A Fuzzy Logic-Based Approach for Humanized Driver Modelling
Notice bibliographique
Résumé
All human drivers can be characterised by their habitual choice of driving behaviours, which results in a wide range of observed driving patterns and manoeuvres. Developing control strategies for autonomous vehicles that address this feature would increase the public acceptance of such vehicles. Therefore, this paper proposes a novel approach to developing rule-based fuzzy logic driver models that simulate different driving styles in the car-following regimes. These driver models were trained with the collected on-road driving data to capture corresponding human drivers’ characteristics. The proposed approach consists of three main components: collecting on-road driving data, developing a vehicle model, and establishing the car-following driver models. Firstly, an instrumented vehicle was used to collect driving data over the same route for three consecutive months. Car-following scenarios during these journeys were extracted, and related data were processed accordingly. Afterwards, a representative model of the instrumented vehicle was created and evaluated. Finally, a fuzzy logic driver model that uses humanized inputs was developed and calibrated with the recorded data. The developed driver model’s performance was assessed using the collected driving data and a baseline PID driver model. With the performance validated, models representing more aggressive and more defensive driving styles were derived following the same procedure. A cross-driver analysis was then implemented in a normalized car-following scenario with the established vehicle model to investigate the impacts of different driving styles further. The developed driver model can introduce driving styles into drive cycle experiments and replicate on-road real driving emission tests in the laboratory. Moreover, as the proposed method has high robustness to incomplete datasets, it can be a more cost-effective option to facilitate the development of humanized and customized vehicle control strategies for autonomous driving.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».