| 基于自然驾驶数据的匝道行驶典型场景聚类分析 |
| |
| 引用本文： | 蒙昊蓝,陈君毅,陈磊,万马,余卓平.基于自然驾驶数据的匝道行驶典型场景聚类分析[J].同济大学学报(自然科学版),2021,49(S1):123-131. |
| |
| 作者姓名： | 蒙昊蓝 陈君毅 陈磊 万马 余卓平 |
| |
| 作者单位： | 1.同济大学 汽车学院， 上海 201804;2.南昌智能新能源汽车研究院， 南昌 330052;3.上海智能新能源汽车科创功能平台有限公司， 上海 201804 |
| |
| 基金项目： | 国家重点研发计划（2018YFB0105101）； 上海汽车工业科技发展基金会项目（2114）； 南昌智能新能源汽车研究院前瞻课题资助项目（TPD-TC202110-05） |
| |
| 摘 要： | 匝道行驶由于存在潜在的车辆间交通冲突，对自动驾驶汽车来说是一项挑战，因此，有必要对匝道的典型场景开展研究，以便应用于自动驾驶汽车的开发和测试。基于自然驾驶数据（naturalistic driving data， NDD）研究了匝道行驶典型场景。首先，通过对车辆在匝道上交互时的3个主要元素进行定义，包括初始状态（initial state， S）、驾驶动作（driving action， A）和交互性能（interaction performance， P），并以此来描述车辆的交互行为；然后，选取用于表征A和P的变量作为聚类特征，通过基于Calinski-Harabasz（CH）指数的K-means聚类方法获得8种聚类结果，根据聚类结果对各变量进行分析，得到4种典型的交互方式；再后，通过分析表征初始状态的变量，运用置信椭圆提取典型的逻辑场景；最后，基于逻辑场景随机选择两个具体场景对自动驾驶系统（autonomous driving system， ADS）进行测试和评估。结果表明，运用研究获得的匝道行驶典型场景进行测试，可揭示自动驾驶汽车与其他交互车辆间的交互能力，说明基于NDD并运用聚类分析方法生成的匝道行驶典型场景是有效的。
|
| 关 键 词： | 自动驾驶汽车 自然驾驶数据 匝道行驶典型场景 聚类分析 |
| 收稿时间： | 2021/11/10 0:00:00 |
Clustering Analysis of Typical Ramp Scenarios Based on Naturalistic Driving Data |
| |
| MENG Haolan,CHEN Junyi,CHEN Lei,WAN M,YU Zhuoping.Clustering Analysis of Typical Ramp Scenarios Based on Naturalistic Driving Data[J].Journal of Tongji University(Natural Science),2021,49(S1):123-131. |
| |
| Authors: | MENG Haolan CHEN Junyi CHEN Lei WAN M YU Zhuoping |
| |
| Abstract: | |
| |
| Keywords: | autonomous vehicle naturalistic driving data typical ramp scenarios clustering analysis |
|
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 |
