杨云开 范文兵 彭东旭

(郑州大学信息工程学院 河南 郑州 450000)

0 引 言

驾驶行为分类在过去几年里受到了不同行业的关注。在汽车行业中，对驾驶行为进行分类，例如在注意力不集中情形下的驾驶，对保证驾驶员的安全至关重要，尤其是在半自动和高度自动化的车辆中。同样，在汽车保险行业，对驾驶行为进行分类和监控对于风险评估和保险费都至关重要[1]。

现已出现了许多方法来解决驾驶行为分类问题。根据所使用的传感器数据，这些方法可以分为两种主要方法，即基于车辆检测的方法和基于驾驶员检测的方法。基于车辆检测的方法利用不同的车辆传感器数据对一组驾驶行为或驾驶风格进行分类。车辆传感器的数据包括惯性测量数据，车辆的方位、速度、加速度和制动。基于驾驶员检测的方法是利用车内的活动传感器(通常是摄像头)来观察驾驶员的直接表现，例如注视方向、脑电图波动、头部和身体的姿势。

文献[2]提出一种使用动态时间规整(DTW)和基于智能手机的传感器融合(加速度计、陀螺仪、磁强计、GPS、视频)来检测、识别驾驶行为的系统，虽然识别率很高，但是需要一个庞大的数据库。文献[3]使用贝叶斯非参数模型与LDA模型相结合，以此将抽象的线性分段与具体的驾驶行为相联系，虽然识别效果很好，但是在计算上有很大的复杂性。文献[4-5]通过智能手机内置的传感器采集数据，然后用深度学习模型对驾驶行为识别，但是只能识别纵向运动，无法识别横向运动(转向)。……