原文传递
基于多分类监督学习的驾驶风格特征指标筛选
| 题名： | 基于多分类监督学习的驾驶风格特征指标筛选 |
| 作者： | 王旭;马菲;廖小棱;蒋佩玉;张伟;王芳 |
| 作者单位： | 山东大学齐鲁交通学院;山东高速集团有限公司;山东省智慧交通重点实验室;山东高速信息集团有限公司 |
| 关键词： | 交通工程;特征排序;递归特征消元;驾驶风格;交通安全 |
| 摘要： | 交通事故与驾驶风格具有强烈的相关性,而驾驶风格的直观体现是驾驶行为。为深入分析驾驶行为与驾驶风格的关联性,探索不同驾驶风格群体之间的差异,筛选驾驶风格分类与识别影响因素,建立驾驶风格识别模型并验证有效性。依托车联网实验数据,利用K-means++算法对驾驶员样本数据集进行驾驶风格聚类,设计支持向量机-递归特征消除(SVC-RFE)与随机森林-递归特征消除(RF-RFE)算法进行驾驶特征重要度排序,利用筛选出的特征指标搭建神经网络驾驶风格识别模型。结果表明:①特征个数”=6时,2种特征排序算法的排序正确率均高于85%,其中RF-RFE的正确率可达90%;②特征排序中重要度最高的指标为最大速度,其在3种驾驶风格群体中的差异可达l0m/s；③仅以最大速度作为输入,驾驶风格识别模型精度为86.1%,表明最大速度可有效区分驾驶风格。 |
| 期刊名称： | 交通信息与安全 |
| 出版日期： | 202201 |
| 出版年： | 2022 |
| 期： | 01 |
| 页码： | 162-168 |
检索历史
应用推荐
