基于NGSIM (I-80, US101) 数据集的道路条件下的驾驶风格特征提取及高斯聚类分析

简介：
本研究利用NGSIM I-80和US101数据集，通过提取不同道路条件下驾驶员行为特征，并运用高斯混合模型进行聚类分析，识别典型驾驶风格。 在基于NGSIM（i-80, US101）公开数据集的驾驶风格研究中，我们利用了高斯聚类方法进行特征提取与分析，并将其应用于本人发表于JCR Q2期刊上的论文《paper_sci》中的驾驶风格数据分析部分。具体内容如下： 首先，使用sEMA（对称指数移动平均滤波算法）对原始数据进行了清洗和预处理；其次，在满足单次车道条件的数据基础上进行车辆伪ID的分配、缺失值填补以及类型分类等精细化操作；接着制定了详尽的基于道路状况下的驾驶风格特征表。 随后，从i-80与US101两个路段中提取了符合特定要求的驾驶行为特征矩阵，并对其进行了相关性分析。最后采用高斯聚类算法对上述数据进行分组和深入研究（同时可以考虑引入其他类型的聚类方法如SVM、K-means等），结果显示该模型具有良好的分类效果，从而验证了所用数据的有效性和可靠性。 代码设计时充分考虑到未来可能的应用场景，具备较强的扩展能力。