事故接管场景下L3自动驾驶换道轨迹的评价和分类

摘要：

为研究L3自动驾驶事故场景下人工接管后换道轨迹的评价和分类问题,通过驾驶模拟实验采集换道轨迹数据;从舒适性、高效性、生态性、安全性4个方面选取9个评价指标;采用熵权TOPSIS(technique for order preference by similarity to an ideal solution)模型对换道轨迹进行评价并完成标签标定;用标定后的数据训练得到支持向量机(support vector machine,SVM)分类器模型,并将其应用于换道轨迹的分类中,该模型在测试集的平均准确率为79.55％,平均精确率为79.52％,平均召回率为79.51％,平均F1值为77.43％.结果表明:应用熵权TOPSIS模型得到的评分最高的换道轨迹在舒适性、高效性、生态性和安全性上综合表现优秀;SVM分类器能以较为稳定的准确率完成换道轨迹的分类.得到的最优换道轨迹可为驾驶员的换道提供指导,也可为自动驾驶车辆的轨迹遵循提供参考.

关键词：熵权TOPSIS、支持向量机(SVM)、L3级自动驾驶、换道轨迹分类

所属期刊栏目：22

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：国家自然科学基金61876011

在线出版日期：2022-09-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：8930-8937