原文传递
基于多源数据的网约车分心驾驶行为识别
| 论文题名： | 基于多源数据的网约车分心驾驶行为识别 |
| 关键词： | 网约车;驾驶行为识别;自然驾驶;机器学习;多源数据 |
| 摘要： | 分心驾驶行为是影响网约车行车安全的重要问题。在网约车安全事故中，分心造成的事故比例逐年上升。分心驾驶行为具有复杂性、多样性的特点。为了探究分心驾驶行为的影响特性，实现对不同类型分心驾驶行为的准确识别，本研究针对网约车驾驶人自然驾驶状态下的分心驾驶行为开展研究，具体工作如下： 首先，以网约车驾驶人为受试对象，开展自然驾驶试验。本研究以南京市为自然驾驶试验地点，借助VBOX等非侵入式设备采集车辆运动学数据以及视频数据，通过专业分析软件FaceReader8.0将视频数据解析为驾驶人情绪数据。在此基础上，对数据进行清洗。其后，将分心驾驶行为分为认知分心、视觉分心、操作分心以及听觉分心，通过人工标签的形式完成分心驾驶行为的标记工作。 其次，利用关联规则挖掘分心驾驶行为与多源数据特征之间的联系。研究分心驾驶行为与情绪以及车辆运动学特征之间的关联关系，可以拓展分心驾驶行为识别模型的输入特征，更加有效地识别分心驾驶行为。本研究借助Apriori算法实现四类分心驾驶行为的关联规则挖掘，研究结果表明四类分心驾驶行为均与情绪以及车辆运动学特征存在强关联性。 而后，构建表征驾驶控制的指标体系，探究分心驾驶行为对驾驶控制的影响特性，为分心驾驶行为识别模型提供特征基础。本文引入动态时间窗的概念，从控制强度、控制稳定性、控制灵敏度三个维度构建五种驾驶控制指标。并利用单因素重复测量方差分析及配对样本T检验等统计学方法，解析分心驾驶行为在驾驶控制方面的影响特性及纵向演化过程。研究结果表明，四类分心驾驶行为与正常驾驶行为对驾驶控制的影响存在显著性差异，同时不同分心驾驶行为的影响在纵向时间轴上也存在显著的变化特征。 最后，基于多源数据选取特征指标，建立分类识别模型。基于上述多源指标体系筛选识别模型的特征指标，利用朴素贝叶斯模型、支持向量机模型、随机森林、XGBoost四种典型机器学习算法，分别实现二分类任务与多分类任务。结果表明，基于多源数据融合的识别模型能较好地完成二分类以及多分类任务，四种模型中随机森林和XGBoost两类集成学习模型显著优于朴素贝叶斯模型和SVM模型，四种分心标签中操作分心和视觉分心的识别准确度更高。 综上，本研究融合多源数据，通过统计学方法和关联规则探究了多源数据与分心驾驶行为的关联关系以及分心驾驶行为的影响特性，并建立优化的指标体系对分心驾驶行为进行二分类以及多分类的识别任务，比较了不同模型以及不同分心类型的识别效果。本研究将为分心预警系统以及车辆的辅助驾驶系统提供决策依据。 |
| 作者： | 唐鑫 |
| 专业： | 交通运输工程;交通运输规划与管理 |
| 导师： | 陈淑燕;马永锋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
