属性选择在驾驶模式决策中的关键作用

人机共驾智能车系统驾驶模式决策是一个复杂的多源信息融合问题。现有人机共驾智能车系统可采集多维车辆运动特征，如车道偏离预警系统可采集车道偏离距离、车头时距、当前车道信息等，而车载CAN系统、GPS 和惯性导航系统则可采集车速、倾斜角、俯仰角、经度、纬度、X 轴加速度、Y 轴加速度、Z 轴加速度等多源信息。考虑到人机共驾智能车系统的研究还处于探索阶段，驾驶模式决策的关联性特征还没有形成统一的认知，研究中一般都尽可能地采集较为完备的驾驶模式决策影响因子的属性数据集。但是多传感器采集的车辆运动特征信息并不是都能对驾驶模式决策产生贡献，部分冗余或者无关的特征反而会影响驾驶模式的正确决策。

本研究利用一个例子（见图5-1）对属性选择在人机共驾智能车系统驾驶模式决策中的作用进行阐述。图5-1（a）所示为人机共驾智能车系统数据采集系统获取多源传感信息后，直接导入决策算法进行驾驶模式选择。最终不仅算法的错误率提高，而且算法的执行速度也大大降低。究其原因是采用多传感器进行特征信息采集容易导致特征的冗余、特征不相关等情况出现。而图5-1（b）所示则是原始属性经过属性选择之后，再进行驾驶模式决策，最终其决策结果不仅正确率较高，而且决策算法的执行效率也大大提高。因为通过采用属性选择后，无关或者冗余的属性将被删除，这大大降低了算法计算的时间和复杂度，并且通过删除无关属性避免了机器学习过程中导致的识别偏差。因此，属性选择是进行人机共驾智能车系统驾驶模式准确决策的重要前提和关键环节。

(www.xing528.com)

图5-1　属性选择算法在驾驶模式决策中的作用