自动驾驶道路测试数据驾驶模式与避险脱离辨别方法、运行安全评估指标与道路交通影响程度判定表.pdfVIP

DBXX/ XXXXX—XXXX 附 录 F （资料性附录） 自动驾驶道路测试数据驾驶模式与避险脱离辨别方法 F.1 自动驾驶道路测试数据驾驶模式辨别方法 a)选取数据特征值 根据测试数据特征选取表征不同类别（自动驾驶模式或人工驾驶模式）的数据特征值。 b)秩和检验确定驾驶模式持续时长阈值及机器学习数据集 按照每秒前后（如前5秒和后5秒）车速进行显著性检验，显著性差异最大的的时刻即为记录准确的 驾驶模式持续时长阈值；随机取大于持续时长阈值的数据的70%为模型的训练数据集，剩余30%为模型 的测试数据集；小于等于阈值的数据段为待分类数据集。 表 F.1 驾驶模式持续时长阈值表表 持续时长阈值 自动驾驶模式 人工驾驶模式 道路场景 城市道路场景 11秒 7秒 高快速路场景 9秒 7秒 注： 自动驾驶道路测试数据的时间颗粒度为1秒。 构建 种监督分类模型 c) 5 构建5种监督分类模型（K近邻估计、支持向量机、决策树、随机森林和BP神经网络）进行分类， 利用训练数据集及测试数据集对模型进行训练及测试。 d)驾驶模式辨别模型评价 选取正确率、准确率及召回率对模型测试结果进行评价。 e)选取表现最佳模型进行数据修复 选取表现最佳模型进行待分类数据的模式辨别和数据修复工作。 F.2 自动驾驶道路测试避险脱离辨别方法 a)秩和检验确定自动驾驶模式脱离时长阈值 按照脱离时刻前后（如脱离时刻前5秒和后5秒）车速进行显著性检验，显著性检验差异最大的时刻 记为自动驾驶模式脱离时长阈值。自动驾驶模式脱离时长阈值可参考表F.2。 26 DBXX/ XXXXX—XXXX 表 F.2 自动驾驶脱离时长阈值表 阈值 自动驾驶脱离时长阈值 道路场景 城市道路场景 13秒 高快速路场景 14秒 注： 自动驾驶道路测试数据的时间颗粒度为1秒。