基于两次聚类的PWARX驾驶行为辨识模型

论文摘要

针对传统基于聚类的PWARX模型依赖先验知识和子空间划分精度不高的问题,提出一种基于两次聚类的PWARX辨识模型改进算法,并将其应用于驾驶行为建模。首先通过近邻传播算法在样本空间上进行聚类,在所得类簇上用线性模型进行拟合,并通过K-means算法在线性模型的参数空间上进行聚类,以获得PWA子模型的区域划分,最后在各个子空间上对PWA子模型进行求解。该算法合理利用了近邻传播算法和K-means算法的特点,通过在样本和参数空间上的两次聚类获得了良好的子模型区域分割效果。并对10名驾驶员的驾驶行为的建模实验结果表明,所提算法的模型辨识的平均准确率达到了91.5%。

论文目录

• 0 引言
• 1 基础理论
•   1.1 PWARX辨识算法
•   1.2 AP聚类
•   1.3 K-means聚类
• 2 AK-PWARX建模算法
•   2.1 输入输出参数
•   2.2 建模原理
•   2.3 算法有效性分析
•     2.3.1 理论有效性
•     2.3.2 时间复杂度
• 3 实验
•   3.1 仿真实验
•   3.2 真实实验
•     3.2.1 实验环境设置
•     3.2.2 实验结果
• 4 结语

文章来源

类型: 期刊论文

作者: 应海宁,唐振民,韩旭

关键词: 交通工程,模型,近邻传播聚类,聚类,危险驾驶行为

来源: 重庆交通大学学报(自然科学版) 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 南京交通职业技术学院电子信息工程学院,南京理工大学计算机科学与工程学院

基金: 国家自然科学基金项目(61305134)

分类号: U491

页码: 79-85+101

总页数: 8

文件大小: 945K

下载量: 165