中国公路学报

作者：刘卓凡, 魏东

单位：西安邮电大学　现代邮政学院，陕西　西安　710061

关键词：交通工程,异常度量化,对比学习,异常驾驶人行为,Mix-up技术,交通安全

<p>异常驾驶人行为（ADB）是一种常见且易引发交通事故的不安全驾驶人行为，严重危害交通安全。为了全面、准确、快速地检测ADB，提出了一种基于混合对比学习的异常驾驶人行为识别与量化模型（ADB-HCL）。模型创新性地将Mix-up数据增强策略融入对比学习框架，生成介于正常与异常驾驶人行为之间的混合样本，扩展驾驶人行为特征空间的覆盖范围，以提升模型识别未知或罕见异常行为的能力。同时，通过生成代表正常驾驶人行为的模板特征，计算待测驾驶人行为与模板特征之间的距离，量化异常程度，克服传统方法仅能提供已知异常驾驶人行为离散输出的局限性。基于DAD和AIDE数据集的试验结果显示，ADB-HCL方法在识别未知异常驾驶人行为方面表现出色，在推理时间仅为10.75 ms的情况下，准确率达到86.73%，相较于现有方法提高了6%~15%。驾驶人行为异常程度量化结果显示，该方法可以实现对异常驾驶人行为的细粒度量化。研究结果表明，ADB-HCL在识别异常驾驶人行为的全面性、准确性、细致性和检测速度方面具有显著优势，展示了其在车辆主动安全技术中应用的潜力。</p>

来源：2025年第3期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第3期