科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了研究货车驾驶人驾驶行为的差异性,对不同货车驾驶人实行分类管理。通过车载OBD设备获取39位货车驾驶人在自然驾驶状态下的车辆行驶数据,采用均值滤波方法对数据进行平滑滤波处理,以消除车辆行驶过程中由于路面颠簸、发动机抖动等外界环境对数据的影响。选择最高车速、横向加速度峰值、行车方向加速度峰值、车速与发动机转速的最大相对比值作为货车驾驶人安全倾向性评价指标。在对数据进行K-means聚类分析的基础上,应用AdaBoost算法建立货车驾驶人安全倾向性分类模型,将货车驾驶人分为激进型驾驶人或保守型驾驶人。数据验证分类结果表明,基于AdaBoost算法的货车驾驶人安全倾向性分类模型的平均准确率可以达到98. 74%,可有效区分激进型货车驾驶人及保守型货车驾驶人。
- 单位
