資料內容：

1   數據采集及預處理
由于實驗數據來源于真實交通場景和不同的傳感
設備, 所以數據預處理的第一個任務是將每個傳感設
備采集的數據進行濾波、分段處理, 第二個任務是進
行時間戳對齊, 并按時間窗口提取具有同一標簽的數據.
1.1 數據采集
本次數據采集過程中, 汽車運動學數據中的速
度、加速度來自安裝在試驗車上的 Cohda_wireless 短
程通信設備. 轉向角、轉向角加速度來自安裝在方向
盤處的轉角測試儀. 駕駛員生理數據中的腦電數據
(EEG) 和頭部運動數據來自腦波分析儀. 心電數據
(ECG) 來自貼片式心率測試儀. 頭在水平方向轉動的
次數來自行車記錄儀中的行車視頻. 數據采集設備如
圖 1 所示. 圖 2 是模型訓練數據的采集路線, 采集車輛
從長安大學出發(fā)到西安城北客運站, 全長 23.8 公里. 為
了使模型訓練和驗證的時候更加魯棒, 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
進行數據采集.
 

1.2 時間窗口選取
時間窗口是所有數據處理的時間大小依據, 所以
該時間窗口的大小要能容納駕駛員換道前的各個數據
變化. 即在該時間窗口內, 車道變換前后的各個數據變
化要能被觀察到. 如圖 3 所示, 將從車輛轉向角發(fā)生巨
大變化至轉向角趨于平穩(wěn)的一個行為標記為一個變道
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束點依次提前, 在不考慮預測
精確率的情況下, 時間窗口結束點 3 比結束點 2 具有
更好的前瞻性. 因此, 在模型訓練和驗證過程中, 采用
縮小時間窗口的同時比較準確率的方法來訓練和驗證
模型.
在數據處理過程中, 以當前的時間窗口大小為依
據. 文章所采用的循環(huán)神經網絡要求每次輸入的數據
為定長, 但由于時間窗口是不定長的, 因此要求在每個
時間窗口內設定一個通用的數據提取方法, 使得在不