基于NGSIM数据集的驾驶风格特征提取及高斯聚类分析：以换道行为探讨驾驶风格多样性

简介：
本研究利用NGSIM数据集，通过提取驾驶员换道行为特征，并采用高斯混合模型进行聚类分析，深入探究驾驶风格的多样性和分类方法。 本段落基于NGSIM数据集（包括i-80和US101路段）进行驾驶风格特征提取与高斯聚类分析，重点研究换道工况下的驾驶行为多样性。 具体步骤如下： 1. 使用对称指数移动平均滤波算法(sEMA)对原始数据进行了清洗及预处理； 2. 精细处理车辆数据：包括生成伪ID、填补缺失值、识别不同类型的车辆以及过滤掉多次变道和轨迹重叠的数据，确保每次换道操作的独立性； 3. 设计了一套详细的基于换道工况的驾驶风格特征表； 4. 从i-80和US101路段中提取了符合条件的驾驶行为数据，并进行了相关性的分析； 5. 应用高斯聚类算法对上述特征矩阵进行分类，结果显示该方法能够有效识别不同的驾驶风格。此外，还可以尝试其他类型的聚类算法（如SVM、K-means）以进一步验证结果。 整个研究过程中所使用的代码具有良好的扩展性，并且通过实验表明了数据集的有效性和分析模型的可靠性。