資料內(nèi)容：

1   數(shù)據(jù)采集及預(yù)處理
由于實(shí)驗(yàn)數(shù)據(jù)來源于真實(shí)交通場景和不同的傳感
設(shè)備, 所以數(shù)據(jù)預(yù)處理的第一個任務(wù)是將每個傳感設(shè)
備采集的數(shù)據(jù)進(jìn)行濾波、分段處理, 第二個任務(wù)是進(jìn)
行時間戳對齊, 并按時間窗口提取具有同一標(biāo)簽的數(shù)據(jù).
1.1 數(shù)據(jù)采集
本次數(shù)據(jù)采集過程中, 汽車運(yùn)動學(xué)數(shù)據(jù)中的速
度、加速度來自安裝在試驗(yàn)車上的 Cohda_wireless 短
程通信設(shè)備. 轉(zhuǎn)向角、轉(zhuǎn)向角加速度來自安裝在方向
盤處的轉(zhuǎn)角測試儀. 駕駛員生理數(shù)據(jù)中的腦電數(shù)據(jù)
(EEG) 和頭部運(yùn)動數(shù)據(jù)來自腦波分析儀. 心電數(shù)據(jù)
(ECG) 來自貼片式心率測試儀. 頭在水平方向轉(zhuǎn)動的
次數(shù)來自行車記錄儀中的行車視頻. 數(shù)據(jù)采集設(shè)備如
圖 1 所示. 圖 2 是模型訓(xùn)練數(shù)據(jù)的采集路線, 采集車輛
從長安大學(xué)出發(fā)到西安城北客運(yùn)站, 全長 23.8 公里. 為
了使模型訓(xùn)練和驗(yàn)證的時候更加魯棒, 我們邀請了不
同的駕駛員在不同的天氣、道路、行人、車輛情況下
進(jìn)行數(shù)據(jù)采集.
 

1.2 時間窗口選取
時間窗口是所有數(shù)據(jù)處理的時間大小依據(jù), 所以
該時間窗口的大小要能容納駕駛員換道前的各個數(shù)據(jù)
變化. 即在該時間窗口內(nèi), 車道變換前后的各個數(shù)據(jù)變
化要能被觀察到. 如圖 3 所示, 將從車輛轉(zhuǎn)向角發(fā)生巨
大變化至轉(zhuǎn)向角趨于平穩(wěn)的一個行為標(biāo)記為一個變道
行為, 并將該段時間記作一個時間窗口. 在討論該模型
的前瞻性時, 采用依次縮短該時間窗口的方法. 其具體
做法是將時間窗口的結(jié)束點(diǎn)依次提前, 在不考慮預(yù)測
精確率的情況下, 時間窗口結(jié)束點(diǎn) 3 比結(jié)束點(diǎn) 2 具有
更好的前瞻性. 因此, 在模型訓(xùn)練和驗(yàn)證過程中, 采用
縮小時間窗口的同時比較準(zhǔn)確率的方法來訓(xùn)練和驗(yàn)證
模型.
在數(shù)據(jù)處理過程中, 以當(dāng)前的時間窗口大小為依
據(jù). 文章所采用的循環(huán)神經(jīng)網(wǎng)絡(luò)要求每次輸入的數(shù)據(jù)
為定長, 但由于時間窗口是不定長的, 因此要求在每個
時間窗口內(nèi)設(shè)定一個通用的數(shù)據(jù)提取方法, 使得在不