董昊旻 张维轩 王文彬 何云廷 康子怡

（1.中国第一汽车股份有限公司研发总院，长春 130013；2.中国第一汽车股份有限公司智能网联开发院，长春 130013；3.汽车振动噪声与安全控制综合技术国家重点实验室，长春 130013；4.吉林大学，长春 130012）

主题词：驾驶风格识别 半监督学习 三协同训练

1 前言

随着车载通信终端（T-Box）逐渐普及，车载数据更易于获取，同时，大数据技术的逐步应用为通过车载数据进行驾驶风格分析提供了便利。驾驶风格主要指驾驶员的驾驶习惯，多通过驾驶时的行为特征进行定义。准确识别驾驶员的驾驶风格可以有效地为车载功能的改进、供应商向服务商的转型，以及保险、理赔等业务提供强有力的支撑[1]。

驾驶员的驾驶风格在各领域得到了大量应用，如针对不同驾驶风格设计混合动力汽车能量管理策略[2-3]、车辆换道预警方法[4]和智能车辆自主驾驶决策方法等[5]。近年来，很多学者针对驾驶风格分类进行了研究。黄丽蓉等[6]提出一种基于深度置信网络（Deep Belief Network，DBN）的驾驶行为风格识别模型。李立治等[7]通过主成分分析（Principal Component Analysis，PCA）实现了评价指标的降维，并基于神经网络建立驾驶风格识别模型。刘通等[8]建立基于K-Means 聚类结果的高斯混合模型，得出将驾驶员分为3类时聚类效果最佳的结论。李经纬等[9]采集了不同驾驶员所驾驶的商用车和乘用车的行驶数据，提出了基于K-Means聚类的驾驶风格识别方法。李明俊等[10]建立了多分类半监督学习算法驾驶风格识别模型，有效利用大量未标记数据参与训练，提高了模型对驾驶风格的识别能力。……