原文传递
结合异常驾驶行为数据的交通事故成因分析关键技术研究
| 论文题名： | 结合异常驾驶行为数据的交通事故成因分析关键技术研究 |
| 关键词： | 异常驾驶行为;交通事故成因;车联网数据;CNN-LSTM模型 |
| 摘要： | 事故成因分析可有效减少交通安全隐患、降低事故伤亡率。论文围绕基于车联网数据和人体骨骼关键点数据的异常驾驶行为识别、道路交通事故成因耦合分析等方面展开研究，主要工作如下： （1）由于车联网数据维度高，异常驾驶行为检测难度大，设计一种基于车联网数据的CNN-LSTM异常驾驶行为检测模型。基于车辆行驶过程数据提取行为片段，结合CNN和LSTM网络结构特性构建CNN-LSTM模型实现数据时空特征的提取融合，完成对急变速、急转弯、急变道等七种驾驶行为的分类识别。实验结果表明，CNN-LSTM算法平均准确率为95.18%，各类别错误率低于10%，整体性能高于CNN、RNN、LSTM模型，可为异常行为预警和驾驶风险评估提供方法支撑。 （2）针对分心驾驶行为难以辨识，检测准确率较低等问题，建立一种基于人体骨骼数据的B-P-S分心驾驶检测模型。利用BlazePose算法获取上肢关键点坐标并提取模比值特征和几何特征，基于特征构建PSO-SVM模型完成对打电话、喝水等六种分心驾驶行为的识别。实验结果表明算法平均识别率和召回率均在90%左右，实现了高精度的分心驾驶判别，能够有效应用于安全辅助驾驶。 （3）鉴于事故成因难以分析，采用一种基于改进决策树的道路交通事故成因耦合分析算法。算法对西安市历史事故数据进行预处理，结合道路环境特性与驾驶员行为特性探究事故影响因素，构建GBDT-RFE模型并筛选特征变量构建决策树，其准确率和召回率分别达到0.922和0.937，与RF、ET、GBDT等算法相比，GBDT-RFE具有较高的精度与良好的稳定性，提取到的重大事故耦合模式可为安全预警提供参考。 论文的研究在异常驾驶行为检测、道路交通事故成因耦合分析方面取得了一定成绩，有助于规范驾驶员安全行驶，为交通安全预警提供技术支持。 |
| 作者： | 张晓静 |
| 专业： | 计算机科学与技术 |
| 导师： | 郭兰英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
