基于驾驶员行为问卷的驾驶风格识别

对驾驶员行为进行分类的能力为更高级的驾驶员辅助系统奠定了基础。 本研究旨在研究驱动程序模式和分类特征。 北京的225位非专业驾驶员通过标准驾驶员行为问卷（DBQ）进行了驾驶员行为自我报告调查。 通过统计分析验证了问卷的信度。 验证性因素分析（CFA）用于分析潜在的因素结构。 从问卷调查结果中提取速度优势，空间占用，竞争权和竞争空间优势，以量化驾驶员特征。 基于模糊C均值（FCM）算法，以四个因素为模式特征，讨论了驾驶员分类分布的数量。 然后通过统计指标确定驾驶员分类的数量。 将分类结果与调查驾驶员是否在五年内发生交通事故的调查结果进行比较，可以看出分类结果与实际驾驶条件相同。 最后，分析了驾驶行为的人口统计特征和类型之间的相关性。 女性比男性更有可能进行谨慎驾驶，驾驶员年龄越大，驾驶经验越少，驾驶行为就越谨慎和适度。