基于自然驾驶数据的危险事件识别方法

• 作者: 徐晓妍 王雪松
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 驾驶行为 自然驾驶研究 危险事件 机器学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 交通运输工程
• 页码范围: 51-59
• 页数: 9页
• 分类号: U491
• 字数: 7902字
• 语种: 中文
• DOI: 10.11908/j.issn.0253-374x.19147

摘要

利用阈值法从自然驾驶数据中识别可能的危险事件,再采用随机森林模型和支持向量机模型深度筛选,克服了阈值法误报率过高的缺陷.基于上海自然驾驶数据,建立提取危险事件的阈值标准,从原始数据中识别出3623起可能的危险事件;利用随机森林模型筛选出重要特征作为输入变量,训练机器学习模型,对测试集进行预测.结果表明,起到关键作用的变量有:纵向加速度的最小值和均值、与前车距离的最小值以及车速的标准差.相比随机森林模型,支持向量机模型预测效果更优,在控制漏报率的同时,可过滤85.9％的无效事件.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王雪松	同济大学道路与交通工程教育部重点实验室	102	359	10.0	14.0
2	徐晓妍	同济大学道路与交通工程教育部重点实验室	2	0	0.0	0.0