排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
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。 相似文献
2.
公交车驾驶员违规行为是引起交通事故的重要原因之一,以往文献在研究驾驶员违规行为与事故频率之间的关系时,未能深入探究违规行为类型差异及其异质性。为了进一步揭示不
同违规行为的差异化影响并为行为管控措施提供依据,利用某市2019—2020年4532起公交违规及事故数据,将驾驶员事故频率作为研究对象,将17类违规行为及人口统计学因素作为解释变量,综合考虑数据特征及异质性分析需求,构建考虑均值与方差异质性的随机参数零膨胀泊松模型。模型分析结果表明:不同类型的违规行为对于驾驶员事故频率影响存在明显区别,当驾驶员同时存在若干特定违规行为时,事故频率明显高于其他驾驶员。具体包括:未走公交专用道等行
为次数越多,则该驾驶员事故频率越高;未系安全带、未礼让斑马线次数和及时更换失效驾照等行为的影响具有随机特征,其作用效果具有随机波动的属性;未礼让斑马线行为影响参数的均值和方差受到其他变量的影响,即当驾驶员未礼让斑马线次数和越线行驶次数均较多时,期望事故率愈高。 相似文献
3.
4.
5.
6.
电动两轮车保有量持续增长导致相关的事故伤害日益严重。为研究电动两轮车-机动车碰撞事故中电动两轮车骑行者受伤程度的影响因素,以中国事故深度调查(CIDAS)数据集中的1 246起电动两轮车-机动车事故案例为基础,对比随机森林、XGBoost和LightGBM这3种集成学习模型性能,基于准确率等指标选用性能最优的LightGBM模型进行电动车骑行者受伤严重程度预测。结合SHAP可解释方法,进一步分析发现自变量与因变量之间存在明显的非线性关系:电动两轮车骑行者抛出距离对死亡的影响存在明显的阈值效应,电动两轮车骑行者被抛出距离小于5 m时,不易发生死亡事故,超过5 m时,抛出距离和死亡风险呈正相关;事故发生地为市区外或公路上以及与载重物车辆相撞能显著增加电动两轮车事故中骑行者的死亡风险;电动两轮车不加装脚蹬、座位高度大于70 cm、车把宽度为61~65 cm、车把设计形式为向后弯曲或牛角状等因素可降低死亡风险;与电动两轮车骑行者相关的降低死亡风险的因素包括女性、年龄在30~50岁及对事故发生地环境更为熟悉。 相似文献
1