基于多分类Adaboost算法的驾驶人风险感知倾向研究

摘要：

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.

关键词：Adaboost SAMME算法、驾驶人、风险感知倾向、驾驶行为、驾驶模拟器

所属期刊栏目：32

分类号：X910(安全科学基础理论)

资助基金：国家自然科学基金71861016

在线出版日期：2022-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：141-147