obsidian_sycn/工作笔记/归档/集度汽车/工作总结/算法项目总结.md

1. 数据预处理：

   1. 异常值：
      1. 基于业务逻辑：各物理测量值不可超过物理限制；
      2. 基于统计的：3σ标准；
   2. 归一化；
   3. 特征选择：
      1. 基于车辆动力学基础知识，参考论文、官方统计数据及友商对标；
      2. 基于相关性分析；

2. 驾驶行为评价指标体系如何选择、验证：

   1. 选择：基于车辆动力学基础知识，参考论文、官方统计数据及友商对标；
   2. 验证：
      1. 安全：基于保险公司的出险数据，参考了交通部交通事故原因统计数据；
      2. 能耗：基于车辆行驶的实际油耗数据，取相同地区、在近似的天气环境下、空调使用等等条件下，比较不同油耗区间车辆的驾驶行为指标数据；
      3. 舒适性：未能找到比较合适的验证方法因此模型未上线；
   3. 驾驶事件识别模型：
      1. 模型：
         1. 驾驶工况：
            1. 以2分钟切分工况段；
            2. 根据最大方向盘转角、最大方向盘转角速度和最大侧向加速度三个变量区分直行和侧向工况，根据不同车速点做聚类(kmeans)，就分两类(直行和侧向)，车速点 40，60，80，100(要求车速大于15小于100km/h)；
            3. 直线工况：根据不同车速范围划分加速度阈值，取90百分位的加速度值作为阈值基础，取0.5m/s2作为回滞；
            4. 侧向工况：换道、车道保持、转向和其他，支持向量机(高斯核、OVO(没有数据不平衡的问题，总共是(4*(4-1)/2)6个分类器)、软间隔、hinge损失函数)，指标 最大侧向加速度、最大质心转向角度、最大方向盘转角、方向盘转角速度；
         2. 换道、车道保持：隐马尔可夫模型(高斯混合)，指标：车速、侧向加速度、方向盘转角、方向盘转角速度；
      2. 训练、验证数据采集：实车实验，can信号收集，实验工况记录及视频录像；
      3. 验证指标：
         1. 换道、转向：四类：换道、车道保持、转向和其他，log损失函数
   4. 驾驶风格识别模型：
      1. 模型：
         1. 数据指标：当车速大于15km/h，且总行驶里程大于10km，最大加速度、平均车速(不计怠速时间)、加速度方差、平均车速方差、最大冲击度、最大冲击度方差、每公里急加速次数/急减速次数、最大方向盘转角速度；
         2. 数据预处理：
            1. 归一化；
            2. PCA；
         3. kmeans聚类；
         4. 验证：找同事开车进行实车验证，由其他同事打分；

3. 主成分分析

4. 因子分析 抽样适合性检验,bartlett球形检验

5. SVM 调参

6. kmeans咋选的聚类类别数；

7. D-S 证据理论