原文传递
基于车联网数据的驾驶行为安全评分方法研究
| 论文题名： | 基于车联网数据的驾驶行为安全评分方法研究 |
| 关键词： | 驾驶行为;车联网数据;BP神经网络;评分卡 |
| 摘要： | 随着经济的发展和人们生活需求的不断变化，金融领域发展出的评分卡模型给很多行业都带来便利，例如银行就可以借助评分卡模型规避掉一些信贷风险，帮助企业处于良性的发展状态。在金融领域，学者们借助信贷数据有明确标注的优势，广泛地将机器学习方法和评分卡模型相结合，不断地丰富模型的种类、可适用范围。目前评分卡模型的研究背景多数集中在金融、保险行业。 被大家熟知的汽车领域，尤其是网联汽车领域目前也在迅速发展。研究影响车辆行驶安全的因素是至关重要的，例如情绪、年龄、性别、路况、天气、驾龄等。此外，对车速进行研究，得到侧向摩擦因数与速度的关系，能够对驾驶特征进行分类，为数据的深度挖掘和构建用户画像奠定了基础。 把金融评分卡模型迁移到车联网领域，建立驾驶行为安全评分卡模型是非常具有实践意义的。本文选取某市的车联网数据，建立驾驶行为评分卡，从而对驾驶安全进行评估。通过数据预处理，完成构建评分卡所需的数据准备工作。本文首先建立基于Logistic回归的驾驶安全评分卡，给出在Logistic回归建模场景下，预判有危险驾驶行为的判定准则。考虑特征选择对于评分卡建模的重要性，本文基于BP神经网络的MIV特征选择算法，建立XGBoost驾驶行为安全评分卡，并给出在该建模场景下的判定准则。 |
| 作者： | 米艳彪 |
| 专业： | 计算数学 |
| 导师： | 贾继伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
