论文名称 利用统计预测与机器学习从驾驶行为预测事故风险之研究
年别 112
学位 硕士
学校系所 国立阳明交通大学 运输与物流管理学系
作者 张斯涵
指导教授 王晋元
论文摘要        事故风险预测能辨识出高风险驾驶以及高风险因子,进而帮助主管机关,如政府部 门、客运业者,了解应加强管理的对象以及构思管理的方案,以预防事故发生。然过往 相关研究,常面临事故资料蒐集时间长、变量众多导致变量影响不显着之困境。为了解 决以上困境,本研究欲提出完整之事故风险预测方法,内容分为事故风险衡量指标快速 确立、事故风险影响因子取用及挑选、事故风险预测模型建立及挑选,三大部分。事故 风险衡量指标快速确立之方法为,输入 ADAS 警示次数进入 K-means,划分事故风险 群,并以群间平均数比较与群间平均数差异检定之结果,作为命名事故风险群参考。事 故风险影响因子取用及挑选之方法为,取出驾驶行为特征及环境因子后,以 t 检定、RFE、 Lasso 挑选出重要的变量。事故风险预测模型建立及挑选之方法为,训练罗吉斯回归、 判别分析、决策树、SVM 后,以平均 AUC 挑选出最佳模型。本研究以双北地区大客车 ADAS 警示及车速车距为资料,实际测试以上分析方法,结果如下:驾驶分为相对低风 险群以及相对高风险群,且两群之 ADAS 警示次数有显着不同,故两群的事故风险有显 着差异。三种变量挑选方法的结果并不完全相同,若只参考单一方法恐怕有些偏颇,应 综合考量三种方法。最终模型为罗吉斯回归,因其平均 AUC 最大。
附件下载 (电子档于112-11-30后开放下载)
利用统计预测与机器学习从驾驶行为预测事故风险之研究.pdf
张贴日 2023/11/30
Hashtags
查看次数: 9