计算机工程与科学

作者：杨林, 张磊, 刘佰龙, 梁志贞, 张雪飞

单位：（1.中国矿业大学矿山数字化教育部工程研究中心,江苏 徐州 221116；2.中国矿业大学计算机科学与技术学院,江苏 徐州 221116；3.江苏恒旺数字科技有限责任公司,江苏 苏州 215000）

关键词：驾驶员识别, 表示学习, 上下文感知, 特征融合,

基金：中国矿业大学建设双一级专项资金（2018ZZCX14）

随着隐私保护意识的提升,利用车辆轨迹识别汽车驾驶员已成为车辆数据分析热点。然而,现有模型难以准确捕捉驾驶风格与驾驶上下文之间的关系,导致识别准确率不高。因此,提出基于驾驶上下文感知的驾驶员识别模型CDIM。CDIM利用轨迹数据计算车辆运动特征,同时通过路网匹配获取出行路线,并设计基于双向Transformer的路段信息嵌入模块,为出行路线中每一段路段生成融合邻接路段特征的嵌入。然后,通过卷积跨模态注意力融合模块结合路段特征与运动特征,实现二者的高效融合。此外,结合外部因素特征,全面捕捉驾驶上下文对驾驶风格的影响。在公开数据集上的实验结果表明,CDIM的识别准确率为68.54%,相较于RM-Driver与Doufu分别提高了8.14%和4.81%,具有更高的驾驶员识别准确率。

来源：2025年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第3期