节点文献

基于自然驾驶数据的危险事件识别方法

免费订阅

【作者】 王雪松徐晓妍

【Author】 WANG Xuesong;XU Xiaoyan;Key Laboratory of Road and Traffic Engineering of the Ministry of Education,Tongji University;

【通讯作者】 徐晓妍;

【机构】 同济大学道路与交通工程教育部重点实验室

【摘要】 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。

【基金】 国家自然科学基金(51878498);上海市科学技术委员会(18DZ1200200)
【所属期刊栏目】 交通运输工程 (2020年01期)
  • 【分类号】U491.25
  • 【下载频次】173
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: