摘要：为深入理解不同驾驶员的驾驶行为特点，本文中提出了一种基于KL散度的驾驶员驾驶习性非监督聚类算法。首先，建立了驾驶员驾驶数据实车道路试验采集平台，对84位驾驶员进行了测试；接着，将每名驾驶员的驾驶数据视为一个高斯混合模型（GMM），采取EM算法对其进行参数估计；最后，通过蒙特卡洛算法对各GMM之间的KL散度进行估计，从而获得不同驾驶员差异性的定量描述，将驾驶员聚为不同习性类别。对聚类后各类驾驶员的驾驶数据的统计分析表明，所提出的非监督聚类算法能有效实现不同驾驶习性驾驶员的聚类。
分类：期刊> 自然科学与工程技术> 工程科技II> 汽车工业
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > JST 日本科学技术振兴机构数据库(日) > 哥白尼索引(波兰) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：驾驶习性 聚类 kl散度 高斯混合模型 蒙特卡洛算法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
