摘要： 当自动驾驶车辆在执行换道等行为时，需要准确识别人类驾驶车辆的驾驶风格类 型，以保证换道等行为的安全进行。为此，提出了一种基于多元特征参数与优化支持向量机 （ＳＶＭ）相结合的驾驶员驾驶风格识别模型。采用改进粒子群算法（ＩＰＳＯ）对支持向量机模型参 数进行优化，搭建 ＩＰＳＯＳＶＭ驾驶风格识别模型，并用 ＵＣＩ数据库中的数据集对其进行验证，结 果表明：ＩＰＳＯＳＶＭ模型在准确性、实时性及收敛性方面均优于 ＣＶＳＶＭ模型和 ＰＳＯＳＶＭ模型。 在此基础上，进一步采用 ＮＧＳＩＭ数据库中真实交通流的数据进行驾驶风格识别测试。首先处 理多元特征数据，滤除异常值；其次采用主成分分析法对数据进行降维和简化，并用 Ｋｍｅａｎｓ算 法对其进行聚类；最后将降维简化的数据作为输入，聚类得到结果作为输出，采用 ＩＰＳＯＳＶＭ识 别模型进行仿真实验。结果表明：提出的 ＩＰＳＯＳＶＭ模型准确率可达 ９７．９６％，均方误差降低约 ８４％，绝对误差降低约 ８１％，运行时间平均减小 ３０％，且 ＲＯＣ曲线的 ＡＵＣ值最大模型性能最 优，仿真结果验证了该模型对驾驶风格有更好的识别效果，其具有一定的可行性。

关键词: 改进粒子群算法；优化支持向量机；多元特征参数；驾驶风格识别

中图分类号: 

• U461