Driving Style Recognition for Intelligent Vehicle Control and Advanced Driver Assistance: A Survey
0. 摘要
驾驶员驾驶风格的重要性体现在：
1）车辆能源管理
2）驾驶安全
3）ADAS（Advanced Driver Assisted Systems高级驾驶员辅助系统）的发展
本文主要内容：
1）关于驾驶风格特征和识别的调查
2）基于机器学习算法
3）驾驶风格识别在智能车辆控制中的应用
4）专家预测未来的发展
1. 简介
需求方：联网汽车、人工交通系统
基于联网物理社会系统的并行驾驶框架中，驾驶员行为和识别是非常关键的。
环境问题
工业界为了**安全性和环境友好性**做出的改进，通过激活的/被动的矫正反馈来影响驾驶风格：
①生成触觉输入，直接作用于驾驶任务
②只有咨询，目的是通过视觉/听觉形式的建议来提高驾驶员意识
向驾驶员提供反馈的系统，都被归类为**被动系统**；**主动系统**可以通过修正驾驶员的能量需求和重新校准组件响应来弥补驾驶习惯的不足，直接影响车辆运行。
A）研究动机
1）主要是燃油效率；其次是车辆特征、道路类型、交通状况、驾驶模式
2）燃油消耗：虽然知道驾驶风格影响燃油效率，但是不知道直接的关系。燃油消耗可以简化驾驶风格和车辆效率之间的关系，同时有助于描述驾驶员特征。用速度和梯度模式（包括交通和驾驶风格），计算电动车的剩余范围。矫正激进驾驶，可减少燃油消耗，但是和道路类型关系较大；在高速路上节省多，在城市道路上节省相对较少
3）道路安全：影响因素有人口统计资料、分心、经验、犯困、酒精、压力、风险行为趋势、做决定。
4）ADAS，有助于安全和节能。虽然这些特征可以在特殊事件中协助驾驶员，但是通常用驾驶员的平均特征；不能适应驾驶员的个性特征。下一代的ADAS产品特点目的是个性化性能，并且要提高燃油节能和安全性。
B）驾驶风格相关术语
1）Driving event：驾驶过程中相关行为，比如加速、减速、转向、变道等，可以用来识别driving style
2）Driving pattern：所有关于速度的分析：行驶时间、平均速度、速度情况、计算的功率需求、
3）Driver driving style:
2. 驾驶员风格识别的输入
A）驾驶员风格影响因素
内部因素——两个实验：
① 爱立信做的对比实验，研究驾驶模式和外部环境（如交通、道路类型、其他的司机）的关系，在车辆性能方面决定驾驶员风格
② Taubman-Ben-Ari做的实验完全基于人的因素，比如有意识地做决定、人口背景和性格因素。驾驶经验、对车辆的熟悉程度都会影响到驾驶风格，并且强调了性别、年龄、受教育程度和个性对驾驶风格的影响。
驾驶员内部因素，可能会被外部因素（比如道路状态和拥堵级别）触发，结合一天中的时间段和一周中的一天，对驾驶员的影响程度是不一样的。
外部因素——
B）传感器
C）驾驶员风格识别的输入信号
3. 驾驶员风格分类
A）分为离散类别
B）通过连续索引分类
4. 驾驶员风格识别算法
A）通过规则实现
B）通过模型实现
C）通过学习算法实现
1）无监督机器学习算法
2）有监督机器学习算法
3）无监督和有监督结合算法
5. 智能车辆和控制应用
A）驾驶员咨询反馈
B）加强ADAS表现
C）HEV、PHEV、BEV的控制
6. 结束语
回顾了：驾驶员风格表征和识别的研究和开发成果，以及在智能车辆控制中的应用。
主要内容：
①输入信号识别和分类方法；②算法的选择和实现
驾驶风格影响因素和分类策略都与以下两点有关：
①目标应用；②实施约束
通过各种算法对比分析了：
①驾驶风格的复杂性；②主要解释性；③安全性；④燃油效率
未来方向：
①更大的数据集，包括更多驾驶员
②用无监督和有监督方法加强适应性和认知能力