论文部分内容阅读
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。