مقاله تیپ‌سازی مدل‌های درایور با استفاده از روش‌های خوشه‌بندی

چکیده

The rapid development of automated driving systems in recent years has led to improvements in road safety and travel comfort. One typical function of these systems is Lane Keep Assist, which generally does not take human driving preferences into account. In our previous work, we have demonstrated that it is possible to implement a Lane Keep Assist function that is appropriate to human preferences using a trajectory planning algorithm based on a linear driving model. In our current work, we investigated how to separate the driving styles of individual drivers. We assumed that there are three driving styles: sporty, neutral and defensive. To prove these relations, clustering methods were applied to previously recorded measurements . Simulations with parameters describing the average behaviour of the classes (re-simulated with clustered types) showed that the resulting paths successfully classified drivers, that the 3 classes are distinct in their behaviour and that our model reproduces these behaviours.

چکیده به فارسی (ترجمه ماشینی)

توسعه سریع سیستم های رانندگی خودکار در سالهای اخیر منجر به بهبود ایمنی در جاده ها و راحتی سفر شده است.یکی از کارکردهای معمولی این سیستم ها ، Lane Keep Assist است که به طور کلی ترجیحات رانندگی انسان را در نظر نمی گیرد.در کار قبلی ما ، ما نشان داده ایم که می توان با استفاده از یک الگوریتم برنامه ریزی مسیر بر اساس یک مدل رانندگی خطی ، عملکردی را که مناسب برای ترجیحات انسانی است ، انجام دهد.در کار فعلی ما ، ما بررسی کردیم که چگونه سبک های رانندگی رانندگان فردی را جدا کنیم.ما فرض کردیم که سه سبک رانندگی وجود دارد: اسپرت ، خنثی و دفاعی.برای اثبات این روابط ، روشهای خوشه بندی برای اندازه گیری های قبلاً ثبت شده اعمال شد.شبیه سازی ها با پارامترهای توصیف متوسط رفتار کلاس ها (دوباره با انواع خوشه ای) نشان داد که مسیرهای حاصل با موفقیت درایورهای طبقه بندی شده ، که 3 کلاس در رفتار آنها متمایز هستند و مدل ما این رفتارها را تولید می کند.