基于认知型行为分析的驾驶规则抽取

摘要

为了充分利用驾驶员在道路交通信息感知、交互和车辆控制过程中的长期驾驶经验,提出了一种基于ANNI及其集成的驾驶行为规则抽取算法。首先,基于认知学习理论,建立认知型驾驶行为模型,并进行描述和分析。然后,基于ANNI的模型和规则抽取算法(ANNI-REA)来解释驾驶行为及离散性。在不离散连续输入变量的情况下,规则具有较高的保真度和安全性。UCI标准数据集和自建驾驶行为数据集上的实验结果表明,该方法比常见的C4.5-REA、神经规则和REFNE方法准确度提高了约0.4%,简化了约10%。进一步地,仿真实验验证了所提取的驾驶规则的正确性和基于认知驾驶行为规则提取的有效性。总的来说,抽取的多条驾驶规则充分体现了驾驶综合认知序列活动的执行机制,这对于车联网下混合交通流的交通以及未来无人驾驶的研究具有重要意义。