| 篇名 | 国道客运驾驶疲劳侦测模型之比较研究 |
| 作者 | 李威勳、林政宇、刘宗宪、陈羨邦、张宏璿 |
| 摘要 | 疲劳驾驶为公路运输安全一大隐忧，统计显示超过七成事故来自包含疲劳驾驶在内的危险行为。由于疲劳驾驶之资料仅佔驾驶资讯的一小部分，具有高度不平衡的特性，本研究针对真值标记后之车辆动态数据，将数据以SMOTE进行数据不平衡处理后，使用支持向量机、随机森林、启动时间序列模型 (InceptionTime) 及堆叠式长短期记忆模型 (Stacked-LSTM) 等四种机器学习模型进行分析，结果显示，应用SMOTE 方法之四种模型，虽正确率达到0.96，但模型对于疲劳驾驶风格并不具有辨识能力。因此本研究提出采用滑动时间窗格放大目标样本并建立时间序列资料，进行数据不平衡之预处理，利用启动时间序列模型及堆叠式长短期记忆模型深度学习方法进行模型训练，学习危险行为与疲劳驾驶事件间的关联，以利用车辆动态资料的标记达到预判即将发生疲劳驾驶事件。利用滑动时间窗格方法之深度学习模型，启动时间序列模型获得0.7763 之准确度，但其F1-score 则为0.791，比SMOTE 处理过的模型平均F1-score 约0.5 更高。代表其应用滑动窗格方法之深度学习模型，已可成功萃取与疲劳驾驶相关之特征，并可稳定获得七成以上正确率。 |
| 卷 | 52 |
| 期 | 1 |
| 页次 | 29 |
| 出版年份 | 112 |
| 出版月份 | 3 |
| 档案下载 | 国道客运驾驶疲劳侦测模型之比较研究.pdf |
| Hashtags |
查看次数:
10