基于随机森林的雨天车辆跟驰风险行为研究

摘要：

为降低雨天车辆跟驰行为风险,建立了一种基于随机森林的雨天车辆跟驰风险水平判定模型.通过引入降雨条件和安全距离,同时解决跟驰风险不易被量化分析及准确判定的问题,对传统驾驶风险判别模型进行修正,从而提取降雨条件下车辆运行跟驰风险特征,判定当前状态下的车辆跟驰风险.利用UC-winRoad驾驶模拟器仿真实验输出的降雨条件(包括降雨等级、路面水膜厚度、路面附着系数)和车辆运行数据(包括纵向车速、加速度、安全距离)进行验证,构建了引入风险熵的风险水平判定模型;通过随机森林算法对模型进行训练,并对风险特征进行提取,输出风险水平的判定结果.结果表明,该模型获取的风险水平误差小于1级,相比人工神经网络和支持向量机,平均相对误差分别降低了10.36％和4.54％.所提出模型可作为实用工具判定雨天车辆跟驰风险水平.

关键词：交通安全、车辆跟驰、风险水平、降雨条件、随机森林

所属期刊栏目：38

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目;江苏省社科联重大应用课题

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：27-34