TY-JOURA2-Postolache、OctavianAudriA-Ding、LusaAU-Zhu、TingAU-Wang、YanliAU-Zou、YajiePY-2022DA-2022DA-2022/01/31TI-隐藏Markov模型有限混合驱动SP-4989947VL-2022AB-分析驱动风格对开发智能车辆有用前期研究通常会考虑测量驱动数据统计特征(如制动压力的手段和标准偏差)或人工定义模式数因行为语义划分以描述驱动样式特征本文建议驱动风格分析描述时间序列驱动数据个性化驱动样式,不预定级数,但从数据估计区间速率加速率选择为三大特征变量描述汽车跟踪假想接车数据归并 以降低大小 变量对分割结果的影响隐式Markov模型和隐式Markov模型有限混合与HMM相比,MHM可识别数据异性并随后提供更合理的原始驱动模式基于结果研究使用 K级 表示聚类标注所有驱动模式语义识别共75种驱动模式并使用正常频率分布描述个性驱动特征,使用Kolmogorov-Smirnov测试应用相似性驱动风格评价本文中拟议方法对探索驱动习惯特征有用。SN-0197-6729UR-https://doi.org/101155/2022/49947DO-10.1155/2022/498947JF-高级交通杂志PB-HindawiKW-ER-