基于改进群智能K-means优化算法的侵犯性驾驶行为异常点检测

摘要

如何有效地检测侵犯性驾驶行为异常数据,避免它们对后续建模分析产生不利影响是研究的焦点.在综述侵犯性驾驶行为研究现状基础上,借助驾驶模拟仿真实验系统和ErgoLAB人因系统进行侵犯性驾驶实验;并通过不同传感器获取了驾驶行为人车环境高维数据,最后采用优化的K-means聚类算法对该高维数据进行聚类和异常值检测.结果表明,最佳聚类数为2;并有效输出了异常点检测结果,为下一步的侵犯性驾驶行为定量分析提供了优质的数据保证.