同济大学学报(自然科学版)

2020, v.48(01) 51-59

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于自然驾驶数据的危险事件识别方法
Detection of Safety-critical Events Based on Naturalistic Driving Data

王雪松;徐晓妍;

摘要(Abstract):

利用阈值法从自然驾驶数据中识别可能的危险事件,再采用随机森林模型和支持向量机模型深度筛选,克服了阈值法误报率过高的缺陷。基于上海自然驾驶数据,建立提取危险事件的阈值标准,从原始数据中识别出3 623起可能的危险事件;利用随机森林模型筛选出重要特征作为输入变量,训练机器学习模型,对测试集进行预测。结果表明,起到关键作用的变量有:纵向加速度的最小值和均值、与前车距离的最小值以及车速的标准差。相比随机森林模型,支持向量机模型预测效果更优,在控制漏报率的同时,可过滤85.9%的无效事件。

关键词(KeyWords): 驾驶行为;自然驾驶研究;危险事件;机器学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(51878498);; 上海市科学技术委员会(18DZ1200200)

作者(Author): 王雪松;徐晓妍;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享