定编码原理并结合自适应跨模态校准机制构建的。该模型分别使用双向门控循环单元层(Bi-GRU)和多层感知机层(MLP)来处理时间序列数据和非时间序列数据,同时还设计了特征融合层(FF)来自适应整合这两种特征,从而提升其在预测纵向驾驶意图方面的性能。AMFPNet用于纵向驾驶意图识别的架构如图3所示。
模态特定编码分支:该网络采用了两个独立的分支,这一设计是基于其输入特征不同的时间粒度与表示形式而制定的。这种专门的架构确保每种类型的信息都能由最适合其内在结构的网络组件进行处理。Bi-GRU分支用于建模高分辨率的连续时间序列,而MLP分支则用于编码低分辨率的状态描述符。
Bi-GRU层:在实际驾驶过程中,驾驶员的意图会从先前的状态逐步发展到后续状态,且每个后续状态都会受到先前状态的影响。因此,为从时间序列中实现意图识别,并满足时间序列的双向依赖特性,我们在AMFPNet的时间序列处理分支中采用了Bi-GRU作为核心网络。它由正向GRU单元和反向GRU单元组成。与RNN相比,GRU在捕捉长期依赖关系方面更为高效,更适合对时间序列数据中的长期记忆进行建模和预测。而Bi-GRU架构通过在正向和反向方向上都堆叠GRU神经元,能够有效捕捉时间序列中的这种双向依赖关系。
MLP层:ds和fsm属于非时间序列数据。虽然它们会随着每个滑动时间窗的更新而发生变化,但能为该时间窗口提供稳定的状态描述符。为从这些特征中提取有用信息以提升纵向驾驶意图预测的精度,我们额外增加了MLP分支。这是因为前馈神经网络能够近似任意复杂的非线性函数,从而可以将静态特征转换为与时间序列分支输出维度相匹配的高维表示形式。这种设计有效降低了与维度转换相关的信息损失,同时提升了计算效率。
自适应门控机制:如果简单地将Bi-GRU和MLP的输出直接拼接,就会忽略二者在表示方式上的本质差异。为解决这一问题,我们提出了FF层,它作为一种自适应校准门,能够动态调整每种模态的贡献程度,同时保留有用的信息。该机制的主要作用是通过更有效地融合不同特征,从而提升预测性能。
FF层:我们使用Bi-GRU来捕捉时间序列特征,用MLP来捕捉非时间序列特征。为有效利用这两种不同类型的特征,我们在FF层中设计了自适应门控结构,该结构由图4所示的两个分支构成。需要注意的是,这两个分支都是带有ReLU-Sigmoid激活函数的完全连接层,能够生成动态权重——时间序列特征的权重为weight1,非时间序列特征的权重为weight2。这里首先设计FC-ReLU层,目的是提升网络的非线性表达能力。通过使用ReLU激活函数过滤掉负值,可以防止后续层接收到过强的负向输入,避免导致门控完全关闭。随后设计FC-Sigmoid层,其作用是提供平滑且可微分的映射功能,将ReLU的输出转换为门控权重,这些权重决定了有多少比例的信息可以通过。借助Sigmoid函数的特性,我们可以轻松地将门控权重限制在0.5到1之间,从而避免过度抑制任何一种特征模态。这个下限确保了在特征融合过程中,时间序列特征和非时间序列特征都能保持活跃状态,迫使网络学习有意义的权重调整策略,而非简单地丢弃整个特征流。在实际应用中,这种设计能够促使模型放大信息量更丰富的特征模态,同时减弱但不会完全消除信息量较少的特征模态,从而实现更稳定、更均衡的特征融合。因此,通过结合ReLU的非负激活特性和Sigmoid的平滑激活特性,该网络能够根据特征的强度在有限范围内动态调整门控权重。
下载:下载高分辨率图片(747KB)
下载:下载全尺寸图片
图4 所提出的AMFPNet的架构
具体流程如下:首先将两种类型的特征拼接起来,然后让它们分别经过两个分支的处理,从而生成两个特征权重weight1和weight2。接着将这些特征分别与对应的权重相乘,再次拼接。通过这些步骤,AMFPNet能够自适应地调整时间序列特征和非时间序列特征的重要性,进而实现更精准的特征融合。具体而言,其处理过程可用方程式((33)、(34)、(35))表示:(33)Wts=FRFSts(Fts⊕Fnts)(34)Wnts=FRFSnts(Fts⊕Fnts)(35)Ffusion=(Wts?Fts)⊕(Wnts?Fnts),其中Wts是时间序列特征的权重,Wnts是非时间序列特征的权重,Fts为时间序列特征,Fnts为非时间序列特征,Ffusion则是输入到分类器中的融合特征。FRFSts(·)和FRFSnts(·)代表FC-ReLU-FC-Sigmoid结构,用于分别计算Fts和Fnts的权重,符号⊕表示特征串联操作,符号?则表示向量乘法操作。
基于AMFPNet的纵向驾驶意图预测:根据3.3.2节中描述的数据预处理方法,我们将时间序列特征和非时间序列特征同时输入到AMFPNet中。首先,时间序列特征由所提到的Bi-GRU提取,而非时间序列特征则由所提到的MLP提取。接着,时间序列特征会先经过LayerNorm处理,最终时间步的输出则通过切片步骤选取出来。这样一来,这两种特征就可以沿着特征轴进行串联,且由于具有相同的批量大小,无需进行广播操作。而非时间序列特征则直接输入到BatchNorm中。这种混合归一化策略是合理的,因为LayerNorm按时间步逐一处理,有助于保留序列表示中的时间动态特性(Ba等人,2016),而BatchNorm则能对批次维度上的静态数据分布进行标准化,从而提升收敛稳定性(Ioffe,2015)。随后,通过FF层处理这些特征,我们就能得到一种包含时间序列特征与非时间序列特征信息的自适应混合特征。最后,借助由三个FC层构成的分类头,我们便能够准确预测出最终的纵向驾驶意图。
3.3.4 端到端工作流程
图5展示了所提出的驾驶意图预测系统的端到端工作流程,该系统专为实时推理设计。流程始于对输入的驾驶数据进行预处理,此时会应用平滑滤波器以降低噪声。处理后的数据会通过长度为L的滑动窗口进行分割,从而生成用于特征提取的时间窗口。下载:下载高分辨率图像(729KB)下载:下载全尺寸图像图5. 所提出的驾驶意图预测系统的端到端工作流程。在完成窗口划分后,会并行执行两条特征提取路径。在第一条路径中,会从每个时间窗口中提取统计特征,并运用EMD-FFT方法生成频域表征,这些特征会被输入到预训练的SVM分类器中,用以识别当前时间窗口对应的驾驶风格。与此同时,为了为后续的预测模型提供连续输入,第二条路径则会从同一时间窗口中提取时间序列特征,包括速度、车头时距以及密度序列等数据。最后,预测得到的驾驶风格、时间序列特征以及最大主导频率会被整合在一起,作为输入送入预训练好的AMFPNet模型中,该模型便会输出预测的驾驶意图。整个工作流程仅用于正向推理,不涉及在线训练或参数更新,因此能够确保在实时应用中的低延迟与高稳定性。
4. 实验与分析
在本节中,我们首先介绍所选数据集及其选择依据。为评估该方法的有效性,我们首先验证了所采用的聚类算法和识别算法;随后,我们评估了所提出的AMFPNet的性能,并与基准方法进行了全面对比;最后,我们通过消融实验来验证环境因素、人为因素以及网络结构的影响。
4.1 实验数据
在本文中,我们使用了高D数据集(Krajewski等人,2018),这是一个真实世界的数据集。其中的车辆数据采集于2017年和2018年,共包含60段记录,每段平均时长为17分钟,总时长达16.5小时,覆盖的道路段长度约为420米。该道路段的示意图见图6(a)。为获取关于车辆数量、类型以及行驶场景的全面信息,还使用了无人机从上方视角采集数据。数据以视频流的形式存储,帧率为0.1秒/帧。经过视频处理后,可获取坐标等信息。考虑到真实交通场景的复杂性,数据中还包含了汽车和卡车等多种交通工具的行驶信息。图6(b)展示了该数据集中车辆的速度分布情况,其范围涵盖了日常驾驶速度的主要区间,从而体现了该数据集的实际应用价值。下载:下载高分辨率图像(330KB)下载:下载全尺寸图像图6. 高D数据集(Krajewski等人,2018)中的样本场景及数据分布:(a) 科隆高速公路示意图。(b) 速度分布。尤其值得注意的是,该数据集包含了同一时间帧内不同车辆的速度、加速度以及坐标信息。因此,除了本车信息外,还可以计算出不同车辆之间的交互信息,这为本文中的测试验证提供了依据。数据采集过程中难免会受到噪声影响,速度或加速度出现突变并不现实。为此,我们采用了Rauch-Tung-Striebel(RTS)平滑处理方法(Krajewski等人,2018)。此外,该数据集还包含与道路平行的x方向数据以及垂直于道路的y方向数据。因此,在研究纵向驾驶意图时,我们更关注自由驾驶场景和车辆跟车场景。为此,我们剔除了变道相关数据,同时也去掉了y方向上的速度和加速度数据。
4.2 驾驶风格聚类与识别算法验证
4.2.1 聚类算法验证
许多关于驾驶风格的研究都人为地预设了几类标签。例如,Li等人将驾驶风格分为3类(Liu等人,2024)。然而,实际场景中的驾驶风格类别数量不应仅凭经验确定,而应通过实验来确定。因此,在聚类实验中,我们将标签的类别数量视为一个未知变量。聚类效果的评估可分为内部验证和外部验证两种,但由于缺乏预先标记的数据,无法进行外部验证,因此本文采用内部验证。根据de Zepeda等人的研究(2021),给出了聚类的评估指标,包括轮廓系数(SC)和Davies-Bouldin得分(DBI)。基于这两个指标,我们分析了当簇数k从2变化到9时的SC和DBI数值。综合考虑传统聚类算法与最先进聚类算法的特点,我们共比较了四种聚类算法,以确保评估的全面性:K均值算法(Lu等人,2023)、谱聚类算法(Pan等人,2023)、带噪声的密度空间聚类算法(DBSCAN)(Chen等人,2024)以及自编码器算法(Mo等人,2025)。相关结果见图7。下载:下载高分辨率图像(523KB)下载:下载全尺寸图像图7. K均值算法与谱聚类算法的聚类内部验证指标对比:(a) K均值算法的结果,(b) 谱聚类算法的结果,(c) DBSCAN算法的结果,(d) 自编码器算法的结果。在图7中,蓝色曲线为DBI得分曲线,橙色曲线为SC得分曲线。DBI用于衡量不同簇之间的分离程度,数值越接近0说明聚类效果越好。而SC则用于衡量各个样本与其所属簇的紧密程度,数值越接近1则表明聚类质量越高。由于驾驶风格聚类注重不同行为模式之间的区分,因此DBI所反映的簇间分离能力对于这项任务更为重要。从结果可以看出:(1)对于谱聚类算法,当k值为2时可获得最佳效果。不过该算法对初始参数k的变化较为敏感,因为这一参数决定了图拉普拉斯矩阵的谱分解方式。若k值选择不当,会导致嵌入空间中的流形出现扭曲,因此当k值超过8时,会出现性能明显下降且轮廓系数为负值的情况。(2)对于DBSCAN算法,最优的k值为3。但当面对密度差异较大的簇时,其效果会下降。由于个体驾驶风格的多样性,驾驶行为数据往往存在此类固有的密度差异,因此DBSCAN在这几类算法中的表现始终最差。(3)对于自编码器算法,当k值为2时性能达到最佳。众所周知,该算法的性能依赖于大量数据以及高精度的重建能力。由于本研究中的数据集规模有限,其性能受限,未能超越K均值算法的表现。(4)相比之下,尤其是采用K-means++初始化方式的K均值算法,表现出极强的稳定性,被证明是最适合这项任务的算法。它在识别簇方面的高效性以及在中等维度数据下的稳健性,都与驾驶风格数据的特征十分契合。对于K均值算法而言,最优的k值为3,这一数值与我们在此类高速公路场景中的观测结果一致。通过聚类得到的标签以及每种驾驶风格类别的特征平均值见表5。这三个簇分别与表2中预定义的类别相对应:标签为0的驾驶员(冲动型)具有最高的平均速度、最大的速度波动、最高的最低主导IMF频率以及最小的THW值;标签为1的驾驶员(谨慎型)在这些动态指标上呈现相反的趋势,数值最低,不过THW值除外;而标签为2的驾驶员(均衡型)的特征值则介于前两组之间。这一规律表明,平均速度更高、速度波动更大、最低主导频率更高且THW值更小的驾驶员更具冲动性,这与常识相符。表5. 各驾驶风格类别的特征平均值。标签Va(m/s)Vsfdm(Hz)THWmin(s)038.8930.7620.1541.474124.1500.4180.0452.040231.9010.6980.1351.572此外,我们还从这三个簇中选取了具有代表性的驾驶周期进行进一步分析,绘制了它们的速度曲线和加速度曲线。这些驾驶周期信号首先通过EMD方法进行分解,再利用FFT方法提取主导频率。如图8所示,(a)为冲动型驾驶周期的典型示例,(b)为谨慎型驾驶周期的典型示例,(c)为均衡型驾驶周期的典型示例。可以发现,冲动型驾驶周期的加速度曲线波动比其他两类更为明显。此外,通过EMD分解得到的最低主导IMF频率为0.144赫兹,这也是三种典型驾驶周期中的最高值。这一结果与我们之前关于IMF的理论分析相吻合。下载:下载高分辨率图像(823KB)下载:下载全尺寸图像图8. 不同类别下的车辆轨迹信号示例:(a) 冲动型。(b) 谨慎型。(c) 均衡型。
4.2.2 识别算法验证
此外,我们还以准确率和推理时间作为评估指标,全面验证SVM在驾驶风格识别方面的优势。通过验证实验,我们发现采用线性核函数且超参数C设为10的SVM模型,在准确率与推理效率之间取得了最佳平衡。具体而言,与非线性核函数(如RBF核)相比,线性核函数在计算效率方面更具优势,同时在我们所处理的三类驾驶风格识别任务中仍能保持较高的准确率。如表6所示,由于驾驶风格识别属于三类分类问题,与其它模型相比,SVM模型的准确率比排名第二的RF模型高出3.7%。而且SVM模型的推理时间比排名第二的ANN模型短约50%。这些结果表明,SVM模型既快速又准确,非常适合用于我们提出的驾驶风格识别方法。表6. 不同算法在驾驶风格识别任务中的性能对比。模型准确率(%)推理时间(毫秒)KNN93.0143936.43随机森林96.10541.76SVM99.8417.19ANN94.9232.90
4.3 驾驶意图预测系统性能
4.3.1 评估指标
为评估AMFPNet模型的有效性与稳定性,我们用准确率、精确率、召回率以及F1分数来表示其性能。这些指标分别通过方程式((36)、(37)、(38)、(39))计算得出。(36)准确率=TP+TN/(TP+TN+FP+FN)(37)精确率=TP/(TP+FP)(38)召回率=TP/(TP+FN)(39)F1分数=2×召回率/(1+召回率)+2×精确率/(1+精确率),其中TP表示正确识别的正例数量,TN表示正确识别的负例数量,FP表示被误判为正例的假正例数量,FN表示被误判为负例的假负例数量。
4.3.2 数据划分方案
为避免信息泄露并确保评估结果的可靠性,在进行任何模型训练之前,都会按照严格的基于车辆级别的划分方案对数据集进行分割。具体而言,首先将所有唯一的车辆标识符分离出来,然后随机将其划分为三个互不重叠的集合:64%用于训练,16%用于验证,20%用于测试。这样一来,来自同一辆车的所有滚动窗口样本都只属于这三个集合中的一个。这确保了同一辆车的不同时间片段不会出现在不同的数据分割中,从而避免了数据泄露的问题,保证了模型性能能够准确反映其对未知车辆的泛化能力。各数据集分割的统计情况汇总在表7中。表7. 按车辆级别划分后的数据集分割统计情况。分割类型车辆数量窗口数量总时长(小时)训练集1308120957~1008验证集32829354~245测试集41039708~3314.3.3 定量分析为了有效证明本研究提出的ANFPNet的卓越性能,有必要将传统的与先进的纵向驾驶意图预测方法进行比较。因此,我们选择了GRU(Gao等人,2023年)、MmSTCT(Zhang等人,2024a年)、CBRCNet(Tan等人,2024年)、DACS-LSTM(Shen等人,2023年)、Transformer(Vaswani等人,2017年)以及时空图卷积网络(STGCN)(Yu等人,2017年)作为对比的基准方法。为确保比较的公平性和严谨性,每个基准模型都是按照其原始架构规定的输入配置在我们的数据集上实现的。对于那些设计为处理序列输入的基准模型,我们通过广播操作将这些非时间序列数据适配,使其在时间维度上的值与时间序列的长度相匹配,从而形成额外的输入通道。此外,我们使用了相同的真实世界车辆高D数据集(Krajewski等人,2018年),并在Python 3.8环境中搭建了相同的实验环境。所有实验都在NVIDIA GTX 4070S GPU上进行,批量大小设置为64,训练轮数设置为50,优化器选择为Adam优化器(Li等人,2024b年;Xu等人,2025年),学习率设定为0.001。模型的详细超参数列在表8中。表8. 驾驶意图预测模型的超参数设置。超参数数值双GRU层数量2MLP层数量2双GRU隐藏单元数量64全连接层隐藏单元数量64批量大小64训练轮数50损失函数交叉熵损失优化器Adam学习率0.001在本节中,我们将进行全面比较分析,以评估所提出的AMFPNet模型在纵向驾驶意图预测方面的性能。评估从六个主要方面展开:时间窗口分析、多模态融合比较、整体性能比较、不同意图类别的分类效果、单个车辆的预测精度分布以及故障案例分析。这些分析不仅旨在确定最优超参数并与其他先进方法进行对比,还旨在验证我们模型的稳健性、优越性及实际应用价值。时间窗口分析:时间窗口的长度对驾驶意图预测的性能有着重大影响。因此,我们需要通过实验先确定最佳的滑动窗口。此处我们将时间窗口大小设定在5秒到35秒之间。实验结果如表9所示。可以看出,当时间窗口设为30秒时,预测精度达到了最高值93.127%。随着时间窗口大小从30秒减小,预测精度也会下降。尤其的是,在高D数据集中,像5秒、10秒这样非常短的时间窗口,预测效果很差。这是因为包括驾驶风格和最大主导IMF频率在内的非时间序列特征,需要足够的信号长度来保证稳定性与代表性。短时间窗口下的时间分辨率不足会导致这些特征的估计出现噪声或偏差,进而引入错误的输入特征,降低模型的内在性能。此外,像减速这样的意图虽然是在几秒钟内完成的,但往往会有更长的背景趋势作为前兆,比如THW的逐渐变化。然而,过大的时间窗口也可能因为数据过时而导致纵向驾驶意图预测不准确。因此,首先需要根据具体场景调整时间窗口大小。在高D数据集中,30秒的时间窗口能够在稳定估计的需求与保留近期相关历史信息之间达到最佳平衡。而且,如表10所示,由于预测在每个时间步都会生成,且推理时间仅为0.628毫秒,这种历史回溯长度并不会影响实时性,从而保证了预测的准确性与响应速度。表9. 不同时间窗口长度对纵向驾驶意图预测的影响。时间窗口长度(0.1秒)精度(%)精确度(%)召回率(%)F1分数(%)5090.63790.77090.6379.55610091.10991.3679.1099.14615091.96992.00091.9699.97220092.05892.06692.0589.03625092.12992.18992.1299.12430093.12793.13893.1279.12735092.0699.9899.2069.141表10. 不同多模态融合策略在纵向驾驶意图预测中的比较。方法精度(%)精确度(%)召回率(%)F1分数(%)时间(毫秒)跨注意力融合(Ding等人,2025年)90.90991.55190.90991.0361.521TFN融合(An等人,2025年)92.00792.13392.00792.0290.568LMFusion(Zadeh等人,2017年)91.69491.72891.6949.1660.532AMFPNet(我们的模型)93.12793.1389.1279.1270.628多模态融合比较:为了评估我们所提出的AMFPNet相较于主流多模态融合策略的效能,我们采用了三种具有代表性的架构进行了对比研究:张量融合网络(TFN)(Zadeh等人,2017年)、低秩多模态融合(LMF)(An等人,2025年)以及跨注意力融合(Ding等人,2025年)。如表10所示,AMFPNet在所有评估指标上的表现均优于所有基准模型。具体而言,它的准确率为93.127%,相比TFN平均提升了1.1%。在精确度、召回率和F1分数方面也观察到了类似的提升,这说明AMFPNet不仅能更准确地做出预测,还能保持均衡的性能。在效率方面,所有方法的响应时间都在毫秒级,适合用于实时驾驶应用。AMFPNet略高的计算开销源于其双分支门控模块,该模块能够以较低的计算成本实现特征权重的自适应调节。相比之下,主流的融合策略则采用了结构上不同的方法:TFN使用计算量较大的全量张量积,LMF采用低秩分解,可能会简化特征之间的交互,而跨注意力融合则需要序列到序列的比较,导致较高的计算需求。AMFPNet的独特之处在于它专门设计的门控特征融合层,该层直接解决了融合异步输入这一核心难题。它无需依赖复杂的跨模态乘积或对齐方式,而是学会对两个编码流进行自适应的加权求和。这种轻量级的加法式融合机制特别适合用于驾驶意图预测任务。整体性能比较:如表11所示,我们通过第4.3.1节中列出的四项指标以及推理时间,来评估AMFPNet在驾驶意图预测方面的有效性及稳健性。在各项基准模型中,DACS-LSTM由于融入了驾驶风格及周边车辆信息,取得了最高的准确率,为89.649%。通过横向比较可以看出,MmSTCT和GRU方法的准确率相当。不过,MmSTCT仍以0.3%的优势脱颖而出,显示出其在捕捉时间序列中的双向依赖关系方面的优势。相反,CBRC在相同训练轮数下的表现较差,主要是因为其时间依赖建模能力有限。它的通道注意力机制无法充分捕捉长时间序列输入中的动态变化及关键情境,因此其驾驶意图预测的准确率不如那些具有明确时间建模组件的架构(如双GRU或LSTM)。同样,STGCN方法的性能也相对较差,准确率为74.660%。这可能是由于其固定的邻接矩阵无法动态适应驾驶场景中实时的车辆互动情况。此外,由于其是一维卷积神经网络,难以捕捉重要的长期依赖关系,其时间建模能力也较为有限,这与CBRC方法类似。表11. 不同预测模型在纵向驾驶意图预测中的比较。方法准确率(%)精确度(%)召回率(%)F1分数(%)时间(毫秒)MmSTCT(Zhang等人,2024a年)88.78888.81188.78888.7550.263GRU(Gao等人,2023年)88.48688.66688.48688.4340.243CBRC(Tan等人,2024年)76.29276.68876.29276.2392.126DACS-LSTM(Shen等人,2023年)89.64989.76389.64989.6320.269Transformer(Vaswani等人,2017年)89.39889.45289.39889.4020.889STGCN(Yu等人,2017年)74.66074.59174.66074.5460.624AMFPNet(我们的模型)93.12793.1389.1279.1270.628在所有方法中,得益于专为融合不同类型特征(时间序列的车辆/环境数据与非时间序列的驾驶员特征表示)而设计的多分支结构及自适应特征调节机制,我们所提出的AMFPNet在各项准确率指标上都表现出色,相比DACS-LSTM平均提升了3.5%。相反,那些为时间序列数据设计的模型,如GRU、MmSTCT和CBRC,不太适应基于混合数据的预测任务。同时,它们的框架也没有充分考虑到人、车、环境因素。至于Transformer,虽然它能通过全局自注意力机制很好地捕捉长距离依赖关系,但驾驶意图预测主要依赖于短期的局部依赖关系。在这类场景中,过长的历史信息反而可能引入噪声。此外,Transformer的自注意力机制的计算复杂度会随着序列长度的增加而呈二次方增长,这使得它不太适合满足实时性和低延迟的要求。至于DACS-LSTM,尽管它考虑了人、车、环境因素,但它没有考虑短暂的驾驶趋势和车辆密度。而且在融合驾驶风格等状态描述符时,它是直接将它们嵌入到时间序列中的。另外,我们的AMFPNet的单步预测时间为0.629毫秒。虽然这比最快的模型GRU慢0.38毫秒,但它仍然能够满足预测纵向驾驶意图的实时性要求。分类比较:为了评估各类纵向驾驶意图的预测效果,我们通过混淆矩阵展示了实验结果,该矩阵不仅反映了整体的分类性能,还体现了不同类别分类效果的优劣。如图9所示,所提出的AMFPNet在所有其他意图预测方法中表现最为出色,不仅整体准确率最高,而且在各类别的预测准确率上也更具优势。这一优势得益于AMFPNet能够有效捕捉多尺度时间依赖关系,并实现自适应的特征学习。下载:下载高分辨率图片(895KB)下载:下载完整尺寸图片图9. 不同方法在纵向驾驶意图预测分类混淆矩阵方面的比较:(a) MmSTCT。(b) GRU。(c) CBRC。(d) Transformer。(e) DACS-LSTM。(f) AMFPNet。表3展示了图中标签对应的信息。从具体结果来看,除减速之外,AMFPNet在所有纵向意图类别上的预测准确率均超过90%。即便在预测难度较高的减速意图方面——所有模型的性能都有明显下降——AMFPNet的预测结果仍比其他基准模型更为稳定。根据AMFPNet的混淆矩阵,如图9(f)所示,大约88%被错误分类为巡航状态的减速案例实际上应为减速。出现这种现象的主要原因是“加速”、“巡航”和“减速”这三类在运动学特征上极为相似,因此彼此之间很难区分。相比之下,“快速加速”和“快速减速”虽然样本数量最少,但由于它们具有明显的运动学特征(如较大的加速度突变),所以更容易被识别。在“加速-巡航-减速”这一较难区分的类别中,“减速”类的样本数量最少,这进一步加剧了由于类别不平衡带来的学习困难。需要指出的是,诸如合成少数类过采样技术(SMOTE)之类的标准再平衡方法会在特征空间中生成不符合物理现实的合成样本,从而使本已难以区分的类别之间的运动学边界更加模糊。因此,我们采用了反映真实驾驶场景的自然类别分布。单个车辆比较:由于较高的整体准确率并不一定意味着针对单个车辆的预测精度也会提升,为了进一步体现我们方法的优越性,我们根据不同车辆的ID标签对测试数据进行了划分,并比较了不同方法下预测精度的分布情况。除了整体准确率分布外,我们还提供了每种纵向驾驶意图类型的准确率分布。图10展示了相关结果。在图10中,x轴代表预测精度区间,y轴则表示落在某一区间内的车辆所占的比例。如果某种方法的车辆在较高精度区间内的集中度更高,就说明它在针对单个车辆的预测方面表现更为出色且更为稳定。下载:下载高分辨率图片(1MB)下载:下载完整尺寸图片图10. 测试集中不同车辆在纵向驾驶意图预测精度方面的分布:(a) 整体预测精度分布。(b) 快速减速预测精度分布。(c) 减速预测精度分布。(d) 巡航预测精度分布。(e) 加速预测精度分布。(f) 快速加速预测精度分布。从图10(a)所示的整体准确率分布来看,我们的方法在近80%的车辆上实现了超过95%的纵向意图预测精度,相比最佳的基准方法,覆盖的车辆比例多了3.7%。不同车辆之间性能一致性的提升,得益于该模型能够通过自适应多模态特征学习,提取并整合诸如驾驶风格之类的具有因果意义的特征,这些特征能够反映驾驶意图。与此同时,在纵向驾驶意图预测准确率低于80%的情况下,使用我们的方法仅5%的案例出现此类情况,而其他基准方法则有大约10%的案例出现低准确率。除了整体表现优异外,我们的方法在各类纵向驾驶意图预测中也都表现出色,如图10(b)–10(f)所示。尤其是在五种纵向驾驶意图中,快速加速和快速减速的预测尤为重要,因为它们对保障驾驶安全至关重要。从图10(b)和(f)可以看出,我们的方法在80%的车辆样本中,纵向快速加速预测的准确率可超过95%,相比最佳基准方法,覆盖的车辆比例多了8%。这些结果进一步证明了我们所提方法的可靠性。
故障案例分析:为系统地诊断AMFPNet的局限性,我们基于现有的运动学数据和模型输出数据,对预测失败案例进行了分析。故障案例占所有测试样本的6.9%。被错误分类的样本在纵向速度上的标准差明显更高,为0.268,而正确分类的样本则为0.147。这表明在该模型在驾驶行为波动较大、不稳定时更容易出错。这一发现还得到了驾驶风格差异分布的支持,约有6.2%的测试样本被归类为冲动型驾驶风格,这种风格往往伴随着激烈的驾驶操作和频繁的速度变化。总体而言,尽管AMFPNet受益于EMD-FFT提取的频率特征,但在极端动态条件下,尤其是面对冲动型驾驶行为时,其预测的稳定性仍可能受到影响。
4.3.4 稳定性和敏感性分析
阈值敏感性分析:为评估用于计算交通密度(方程(28)–(30))的启发式阈值(dism和Wm)的影响,我们进行了敏感性研究。如表12所示,我们在基准配置(dism?=?100?m,THWm?=?5?s)的基础上调整阈值。结果表明,在合理的阈值范围内,整个系统的性能依然十分稳定。具体而言,使用基准阈值时,AMFPNet的峰值准确率为93.127%。当阈值调整为更严格或更宽松的设置时,预测准确率仅出现轻微波动,分别为92.578%和92.851%。值得注意的是,当阈值设置得更严格时,性能下降幅度稍大。这在高D数据集这类高速公路场景中符合物理直觉,因为过窄的检测范围无法捕捉到更为复杂的交通状况,从而降低了密度特征的预测精度。相反,过于宽松的阈值则会纳入与本车驾驶意图关联度较低的远处车辆,从而引入无用的噪声。
表12. 不同阈值下纵向驾驶意图预测的对比
阈值(dism) 阈值(THWm) 准确率(%) 精确率(%) 召回率(%) F1分数(%)
100 5 93.127 93.138 93.127 93.127
150 10 92.578 92.579 92.578 92.559
200 20 92.851 92.870 92.851 92.831
不同交通密度下的性能分析:为进一步验证我们所提方法在不同驾驶条件下的稳定性和实际应用性,我们评估了AMFPNet模型在不同交通流密度下的表现。测试集根据每公里平均车辆数被分为三类:自由流状态(<15辆/公里)、中等流量状态(15–30辆/公里)以及拥堵状态(>30辆/公里)。这些条件下的性能指标详见表13。
表13. 不同交通流密度下纵向驾驶意图预测的对比
交通流密度 准确率(%) 精确率(%) 召回率(%) F1分数(%)
自由流状态(<15辆/公里) 92.310 92.323 92.310 92.626
中等流量状态(15–30辆/公里) 92.974 93.037 92.974 92.925
拥堵状态(>30辆/公里) 93.410 93.475 93.410 93.391
值得注意的是,该模型在所有场景下都保持了较高的预测准确率,而在拥堵状态下性能还有所提升(准确率为93.410%)。这一趋势可归因于密集交通中更为丰富且确定的车辆间相互作用。在这样的场景中,交通密度、THW等环境特征,以及通过最大主导IMF频率捕捉到的驾驶员反应特性,都显得尤为重要且具有预测价值。即便在车辆间相互作用极少的自由流状态下,该模型也能保持92.310%的高准确率,这说明它的预测能力不仅依赖于环境因素,还依赖于对驾驶员驾驶风格的有效整合。
不同簇数量下的性能分析:为评估将k设为3进行驾驶风格聚类的效果及其对后续预测任务的影响,我们通过改变簇的数量从2到5进行了敏感性分析。如表14所示,当k为3时,模型性能达到最优,峰值准确率为93.127%。这一结果与4.3.1节中关于驾驶风格聚类实验的结论一致。与更高的k值相比,将k设为2会导致性能明显下降,主要是因为实验中观察到了严重的类别不平衡现象。将k值增加到3以上也会导致性能逐渐下降,这说明过度细分的驾驶风格分类可能会产生不合适的特征,进而降低预测模型的有效性。
表14. 不同簇数量下纵向驾驶意图预测的对比
k 准确率(%) 精确率(%) 召回率(%) F1分数(%)
2 92.541 92.580 92.541 92.529
3 93.127 93.138 93.127 93.127
4 92.745 92.759 92.745 92.748
5 92.675 92.684 92.675 92.638
关于K-means算法的球形聚类假设,虽然是一种简化处理,但我们的混合特征在欧几里得空间中仍具备区分性(如最小主导频率、速度标准差),并且已被广泛应用于驾驶风格识别任务中。总体而言,使用k=3时所获得的较高预测准确率证明了聚类结果的有效性,而K-means算法的计算效率则确保了该方法具备实时处理能力。
4.4 消融研究
为评估我们所提出的基于EMD-FFT的特征提取方法以及综合考虑人、车、环境因素的驾驶意图预测方法的有效性,我们在高D数据集(Krajewski等人,2018年)上进行了消融实验。遵循控制变量的原则,我们测试了环境因素、人为因素、EMD-FFT提取的频域特征以及AMFPNet的门控结构对模型性能的影响。我们采用准确率和F1分数作为评估指标,以全面衡量模型的整体性能及各类别的稳定性。总体结果汇总于表15,而每种配置下各类别的F1分数则列于表16。
表15. 基于高D数据集的所提方法消融研究结果(Krajewski等人,2018年)。“×”表示未加入相应因素,“√”表示加入了相应因素。
车辆 环境 人为 EMD-FFT AMFPNet门控 准确率(%) F1分数(%)
? ×××× 90.372 90.420
?? ××× 91.203 91.225
??? ×× 91.949 91.905
???? × 92.556 92.556
???×? 92.241 92.226
????(无限制) 92.761 92.749
????? 93.127 93.127
表16. 组件消融研究中每种配置下各类别的F1分数
组件 快速减速 F1分数(%) 减速 F1分数(%) 巡航 F1分数(%) 加速 F1分数(%) 快速加速 F1分数(%)
V 87.256 85.310 91.539 90.470 92.142
V + E 89.112 86.429 92.187 91.316 92.723
V + E + H 90.679 87.375 92.735 92.031 93.214
V + E + H + EMD 92.181 88.278 93.259 92.715 93.684
V + E + H + 门控 91.421 87.821 92.993 92.368 93.446
V + E + H + EMD + 门控(无限制) 92.626 88.548 93.415 92.918 93.823
V + E + H + EMD + 门控 93.468 89.056 93.709 93.302 94.087
从表15可以看出,由于环境因素和人为因素都有助于提升预测准确率,结合环境因素可使准确率提高约0.8%,结合人为因素则可再提升0.7%。而加入EMD-FFT提取的频域特征后,准确率还能进一步提升0.6%。在AMFPNet的门控机制中,融入EMD-FFT特征的模型相比仅依赖驾驶风格特征的模型,准确率高出0.9%。此外,AMFPNet中自适应门控结构的引入也使准确率提升了0.6%,使得模型能够达到93.127%的峰值准确率,这一提升占整个框架所带来的总提升效果的21.8%。需要说明的是,这一贡献是指在完整模型(车辆+环境+人为+EMD-FFT)基础上加入门控机制后所获得的边际提升,即从92.556%(第4行)提升到93.127%(第7行),而非仅加入门控机制而不加入EMD-FFT特征时的效果。
为证明我们将门控权重限制在[0.5, 1]范围内的设计选择是合理的,我们对其与无限制的[0, 1]门控版本进行了比较。受限门控机制可以防止任何一种特征被完全抑制,从而确保两种特征都能持续发挥作用,尽管这样会保留一些噪声特征。实验结果表明,我们的受限门控设计能带来更优的性能,使模型准确率提升0.4%。为确保统计上的稳定性和可重复性,我们对最终版本的AMFPNet模型使用了三个不同的随机种子进行了三次独立测试,得到的准确率分别为93.10%、93.13%和93.06%,平均准确率为93.10%,标准差为0.03%。而对于无限制门控版本,三次独立测试得到的准确率分别为92.62%、92.76%和92.71%,平均准确率为92.70%,标准差为0.06%。0.4%的准确率提升占到了仅考虑车辆因素的基准方法所获总提升效果的14.5%,凸显了其重要作用。再加上方差降低的事实,这一提升表明保持各种特征的作用远大于残留噪声带来的负面影响。这些结果说明,环境因素和人为因素都很重要。此外,频域特征的引入显著提升了预测准确率。我们所提出的AMFPNet在自适应融合时间序列和非时间序列信息以提升驾驶意图预测精度方面也发挥了重要作用。
为进一步分析每个组件对不同驾驶意图类别的影响,我们给出了表16中所显示的每种消融配置下各类别的F1分数。在所有配置中,减速类别的F1分数始终最低,这与混淆矩阵分析的结果一致。可以看出,随着更多组件的加入,减速类别的F1分数稳步上升,这表明所提出的每个组件都有助于提升对少数类别的识别能力。尤其相比没有门控机制的完整模型,减速类别的F1分数从88.278%提升到了89.056%,这说明自适应门控结构有助于模型更好地处理这一具有挑战性的类别。而对于包括快速减速和快速加速在内的两个与安全密切相关的类别,完整模型分别实现了93.468%和94.087%的优异F1分数。总体而言,表16中的类别分析结果印证了表15中所观察到的趋势,表明所提出的组件在提升整体预测性能的同时,并未牺牲任何单个类别的预测精度。
5. 结论与未来工作
5.1 结论
在本文中,我们提出了一种基于动态驾驶风格和环境因素的混合式纵向驾驶意图预测系统,该系统能够实现纵向驾驶意图的精准预测。首先,我们运用EMD-FFT技术提取频域特征,以实现准确的驾驶风格识别。其次,我们提出了一种全新的实时纵向驾驶意图预测方法,通过构建新的AMFPNet模型来解决特征融合问题。最后,我们在真实世界数据集上对该方法进行了验证。我们的方法取得了93.127%的准确率,相比最佳基准方法,各项准确率指标平均提升了3.5%。此外,该方法在80%的车辆样本中,纵向快速加速预测的准确率可超过95%,覆盖的车辆比例比最佳基准方法多出8%。
5.2 未来工作
尽管所提出的混合式纵向驾驶意图预测系统在准确把握车辆运动状态方面已展现出良好性能,但仍有若干工作需要开展,以便进一步提升驾驶意图预测的性能:首先,当前数据集中缺乏经过专家标注的驾驶风格标签以及详细的车辆属性信息,未来若能将这些信息纳入数据收集过程,将有助于更直接地进行验证,同时也有助于提升风格识别模块的稳定性。另外,考虑到固定长度的滑动窗口可能无法最佳地适配多种不同的驾驶场景,将其发展为能够根据场景变化的自适应策略,比如在城市驾驶中使用较短的观测窗口,在高速公路驾驶中使用较长的观测窗口,是一种可行的方法,有助于更好地捕捉不同驾驶场景下的动态变化,进而进一步提升预测性能。
CRediT作者贡献说明
石振:概念构建、研究设计、方法开发、验证分析、结果可视化、初稿撰写、审稿与编辑。杨林:资金筹集、项目管理、资源协调、监督指导、验证工作。徐安泽:数据整理、定量分析、方法研究、结果可视化。陈宇轩:概念构建、研究设计、审稿与编辑。金越:方法开发、结果可视化、初稿撰写。李静忠:方法研究、验证分析、初稿撰写。潘成刚:资金筹集、监督指导工作。孟献玲:资金筹集、监督指导工作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号