典型文献
基于XGBoost算法的危险场景驾驶行为模式分析及安全评估
文献摘要：
危险感知能力对驾驶人的驾驶行为模式具有重要影响.为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树(XGBoost)算法的危险感知水平判别模型.通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系.通过模拟实验发现:驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速(p=0.01)、制动反应位置(p<0.01)以及反应时间(p<0.01)与危险感知水平之间存在显著负相关关系.在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机(SVM),以及逻辑回归(LR)等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8％、F1值为83.4％、AUC值为0.959,优于LightGBM(准确率为78.8％、F1值为76.7％、AUC值为0.924)、SVM(准确率为57.6％、F1值为42.2％、AUC值为0.859),以及LR算法(准确率为69.7％、F1值为65.5％、AUC值为0.836).所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段.
文献关键词：
交通安全;驾驶行为;危险感知;机器学习;XGBoost
中图分类号：
作者姓名：
魏田正;魏雯;李海梅;刘浩学;朱彤;刘斐
作者机构：
长安大学汽车学院 西安 710064;长安大学运输工程学院 西安 710064;长安大学汽车运输安全保障技术交通行业重点实验室 西安 710064
文献出处：
引用格式：
[1]魏田正;魏雯;李海梅;刘浩学;朱彤;刘斐-.基于XGBoost算法的危险场景驾驶行为模式分析及安全评估)[J].交通信息与安全,2022(05):53-60
A类：
多维度驾驶行为
B类：
XGBoost,危险场景,行为模式,模式分析,安全评估,危险感知能力,驾驶人,感知水平,模拟驾驶,驾驶技术,极端梯度提升树,判别模型,交通冲突,冲突场景,驾驶行为特征,特征数据,模拟实验,碰撞事故,车速,算法识别,特征变量,刹车,LightGBM,逻辑回归,LR,算法分类,分类预测,预测性能,感知模型,靠手,交通安全
AB值：
0.203978
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。
