1.一种基于改进半监督聚类的冰雪环境驾驶经验评价方法，其特征是：包括以下步骤，且以下步骤顺次进行，

步骤一、建立样本库

通过驾驶人填写驾驶经验问卷获取问卷数据作为总样本集D，通过冰雪环境车辆驾驶实验，根据驾驶经验等级类别个数分为k个类，其标记值作为有标记样本集S；

步骤二、有标记样本集S信效度校验采用统计分析软件SPSS进行信效度检验，其中信度选择克朗巴哈系数法Cronbach’sα，α系数大于0.7为有效值；采用最大方差法进行因子旋转，以KMO度量值作为评价值，KMO大于

0.7为有效值；α系数与KMO度量值均小于0.7，重复步骤一重新建立样本库；

步骤三、建立结构方程模型

采用AMOS软件进行结构方程模型的构建，计算人格特质、驾驶人属性与驾驶行为的共

15维显变量对驾驶经验的路径系数值，根据结构方程的计算结果可以得出每条路径上的路径系数，路径系数βn，βn＝(λi·λij)

式中βn＝(β1,β2,...,β15)，(n＝1,2,…,15)，λi(i＝1,2,3)对应表示人格特征、驾驶人属性以及驾驶行为到驾驶经验的路径系数，λij(i＝1,j＝1,2,3,4,5；i＝2,j＝1,2,3,4,5,

6；i＝3,j＝1,2,3,4)表示对应的潜变量到其所对应的观测变量的路径系数；

步骤四、半监督聚类算法建立驾驶模型将对应显变量到驾驶经验的路径系数βn作为距离权重系数，定义一种SEM距离以SEM‑dij表示：

式中N表示样本的维度数，xin为样本xi在第n维上的值，μjn为第j个聚类簇的聚类中心μj在第n维上的值；

利用半监督k‑means作为评价分类算法，其初始聚类中心通过有标记样本集S计算获取，聚类个数k等于所述步骤一驾驶经验设置类别个数k；

总样本集D＝{x1，x2，x3，…，xm}，有标记样本为 其中 为隶属于第j个聚类簇的样本，其中根据样本的标记值来划分簇；

首先利用有标记样本初始化簇中心，因此分别对k个簇计算聚类中心：式中μj为第j个聚类簇的聚类中心；

对所有不为空的簇 用有标记样本进行初始化，即将有标记样本xi∈Sj根据其标记值分配到对应的簇中，Cj＝Cj∪{x}

筛选样本xi距离最近的簇r：r＝arg minj∈{1,2,...,k}SEM‑dij将样本xi划入相应的簇：

Cr＝Cr∪{xi}

再划分完所有的样本之后对所有的聚类簇中的聚类中心的均值向量μj进行更新：重复上述计算过程直到均值向量均未更新，即可得到簇划分{C1,C2,…,Ck}，根据初始簇划分时代表的驾驶经验等级获得该簇内样本的驾驶经验等级；

将所述步骤一采集的问卷数据归入到样本总集D＝{x1，x2，x3，...，xm}的无标记样本中，并进行上述聚类步骤，最终根据该样本所处的簇的标记即可得到该驾驶人的驾驶经验等级。