| 论文名称 | 以机器学习算法评估客运驾驶风险之研究 |
| 年别 | 109 |
| 学位 | 硕士 |
| 学校系所 | 国立交通大学 运输与物流管理学系 |
| 作者 | 王 允 |
| 指导教授 | 王晋元 |
| 论文摘要 | 本研究透过大客车配载之先进驾驶辅助系统(ADAS)记录之车机资料,从中提取驾驶特征,以机器学习算法建构驾驶风险评估模型来预测其风险层级。机器学习算法包含以非监督式学习之分群法根据风险指标来标记风险等级,在使用监督式学习之分类法连结驾驶行为指标建立风险分类模型,并以 recursive features elimination算法依照特征的重要性找出关键特征。另外针对过去研究使用 2阶机器学习架构和区分驾驶特征之两个议题进行探讨,建立 3种分类模型来测试其必要性和准确度。本研究之测试范例为行驶国道由新竹至台北的国内客运公司提供 Mobileye车距资料,透过 k-means分群法将驾驶分别出风险等级,并找出关键驾驶行为特征。结果显示 3种模型之正确率皆高于 90%且 3种模型的准确度差异不大。意味着驾驶风险之评定取决于险标籤所使用之驾驶特征,将驾驶风险分群后再进行第 2阶段使用分类法建立风险分类模型并没有其必要性;相同的将特征分为风险行为两类型对模型评估的准确度并无差异。因此相对其他模型, ,1阶段 混合特征评估模型 (Model-3)仅进行一次机器学习,较能避免球员兼裁判之情况。若考量日后资料蒐集和处理以及模型再训练之时间, 1阶段混合特征预测模型为较佳的选择。 |
| 附件下载 | (电子档于112-07-14后开放下载) 以机器学习算法评估客运驾驶风险之研究.pdf |
| 张贴日 | 2022/12/07 |
| Hashtags |
查看次数:
6