首页|基于多分类Adaboost算法的驾驶人风险感知倾向研究

基于多分类Adaboost算法的驾驶人风险感知倾向研究

扫码查看
原文链接
  • 万方数据
  • 维普
为预防和减少道路交通事故,利用多分类Adaboost SAMME算法辨识不同驾驶人的风险感知倾向.首先基于交通冲突分析方法,量化56位驾驶人的风险感知效用值;然后通过KMRTDS驾驶模拟器获取驾驶人在6个风险驾驶情境中的行为表征参数;最后运用线性判别分析(LDA)、Adaboost SAMME算法逐步构建基于驾驶行为数据的驾驶人风险感知倾向分类预测模型,并采用k折交叉验证法评估该模型的有效性.研究结果表明:所提模型预测准确率达92.9％,可以有效辨识不同驾驶人的风险感知水平,将驾驶人分为安全、激进、复合3种类型.
Research on risk perception tendency of drivers based on multi-class Adaboost algorithm

秦雅琴、李秋谷、赵鹏燕、宝发旺、谢济铭

展开 >

昆明理工大学交通工程学院,云南昆明650500

Adaboost SAMME算法 驾驶人 风险感知倾向 驾驶行为 驾驶模拟器

国家自然科学基金

71861016

2022

10.16265/j.cnki.issn1003-3033.2022.04.021

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(4)
  • 3
  • 4