典型文献
基于多分类监督学习的驾驶风格特征指标筛选
文献摘要：
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n=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10 m/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.
文献关键词：
交通工程;特征排序;递归特征消元;驾驶风格;交通安全
中图分类号：
作者姓名：
王旭;马菲;廖小棱;蒋佩玉;张伟;王芳
作者机构：
山东大学齐鲁交通学院 济南250001;山东高速集团有限公司 济南250001;山东省智慧交通重点实验室 济南250001;山东高速信息集团有限公司 济南250001
文献出处：
引用格式：
[1]王旭;马菲;廖小棱;蒋佩玉;张伟;王芳-.基于多分类监督学习的驾驶风格特征指标筛选)[J].交通信息与安全,2022(01):162-168
A类：
递归特征消元
B类：
多分类,分类监督,监督学习,风格特征,特征指标,指标筛选,交通事故,驾驶行为,驾驶风格分类,驾驶风格识别,识别模型,托车,车联网,means++,驾驶员,样本数据集,驾驶风格聚类,设计支持,递归特征消除,SVC,RFE,特征重要度,特征排序,排序算法,最大速度,模型精度,分驾,交通工程,交通安全
AB值：
0.302565
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
