基于LightGBM的驾驶人风险感知能力判别方法

• 作者: 李青 景云超 朱彤 朱秭硕 李海梅
• 来源期刊: 交通信息与安全
• 关键词: 交通安全 风险感知 危险源 LightGBM算法
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 交通安全
• 页码范围: 16-25
• 页数: 10页
• 分类号: X951|X913
• 语种: 中文
• DOI: 10.3963/j.jssn.1674-4861.2021.04.003

摘要

碰撞风险与风险感知能力有关,为准确评估驾驶人风险感知能力,设计考虑危险源个数与类型的驾驶模拟试验,采集危险场景下的驾驶人驾驶行为与眼动特征等数据.利用Mantel-Haenszel检验分析危险源因素、驾驶人个人特性在不同风险感知水平人群下的差异性,借助Spearman相关性分析探索驾驶行为、眼动特征与风险感知能力之间的关系.结果表明:危险源个数、类型与风险感知能力负相关.驾龄、车速、纵向加速度、刹车深度、制动反应时间及位置等与风险感知能力显著相关.风险感知能力迟钝的驾驶人车速偏高且加速度更大,刹车深度更深,从发现危险事件到采取行动需要更多的反应时间.构建综合风险感知能力评价指标集,借助Random Forest算法对特征进行重要性排序,在此基础上利用LightGBM算法建立驾驶人风险感知能力判别模型,分析不同特征个数输入对模型性能的影响.结果表明:与SVM和AdaBoost等算法相比,基于LightGBM算法的模型F1值达到86.07％,精度为86.14％,可以有效地对不同风险感知等级的驾驶人进行分类.