基于LightGBM的驾驶人风险感知能力判别方法

摘要：

碰撞风险与风险感知能力有关,为准确评估驾驶人风险感知能力,设计考虑危险源个数与类型的驾驶模拟试验,采集危险场景下的驾驶人驾驶行为与眼动特征等数据.利用Mantel-Haenszel检验分析危险源因素、驾驶人个人特性在不同风险感知水平人群下的差异性,借助Spearman相关性分析探索驾驶行为、眼动特征与风险感知能力之间的关系.结果表明:危险源个数、类型与风险感知能力负相关.驾龄、车速、纵向加速度、刹车深度、制动反应时间及位置等与风险感知能力显著相关.风险感知能力迟钝的驾驶人车速偏高且加速度更大,刹车深度更深,从发现危险事件到采取行动需要更多的反应时间.构建综合风险感知能力评价指标集,借助Random Forest算法对特征进行重要性排序,在此基础上利用LightGBM算法建立驾驶人风险感知能力判别模型,分析不同特征个数输入对模型性能的影响.结果表明:与SVM和AdaBoost等算法相比,基于LightGBM算法的模型F1值达到86.07％,精度为86.14％,可以有效地对不同风险感知等级的驾驶人进行分类.

关键词：交通安全、风险感知、危险源、LightGBM算法

所属期刊栏目：39

分类号：X951;X913

资助基金：*国家重点研发计划项目2019YFE0108000

在线出版日期：2021-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：16-25